認知心理学と人工知能の関係 - 高度経済成長期 -

アメリカ的思考が続きますので、ワタシのような田舎モノには結構しんどい。

認知心理学（cognitive psychology）　２０世紀後半から現代における心理学の主流。
認知心理学は、知覚・理解・記憶・思考・学習・推論・問題解決など人間の高次認知機能を研究対象とし、脳科学、神経科学、神経心理学、情報科学、言語学、人工知能、計算機科学などとの関わりあいの中で認知科学と呼ばれる事もある。この場合は心理学の手法に留まらず、認知心理学による研究成果に広く基づき、コンピュータの処理モデルを構築する事やそれを用いて人の認知モデルを再検証する事等も含む。最近では、意識や感情、感性といった問題にも取り組むようになってきている。

キーワードは、情報処理・コンピュータ・認知主義・人工知能・状況論・モデル・システムなどがある。効果的な学習方法を研究したり、分かりやすい機械や文章などを追究したりしている。
（Wikipedia『認知心理学』より引用）

認知心理学はコンピュータ技術の発展との関連性が強い。
世界初のコンピューターの誕生は１９４０年代。コンピューターの情報処理理論と、人間内部で起こっている情報処理理論は同種であるという着想から、爆発的に普及する。


○デビッド・ラメルハート（David E. Rumelhart）米　
・ニュートラルネットワーク（Wikipedia『ニュートラルネットワーク』より引用）
脳機能に見られるいくつかの特性を計算機上のシミュレーションによって表現することを目指した数学モデルである。シナプスの結合によりネットワークを形成した人工ニューロン（ノード）が、学習によってシナプスの結合強度を変化させ、問題解決能力を持つようなモデル全般を指す。
ニューラルネットワークは、教師信号（正解）の入力によって問題に最適化されていく教師あり学習と、教師信号を必要としない教師なし学習に分けられる。明確な解答が用意される場合には教師あり学習が、データ・クラスタリングには教師なし学習が用いられる。結果としていずれも次元削減されるため、画像や統計など多次元量のデータでかつ線形分離不可能な問題に対して、比較的小さい計算量で良好な解を得られることが多い。このことから、パターン認識やデータマイニングをはじめ、さまざまな分野において応用されている。

・記憶のモデルと構造（参考サイト：仔猫の遊び場 -心理学- さん）

二重記憶モデル(多重構造モデル)dual storage model(Atkinson and Shiffrin,1971 )

■

外界からの情報は感覚情報として短時間原型で感覚登録登録器に保持される。感覚登録器内の情報を長期記憶と照合し、“符号化”する過程がパターン認知。
認知された情報は、短期記憶に送り込まれ、長期記憶との相互作用によりさらに高次のレベルで処理され精緻化される（精緻化リハーサル）。
また短期記憶内に情報を維持するには維持リハーサルが不可欠である。
長期記憶に保持された情報は、ほぼ永久的に保持される。

コンピューター情報処理における人工知能
アレン・ニューウェル（Allen Newell）米：人工知能、情報工学、認知心理学
（Wikipedia『アレン・ニューウェル』より引用）
1955年に論文 The Chess Machine: An Example of Dealing with a Complex Task by Adaptation（チェスマシン：適応によって複雑なタスクを扱う例）を書いた。これは「チェスを人間のように実行できるコンピュータプログラムの概念的な設計」【スタンリーキューブリック(1968)：『2001年宇宙の旅』中のコンピューター“HAL9000”が宇宙飛行士フランクとのチェスゲームに勝利。　　1997年、IBM製チェス専用コンピューター“ディープ・ブルー”が全米チェスチャンピオンに勝利】。虱潰し的パターン解析。

リスト処理言語IPL(1956年)、世界初の人工知能プログラムである Logic Theorist (1956年)、その発展型であるGPS（一般問題解決システム、1957年）

・プロダクションシステム（Wikipedia『プロダクションシステム』より引用）
プロダクションシステム（Production System、Production Rule System）とは、振る舞いの規則から構成される一種の人工知能プログラムである。その規則はプロダクションと呼ばれ、自動計画、エキスパートシステム、行動選択などでよく使われた。プロダクションシステムは設定されたゴールを達成するためにプロダクションを実行するための機構を提供する。

プロダクションは2つの部分から構成される。知覚前提条件（IF文）とアクション（THEN）である。前提条件が現在の状態と適合することを、そのプロダクションは「始動; triggered」されたと言う。プロダクションのアクションが実行されることを、「点火; fired」すると言う。プロダクションシステムにはワーキングメモリと呼ばれるデータベースが内蔵され、その中に現在状態や知識や規則インタプリタが保持される。規則インタプリタは複数のプロダクションが始動されたときの優先順位を決定する機構を提供しなければならない。

*1（IF文）...「もし○○ならば・・・、もし△△ならば・・・」『前提条件』
*2（THEN）...「そのときには・・・する、それから・・・する」『行動』

 

チャールズ・L・フォーギー（Charles L. Forgy）米　Reteアルゴリズムの開発（Wikipedia『Reteアルゴリズム』より引用）

Reteアルゴリズムは、プロダクションシステムでのデータタプル（事実）とプロダクション（ルール）のパターンマッチ機能の実装を論理的に一般化したものである。プロダクションは1つ以上の条件とそれら条件に適合する事実群が揃ったときに実行されるアクション群で構成される。条件群は事実の属性（型指定や識別子など）に関するものである。Reteアルゴリズムには次のような特徴がある:

• ノード共有によってある程度の冗長性を排除する。
• 異なる型の事実群の結合について、部分的なマッチングを保持する。つまり、プロダクションシステムのワーキングメモリに何らかの変化があったとき、全事実を再度評価しなおす必要がなく、変化した部分だけを再評価する。
• ワーキングメモリ上からある事実が排除された場合、関連するメモリ内容を効率的に消去できる。

Reteアルゴリズムは、前向き連鎖型のパターンマッチ・エンジン（推論エンジン）の実装方式として広く使われている。

Rete でのルール群は概念的には有向非輪状グラフとなっている。ルール群はメモリ上に格納されたネットワークで表現されるのが一般的である。このネットワークがルールの条件（パターン）と事実（データタプル）のパターンマッチを行う。Reteネットワークは一種のクエリプロセッサのように働き、関係代数の「射影」、「選択」、「結合」などの操作をデータタプルに対して必要に応じて行う。

プロダクション（ルール）は、アナリストやソフトウェア開発者が高レベルなルール記述言語を使って作成する。それをルール群として集め、（多くの場合実行時に）変換して使用する。

事実がワーキングメモリ上に「表明」されると、エンジンは「ワーキングメモリ・エレメント」(WME)を各事実に対応させて生成する。事実はタプルであり、その中に任意個のデータが含まれている。各 WME はそのタプル全体を格納するか、WME が格納できるタプルのサイズが固定の場合、タプルを複数の WME 群で表現する。後者の場合、タプルはトリプレット（3-タプル）であることが多い。

各 WME はReteネットワークの唯一のルートノードから投入される。ルートノードは WME を子ノードに渡していき、さらにその WME がネットワーク上を転送されていく。

要するに、ヒトの行動原理はルールのパターン化と事実のパターンマッチの連続であり、ヒトの高度認知機能は情報処理能力の高い人工知能で証明できるというような発想。
これにより、人工知能を搭載したロボットを限りなくヒトに近づけるというのが一大目標。

やばいな、これは自爆路線に入りそう。クールダウンしなきゃ。