人工知能-ced.is.utsunomiya.ppt

* 音声認識 人の発声は，さまざま 必然的に自然言語処理が加わる． 会話シナリオに基づく音声認識 計算機が会話の主導権を握って会話を進める． まともな人の答えは，限られる． YES/NOだけを答えさせる． 各種の肯定的答えと否定的答えを収集して照合する． はい，そうです／いいえ，ちがいます， 男．．，男性．．夫，彼，女．．女性，妻，彼女 いち，ひとつ，わん，いっこ，はじめ，さいしょ，いちばんめ， * 音声認識 いかに自然にシナリオに誘導していくか？ 目的が決定していれば，シナリオの準備も容易． チケット予約 誰の，どこの，いつの，どんな席の，くらいがわかれば良い． 分からないときは，オペレータに回す．．．． これが使える場合は，シナリオをサボって実用的なシステムを組める． 99％がシナリオ通りであれば，コールセンターの人員を大幅に削減できる． * 音声認識 自由発話は，がんばっているがまだまだ． 人が行っても大変． テープから原稿を起こす． テープを吹き込んだ本人が行えば楽．別人が行えば大変． 会話状況が分からなければ，解釈のしようがない． 人は，そのまま原稿になるような話方はしない * 音声認識 実用システムでは，音声認識もサボって，電話でボタンを押させている． シナリオの充実が自由発話に近づく道か？ トップダウン 発話モデルの充実 どのように発音が変動するか？ どのように発音されるか？ ボトムアップ * 音声認識実用例 カーナビ 施設 会社 機能 限定シナリオ，限定会話 単語数は多い 雑音の多い環境でがんばっている 資金の投入 膨大なデータベースの維持?管理 新しい施設ができる．古い施設がなくなる * GPS(General Problem Solving) 一般問題解決(問題解決) 定理証明では，論理演算の積み重ねとして定理を証明しようとしていた。問題解決では，我々の知っている問題を定義する方法とその問題を解決する為に利用可能な手段を記述する方法を与える。そのもとで与えられた問題を与えられた手段の組合わせで解決する方法を求める。 * 問題の定義と手段の定義 問題解決では，問題をどのように定義し，問題を解決する為に利用可能な手段をどのように定義するかが課題となる。 問題を適切に定義し,問題を解決する為に利用可能な手段を適切に定義できれば，問題解決の大部分は成功したことになる。 * 例：乗り換え案内(実用化) 問題：AからBまで人が移動する。利用可能な手段：鉄道, 飛行機および徒歩(乗り換えのための駅構内の移動および近い駅間の移動)。選択基準：費用，時間，乗り換え回数など。 すでにパソコンソフトとして売られている。また，ネットワークで無償でサービスされている．では，その実態は何かと言うと，経路探索である。ネットワーク中の経路探索は，難しい問題である。賢くない探し方をすると，ループの中で迷ってしまう。 実際に利用してみると役立つ。知らなかった乗り換えパタンを知ることが出来るし,意外と安くて速い経路が見つかる。今は誰もこの様なソフトを人工知能ソフトと呼ばないかもしれないが昔の人工知能そのものである。 * 自動車用ナビゲーションシステム（実用化） 目的地を入力すると目的地に到達するための経路を発見?表示する． 前記乗り換え案内に比較して困難 選択可能な経路が膨大 * ナビの仕掛け 位置：ＧＰＳによる絶対位置検出＋移動経路マッピング ＧＰＳで絶対位置は，検出可能．±１５ｍ程度の誤差 計測誤差＋地図誤差 絶対位置近傍の移動経路に当てはまる道路への割付 仮定：：道路を走っている． * ナビの仕掛け 幹線道路＋枝道 全道路をすべて探索すると長距離の探索に膨大な時間を消費する． 幹線道路で現在地と目的地の近傍を結ぶ 現在地と現在地近傍を全道路で探索する． 目的地と目的地近傍を全道路で探索する． バグつきナビも売られていた． 青木の車のナビはバグつきです． ループありの経路を探索する． * ナビの仕掛け 最新のナビでは，運転者の意図を把握しようとしている． 下記の意図を運行経路から判定する 道の間違い 近道選択 寄り道 提示ルート無視 * ナビの仕掛け 知能システムの目標 人の意図を測る 推測した意図を実現する方法を考え出す 上記の2つが両方とも高いレベルで実現される必要がある． 人のやってほしいことを取り違えていては問題外 正しく人の意図を推定しても，それを実現する方法を考え出せなければ無意味 * 自動診断（人） 問題：各種の検査などの結果を見て,そのような病状を示す病気を見つける。（健康体からそのような病状を示すに至る道筋を見つける。） 利用可能な手段：各種の病気。個人差。 困難：診断を間違えた責任を誰が取るのか?決して，自動診断の