紀伊國屋書店

出版社内容情報

はしがき

狭義の意味での人工知能の研究（AI研究）は，機械に知能をもたせたい，知能をもつ機械を作りたいという，人間の素朴な夢の実現に向けた研究を対象としています．広義の意味では，人間のもつ知能の解明も含まれていますが，これは認知科学の研究として発展しています．

狭義の意味でのAI研究は，電子計算機の誕生とともに始まったといってよいと思います．そして研究が本格化したのは，電子計算機が第二世代に入った1960年代からだといえましょう．2年に一度開催される人工知能国際会議(IJCAI)が始まり，それを補う形で，現在では米国，ヨーロッパの地域ごとの会議も行われています．

我が国は，欧米に比べて本格的な研究が少し出遅れた感はありますが，鉄腕アトムに代表されるロボットに関心をもつAI研究者の潜在的な数は当時としても，決して少なくなかったと思います．1986年には日本に人工知能学会が創設され，そこを母体に，1992年に環太平洋人工知能国際会議(PRICAI)が始まりました．こうしてAI研究は世界的な広がりをもつとともに，人工知能学としての体系が整ってきました．

1960年代から1970年代にかけた初期のAI研究の中心は，チェスなどゲームの相手をする機械と，機械的なロボットを開発することでした．前者では数手先を読むためのゲーム探索空間の効率的な探索手法が研究されました．一方，後者の成果の一部は産業用ロボットとして我が国の経済発展を支えました．機械的なロボットの動作は，手足だけでなく物体を認識することなど，頭脳の活動と関係するものもありますが，どちらかというと，知能より技能に優れた機械の開発が当面の目標でした．これに対してAI研究では，技能というより知能を機械にもたせることが目標です．AI研究が長期で基礎的な性格を帯びているのは，そのためです．

知能をもち知的な振舞いをする機械には知識がなければなりません．人間は様々な生活環境で多種多様な知識を学習し，それを推論と結びつけて知的な行動をしていると考えられます．推論は1960年代1970年代と継続的に研究されていましたが，1980年代に入り，AI研究の主流は，ゲームとロボットから知識・推論・学習の研究へと比重が移りました．我が国が主導した第五世代コンピュータ計画は，このAI研究の流れと大いに関係しています．

AI研究には，様々な学術分野が関係しています．ロボット工学，計算機科学はもとより，知識に関連する哲学や認知科学，言語学など，人文系の学問とも関係しています．推論として，定理証明に代表される演繹的な推論だけでなく，帰納的な推論や，仮説推論など規則をベースにした推論方法が研究されています．これらは，数学基礎論や論理学と関係しています．初期のAI研究で取り上げられたゲームなどは，経済学，社会学，心理学とも関係します．1980年代半ばからは，規則をベースにした推論ではなく，ニューラルネットワークを用いた推論などが試みられました．

1990年代後半になりますと，統計的な手法が推論と学習の一翼を担うことになります．1990年代に一段と性能が向上した音声認識システムには，統計的な推論と学習手法が使われました．統計的な手法は，大容量で安価な記憶装置を備え，高速，高性能の計算機が実現したこと，電子化された大量のデータが容易に入手可能になったことと無縁ではありません．それにより，大量のデータを高速に扱うことが可能な時代が到来したからです．
あまり知られていませんが，AI研究は，情報処理分野にも多大な貢献をしています．新しいOSの技術，大量データからの知識の発見（データマイニング），推論技術，プログラム言語（論理型，関数型），LAN技術，ウィンドウ技術などです．これはAI研究が情報処理の最先端技術と関係しているからです．最近では，データマイニングなど，知識を発見したり学習する研究とその応用に多大な関心が寄せられています．

我が国に人工知能学会が創設されてすでに18年が経過しています．その間，AI研究の発展は目ざましく，1990年に編まれた『人工知能ハンドブック』（編集委員長：福村晃夫）の内容はすでに現状にそぐわなくなってきています．一例を挙げますとインターネットやWebを考慮したAI応用などはまったく取り上げられていませんでした．そこで，本学会の総力をあげて，人工知能に関する学術を人工知能学という新たな視点から見直し，それを『人工知能学事典』として集大成することにしました．厳選して取り上げた大項目名は以下の通りです．

人工知能基礎，知の基礎科学：哲学，心理学，認知科学，脳科学，知識表現・論理・推論，知識モデリング，機械学習，進化・創発，自然言語処理，画像・音声メディア，ヒューマンインタフェース，エージェント，Webインテリジェンス，ロボティクス，知識発見・データマイニング，ソフトコンピューティング，AI応用：人工知能の産業応用，AI応用：ナレッジマネジメント，AI応用：バイオロジー，AI応用：教育支援，AI応用：ゲーム

本事典では大項目の説明の後に小項目の説明が並んでいます．大項目を読むことで，その概略と研究動向が一望の下につかめるようにしてあります．大項目のさらに詳しい説明は，その先の小項目に記述されています．大項目，小項目ともに，読む順序を考えて配置されてはいますが，どの項目から読んでも差し支えありません．大項目，小項目中には，関連するトピックの囲み記事が設けてあります．

繰返しになりますが，人工知能学は多岐にわたります．特に認知科学，情報処理技術の最先端とも深く関係します．知能をもち知的な振舞いをする機械の実現に興味のある読者，人間の知能そのものに興味のある読者，さらにはこれからこの分野に参入しようとする読者にとって，人工知能学の幅広い分野を網羅した座右の事典として役立つことを願っています．

最後になりましたが，ご多忙中にもかかわらず本事典の執筆を快く引き受けてくださった執筆者の皆様に深謝いたします．特に大項目の担当者には小項目の記述内容にも目を通していただくとともに，編集委員にもなっていただきました．また編集委員会の運営にあたられた人工知能学会事務局の皆様，出版業務に尽力された共立出版（株）に深謝します．

2005年7月
編集委員長　田中穂積

【目次】

第1章　人工知能基礎
1-1　縦型(深さ優先)探索と横型(幅優先)探索
1-2　山登り法　
1-3　最良優先探索とビーム探索
1-4　A*アルゴリズム
1-5　反復深化
1-6　AND/ORグラフ探索
1-7　確率的探索法
1-8　制約充足問題（CSP）の局所整合アルゴリズム
1-9　制約充足問題（CSP）の木探索とルックアヘッド
1-10　制約充足問題（CSP）の併合法
1-11　SAT
1-12　数理計画法による推論
1-13　動的計画法
1-14　STRIPSプランニング
1-15　階層的プランニング
1-16　半順序プランニング
1-17　即応プランニング
1-18　実時間A*アルゴリズム
1-19　任意時間アルゴリズム
1-20　SATプランニング
1-21　スケジューリング
1-22　人工知能探索問題の計算量
1-a　チューリング・テスト
1-b　ダートマス会議
1-c　ヒューリスティックス
1-d　SHRDLUロボット
1-e　分枝限定法とA*アルゴリズム
1-f　制約充足問題（CSP）と命題論理式の相互変換
1-g　GPSと手段-目標解析
1-h　プランニング・スケジューリング手法は実用的か？
1-i　量子コンピュータ

第2章　知の基礎科学：哲学，心理学，認知科学，脳科学
2-1　哲学
2-2　サール・ドレイファス論争
2-3　心身問題
2-4　消去主義
2-5　志向性
2-6　シンボル・グラウンディング
2-7　意識
2-8　身体性
2-9　暗黙知
2-10　アブダクション
2-11　フレーム問題
2-12　モジュラリティ
2-13　思考の言語
2-14　心理学
2-15　心理学研究法
2-16　動物行動
2-17　視覚・聴覚
2-18　ワーキングメモリ(作業記憶）
2-19　潜在記憶・潜在学習
2-20　概念とカテゴリ
2-21　動機づけ
2-22　文章理解
2-23　意思決定
2-24　思考
2-25　感情・情動
2-26　発達
2-27　認知科学
2-28　熟達化
2-29　領域固有性・文脈依存性
2-30　メンタルモデル
2-31　図的推論
2-32　コラボレーション（協働）
2-33　コネクショニズム
2-34　類推
2-35　制約
2-36　状況的認知
2-37　ダイナミカルシステムズアプローチ
2-38　科学的推論
2-39　学習科学
2-40　洞察と発見
2-41　認知神経科学
2-42　脳科学
2-43　計算論的神経科学
2-44　脳の理論
2-45　ニューロンとシナプスの数理モデル
2-46　神経細胞と神経回路網の機能
2-47　視覚系のモデル
2-48　聴覚系のモデル
2-49　記憶系のモデル
2-50　運動系のモデル
2-51　発達と可塑性
2-52　神経回路網の学習
2-a　心の進化
2-b　状況意味論
2-c　アフォーダンス
2-d　連想
2-e　創造性心理
2-f　進化心理学
2-g　創造科学
2-h　アウェアネス

第3章　知識表現・論理・推論
3-1　知識表現基礎
3-2　Newellの知識レベル
3-3　Lisp
3-4　意味ネットワーク
3-5　フレーム表現
3-6　Conceptual Graph
3-7　KL-ONE ファミリーの知識表現言語
3-8　論理的表現
3-9　演繹推論
3-10　古典論理
3-11　定理証明
3-12　論理プログラミング
3-13　様相論理
3-14　時間論理　
3-15　記述論理
3-16　融合原理
3-17　モデルチェッキング
3-18　不完全性定理
3-19　非単調推論
3-20　信念修正
3-21　AIにおけるアブダクション
3-22　プロダクションシステム
3-23　事例ベース推論
3-24　モデルベース推論
3-25　定性推論
3-26　空間推論
3-27　状況計算
3-28　概念依存理論
3-29　手続き的知識と宣言的知識
3-30　前向き推論と後向き推論
3-a　知識表現の標準化活動の動向
3-b　第五世代コンピュータ
3-c　認知ロボティクス
3-d　Prolog の誕生
3-e　イェールシューティング(Yale Shooting)問題

第4章　知識モデリング
4-1　エキスパートシステム
4-2　MYCINとEMYCIN
4-3　R1/XCON
4-4　知識ベース・ルールベース
4-5　説明機能
4-6　エキスパートシステムにおける経験則
4-7　知識獲得
4-8　汎化タスク
4-9　タスクレベル方略
4-10　KADS方法論
4-11　Soar
4-12　深い知識と知識コンパイル
4-13　知識の共有と再利用
4-14　大規模知識ベース
4-15　言語知識からのモデリング
4-16　オントロジー
4-17　上位オントロジー
4-18　is-a関係とpart-of関係
4-19　オントロジー表現言語
4-20　オントロジー開発方法論
4-21　オントロジー開発ツール
4-22　オントロジー学習
4-23　オントロジー統合
4-24　オントロジーアウェア・モデリング環境
4-25　知識の体系化とモデリング
4-a　実用化されたエキスパートシステム
4-b　知識獲得ボトルネック
4-c　知識ベースの完全性
4-d　オントロジーの定義
4-e　ｌight-weightオントロジーとheavy-weightオントロジー
4-f　オントロジーの開発例
4-g　哲学のオントロジー

第5章　機械学習
5-1　暗記学習
5-2　例からの学習
5-3　類推による学習
5-4　概念クラスタリング
5-5　EMアルゴリズム
5-6　機械学習から発見への展開
5-7　計算論的学習理論
5-8　正例からの学習
5-9　極限における同定
5-10　質問による学習
5-11　PAC学習
5-12　学習結果の評価
5-13　代表的なベンチマーク
5-14　クロスバリデーション(交差検定）
5-15　AQアルゴリズム
5-16　決定木
5-17　決定リスト
5-18　分類規則
5-19　バージョン空間
5-20　説明に基づく学習
5-21　帰納論理プログラミング
5-22　構成的帰納と新述語の発明
5-23　理論精練
5-24　多戦略学習
5-25　強化学習
5-26　コミッティ学習
5-a　自然言語処理と機械学習
5-b　パーセプトロン批判
5-c　学習結果はどう評価されるべきか――訓練例とテスト例

第6章　進化・創発
6-1　遺伝的アルゴリズム(GA)
6-2　遺伝的プログラミング(GP)
6-3　多目的最適化のためのGA
6-4　関数最適化のための実数値型GA
6-5　スキーマ定理とだまし問題
6-6　並列・分散GA，GP
6-7　GPのイントロンとブロート
6-8　ノーフリーランチ定理
6-9　リンケージとEDAアルゴリズム
6-10　GAとニューラルネットワーク
6-11　クラシファイアシステム
6-12　進化型ハードウェア
6-13　進化型ロボット
6-14　共進化と協調計算
6-15　対話型進化論的計算
6-16　複雑系と人工生命
6-17　セルオートマトン
6-18　人工市場と進化経済学
6-19　メタヒューリスティックス
6-20　免疫系アルゴリズム
6-a　ドーキンスと利己的遺伝子
6-b　囚人のジレンマ
6-c　ボールドウィン効果
6-d　中立説
6-e　Tierra
6-f　Karl Simsの人工進化シミュレーション
6-g　U-Mart
6-h　ReynoldsのBoid

第7章　自然言語処理
7-1　言語資源
7-2　形態素解析と品詞タグつけ
7-3　統語解析アルゴリズム
7-4　統計的統語解析
7-5　文法
7-6　チャンキング
7-7　言語生成
7-8　言い換え技術
7-9　意味処理
7-10　語彙意味論
7-11　語義曖昧性解消
7-12　言語知識獲得
7-13　談話処理
7-14　対話処理
7-15　照応解析
7-16　機械翻訳
7-17　統計的機械翻訳
7-18　二言語間アラインメント
7-19　情報検索
7-20　適合性フィードバック
7-21　多言語情報検索
7-22　情報抽出
7-23　文書要約
7-24　文書分類
7-25　テキストマイニング(1)
7-a　ALPAC報告
7-b　"文書処理に関する評価型ワークショップ"
7-c　質問応答システム

第8章　画像・音声メディア
8-1　パターン認識・理解
8-2　シーン理解
8-3　ＤＰマッチング
8-4　ベクトル表現
8-5　パターンクラスタリング
8-6　次元圧縮
8-7　スペクトラルクラスタリング
8-8　人物像処理
8-9　顔画像処理
8-10　バイオメトリクス
8-11　モデルベースビジョン
8-12　全方位画像と任意視点画像
8-13　イメージベースモデリング
8-14　イメージベースレンダリング
8-15　複合現実感
8-16　マルチメディアデータベース
8-17　映像要約と編集
8-18　MPEG-4とMPEG-7
8-19　ヒューマンビジョン
8-20　音声認識・理解
8-21　音声言語モデル
8-22　音声合成
8-23　話者認識
8-24　#REF!
8-25　音声対話システム
8-26　聴覚の情景分析
8-27　音楽情報処理
8-a　タンジブル・ビット
8-b　ビジョンハードウェア
8-c　メディア教育応用
8-d　ゲシュタルト理論
8-e　インタラクティブアートと音声・画像メディア

第9章　ヒューマンインタフェース
9-1　ＧＵＩ
9-2　ウェアラブルコンピュータ
9-3　ユビキタスコンピューティング
9-4　入力デバイス
9-5　日本語入力
9-6　ペンインタフェース
9-7　音声インタフェース
9-8　視線インタフェース
9-9　ジェスチャインタフェース
9-10　感覚提示技術
9-11　実世界指向インタフェース
9-12　センサ
9-13　マルチモーダルインタフェース
9-14　PUI
9-15　インタフェースエージェント
9-16　適応型インタフェース
9-17　予測インタフェース
9-18　情報検索インタフェース
9-19　ヒューマンインタフェースのデザイン原理
9-20　認知モデル
9-21　ユーザビリティ
9-22　インタラクティブシステムのモデル
9-23　情報可視化
9-24　感性コミュニケーション
9-25　コミュニケーション支援
9-26　CSCW
9-27　ユニバーサルデザインインタフェース
9-a　マクルーハンとアラン・ケイ
9-b　MITメディアラボのインパクト
9-c　小型キーボードによるテキスト入力
9-d　ワイヤレス技術とヒューマンインタフェース
9-e　コンピュータが見えなくなる
9-f　ゲームが人間を変える

第10章　エージェント
10-1　合理的エージェント
10-2　言語行為
10-3　エージェントアーキテクチャ
10-4　協調下の探索
10-5　協調下の行動選択
10-6　分散協調問題解決
10-7　交渉
10-8　提携
10-9　市場指向プログラミング
10-10　オークション
10-11　モバイルエージェント
10-12　エージェント通信プロトコル
10-13　エージェント指向ソフトウェア工学
10-14　エージェント指向インタフェース
10-15　マルチエージェントシミュレーション
10-16　エージェントの心理学
10-17　エージェントと社会
10-a　オブジェクトとエージェント
10-b　エージェント指向インタフェース vs. 直接操作インタフェース

第11章　Webインテリジェンス
11-1　検索エンジン
11-2　Web検索
11-3　ランキング・アルゴリズム
11-4　Webコミュニティ
11-5　Webマイニング
11-6　Webナビゲーションと可視化
11-7　Webにおける情報共有
11-8　インターネットエージェント
11-9　情報推薦システム
11-10　デジタルライブラリ
11-11　ピア・ツー・ピア(P2P)
11-12　コミュニティ支援
11-13　デジタルシティ
11-14　社会知能
11-15　XMLとメタデータ
11-16　セマンティックWeb
11-17　Webサービス
11-a　Webの大きさ
11-b　Webにおける多言語問題
11-c　Small World
11-d　メタデータ・ボトルネック

第12章　ロボティクス
12-1　産業用ロボット
12-2　ロボットの知覚
12-3　ロボットの認知
12-4　ロボットの機構と制御
12-5　ロボットのアクチュエータ
12-6　移動ロボット技術
12-7　ヒューマノイド
12-8　ロボット言語
12-9　古典的制御アーキテクチャと行動規範型制御アーキテクチャ
12-10　身体性と環境
12-11　教示と学習
12-12　強化学習における状態・行動空間構成
12-13　強化学習のマルチエージェント環境への拡張
12-14　模倣学習
12-15　ユビキタスロボティクス
12-16　ペット型ロボット
12-17　ロボカップ
12-a　からくり人形
12-b　ロボカップヒューマノイドリーグの魅力
12-c　チェスとロボカップ
12-d　ロボカップにおける研究から実用への流れ

第13章　知識発見・データマイニング
13-1　知識発見のプロセス
13-2　科学的発見
13-3　データマイニングのサイクル
13-4　データウェアハウス
13-5　データの可視化
13-6　データ洗浄
13-7　データ削減
13-8　数値属性離散化
13-9　属性選択・抽出・構築
13-10　相関規則
13-11　大量データのクラスタリング
13-12　テキストマイニング(2)
13-13　時系列マイニング
13-14　空間マイニング
13-15　構造マイニング
13-16　関係データマイニング
13-17　例外知識発見
13-18　ユーザインタラクション
13-19　知識の評価・検証
13-20　知識の伝達性
13-21　データマイニングとコンプライアンス
13-22　データマイニングツール
13-a　ビールとおむつの相関
13-b　AM: 理論駆動型の発見
13-c　機械学習とデータマイニング
13-d　AssociationとCorrelation
13-e　KDDチャレンジ

第14章　ソフトコンピューティング
14-1　特徴抽出の理論
14-2　ファジィ集合論，ファジィ測度，ファジィ積分
14-3　ファジィ論理，ファジィ推論
14-4　ファジィ制御
14-5　ファジィパターン認識
14-6　ファジィデータ解析
14-7　ファジィルールの学習
14-8　ラフ集合理論
14-9　確率分布モデル
14-10　確率密度分布の推定
14-11　隠れマルコフモデル
14-12　マルコフ確率場
14-13　識別の理論と手法
14-14　パターン認識とベイズ推定
14-15　単結合ベイジアンネットによる確率計算
14-16　複結合ベイジアンネットによる確率計算
14-17　ベイジアンネットの学習
14-18　独立成分分析
14-19　ニューラルネットワークアーキテクチャ
14-20　単純・多層パーセプトロン
14-21　リカレントネットワーク
14-22　ホップフィールドネットワークとボルツマンマシン
14-23　競合学習と学習ベクトル量子化
14-24　カオスネットワーク
14-25　ニューロイダルネット
14-26　汎化能力の評価と向上策
14-27　ラージマージン分類器
14-28　ニューロ・ファジィ・GAの融合
14-a　実世界知能
14-b　記号パラダイムと非記号パラダイム
14-c　確率とファジィ
14-d　ファジィの長い道：なぜ米国では冷遇され日本で花開いたか
14-e　確率とAI：別離から蜜月へ(水と油から融合へ)
14-f　ニューラルネットワーク：工学応用か脳のモデルか
14-g　ニューラルネットワークの浮き沈み
14-h　光ニューロチップから人工網膜LSIまで:事業化への棘の道
14-i　ニューラルコンピューティングと組合せ最適化問題
14-j　物理とAI：統計力学，レプリカ法

第15章　AI応用：人工知能の産業応用
15-1　LSI CADシステム
15-2　コンフィグレーション・システム
15-3　計画とスケジューリングシステム
15-4　診断システム
15-5　制御システム
15-6　生産管理システム
15-7　データウェアハウスとデータマイニング
15-8　CRM
15-9　電子調達
15-10　電子商取引
15-11　インテリジェント交通システム
15-12　次世代カーナビゲーションシステム
15-a　AI応用に関する学会
15-b　AI技術と実用化のギャップ

第16章　AI応用：ナレッジマネジメント
16-1　暗黙知と形式知
16-2　コード化戦略と個人化戦略
16-3　ナレッジマネジメントとBPR
16-4　商用のナレッジマネジメントツール
16-5　ナレッジマネジメントとエキスパートシステム
16-6　ナレッジマネジメントとオントロジー
16-7　ナレッジマネジメントとデータマイニング
16-a　アルファベットスープ
16-b　ナレッジエンジニアからナレッジワーカーへ

第17章　AI応用：バイオロジー
17-1　遺伝子発見
17-2　ホモロジー検索
17-3　アラインメント
17-4　モチーフ抽出
17-5　立体構造決定
17-6　単粒子解析
17-7　立体構造予測
17-8　分子シミュレーション
17-9　統合データベース
17-10　ゲノムオントロジー
17-11　遺伝子多型解析
17-12　表現型変異解析
17-13　遺伝子ネットワーク解析
17-14　プロテオーム解析
17-15　システム・バイオロジー
17-16　細胞シミュレーション
17-a　ゲノム解析プロジェクト
17-b　智の遺伝子探索
17-c　バイオグリッド
17-d　タンパク３０００プロジェクト
17-e　タンパク質構造予測コンテスト

第18章　AI応用：教育支援
18-1　知的学習環境
18-2　知的教育システム（ITS）
18-3　協調学習支援システム（CSCL）
18-4　発見学習・探索学習支援
18-5　語学学習支援システム
18-6　シミュレーション・訓練システム
18-7　Webベースの教育システム
18-8　認知と教育
18-9　メタ認知
18-10　リフレクションの支援
18-11　協調学習の学習理論
18-12　インストラクショナルデザイン
18-13　教育の評価・分析
18-14　学習者モデル
18-15　教材知識の表現
18-16　教授方略
18-17　教育エージェント
18-18　教育のオントロジー
18-19　e-Learningと標準化
18-20　学習資源のメタデータ
18-21　オーサリング支援
18-22　ユビキタスラーニング
18-a　自然言語処理と教育支援システム
18-b　ナレッジマネジメントと教育
18-c　質的評価と量的評価
18-d　教育デザイン理論間の論争
18-e　e-LearningとセマンティックWeb

第19章　AI応用：ゲーム
19-1　ゲーム木探索
19-2　ミニマックス探索
19-3　アルファ・ベータ探索
19-4　評価関数
19-5　置換表
19-6　オープニングブック
19-7　Endｇameデータベース
19-8　選択的深化
19-9　PN探索
19-10　チェス
19-11　オセロ
19-12　将棋
19-13　詰め将棋
19-14　囲碁
19-15　コンピュータゲーム
19-a　チャイノック
19-b　ディープブルー
19-c　ロジステロ