『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
- 作者: 人工知能学会
- 出版社/メーカー: 共立出版
- 発売日: 2005/12/10
- メディア: 大型本
- クリック: 26回
- この商品を含むブログ (6件) を見る
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