さて、今回は人工知能を達成するために考えられたもう一つのアプローチ、「記号処理」について話して行こう。

 

ここでいう記号とは、文字や図形など、その他もろもろ全てを含んだものだ。
例えば、人間は物を読むとき、どの単語がどのようにつながっているのか処理することが出来る。

 

しゃべる時も、形容詞、名詞、動詞などがどのように連なっているのか、考えなくても直感で理解できているので、その組み合わせでしゃべることが出来る。

 

つまり、人間も何かを知的に判断しようとする時に、記号に何らかの関係を見出し、処理をしているというわけだ。

 

なので、ここで考えられたアイディアは、何かの関係がある記号を与え、記号の処理方法を直接教えてしまう、というものであった。

 

言語を覚えさせるなら、辞書のすべての単語を記号として与え、その処理方法を全てあたえる。
ゲームならば、プレイヤーの動かせるものを記号としてあたえ、そのゲームのルールを処理方法として与えてしまえばいい。

 

これは、一見うまくいくかのように見えた。

 

だが、我々は何か単一のルールで、それのみに縛られているというわけではない。

 

同じ日本語でも、地方の人間によって話し方、使い道、ニュアンス等微妙に変わってくるし、世代ごとに新しい言葉がうまれたり、組み合わせが生まれたりもする。

 

ゲームでも、全てのパターンを覚えさせたとしても、次の最適なパターンを探索することが不可能であった。

 

つまり、一つの場合に対して、記号処理ならば、全てのパターンを調べ尽くして、合致するものを選ばなければならない。
だが、人間は実際全てのパターンを一々考えてはいない。明らかに合致しないパターンを自然に省き、とりえる選択肢の中から最適なものを探っていく。

 

こういったことが不可能であり、結局ルールの構築と、結果の探索が不可能だという結論になり、この記号処理の時代も幕を閉じることになったのだ。

 

この後、「もしも~だったら、~である」という、良くプログラミングでも使われる「if~then」のルールを細かく使うことで、専門的な判断をくだすルールベースのAIというものも作りだされた。

 

だが、これは結局、入力する人間が想定できたものしか判断を下すことは出来ず、新たなルールを追加する時の実用的課題も大きく、これも終わりを告げることとなった。

 

ここから、人工知能の達成は、新たな時代に進むこととなる。

 

そのアプローチは、「確率・統計的アプローチ」だ。

 

このブログでも、何度も確率や統計を扱ったが、これらの分野が、大きく人工知能の研究を前に進めることとなる。

 

次回は、現在の人工知能研究の技術の基礎となっている、「ベイズ理論」と「機械学習」について話をしていきたい。

ランキングポチは必ず頼むぞ。読み逃げは厳禁だ。

人気ブログランキングへ
にほんブログ村 為替ブログへ
にほんブログ村

売買ルールを手に入れたいなら、、、
動画講座はこちら
売買ルールの実践練習に、、、
チャートブックはこちら