本資料のメニュー（6/5~） 人工知能について取り上げる 今回の話（資料）は 人工知能の歴史（前史・概要） 初期の人工知能 人工知能の概要（何を目指すか、背景） 哲学的背景 など

本資料（以降）のキーワード 人工知能（AI） 前史・背景（前回資料） 人工知能の誕生 人工知能の歴史・概要 哲学的背景 ヒューリスティックス チャーチ・チューリング の提唱 形式的体系とその限界 チューリングテスト 人工知能の誕生 ダートマス会議 人工知能の歴史・概要 哲学的背景 論理実証主義 機能主義 現象学 ヒューリスティックス 表象主義 記号主義・ 記号処理パラダイム 計算論的認知観 人工知能の研究手法

人工知能の誕生（１） 「ダートマス会議」（Dartmouth Conference: Dartmouth Summer Research Conference on Artificial Intelligence）　（1956 夏） AI50（５０周年記念学会） J. McCarthy らの発議により開催された「会議」 （というか、合宿：１カ月に及ぶブレーン・ストーミング） “Artificial Intelligence (AI)” という名称及び分野の発祥とされている。 もっとも名称そのものは（会議名にもあるように）すでに前年の提案書にもあるし、これを採用するかどうかについてはかなりの議論があったらしい。

人工知能の誕生（２） ダートマス会議出席者 発起人サイド John McCarthy†(2011) Marvin Minsky†(2016) 人工知能の誕生（２） 　　　ダートマス会議出席者 発起人サイド John McCarthy†(2011) Marvin Minsky†(2016) Nathaniel Rochester† Claude Shannon† その他の出席者 Ray Solomonoff †(2009) Oliver Selfridge† Trenchard More Arthur Samuel† Herbert Simon† Allen Newell† 50周年記念会議スナップ(2006)

John McCarthy Marvin Minsky Herbert A. Simon Allen Newell Arthur Samuel（左） Oliver Selfridge Ray Solomonoff Claude Shannon

人工知能の誕生（３） ダートマス会議の時に実際に動いていた人工知能プログラムは、Newell, Simon による「LT (Logic Theorist, Logic Theory Machine)」だけ（？） また Samuel によるチェッカーズ（ゲーム）プログラムは、最初期の AI プログラムであるにも関わらず、学習機能を有し、プログラマ（Samuel）よりも強くなったという意味で画期的だった。 IBM にとっても宣伝効果が大きかった。 IBM は後にチェスの “Deep Blue”, “Watson” のスポンサーにもなる。

初期の人工知能（１）：題材 ゲームのプログラム 数学・論理学の問題解決、定理証明 問題解決、質問応答システム パターン認識 チェス、チェッカーズ、トランプ、５目並べ等 数学・論理学の問題解決、定理証明 解析（積分）、幾何の図形問題、LT（前述）等 問題解決、質問応答システム パターン認識 認知過程のシミュレーション EPAM （Feigenbaum）、GPS （Newell & Simon）

初期の人工知能（２） Slagle の SAINT（大学初年級の積分） （SAINT は 11 分） （18 分：解けたうちでは最長） MIT 期末試験の 54 問中 52 問が解けた。 （積分、一般に数学の記号計算は、後に人工知能からは独立していく。） Mathematica, Wolfram Alpha, Integrator

人工知能の歴史：大まかな動向 特に 2010年代に入っての deep learning の普及・成功 状態空間と探索（60 年代） 知識表現と推論（70・80 年代） 問題領域固有の知識と一般的推論技法の分離 学習・自己適応（80 年代以降） 能動的・分散的処理（90 年代以降）：「エージェント」 人工知能の「復興」（2000年代以降） 統計的・確率的処理、大規模データに基づく処理 高度な機械学習手法の実用面での大きな成功 「古典的分野」（ゲーム等）における様々な成果 環境・世界の中での知能 人工知能技法の各種の応用 “Technological Singularity” 特に 2010年代に入っての deep learning の普及・成功

人工知能は何を目指すか（１） 人工知能の二面性（２つの対極） 高度な知的機能の実現 中間地帯 人間の認知活動の実現 コンピュータ 科学・技術 心理学・認知科学

人工知能は何を目指すか（２） コンピュータ科学として 問題（解決）主導的 高度な知的処理の実現 そのための理論・技法の研究・開発 高度な処理機能を持つツールの実現 問題（解決）主導的 ⇒　知能・問題解決の一般理論 人間を手本にする 人間はどう解いているか、それをコンピュータ上に実現・応用できるか

人工知能は何を目指すか（３） 認知科学として 認知科学研究においては： 人間のもっている知的能力の研究・解明 人間の（必ずしも「知的」とは限らない）認知活動の研究・解明 そのためのモデル・理論の研究・開発・検証 認知科学研究においては： 情報処理的（計算論的）アプローチの最右翼 形式化・理論化の厳格な適用 「モデル化」（認知モデル）、「メタファ」としての意義 ⇒　「理論心理学」、「理論認知科学」

人工知能は何を目指すか（４） × 膨大な統計的計算の処理（会計等） × 高度な科学技術計算 × 膨大な数値計算： πの１兆桁計算等 ×　膨大な統計的計算の処理（会計等） ×　高度な科学技術計算 ×　膨大な数値計算：　πの１兆桁計算等 △　数式の記号的計算　→数式処理 △　論理学・幾何学などの定理証明 ○　ゲーム・パズル ○　問題解決一般 ○　自然言語理解 ○　視覚・聴覚等による外界の認識 ○　高度な専門性を要する領域での問題解決 ○　学習：　環境への適応、自己改変 △　ロボット（外界への働きかけ） △　自己組織化、人工進化

人工知能は何を目指すか（５） 問題解決型 解決すべき課題が主体（人間・コンピュータ）とは独立に設定され、結果が客観的に評価可能 人間と同じやり方である必要はない 　　⇒　「超知能」の実現 典型例 知能ゲーム・パズル 数式処理 科学的発見、高度な知識・技能を要する作業 　　⇒　「エキスパートシステム」 一般的な問題解決（道順探索など）

人工知能は何を目指すか（６） 人間中心型 人間が普通に行う活動を、コンピュータに実現させる。 あくまで人間が基準（規範） 人間を「超える」ことには意味がない（たぶん） 典型例 自然言語理解、自然言語による対話 概念理解・学習 人間の認知過程のシミュレーション EPAM, 認知アーキテクチャ （音楽理解、音楽作成）

人工知能は何を目指すか（７） 知覚・行動 学習・知識獲得 人間の活動のうち、自動的（無意識的）に行われるものをコンピュータに実現させる 視覚（画像・情景理解、文字認識）、聴覚（音声認識、音楽理解）、行動（歩行・動作）等 学習・知識獲得 自身で知識を獲得したり、環境に適応していく 記号的学習（概念学習等） ニューラルネット 確率モデル等のパラメタ強化学習

人工知能の要： Heuristics(1) Heuristics （発見的手法） ⇔ algorithm アルゴリズム 問題解決のための機械的に実行可能な処理手順がある。 その手順には十分な一般性がある。 問題のパラメタを変えることで、他の場合にも適用できる。 処理のための時間・手間を問わなければ、有限時間内で必ず解決できることが保証されている（「解がない」ことが示される場合も含む）。

人工知能の要： Heuristics(2) ヒューリスティックス（発見的手法） 人間の場合： 思いつき、発想、ひらめき等々 問題に応じて個別的に「発見」、開発されるような解決手法。 いつでもうまくいく保証は（必ずしも）ない。 アルゴリズムが存在しない場合（知られていない場合）、存在しても実用的な価値がない場合などに適用される。 問題の解決法自体を探し出すことを含んで言う場合もある（メタ解決）。 人間の場合：　思いつき、発想、ひらめき等々

（実働）モデルの意義 心理学・言語学などで言う「モデル」 　⇒　「記述的モデル」 　⇔　「認知アーキテクチャ(Cognitive Architecture)」 実際に「動かして」みせることの重要性 明確に意識されていなかった仮定、背景、プロセスなどをすべて厳密に定義・定式化・実現する必要がある。 それを通じて、暗黙に仮定されていたこと、及びそれがいかに大きいかが明らかになる。 反面、「動く」ようにするために様々な制約が生じ、本来の姿をゆがめる危険もある。

【参考】　哲学的背景 20世紀にはいると、19世紀以来の経験科学の成功、また20世紀初頭の記号論理や数学基礎論の進展などと呼応し、それを「歩調を合わせる」ような哲学的考察が進展する 論理実証主義 （L. Wittgenstein の哲学） 20世紀後半、認知科学を基礎づける哲学的立場として「機能主義」が生まれる これと対立する立場も多い（現象学・生態的認知論等） 現在のコンピュータ・人工知能の進展は、哲学にとっても対応困難？

論理実証主義 （Logical Positivism） （資料 ID [基礎 2] 2-4(a) pp.43‐46 参照） 「論理経験主義（Logical Empiricism）」とも言う。 E.Mach, B.Russell, L.Wittgenstein らの影響のもと、1920-30 年代にウィーン学派（M.Schlick, O.Neurath, R.Carnap）、ベルリン学派 （H.Rheihenbach）などにより提唱される。 19世紀までの自然科学の成功を踏まえ、実証的手法を重視する一方、形而上学（特に存在論）については「無意味」として取り上げない。

論理実証主義（２） 基本的には実験・言語の厳密化を目指し、 また「合理的再構築」の推進を目指す。 経験科学との親和性がよく、20世紀の科学哲学の中心となる。　⇒「科学についてのメタ理論」 同時期に平行して、コンピュータの理論的基礎となってゆく数学基礎論（チューリングマシンなど）の研究も大発展する。 主要メンバーはナチスの台頭とともに北米に亡命し、北米での「分析哲学」の普及・発展の基礎となった。

logical positivism (Skeptic’s Dictionary) Logical positivism, also known as logical empiricism, is a philosophical attitude which holds, among other things, that metaphysics, more or less, is bunk. According to the positivists' "verifiability principle," a statement is meaningful if and only if it can be proved true or false, at least in principle, by means of experience. Metaphysical statements cannot be proved by means of experience. Therefore, metaphysical statements are meaningless. Critics of logical positivism have pointed out that since the verifiability principle itself cannot be proved true or false by means of experience, it is therefore meaningless.

機能主義 （Functionalism） （資料 ID [基礎 0] pp.ix-xiii も参照） 心・精神が身体と対峙するような「もの」として存在するのではなく、動的なプロセスとその状態としてまず考える。 心的状態は、脳細胞の特定の状態などに対応づけられるのはなく、心の働き全体の中で、どのような機能・役割（function）を果たすかによって特徴づけられる。 したがって「物理レベル」などに比べて抽象的な概念である。

機能主義（２） 哲学としては H.Putnam によって 1960 年代に提唱されたが、背景として、A.Turing らによる計算・アルゴリズムの概念が影響を及ぼしている。 例えば「知能の操作的定義」としての「チューリングテスト（Turing test）」は機能主義的アプローチの例である。 心理学・言語学などでも機能主義的考え方が広まっている。 推進者として J. Fodor, Z.Pylyshyn, D.Dennett など。

機能主義（３） 「機能」を実現する「媒体」は問われないため、 「機械の知」、「心を持つ機械」（機械＝コンピュータ）の可能性が容認される。 これらを含め、認知科学全体との親和性がよく、いわばその「標準メタ理論」といった性格を持つ。 もっとも、研究者の多くは（意識は必ずしもしていなくても）、もともとそういった考え方に依拠していた、それの追認といった面もある。 心身問題については、一種の一元論的な見解を示すものとなっている。 脳→ハードウェア、心→ソフトウェア

機能主義（４） 反面、操作的（operational）、悪く言えば表層的な概念のため、批判も多い。 機能主義批判はそのまま、「機械は知能（心）を持てない」といった否定論につながる。あるいはむしろ逆に、機械が知能・心を持ちえないという観点から機能主義が批判される、といったほうがいいかもしれない。 そういった批判とは別に、中間的・過渡的な主張で、原理的な認識ではないといった感はある。

人工知能研究のアプローチ 時代に応じて中心となる（あるいは現実的な）アプローチ・研究手法が変わっていく 詳細については資料・文献参照 状態と探索 「小さな世界」（「積木の世界」等） 知識と推論（エキスパートシステム等） 現実世界への対応 学習と適応化 大規模データの利用 詳細については資料・文献参照

表象主義（Representationalism） 人間の持っている知識は、外界の事実を忠実に反映した「表象（表現）」であり、その表象を操作することにより思考が行われるという考え方。 もっと極端には、外界の事物の認識は、表象を通じてのみ行われる（可能である）という考え方。 （主流派）人工知能は事実上、この立場に立つ。 問題点：　的確な判断を行うために必要な表象がすべて入手可能か、適切な表現手法は何か、等々。 　　　　　参考：　フレーム問題　[Frame]

記号主義・記号処理パラダイム 知識は「記号的」に表現され、知識の操作・推論は記号処理過程として扱える、という立場。 形式的体系（記号論理、チューリングマシンとしてのコンピュータ）と親和性が高い。 一方で、人工知能に対する批判は主として記号主義的立場に向けられた。 1980 年代になると、人工知能内でも記号主義の問題点が強く意識されるようになる。

現象学　（Phenomenology） ここでは、E. Husserl や弟子の M.Heidegger により展開された哲学体系を指す。両者の間ではかなり内容・性格が異なる面もある。特に Heidegger は存在論的な面を広げる役割を果たした。 現象学全体は大きな体系だが、認知との関係でいうと、認知する個体は世界から孤立して存在しているのではなく、世界の中に「投げ出されて」おり、不断に関わりを持ちながら存在している、という点が基本である。

現象学（２） したがって、認知過程も閉じたプロセスとしてではなく、常に世界から干渉され続ける（逆に世界に働きかける）過程としてとらえられる チリの生物学者 U.Maturana, F.Valera による構成的生物理論は現象学と共通性を持つ J.J. Gibson による「生態学的アプローチ」も関連する 「社会における認知」、「協調作業における認知」などの研究も、現象学的視点を内包していると言える

文献（人工知能全般・歴史） 歴史・分野概観 P. McCorduck （黒川利明訳）： 「コンピュータは考える」、培風館、1983 (Machines Who Think, Freeman & Co. 1979) M. ボーデン（野崎他訳）：「人工知能と人間1,2」、 サイエンス社 1986 中島秀之：「知能の物語」、はこだて未来大学出版会 2015 松尾豊、中島秀之：「人工知能とは」（人工知能学会監修）2016 入門書 P.H. Winston（長尾・白井訳）： 「人工知能」、培風館、1980 E. Rich（広田・宮村訳）： 「人工知能」、マグロウヒルブック、1984 B. Raphael（溝口・内田・岩田訳）： 「考えるコンピュータ：人工知能入門」、近代科学社、1986

文献（初期の人工知能） Edward A. Feigenbaum & Julian Feldman (Eds.). Computers and Thought. McGraw-Hill 1963/1995 （阿部・横山訳「コンピュータと思考」、好学社、1969） Marvin Minsky (Ed.) Semantic Information Processing. MIT Press, 1968. James Slagle: Artificial Intellingence: The Heuristic Programming Approach. McGraw-Hill, 1971. （南雲・野崎訳：「人工知能－発見的プログラミング」、産業図書、1972）

人工知能について（Web） 人工知能学会ホームページ http://www.ai-gakkai.or.jp/jsai/ 人工知能のやさしい説明「What‘s AI」 人工知能学会誌「私のブックマーク」 John McCarthy のページ http://www-formal.stanford.edu/jmc/index.html What is Artificial Intelligence? 　(Q&A) Marvin Minsky のページ http://web.media.mit.edu/~minsky/ T.Dunn, A.Dyess, B.Snitzer “An Introduction to the Science of Artificial Intelligence” http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AITopics/BriefHistory