2000年度 森泰吉郎記念研究振興基金 「国際共同研究」
概念階層と概念記述の相互学習による漸増学習について
( プロジェクト No.: 国際-3，プロジェクトリーダ: 古川 康一)

〜海外活動報告〜

慶應義塾大学政策・メディア研究科
後期博士課程   89966093   植野研
ueno@sfc.keio.ac.jp

[参加学会] [目的] [宿泊先] [MI-17会議報告] [ILP2000会議報告]

参加学会

[TOP]

目的

筆者は，本研究のテーマである「概念階層と概念記述の相互学習による漸増学習」 に関して，海外活動を行う予定である．漸増学習の具体的な応用例として，技能獲 得があげられる．これは，人間が一生涯かけて学習を行う身体的な技能獲得や，第 一言語，第二言語の言語獲得の学習メカニズムの解明に非常に重要な影響や，それ らを機械に実現する為の基礎的基盤を与える．いままでの研究の中で，身体的な技 能獲得の解明は，人間の身体の複雑性や，データの非定常な時系列性ゆえに，人手 による分析が困難である．そこで，本プロジェクトの応用例として，現在，機械学 習や帰納論理プログラミングなどのデータマイニング技術を用い，人間の持つ技能 を解析するという試みを行っている．

今回の海外活動は，以上に述べた研究を推進する為，漸増学習機構を利用した技能 獲得の応用や方法論について議論や意見交換を行うことを目的としている．また， 機械学習や帰納論理プログラミングによる技能への応用や，技能獲得に関する時系 列情報からの知識獲得関連についての情報を収集することも第二の目的としている．

       

ロンドン郊外のサフォーク州セントベリーエドマンズで行われる第17回 Machine Intelligence 国際会議 (The 17th International Workshop on Machine Intelligence, MI-17) においては，プロジェクトリーダである古川康一教授なら びにD. Michie教授 ，S. Muggleton教授 ，L. DeRaedt教授らがチェアとなり，筆 者がワークショップのアシスタントを勤め，会議の運営にあたった．会議webペー ジ，論文募集，論文集の作成，会議プログラムパンフレットの作成，参加費の徴収 などを主な仕事として行った．

今回のMI-17の主題は「Life Long Learning and Discovery」であり，技能獲得， 言語獲得などの生涯にわたり人間が続けている学習の能力を，機械に実現しようと いうテーマである．従って，本研究にとって，非常に有用な知見や可能性を広げる ことにつながると考えられる．会議の運営だけでなく，筆者自身も共著者として論 文を提出した．

その後，ロンドンで行われる第10回 Inductive Logic Programming 国際会議 (The 10th International Conference on Inductive LogicProgramming, ILP2000)に参 加する．本会議は，身体技能を解析する際に非常に大きな役割を果たす帰納論理プ ログラミングに関する国際会議であり，特に時系列データからの制約の抽出に役立 つと考えられる．

MI-17では，筆者らによる共著論文の発表が予定されている．

[TOP]

日程

7/18 成田〜ヒースロー(英国)   VS901便(11:00発, 16:00着)
Bury St. Edmundsへ移動
7/19〜21 The 17th International Workshop on Machine Intelligence (MI-17)
7/22Londonへ移動
7/24〜28 The 10th International Conference on Inductive Logic Programming (ILP2000)
7/29ヒースロー(英国)〜成田  VS900便(13:00発, 09:00(+)着)

[TOP]

宿泊先

7/18〜22 Bury ST EDMUNDS HOUSE
Newton Court, Bury St Edmunds, Suffolk, IP29 5LU
7/22〜29 Princer's Garden Imperial Colledge
Watts Way, Prince's Gardens, South Kensington, London, SW7 1LU

[TOP]

MI-17会議報告

2000年7月19日〜21日，英国Suffolk州Bury St. EdmundsのKEIO HOUSEにて，第 17回Machine Intelligence国際会議(The 17th International Workshop on Machine Intelligence, MI-17) が開かれた．本会議は，プロジェクトリーダ である古川康一教授ならびにD. Michie教授 ，S. Muggleton教授 ， L. DeRaedt教授らがチェアとなり，筆者がワークショップのアシスタントを勤 め，会議の運営にあたった．会議webページ，論文募集，論文集の作成，会議 プログラムパンフレットの作成，などを主な仕事として行った．

会議には，機械学習分野を中心に著名な研究者が多数出席し，理論から，実装， 応用まで幅広い内容で，9つのセッション，25の発表が行われた．

以下，共著論文(Koichi Furukawa, Ken Ueno and Michael Bain, ``Motor Skill As Dynamics Constraint Satisfaction'' )を添付する．また，本研究にとって有 用であると考えられる論文について，その概要を示す．

``Ross D. King, --- Logic and the Automatic Acquisition of Scientific Knowledge ---''
帰納論理プログラミングを利用した科学的知識を自動発見する方法論について の発表であった．King氏は，突然変異を引き起こす可能性の高いベンゼン環の 化学構造を，帰納論理プログラミングで同定し，従来の統計的手法では発見さ れていなかった未知の発癌物質を特定した．この観点から，1階述語論理が科 学的発見において非常に適している学習方法であることを示した．

``Donald Michie, --- Discovery As Collaboration ---''
人間の身体的行動は，「人間」と「無意識に行われる脳の活動」とのコラボレー ションとして説明できる．これは，「ヒト」この双対原理が，現在未解決の人 間の行動や技能の研究にとって最重要視される概念であることが示された．

``J.A. Robinson, --- Selection and Learning of Fingering Plans in Piano Playing ---''
現在の音楽教育についてふれ，現状では，教科書から直接演奏動作を再現する ことが不可能であると述べている．そこで，もう少し精緻な情報，例えば，指， 腕，身体各部の動きを記述することにより，音楽教育に対して貢献できると主 張している．

``Dorian Suc and Ivan Bratko, --- Qualitative Trees Applied to Bicycle Riding ---''
人間が自転車を乗れるようになるのは，繰り返しの学習を通じて，なんらかの コツを獲得し，ダイナミックな物理的制約を充足できるからであると考えられ る．この発表では，シミュレーションではあるが，定性決定木を用いて，エー ジェントが自転車とエージェント自身の動的バランスを保ちながら目標点に到 達する際の知識（コツ）を導き出すことに成功した．これにより，機械学習が， 物理空間においての身体的学習にも応用できることが示された．

[TOP]

ILP2000会議報告

2000年7月24日〜28日，第10回 Inductive Logic Programming 国際会議 (10th International Conference, Inductive Logic Programming 2000) は，英国 London中心部のImperial Collegeで行われた．

本会議では，帰納論理プログラミングに関する7つのセッション(うち2つはポ スターセッション)で35の発表(うち20はポスター)が行われた．ここでは，本 研究に関連する論文発表が行われ，有用な議論を行うことが出来た．

以下に，本研究にとって有用であると考えられる論文について，その概要を示す．

``David Lorenzo and Ramon Otero, --- Using a ILP algorithm to learn Logic Programs for Reasoning about Actions --- ''
ILPは，ダイナミックなドメインの行動記述を学習するのに最適であることが 示された．具体的には，Situation Calculusを用いた行動の記述を行う新アル ゴリズムを提案し，認知ロボットへの応用例が示された．

``Juan Rodriguez, Carlos Alonso and Henrik Bostrom, --- Using a ILP algorithm to learn Logic Programs for Reasoning about Actions --- ''
帰納論理プログラミングを用いた多変量時系列分類器の方法論が示された．通 常，帰納論理プログラミングでは，直接的に時系列的な数値情報を扱うことが 出来ない．しかし，背景知識に，２つのタイプの述語を導入することにより， この問題を解決することが出来る．この方法は，本プロジェクトにおいても非 常に有効な手段となる可能性があることが，発表者との議論の中で明らかになっ た．また，ブースティングを用いて，本方法の分類精度を向上させる方法につ いても提案された．

[TOP]