(Japanese/English)
人間の学習にはいろいろな種類があります．例えば，迷路を解くような学習は，迷路内を移動して試行錯誤した結果，ゴールにたどり着きます．強化学習では，コンピュータが行動して良い状態になったら報酬をもらって行動価値を更新して迷路の解法を学習します．
また，人間は過去に見たり聞いたり知ったりした情報から何か特徴を学習します．ディープラーニング（深層学習）は，難しく言うと深い層からなるニューラルネットワーク（神経回路網）の学習アルゴリズムです．そのすごいところは，画像，音声，言葉などの特徴をコンピュータが解釈できるように情報の表現そのものまでも学習（表現学習）するところです．
兼岩研究室では，強化学習やディープラーニングなどを使って人工知能における知識表現と推論を研究しています． 特に，人間の「目」や「耳」を実現する画像データや音声データを対象にするのではなく，人間の「言葉」や「知識」を実現する意味データを対象にするところが本研究室の特徴です．電気通信大学にはディープラーニングを扱っている研究室は他にもありますが，人間の「言葉」や「知識」を対象にする研究室は少ないです．
「言葉」や「知識」を使って人工知能が学習するのは何が難しいのでしょうか？人間は物事を概念として捉えて，概念間の関係性によって知識や事実を保持しています．その知識や事実を意味ネットワークやオントロジーで記述すると人間が考えている概念とその意味が明確になります．しかし，これらの知識の意味を使ってディープラーニングで学習するのは容易ではありません．なぜならば，画像や音声のようにデータを直に数値化できないからです．このような「言葉」や「知識」の意味構造に注目して，その表現を学習することで知識から何かを推論する人工知能が実現できると考えます
人工知能（AI）とは，人間のような知的な情報処理を可能にするコンピュータを開発する研究分野です．人間は，どのように知的な情報処理をしているのでしょうか？人間は，脳を使って，人や環境から知識を得て知的な活動を行っています．さらに，人間はこれまでにない新しい知識を生み出したり発見したりもします． 兼岩 憲教授は，（富士通（株）に三年勤務後，大学院を修了して），国立情報学研究所（文部科学省），情報通信研究機構（総務省）で，約十年間，人工知能における知識表現と推論の理論的研究に従事しており，その後，岩手大学に三年在籍し電気通信大学に赴任しました． 本研究室では，知的な情報処理に不可欠な「知識」を扱っています．人工知能を実現するために，その知識に関わる以下の基礎研究を行っています．
まず，「知識の獲得」は，外部から入手された情報から意味がある知識をどのようにコンピュータが見いだすかを研究します．次に「知識の表現」は，獲得した知識をコンピュータ上でどのように表すかを研究します．これはデータベースの研究にも関連します．最後に「知識からの推論・学習」は，獲得して表現された知識から新たな事実を導いたり，法則性やパターンを学んだりする仕組みを研究します． 人工知能を研究してみたい学生は，ぜひ兼岩研へ来てください！
ロボットやコンピュータが知識を活用するための基礎研究に知識表現と推論があります．それは，知識の意味をどのように構造的に表現するか，どう表現すれば知識から未知の情報を導くことができるか，を探求します．
事実（ファクト）「電通大の所在地は調布市です」
背景知識：「電通大は国立大学である」
「国立大学は大学である」
「調布市は東京都にある」
質問：「東京都にある大学は？」
人間は事実からこの質問に答えられます．しかし，コンピュータ（人工知能）は背景知識が無いと導くことができません．そのため，コンピュータが扱えるように事実と背景知識を記号で表し，さらにそれらから質問の答えを導く推論システムを研究しています．
人工知能は，どうやって人間の質問に答えることができるでしょうか？その答えとなる知識はどうやって学習するのでしょうか？ 人間のように推論・学習するために，世の中に存在する膨大なデータを活用します．それにより，人間が得意とする意志決定，予測，認識などをコンピュータが代わりに行うことを目指します．
例えば，データから何が学習できるでしょうか？
・りんご，猫，哺乳類や飛行機のようなカテゴリの性質を認識する
・人の行動予測やおすすめ商品の推薦をする
・Wikipediaなどに不足している情報を推定して補完する
これにより，例えば，「赤くて丸い果物は何か？」「肺呼吸するイルカは哺乳類か？」「20代の好みの服は何か？」などの答えを人工知能が学習して答えを推定できるようになります．
人間は現実世界の対象物（ものやこと）を概念化して，その意味を理解しています．概念（単語）の意味を知的なコンピュータが解釈するにはどうすればいいのでしょう？ 一つの方法として，人間が解釈する概念には様々な性質や関係があり，それを体系化（オントロジー）します．
＜例1＞人間と教師の違い
人間（本質属性）は，存在する限り（死ぬまで）人間です．一方，教師（非本質属性）は，仕事を辞めたら教師でなくなります．
＜例2＞自動車と水の違い
自動車（sortal）は，その部分のタイヤやハンドルは自動車ではないです．一方，バケツの水から一部をコップですくっても水（non-sortal）です．
人間は文章を読んでその意味を理解し，逆に自分の意見を文章で表現します． コンピュータが文章を理解するには，どうすればいいでしょうか？そのためには文章の意味や内容を解析してその構造を表現する必要があります． そのように意味や内容を解読できるようになった表現から人工知能が推論・学習を行います．
セマンティックWebは，単なるテキストではなく意味や内容を扱える未来のWebを実現します．言い換えれば，従来のドキュメント中心のWebからコンピュータ（人工知能）が意味や内容を解読して知的なWebを目指します．
兼岩研究室では，セマンティックWebのためのデータベースとクエリ言語であるFROSTを公開しています．グラフ構造データに対するクエリ言語SPARQLの検索エンジンをJavaで独自開発しています． SQLがテーブル型データベースであったのに対して，SPARQLは（Webデータや柔軟な知識表現と相性のよい）グラフ構造型データベースでありNoSQLの1つと言えます． この研究の成果や新規性は実験結果の数字で表れる分シビアな世界でもあり，ひたすら性能の向上をめざせばいいので研究の方向性に悩む必要はありません．
コンピュータが結論を導くと「正しい」「間違い」の2択であり，エアコンなどを制御すると正確な数値（例えば，28度）でONとOFFを区別します．しかし，人間は，「全く正しい」「ほぼ正しい」「少し正しい」「どちらでもない」「少し間違い」「ほぼ間違い」「全く間違い」というようにあいまいで感覚的な判断をします．エアコンの制御も「暑い」「少し暑い」「ちょうどいい」「少し寒い」「寒い」といった感覚的な判断からONとOFFを決めます．
こうしたあいまいさは視覚的にも分かりやすいメンバーシップ関数を使って表します．例えば，自動車の速度を柔軟に表現できます．
高速（自動車）＝0．4
中速（自動車）＝0．1
低速（自動車）＝0
このファジィ表現により，「自動車がやや高速ならば少し減速する」というような柔軟な推論や制御が可能となります．
電気通信大学 大学院情報理工学研究科 情報・ネットワーク工学専攻
〒182-8585 東京都調布市調布ヶ丘1-5-1 兼岩 憲（kaneiwa(at)uec.ac.jp）