JPH0635704A - 人工知能システムの推論方式 - Google Patents

Abstract

(57)【要約】 【目的】 本発明は、人工知能システムの、特に前向き
推論における推論動作のルール探索を高速に行うと共に
メモリを効率的に利用する推論方式を提供する。 【構成】 条件部と結論部から構成される予め定められ
た複数のルールの中から推論対象に適合する条件部を有
するルールを探索し、該ルールの成否を検証する人工知
能システムの前向き推論方式において、他ルールの結論
部に記述されている内容を条件部に持つルールを該他ル
ールの後に選択するように設定されたポインタ情報にし
たがってルールを選択し、該ルールの成否を検証すると
ともに、該ルールが成立した場合には直ちに結論部を実
行する。また、結論部を１項、条件部を２項の表現形式
を用いて行う。

Description

【発明の詳細な説明】

【０００１】

【産業上の利用分野】本発明は人工知能システムにおけ
る推論実行中のルール探索およびその評価方法を改良し
た人工知能システムの推論方式に関する。

【０００２】

【従来の技術】専門家のもつ問題解決の知識やノウハウ
をコンピュータに知識ベースとして記憶させ、それをも
とにコンピュータが推論を行ない、専門家の代替を行う
人工知能システムが金融、鉄鋼、医療、教育などの数多
くの分野で開発されている。該人工知能システムの主要
な動作は知識ベースの中から推論対象に適合するルール
を探索し、該当するルールを解釈実行することである。

【０００３】然るに上記の人工知能システムは、一般に
専門家の知識を記述した大量の知識ベースが必要であ
る。このため大量の知識を記憶させるための大量のメモ
リが必要であり、また推論に際して推論対象に適合する
ルールを探索し、それを解釈実行するために多大な時間
を必要とする問題があった。

【０００４】

【発明が解決しようとする課題】本発明は、上記の従来
技術の問題点に鑑み、推論動作のルール探索を高速に行
うことを主課題とし、またメモリを効率的に利用するこ
とも併せ意図するものである。

【０００５】

【課題を解決するための手段】本発明の人工知能システ
ムの推論方式においては、ルールの所在を示すポインタ
情報と、ルールの表現に限定を加えることにより、上記
の問題点を解決した。即ち、本発明は、条件部と結論部
から構成される予め定められた複数のルールの中から推
論対象に適合する条件部を有するルールを探索し、該ル
ールの成否を検証する人工知能システムの推論方式にお
いて、他ルールの結論部に記述されている内容を条件部
に持つルールを該他ルールの後に選択するように設定さ
れたポインタ情報にしたがってルールを選択し、該ルー
ルの成否を検証するとともに、該ルールが成立した場合
には直ちに結論部を実行することを特徴とする人工知能
システムの推論方式である。あるいは、結論部を１項、
条件部を２項の表現形式を用いて行うことを特徴とする
人工知能システムの推論方式、である。

【０００６】本発明の人工知能システムにおける知識表
現はルールである。ルールは ＩＦ ＜条件部＞ ＴＨＥＮ ＜結論部＞ という形式で表現される。条件部および結論部は単一あ
るいは複数の項目から成立ち、特に条件部が複数の項目
の場合はそれら項目間の関係を表す論理演算子、例えば
「かつ」を意味するＡＮＤ、「または」を意味するＯＲ
等を用いて論理式を構成する。各項目は論理式の単位で
あるから、本発明では単に「項」と表現する。各項は、
論理的に真偽が評価可能であるところの最小単位であ
る。

【０００７】一般にルールを用いた人工知能システムの
推論とは、与えられた条件に対して適合するルールを用
い、結論部の成立を推論していくいわゆる前向き推論方
式と、結論部を仮定して適合するルールの条件部が充さ
れるかどうかを推論していくいわゆる後向き推論方式と
に大別される。本発明は前者の前向き推論に対して有効
である。

【０００８】前向き推論においてはまず、推論対象の内
容に適合する条件部を有するルールを探索する。本発明
においては最初に探索するルールの所在を指し示すポイ
ンタ情報Ａを用いる。ポインタ情報は所在位置を与える
情報であり、具体的にはルールの連番が好適に用いられ
る。さらに具体的に、ルールが格納されているメモリの
先頭メモリ番地を用いることも好適である。

【０００９】上記推論において、推論対象の内容に適合
する条件部を有するルールの探索は、まず上記ポインタ
情報Ａによって得られたルールについて行う。ポインタ
情報Ｂはまずポインタ情報Ａによって得られたルールに
対して与え、次に探索する別のルールの所在を示す。該
ポインタ情報Ｂによって得られたルールに対してもポイ
ンタ情報Ｂを与え、さらに続いて探索すべきルールを順
次得ることができる。すべてのルールを探索し、更に探
索すべきルールが存在しない場合には、存在しないこと
を意味する特定の情報を与える。例えば、ポインタ情報
にルールの連番を採用した場合には、０あるいは負数を
これにあてることが好適である。

【００１０】上記ポインタ情報Ａおよびポインタ情報Ｂ
を用いることにより、推論対象の内容に適合する条件部
を有するルールのすべてを、順次選択することが可能で
ある。

【００１１】従来の前向き推論においては予め推論対象
の内容に適合する条件部を有するルールの集合を求め、
次に該集合の中から実行すべきルールを選択し、結論部
を実行する。結論部を実行することにより、推論対象に
は新たな事実が付加され推論対象の内容が変化する。従
って、また新たにルールの探索、ルールの選択、ルール
の実行という動作を繰り返す。該一連の推論動作は推論
対象の内容が変化しなくなるまで繰り返す。

【００１２】本発明のもう一つの特徴は、推論対象の内
容に適合する条件を有するルールを探索するとともに該
ルールが成立した場合には直ちに結論部を実行すること
にある。従って、本発明の推論方式においては、上記一
連のルールの探索、ルールの選択、ルールの実行という
手順を繰返すのではなく、推論対象の対象の内容に適合
するルールの探索に成功した時点で直ちに結論部を実行
し同時に推論対象に新たな事実が付加され、直ちに推論
対象の内容が変化する。本発明のポインタ情報Ａによる
ルールの選択が、推論対象の条件部が成立しやすいよう
に設定されていれば、該ルールは直ちに成立しまた直ち
に推論対象の内容が変化する。引き続き新たな推論対象
に対してルールの条件部の適合をポインタ情報Ｂに従っ
て探索し、上記と同様にルールが成立したならば直ちに
結論部を実行する。

【００１３】本発明のポインタ情報Ａおよびポインタ情
報Ｂはルールの探索回数が小さくなるように設定され
る。該設定の方法は、具体的には、他のルールの結論部
に記述されている内容を条件部に持つルールは該他ルー
ルの後に選択するように設定される。このような条件を
満たさないルール同志の順序は問わない。また、他のル
ールの結論部に記述のない条件部を持つルールは最初に
探索されるようにポインタ情報を設定することも好適で
ある。

【００１４】本発明の好ましい態様においてはさらに結
論部を１項、条件部を２項の表現形式を用いる。複数の
結論部を持つルールは複数のルールに分解する。結論部
を１項に限定することにより、上記ポインタ情報Ｂは各
ルールに対して必ず１個に限定される。これらの結果、
各ルールは条件部２項、演算子、結論部１項、ポインタ
情報Ｂの一定の要素から成立つ。このようなルールをメ
モリに格納するには、各項目に一定長の記号を用いると
すれば、一ルール当りに一定の容量のメモリを用意すれ
ばよい。すなわち、固定長の内部表現でメモリに格納す
ることが可能となり、メモリの使用効率の向上と共に、
内容参照の高速化が得られる。

【００１５】一般にルールの条件部は、論理的に真ある
いは偽を示す複数項よりなる論理式で構成される。本発
明においては複雑な論理式を幾つかの簡単な式に分解
し、最終的に２項演算までの式を得る。条件部が１項の
みであった場合にも本発明においては必ず２項を条件部
とし、他の１項については該項が無意味であることを意
味する内容を代入するか、あるいは常に成立する内容を
代入する。

【００１６】さらに２項間がＯＲ演算の場合は２つのル
ールに分割し、２項演算はＡＮＤに限定することが可能
である。この場合は、条件部が２項の場合は必ずＡＮＤ
演算となるので、演算子の記述を省略することが可能で
ある。

【００１７】

【作用】本発明の人工知能システムの推論方式において
は、ポインタ情報を用いることにより、ルールの探索が
有効に行われ、更に成立したルールの結論部を直ちに実
行することにより実質的に著しく少ない探策回数で推論
を完結することができる。この結果推論の動作は著しく
高速化される。特にルール数が多い場合にその効果が顕
著である。さらにルールの表現に限定を加え全体の長さ
を固定長にしたことにより、メモリへの格納が高能率と
なり、推論はさらに高速となる。

【００１８】

【実施例】以下、本発明の一実施例について具体的に説
明する。本発明のルールは次のようなものである。風邪
の診断を行うシステムを例としてルールの一例を表１に
示す。表１に示すようにルールの結論部は一般に一つあ
るいは複数の項を演算子で結合した式によって表され
る。従って、ルールの長さは不定であり、かつ条件部の
評価については演算子の解釈を含めて式の評価が必要で
ある。

【００１９】従来の推論の動作とは次のようなものであ
る。推論対象の内容が「くしゃみ」、「寒気がする」、
「熱が３８度以上」の場合を例に挙げる。まずルール１
からルール６までの条件部が推論対象の内容に適合する
かどうかを探索し、ルール２およびルール４が該当する
ことがわかる。通常はこの２つのルールの中からどれを
採用するかを選択するが、この例では簡単のため２つと
も採用することにする。ルール２より「風邪の疑い」お
よびルール４より「発熱の疑い」が推論対象に付加され
る。次に２回目の探索を行い既に成立したルール２およ
びルール４以外に新たにルール１およびルール３が該当
する。前回の推論と同様にして「風邪薬を飲みなさい」
および「仕事を休みなさい」が推論対象に付加される。
さらに３回目の推論を行うが、今回の探索では新たに該
当するルールは存在せず、これをもって推論を終了す
る。

【００２０】本発明に従い、表１のルールについてポイ
ンタ情報Ａ、ポインタ情報Ｂを設けたものを表２に示
す。上記の例と同様に推論対象の内容は「くしゃみ」、
「寒気がする」、「熱が３８度以上」とする。まずポイ
ンタ情報Ａの指示にしたがってルール２を選び、条件部
と推論対象とを比較することによりルール２が成立する
ことが解る。直ちに結論部を実行し推論対象に「風邪の
疑い」を付加する。続いてポインタ情報Ｂによりルール
４を選び同様にして「発熱の疑い」を付加する。さらに
ポインタ情報にしたがってルール６を選ぶが、これは成
立しない。以下ポインタ情報にしたがってルール１、
３、５を順次選び、結果として「風邪薬を飲みなさい」
と「仕事を休みなさい」を得る。このようにポインタ情
報に従って順次ルールを選択することにより、条件部と
推論対象との比較を少なくすることができ、無駄な探索
を省略することが可能となる。

【００２１】本発明に従い、表１のルール表現を書き直
したものを表３に示す。ルール２の条件部はＯＲで結合
された３項であるから、ルール１２〜１４に分割する。
ルール３、５はＡＮＤで結合された３項であるから、こ
の場合は中間結論１を新たに設けてまずルール１５を記
述し、さらにルール１６、１８として表現する。以上の
ように、条件部は１項あるいはＡＮＤ演算の２項として
表現することができる。

【００２２】表３のルールをメモリに格納する場合の例
をポインタ情報と合せて表４に示す。条件部は１項ない
し２項であるから２項分を常に用意し、条件部２項、結
論部１項の固定長で表現することができる。２項の場合
の演算子はＡＮＤであるからこれは省略可能した。なお
条件部が１項の場合の第２項目は不要であるから空欄と
し、実際の推論の際には無視する。以上の結果、各項目
に一定の大きさのメモリブロックを使用するとすれば、
ルールはメモリ内で４項目の固定長の表現となり、結論
とポインタ情報Ａについても２項目の固定長の表現とな
る。表中の１項目の枠が１メモリブロックを意味する。
一般にメモリは連続した番地で管理されるから、各ルー
ルの必要とするメモリ量が一定であると、目的のルール
が何番目のルールであるかを知るだけで該ルールの先頭
のメモリ番地は容易に簡単な計算によって求めることが
でき、各項目についても容易に内容参照が可能である。
従って、メモリ番地とルールとの対応を管理する情報は
不要となり、先に述べた演算子の省略と共にメモリの使
用効率が向上し、併せて推論の高速化が得られる。

【００２３】

【表１】

【００２４】

【表２】

【００２５】

【表３】

【００２６】

【表４】

【００２７】

【発明の効果】以上詳述したように、本発明によれば、
ポインタ情報を用いること、および成立したルールの結
論部を直ちに実行することにより、推論動作のルール探
索を減ずることが可能となり、さらにルールを特定の表
現とすることにより、メモリを効率的に利用し、さらに
推論を高速に行うことができる。

Claims (2)

【特許請求の範囲】
1. 【請求項１】 条件部と結論部から構成される予め定め
   られた複数のルールの中から推論対象に適合する条件部
   を有するルールを探索し、該ルールの成否を検証する人
   工知能システムの推論方式において、他ルールの結論部
   に記述されている内容を条件部に持つルールを該他ルー
   ルの後に選択するように設定されたポインタ情報にした
   がってルールを選択し、該ルールの成否を検証するとと
   もに、該ルールが成立した場合には直ちに結論部を実行
   することを特徴とする人工知能システムの推論方式。
2. 【請求項２】 請求項１において、結論部を１項、条件
   部を２項の表現形式を用いて行うことを特徴とする人工
   知能システムの推論方式。