第3回ナレッジグラフ推論チャレンジ2020への準備中 [続きを読む]

人工知能による「推論」を実現する上で、ナレッジグラフは人間の持つ知識を人工知能に伝えるための重要な手段と考える。この知識に対する探索は「推論」実現における重要技術の一つである。我々は、グラフ構造で表現された知識を再整理することにより、人工知能が自ら生成(考案)した探索・推論の実現を目指す。この再整理した情報に対する探索行動を、「説明性」「解釈性」により評価する。[続きを読む]

強化学習が、設計計算の変数探索に対して非常に有効であることが検証できました。統計数学の優位性を反映した質の高い企画業務が遂行できるようになります。 今回は、強化学習を検証するために定量的な論理式を題材にしました。期待以上の性能であることが実感できました。潜在力が非常に高く、現代のComputer性能の高さともよく合致しています。今後は、定量化が難しい認知について開発を進めていくつもりです。[続きを読む]

EV企画設計において設計変数の自動探索を可能とする強化学習の実践技術を開発しました。車輌Energy効率、Packagingに関する設計計算式の入出力にNeural Networkを設定し、DQN, Monte Carlo決定木、A3C AlgorithmによってNetwork重みparameterの学習を行った結果、熟練者よりも遥かに多くの閾値到達Dataが得られ、統計分析から適切な変数幅が明らかになりました。[続きを読む]