WO2016139820A1 - 自律型知能体系構築機 - Google Patents

自律型知能体系構築機 Download PDF

Info

Publication number
WO2016139820A1
WO2016139820A1 PCT/JP2015/062460 JP2015062460W WO2016139820A1 WO 2016139820 A1 WO2016139820 A1 WO 2016139820A1 JP 2015062460 W JP2015062460 W JP 2015062460W WO 2016139820 A1 WO2016139820 A1 WO 2016139820A1
Authority
WO
WIPO (PCT)
Prior art keywords
pattern
patterns
information
relationship
recorded
Prior art date
Application number
PCT/JP2015/062460
Other languages
English (en)
French (fr)
Inventor
洋彰 宮崎
Original Assignee
洋彰 宮崎
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by 洋彰 宮崎 filed Critical 洋彰 宮崎
Publication of WO2016139820A1 publication Critical patent/WO2016139820A1/ja

Links

Images

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N99/00—Subject matter not provided for in other groups of this subclass

Definitions

  • the present invention analyzes the meaning of the input information and the analysis of the relationship with the information recorded in the past by human instruction or learning, associates the information with each other to construct as a knowledge system, and is autonomous with respect to a given problem. Artificial intelligence and software that generate answers using solutions previously taught in the past.
  • Conventional artificial intelligence implements the processing of information in accordance with pre-programmed procedures. It is difficult to implement other than the processing set by the program. In addition, it is difficult to analyze the meaning of the input information and the analysis of the relationship with the information recorded in the past by human instruction or learning, and associate the information with each other to construct a knowledge system. It was also difficult to generate answers using the solutions taught in the past autonomously for a given problem.
  • the machine processes input information, etc.
  • it is realized by incorporating and executing a program created in advance in a program language in a computer mounted on the machine.
  • a program is created so that the corresponding operation is executed when a preset condition is detected. If the condition detection and the corresponding operation are not appropriate, modify the program installed on the computer.
  • Conventionally there is no artificial intelligence and software that analyzes the meaning of the input information and analyzes the relationship with the information recorded in the past by human instruction or learning, and correlating the information with each other to construct a knowledge system. Also, there is no prior art artificial intelligence and software that generates answers using solutions taught in the past autonomously for a given problem. [Problems to be solved by the invention]
  • analysis of the meaning of the input information and analysis of the relationship with the information recorded in the past are carried out by human instruction or learning, and the information is correlated with each other to construct a knowledge system, and autonomously concerning the given problem. It was difficult to generate answers using the solutions taught in the past.
  • the processing of input information is not programmed individually, but is implemented by making a machine learn a method of processing input information, such as a method of constructing a knowledge system and a method of solving a problem.
  • humans teach the methods of processing, and machines record and learn the methods taught by humans. To some extent, as learning progresses, machines will execute processing autonomously.
  • a human confirms the processing result of the machine, notifies the machine if the process is incorrect, and corrects the process as appropriate.
  • Human thinking is expressed by language, but the information expressed by this language is converted into what is called a pattern. When converted to patterns, individual thoughts of human beings can be expressed as individual patterns, and changes in human thinking can be regarded as changes from patterns to patterns.
  • the pattern is not only a representation of the language, but it is also possible to express concepts like sentences and sentences. In addition, it is also possible to generate a signal for driving a driving device to process and operate image information and information, and so on.
  • the range that can be handled is an extremely broad concept. Converting the language that expresses human thinking into patterns, and analyzing patterns and relationships between patterns, the types of sentences (plain sentences, question sentences, imperative sentences, etc.) and features (truths, truths, facts, definitions, rules, etc.) Common sense, explanation, hypothesis, prediction, opinion, impression) can be identified. It is possible to make the machine learn the identification so that the type and feature of the sentence can be identified by humans.
  • the type of sentence By analyzing the words contained in a sentence, the type of sentence can be identified as a plain sentence, an interrogative sentence, an imperative sentence, and the like.
  • human beings teach machines to learn about each of truth, truth, facts, definitions, rules and common sense. This can be implemented by identifying and recording each type of information (truth, truth, fact, definition, rule, common sense) as each information is input to the machine.
  • the identification of the type of other information is that the type of sentence is not recorded as (truth, truth, fact, definition, rule, common sense) and the words included in the sentence ( It can be implemented by analyzing, thinking, thinking, etc.).
  • the meaning of the sentence is the pattern and the pattern It can be expressed in connection relation.
  • Information input from word string to word identification, word attribute, sentence element analysis, sentence structure analysis (subject, predicate, subject modification, predicate modification, modification relation), sentence element and sentence element relationship analysis (Same meaning, definition, opposite meaning, etc.) is implemented, and the relation between information and information meaning is converted to pattern-pattern connection relation by correlating the relation between sentence elements as pattern-pattern connection relation I will.
  • the relation between patterns can be expressed not only for sentences and sentences but also for sentences and sentences, sentences and sentences.
  • a pattern-pattern connection relation can express various relations such as logical relation, definition, relation of attribution, similar relation, relation between action and result, development of inference, etc.
  • Inheritance of attribute common Inheritance of features and identification of individual features can also be expressed flexibly.
  • the relationship between information and information has various relationships, the relationship between information (the same meaning, definition, opposite meaning, similarity, logic, cause, result, detail, summary, summary, related information, etc.)
  • the meaning is analyzed from the words contained in the information, and a pattern indicating the meaning equivalent to the information is generated.
  • This pattern is generated while maintaining the subject, predicate, subject modification, predicate modification, and modification relationship of the sentence. The generated pattern is used to compare with the recorded pattern, and analysis is performed to determine whether or not the related pattern exists.
  • the machine records the information as explanation or hypothesis, and by obtaining other information in the future, it can be logically evaluated as a combination of truth, truth, fact, definition, rule and common sense as evaluated information. Identify and record. In this way, information is converted into patterns, information types, features are identified, classified and recorded, and information-information relationships (logical relationships, similar relationships, reciprocal relationships, analogies, various relationships, etc.) Information can be constructed as a knowledge system by expressing it as a pattern-pattern connection relation. By constructing information as a knowledge system in this way, it is possible to learn about problem solving methods and improve knowledge. First, analyze the problem, clarify the problem and set the intermediate and final goals of the problem solution. Next, extract and apply a solution for solving the problem.
  • the situation after application is evaluated, and if the goal of problem solving is reached, the process is completed. If the problem solving goal has not been reached, apply the above process to the new state again and bring it closer to the problem solving goal.
  • Analysis of problems and clarification of problems are implemented by learning how to detect and identify the difference between the target state and the current state.
  • the solution plan corresponding to each problem is also implemented by learning the corresponding processing. Learning is performed by recording the history of pattern transitions. The content taught by humans is recorded as a pattern-to-pattern transition. As learning progresses, the taught process is autonomously executed as a pattern-to-pattern transition, and the taught content is executed.
  • FIG. 1 is a diagram showing the configuration of an autonomous intelligence generator according to an embodiment of the present invention.
  • reference numeral 1 denotes a pattern converter for converting information into a pattern.
  • Reference numeral 2 denotes a pattern recorder which records patterns, connection relationships between patterns, and relationships between patterns.
  • Reference numeral 3 denotes a pattern registration unit which registers and changes patterns and connection relationships between patterns by human instruction or autonomously.
  • a pattern controller 4 controls processing of the pattern.
  • Reference numeral 5 is a pattern reverse converter which converts a pattern into information.
  • 6 is a pattern analyzer that analyzes patterns and relationships between patterns.
  • a pattern converter 1 converts information into a pattern.
  • the converted pattern is analyzed in the meaning of the pattern, and processing according to the analysis result is performed in the pattern controller 4.
  • the second pattern recorder records patterns, connection relationships between patterns, and relationships between patterns.
  • the pattern register 3 performs registration and change of patterns.
  • the input pattern is collated with the recording module of the pattern recorder to check whether the associated pattern is recorded. If the same or equivalent pattern as the input pattern is recorded, the corresponding pattern is excited, and if not recorded, it is registered and excited as a new pattern.
  • the history of the excited pattern is recorded on the pattern illuminator 7.
  • the recording module connection relationship recording section strengthens the connection relationship with the related pattern by transferring / accumulating or using the history of the previously excited pattern. Furthermore, the pattern irradiator irradiates the history of excitation from the present time to the past set up in the past to the connection relationship recording part of each recording module, and the correlation between the history data of excitation and data on inter-pattern connection recorded in the connection relationship recording part Excite a large recording module. In the initial stage, pattern-to-pattern connection generation is performed according to human instruction. Humans sequentially generate patterns and connections between patterns corresponding to necessary information from the three pattern registrars.
  • the processing of input information is not programmed individually, but implemented by making a machine learn a method of processing input information, such as a method of constructing a knowledge system and a method of solving a problem.
  • humans teach the methods of processing, and machines record and learn the methods taught by humans. To some extent, as learning progresses, machines will execute processing autonomously.
  • a human confirms the processing result of the machine, notifies the machine if the process is incorrect, and corrects the process as appropriate.
  • Human thinking is expressed by language, but the information expressed by this language is converted into what is called a pattern. When converted to patterns, individual thoughts of human beings can be expressed as individual patterns, and changes in human thinking can be regarded as changes from patterns to patterns.
  • the pattern is not only a representation of the language, but it is also possible to express concepts like sentences and sentences.
  • the range that can be handled is an extremely broad concept.
  • FIG. 2 shows an example of a pattern. Organize the input sentences into a main part (subject and subject modifications) and a predicate (predicates and predicate modifications). Organizing and storing in this way is very useful for retrieving information.
  • FIG. 3 shows an example in which the meanings of the words are arranged as described above.
  • FIG. 4 is an illustration of the explanation of the meaning of a word by connection between patterns. Words are defined in a hierarchy that explains the meaning of the words. More detailed meanings are defined in the next hierarchy as needed.
  • FIG. 4 describes the method of composing patterns and connection of patterns with respect to the meaning of words, it is also possible to organize the outline of sentences and their details hierarchically by using sentences and sentences instead of words. is there.
  • FIG. 5 shows the relationship of FIG. 4 in a configuration diagram.
  • the pattern can also express mathematical expressions, chemical formulas, etc. in addition to sentences.
  • FIG. 6 shows an expression example of an equation
  • FIG. 7 shows an expression example of a
  • connection between patterns can express many relationships. 8 to 10 show examples of connection relations.
  • FIG. 8 shows logical relationships, definitions, relationships of attribution and similar relationships.
  • FIG. 9 shows the inheritance of attributes and the relationship between effects and results.
  • FIG. 10 illustrates the development of inference and the inheritance of common features and the identification of individual features.
  • FIGS. 11 and 12 show the relationships of FIGS. 8 to 10 in configuration diagrams. It is possible to structurally express knowledge by utilizing such a connection relation.
  • FIG. 13 shows chemical reactions and features arranged in connection between patterns. When the information is organized structurally in this way, the information is not recorded alone but is recorded as a knowledge system having a relationship between the information and the information. By constructing information as a knowledge system in this manner, it becomes easy to analyze causes, actions, results, similar events, correlations, relationships, etc. by utilizing the connection between patterns.
  • FIG. 14 shows the relationship of FIG. 13 in a configuration diagram.
  • the identification of the type of other information is that the type of sentence is not recorded as (truth, truth, fact, definition, rule, common sense) and the words included in the sentence ( It can be implemented by analyzing, thinking, thinking, etc.).
  • the meaning of the sentence is the pattern and the pattern It can be expressed in connection relation.
  • Information input from word string to word identification, word attribute, sentence element analysis, sentence structure analysis (subject, predicate, subject modification, predicate modification, modification relation), sentence element and sentence element relationship analysis Implement the same meaning, definition, opposite meaning, etc., and convert the relationship between information and the meaning of information into a connection relationship between patterns and patterns by correlating the relationship between sentence elements as a connection relationship between patterns and patterns I will.
  • the relation between patterns can be expressed not only for sentences and sentences but also for sentences and sentences, sentences and sentences.
  • a pattern-pattern connection relation can express various relations such as logical relation, definition, relation of attribution, similar relation, relation between action and result, development of inference, etc.
  • Inheritance of attribute common Inheritance of features and identification of individual features can also be expressed flexibly.
  • FIG. 15 shows an operation of generating a pattern from the input information, converting it into a pattern equivalent in meaning to the pattern, and detecting features of each pattern. In the figure, it is assumed that patterns [PA] and [[PA]] equivalent in meaning to pattern PA are generated.
  • [PA] and [[PA]] can be easily generated as shown for the structure of the meaning of the word in FIG.
  • the patterns of [PA] and [[PA]] which are equivalent meanings to PA, are also excited, and the patterns showing the features of PA are excited.
  • the feature of pattern PA is evaluation 2
  • the pattern of evaluation 2 is excited by the teaching.
  • the history of excitation of PA, [PA], [[PA]] is transferred to the connection relation recording part of the pattern of evaluation 2, and the connection relation is strengthened.
  • FIG. 16 shows how feature detection is learned when the feature of the pattern PB is evaluation 3.
  • FIG. 17 shows learning of relationship analysis between patterns.
  • the relationship between transitions of pattern PA to pattern PB is relationship 3. Learning about this relationship excites PA, [PA], [[PA]], then excites PB, [PB], [[PB]], and then excites the pattern of relationship 3.
  • connection relation recording part of relation 3 The connection relationship with relationship 3 is strengthened corresponding to the transition.
  • FIG. 18 shows an operation of analyzing relationships between information and autonomously generating connection relationships. It is assumed that word strings are sequentially input as input information. At this time, the word input in the word detection area is sequentially detected, and the corresponding pattern is excited. The history of word excitation is recorded on the pattern irradiator, and words matching the history pattern will be excited. When a word is excited, the corresponding part of speech is excited. The history of excitation of parts of speech is also sequentially recorded in the pattern irradiator, and identification of sentence elements is carried out from the pattern of the history of parts of speech. Further, the relation between the sentence element and the sentence element identifies the subject, the subject modification, the predicate modification, the predicate and the modification relation (what is to be modified).
  • identifications make the subject, predicate, subject, predicate, modifier, and modification relation clear. Also, identification of the relationship between sentence elements and sentence elements is performed. For example, when analyzing the sentence [A is B], it is configured as [[A] [is] [B] [is]] and can be expressed by the connection relation of [A] ⁇ [B] . Also, the sentence [A is B] has a structure of [[A] [] [B] [[]]], and can be expressed by a connection relation of [A] ⁇ [B]. Thus, by identifying the relationship between the sentence element and the sentence element, the semantic relation between the main part and the predicate contained in the sentence can be expressed by the connection relation.
  • connection relation is identified from the sentence element and the sentence element in the above, the relation between the sentence and the sentence, and the sentence and the sentence can also be identified.
  • the sentence [[Because A] became B] is configured as [[A] [so] [B] [become]], [A] is the cause, and [B] is the result It can be identified that it is a relationship.
  • connection relations can be clarified, and patterns and pattern connections can be generated autonomously. These connection relationships have a pattern-pattern relationship identified, and have a structure in which the semantic relationship is clarified.
  • the machine records the information as explanation or hypothesis, and by obtaining other information in the future, it can be logically evaluated as a combination of truth, truth, fact, definition, rule and common sense as evaluated information. Identify and record. In this way, information is converted into patterns, information types, features are identified, classified and recorded, and information-information relationships (logical relationships, similar relationships, reciprocal relationships, analogies, various relationships, etc.) Information can be constructed as a knowledge system by expressing it as a pattern-pattern connection relation.
  • FIG. 20 shows processing when new information is input.
  • the operation is shown in FIG. 21 to FIG.
  • FIG. 21 shows how new information Pin is input and a pattern [Pin] having the same meaning as the input information is generated.
  • the semantic network of words is irradiated for each main part (subject, subject modification) and predicate (predicate, predicate modification) of the new information, and a pattern [Pin] having a meaning equivalent to the input information is generated.
  • FIG. 22 shows an operation of searching for related information recorded in the past using [Pin]. The figure shows that Prel is searched as related information.
  • FIG. 23 shows the use of Prel to generate [Prel] having the same meaning as Prel.
  • FIG. 24 shows an operation of comparing and evaluating the input information and the related information recorded.
  • the construction of the evaluator can be carried out by the procedure described in FIG.
  • necessary related information can be searched by irradiating the input information to a network such as truth, facts, definitions, rules, expert knowledge, common sense, etc. .
  • a network such as truth, facts, definitions, rules, expert knowledge, common sense, etc.
  • the pattern is applied to the recording area in which the relevant information in the special field is stored, thereby the type of problem, the procedure for solving the problem, the relevant special knowledge, etc. By using these, it is possible to solve problems using the recorded knowledge.
  • FIGS. 25 to 30 show an example of solving the problem of physics utilizing the above-described knowledge system.
  • the sentence problem of mechanics shown in FIG. 25 will be mentioned.
  • the meaning of the input problem sentence is interpreted professionally (mechanically), and the conventional means for solving the problem of mechanics (1.
  • Find the force applied to the object. 2. Convert it into a mathematical expression.
  • 3 Create an equation of motion 4. Solve the equation of motion)
  • the patterns for performing the actions necessary to execute each step are excited, and each state is changed toward the intermediate goal. When each process is completed, the next process is started, and the state is further changed toward solution.
  • FIG. 26 shows the transition of the above process by the transition of a pattern.
  • P1 indicates a pattern corresponding to the problem
  • P4, P5, and P7 indicate knowledge of mechanics
  • P6 indicates a pattern corresponding to the procedure for solving the mechanical problem.
  • the detailed contents of each pattern are shown in FIG. 27 to FIG.
  • Problem P1 changes patterns to P2 and P3 through semantic equivalent transformation.
  • the procedure P6 for solving the dynamical problem successively acts on each pattern, and in P6-2, the force to be applied to the mass M extracts something from the pattern of the problem sentence.
  • the force applied to the object is determined as a language pattern
  • knowledge of mechanics is used to convert the elements of each force into mathematical expressions.
  • P6-5 acts to convert it into an equation of motion.
  • the equation of motion is rearranged at P6-6 and converted to the differential equation P8-1.
  • the solution of P8-1 is transformed to P9-1 by mathematical knowledge. It is FIG. 30 which showed the above pattern transition with the block diagram.
  • FIG. 31 to 36 show examples of solving the problem of translating Japanese into English. In this example they live in a house standing on a hill. It is a problem to translate the sentence] into English. For English translation, [They live in a house which stands on a hill. ].
  • P1 is a pattern corresponding to Japanese.
  • P2 is a pattern corresponding to a part of speech corresponding to a Japanese word.
  • P3 is a pattern corresponding to a sentence element generated from a combination of parts of speech.
  • E1 is a pattern obtained by converting sentence elements into English.
  • E2 is a pattern which is rearranged according to the word order of English. The detailed contents of the pattern are shown in FIG. 32 to FIG. In FIG. 18 to FIG.
  • the analysis of the meaning of the input information and the analysis of the relationship with the information recorded in the past are carried out by human instruction or learning, and useful information is associated with each other to construct a knowledge system. It is possible to generate answers autonomously using solutions taught in the past with regard to the problem in question.
  • conventionally when making a machine process input information, it is necessary to set a program in advance in a computer. It was necessary to create a program that determines the condition from the input information and a program that causes the machine to operate according to each condition, and install and execute it on a computer installed in the machine. The program needs to be created in a dedicated programming language, and has the disadvantage of requiring a lot of time for development.
  • the program installed in the computer needs to be corrected by a human, and there is a disadvantage that the correction takes a lot of time.
  • processing is performed by learning how to process information, so there is no need to program sequentially.
  • the machine records and learns the method of processing, so that labor can be greatly reduced.
  • it is possible to cope with the change of processing by changing the pattern and the connection between the patterns without changing the program, so the system is very flexible and highly responsive.
  • Example of pattern expression Example of arrangement of semantic analysis of words Express semantic analysis of words by connecting patterns Express the semantic analysis of words by connecting patterns (represented by the configuration diagram)
  • Example of pattern expression (equation)
  • Example of pattern expression (chemical formula)
  • Example of connection relation (logical relation, definition, relation of attribution, similar relation)
  • Example of connection relation (attribute inheritance, relation between action and result)
  • Example of connection relation (inference development, inheritance of common features and identification of individual features)
  • Example of connection relationship represented by configuration diagram) (part 1)
  • Example of connection relationship represented by configuration diagram) (part 2) Express chemical reactions and features by connecting patterns Express chemical reactions and features by connecting patterns (represented by configuration diagram)
  • Pattern Feature Detection Part 1
  • Pattern Feature Detection Part 2 Relationship analysis between patterns
  • Operation example of analyzing relationship between information and generating connection autonomously Part 1
  • Example of operation that analyzes relationship between information and generates connection autonomously Part 2 Processing example when new information is input
  • Operation example of processing when new information is input (part 1)

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • Mathematical Physics (AREA)
  • Physics & Mathematics (AREA)
  • Computing Systems (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Software Systems (AREA)
  • Data Mining & Analysis (AREA)
  • Evolutionary Computation (AREA)
  • Computational Linguistics (AREA)
  • Artificial Intelligence (AREA)
  • Machine Translation (AREA)

Abstract

【課題】　従来は機械に入力情報の処理等を行わせる場合、計算機にあらかじめプログラムを設定する必要があった。また、入力された情報の意味の分析および過去に記録した情報との関係の分析を実施し、情報を互いに関連づけて知識体系として構築することは困難であった。 【解決手段】　パターン、パターン間の接続関係およびパターン間の関係を記録する記録モジュールから構成されたパターン記録器と、パターンの励起の履歴を記録し、パターンが励起した時に、それ以前に励起したパターンの履歴を記録モジュールの接続関係記録部に転写・蓄積または使用することにより励起に関連したパターンとの接続関係を強化し、現時点から設定した過去までの励起パターンの履歴のデータを記録したパターン間の接続関係のデータと照合させ、相関が大きい記録モジュールを励起するパターン照射器と、パターンおよびパターン間の関係を分析するパターン分析器とを備える。

Description

自律型知能体系構築機
　この発明は入力された情報の意味の分析および過去に記録した情報との関係の分析を人間の指示または学習により実施し、情報を互いに関連づけて知識体系として構築するとともに、与えられた問題に関して自律的に過去に教示された解決方法を使って回答を生成する人工知能およびソフトウェアに関するものである。
　従来の人工知能は、情報の処理をあらかじめプログラムされた手順に沿って実施する。プログラムで設定された処理以外の実施は困難である。また、入力された情報の意味の分析および過去に記録した情報との関係の分析を人間の指示または学習により実施し、情報を互いに関連づけて知識体系として構築することは困難であった。また、与えられた問題に関して自律的に過去に教示された解決方法を使って回答を生成することも困難であった。
　従来は機械に入力情報の処理等を行わせる場合、計算機にあらかじめプログラムを設定する必要があった。入力した情報から状況を判断するプログラム、個々の条件に応じて機械に動作させるプログラムを作成し、機械に搭載した計算機にインストールし実行する必要があった。プログラムは専用のプログラム言語により作成する必要があり、開発に多大な時間を要する等のデメリットがあった。また、入力された情報の意味の分析および過去に記録した情報との関係の分析を人間の指示または学習により実施し、情報を互いに関連づけて知識体系として構築することは困難であった。また、与えられた問題に関して自律的に過去に教示された解決方法を使って回答を生成することは困難であった。
　本発明では人間の指示および学習により情報および情報の構造を分析・記録する処理を実施し、情報間の関係をパターン間の接続関係およびパターン間の処理により知識体系として構築していく。また、与えられた問題に関して自律的に過去に教示された解決方法を使って回答を生成していく。
［従来の技術］
　機械に入力情報の処理等を行わせる場合、機械に搭載した計算機にあらかじめプログラム言語により作成したプログラムを組込み、実行することにより実現する。あらかじめ設定された条件が検出されると対応する動作が実行されるようにプログラムを作成する。条件の検出および対応する動作が適切でなければ、計算機にインストールしたプログラムを修正する。
　入力された情報の意味の分析および過去に記録した情報との関係の分析を人間の指示または学習により実施し、情報を互いに関連づけて知識体系として構築する人工知能およびソフトウェアは従来無い。
　また、与えられた問題に関して自律的に過去に教示された解決方法を使って回答を生成する人工知能およびソフトウェアは従来無い。
［発明が解決しようとする課題］
　従来は機械に入力情報の処理等を行わせる場合、計算機にあらかじめプログラムを設定する必要があった。入力した情報から状況を判断するプログラム、個々の条件に応じ機械に動作させるプログラムを作成し、機械に搭載した計算機にインストールし実行する必要があった。プログラムは専用のプログラム言語により作成する必要があり、開発に多大な時間を要する等のデメリットがあった。条件の検出および対応する動作が適切でなければ、計算機にインストールしたプログラムを人間が修正する必要があり、修正に多大な時間を要する等のデメリットがあった。
　また、入力された情報の意味の分析および過去に記録した情報との関係の分析を人間の指示または学習により実施し、情報を互いに関連づけて知識体系として構築するとともに、与えられた問題に関して自律的に過去に教示された解決方法を使って回答を生成することは困難であった。
　本発明では入力情報の処理を個々にプログラムするのではなく、機械に知識体系の構築の方法および問題解決の方法等、入力情報の処理の方法を学習させることにより実施する。初期では人間が処理の方法を教示し、機械は人間から教示された方法を記録、学習していく。ある程度、学習が進むと機械は自律的に処理を実行するようになる。機械の処理結果を人間が確認し、処理が誤っていれば機械に通知し、処理の修正を適宜行う。
　人間の思考は言語により表現されるが、この言語により表現された情報をパターンと呼ぶものに変換する。
　パターンという形に変換すると人間の個々の思考は個々のパターンとして表現することができ、人間の思考の変遷はパターンからパターンへの変化としてとらえることができる。
パターンは単に言語を表現したものだけではなく、文および文章のように概念を表現することも可能である。また、画像情報、情報の処理および動作を行うために駆動装置を駆動するための信号を生成することも可能である等、扱うことができる範囲が非常に広い概念である。
　人間の思考を表現する言語をパターンに変換し、パターンおよびパターン間の関係を分析すると、文の種類（平常文、疑問文、命令文等）および特徴（真理、真実、事実、定義、規則、常識、説明、仮説、予測、意見、感想）を識別することができる。
文の種類および特徴は人間が識別できるように、機械にも識別を学習させることが可能である。文の種類は文に含まれる単語を分析することにより、平常文、疑問文、命令文等の識別が可能である。文の特徴のうち、真理、真実、事実、定義、規則、常識については個々に関して人間が教示して機械に学習させる。これは各情報を機械に入力する際に、個々の情報の種類（真理、真実、事実、定義、規則、常識）についても識別して記録することにより実施できる。その他の情報の種類（説明、仮説、予測、意見、感想）の識別は文の種類が（真理、真実、事実、定義、規則、常識）として記録されていないことと、文に含まれる単語（だろう、考える、思う・・等）を分析することにより実施することができる。
　言語をパターンに変換し、文を構成する単語に対応するパターンの集合として表現し、単語間の意味的な関係をパターンとパターンとの接続関係で表現すると、文のもつ意味をパターンとパターンの接続関係で表現することができる。
入力した情報は語列から単語の識別、単語の属性、文要素の分析、文の構造分析（主語、述語、主語の修飾、述語の修飾、修飾の関係）、文要素と文要素の関係分析（同じ意味、定義、反対の意味等）が実施され、文要素と文要素の関係をパターンとパターンの接続関係として対応付けることにより、情報と情報の意味の関係をパターンとパターンの接続関係に変換していく。パターンとパターンの関係は文要素と文要素だけでなく、文と文、文章と文章の関係についても表現することができる。これは、パターンをグループ化したものを新たなパターンとして定義することにより実施できる。
パターンとパターンの接続関係は論理関係、定義、帰属の関係、類似の関係、作用と結果の関係、推論の展開等、様々な関係を表現することが可能であり、また属性の継承、共通的特徴の継承と個々の特徴の識別ということも柔軟に表現することができる。
このように情報と情報の関係をパターンとパターンとの接続関係として定義していくことにより、情報は単独の状態で記録するのではなく、他の情報との関係をもった知識体系として記録することが可能となる。
情報と情報の関係は多岐の関係を有することになるが、情報間の関係（同じ意味、定義、反対の意味、類似、論理、原因、結果、詳細、概略、要約、関連情報等）をパターンの各処理フェーズ（思考プロセスの段階に対応）において適切なものを選択することにより、パターンからパターンの遷移を適切に制御することができる。
　情報が入力されると情報に含まれている単語から意味を分析し、情報と等価な意味を示すパターンを生成する。このパターンは文の主語、述語、主語の修飾、述語の修飾、修飾関係を維持した状態で生成する。この生成したパターンを使って記録されているパターンと照合を行い、関連するパターンが存在するか否かの分析を行う。このように意味レベルで情報の検索を行うことができるので、文言が一致しなくても内容的の関連のある情報を検索することが可能となる。
　新規に入力した情報は既に記録している知識体系と照合し、整合性および新規性について評価することができる。真理、真実、事実、定義、規則および常識として識別し、記録している情報と整合しない場合は、その情報は誤っている可能性が高い。一方、整合しているか整合していないかの判断ができない場合は、その情報を判断できるだけの知識が未だ蓄えられていないと考えられるため、人間の判断を求めることにする。人間がその情報は正しいと判断できる場合は、その結果を機械に通知することとする。機械はその情報を説明または仮説という位置づけで記録し、将来的に別の情報を得ることにより、真理、真実、事実、定義、規則および常識の組合せで論理展開できた時に、評価済みの情報として識別し、記録することとする。
このように、情報をパターンに変換し、情報の種類、特徴を識別、分類して記録し、情報と情報の関係（論理的な関係、類似関係、相反関係、類推等、様々な関係）をパターンとパターンの接続関係として表現することにより、情報を知識体系として構築することができる。
　このように情報を知識体系として構築すると、問題解決方法についても学習し、知識を向上させることができる。まず、問題を分析し問題点の明確化および問題解決の中間目標および最終目標を設定する。次に問題点を解決するための解決策案を抽出し適用する。適用後の状況を評価し、問題解決の目標に到達すれば処理としては完了になる。問題解決の目標に到達していなければ、再度新しい状態に対し、上記のプロセスを適用し、問題解決の目標に近づけていく。
問題の分析および問題点の明確化は目標とする状態と現状の差異を検出、識別する方法を学習することにより実施する。また、各問題に対応する解決策案も対応する処理を学習することにより実施する。
学習はパターンの遷移の履歴を記録することにより行う。人間が教示した内容はパターンからパターンへの遷移として記録される。学習が進むと、教示したプロセスはパターンからパターンへの遷移として自律的に実行され、教示した内容が実行されることになる。
　図１はこの発明の一実施例における自律型知能生成機の構成を示した図である。
図１において１は情報をパターンに変換するパターン変換器である。２はパターン、パターン間の接続関係、パターン間の関係を記録するパターン記録器である。３はパターンおよびパターン間の接続関係を人間の指示または自律的に登録および変更するパターン登録器である。４はパターンの処理を制御するパターン制御器である。５はパターンを情報に変換するパターン逆変換器である。６はパターンおよびパターン間の関係を分析するパターン分析器である。７はパターンの励起の履歴を記録し、パターンが励起した時に、それ以前に励起したパターンの履歴を記録モジュールの接続関係記録部に転写・蓄積または使用することにより励起に関連したパターンとの接続関係を強化し、現時点から設定した過去までの励起パターンの履歴のデータを各記録モジュールの接続関係記録部に記録したパターン間の接続関係のデータと照合させ、相関が大きい記録モジュールを励起するパターン照射器である。
　次に動作について説明する。
図１において１のパターン変換器は情報をパターンに変換する。変換されたパターンはパターンの意味が分析され分析結果に応じた処理が４のパターン制御器において実施される。２のパターン記録器はパターン、パターン間の接続関係、パターン間の関係を記録する。３のパターン登録器はパターンの登録および変更を実施する。入力したパターンをパターン記録器の記録モジュールと照合し、関連するパターンが記録されているか否かの確認を行う。入力したパターンと同じ、または同等のパターンが記録されていれば該当のパターンを励起し、記録されていなければ新規パターンとして登録し励起する。励起したパターンの履歴は７のパターン照射器に記録される。ある記録モジュールが励起すると、その記録モジュールの接続関係記録部に、それ以前に励起したパターンの履歴を転写・蓄積または使用して関連パターンとの接続関係を強化する。さらにパターン照射器は現時点から設定した過去までの励起の履歴を各記録モジュールの接続関係記録部に照射し、励起の履歴データと接続関係記録部に記録されているパターン間接続に関するデータとの相関が大きい記録モジュールを励起する。初期段階においてはパターンとパターンの接続生成は人間からの教示により実施する。人間は３のパターン登録器から必要な情報に対応するパターンおよびパターン間の接続を逐次、生成していく。
　本発明では入力情報の処理を個々にプログラムするのではなく、機械に知識体系の構築の方法および問題解決の方法等、入力情報の処理の方法を学習させることにより実施する。初期では人間が処理の方法を教示し、機械は人間から教示された方法を記録、学習していく。ある程度、学習が進むと機械は自律的に処理を実行するようになる。機械の処理結果を人間が確認し、処理が誤っていれば機械に通知し、処理の修正を適宜行う。
　人間の思考は言語により表現されるが、この言語により表現された情報をパターンと呼ぶものに変換する。パターンという形に変換すると人間の個々の思考は個々のパターンとして表現することができ、人間の思考の変遷はパターンからパターンへの変化としてとらえることができる。
パターンは単に言語を表現したものだけではなく、文および文章のように概念を表現することも可能である。また、画像情報、情報の処理および動作を行うために駆動装置を駆動するための信号を生成することも可能である等、扱うことができる範囲が非常に広い概念である。
図２はパターンの例について示している。入力した文は主部（主語と主語の修飾）および述部（述語と述語の修飾）に整理する。このように整理して格納すると情報を検索する上で非常に有益である。図３は単語の意味を上記に述べた形で整理した例を示している。図４は単語の意味の説明をパターン間の接続で表現したものである。単語は単語の意味を説明する階層で意味を定義される。必要に応じ次の階層において、さらに詳細な意味が定義される。図４は単語の意味に関してパターンとパターンの接続で構成する方法について説明したが、単語の代わりに文および文章とすることにより、文章の概要と、その詳細を階層的に整理することも可能である。図５は図４の関係を構成図で表現したものである。
パターンは文以外に数式、化学式等を表現することも可能である。図６は方程式の表現例について、図７は化学式の表現例について示している。
　パターン間の接続は数々の関係を表現することが可能である。図８~図１０は接続関係の例について示したものである。図８は論理関係、定義、帰属の関係および類似の関係について示している。図９は属性の継承および作用と結果の関係について示している。図１０は推論の展開および共通的特徴の継承と個々の特徴の識別について示している。図１１および図１２は図８~図１０の関係を構成図において表現したものである。
　このような接続関係を活用すると知識を構造的に表現することが可能となる。図１３は化学反応および特徴についてパターン間の接続関係で整理したものである。このように構造的に情報を整理すると情報が単独に記録されるのではなく、情報と情報との間に関係性をもった知識体系として記録されることになる。このように情報を知識体系として構築することにより、原因、作用、結果、類似の事象、相関、関連性等の分析等をパターン間の接続関係を活用して実施することが容易となる。図１４は図１３の関係を構成図で表現したものである。
　人間の思考を表現する言語をパターンに変換し、パターンおよびパターン間の関係を分析すると、文の種類（平常文、疑問文、命令文等）および特徴（真理、真実、事実、定義、規則、常識、説明、仮説、予測、意見、感想）を識別することができる。
文の種類および特徴は人間が識別できるように、機械にも識別を学習させることが可能である。文の種類は文に含まれる単語を分析することにより、平常文、疑問文、命令文等の識別が可能である。文の特徴のうち、真理、真実、事実、定義、規則、常識については個々に関して人間が教示して機械に学習させる。これは各情報を機械に入力する際に、個々の情報の種類（真理、真実、事実、定義、規則、常識）についても識別して記録することにより実施できる。その他の情報の種類（説明、仮説、予測、意見、感想）の識別は文の種類が（真理、真実、事実、定義、規則、常識）として記録されていないことと、文に含まれる単語（だろう、考える、思う・・等）を分析することにより実施することができる。
　言語をパターンに変換し、文を構成する単語に対応するパターンの集合として表現し、単語間の意味的な関係をパターンとパターンとの接続関係で表現すると、文のもつ意味をパターンとパターンの接続関係で表現することができる。
入力した情報は語列から単語の識別、単語の属性、文要素の分析、文の構造分析（主語、述語、主語の修飾、述語の修飾、修飾の関係）、文要素と文要素の関係分析（同じ意味、定義、反対の意味等）を実施し、文要素と文要素の関係をパターンとパターンの接続関係として対応付けることにより、情報と情報の意味の関係をパターンとパターンの接続関係に変換していく。パターンとパターンの関係は文要素と文要素だけでなく、文と文、文章と文章の関係についても表現することができる。これは、パターンをグループ化したものを新たなパターンとして定義することにより実施できる。
パターンとパターンの接続関係は論理関係、定義、帰属の関係、類似の関係、作用と結果の関係、推論の展開等、様々な関係を表現することが可能であり、また属性の継承、共通的特徴の継承と個々の特徴の識別ということも柔軟に表現することができる。
このように情報と情報の関係をパターンとパターンとの接続関係として定義していくことにより、情報は単独の状態で記録するのではなく、他の情報との関係をもった知識体系として記録することが可能となる。
情報と情報の関係は多岐の関係を有することになるが、情報間の関係（同じ意味、定義、反対の意味、類似、論理、原因、結果、詳細、概略、要約、関連情報等）をパターンの各処理フェーズ（思考プロセスの段階に対応）において適切なものを選択することにより、パターンからパターンの遷移を適切に制御することができる。
　情報が入力されると情報に含まれている単語から意味を分析し、情報と等価な意味を示すパターンを生成する。このパターンは文の主語、述語、主語の修飾、述語の修飾、修飾関係を維持した状態で生成する。この生成したパターンを使って記録されているパターンと照合を行い、関連するパターンが存在するか否かの分析を行う。このように意味レベルで情報の検索を行うことができるので、文言が一致しなくても内容的の関連のある情報を検索することが可能となる。
図１５は入力した情報からパターンを生成し、そのパターンと意味が等価なパターンに変換し各パターンの特徴を検出していく動作について示したものである。図においてパターンＰＡと意味が等価なパターン［ＰＡ］および［［ＰＡ］］が生成されるとする。［ＰＡ］および［［ＰＡ］］は図４において単語の意味の構造について示したように容易に生成することができる。ＰＡの特徴を検出することを学習させるために、ＰＡと等価な意味である［ＰＡ］および［［ＰＡ］］のパターンも励起させ、ＰＡの特徴を示すパターンを励起する。パターンＰＡの特徴が評価２であるとすると、教示により評価２のパターンを励起する。この時、評価２のパターンの接続関係記録部にＰＡ，［ＰＡ］，［［ＰＡ］］の励起の履歴が転写され、接続関係が強化される。図１６では、同様にパターンＰＢの特徴が評価３である場合において、特徴検出を学習させる様子を示している。ＰＢと意味が等価であるパターン［ＰＢ］，［［ＰＢ］］を生成し、パターンＰＢ，［ＰＢ］，［［ＰＢ］］を励起した後に評価３を励起することにより、評価３の接続関係記録部にパターンＰＢ，［ＰＢ］，［［ＰＢ］］との接続関係が強化される様子を示している。
図１７はパターン間の関係分析の学習について示している。パターンＰＡからパターンＰＢの遷移の関係は関係３であるとする。この関係についての学習はＰＡ，［ＰＡ］，［［ＰＡ］］の励起後にＰＢ，［ＰＢ］，［［ＰＢ］］を励起させ、さらにその後に関係３のパターンを励起する。この時、関係３の接続関係記録部にパターンＰＡ，［ＰＡ］，［［ＰＡ］］の励起後にＰＢ，［ＰＢ］，［［ＰＢ］］が励起していることが記録され、この励起の遷移に対応して関係３との接続関係が強化される。このようにパターンを逐次、励起することによりパターン間の接続、特徴分析、関係分析等の学習を行うことができる。
図１８は情報間の関係を分析し接続関係を自律的に生成していく動作について示したものである。入力情報として語列が逐次、入力されるとする。この時、語検出領域において入力された語が逐次、検出され該当するパターンが励起する。語の励起の履歴はパターン照射器に記録され、履歴のパターンと合致した単語が励起することになる。単語が励起すると、対応する品詞が励起する。品詞の励起の履歴も逐次、パターン照射器に記録され、品詞の履歴のパターンから文要素の識別が実施される。さらに文要素と文要素の関係から主語、主語の修飾、述語の修飾、述語および修飾関係（何を修飾しているのか）が識別される。これらの識別により主部、述部、主語、述語、修飾語および修飾関係が明確になる。また、文要素と文要素の関係についての識別も実施される。例えば、［ＡはＢである］という文を分析すると、［［Ａ］［は］［Ｂ］［である］］という構成になっており、［Ａ］⇒［Ｂ］という接続関係で表現できる。また、［ＡはＢという］という文は［［Ａ］［は］［Ｂ］［という］］という構成になっており、［Ａ］⇔［Ｂ］という接続関係で表現できる。このように文要素と文要素の関係を識別することにより、文に含まれている主部と述部の意味的な関係が接続関係で表現することができる。以上では文要素と文要素から接続関係を識別しているが、文と文、文章と文章の関係についても、識別することが可能である。例えば、［ＡなのでＢとなった］という文章は［［Ａ］［なので］［Ｂ］［となった］］という構成になっており、［Ａ］は原因であり、［Ｂ］はその結果という関係であることが識別できる。このように文および文章の構成を識別することにより、接続関係を明確にし、パターンとパターンの接続を自律的に生成していくことができる。これらの接続関係はパターンとパターンの関係が識別されており、意味的な関係性が明確になった構造となっている。
図１９では［Ａ＊Ｂ］とうい文の文要素間の関係が識別され、［Ａ］と［Ｂ］の関係に対応したパターン間の接続関係が自律的に生成される様子を示している。
新規に入力した情報は既に記録している知識体系と照合し、整合性および新規性について評価することができる。真理、真実、事実、定義、規則および常識として識別し、記録している情報と整合しない場合は、その情報は誤っている可能性が高い。一方、整合しているか整合していないかの判断ができない場合は、その情報を判断できるだけの知識が未だ蓄えられていないと考えられるため、人間の判断を求めることにする。人間がその情報は正しいと判断できる場合は、その結果を機械に通知することとする。機械はその情報を説明または仮説という位置づけで記録し、将来的に別の情報を得ることにより、真理、真実、事実、定義、規則および常識の組合せで論理展開できた時に、評価済みの情報として識別し、記録することとする。
このように、情報をパターンに変換し、情報の種類、特徴を識別、分類して記録し、情報と情報の関係（論理的な関係、類似関係、相反関係、類推等、様々な関係）をパターンとパターンの接続関係として表現することにより、情報を知識体系として構築することができる。
　このように情報を知識体系として構築すると、問題解決方法についても学習し、知識を向上させることができる。まず、問題を分析し問題点の明確化および問題解決の中間目標および最終目標を設定する。次に問題点を解決するための解決策案を抽出し適用する。適用後の状況を評価し、問題解決の目標に到達すれば処理としては完了になる。問題解決の目標に到達していなければ、再度新しい状態に対し、上記のプロセスを適用し、問題解決の目標に近づけていく。
問題の分析および問題点の明確化は目標とする状態と現状の差異を検出、識別する方法を学習することにより実施する。また、各問題に対応する解決策案も対応する処理を学習することにより実施する。
学習はパターンの遷移の履歴を記録することにより行う。人間が教示した内容はパターンからパターンへの遷移として記録される。学習が進むと、教示したプロセスはパターンからパターンへの遷移として自律的に実行され、教示した内容が実行されることになる。
図２０は新規情報を入力した場合の処理について示したものである。図２１~図２４に動作について示している。図２１では新規情報Ｐｉｎが入力され、入力された情報と等価な意味をもつパターン［Ｐｉｎ］が生成される様子を示している。新規情報の主部（主語、主語の修飾）および述部（述語、述語の修飾）毎に単語の意味ネットワークに照射され、入力情報と等価な意味を有するパターン［Ｐｉｎ］が生成される。Ｐｉｎを意味的に等価な［Ｐｉｎ］に変換することにより、過去に記録した情報と照合において関連情報が適切に検索されることになる。本変換を実施しない場合、意味は同じでも用語、語句が相違していれば関連情報と照合できない場合があるが、本変換によりそのような欠点は解消されることになる。
図２２は［Ｐｉｎ］を使用して過去に記録している関連情報の検索を行っている動作を示している。図では関連情報としてＰｒｅｌが検索されている様子を示している。
図２３はＰｒｅｌを使用してＰｒｅｌと等価な意味をもつ［Ｐｒｅｌ］を生成している様子を示している。
図２４は入力情報と記録している関連情報との比較評価をする動作について示したものである。［Ｐｉｎ］と［Ｐｒｅｌ］との共通点、相違点に関するパターンを生成することにより、入力情報の新規性等についての評価が可能である。また、入力情報［Ｐｉｎ］をパターン記録器内に構築した評価器に照射することにより、入力情報の評価を行うことが可能である。評価器の構築は図１６にて説明した手順して実施可能である。
以上では入力情報を評価器に照射する例について示したが、入力情報を真理、事実、定義、規則、専門知識、常識等のネットワークに照射することにより、必要な関連情報を検索することができる。
例えば、専門分野の課題、問題等の解決したい場合には、専門分野の関連情報が格納さえた記録領域にパターンを照射することにより、問題のタイプ、解決のための手順、関連の専門知識等を検索することができ、これらを活用することにより記録した知識を使った問題解決が可能となる。
　図２５~図３０は以上に述べた知識体系を活用し物理の問題を解く例について示したものである。問題としては図２５に示した力学の文章問題を挙げることとする。本問題を解くために入力した問題文の意味を専門的（力学的）に解釈し、力学の問題を解く場合の常套手段（１．対象に加わる力を求める。２．数式に変換する。３．運動方程式を立てる。４．運動方程式を解く）を逐次、実行していく。各ステップを実行するのに必要な作用を実行するためのパターンを励起していき、各状態を中間目標に向けて変化させていく。各プロセスが完了すると、次のプロセスを起動し、さらに状態を解に向けて変化させていく。図２６は以上のプロセスの変遷をパターンの遷移で表現したものである。Ｐ１は問題に対応するパターン、Ｐ４、Ｐ５、Ｐ７は力学の知識、Ｐ６は力学問題を解く手順に対応するパターンを示している。各パターンの詳細内容を図２７~図２９に示す。問題Ｐ１は意味的な等価変換を経て、Ｐ２，Ｐ３へとパターンを変化させる。力学問題を解く手順Ｐ６は逐次、各パターンに作用し、Ｐ６−２では質量Ｍに印加する力が何かを問題文のパターンから抽出している。対象に加わる力が言語パターンとして求まると、力学の知識を使い各力の要素を数式に変換していく。力に関する数式への変換が完了するとＰ６−５が作用し運動方程式に変換される。運動方程式はＰ６−６において整理され微分方程式Ｐ８−１に変換される。Ｐ８−１の解は数学的知識によりＰ９−１へと変換される。以上のパターン遷移を構成図で示したものが図３０である。
　図３１~図３６は日本語から英語に翻訳する問題を解く例について示したものである。本例では［彼らは丘の上に立っている家に住んでいます。］という文を英語に翻訳する問題である。英語訳としては［Ｔｈｅｙ　ｌｉｖｅ　ｉｎ　ａ　ｈｏｕｓｅ　ｗｈｉｃｈ　ｓｔａｎｄｓ　ｏｎ　ａ　ｈｉｌｌ．］となる。
図３１においてＰ１は日本語に対応するパターンである。Ｐ２は日本語の単語に対応する品詞に対応するパターンである。Ｐ３は品詞の組合せから生成した文要素に対応するパターンである。Ｅ１は文要素を英語に変換したパターンである。Ｅ２は英語の語順に従い配置変換したパターンである。パターンの詳細内容は図３２~図３３に示す。図１８~図１９において語列から単語、品詞、文要素および文要素間の関係、主部、述部、主語、主語の修飾、述語、述語の修飾、修飾の関係の識別方法について説明したが、翻訳においても同様の手順を使用して識別を進める。本識別により、主部、述部、主語、主語の修飾、述語、述語の修飾、修飾の関係が明確になり、英語との対応づけが容易になる。日本語では一般的に述語が最後の方に位置し、修飾は前から逐次、次の文要素にかけて施す場合が多い。英語においては主語の後に述語が位置し、その後に述語を修飾する修飾語、さらにその修飾語の説明という順になり、修飾の方向は日本語と逆の順序になっている。機械翻訳にあたっては、どの語がどの語を修飾するのかを識別するのが難しいが、本発明ではこれらの文要素間の修飾関係は処理の中で識別されるので、英語の語順への変換は容易であろ。図３１では本変換はＡ２のパターンを作用することにより、Ｅ１のパターンから最終形であるＥ２へのパターン変換を実施している。細かな点では［動詞＋名詞］⇒［名詞＋ｗｈｉｃｈ＋動詞］への変換、３人称［ｓ］（［ｗｈｉｃｈ　ｓｔａｎｄ（ｓ）の［ｓ］］の変換があるが、これらについても文要素間の型を検出することにより対応付けを実施することができる。
図３５~図３６はこれらのパターン間の遷移について構成図を使って表現したものである。図３５では品詞の組合せから単語と単語の関係が識別され、文要素が生成される動作について示している。図３６では文要素を英語の文要素に変換し、日本語と英語における述語の修飾の仕方の違いを考慮した配置の変換を実施している動作について示している。
［発明の効果］
　本発明によれば、入力された情報の意味の分析および過去に記録した情報との関係の分析を人間の指示または学習により実施し、有用な情報を互いに関連づけて知識体系として構築するとともに、与えられた問題に関して過去に教示された解決方法を使って自律的に回答を生成することが可能である。
また、従来は機械に入力情報の処理等を行わせる場合、計算機にあらかじめプログラムを設定する必要があった。入力した情報から状况を判断するプログラム、個々の条件に応じ機械に動作させるプログラムを作成し、機械に搭載した計算機にインストールし実行する必要があった。プログラムは専用のプログラム言語により作成する必要があり、開発に多大な時間を要する等のデメリットがあった。条件の検出および対応する動作が適切でなければ、計算機にインストールしたプログラムを人間が修正する必要があり、修正に多大な時間を要する等のデメリットがあった。
本発明によれば情報の処理の仕方を学習することにより処理を実施するので、逐次プログラミングする必要は無い。処理の方法に関する情報を入力することにより、機械が処理の方法を記録、学習していくので大幅に労力を削減することができる。
また、処理の変更もプログラムの変更によらず、パターンの変更とパターン間の接続を変更することにより対応することが可能であるので非常に柔軟性、対応力の高いシステムとなっている。
自律型知能構築機の構成例 パターン表現の例（文） 単語の意味分析の整理例 単語の意味分析をパターン間の接続で表現 単語の意味分析をパターン間の接続で表現（構成図で表現） パターン表現の例（方程式） パターン表現の例（化学式） 接続関係の例（論理関係、定義、帰属の関係、類似の関係） 接続関係の例（属性の継承、作用と結果の関係） 接続関係の例（推論の展開、共通的特徴の継承と個々の特徴の識別） 接続関係の例（構成図で表現）（その１） 接続関係の例（構成図で表現）（その２） 化学反応および特徴をパターン間接続で表現 化学反応および特徴をパターン間接続で表現（構成図で表現） パターンの特徴検出（その１） パターンの特徴検出（その２） パターン間の関係分析 情報間の関係を分析し接続を自律生成する動作例（その１） 情報間の関係を分析し接続を自律生成する動作例（その２） 新規情報を入力した場合の処理例 新規情報を入力した場合の処理の動作例（その１） 新規情報を入力した場合の処理の動作例（その２） 新規情報を入力した場合の処理の動作例（その３） 新規情報を入力した場合の処理の動作例（その４） 物理の問題の解法例（その１） 物理の問題の解法例（その２） 物理の問題の解法例（その３） 物理の問題の解法例（その４） 物理の問題の解法例（その５） 物理の問題の解法例（その６） 翻訳問題の解法例（その１） 翻訳問題の解法例（その２） 翻訳問題の解法例（その３） 翻訳問題の解法例（その４） 翻訳問題の解法例（その５） 翻訳問題の解法例（その６）
１　　パターン変換器
２　　パターン記録器
３　　パターン登録器
４　　パターン制御器
５　　パターン逆変換器
６　　パターン分析器
７　　パターン照射器

Claims (2)

  1. 情報をパターンに変換するパターン変換器と、パターン、パターン間の接続関係およびパターン間の関係を記録する記録モジュールから構成されたパターン記録器と、パターンおよびパターン間の接続関係を人間の指示または自律的に登録および変更するパターン登録器と、パターンの処理を制御するパターン制御器と、パターンの励起の履歴を記録し、パターンが励起した時に、それ以前に励起したパターンの履歴を記録モジュールの接続関係記録部に転写・蓄積または使用することにより励起に関連したパターンとの接続関係を強化し、現時点から設定した過去までの励起パターンの履歴のデータを各記録モジュールの接続関係記録部に記録したパターン間の接続関係のデータと照合させ、相関が大きい記録モジュールを励起するパターン照射器と、パターンを情報に変換するパターン逆変換器と、パターンおよびパターン間の関係を分析するパターン分析器を備え、入力された情報の意味の分析および過去に記録した情報との関係の分析を人間の指示または学習により実施し、情報を互いに関連づけて知識体系として構築する人工知能およびソフトウェア。
  2. 情報をパターンに変換するパターン変換器と、パターン、パターン間の接続関係およびパターン間の関係を記録する記録モジュールから構成されたパターン記録器と、パターンおよびパターン間の接続関係を人間の指示または自律的に登録および変更するパターン登録器と、パターンの処理を制御するパターン制御器と、パターンの励起の履歴を記録し、パターンが励起した時に、それ以前に励起したパターンの履歴を記録モジュールの接続関係記録部に転写・蓄積または使用することにより励起に関連したパターンとの接続関係を強化し、現時点から設定した過去までの励起パターンの履歴のデータを各記録モジュールの接続関係記録部に記録したパターン間の接続関係のデータと照合させ、相関が大きい記録モジュールを励起するパターン照射器と、パターンを情報に変換するパターン逆変換器と、パターンおよびパターン間の関係を分析するパターン分析器を備え、入力された情報の意味の分析および過去に記録した情報との関係の分析を人間の指示または学習により実施し、情報を互いに関連づけて知識体系として構築するとともに、与えられた問題に関して自律的に過去に教示された解決方法を使って回答を生成する人工知能およびソフトウェア。
PCT/JP2015/062460 2015-03-03 2015-04-17 自律型知能体系構築機 WO2016139820A1 (ja)

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2015056892A JP5821142B2 (ja) 2015-03-03 2015-03-03 自律型知能体系構築機
JP2015-056892 2015-03-03

Publications (1)

Publication Number Publication Date
WO2016139820A1 true WO2016139820A1 (ja) 2016-09-09

Family

ID=53888966

Family Applications (1)

Application Number Title Priority Date Filing Date
PCT/JP2015/062460 WO2016139820A1 (ja) 2015-03-03 2015-04-17 自律型知能体系構築機

Country Status (2)

Country Link
JP (1) JP5821142B2 (ja)
WO (1) WO2016139820A1 (ja)

Families Citing this family (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP5881030B2 (ja) * 2015-09-07 2016-03-09 洋彰 宮崎 自己組織的に知識を拡大する人工知能装置
JP2016028346A (ja) * 2015-09-30 2016-02-25 洋彰 宮崎 自己組織的に処理能力を拡大する人工知能装置
JP5910957B2 (ja) * 2015-10-13 2016-04-27 洋彰 宮崎 言語入力により自律的に知識体系を構築する人工知能装置

Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0520074A (ja) * 1991-07-16 1993-01-29 Fujitsu Ltd 知識ベース編集装置及びエキスパートシステム
JP2010271819A (ja) * 2009-05-20 2010-12-02 Nec Corp 語句関係抽出装置、語句関係抽出方法及びプログラム
JP2014222504A (ja) * 2014-05-24 2014-11-27 洋彰 宮崎 自律型思考パターン生成機
JP2015028791A (ja) * 2014-08-15 2015-02-12 洋彰 宮崎 自律型知識向上装置

Patent Citations (4)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JPH0520074A (ja) * 1991-07-16 1993-01-29 Fujitsu Ltd 知識ベース編集装置及びエキスパートシステム
JP2010271819A (ja) * 2009-05-20 2010-12-02 Nec Corp 語句関係抽出装置、語句関係抽出方法及びプログラム
JP2014222504A (ja) * 2014-05-24 2014-11-27 洋彰 宮崎 自律型思考パターン生成機
JP2015028791A (ja) * 2014-08-15 2015-02-12 洋彰 宮崎 自律型知識向上装置

Also Published As

Publication number Publication date
JP5821142B2 (ja) 2015-11-24
JP2015144009A (ja) 2015-08-06

Similar Documents

Publication Publication Date Title
Roy et al. Solving general arithmetic word problems
Goldwasser et al. Learning from natural instructions
WO2017064822A1 (ja) 言語入力により自律的に知識を拡大する人工知能装置
WO2016157563A1 (ja) 自律型問題解決機
Krishnamurthy et al. Semantic parsing to probabilistic programs for situated question answering
US20220012021A1 (en) Artificial intelligence-based intelligent programming assistance
WO2016163039A1 (ja) 自律型知識抽出機
Amnueypornsakul et al. Machine-guided solution to mathematical word problems
WO2016139820A1 (ja) 自律型知能体系構築機
JP5807830B2 (ja) 自律型知能生成機
JP5881030B2 (ja) 自己組織的に知識を拡大する人工知能装置
JP5854251B2 (ja) 人工知能装置
JP5828438B2 (ja) 自律型知識体系構築機
JP5828437B2 (ja) 自律型処理手順生成および実行機
JP5854250B2 (ja) 人工知能装置
JP5807829B2 (ja) 自律型知識分析機
JP5854392B2 (ja) 暴走しない人工知能装置
JP2016028346A (ja) 自己組織的に処理能力を拡大する人工知能装置
JP5866721B2 (ja) 人工知能装置
Mohan Automatic repair and type binding of undeclared variables using neural networks
Fong et al. Treebank parsing and knowledge of language
Jiménez-López et al. Could Machine Learning Shed Light on Natural Language Complexity?
Theru Mohan Automatic repair and type binding of undeclared variables using neural networks
Zhang et al. EgoCoder: intelligent program synthesis with hierarchical sequential neural network model
KOTWAL et al. MATH WORD PROBLEM SOLVERS: A REVIEW OF DATA DRIVEN APPROACHES AND DATASETS

Legal Events

Date Code Title Description
121 Ep: the epo has been informed by wipo that ep was designated in this application

Ref document number: 15883987

Country of ref document: EP

Kind code of ref document: A1

NENP Non-entry into the national phase

Ref country code: DE

122 Ep: pct application non-entry in european phase

Ref document number: 15883987

Country of ref document: EP

Kind code of ref document: A1