# システム知能工学
###### tags: `class` `note` `sst2019R1`
## 1章 (平井)
### abstract
- マッチングオートマトンの活用例
- 背景
- ゲーム理論，グラフ理論，ソーシャルエージェント，分子設計等の関連分野

### 1.7 好き嫌い持つエージェント
- 正確性を追求したものから”好き嫌い”への適応を期待
- 好き嫌いを持つ
- ユーザの好き嫌いに対して柔軟に適応
- 変化に対して強い回復力

- ソーシャルエージェント
- 不気味の谷
- **人とエージェントでどのような関係を築くかが重要**
- 人同士の関係を参考に
- 親子(縦方向)，友人(横方向)
- 嘘，笑い

### 正確じゃないエージェント
- 適応ギャップ
- 外見やふるまいか期待される能力と実際の乖離により印象が変わる現象
- 良くも悪くも
- 性能が良ければいいものではない
- pepper
- 人のような見た目に比べできることが少ない
- スマートスピーカ

- 会話の応答生成いろいろ
- 入力居音声からの感情推定と応答
- 代名詞を使う
- レポートトークよりもラポールトーク
- 情報を言い切らない

- LOVOT
- 鳴き声を動的に生成
- 個人を識別しお気に入りの人に近寄る
- 他の個体の要素を認知
- aibo
- 画像認識で個人を認識して行動を変化
- 褒める/叱るといった入力から行動方略を学習
- 芸を覚えることができる
### まとめ
- エージェント開発が進み，社会での活用が増えている
- 人とかかわる都合正誤だけをもとに動くだけでは不十分
- 人同士の関係性や好き嫌いのような感覚的に

## 1章 (佐藤)
### 安定結婚問題とその応用
- オートマトンを用いたフレームワークについての概要
- 自己行動モデル
- マッチング問題(安定結婚問題)
- 生体システムやゲーム理論などの応用
- 安定結婚問題とは
1. n人の男性とk人の女性がいる
2. 各人の異性に対する希望順位が与えられる
3. 全員が”それなりに幸せになれる”ような結婚のペアの決め方(完全マッチング)を求めるのが目標 ⇒ ブロッキングペアが存在しない
- ブロッキングペア：互いが

- Gale-Shapleyのアルゴリズム
- ステップ1：独身の男性hが存在する限り以下の操作を繰り返す
1. 男性hはまだプロポーズしてない女性の中で最も好きな相手女性dにプロポーズする
2. dが独身ならdはhと婚約する
3. dにとってh'の方が好ましいい希望順位が上ならばhからのプロポーズを断る
4. dにとってhの方が好ましいならばh'との婚約を解消しhと婚約する
- ステップ2：現在婚約しているペアの集合を安定マッチングとして主力する
- 応用例
- 医師臨床研修マッチング(医師臨床研修マッチング協議会)
- 公立学校選択制(NewYork, The Stable Marriage Problem and School Choice)
- 研究室配属(お茶の水女子大学)

## 8章（山田）
### Matching Automata for Collective Survivability

#### 集団生存性
- 信頼性の新しい指標
- エージェントが集団で強調しあい，ミッションを達成することを目的としている
- マッチングオートマトンが集団生存性を備えた人工システムの設計に利用されている
#### 物理システムと情報システムの分離
- ネットワーク再結合により別のシステムの情報または物理システムを利用可能
- e.g. はやぶさ:4基イオンエンジン
- マッチングオートマトンによる再結合
- 優先度と親和性に基づいて，自動で再結合を実行

#### 宇宙空間におけるセンサネットワーク
- センサエージェントの検知能力の向上のために提案
- AntSatプロジェクト
- 小型で協力的で制御可能な衛星グループを作成することを目的としたプロジェクト
- マッチングオートマトンによるネットワーク再結合を利用

#### まとめ
- 集団生存性はシステムの信頼性に関する新しい指標
- マッチングオートマトンにより実現
- システムを分離し，再結合を可能に
- はやぶさで実証されているように，集団生存性は極端なミッションに適用される可能性があるため，自律ネットワーク衛星への適用の可能性が示唆された
- システムの分離により，集団として高い信頼性が得られる
- 相互認識

#### discussion
- プリンタの例

## 3章（長尾）
### 概要
- 先行順序を反映した安定結婚グラフをもとにしたマッチングオートマトンの分類

### 安定結婚のグラフ表現
- グラフの生成例
- 最良点：選好順序が最上位の相手を表す点(ｍ，ｗ)
最良点に支配されている点は安定マッチングに含まれない

### 安定結婚グラフの既約化アルゴリズム

## 4章（沖本）
### 概要
- スパースモデリングと情報可視化について

#### 導入
- パートナーの交換によってブロッキングぺアは解消される
- 反例：クヌースの予想に対する判例（田村）
- 最適化問題を解くのに寄与する

#### 安定結婚問題と安定なマッチング
#### マッチングのグラフ化
- 各ノード：マッチングの結果
- 各エッジ：エッジで結ばれたノードについて2組のペアでパートナーを交換
#### 可視化のための座標系
- P_m（P_w）が大きいほど男性（女性）として好ましいマッチング
- グラフの右上の方が男女それぞれに好ましいマッチング（図左）
- Eが大きいほど男女それぞれに好ましいマッチング（図右）
- 左側は女性に，右側は男性にとって有利なマッチング
#### 安定結婚問題における可視化の例：Latin SMP

### スパースモデリングと情報可視化
- 教師なし学習（クラスタリングなど）によるスパース化
- 教師なし学習とグラフによる可視化
- 平行座標系
- 利点：変数同士の相関を観察できる
- 欠点：データの次元数とサンプル数が増加するにつれて次元軸間隔が狭くなり，煩雑になる．
- クラスタリング手法
- グラフスペクトル解析：データの相関性から複数の座標軸を順次単一の軸に縮約する，データ数は変わらない
- 非対称バイクラスタリング：サンプル間と定義域の相異なる軸方向に対して異なる距離尺度を用いることによって相関係数を求める

### まとめ
- マッチングオートマトンをグラフで表すことは安定結婚問題を解くことだけでなく，安定結婚問題の対称性・安定性を確認することなどに役立つ．
- スパースモデリングはグラフの座標軸数やデータサンプル数を削減し，解析者の視覚的理解を促進するのに役立つ．

## 3章（三柳）
### 概要
- 安定結婚問題を2部グラフとして表現

### SMPのグラフ表記

### Is lemon fast?（マルチモーダル処理）
- 物と感覚などはどれほど結びついているのだろうか
- あるいは双方向で安定している？

### 分解不可能なグラフ
- サイズ1，２
- サイズ3の場合，
- 上がタイプ0
- 左下がタイプ1
- 右下がタイプ2

### 第2候補によるクラス分類
- 第2候補によって当てはまるクラスが異なる
- クラスは必要ノード数によって定まる
- タイプ0ではクラス3－6が該当

### まとめ
- 安定結婚問題をグラフ化することで．．．

## 5章(木山)
### Cyclic MA
- ドミノ理論によりagentのパートナーを決めたときモードを変更せずに安定マッチングを切り替えることができる
- 図は男性優位

### Necker cube
- 錯視の一種
- 多義図形
- 感覚部分(男性最良)と認識部分(女性最良)としたときのMA行列
### Disccusion
- Cyclic MAの特性は安定ルームメイト問題や３者の安定マッチング問題に拡張できる
- e.g 授業（場所，時間，学年），服装

## 6章(高橋)
### 優先度行列
- {R(m_i, w_j)\R(w_j, m_i)}と表現

### 親和度行列
- {A(m_i, w_j)\A(w_j, m_i)}と表現して一致するオートマトンを指定する
- 親和度の計算：A(mi,wj)=N+1-R(mi,mj)

### 満足度
- 満足度の計算

### 対称性
- 下の例の親和度行列ではすべての男性の親和度がすべての女性の親和度が全く同じになるという顕著な特性がある
- MAの多様性が最大
- 全ての女性が他の女性とはことなる好みを持っている
-
### 非対称性
- 非対称構造を示す自然および社会システムは非対称性を組み込むことで自然に解釈できる
- Gale-shapelyアルゴリズム
- 両方の好みの多様性が高い場合は両社に違いが生まれない
- 例えば男性の好みをすべて同じにすると１つの最適解が生まれる
- この時女性優位
- 両側で相互に異なる好みを持つオイラー安定結婚問題では多くのメンバーが異性の１つまたは少数のメンバーを好むように，サイドの選考を変更することで一方の多様性が低下する．これにより2つの現象が起こる
- 優先されるメンバーは選択する権利を持つ
- 選択する一方的な権利により，問題の解決が容易になる

### 聴覚認識システムへの応用
- これらの現象は聴覚認識システムの再編成で観察された減少と一致
- 音環境が変化したときに皮質表現の感覚認識対応の適応リマッピングを実装するモデルとしてMAを使用
- 両側で最も多様性の高いMAから、センサー側の最小の多様性に向かって、感覚エージェントの多様性が低下する

### まとめ
- 安定結婚問題を参考にしたMAの単純なモデルを構築し，聴覚感覚システムの音響周波数表現のリモデリングと一貫した動作を実現できることを実証
- リモデリングに必要な自由度は、順序付けられた親和性（またはSMPの優先度）によって実装されるため、オプションが利用できないときに次のオプションが待機するようになるが、多対1および1 対多のマッピングをモデル化する代替手段がある場合があ
- ただし、この選択はかなり一方的であり、さらに詳しく説明する必要があります。次の章では、MAの量子化構造の対称構造（加法対称と呼ばれる）に焦点を当てる

## 7章(立花)
### Intro
- エンティティが同様に動作する
- e.g. 多細胞生物
- 類似の実体は1つの集合体として扱える

### 類似して区別できない実体
#### 社会システムいよび生体系における
- システム内の各実体について能動的特性と受動的特性を定義
- 種(実体)が捕食者―被食者，強制または競争関係で層が作用している生態系における例
- 各個人(エンティティ)が他の個人を好む社会システムの例

#### ロトカ・ヴォルテラモデルにおける区別できない種群
- 訂正：捕食被食関係 a_ij * a_ji < 0

#### SMPにおける類似して区別できない個人群

## 7章(南本)
### Collective Identity
- 近いものを1つの集団とする
-
### Symmetry(対称性)
- AとBを入れ替えても成り立つ（e.g． AとBは結婚している）

### Additive
- entityを集団に加えられる

### 集団をどう言った基準で分けるか？
- Lotoka－Volterra model 捕食-被食
- Quasispecies model ウイルス
- Slime Mold model 粘菌
- Immune model 免疫

#### Lotoka－Volterra model
- 捕食者がいないと増える
- 捕食者がいると被食者が減る
- 捕食者が増えると捕食者が減る

#### 数理モデル化
- 衰退する種と増殖する種でグループ化

## 8章(谷)
### 自己修復
### プログラム言語
### アクター
- すべてのものはアクター
- root以外のアクターはroot gurdianの子アクター
- 作成するアクターはgurdianの子アクター#### 利点
#### 正常処理
- 別のアクターにメッセージを送る
- メッセージはメールボックスにたまる
- メールボックスるの内容をポリシーに沿って処理する
- (必要なら)送信元に結果を返す
- ポリシー：到着順や新着順など
#### エラー処理
- 子アクターでエラーが発生した場合(例外が送出)
- スーパバイザが該当アクターを停止
- ポリシーに沿ってアクターを処理
- ポリシー：再起動が主

#### 利点
- 平行プログラミンが容易
- スレッドを意識しない
- ロックを考えなくてよい
- Reactive
- 即応性：可能な限り迅速に応答
- 弾力性：応答が一定時間
- 耐障害性：部分的障害が波及しない

## 9章(依田)
- エージェントのグループの設計
- 物理システムと情報システム
### Intro
- 冗長コンポーネントの仕様
- 集団生存性
- **マッチングオートマトンは集団生存性を備えた人工システムの設計に使用できる**
- 9.4 物理システムと情報システムを分離してコンポーネント．．．
### 集団生存性
- 集団としての正存性の指標
### Agent survivebility game
- エージェントのグループの正存性をテストするためのコンピュータゲーム
- 防衛側と攻撃側の2人
#### Pommerman A multi-Agent Playground
- 2 vs 2
- 11×11
- 各エージェントが観測できるのは5×5だけ
- 爆発に巻き込まれるとまけ
- AIが操作できるのは1キャラのみ
- 同チーム内でも通信不可
- 思考にかけられる時間が違う(100ms)
- 次の1手の数
- 囲碁：約400通り(30s)
- ボマーマン：約1300通り(100ms)
- IBM東京基礎研究所：悲観的シナリオにおける手(最善手ではなく最優先手)
#### 悲観的シナリオによる木探索
- 今回は爆発に巻き込まれる場合
- 最善手ではなく最優先手を引き出すAIの自動運転などへの応用
- スムーズに快適に目的地にたどりつく→ 無事故でたどり着く
- 探索が浅くなる
- リアルタイムAPPへの応用が期待されている
### まとめ
- 集団生存性ではエージェントによる協力

## 10章(渡会)
- 自己認識・自己修復ネットワーク
- 自己修復ネットワークによるエージェント間の自己再獲得
### 自己認識ネットワーク
- マザーボードの例
- 矢印間で故障が出た際互いに修復を行うことで状態を維持するネットワーク＝自己認識ネットワーク
- 定義
- 各ノードは「異常」「正常」をもつ
- 異常が出た際，修復もとに設定された確率で修復を試みる
- 修復の例

### 自己再生ネットワーク
- 修復ノードが自分自身を修復するネットワーク
1. 各エージェントは確率(Pr)でアクティブ
2. アクティブ化されたネットワークは確率でリンクをアクティブ
3. 接続が受け入れられるエージェントを改善した場合，修復
- 安定結婚問題の例

### まとめ
- エージェントの通常の状態が(安定結婚問題のように)好ましい状態となる
- 自己調整アルゴリズムは様々に応用可能
- 距離調整問題(空間に配置されたエージェントが特定の制約を満たすために相対位置を調整)
- サーバネットワーク
- 組み込むシステムの動的再構成
## 10章(和田)
### 自己修復ネットワーク
- ネットワークを構成するノードが対象のノードに修復を行うモデル
- 各ノードは「正常」「異常」
- 各ノードは修復試行確率Prで修復できる
- 異常か正常かは知らないまま修復を行う
#### 修復ルール
- 正常ノードによる修復
- 常にPrが1になる
- 異常ノードによる修復
- 異常ノードが異常ノードを修復
- Pra < Prn
- 2つのノードによる修復
- 2つとも修復成功で修復が成功する
#### 自己修復ネットワークシミュレーション
- Pr=1/12, Pra=0.5，Rrn=1
- 隣接するノードと接続される6角形(ノード数6)