> 【 調査メモ 】物理法則 自動発見・自然科学 仮説 自動推論 する能力をもつ人工知能アーキテクチャ 先行事例 > > 1.最近の研究・開発動向 > (1)「振り子の運動」観測による「運動量保存の法則」と「ニュートンの運動の第2法則」発見 > 米コーネル大学 Hod Lipson氏・Michael Schmidt氏 > > * Michael Schmidt1, Hod Lipson, "Distilling Free-Form Natural Laws from Experimental Data.”, Vol. 324, April 3, 2009. > * Michael Schmidt, Hod Lipson, REPORT Distilling Free-Form Natural Laws from Experimental Data, Science > * Michael Schmidt1, Hod Lipson, "Distilling Free-Form Natural Laws from Experimental Data.” > * WIRED (2009/04/15)『「物理法則を自力で発見」した人工知能』 > > (2) ry 、製薬物質選定 生化学実験の仮説構築 及び 仮説検証実験の実行自動化マシン > > * University of CAMBRIDGE, (2015/02/04)_Artificially-intelligent Robot Scientist ‘Eve’ could boost search for new drugs > * KURZWEIL ACCELERATING INTELLIGENCE, (2015/02/04) ‘Robot scientist’ Eve could speed up search for new drugs > * NEDO海外レポート NO.1114, 2015.5.20 ry 「人工知能ロボット科学者「Eve」が新薬探索を加速(英国) 2015年2月4日」 > > ry 論文で、ロボットが、マラリア、さらにはアフリカ睡眠病やシャーガス病(ry 、Chagas’ disease ry)ry の有望な新薬候補の特定にいかに役立つ ry >ケンブリッジ大学の Cambridge Systems Biology Centre 及び Department of Biochemistry の教授である Steve Oliver 氏は > > ( 中略 ) : 0409YAMAGUTIseisei2018/08/15(水) 19:37:08.83ID:ojBT/raK?2BP(0) >>407-408 > (3) GP 遺伝的プログラミングを用いた「つりあいの法則」の再発見の試み > > * 松原 恒介(知的システムデザイン研究室),「遺伝的プログラミングによる物理法則の発見」月例発表会 Vol. 23(1999年10月) > > はじめに > データマイニングあるいは ry からの知識発見(Knowledge Discovery in Database)は, ry ノイズを含む膨大な生データから,高いレベルで記述された価値ある情報を発見する研究であり,活発に研究 ry [1][2]. > ry 分野の一つとして,物理法則があげられる.未知の体系の実験データから系の特性を表現する普遍的な関係式を求めることは科学的法則発見と呼ばれている. : > ここで中野らは,ニューラルネットを用いたアプローチによって膨大な観測データから物理法則を発見している [4]. > 一方,データマイニングの手法の一つとして遺伝的プログラミング(Genetic Programming,以下 GP)が注目を集めている [5][6][7]. > GP は ry 遺伝的アルゴリズム(Genetic Algorithms,以下 GA)の考え方に基づいて, ry 解の表現を木構造に拡張してプログラムなどの進化を可能にした手法である [8]. : > ここでは物理法則の一つとして「力のつり合いの法則」 ry > まず,力のつり合いの法則からノイズを含まない人工データを作成し,実験を行う. >次に実験装置を作成し,観測データを測定することで実験を行い,それぞれの実験結果を比較検討 > > ( 中略 ) : 0410YAMAGUTIseisei2018/08/15(水) 19:37:55.75ID:ojBT/raK?2BP(0) >>407-409 > 2.過去における代表的な研究・実装例 > BACON > > * Pat Langley (Department of Psychology, Carnegie-Mellon University), Rediscovering Physics With BACON.3 > * Patric k W. Langley (Carnegie-Mellon University), BACON: A PRODUCTION SYSTEM THAT DISCOVERS EMPIRICAL LAWS > * ハーバート・A・サイモン『システムの科学』 > > 古典物理学の再発見 > 非常に興味深い第2の発見システムは、P.LangleyのBACONプログラムである。 > BACONは、多数の数値データの中から不変数(invariants)を発見するプログラムである。 > 太陽から惑星までの距離とそれらの軌道の周期に関するデータが与えられると、そのプログラムは、距離の2乗に対する周期の3乗の比率が、すべての惑星で同一であること(Keplerの第3法則)を発見する。 > それは、回路における電流と抵抗線の長さとの変化量から、Ohmの法則を推論する。 > 同様の方法で気体の法則、Galileoの落体の法則、その他多くのものを見つけだしたのである。 > > AM: Automated Mathematician > > * Wikipedia Automated Mathematician > > The Automated Mathematician (AM) is one of the earliest successful discovery systems.[1] It was created by Douglas Lenat in Lisp,[2] and in 1977 led to Lenat being awarded the IJCAI Computers and Thought Award.[3] > AM worked by generating and modifying short Lisp programs which were then interpreted as defining various mathematical concepts;[4] >for example, a program that tested equality between the length of two lists was considered to represent the concept of numerical equality, >while a program that produced a list whose length was the product of the lengths of two other lists was interpreted as representing the concept of multiplication. The system had ry > > Eurisko > > * Wikipedia Eurisko > > Eurisko (Gr., I discover) is a program written by Douglas Lenat in RLL-1, a representation la 0411YAMAGUTIseisei2018/08/15(水) 19:38:48.25ID:ojBT/raK?2BP(0) >>407-410 > 【 参考 】 > > * WirelessWire News / AI (2015/05/11)脳と人工知能の研究はどこまで進 ry ? ーワークショップ「人工知能による科学・技術の革新」ー > >国立情報研究所(NII)の市瀬龍太郎氏 ry 、AIを科学的発見に用いることはすでに90年代 ry 、主に機械学習の手法でデータをモデル化し、そこから新たに数学理論や物理法則などの発見 ry >。 AIで扱うデータの種類が多様になるにつれて法則の発見も進み、応用範囲も多方面に拡が ry >。 例としては、ネットワークの時系列データからリンクの強弱を解析して法則を見つけるなどがあり、Facebookらがこの手法を用い ry >。 作業の自動化も進んでおり、2009年にサイエンス誌で紹介された実験するロボット「Adam(アダム)」は、あらかじめ与えられた実験に必要な科学知識を元に、適切な実験方法の仮説から選択までを自動で行い、人間が発見できなかった酵素の遺伝子 ry 成功している。 >医療データマイニングでも、同じ薬でも効く人とそうでない人の規則性のような有用な情報を、今までは役に立たないと思われていた検査データの中から自動で発見するのにAIが用いら : >、今後は、計算をさせるコードも人からAIへ移行する必要があるだろう」としている。 > シミュレーションは、医療や人工知能の進化に用いられるが、特に脳独自のノイズ耐性や省エネといった情報処理の機構を解明することが期待されているという。 > > * 鷲尾 隆,元田 浩 「法則式発見 ための連立方程式系の構造解析」 > * 鷲尾 隆,元田 浩 「スケールタイプ制約に基づく科学的法則式の発見」 > * 鷲尾 隆,元田 浩 「属性変量の尺度認知に基づく構成的法則発見手法」 > * 「研究の意図と背景 意図:領域知識を用いずに実験的測定データから第一原理法則式を自動的に発見する実用的方法を提案」 > * (出願特許)出願人:東日本電信電話株式会社 「法則発見方法と装置及び法則発見プログラムを格納した記憶媒体、及びニューラルネット学習方法と装置及びニューラルネット学習プログラムを格納した記憶媒体 0412YAMAGUTIseisei2018/08/15(水) 19:49:42.52ID:ojBT/raK?2BP(0) >>385>>407-411 >> http://rio2016.2ch.net/test/read.cgi/future/1488204290/517# AI-KudouKagaku SekkeiRei
リンク先
> ノーベル賞級の発見をするAI、人の限界を超えた科学研究へ(page 6) > まずは生命科学分野から > 2016/06/17 00:00 > 北野 宏明 システム・バイオロジー研究機構 代表 ソニーコンピュータサイエンス研究所 代表取締役社長 所長 > 出典: 日経エレクトロニクス,2016年7月号 ,pp.97-108 ( : > 科学的発見をなし得る人工知能の作り方 > それでは実際に科学的発見をする機械は、どのように実現 ry >。科学的発見の論理やその過程に関する研究は、Thomas KuhnやCarl Popperらの研究を始めとして多くの研究もあり、 >人工知能分野においてもDiscovery Scienceとして重要 ry >。しかし、 ry 、人間とは違っても良いので、大きな科学的発見を成し遂げるシステムを構築しようというものではなかった。 >我々は、ry 、「大きな科学的発見を可能とする人工知能システムの構築」 ry >、「 ry 仮説空間の大規模探索と検証 ry 」 ry >。機械によって考えられる限りの仮説を生成し、それを他の知識との整合性や実験結果によって検証 ry >。これは、1990年代に著者らが提唱した、超並列人工知能9、10)の思想的背景に近いものである。 : > こうした「 ry (brute force)」 ry 。しかし、これまでの人工知能のグランドチャレンジは、 ry この方法で成功してきた。 チェス ry IBM社の「Deep Blue」も、 ry Watsonも、最近では ry 「AlphaGo」も、 ry ry 、人為的な工夫を入れるよりも、データを生か ry いい結果 ry (図2)。 > 図2 計算機の進歩が人工知能の原動力 : >、ほとんどの人は、これは、あまりに荒唐無稽な絵空事 ry 。 >しかし、少数ながら、具体的な研究の進展を元に、この構想に強く賛同する研究者たち ry >。これは、RoboCupを始めた時も、システムバイオロジーを唱え始めた時も同じだった。 ry 懐疑論 ry 、極めて正常な反応だと思う。しかし、 ry > 最も重要なことは、ビジョンを共有する世界的なネットワークの形成によるプロジェクトの推進である。 > 仮説の生成と検証がコア > ≪ 前のページ 0413YAMAGUTIseisei2018/08/15(水) 19:52:17.03ID:ojBT/raK?2BP(0) >>412 URL 訂正 >> http://techon.nikkeibp.co.jp/atcl/mag/15/398605/061000010/?ST=health&P=6# Kitano 0414オーバーテクナナシー2018/08/15(水) 23:23:06.08ID:FQuC18iK どうやってちゃんと検証するかはむずかしいだろうけど副産物?なだけで 結局AIを作る研究はどうやったら自動で仮説立案できるかなんでしょ? 0415YAMAGUTIseisei2018/08/16(木) 00:42:07.50ID:1f4q6DrW?2BP(0) 自動立案方法 ( 例 ) = >>407 >>> 立案 ( 一般的 NN 応用 ? ) >>> 1. 素材特徴量 抽出 >>> 2. 1. 内のライブラリ関数マップ傾向特徴量 抽出 = 仮説 ( 第一段階 ) >>> >>> 検証 >>> ライブラリ関数パラメータ網羅傾向シミュ ( 創薬系同様 ? ) >>> >>> 立案第二段階可能性 ttp://rio2016.2ch.net/test/read.cgi/future/1478753976/109