ルールベース

記事数:(10)

基準値ベースの異常検知

世の中には、普段と違う様子を見つける技術があります。これを異常検知と言います。異常検知は、たくさんのデータの中から、いつもと違うパターンや数値を見つける技術です。色々な方法がありますが、その中でも基本的な方法の一つに、基準値を使った異常検知があります。基準値とは、普段の状態を数値で表したものです。この基準値を使って異常かどうかを判断するので、分かりやすく、使いやすいという長所があります。基準値を使った異常検知は、まず正常な状態でのデータを集めて、その範囲を決めます。例えば、機械の温度を監視する場合、正常に動いている時の温度を測り、その平均や範囲を基準値として設定します。そして、実際に機械が動いている時の温度を測り、その値が基準値から外れていたら、異常と判断します。基準値は、あらかじめ決めた範囲からどれくらい外れているかによって、異常の度合いも判断できます。少しだけ外れている場合は軽度の異常、大きく外れている場合は重度の異常として扱うことができます。この方法は、色々なところで使われています。例えば、コンピュータシステムの監視です。システムの反応速度や使用中のメモリ量が、いつもと違う値になったら、何らかの問題が起きている可能性があります。これを基準値を使った異常検知で見つけることで、すぐに対応できます。また、クレジットカードの不正利用の検知にも使われています。普段とは違う高額な買い物や、海外での利用などは、不正利用の可能性があります。これも基準値を使った異常検知で見つけることで、被害を防ぐことができます。他にも、健康診断の結果から病気を早期発見したり、工場の機械の故障を予測したりと、様々な分野で活用されています。基準値を使った異常検知は、簡単で分かりやすい方法ですが、いくつか注意点があります。基準値を適切に設定することが重要です。正常な状態のデータを集める際に、異常なデータが混ざっていると、基準値が正しく設定できません。また、環境の変化によって正常な範囲も変わる可能性があるので、定期的に基準値を見直す必要があります。このように、適切な運用を行うことで、基準値を使った異常検知は、様々な場面で役に立つ技術となります。

アルゴリズム

ルールベース機械翻訳：黎明期の機械翻訳

機械による言葉の置き換え、いわゆる機械翻訳の始まりは、ルールに基づいた翻訳、つまりルールベース機械翻訳でした。これは、人が言葉の文法や単語の対応関係などを計算機に教え込むことで翻訳を可能にする方法です。外国語を学ぶ際に、文法書や辞書を使うのと同じように、計算機にも言葉のルールを一つ一つ丁寧に教えていくのです。具体的には、まず文法の規則を計算機に記憶させます。例えば、「英語の文は主語＋動詞＋目的語の順序」といった基本的なルールから、「関係代名詞を使う場合の決まり」といった複雑なルールまで、様々な文法規則を教え込むのです。次に、単語と単語の対応関係、例えば「英語の"apple"は日本語の"りんご"」といった対応を大量に覚えさせます。まるで巨大な辞書を計算機の中に作り上げるような作業です。そして、翻訳したい文章を計算機に入力すると、計算機はまず文の構造を解析します。主語はどこで、動詞はどこかと、まるで人が文章を読むように文を理解しようとします。次に、記憶している文法規則に基づいて、文章の各部分をどのように変換すればよいかを判断します。さらに、単語の対応関係を参照しながら、一つ一つの単語を置き換えていきます。こうして、元の文章とは異なる言語の文章が生成されるのです。この方法は、初期の機械翻訳を支えた重要な技術でした。しかし、言葉は生き物のように常に変化し、文脈によって意味も変わります。そのため、全てのルールを教え込むことは難しく、複雑な文章や比喩表現などは正確に翻訳できない場合もありました。それでも、ルールベース機械翻訳は、後の機械翻訳技術の礎となり、より高度な翻訳技術へと発展していくための重要な一歩となりました。

言語モデル

マイシン：専門家の知恵をプログラムに

人間が蓄積してきた専門的な知識や技術を、計算機の中に取り込もうという試みは、人工知能研究の初期から行われてきました。そして、特定の分野における熟練者の思考過程をプログラム化し、その分野における問題解決や判断を支援する仕組み、それが専門家システムです。まるでその道の達人のように、計算機が高度な知的作業をこなすことを目指した、人工知能研究における大きな前進と言えるでしょう。専門家システムの登場は、計算機が単なる計算道具から、より複雑な問題を扱う知的なパートナーへと進化する可能性を示したのです。数多くの専門家システムの中でも、初期の頃に開発され、特に注目を集めたのがマイシン（MYCIN）です。マイシンは、血液中の細菌感染症の診断と治療方針の提案を専門とするシステムでした。医師と同等の精度で感染症の種類を特定し、適切な抗生物質を推奨することができました。マイシンは、専門家の知識をルールとして表現する「ルールベースシステム」という手法を採用していました。これは、「もし～ならば～である」という形式のルールを多数組み合わせることで、複雑な推論を実現するものです。例えば、「もし患者の体温が高く、白血球数が多いならば、細菌感染症の可能性が高い」といったルールを多数組み合わせて診断を行います。マイシンは、専門家の知識を体系的に表現し、計算機で処理できる形にしたという点で画期的でした。また、診断の根拠を説明できる機能も備えており、利用者の理解と信頼を得る上で重要な役割を果たしました。しかし、専門家の知識をルールとして記述する作業は非常に手間がかかるという課題もありました。知識の修正や追加も容易ではなく、システムの維持管理に大きな負担がかかることが問題視されました。さらに、マイシンのように限定された分野では高い性能を発揮するものの、より広範な知識や常識を必要とする問題には対応できないという限界も明らかになりました。それでも、マイシンは専門家システムの可能性を示し、その後の研究開発に大きな影響を与えたと言えるでしょう。

ルールベース機械翻訳：黎明期の翻訳技術

機械翻訳の始まりは、ルールに基づいた翻訳方法でした。計算機がまだ発展途上だった1970年代後半まで、この方法が翻訳の中心的なやり方として研究開発が進められてきました。具体的には、人が言葉の文法規則や単語同士の関係などをまとめた辞書やルールブックを計算機に教え込み、そのルールに従って翻訳を行います。これは、人の言葉の知識を計算機に直接入れるような方法と言えるでしょう。例えば、日本語の「私は猫が好きです」を英語に翻訳する場合を考えてみましょう。ルールブックには、「私」は「I」、「猫」は「cat」、「好き」は「like」といった単語の対応関係だけでなく、「～は～が好きです」という文型が「I like ～」となる文法規則も記述されています。計算機はこれらのルールを適用することで、「I like cat」という翻訳結果を出力します。このように、初期の機械翻訳システムの多くは、このルールに基づいた方法を採用していました。しかし、言語は例外や微妙なニュアンスが多く、すべてのルールを網羅することは非常に困難です。例えば、「彼はご飯を食べる」を「He eats rice」と正しく翻訳できても、「彼は家を食べる」のような不自然な文もルール通りに翻訳してしまう可能性があります。また、比喩や慣用句など、ルール化しにくい表現に対応することは難しく、翻訳の精度には限界がありました。それでも、当時としては画期的な技術であり、機械翻訳の可能性を示す大きな一歩となりました。後の統計的機械翻訳やニューラル機械翻訳といったより高度な手法の土台を築いたという意味でも、初期のルールベース機械翻訳は重要な役割を果たしたと言えるでしょう。

アルゴリズム

人工無脳：知能がないのに賢い？

人工無脳とは、コンピュータを使って人間と会話しているように見せかける技術のことです。一見すると、まるでコンピュータが自分で考えて言葉を生み出しているように感じられますが、実際には、あらかじめ人間が用意したルールに従って、決まった反応を返しているだけです。たとえば、「こんにちは」と入力すると、「こんにちは」と返すようにプログラムされているとします。これは、まるでコンピュータが挨拶を理解しているかのように見えます。しかし、実際には「こんにちは」という特定の言葉に対して、「こんにちは」という言葉を返すように設定されているだけで、挨拶の意味を理解しているわけではありません。このように、人工無脳は、特定の言葉に反応して、あらかじめ用意された言葉を返すという仕組みで動いています。いわば、非常に高度なオウム返しのようなものです。入力された言葉に対して、最もふさわしい答えを膨大なデータベースの中から選び出して表示しているため、まるで本当に会話しているかのような錯覚を起こさせます。しかし、言葉の意味を理解したり、自分で考えて新しい言葉を生成したりすることはできません。とはいえ、人工無脳は様々な場面で役立っています。例えば、ウェブサイトでよくある質問への自動応答や、簡単な案内など、決まった範囲内の受け答えが必要な場面では大きな力を発揮します。また、ゲームのキャラクターとの会話など、限られたやり取りの中で、あたかも生きているかのような反応を返すことも可能です。このように、人工無脳は、真の知能を持たないながらも、私たちの生活を便利で豊かなものにするための技術として、様々な形で活用されています。

アルゴリズム

チャットボットと選択型会話

選択型会話とは、人間が機械と対話する際に、あらかじめ用意された幾つかの答えの中から一つを選んで会話を進める方法のことです。まるで分かれ道で正しい道を指し示してもらいながら目的地を目指すように、順々に選択肢を選ぶことで、求める情報や解決策へとたどり着きます。例えば、購入した商品のことで機械に尋ねたいことがあるとします。選択型会話では、「商品の故障でしょうか？それとも使い方が分からないでしょうか？」といった選択肢が画面に表示されます。利用者は自分に当てはまる方を選び、次の段階へと進みます。故障を選んだとしましょう。すると、今度は「故障の内容は〇〇でしょうか？△△でしょうか？」と、さらに具体的な選択肢が表示され、絞り込みが進んでいきます。このように、まるで案内人が付き添っているかのように、利用者はスムーズに問題解決へと導かれるのです。この方式の利点は、想定される質問と答えを事前に全て用意しておくことで、会話をスムーズに進められることにあります。まるで筋書きの決まった芝居のように、会話の流れをあらかじめ設計できるため、話が思わぬ方向へ脱線する心配がありません。特に、複雑な手続きや専門的な知識が必要な問い合わせの場合、利用者が迷子になるのを防ぎ、的確な情報を伝えられるため、選択型会話は非常に役立ちます。例えば、行政サービスの案内や、健康に関する相談など、正確な情報提供が求められる場面で効果を発揮します。また、企業の窓口業務を機械に任せることで、人手不足の解消にも繋がります。一方で、選択肢だけでは利用者の細かいニーズに対応できない場合もあるため、状況に応じて他の会話形式と組み合わせるなどの工夫も必要です。

マイシン：初期のエキスパートシステム

ある特定の分野に秀でた専門家の持つ知識や豊富な経験を、コンピュータプログラムの中に組み込むことで、その道の専門家と同じように考えたり判断したりするプログラムのことを、専門家システムと呼びます。これは、人が行う複雑な思考の流れをコンピュータで再現することで、コンピュータに高度な問題解決能力を持たせようとする技術です。専門家システムは、専門家の数が足りない部分を補ったり、物事を決めるときの手助けをする道具として、様々な分野で活用が期待されました。専門家システムが目指すのは、特定の分野における専門家の思考プロセスを模倣することです。専門家は、長年の経験や学習によって得られた知識を元に、複雑な状況を分析し、適切な判断を下します。このプロセスをコンピュータで再現するために、専門家システムは「知識ベース」と「推論エンジン」という二つの主要な構成要素から成り立っています。知識ベースには、専門家から聞き取った知識や経験が、ルールや事実といった形式で蓄積されます。推論エンジンは、この知識ベースに蓄えられた知識を用いて、入力された情報に基づいて推論を行い、結論を導き出します。初期に開発された専門家システムの一つに、マイシンというシステムがあります。マイシンは、血液中の細菌感染症を診断し、適切な抗生物質を提案するために開発されました。マイシンは、専門家システムの可能性を示す画期的なシステムとして注目を集め、その後の専門家システム研究に大きな影響を与えました。しかし、専門家の知識をコンピュータに落とし込むことの難しさや、知識ベースの維持管理の負担の大きさなど、いくつかの課題も明らかになりました。これらの課題を克服するために、様々な改良や新たな技術開発が進められています。例えば、機械学習の手法を用いて、大量のデータから自動的に知識を抽出する研究などが行われています。このような技術の進歩によって、専門家システムは今後さらに発展し、様々な分野でより高度な問題解決に貢献していくことが期待されています。

シナリオ：対話の流れを決める設計図

人と人が言葉を交わすときには、会話の流れを意識することはあまりありません。しかし、機械との会話では話が変わってきます。機械にスムーズに意図を伝えるためには、あらかじめ会話の流れを設計しておくことが重要になります。これが、まるで台本の様な役割を果たす「会話の筋書き」です。この筋書きは、人と機械がどのようにやり取りするかを事前に決めた設計図のようなものです。たとえば、人が機械に何か質問をしたとします。その質問に対して、機械はどのように答えれば良いのか、どのような情報を返せば良いのかを、この筋書きに書いておきます。筋書きを作る際には、様々な会話のパターンを想定する必要があります。人がどのような言葉で話しかけてくるのか、どのような質問をしてくるのかを、できるだけ多く予想して、それぞれの場合に機械がどのように反応すべきかを細かく決めていきます。このように、様々な状況を想定した筋書きを用意しておくことで、機械との会話はよりスムーズなものになります。まるで人間同士が話しているかのように、自然な流れで情報を得たり、用事を済ませたりすることができるようになります。この筋書きは、人と機械のコミュニケーションを円滑に進めるための道しるべと言えるでしょう。機械との会話がより自然で、よりスムーズになるように、この筋書きは重要な役割を担っています。まるで舞台役者が台本に従って演技をするように、機械はこの筋書きに従って人と対話します。これにより、私たちは機械とより円滑にコミュニケーションをとることができるのです。

言語モデル

専門家の知恵を機械に：エキスパートシステム

ある特定の分野に秀でた人、いわゆる専門家の知識や経験を、計算機の仕組みの中に取り込み、その専門家と同じような判断や助言を行うことを目指した仕組み、それが専門家システムです。まるでその道の達人と話しているかのように、問題解決や判断の手助けを受けられるところがこの仕組みの特長です。どのようにして専門家と同じ判断を導き出すのかというと、専門家の思考の筋道を、順序立てた規則として表し、計算機にその規則に従って処理させることで実現しています。例として、病気の診断支援の仕組みを考えてみましょう。お医者さんが診断を下す際の基準を規則化し、そこに病人の症状の情報を入力すると、考えられる病気の名前や、適切な検査方法を提示してくれます。専門家システムは、高度な専門知識が必要とされる場面で力を発揮します。例えば、複雑な機械の故障診断を想像してみてください。熟練の技術者でなければ判断が難しい故障原因を、専門家システムは規則に基づいて特定し、修理方法まで提示することができます。また、金融の分野でも、融資の審査や投資判断など、専門家の判断が必要な場面で活用されています。このように、専門家システムは、まるで人間の専門家のように振る舞うことができるという点で画期的な仕組みと言えるでしょう。ただし、専門家システムはあくまでも計算機による処理に基づいているため、倫理的な判断や、臨機応変な対応は苦手です。人間の専門家と完全に同じ働きを期待することは難しいですが、補助的な役割を果たすことで、私たちの生活をより豊かに、そして便利にしてくれる可能性を秘めていると言えるでしょう。

古典的人工知能：知能の仕組み

古典的人工知能とは、あらかじめ定められた手順に従って、まるで料理のレシピのように、一つずつ処理を進めていく人工知能のことです。人間が手順を組み立てるように、複雑な問題を小さな手順の組み合わせで解決しようとします。たとえば、チェスや将棋を考えてみましょう。これらのゲームには、駒の動かし方や勝ち負けの条件など、明確なルールがあります。古典的人工知能は、これらのルールをプログラムに組み込み、可能な手を一つずつ検討することで、最適な一手を選びます。まるで熟練の棋士が何手も先を読むように、コンピュータは膨大な量の計算をこなし、勝利への道を切り開きます。このような明確なルールを持つ問題において、古典的人工知能は非常に高い能力を発揮します。過去のチェスや将棋の対戦で、コンピュータが人間を打ち負かした事例は、この力の証と言えるでしょう。しかし、現実世界の多くの問題は、必ずしも明確なルールで表せるわけではありません。たとえば、リンゴとミカンを見分ける場合、大きさや色、形など、様々な特徴を総合的に判断します。このような曖昧な基準を、明確なルールに変換することは容易ではありません。また、初めて見る果物に出会った時、人間は過去の経験から推測して判断できますが、古典的人工知能では、あらかじめプログラムされていない状況に対応することは難しいのです。このように、ルールが明確でない問題や、予期しない状況への対応が難しいことが、古典的人工知能の限界と言えるでしょう。そのため、適用できる範囲は限定的と言われています。

アルゴリズム