Foundry Labs / コミュニティから
進化的AI：一つの解に絞らず探索する
目次
最適化は、固定された問題に対する一つの最良解を探すことが多いでしょう。Tokyo AIの進化的アルゴリズムのイベントでは、Sebastian Risi氏とNathanael Aubert-Kato氏の研究から、別の問いが見えてきました。多くの要素が相互作用し、適応のルール自体も探索すると、どんな振る舞いが生まれるのでしょうか。
学び方そのものを探索する
Sebastian氏の自己組織化するニューラル知能の発表では、局所的な学習則を進化的に探す方法が扱われました。最終的な重みを一つずつ調整する代わりに、相互作用を通じてネットワークが適応するルールを探します。条件が変わる環境では、一つのベンチマークで高得点を取る固定設定より、適応する能力が重要になる可能性があります。ただし、これは研究上の方向性であり、企業業務ですぐ使えるという証拠ではありません。
評価では、既知の問題を解けたかだけでは足りません。環境が変わっても適応するか、失敗を診断できるか、意図した能力ではなく報酬の抜け道を見つけていないかを確かめます。進化的探索は意外な解を見つけるからこそ、実際に何が選ばれたかの確認が要ります。
集団の振る舞いを理解する
Nathanael Aubert-Kato氏は、限られた能力を持つ多数の分子ロボットが相互作用して大きな構造を作る群れを扱いました。従来のロボットの制御とは違い、局所的な相互作用や物理的な配置が重要です。単純に見えるルールから複雑な全体の振る舞いが生まれるため、一要素だけでなく集団を試す必要があります。
応用を考えるチームにとっては、複数の候補を早々に一つへ絞らず、条件を変えて比較する姿勢が参考になります。例えば日程調整の試験なら、通常時と混乱時の性能、業務ルールを破らないかを確かめます。これは説明用の例であり、イベントの研究が商用の日程調整製品を示したわけではありません。
Tokyo AIは、Foundry Labsが運営する日本の開発者、研究者、ビジネスリーダーのコミュニティです。イベントページもご覧ください。
登壇者の講演資料は、ご希望に応じてご案内できます。お問い合わせフォームからイベント名と登壇者名をお知らせください。
登壇者
- Sebastian Risi：自己組織化・進化するニューラル知能の研究者。
- Nathanael Aubert-Kato：お茶の水女子大学准教授。