大谷研究室

研究テーマ

人工知能の研究分野では，さまざまな課題を解決するための手法や技術を開発するための研究が進められています． 研究のアプローチは，機械が意識を持つか否かによって，強い人工知能と弱い人工知能に大別されます． 強い人工知能とは，人間と同じメカニズムで問題を解決しようとするアプローチであり，機械は意識を持つことができると考えます． 一方，弱い人工知能とは，人間とメカニズムは異なっていても，結果として人間のような知的活動が行えればよいとするアプローチで，機械は知的な活動が可能でも意識を持つことはないと考えます． 現在は，弱い人工知能のアプローチが主流ですが，人間や生物の進化，行動等のメカニズムに着想を得たコンピュータモデルが多く提案されています．

大谷研究室では，人工知能の研究分野の中で，特に機械学習や進化計算の応用に焦点を当てて研究を進めています．

進化計算アルゴリズムの応用

生物の進化や行動を模倣して問題の解を探索するアルゴリズムが進化計算アルゴリズムです． その代表格として遺伝的アルゴリズム(Genetic Algorithm; GA)が挙げられますが，他にも共生進化(Symbiotic Evolution; SE)，蟻コロニー最適化(Ant Colony Optimization; ACO)，人工蜂コロニーアルゴリズム(Artificial Bee Colony Algorithm; ABC)，ハーモニーサーチ(Harmony Search; HS)，カッコウ探索(Cuckoo Search; CS)，蛍アルゴリズム(Firefly Algorithm; FA)，コウモリアルゴリズム(Bat Algorithm; BA)など，さまざまなアルゴリズムが提案されています．

大谷研究室では，進化計算アルゴリズムを以下のような問題に適用し，最適解を効率よく探索する手法について研究しています．

• 個人の感性に即した自動作曲
• 人工知能とアーティストのコラボによる楽曲生成
• CO₂排出量最小経路探索
• 土地利用マイクロシミュレーション
• 決定木生成
• 帰納論理プログラミング
• 試験時間割作成
• 授業時間割作成
• 勤務時間表作成

多数決機械の応用

多数決機械とは，非線形パターンを識別するためのニューラルネットワークの一種です．奇数個の線形機械から構成されており，各線形機械の出力の多数決により入力パターンを識別します．大谷研究室では，この多数決機械を以下のような問題に適用する方法について研究しています．

• ガウス雑音重畳画像の強調
• 帰納学習技術によるインパルス雑音検出
• 人工画像拡大
• 骨格情報と行動履歴に基づく人物判別