説明用ブログ

解説用ブログです

Reasoning in Artificial Intelligence（※機械翻訳しました。）

AIにおけるReasoning (論理的な判断)について

Reasoning in Artificial Intelligence - MBA Knowledge Base (mbaknol.com)

（※機械翻訳しました。）

Reasoning in Artificial Intelligence

The reasoning is deemed as the key logical element that provides the ability for human interaction in a given social environment. The key aspect associated with reasoning is the fact that the perception of a given individual is based on the reasons derived from the facts that relative to the environment as interpreted by the individual involved. This makes it clear that in a computational environment involving electronic devices or machines, the ability of the machine to deliver a given reason depends on the extent to which the social environment is quantified as logical conclusions with the help of a reason or combination of reasons.

The major aspect associated with reasoning is that in the case of human reasoning the reasoning is accompanied by introspection which allows the individual to interpret the reason through self-observation and reporting of consciousness. This naturally provides the ability to develop resilience to exceptional situations in the social environment thus providing a non-feeble-minded human to react in one way or other to a given situation that is unique in its nature in the given environment. It is also critical to appreciate the fact that the reasoning in the mathematical perspective mainly corresponds to the extent to which a given environmental status can be interpreted using probability in order to help predict the reaction or consequence in any given situation through a sequence of actions.

The aforementioned corresponds with the case of uncertainty in the environment that challenges the normal reasoning approach to derive a specific conclusion or decision by the individual involved. The introspective nature developed in humans and some animals provides the ability to cope with the uncertainty in the environment. This adaptive nature of the non-feeble-minded human is the key ingredient that provides the ability to interpret the reasons to a given situation as opposed to merely following the logical path that results through the reasoning process. The reasoning in the case of Artificial Intelligence (AI) which aims to develop the aforementioned in the electronic devices to perform complex tasks with minimal human intervention is presented in the next section.

「Reasoning (論理的な判断)」は、与えられた社会環境における人間の相互作用のための能力を提供する重要な論理的要素であると考えられています。Reasoningに関連する重要な側面は、与えられた個人の知覚が、関係する個人によって解釈される環境に相対する事実から導かれる理由に基づいているという事実である。このことは、電子機器や 電子機械を含む計算環境において、機械が与えられた理由を提供する能力は、社会環境が理由または理由の組み合わせの助けを借りて論理的結論として定量化される程度に依存することを明確にする。

Reasoningに関連する大きな側面は、人間の推論の場合、推論は自己観察と意識の報告を通じて、個人が理由を解釈することを可能にする内観を伴うということです。このことは、社会環境における例外的な状況に対するレジリエンスを発達させる能力を自然に提供し、与えられた環境においてその性質上ユニークである与えられた状況に対して、何らかの方法で反応する非弱気な人間を提供します。また、数学的な観点からの推論は、主に、一連の行動を通じて与えられた状況における反応や結果を予測するために、確率を用いて与えられた環境状態を解釈することができる程度に対応するという事実を理解することは重要です。

前述したように、環境における不確実性は、関係する個人が特定の結論や決定を導き出すための通常の推論アプローチに挑戦するケースに相当する。人間や一部の動物に備わっている内省的な性質は、環境の不確実性に対処する能力を提供します。このような人間の適応的な性質は、Reasoningプロセスを通じて得られる論理的な経路に従うだけでなく、与えられた状況に対して理由を解釈する能力を提供する重要な要素である。電子機器に前述のような機能を持たせ、人間の介入を最小限に抑えて複雑なタスクを実行することを目的とした人工知能（AI）の場合のReasoningを次節で紹介する。

Reasoning in Artificial Intelligence

The reasoning is deemed to be one of the key components to enable effective artificial programs in order to tackle complex decision-making problems using machines. This is naturally because of the fact that the logical path followed by a program to derive a specific decision is mainly dependant on the ability of the program to handle exceptions in the process of delivering the decision. This naturally makes it clear that the effective use of logical reasoning to define the past, present and future states of the given problem alongside the plausible exception handlers is the basis for successfully delivering the decision for a given problem in the chosen environment. The key areas of challenge in the case of reasoning are discussed below.

 

人工知能における「Reasoning (論理的な判断)」

機械を使って複雑な意思決定を行う人工的なプログラムを効果的に実現するためには、「Reasoning (論理的な判断)」が重要な要素の1つと考えられています。これは、プログラムが特定の意思決定を導き出すためにたどる論理的な経路が、意思決定の過程で例外を処理するプログラムの能力に主に依存しているという事実があるためです。このことから、与えられた問題の過去、現在、未来の状態を定義するために論理的推論を効果的に使用し、もっともらしい例外処理を行うことが、選択した環境において与えられた問題に対する決定を成功させるための基礎であることが明らかになりました。「Reasoning (論理的な判断)」の場合の主な課題領域は、以下で議論されます。

 

Adaptive Software – This is the area of computer programming under Artificial Intelligence that faces the major challenge of enabling effective decision-making by machines. The key aspect associated with adaptive software development is the need for effective identification of the various exceptions and the ability to enable dynamic exception handling based on a set of generic rules. The concept of fuzzy matching and de-duplication that are popular in the case of software tools used for cleansing data cleansing in the business environment follow the above-mentioned concept of adaptive software. This is the case there the ability of the software to decide the best possible outcome for a given situation is programmed using a basic set of directory rules that are further enhanced using references to a variety of combinations that comprise the database of logical combinations for reasons that can be applied to a given situation. The concept of fuzzy matching is also deemed to be a major breakthrough in the implementation of adaptive programming of machines and computing devices in Artificial Intelligence. This is naturally because of the fact that the ability of the program to not only refer to a set of rules and associated references but also to interpret the combination of reasons derived relative to the given situation prior to arriving at a specific decision. From the aforementioned, it is evident that the effective development of adaptive software for an AI device in order to perform effective decision-making in the given environment mainly depends on the extent to which the software is able to interpret the reasons prior to deriving the decision. This makes it clear that the adaptive software programming in artificial intelligence is not only deemed as an area of the challenge but also the one with extensive scope for development to enable the simulation of complex real-world problems using Artificial Intelligence.

It is also critical to appreciate the fact that the adaptive software programming in the case of Artificial Intelligence is mainly focused on the ability to not only identify and interpret the reasons using a set of rules and combination of outcomes but also to demonstrate a degree of introspection. In other words, the adaptive software in the case of Artificial Intelligence is expected to enable the device to become a learning machine as opposed to an efficient exception handler. This further opens room for exploring knowledge management as part of the AI device to accomplish a certain degree of introspection similar to that of a non-feeble-minded human.

 

適応型ソフトウェア - 人工知能に属するコンピュータプログラミングの分野で、機械による効果的な意思決定を可能にするという大きな課題に直面しています。適応型ソフトウェア開発に関連する重要な側面は、様々な例外を効果的に識別する必要性と、一連の汎用ルールに基づく動的な例外処理を可能にする能力である。ビジネス環境におけるデータクレンジングに使用されるソフトウェアツールの場合に普及しているファジーマッチングと重複排除の概念は、上述の適応型ソフトウェアの概念に従う。これは、与えられた状況に対して最良の結果を決定するソフトウェアの能力が、ディレクトリルールの基本セットを使用してプログラムされ、与えられた状況に適用できる理由の論理的組み合わせのデータベースを構成する様々な組み合わせへの参照を使用してさらに強化されている場合である。ファジーマッチングの概念は、人工知能における機械やコンピューティングデバイスの適応的プログラミングを実現する上で、大きなブレークスルーとなるとも考えられている。これは当然、プログラムが一連のルールと関連する参照を参照するだけでなく、特定の決定に到達する前に、与えられた状況に関連して導き出された理由の組み合わせを解釈する能力があるためである。以上のことから、与えられた環境において効果的な意思決定を行うためのAIデバイス用適応型ソフトウェアの効果的な開発は、主にソフトウェアが意思決定を導き出す前に理由を解釈することができる程度に依存することが明らかである。このことから、人工知能における適応型ソフトウェアプログラミングは、人工知能を用いた複雑な実世界の問題のシミュレーションを可能にするために、課題となっている分野であると同時に、開発の余地が大きい分野であることがわかります。

また、人工知能の場合の適応型ソフトウェアプログラミングは、一連のルールと結果の組み合わせを使って理由を特定し解釈するだけでなく、ある程度の内省を示す能力に主眼が置かれているという事実を理解することは極めて重要である。言い換えれば、人工知能の場合の適応型ソフトウェアは、デバイスが効率的な例外処理装置ではなく、学習機械になることを可能にすることが期待されています。このことはさらに、AIデバイスの一部としてナレッジマネジメントを探求し、非能動的な人間のような一定の内省を達成する余地を開くものである。

 

 

Speech Synthesis/Recognition – This area of Artificial Intelligence can be deemed to be a derivative of the adaptive software whereby the speech/audio stream captured by the device deciphers the message for performs the appropriate task. The speech recognition in the AI field of science poses key issues of matching, reasoning to enable access control/ decision-making, and exception handling on top of the traditional issues of noise filtering and isolation of the speaker’s voice for interpretation. The case of speech recognition is where the aforementioned issues are faced whilst in the case of speech synthesis using computers, the major issue is the decision-making as the decision through the logical reasoning alone can help produce the appropriate response to be synthesized into speech by the machine.

Speech synthesis, as opposed to speech recognition, depends only on the adaptive nature of the software involved. This is due to the fact that the reasons derived from the interpretation of the input captured using the decision-making rules and combinations for fuzzy matching form the basis for the actual synthesis of the sentences that comprise the speech. The grammar associated with the sentences so framed and its reproduction depends heavily on the initial decision of the adaptive software using the logical reasons identified for the given environmental situation. Hence the complexity of speech synthesis and recognition poses a great challenge for effective reasoning in Artificial Intelligence.

 

音声合成/認識 - 人工知能のこの分野は、デバイスが取り込んだ音声/オーディオストリームがメッセージを解読し、適切なタスクを実行するための適応型ソフトウェアの派生物とみなすことができます。人工知能分野の音声認識では、ノイズフィルタリングや話者の声を分離して解釈するという従来の問題に加え、マッチング、アクセス制御や意思決定を可能にする推論、例外処理という重要な問題が発生します。音声認識の場合、上記のような問題に直面しますが、コンピュータを使った音声合成の場合、論理的な推論による判断だけで、機械が音声合成するのに適した応答を生み出すことができるため、主要な問題は意思決定です。

音声合成は、音声認識とは対照的に、ソフトウェアの適応性にのみ依存します。これは、ファジーマッチングのための意思決定ルールと組み合わせを使用して取り込まれた入力の解釈から得られた理由が、音声を構成する文の実際の合成の基礎を形成するという事実によるものである。このように構成された文に関連する文法とその再生は、与えられた環境状況に対して特定された論理的理由を用いた適応型ソフトウェアの最初の決定に大きく依存する。したがって、音声合成と音声認識の複雑さは、人工知能の効果的な推論に大きな課題を突きつけている。

Neural Networks – This is deemed to be yet another key challenge faced by Artificial Intelligence programming using reasoning. This is because of the fact that neural networks aim to implement the local behavior observed by the human brain. The layers of perception and the level of complexity associated with the interaction between different layers of perception alongside decision-making through logical reasoning. This makes it clear that the computation of the decision using the neural network’s strategy is aimed at solving highly complex problems with a greater level of external influence due to uncertainties that interact with each other or demonstrate a significant level of dependency on one another. This makes it clear that the adaptive software approach to the development of reasoned decision-making in machines forms the basis for neural networks with a significant level of complexity and dependencies involved.

The Single Layer Perceptions (SLP) and the representation of Boolean expressions using SLPs further make it clear that the effective deployment of the neural networks can help simulate complex problems and also provide the ability to develop resilience within the machine. The learning capability and the extent to which the knowledge management can be incorporated as a component in the AI machine can be defined successfully through identification and simulation of the SLPs and their interaction with each other in a given problem environment.

 

The case of neural networks also opens the possibility of handling multi-layer perceptions as part of adaptive software programming through independently programming each layer before enabling interaction between the layers as part of the reasoning for the decision-making. The key influential element for the aforementioned is the ability of the programmer(s) to identify the key input and output components for generating the reasons to facilitate the decision-making.

The backpropagation or backward error propagation algorithm deployed in the neural networks is a salient feature that helps achieve the major aspect of learning from mistakes and errors in a given computer program. The backpropagation algorithm in the multi-layer networks is one of the major areas where the adaptive capabilities of the AI application program can be strengthened to reflect the real-world problem-solving skills of the non-feeble-minded human.

 

From the aforementioned, it is clear that the neural network implementation of AI applications can be achieved to a sustainable level using the backpropagation error correction technique. This self-correcting and learning system using the neural networks approach is one of the major elements that can help implement complex problems’ simulation using AI applications. The case of reasoning discussed earlier in the light of the neural networks proves that the effective use of the layer-based approach to simulate the problems in order to allow for the interaction will help achieve reliable AI application development methodologies.

The discussion presented also reveals that reasoning is one of the major elements that can help simulate real-world problems using computers or robotics regardless of the complexity of the problems.

 

ニューラルネットワーク - これは、推論を用いた人工知能のプログラミングが直面するもう一つの重要な課題であると考えられています。これは、ニューラルネットワークが、人間の脳が観察する局所的な動作を実現することを目的としているためです。知覚の層と、異なる知覚の層間の相互作用に関連する複雑さのレベルは、論理的な推論による意思決定と並んでいます。このことから、ニューラルネットワークの戦略を用いた意思決定の計算は、互いに影響し合う、あるいは互いに依存する重要なレベルを示す不確実性による外部影響のレベルがより高い、非常に複雑な問題の解決を目的としていることが明らかになります。このことから、機械における理性的な意思決定の開発に対する適応的なソフトウェアのアプローチは、かなりのレベルの複雑さと依存性が関与するニューラルネットワークの基礎を形成することが明らかである。

単層知覚（SLP）とSLPを用いたブール式の表現は、さらに、ニューラルネットワークの効果的な展開が、複雑な問題のシミュレーションに役立ち、また、マシン内の回復力を開発する能力を提供することを明確にするものである。学習能力と知識管理をAIマシンのコンポーネントとして組み込むことができる程度は、与えられた問題環境におけるSLPとその相互作用の特定とシミュレーションを通じてうまく定義することができます。
 

また、ニューラルネットワークの場合、適応型ソフトウェアプログラミングの一環として、各層を独立にプログラミングしてから、意思決定の理由の一部として層間の相互作用を可能にすることで、多層知覚を扱う可能性がある。前述したような重要な影響力を持つ要素は、意思決定を促進するための理由を生成するための主要な入力と出力のコンポーネントを特定するプログラマーの能力である。

ニューラルネットワークに採用されているバックプロパゲーション（後方誤差伝播）アルゴリズムは、コンピュータプログラムにおけるミスやエラーからの学習という主要な側面を実現するのに役立つ顕著な特徴である。多層ネットワークのバックプロパゲーションアルゴリズムは、AIアプリケーションプログラムの適応能力を強化し、非力な人間の現実世界の問題解決能力を反映させることができる主要な領域の1つである。

 

以上のことから、AIアプリケーションのニューラルネットワーク実装は、バックプロパゲーションのエラー訂正技術を用いることで、持続可能なレベルで実現できることが明らかにされた。このニューラルネットワークのアプローチによる自己修正・学習システムは、AIアプリケーションによる複雑な問題のシミュレーションを実現するための大きな要素の1つである。先に述べたニューラルネットワークを用いた推論の事例は、レイヤーベースのアプローチを効果的に用いて問題をシミュレートし、相互作用を可能にすることが、信頼性の高いAIアプリケーション開発手法の実現に役立つことを証明している。

また、推論は、問題の複雑さに関わらず、コンピュータやロボットを使って現実世界の問題をシミュレートするのに役立つ主要な要素の1つであることが明らかになった。

 

 

Issues in the philosophy of Artificial Intelligence

The first and foremost issue faces in the case of AI implementation of simulating complex problems of the real world is the need for replication of the real-world environment in the computer/artificial world for the device to compute the reasons and derive upon a decision. This is naturally due to the fact that the simulation process involved in the replication of the environment for the real-world problem cannot always account for exceptions that arise due to unique human behavior in the interaction process. The lack of this facility and the fact that the environment so created cannot alter itself fundamentally apart from being altered due to the change in the state of the entities interacting within the simulated environment makes it a major hurdle for effective AI application development.

Apart from the real-world environment replication, the issue faced by the AI programmers is the fact that the reasoning processes and the exhaustiveness of the reasoning are limited to the knowledge/skills of the analysts involved. This makes it clear that the process of reasoning depending upon a non-feeble-minded human’s response to a given problem in the real world varies from one individual to another. Hence the reasons that can be simulated into the AI application can only be the fundamental logical reasons and the complex derivation of the reasons’ combination which is dependant on the individual cannot be replicated effectively in a computer.

Finally, the case of reasoning in the world of Artificial Intelligence is expected to provide a mathematical combination to the delivery of the desired results which cannot be accomplished in many cases due to the uniqueness of the decision made by the non-feeble-minded individual involved. This poses a great challenge to the successful implementation of AI in computers and robotics especially for complex problems that have various possibilities to choose from as result.

 

現実世界の複雑な問題をシミュレートするAIの実装において、まず第一に直面する問題は、デバイスが理由を計算し、決定を導き出すために、現実世界の環境をコンピュータ/人工世界に再現する必要があるということです。これは当然ながら、現実世界の問題に対する環境の再現に関わるシミュレーション・プロセスでは、対話プロセスにおける人間特有の行動によって生じる例外を常に考慮することができないという事実に起因します。この機能の欠如と、そのように作成された環境は、シミュレートされた環境内で相互作用するエンティティ（※）の状態の変化による変更を除いて、それ自体を根本的に変更できないという事実は、効果的な AI アプリケーション開発の大きなハードルになります。

現実世界の環境の再現とは別に、AIプログラマーが直面する問題は、推論プロセスと推論の網羅性が、関係する分析者の知識/スキルに制限されるという事実である。このことから、実世界で与えられた問題に対する非能率的な人間の反応に依存する推論のプロセスは、個人によって異なることが明らかです。したがって、AIアプリケーションにシミュレートできる理由は、基本的な論理的理由だけであり、個人に依存する理由の組み合わせの複雑な導出は、コンピュータで効果的に再現することはできません。

最後に、人工知能の世界における推論は、数学的な組み合わせで望ましい結果をもたらすことが期待されますが、これは、非力な個人が下した判断がユニークであるために、多くの場合、達成できません。このことは、コンピュータやロボットにAIを導入する際に、特に様々な可能性を秘めた複雑な問題に対して大きな挑戦となる。

 

 

（※）エンティティ

エンティティとは、実体、存在、実在（物）、本質、本体などの意味を持つ英単語。ITの分野では、何らかの標識や識別名、所在情報によって指し示される、独立した一意の対象物をエンティティということが多い。

ソフトウェア設計などの分野では、システム上でデータとして取り扱うことができるよう抽象的にモデル化された、現実世界の対象物や概念のことをエンティティということがある。例えば、「学生」というエンティティをシステム上で表すために、「氏名」「学年」「学籍番号」という属性と「進級」「退学」「卒業」という操作の集合として定義する、といったモデル化が行われる。

エンティティ（実体）とは - 意味をわかりやすく - IT用語辞典 e-Words