IJCAI-97 HOME

IJCAI-97 招待講演

目次

演繹的にプランニングをやってみよう！
Let's Plan it Deductively!
Wolfgang Bibel

創造性と人工知能
Creativity and Artificial Intelligence
Margaret A. Boden

人工知能エージェントによる社会行動のモデル化
Modeling Social Action for AI Agents
Cristiano Castelfranchi

動的な画像処理システムを備えた乗り物
Vehicles Capable of Dynamic Vision
Ernst D. Dickmanns

遠隔頭脳ロボティクス
Remote-Brained Robots
稲葉　雅幸

マルチメディア要約の生成：
情報を簡潔に載せるための協調マルチメディア環境下の言語生成
Generating Multimedia Briefings:
Language Generation in a Coordinated Multimedia Environment to Convey Information Concisely
Kathleen R. McKeown

実用的継承ネットワーク：
工業分野の問題への非単調推論技術の適用
Inheritance Comes of Age:
Applying Nonmonotonic Techniques to Problems in Industry
Leora Morgenstern

コンピュータをより簡単に使うための機械学習技術
Machine Learning Techniques to Make Computers Easier to Use
元田　浩

New Millennium 計画用遠隔エージェント：
どんな人工知能システムもかつて到達できなかったところへ大胆に進もう
The New Millennium Remote Agent:
To Boldly Go Where No AI System Has Gone Before
Nicola Muscettola, P. Pandurang Nayak, Barney Pell and Brian C. Williams

強化学習：人工知能のための講演
Reinforcement Learning: Lessons for AI
Richard S. Sutton

Numerica: 大域最適化のためのモデリング言語
Numerica: A Modeling Language for Global Optimization
Pascal Van Hentenryck

視覚を備えたロボット・エージェントでのシンタックスの起源
The Origins of Syntax in Visually Grounded Robotic Agents

演繹的にプランニングをやってみよう！

Let's Plan it Deductively!

Wolfgang Bibel
Technical University Darmstadt, Germany

内容

論理とその演繹的機構は高度に学術的な分野では認められているが，工業的な分 野ではやや無意味なものとみなされています． 明らかに論理的なプランニングといった作業を行うシステムにでさえ稀にしか論 理や演繹といった方法は利用されません． 知的プランニング，さらには，一般的な人工知能システムで，演繹的なシステム が中心的な役割を担わなかったシステムで，成功したものはありません． この講演では，演繹，及び，演繹的プランニングの現状，結果，そして，問題と， なぜこれら二つの分野が人工知能にとって大切であるかについてお話します．
英語版

創造性と人工知能

Creativity and Artificial Intelligence

Margaret A. Boden
University of Sussex, United Kingdom

内容

創造性は人間の知能の基本的な特徴で，人工知能の目標とするものです． 新たな発想を作り出すための人工知能の技術として次の三通りの方法がよく利用 されます．
  1. 親和性のある発想を結び付ける
  2. まだ考慮されていない概念空間について調べる
  3. 現在の発想を変形しする
人工知能にとって，新たな発想を表すモデル作り出すことよりも，その発想が創 造的かどうかを評価することが困難な問題となるでしょう．
英語版

人工知能エージェントによる社会行動のモデル化

Modeling Social Action for AI Agents

Cristiano Castelfranchi
National Research Council and University of Siena, Italy

内容

エージェント・ベースのコンピューティングには社会的知性が必要です． 社会的エージェントを理解し設計するための基本的な問題の幾つかは次のような ものでしょう：
英語版

動的な画像処理システムを備えた乗り物

Vehicles Capable of Dynamic Vision

Ernst D. Dickmanns
University of the German Army at Munich, Germany

内容

この講演では，この20年間で1万倍になった計算能力によって達成された，この 分野の発展を総括します． システム工学の予測ベース法と人工知能の制御技術を統合した『4Dアプローチ』 によって今までにこの分野にはなかった次のことが可能になりました．
英語版

遠隔頭脳ロボティクス

Remote-Brained Robots

稲葉　雅幸
東京大学，日本

内容

人工知能とロボティクスはかつて同じ目標を共有していました． 技術的な進展によりこの目標は達成されたように思えます． しかし，近年の人工知能とロボティクスは次世代をになう研究者を引き付けるこ とに失敗しているように思えます． 遠隔頭脳ロボティクスは，人工知能の新たな目標を作り出し，また，活気付ける かもしれません． この講演では，その方法論についてお話しします．
英語版

マルチメディア要約の生成：
情報を簡潔に載せるための協調マルチメディア環境下の言語生成

Generating Multimedia Briefings:
Language Generation in a Coordinated Multimedia Environment to Convey Information Concisely

Kathleen R. McKeown
Columbia University, USA

内容

情報を提示するために複数のメディア（文字，音声，画像など）統合・調和され ているとコミュニケーションはよりいっそう効果的になります． そこで，今までの特定のメディアだけの情報の生成とは根本的に異質な，マルチ メディアに対応した，各メディアの情報の関連付が明確な情報の生成法が必要に なります． この講演では，コロンビア大学で開発した幾つかのシステムの一部である，音声， 文書，静止・動画の3次元グラフィック，及び，画像を統合・調和させる研究に ついてお話します． この研究の焦点は，利用者の興味がある情報の要約を生成して提示することです．
英語版

実用的継承ネットワーク：
工業分野の問題への非単調推論技術の適用


Inheritance Comes of Age:
Applying Nonmonotonic Techniques to Problems in Industry

Leora Morgenstern
IBM T. J. Watson Research Center, USA

内容

継承は長い間人工知能の本流ではありませんでした． なぜなら，てっとり早くて便利だが，常識推論のより定型的なモデリング手法の 一つでありきたりの方法だと思われていたからです． しかし，この継承に「ネットワークのノードに数式を結びつける」という単純な 変更によって，意味ネットワークを一般的なデフォルト推論に利用できるように なりました． さらに，継承ネットワークには，困難なデフォルト推論の問題を素直な方法で解 くために適した優れた特徴があります． この講演ではこの新しいパラダイムを示し，医療・生命保険での応用について述 べます．
英語版

コンピュータをより簡単に使うための機械学習技術

Machine Learning Techniques to Make Computers Easier to Use

元田　浩
大阪大学，日本

abstract

コンピュータはまだ簡単に使えるものになったとはいえません． なぜそうなっているかというと，それは利用者を無視しているからです． 自動的に収集された利用者固有の特徴を見つけ出すことは利用者の部分的モデル 化を行うことに役立ち，このモデルを利用によって，利用者が次に何をしたいか ということを予測し，適切な準備作業を行うことができます． 本講演では，このことが機械学習技術を用いてどのように可能となるのかについ てお話する予定です． この研究は(株)日立製作所基礎研究所の吉田健一博士と共同で行いました．
英語版

New Millennium 計画用遠隔エージェント：
どんな人工知能システムもかつて到達できなかったところへ大胆に進もう

The New Millennium Remote Agent:
To Boldly Go Where No AI System Has Gone Before

Nicola Muscettola
Recom Technologies, NASA Ames Research Center, US

P. Pandurang Nayak
Recom Technologies, NASA Ames Research Center, US

Barney Pell
Caelum Research Corporation, NASA Ames Research Center, US

Brian C. Williams
Recom Technologies, NASA Ames Research Center, US

内容

『New Millennium 計画用遠隔エージェント』(NMRA)とはNASA AmesとJPLが共 同で開発している自律宇宙航行機操縦システムです．このシステムは，制約ベー スのプランニング・スケジューリングと，頑強なマルチ・スレッド実行とを統 合しています．NRMAは，1998年打ち上げ予定のNASA の New Millennium (新１ 千年) 計画の Deep Space One (DS-1) を制御します．人類最初の自律宇宙航 行機制御人工知能システムとして，NMRAは，自律的に太陽系を隅から隅までく まなく探し回る，一群の知的宇宙探査機を利用して，宇宙での『virtual presence』の確立を可能にします．
英語版

強化学習：人工知能のための講演

Reinforcement Learning: Lessons for AI

Richard S. Sutton
University of Massachusetts at Amherst, USA

内容

この講演では，近年，世界的な進展が見られる強化学習の応用と人工知能にとっ てヒントとなるような科学的な話題についてお話します． 私の考えでは，強化学習で注目すべき点とは次のようなものだと思います．
  1. ラベル付された事例からではなく『体験』からそのまま学ぶことができる
  2. 行動のシーケンスを構成するときの評価関数のはたす役割をいろいろと変 えることができる
  3. 学習とプランニングを同じように扱える
英語版

Numerica: 大域最適化のためのモデリング言語

Numerica: A Modeling Language for Global Optimization

Pascal Van Hentenryck
Brown University, USA

内容

Numerica は現実の非線型問題を定式化し解くためのモデリング言語です． Numerica は教科書や学術論文にある非線型問題を定式化できるシンタックスを 備えています． 非線型の制約系の全ての孤立解を求めることができ，そして，全ての最適 化問題について大域的な最適解を求めることができます． 数値解析と制約充足の手法を組合せてNumericaは実現されています．
英語版

視覚を備えたロボット・エージェントでのシンタックスの起源

The Origins of Syntax in Visually Grounded Robotic Agents

Luc Steels
VUB AI Laboratory, Belgium and Sony Computer Science Laboratory, France

内容

複数の階層構造と自然言語並の複雑さをそなえた協定を共有することのできるソ フトウェアとロボティクスのエージェントの実験について様々な研究が発表され ています． 言語は，エージェントによって知覚される身体的な経験や環境に基づいています． どのように言葉や記号の共進化がなされるかと，それによって，認知的能力の進 んだ形成がなされるのかということについてお話しします．
英語版
higuchi@etl.go.jp
Last modified: Mon Jul 7 10:08:05 JST 1997