－理論GMD研究室－

理論GMD研究室におけるRWC研究の紹介

　　　　　　　　　　　　　　　　　　　　　H.Muhlenbein

　　　　　　　　　　　　　　　　　　　　　　　　　　　　（GMD FIRST Lab）

■はじめに

　理論GMD研究室は、適応システム研究グループのメンバーから構成されています。当グループは、1987年非公式に発足し、1991年公式に設立されました。当グループの研究は学際的であり、いかにして自然システムと人工システムが実世界環境に適応できるかを追究することを目標にしています。最終的に我々の研究は、自律型ロボティクス、および事例からのプログラム合成に応用できます。我々のグループは、コンピュータ科学だけでなく、自然科学、特に理論生物学、エソロジー（動物行動学）、および脳研究からのアイデアも活用しています。

　実世界は、開放的かつ曖昧です。この開放性の問題は、長い間、科学、特に人工知能において無視されてきました。仮説として定式化された実世界の知識は暫定的であり、新しいデータが仮説と矛盾する場合には十分拒否される余地のあるものです。さらに適応システムは、失敗しながら学習するものでなければなりません。以上の要件は技術システムにとって大きな問題であり、ここから我々の基本設計原理である「反射：reflection」が生まれました。我々は、適応システムが開放型の世界で合理的に動作する上で、反射が必要条件であると確信しています。反射システムは、何を知っているか、また何を知らないかを推定しようと試みます。これは、自己評価を通じて段階的に行われます。システムは、新しいタスクを引き受ける前に、タスクの事前評価を人間のオペレータに知らせることができます。

■研究内容

　知能システムの必要条件は、さまざまな時間スケールで多様な方法を駆使して適応できることです。我々は、進化、反射学習、物理的相互作用を通じて適応についての研究を進めてきました。最初は、さまざまな原理を個別に学習することにしました。その後、相乗効果が得られるように原理を結合する方法を研究する予定です。

◆進化のシミュレーションによる適応

　過去だけでなく現在においても、ダーウィンの「自然淘汰」に対する絶大な信奉があります。事実、新ダーウィン主義の人気は一向に衰える気配がありません。哲学から脳研究（ダーウィン・マシンとしての脳）に至るまで、すべてを自然淘汰でくくろうとしているかに見えます。我々は、ダーウィンの進化論を仔細に研究し、自己組織化された「自然淘汰」をモデル化する「並列遺伝的アルゴリズム（PGA）」と、人間の養育者が制御する場合の淘汰をモデル化する「繁殖遺伝的アルゴリズム（BGA）」という2種類の進化アルゴリズムを開発しました。この分野における我々の研究はRWCPにサポートされ、ダーウィン／メンデルの進化モデルが最小モデルであることの実証に成功しました。すなわち、この進化モデルは、進化過程の説明や予測には不十分なのです。我々の理論的成果は、多くの難解な実世界最適化問題に利用されています。大規模な乗り物経路問題、移動無線アプリケーションのチャネル割当て問題が、その代表的な応用例です。

◆反射学習による適応

　反射学習システムは、それがまだ知らないことがあるという事を考慮しなければなりません。このようなシステムは、内省を通じて知識の欠乏を判断しようと試みます。このシステムは、後に積極的に問いを発し実験を行って、知識を増やしていくことができます。我々の研究の重点は反射探索手法においていますが、モデル選択と予測にも同様に反射を活用しています。予測の信頼度を評価するため、ブートストラップ方式とベイズ統計を使用しました。我々の手法は、実世界問題で信用度の計算に応用されています。

◆物理的相互作用による適応

　我々のロボティクス研究は、上記の分野から得られた理論的成果を部分的に利用しています。目標は、2基のマニピュレータと1基の視覚システムによって、手と目を持つロボットJANUS（写真）を制御することです。システムのアーキテクチャは、特定のヒューリスティックスを使用する単純な適応エージェントの集合に立脚しています。適応エージェントは、協調し、また競合します。我々の研究の重点は、システム全体の動作を調和させるために各種エージェントの寄与を統合することにあるのです。

■RWCにおける研究

　SIFOGAプロジェクトの中で、我々は遺伝的アルゴリズムを詳しく研究しています。我々は、古典的概念を母集団遺伝学および定量的遺伝学から遺伝的アルゴリズムへ移し変えることで、母集団遺伝学において最も議論の的になる推測、フィッシャーの自然淘汰の基本定理が誤りであることを証明するに至りました。フィッシャーの主張するところは、遺伝的母集団の平均適性が、進化に伴い常に増加するというものです。我々の証明は、この主張が誤っていることを示すだけでなく、多くの研究者の信奉とは裏腹に、遺伝的アルゴリズムがグローバルな最適化方式ではないということも示しています。標準の遺伝的複製方式は、主に加算的遺伝子偏差VAを利用し、変数間の非線形的相互作用を考慮していないのです。

Hand-eye robot JANUS

■将来の研究の方向

　我々は、単純なメンデル式複製でなく、有望な遺伝子複製の画期的な統計方法を使用して、従来の遺伝的アルゴリズムを拡張する予定です。さらに次の段階で、我々の最適化方式の探索概念を使用します。そして、高い適性値を持つ点における新しい事例の生成を促進する、特定のユーティリティ関数を定式化します。これに関連して、このような領域での点を生成するために、高い適性値に集中した分布を予測する方法があります。商用または「偉大なる挑戦」ともいえるアプリケーションに適用して、この方式を整備していきます。

　我々は、手と目を持つロボットJANUSに、さらに複雑なタスクを課していきたいと考えています。この実験を通じて、JANUSのアーキテクチャが、これらのタスクを段階的かつ自律的に解決するのに必要な複雑さに達しているかどうかを検証していきます。基礎研究としては、さまざまな適応方式の結合に着手します。進化過程で変形された遺伝情報とニューロンの情報の関係こそ、最も興味深い問題といえるでしょう。