自律型学習の考察（概要）

[professor]

□例えば、自転車の自律走行を考えると、「転倒をしない」という制限ルールだけで、「バランス」を学習していくことが自律型学習である。バランスには、たくさんの「センサー」と「重心移動駆動とハンドル操舵」の二つの系があり、センサーの「姿勢状態」によって重心移動の「制御パターン」をたくさんの失敗によって学習する。簡単にまとめれば、「報酬（制御パターン|姿勢状態）」という報酬度によって学習函数を学ぶことになる。（蛇足：地球ゴマが倒れないのはジャイロスコープ効果と歳差運動の作用であるので、実際はこれを利用している）
□従来のFAQやQ&Aなどの深層学習での問題点のひとつは、膨大な「教師データ:(回答|質問)」を人手で準備することであったが、自律型学習の特長のひとつは、これを必要としないことである。
□まずはFAQやQ&Aなどの「回答をする」という制限にして、「回答」を学習していくことから考察を始める。「質問に対する回答」の「評価」函数を設けて「回答」を学習していくことになる。すなわち、質問に対する回答の評価（報酬）とはどんなものかを定義する必要がある。これは質問と回答の教師データがないと始まらないと思うのが深層学習信奉者ですが、回答のデータさえあれば、質問は自動で生成できるので、「回答≡知識」さえあれば良い…というのがAL型学習理論/技術の考え方である。
□では…知識は、マニュアルや取説などいろいろなテキストから自動抽出ができる。FAQやQ&Aの用途範囲を決めれば、そのに応じたテキストを準備すれば、自動で知識という回答(事前分布P（回答）)は抽出、構築できる。そして、回答から質問を自動生成（事後分布P（質問｜回答））して、逆に質問から回答（尤度函数P（回答｜質問））への因果性を計算してベイジアン風に生成する。
□そこで、回答から質問を生成したら、質問に対する回答の「因果度」を求めることができる。それには質問と回答をベクトル化して表記の単語レベルでの確率値を考えれば…と思う機械学習信奉者がいると思うが、これは意味レベルでの因果性ではないので、精度に問題が生ずる。あくまでも「意味レベル」での「因果性」を求めることが大事である。
□つまり、意味レベルとは、深層レベルでの「意味タグ付きの知識」のことである。表層レベルである単語表記とは違い、意図に則した意味レベルでの「質問の意図」と「回答の意図」という意図レベルでの因果性を明示的に表現することである。これができるのが「ALエンジン」の凄さです。
■では、回答（知識）の自動生成と構築や回答から質問の自動生成、そして質問から回答への因果率の具体的な方法論は…セミナーやコンサルで詳しく話しますので、問い合わせをください。
□最後に、チャットボットとは、質問に対する「問い返し、聞き返し、切り返し」などがシステム側から自由にできる会話システムのことで、これを自動で学習できるのがAL新理論である。

[投稿者]

投稿