診断（人工知能） - 百科事典
人工知能の分野としての診断は、システムの動作が正しいかどうかを決定できるアルゴリズムや技術の開発に関心があります。システムが正しく機能していない場合、アルゴリズムは可能な限り正確に、システムのどの部分が故障しているか、どのような故障に直面しているかを特定する必要があります。計算は観察に基づいており、現在の動作に関する情報を提供します。
診断という表現は、システムが故障しているかどうかの質問の答えや、その答えを計算するプロセスを指します。この言葉は、診断が症状に基づいて病気を特定するプロセスである医学の文脈から来ています。
例
診断の例として、ガレージのメカニックが自動車を診断するプロセスがあります。メカニックはまず、車の観察とその車種に関する知識に基づいて異常な動作を検出しようとします。もし異常な動作が見つかった場合、メカニックは新しい観察やシステムのテストを行うことで、故障している部品を見つけるまで診断を精査します。メカニックは車の診断において重要な役割を果たします。
極端な診断
極端な診断（または専門システムによる診断）は、システムに関する経験に基づいています。この経験を利用して、観察と対応する診断を効率的に関連付けるマッピングが構築されます。
経験は以下のように提供できます：
人間のオペレーターにより。この場合、人間の知識はコンピュータ言語に翻訳する必要があります。
システムの動作の例により。この場合、例は正しいか、故障しているか（後者の場合、故障の種類）として分類される必要があります。その後、マシン学習手法が使用されて、例から一般化されます。
これらの方法の主な欠点は以下の通りです：
専門知識を取得する困難性。専門知識は、通常、システム（または同様のシステム）の長期間の使用後にのみ利用可能です。したがって、これらの方法は、安全性やミッションクリティカルなシステム（原子力発電所や宇宙空間で動作するロボットなど）には適していないです。さらに、取得した専門知識は完璧であると保証されることはありません。以前に見たことのない行動が発生し、予期せぬ観察がされる場合、診断を提供することはできません。
学習の複雑性。専門システムの構築に要するオフラインプロセスは、大量の時間とコンピュータメモリが必要です。
最終的な専門システムのサイズ。専門システムは、どのような観察でも診断に対応することを目指しているため、場合によっては巨大なストレージ空間が必要です。
堅牢性の欠如。システムにわずかな変更が加わると、専門システムの構築プロセスを再び行う必要があります。
少し異なるアプローチとして、専門知識ではなくシステムのモデルから専門システムを構築することも考えられます。例として、分散イベントシステムの診断のための診断者のコムプテーションがあります。このアプローチはモデルベースと見なされますが、専門システムアプローチのいくつかの利点と欠点を持ち合わせています。
モデルベース診断
モデルベース診断は、システムのモデルを使用した推論的推論の例です。一般的には以下のように機能します：
システムの動作を記述するモデルを持っています。モデルはシステムの動作の抽象であり、不完全である可能性があります。特に、故障した動作は一般に知られておらず、故障したモデルは表現されていないことがあります。システムの観察が与えられた場合、診断システムはモデルを使用してシステムをシミュレートし、実際に観察された観察とシミュレーションで予測された観察を比較します。
以下のルール（Aが異常述語である場合）により、モデリングを簡略化できます：
¬Ab(S) ⇒ Int1 ∧ Obs1
Ab(S) ⇒ Int2 ∧ Obs2 （故障モデル）
これらの公式の意味は以下の通りです：システムの動作が異常でない場合（つまり通常の場合）、内部（観察不可能）の動作はInt1であり、観察可能な動作はObs1です。それ以外の場合、内部動作はInt2であり、観察可能な動作はObs2です。観察 Obsが与えられた場合、問題はシステムの動作が通常であるかどうかを決定することです（¬Ab(S)またはAb(S)）。これは推論的推論の例です。
診断可能さ
システムは、システムのどのような動作でも、明確に一意の診断をすることができる場合、診断可能とされます。システムの設計において、診断可能さの問題は非常に重要です。一方で、コストを削減するためにセンサーの数を減らしたい場合と、故障行動を検出する確率を高めるためにセンサーの数を増やしたい場合があります。
これらの問題を処理するためのいくつかのアルゴリズムが存在します。一つのアルゴリズムクラスは、システムが診断可能かどうかを質問する；もう一つのアルゴリズムクラスは、システムを診断可能にするセンサーのセットを検出し、コスト最適化などの基準に従うことができます。
システムの診断可能さは、一般的にシステムのモデルから計算されます。モデルベース診断を使用するアプリケーションでは、このようなモデルは既に存在し、ゼロから構築する必要はありません。
参考文献
Hamscher, W.; L. Console; J. de Kleer (1992). Model-based diagnosis. San Francisco, CA, USA: Morgan Kaufmann Publishers Inc. ISBN 1-55860-249-6.
参照
医療における人工知能
AI効果
人工知能の適用
認識論
新興技術の一覧
人工知能の概要
外部リンク
= DXワークショップ =
DXは、1989年に始まった年次国際ワークショップ「診断の原則」です。
DX 2016
DX 2015
DX 2014
DX 2013
DX 2012 [アーカイブ] 2015-05-24
DX 2011
DX 2010
DX 2009 [アーカイブ] 2008-10-22
DX 2008 [アーカイブ] 2008-09-08
DX 2007
DX 2006
DX 2005
DX 2004
DX 2003
DX 2002
DX 2001
DX 2000 [アーカイブ] 2006-09-13
DX 1999
DX 1998
DX 1997