[論文レビュー] Quantum Interaction Approach in Cognition, Artificial Intelligence and Robotics

Diederik Aerts, Marek Czachor+1 more|arXiv (Cornell University)|Apr 17, 2011

Quantum Mechanics and Applications参考文献 51被引用数 4

ひとこと要約

本稿は、認知プロセス、人工知能、ロボティクスをモデル化するために、量子力学の形式的枠組みを応用する量子相互作用アプローチを提案している。人間の思考が文脈依存性、重ね合わせ、もつれといった量子的構造を示すことを実証し、ヒルバート空間と量子確率を用いることで、概念の結合、意思決定の誤謬、意味構造を効果的にモデル化した。これは古典的モデルを凌駕する知識表現および計算能力を提供する非古典的枠組みを提供する。

ABSTRACT

The mathematical formalism of quantum mechanics has been successfully employed in the last years to model situations in which the use of classical structures gives rise to problematical situations, and where typically quantum effects, such as 'contextuality' and 'entanglement', have been recognized. This 'Quantum Interaction Approach' is briefly reviewed in this paper focusing, in particular, on the quantum models that have been elaborated to describe how concepts combine in cognitive science, and on the ensuing identification of a quantum structure in human thought. We point out that these results provide interesting insights toward the development of a unified theory for meaning and knowledge formalization and representation. Then, we analyze the technological aspects and implications of our approach, and a particular attention is devoted to the connections with symbolic artificial intelligence, quantum computation and robotics.

研究の動機と目的

• 古典的モデルにおける認知、AI、ロボティクスの限界を克服するため、量子にインspiredされた形式的枠組みを導入すること。
• 人間の意思決定および概念の結合が、文脈依存性や干渉といった量子的特徴を示すかどうかを実証すること。
• ヒルバート空間における量子的構造を用いて、意味と知識表現の統合的フレームワークを構築すること。
• 量子認知の技術的インパクトが、記号的AI、量子計算、ロボティクスに与える影響を検討すること。
• 微視的量子プロセスを必要としないマクロスケールの系が、量子的振る舞いを示す可能性があるかどうかを示すこと。

提案手法

• 文脈依存的な概念の結合をモデル化するため、SCoP形式的枠組みを用いる。特に、ペット・フィッシュ問題の解決を目的とする。
• 実験データにおける概念の結合および排他的論理和の解析に、ヒルバート空間およびフォック空間の表現を用いる。
• 意味的および情報検索タスクのモデル化に、量子確率および量子論理結合子（例：直交性）を適用する。
• ロボット制御システムにおける、グローバーの探索アルゴリズムや量子強化学習といった量子アルゴリズムを活用する。
• 文脈依存性やベルの不等式違反を再現する、マクロスケールのアナロジー（例：連結された水槽）を構築する。
• 記号的AIおよび認知モデリングに量子的構造を統合し、人間のような推論および意思決定を模倣する。

実験結果

リサーチクエスチョン

• RQ1 量子力学の形式的枠組みは、合併の誤謬や排他的効果といった意思決定理論のパラドックスを解消できるか？
• RQ2 人間の概念および意味が、重ね合わせやもつれといった量子的構造をどの程度示すか？
• RQ3 量子認知モデルは、人工知能における知識表現および意味解析を改善できるか？
• RQ4 量子的構造をロボティクスに実装することで、学習、意思決定、センサ処理の性能を向上できるか？
• RQ5 微視的量子系に依存せずに、マクロスケールの系が量子的振る舞いを模倣できるか？

主な発見

• ヒルバート空間における量子モデルは、概念の所属重みに関する実験データを正確に再現し、古典的モデルの失敗を解消した。
• 意思決定における合併の誤謬や排他的効果は、認知バイアスではなく、量子干渉効果によって説明できる。
• 量子論理結合子（例：直交性）は、情報検索および意味解析において、古典的ブール論理否定を上回る性能を示した。
• 意味空間におけるもつれはベルの不等式違反を示し、語や概念間の非古典的相関関係を示している。
• 連結された水槽のようなマクロスケール系は、文脈依存性やベルの不等式違反といった量子的特徴を示した。
• グローバーのアルゴリズムおよび量子強化学習を用いた量子ロボティクスは、古典的アプローチに比べて探索効率と学習速度が向上した。