[論文レビュー] Proceedings of the Eighth Conference on Uncertainty in Artificial Intelligence (1992)

Bruce D’Ambrosio, Didier Dubois+2 more|arXiv (Cornell University)|Apr 13, 2013

AI-based Problem Solving and Planning被引用数 33

ひとこと要約

この会議論文集は、人工知能における不確実性推論分野の基盤的研究を提示しており、確率的推論、信念ネットワーク、意思決定理論、不確実性下での機械学習に関する42編の同行査読論文を含む。本研究は、不完全または不確実な情報のモデル化と推論を進めるもので、ベイジアンネットワーク、因果推論、不確実性下での意思決定に関する主な貢献がなされている。

ABSTRACT

This is the Proceedings of the Eighth Conference on Uncertainty in Artificial Intelligence, which was held in Stanford, CA, July 17-19, 1992

研究の動機と目的

• 人工知能における不確実性下の推論の理論的および実践的基盤を発展させること。
• 確率的およびグラフィカルモデルを用いて、複雑なシステムにおける不確実性のモデル化と伝搬に課される課題に対処すること。
• ベイジアンネットワークやインフルエンス図などの形式的枠組みを通じて、不確実性下での意思決定を形式化し最適化すること。
• 特に動的で部分的に観測可能な領域において、学習と推論を不確実な環境で統合すること。
• 統計学、意思決定理論、認知科学を含む、不確実性に関する分野横断的研究の場を提供すること。

提案手法

• 結合確率分布の表現と確率的推論の実行のためのベイジアンネットワークの活用。
• 条件付き独立性の仮定を適用して、信念伝搬における計算複雑性を低減すること。
• 逐次的意思決定問題を不確実性下でモデル化するためのインフルエンス図の使用。
• 意思決定理論的推論のための最大後確信度（MAP）および期待効用最大化の採用。
• 確率的グラフィカルモデルにおける構造およびパラメータ推定のための学習アルゴリズムの統合。
• 大規模モデルにおける扱いにくい推論に対処するための変分推論および近似技術の使用。

実験結果

リサーチクエスチョン

• RQ1 確率的グラフィカルモデルは、複雑なシステムにおける不確実性をどのように効率的に表現し、推論できるか？
• RQ2 ベイジアンネットワークにおける正確かつ近似的な推論に最も効果的なアルゴリズムは何か？
• RQ3 インフルエンス図を用いて、不確実性下での意思決定をどのように形式化し最適化できるか？
• RQ4 不確実性下でデータから構造およびパラメータを信頼性高く推定するための学習手法は何か？
• RQ5 動的でリアルタイム環境において、不確実性を一貫して伝搬および更新する方法は何か？

主な発見

• ベイジアンネットワークは、人工知能システムにおける不確実性の表現と推論のための的確で柔軟な枠組みを提供する。
• 接続木法や再帰的条件付けといった効率的な推論アルゴリズムにより、大規模ネットワークにおけるスケーラブルな推論が可能になる。
• インフルエンス図は、不確実性下での逐次的意思決定を効果的にモデル化でき、最適方策の計算を支援する。
• 最尤推定およびベイズ推定を用いたデータからのパラメータ学習により、モデルの精度と頑健性が向上する。
• モンテカルロサンプリングや変分法などの近似推論技術により、複雑なモデルにおける取り扱い可能な推論が可能になる。
• 確率的モデルにおける学習と推論の統合により、不確実な環境における適応性と性能が向上する。