『人工知能学事典』

『人工知能学事典』人工知能学会 編、共立出版　2005/12　B5・996頁・ソフト上製・箱入・22000円　

人工知能学事典

内容●2006年は人工知能学会設立20周年となることから学会の総力をあげて本書を編纂。本書は，「人工知能」という学問分野の特徴である学際性に鑑みて，単に本学会内にとどまらず，自然科学・社会科学・人文科学の枠を越え，さらには産官学連携の基ともなる「知の共有」を目指し，広く学術の核となるものを纏め上げている。人間の知能そのもの，あるいは人間の心に興味のある読者すべてに役立つ事典である。

【目次】
第1章　人工知能礎　2
1.1 人工知能研究の歴史　2
1.2 状態空間の探索　11
1.3 CSP，SATなどのその他の探索手法　13
1.4 プランニングとスケジューリング　16
1.5 あとがき　18

1-1 縦型（深さ優先）探索と横型（幅優先）探索　21
1-2 山登り法　22
1-3 最良優先探索とビーム探索　23
1-4 A*アルゴリズム　24
1-5 反復深化　26
1-6 AND/ORグラフ探索　27
1-7 確率的探索法　30
1-8 制約充足問題（CSP）の局所整合アルゴリズム　32
1-9 制約充足問題（CSP）の木探索とルックアヘッド　34
1-10 制約充足問題（CSP）の併合法　36
1-11 SAT　38
1-12 数理計画法による推論　40
1-13 動的計画法　42
1-14 STRIPSプランニング　45
1-15 階層的プランニング　47
1-16 半順序プランニング　48
1-17 即応プランニング　49
1-18 実時間A*アルゴリズム　50
1-19 任意時間アルゴリズム　51
1-20 SATプランニング　52
1-21 スケジューリング　53
1-22 人工知能探索問題の計算量　55

1-a チューリング・テスト　3
1-b ダートマス会議　4
1-c ヒューリスティックス　6
1-d SHRDLUロボット　8
1-e 分枝限定法とA*アルゴリズム　14
1-f 制約充足問題（CSP）と命題論理式の相互変換　16
1-g GPSと手段-目標解析　17
1-h プランニング・スケジューリング手法は実用的か？　18
1-i 量子コンピュータ　19

第2章　知の基礎科学：哲学，心理学，認知科学，脳科学　58
2-1 哲学　61
2-2 サール・ドレイファス論争　65
2-3 心身問題　67
2-4 消去主義　69
2-5 志向性　71
2-6 シンボル・グラウンディング　73
2-7 意識　75
2-8 身体性　77
2-9 暗黙知　79
2-10 アブダクション　81
2-11 フレーム問題　83
2-12 モジュラリティ　85
2-13 思考の言語　86
2-14 心理学　88
2-15 心理学研究法　92
2-16 動物行動　94
2-17 視覚・聴覚　96
2-18 ワーキングメモリ（作業記憶）　99
2-19 潜在記憶・潜在学習　101
2-20 概念とカテゴリ　102
2-21 動機づけ　104
2-22 文章理解　105
2-23 意思決定　106
2-24 思考　108
2-25 感情・情動　111
2-26 発達　113
2-27 認知科学　116
2-28 熟達化　120
2-29 領域固有性・文脈依存性　121
2-30 メンタルモデル　122
2-31 図的推論　123
2-32 コラボレーション（協働）　125
2-33 コネクショニズム　127
2-34 類推　129
2-35 制約　131
2-36 状況的認知　133
2-37 ダイナミカルシステムズアプローチ　135
2-38 科学的推論　137
2-39 学習科学　138
2-40 洞察と発見　139
2-41 認知神経科学　141
2-42 脳科学　143
2-43 計算論的神経科学　147
2-44 脳の理論　149
2-45 ニューロンとシナプスの数理モデル　151
2-46 神経細胞と神経回路網の機能　153
2-47 視覚系のモデル　155
2-48 聴覚系のモデル　157
2-49 記憶系のモデル　159
2-50 運動系のモデル　162
2-51 発達と可塑性　164
2-52 神経回路網の学習　166

2-a 心の進化　74
2-b 状況意味論　87
2-c アフォーダンス　98
2-d 連想　103
2-e 創造性心理　110
2-f 進化心理学　115
2-g 創造科学　140
2-h アウェアネス　167

第3章　知識表現・論理・推論　170
3-1 知識表現基礎　175
3-2 Newellの知識レベル　177
3-3 Lisp　178
3-4 意味ネットワーク　180
3-5 フレーム表現　181
3-6 Conceptual Graph　182
3-7 KL-ONEファミリーの知識表現言語　183
3-8 論理的表現　185
3-9 演繹推論　186
3-10 古典論理　187
3-11 定理証明　189
3-12 論理プログラミング　190
3-13 様相論理　191
3-14 時間論理　192
3-15 記述論理　193
3-16 融合原理　195
3-17 モデルチェッキング　196
3-18 不完全性定理　198
3-19 非単調推論　200
3-20 信念修正　202
3-21 AI におけるアブダクション　203
3-22 プロダクションシステム　204
3-23 事例ベース推論　206
3-24 モデルベース推論　207
3-25 定性推論　208
3-26 空間推論　209
3-27 状況計算　211
3-28 概念依存理論　212
3-29 手続き的知識と宣言的知識　213
3-30 前向き推論と後向き推論　214

3-a 知識表現の標準化活動の動向　171
3-b 第五世代コンピュータ　172
3-c 認知ロボティクス　173
3-d Prolog の誕生　190
3-e イェールシューティング（Yale Shooting）問題　201

第4章　知識モデリング　218
4.1 知識工学の誕生とエキスパートシステム　218
4.2 知識の共有と再利用の必要性　221
4.3 知識モデリング　223
4.4 オントロジー　224
4-1 エキスパートシステム　229
4-2 MYCIN とEMYCIN 　231
4-3 R1/XCON 　233
4-4 知識ベース・ルールベース　235
4-5 説明機能　236
4-6 エキスパートシステムにおける経験則　237
4-7 知識獲得　238
4-8 汎化タスク　240
4-9 タスクレベル方略　241
4-10 KADS 方法論　242
4-11 Soar 　244
4-12 深い知識と知識コンパイル　246
4-13 知識の共有と再利用　248
4-14 大規模知識ベース　249
4-15 言語知識からのモデリング　250
4-16 オントロジー　252
4-17 上位オントロジー　254
4-18 is-a関係とpart-of関係　256
4-19 オントロジー表現言語　257
4-20 オントロジー開発方法論　258
4-21 オントロジー開発ツール　261
4-22 オントロジー学習　262
4-23 オントロジー統合　264
4-24 オントロジーアウェア・モデリング環境　266
4-25 知識の体系化とモデリング　267

4-a 実用化されたエキスパートシステム　219
4-b 知識獲得ボトルネック　221
4-c 知識ベースの完全性　222
4-d オントロジーの定義　225
4-e light-weightオントロジーとheavy-weightオントロジー　226
4-f オントロジーの開発例　226
4-g 哲学のオントロジー　227

第5章　機械学習　270
5.1 人工知能は学習するのか？！　270
5.2 機械学習の代表的なパラダイム　270
5.3 学習研究の歴史　272
5.4 機械学習の研究分野　272
5.5 ニューラルネットワークと機械学習　274
5.6 計算論的学習理論　275
5.7 論理プログラミングと学習　275

5-1 暗記学習　279
5-2 例からの学習　280
5-3 類推による学習　282
5-4 概念クラスタリング　284
5-5 EMアルゴリズム　286
5-6 機械学習から発見への展開　288
5-7 計算論的学習理論　289
5-8 正例からの学習　291
5-9 極限における同定　293
5-10 質問による学習　295
5-11 PAC学習　297
5-12 学習結果の評価　299
5-13 代表的なベンチマーク　300
5-14 クロスバリデーション（交差検定）　301
5-15 AQアルゴリズム　302
5-16 決定木　303
5-17 決定リスト　305
5-18 分類規則　306
5-19 バージョン空間　307
5-20 説明に基づく学習　309
5-21 帰納論理プログラミング　311
5-22 構成的帰納と新述語の発明　313
5-23 理論精錬　315
5-24 多戦略学習　316
5-25 強化学習　318
5-26 コミッティ学習　321

5-a 自然言語処理と機械学習　271
5-b パーセプトロン批判　273
5-c 学習結果はどう評価されるべきか：訓練例とテスト例　276

第6章　進化・創発　324
6.1 進化論的手法　324
6.2 人工生命と複雑系　329

6-1 遺伝的アルゴリズム（GA）　333
6-2 遺伝的プログラミング（GP）　335
6-3 多目的最適化のためのGA　337
6-4 関数最適化のための実数値型GA　338
6-5 スキーマ定理とだまし問題　340
6-6 並列・分散GA，GP 　341
6-7 GP のイントロンとブロート　343
6-8 ノーフリーランチ定理　344
6-9 リンケージとEDA アルゴリズム　345
6-10 GAとニューラルネットワーク　346
6-11 クラシファイアシステム　347
6-12 進化型ハードウェア　349
6-13 進化型ロボット　351
6-14 共進化と協調計算　352
6-15 対話型進化論的計算　353
6-16 複雑系と人工生命　355
6-17 セルオートマトン　357
6-18 人工市場と進化経済学　358
6-19 メタヒューリスティックス　360
6-20 免疫系アルゴリズム　363

6-a ドーキンスと利己的遺伝子　325
6-b 囚人のジレンマ　327
6-c ボールドウィン効果　328
6-d 中立説　329
6-e Tierra　330
6-f Karl Simsの人工進化シミュレーション　331
6-g U-Mart　359
6-h ReynoldsのBoid　361

第7章　自然言語処理　366
7.1 1970 年代：小規模言語理解システムの時代　366
7.2 1980 年代：文法の深化の時代　368
7.3 1990 年代：統計的言語処理の時代　368
7.4 2000 年代の自然言語処理と今後　372

7-1 言語資源　373
7-2 形態素解析と品詞タグつけ　375
7-3 統語解析アルゴリズム　377
7-4 統計的統語解析　379
7-5 文法　380
7-6 チャンキング　382
7-7 言語生成　383
7-8 言い換え技術　385
7-9 意味処理　386
7-10 語彙意味論　388
7-11 語義曖昧性解消　389
7-12 言語知識獲得　390
7-13 談話処理　392
7-14 対話処理　394
7-15 照応解析　396
7-16 機械翻訳　398
7-17 統計的機械翻訳　400
7-18 二言語間アラインメント　401
7-19 情報検索　402
7-20 適合性フィードバック　404
7-21 多言語情報検索　405
7-22 情報抽出　406
7-23 文書要約　408
7-24 文書分類　410
7-25 テキストマイニング（１）　411

7-a ALPAC報告　367
7-b 文書処理に関する評価型ワークショップ　369
7-c 質問応答システム　370

第8章　画像・音声メディア　414
8.1 はじめに　414
8.2 人間のためのメディアとしてのコンピュータ　415
8.3 パターン認識・理解の枠組み　416
8.4 メディア情報処理の将来　422

8-1 パターン認識・理解　425
8-2 シーン理解　427
8-3 DP マッチング　428
8-4 ベクトル表現　429
8-5 パターンクラスタリング　430
8-6 次元圧縮　431
8-7 スペクトラルクラスタリング　433
8-8 人物像処理　435
8-9 顔画像処理　436
8-10 バイオメトリクス　438
8-11 モデルベースビジョン　440
8-12 全方位画像と任意視点画像　442
8-13 イメージベースモデリング　443
8-14 イメージベースレンダリング　445
8-15 複合現実感　447
8-16 マルチメディアデータベース　449
8-17 映像要約と編集　450
8-18 MPEG-4とMPEG-7　451
8-19 ヒューマンビジョン　453
8-20 音声認識・理解　455
8-21 音声言語モデル　457
8-22 音声合成　459
8-23 話者認識　461
8-24 音声対話システム　462
8-25 VoiceXML　463
8-26 聴覚の情景分析　464
8-27 音楽情報処理　465

8-a タンジブル・ビット：情報と物理世界を融合するユーザインタフェース・デザイン　419
8-b インタラクティブアートと音声・画像メディア　423
8-c ビジョンハードウェア　437
8-d メディア教育応用：臨場感の伝達をめざして　448
8-e ゲシュタルト理論　454

第9章　ヒューマンインタフェース　470
9.1 ヒューマンインタフェースとは　470
9.2 ヒューマンインタフェースの進化　471
9.3 入出力インタフェース　475
9.4 知的インタフェース　476
9.5 インタフェースデザイン　482
9-1 GUI　486
9-2 ウェアラブルコンピュータ　488
9-3 ユビキタスコンピューティング　489
9-4 入力デバイス　491
9-5 日本語入力　492
9-6 ペンインタフェース　493
9-7 音声インタフェース　495
9-8 視線インタフェース　496
9-9 ジェスチャインタフェース　497
9-10 感覚提示技術　498
9-11 実世界指向インタフェース　500
9-12 センサ　502
9-13 マルチモーダルインタフェース　503
9-14 PUI　504
9-15 インタフェースエージェント　505
9-16 適応型インタフェース　507
9-17 予測インタフェース　508
9-18 情報検索インタフェース　509
9-19 ヒューマンインタフェースのデザイン原理　510
9-20 認知モデル　511
9-21 ユーザビリティ　512
9-22 インタラクティブシステムのモデル　513
9-23 情報可視化　514
9-24 感性コミュニケーション　516
9-25 コミュニケーション支援　518
9-26 CSCW　519
9-27 ユニバーサルデザインインタフェース　521

9-a マクルーハンとアラン・ケイ　473
9-b MITメディアラボのインパクト　474
9-c 小型キーボードによるテキスト入力　477
9-d ワイヤレス技術とヒューマンインタフェース　479
9-e コンピュータが見えなくなる　481
9-f ゲームが人間を変える　484

第10章エージェント　524
10.1 エージェントとは何か　524
10.2 エージェント研究の歴史　525
10.3 エージェント研究の展望　527
10-1 合理的エージェント　529
10-2 言語行為　531
10-3 エージェントアーキテクチャ　532
10-4 協調下の探索　534
10-5 協調下の行動選択　536
10-6 分散協調問題解決　538
10-7 交渉　540
10-8 提携　542
10-9 市場指向プログラミング　544
10-10 オークション　545
10-11 モバイルエージェント　547
10-12 エージェント通信プロトコル　549
10-13 エージェント指向ソフトウェア工学　550
10-14 エージェント指向インタフェース　554
10-15 マルチエージェントシミュレーション　557
10-16 エージェントの心理学　558
10-17 エージェントと社会　560

10-a オブジェクトとエージェント　552
10-b エージェント指向インタフェースvs. 直接操作インタフェース　555

第11章　Webインテリジェンス　564
11.1 はじめに　564
11.2 広大な記号世界としてのWeb　565
11.3 社会情報システムとしてのWeb世界　567

11-1 検索エンジン　573
11-2 Web検索　575
11-3 ランキング・アルゴリズム　577
11-4 Webコミュニティ　579
11-5 Webマイニング　581
11-6 Webナビゲーションと可視化　582
11-7 Webにおける情報共有　584
11-8 インターネットエージェント　585
11-9 情報推薦システム　586
11-10 デジタルライブラリ　589
11-11 ピア・ツー・ピア（P2P）　590
11-12 コミュニティ支援　591
11-13 デジタルシティ　593
11-14 社会知能　594
11-15 XMLとメタデータ　596
11-16 セマンティックWeb　598
11-17 Webサービス　600

11-a Webの大きさ　566
11-b Webにおける多言語問題　568
11-c Small World　569
11-d メタデータ・ボトルネック　571

第12章　ロボティクス　602
12.1 ロボティクスとは？　602
12.2 ロボットの歴史　603
12.3 ロボットの主要な三つの要素　604
12.4 知能の獲得のロボティクスアプローチ　612

12-1 産業用ロボット　615
12-2 ロボットの知覚　616
12-3 ロボットの認知　618
12-4 ロボットの機構と制御　620
12-5 ロボットのアクチュエータ　622
12-6 移動ロボット技術　623
12-7 ヒューマノイド　625
12-8 ロボット言語　627
12-9 古典的制御アーキテクチャと行動規範型制御アーキテクチャ　629
12-10 身体性と環境　631
12-11 教示と学習　633
12-12 強化学習における状態・行動空間構成　635
12-13 強化学習のマルチエージェント環境への拡張　637
12-14 模倣学習　639
12-15 ユビキタスロボティクス　641
12-16 ペット型ロボット　643
12-17 ロボカップ　645

12-a からくり人形　605
12-b ロボカップヒューマノイドリーグの魅力　608
12-c チェスとロボカップ　609
12-d ロボカップにおける研究から実用への流れ　610

第13章　知識発見・データマイニング　648
13.1 背景・歴史　648
13.2 データマイニング技術の課題と進展　649
13.3 今後の展望　656

13-1 知識発見のプロセス　659
13-2 科学的発見　661
13-3 データマイニングのサイクル　663
13-4 データウェアハウス　664
13-5 データの可視化　665
13-6 データ洗浄　667
13-7 データ削減　668
13-8 数値属性離散化　669
13-9 属性選択・抽出・構築　671
13-10 相関規則　673
13-11 大量データのクラスタリング　675
13-12 テキストマイニング（2）　676
13-13 時系列マイニング　678
13-14 空間マイニング　680
13-15 構造マイニング　681
13-16 関係データマイニング　683
13-17 例外知識発見　685
13-18 ユーザインタラクション　687
13-19 知識の評価・検証　689
13-20 知識の伝達性　691
13-21 データマイニングとコンプライアンス　692
13-22 データマイニングツール　693

13-a ビールとおむつの相関　649
13-b AM：理論駆動型の発見　650
13-c 機械学習とデータマイニング　652
13-d Association とCorrelation　656
13-e KDDチャレンジ　657

第14章　ソフトコンピューティング　696
14.1 ソフトコンピューティングとは　696
14.2 記号と非記号　696
14.3 ファジィ論理とラフ集合　699
14.4 確率　700
14.5 ニューラルネットワーク　702
14.6 学習　705
14.7 まとめにかえて　708

14-1 特徴抽出の理論　711
14-2 ファジィ集合論，ファジィ測度，ファジィ積分　713
14-3 ファジィ論理，ファジィ推論　715
14-4 ファジィ制御　717
14-5 ファジィパターン認識　718
14-6 ファジィデータ解析　720
14-7 ファジィルールの学習　721
14-8 ラフ集合理論　723
14-9 確率分布モデル　726
14-10 確率密度分布の推定　728
14-11 隠れマルコフモデル　730
14-12 マルコフ確率場　731
14-13 識別の理論と手法　733
14-14 パターン認識とベイズ推定　735
14-15 単結合ベイジアンネットによる確率計算　737
14-16 複結合ベイジアンネットによる確率計算　739
14-17 ベイジアンネットの学習　741
14-18 独立成分分析　742
14-19 ニューラルネットワークアーキテクチャ　743
14-20 単純・多層パーセプトロン　745
14-21 リカレントネットワーク　747
14-22 ホップフィールドネットワークとボルツマンマシン　749
14-23 競合学習と学習ベクトル量子化　751
14-24 カオスネットワーク　753
14-25 ニューロイダルネット　755
14-26 汎化能力の評価と向上策　757
14-27 ラージマージン分類器　758
14-28 ニューロ・ファジィ・GAの融合　761

14-a 実世界知能　697
14-b 記号パラダイムと非記号パラダイム　698
14-c 確率とファジィ　701
14-d ファジィの長い道：なぜ米国では冷遇され日本で花開いたか　702
14-e 確率とAI：別離から蜜月へ（水と油から融合へ）　703
14-f ニューラルネットワーク：工学応用か脳のモデルか　704
14-g ニューラルネットワークの浮き沈み　705
14-h 光ニューロチップから人工網膜LSI まで：事業化への棘の道　706
14-i ニューラルコンピューティングと組合せ最適化問題　707
14-j 物理とAI：統計力学，レプリカ法　708

第15章　AI応用：人工知能の産業応用　764
15.1 はじめに　764
15.2 エキスパートシステムの普及における問題　764
15.3 人工知能の産業応用への変遷　766
15.4 発表論文から見た人工知能の産業応用の状況　768
15.5 特許から見た人工知能の産業応用の状況　769
15.6 小項目テーマ選定の方針と今後の動向　770

15-1 LSI CADシステム　773
15-2 コンフィグレーション・システム　774
15-3 計画とスケジューリングシステム　775
15-4 診断システム　776
15-5 制御システム　777
15-6 生産管理システム　778
15-7 データウェアハウスとデータマイニング　779
15-8 CRM　780
15-9 電子調達　781
15-10 電子商取引　782
15-11 インテリジェント交通システム　783
15-12 次世代カーナビゲーションシステム　784

15-a AI応用に関する学会　771
15-b AI技術と実用化のギャップ　785

第16章　AI応用：ナレッジマネジメント　788
16-1 暗黙知と形式知　795
16-2 コード化戦略と個人化戦略　796
16-3 ナレッジマネジメントとBPR　797
16-4 商用のナレッジマネジメントツール　798
16-5 ナレッジマネジメントとエキスパートシステム　799
16-6 ナレッジマネジメントとオントロジー　800
16-7 ナレッジマネジメントとデータマイニング　801

16-a アルファベットスープ　789
16-b ナレッジエンジニアからナレッジワーカーへ　794

第17章　AI応用：バイオロジー　804
17-1 遺伝子発見　811
17-2 ホモロジー検索　812
17-3 アラインメント　813
17-4 モチーフ抽出　814
17-5 立体構造決定　815
17-6 単粒子解析　816
17-7 立体構造予測　817
17-8 分子シミュレーション　818
17-9 統合データベース　819
17-10 ゲノムオントロジー　820
17-11 遺伝子多型解析　821
17-12 表現型変異解析　822
17-13 遺伝子ネットワーク解析　823
17-14 プロテオーム解析　824
17-15 システム・バイオロジー　825
17-16 細胞シミュレーション　826

17-a ゲノム解析プロジェクト　805
17-b 智の遺伝子探索　806
17-c バイオグリッド　806
17-d タンパク3000プロジェクト　807
17-e タンパク質構造予測コンテスト　808

第18章　AI 応用：教育支援　830
18.1 背景・歴史　830
18.2 知的教育支援のシステム類型・関連領域・要素技術　831
18.3 今後の展望　835

18-1 知的学習環境　839
18-2 知的教育システム（ITS）　841
18-3 協調学習支援システム（CSCL）　842
18-4 発見学習・探索学習支援　844
18-5 語学学習支援システム　846
18-6 シミュレーション・訓練システム　848
18-7 Webベースの教育システム　850
18-8 認知と教育　852
18-9 メタ認知　854
18-10 リフレクションの支援　856
18-11 協調学習の学習理論　858
18-12 インストラクショナルデザイン　859
18-13 教育の評価・分析　861
18-14 学習者モデル　863
18-15 教材知識の表現　865
18-16 教授方略　867
18-17 教育エージェント　869
18-18 教育のオントロジー　871
18-19 e-Learningと標準化　872
18-20 学習資源のメタデータ　874
18-21 オーサリング支援　876
18-22 ユビキタスラーニング　878
18-a 自然言語処理と教育支援システム　831
18-b ナレッジマネジメントと教育　832
18-c 質的評価と量的評価　833
18-d 教育デザイン理論間の論争　834
18-e e-LearningとセマンティックWeb　837

第19章　AI応用：ゲーム　882
19-1 ゲーム木探索　887
19-2 ミニマックス探索　887
19-3 アルファ・ベータ探索　888
19-4 評価関数　889
19-5 置換表　889
19-6 オープニングブック　890
19-7 Endgameデータベース　890
19-8 選択的深化　891
19-9 PN 探索　892
19-10 チェス　892
19-11 オセロ　894
19-12 将棋　895
19-13 詰め将棋　896
19-14 囲碁　897
19-15 コンピュータゲーム　898
19-a チャイノック　885
19-b ディープブルー　893
19-c ロジステロ　894

執筆者別項目一覧　899
和英索引　906
英和索引　938
人名索引　973