[論文レビュー] Artificial Immune Systems (INTROS 2)

Uwe Aickelin, Dipankar Dasgupta+1 more|arXiv (Cornell University)|Aug 23, 2013

Artificial Immune Systems Applications参考文献 22被引用数 4

ひとこと要約

このチュートリアルは、生物学的免疫機構を模倣した計算知能のパラダイムとしての人工免疫系（AIS）を紹介し、自己・非自己の識別、適応的学習、分散型意思決定に焦点を当てる。異常検出のための段階的アルゴリズムの説明、他の最適化手法との比較、研究者向けの応用分野、課題、リソースの概要を提示する—動的で複雑な問題解決環境におけるその可能性を強調する。

ABSTRACT

The biological immune system is a robust, complex, adaptive system that defends the body from foreign pathogens. It is able to categorize all cells (or molecules) within the body as self or non-self substances. It does this with the help of a distributed task force that has the intelligence to take action from a local and also a global perspective using its network of chemical messengers for communication. There are two major branches of the immune system. The innate immune system is an unchanging mechanism that detects and destroys certain invading organisms, whilst the adaptive immune system responds to previously unknown foreign cells and builds a response to them that can remain in the body over a long period of time. This remarkable information processing biological system has caught the attention of computer science in recent years. A novel computational intelligence technique, inspired by immunology, has emerged, called Artificial Immune Systems. Several concepts from the immune system have been extracted and applied for solution to real world science and engineering problems. In this tutorial, we briefly describe the immune system metaphors that are relevant to existing Artificial Immune Systems methods. We will then show illustrative real-world problems suitable for Artificial Immune Systems and give a step-by-step algorithm walkthrough for one such problem. A comparison of the Artificial Immune Systems to other well-known algorithms, areas for future work, tips & tricks and a list of resources will round this tutorial off. It should be noted that as Artificial Immune Systems is still a young and evolving field, there is not yet a fixed algorithm template and hence actual implementations might differ somewhat from time to time and from those examples given here.

研究の動機と目的

• 研究者に、人間の免疫系の適応的かつ分散型の防御機構を模倣した、人工免疫系（AIS）という新しい計算知能技術を紹介すること。
• AISアルゴリズムの基盤をなす、自己／非自己認識、クローン選択、免疫ネットワーク理論といった主要な免疫学的比喩を説明すること。
• 実世界の問題（例：異常検出）に対して、段階的なアルゴリズムのウォークスルーを通じてAISの実用的応用を示すこと。
• AISを他の確立された最適化および機械学習手法と比較し、強み、限界、特定の問題領域における適性を明らかにすること。
• 研究者にとって新しい分野であることを踏まえ、実装のガイドライン、ベストプラクティス、リソースを提供すること。この分野は進化し続け、固定されたアルゴリズムテンプレートが存在しない。

提案手法

• 論文は、特にクローン選択と免疫ネットワーク理論を用いた、生物学的免疫系の比喩を、AISアルゴリズム設計の基盤として用いる。
• 自己／非自己の識別を、分子（データポイント）を自己（正常）または非自己（異常）として評価する分散型エージェントネットワークでモデル化し、アフィニティ閾値に基づく。
• 異常検出のための段階的アルゴリズムを提示する。初期化段階で多様な抗体（解）を生成し、アフィニティ評価、高アフィニティ抗体のクローン拡張、新たな解を探索するための変異を含む。
• 化学伝達物質（例：サイトコイン）を介したフィードバックメカニズムを統合し、局所的行動からグローバルな行動を調整するエージェント間の通信を模倣する。
• 動的環境における適応性と耐障害性に重点を置き、インシデント検出、故障診断、最適化といった実世界の問題に適用する。
• 進化的計算およびニューラル計算手法との比較分析を含み、収束性、多様性、スケーラビリティに焦点を当てる。

実験結果

リサーチクエスチョン

• RQ1 適応的およびインナート免疫系の原則を、複雑な工学的および科学的問題を解くための計算モデルにどのように抽象化できるか？
• RQ2 自己／非自己の識別と過去の脅威の長期記憶を可能にする、人工免疫系のコアなアルゴリズム的構成要素は何か？
• RQ3 最適化や検出タスク中に、AISアルゴリズムは多様性をどのように維持し、早期収束を避けるか？
• RQ4 どのような種類の実世界の問題において、AISは従来の最適化および機械学習手法を上回るか、あるいは補完的役割を果たすか？
• RQ5 進化し、標準化されていない性質を有することを踏まえ、AISの開発と応用における主な課題と未解決の研究課題は何か？

主な発見

• 人工免疫系は、アフィニティに基づく評価とクローン選択を用いる分散型で適応的なエージェントによって、自己／非自己の識別を効果的にモデル化する。
• 変異と選択を通じた適応と、多様な解の集合の維持により、動的環境でも堅牢な性能を発揮するアルゴリズムフレームワークを提供する。
• インシデント検出や故障診断といった応用分野において、過去の脅威の記憶を長期間保持できることで、時間経過に伴い検出精度が向上するという強力な可能性を示している。
• 他の進化的アルゴリズムと比較して、免疫ネットワークにインspiredされた通信および制御メカニズムのおかげで、多様性の維持とグローバルサーチ能力に優れている。
• その可能性にもかかわらず、分野全体として標準化されたアルゴリズムテンプレートが存在しないため、実装のばらつきが生じ、実用的応用において慎重な設計選択が不可欠である。
• チュートリアルは、多様なリソース、ベストプラクティス、今後の研究方向性を特定し、研究者がAISの手法を採用し、発展させるのを支援する。