人工知能フレームワーク　誘引検索した欲求を実行するしないの判断

誘引検索した欲求を実行するしないの判断

誘引検索において検索した欲求全てを実行するわけでは無く、ある一定の基準をクリアすることで実行する仕組みとします。例えば入力刺激に似ている実行条件を持つ欲求を実行するかどうかという判断基準を定義していきます。似ている欲求は経験値が増えると多数に膨れ上がり、全てを実行対象にするのは非効率な為です。分かり易い例として、似ている実行条件を持つ欲求を例にお話しますが、一致する実行条件を持つ欲求にも適用される話で、誘引検索結果に対する処理と考えます（当てずっぽう的な行動を起こすかどうかの判断基準の定義）。

入力刺激に似ている欲求を検索する例として、ぺったんこなポチ袋の中にお金が入っているか確認するという行動があるとします。お札を四つ折りにしないとポチ袋に入らないのだから、お金が入っている可能性は限りなくゼロということになります。この限りなくゼロはゼロでは無く（もしかしたら自分の目が悪くなっててしっかりと見えていないのかもしれない）、この行動を起こす意味があるかどうか、人間の脳内では常に判断しています。

これは、ポチ袋が目の前にあるという入力刺激によって検索される欲求の行動ですが、入力刺激がぺったんこなポチ袋である場合に、ポチ袋を開ける行動は、通常の教育をした場合であれば、とりません。しかし、お金が欲しいという最大欲求が強いものの、入力刺激に合致する欲求が見当たらなかった場合、（誘引検索時に）似た欲求が検索されることになります。この結果、ポチ袋を開けるという行動を持つ欲求が検索されるのですが（検察結果は各社インターフェース製造内容による）、このポチ袋を開けるという欲求を実行するかしないかに判断基準が必要と考えます。

つまり、状況刺激はAICoreに入力されたものの、どうしてよいのかわからない場合（入力刺激が一致する欲求が見つからない場合）に似た状況に対応するべく欲求を検索しますが、それを実行すべきかどうか判断するという観点です。

根本的には、実行しない類似欲求は検索されないように制御されるのがマシンパフォーマンスとしてはありがたいのでしょうが、これを検索させないと、可能性すら頭によぎらないことになり、人間の脳から作りが大きく乖離してしまいそうです。この事から、パフォーマンスは多少落ちますが、敢えて可能性のある欲求は検索して、その後で、欲求を取捨選択する方針とします。

また、この取捨選択は、欲求の強さの比較だけでは取捨選択を制御しきれません。頻度なども判断基準となります。例えば、一目見て鍵のかかっている箱があるとして、錠を開けずに箱を開けるという行動をとらないのは当然です。「鍵のかかった箱」という入力刺激の欲求（もしくは抽象欲求）が複数存在し、それら欲求のうち、優先的に実行される行動が「錠を開ける」という行動を持つ欲求なのだろうと考えられます。この一見理論的な行動は、およそ頻度の基準によるものです。

つまり、「鍵のかかった箱」を入力刺激とした欲求検索結果に、「錠を開ける」という行動や「箱を開ける」という行動を持つ欲求が複数あった場合に、欲求の強さの強弱だけでなく、優先的に利用するルール（欲求の基本選択プロセスの章で説明）があり、それを適用するということになります。

誘引検索後、優先順の低い欲求は、実行しないというのが自然です。実行しない基準は「目立たない欲求」としたいと思います。これは、より優先される欲求は、それぞれの優先基準軸（頻度や強さなど）の目立つ欲求であると考えた為です。（この辺りは、後程修正する可能性があります）
目立つとは、見つけやすい、飛び出ているという意味です。判断基準を半分以上などに設定すると、誘引検索結果に（類似欲求を含め）3つの欲求が検索されたとして、利用頻度が48%,47%,5%で百分率化したときにどれも実行されない懸念がある為です。
また、この優先基準は、AICoreが刺激を受ければ常に変化するものであることを忘れないで下さい。

≫AICore設計思想のTop へ