人工知能フレームワーク　誘引検索方式

誘引検索方式

誘引する欲求（最大欲求）が決定すると、その欲求に繋がる誘引経路上の全ての刺激データに対して誘引を行う仕様とします。
この処理において最大欲求側から検索するにしても、全ての誘引経路を一本ずつ枝分かれした先まで確認する必要があり、重複する経路も検索すると膨大な検索量になります。そうすると検索に時間がかかるため、少し工夫が必要です。

まず、入力刺激データは、この誘引経路マップ上に数個しか無いと考えた場合、全ての誘引経路を検索するのは無駄にマシンCPUを動かし、電力を使っているに過ぎません。

これを防止する為、一番初めに刺激データを誘引経路上に置いた位置から最大欲求まで（迂回しないで）最短距離で検索出来るように、検討が必要ですが、いつ、どんな欲求が最大欲求になるのか分からない為、瞬時に最短距離を実現する仕組みが必要です。

余談ですが、以前、全ての最大欲求ごとに誘引経路のガイドマップのようなものを作成して実験したところ、誘引経路が多くなるほど、ガイドマップの作り直す負荷がマシンにかかり過ぎて、使い物にならないという経験があり、この方式は採用しません。

別の方式を検討しなければなりませんが、システムサイドから普通に考えるとかなり難しい課題です。
普通に考えれば、全ての誘引経路を一本ずつ枝分かれした先まで検索するのが定石ですが、マシン負荷の観点から現実的でない為、今回は少し変わった検索手法を取り入れたいと思います。まず、誘引検索でやりたい事は、

入力刺激と最大欲求の二点間を最短距離で線で結ぶことです。

システムには難しいことですが、実はこれ、

人間なら幼児でも簡単に線を描けると思いませんか？

単純に、見えている二点を線で結ぶだけですよね？そう考えると、処理方式そのものを現代のシステムとは全く別の方式で採用すべきでしょうね。
では、この検索方式を検討してみましょう。
まず、

・検索する側は、入力刺激と最大欲求の2点を見ることができる（欲求の存在アドレスを知っている）。
・検索する側は、単純に入力刺激と最大欲求の2点間を、方角を頼りに繋げる。

と、ここまでは簡単に想像できますね。
そうすると、上記を達成する為に必要なことが出てきます。以下を実現しておく必要がありそうです。

・欲求が空間座標（2次元でも3次元でも）にマップされているとして、誘引経路や相互関係にある欲求は近い位置に存在している必要がある。そうする事で、検索する方角に意味を持たせる。
・既存の欲求が更新されると、その欲求の空間座標の位置も変わる。リアルタイムに欲求のマップを更新する必要があるという観点。

まずはこの4点でしょうか。
一言で言うならば、誘引経路全体のマップをAICoreが画像もしくはそれに変わる同等のもので認識して開始地点と到達地点の位置的な関係性を把握し、方角を頼りに検索する。と説明できますね。

まずはここまで理解出来ましたでしょうか。

≫AICore設計思想のTop へ