ひらめきに見るヒトの事前知識利用メカニズムの解明とマシンラーニングの高速化

点击翻译按钮获取中文摘要

本研究は、ヒトの事前知識利用戦略を心理実験によって調査し、その知見をヒントにした高速マシンラーニングアルゴリズムを構築することが目標である。平成16年度は、平成15年度で構築したモデルの1)妥当性検証、2)改良および3)応用の三方向から研究を進めた。平成15年度に構築したモデルとは、学習の初期段階に複数のデータモデルを事前知識を使って複数生成し、その中で尤もらしいものを解として投機的に提出するものであった。この手法では学習の初期段階に解を提出するため、運がよければ非常に高速に解にたどり着けるが、正しくなければ、従来型の学習法で時間をかけて学習を行う。1)モデルの妥当性検証(心理実験)H15年度に構築した心理実験課題の、結果の信憑性を高めるため、インタビュー不要の課題へと改良した。具体的には提示されたサンプルの順序が、解を思いつくタイミングに与える影響を調査することによって、ヒトの事前知識の利用戦略を調査する。この実験では最初に提示されるサンプルから、どのような解候補が生成されるかを検証し、どのタイミングで解を提出するかも検証する。いくつかの尤もらしい解候補の中の一つが否定される度に解候補を提出する傾向が強いことが判明した。2)モデルの改良H15年度に開発した学習機械は、単純に過去の学習結果を蓄積し、その中から提示サンプルに合うものを探し出すというものであった。しかしながら、その単純さゆえに、過去の知識が利用可能な課題であっても、持てる知識を適用することができないケースが存在した。そのため、過去の学習結果を再利用しやすいように細分化して保持し、提示されるパターンに合うように変化させて適用するシステムを開発した。今後、心理実験結果をヒントとして、解に対する確信度をエントロピーで表し、エントロピーが大きく下がる瞬間に解を提出する手法を導入する。3)応用応用分野として、オンラインモデル選択(規則抽出)に応用した。具体的には高次元入力の中で、お互いに関係のある変数を抽出する課題を取り上げ、これをオンライン(リアルタイム)で実現する手法に適用した。この手法は上記モデルと似た手法だが、ロボット等のセンサー情報をサンプリングし、それを短時間窓を通して時間軸に沿って観測し、部分線形性を仮定した短時間相関による候補生成を行う点が異なる。