The Belief-Desire-Intention Ontology for modelling mental reality and agency
本論文は、宣言的知能と手続き的知能の架け橋となるよう設計された、形式的かつモジュール型の信念・欲求・意図（BDI）オントロジーを導入し、それが大規模言語モデルのコヒーレンスを向上させ、ニューロ・シンボリック・システム内におけるRDFトリプルとエージェントの精神状態間の双方向推論を可能にする有効性を実証するものである。
原論文は CC BY 4.0 (http://creativecommons.org/licenses/by/4.0/) でライセンスされています。 これは以下の論文のAI生成解説です。著者が執筆または承認したものではありません。技術的な正確性については原論文を参照してください。 免責事項の全文を読む
あなたは、単に硬直したコマンドのリストに従うのではなく、人間のように「考える」ロボットを作ろうとしていると想像してみてください。これは人工知能の世界、特に、機械に精神を与えることを試みる「認知科学」と呼ばれる分野の話です。これを行うために、研究者たちはしばしばBDIという有名な思考のレシピを使用します。それは、信念（Beliefs）（ロボットが世界について真実だと考えていること）、欲求（Desires）（何が起きてほしいか）、そして意図（Intentions）（実際に何をすると決めたか）です。ビデオゲームのキャラクターを思い浮かべてください。それは洞窟にドラゴンがいると「信じて」おり、宝を手に入れたいと「欲し」がり、その結果、剣を手に取って戦うという「意図」を形成します。数十年にわたり、科学者たちはスマートなエージェントを構築するためにこのレシピを使用してきましたが、問題があります。これらの「精神」は、しばしば異なる言語を話すということです。あるロボットが「信念」を記述する方法を、別のロボットが理解できない場合があり、それが協力作業や人間による意思決定への信頼を困難にしています。私たちは、普遍的な辞書――これらの精神状態がどのように結びついているかを示す共有された地図――を必要としています。そうすることで、AIが透明かつ論理的になり、なぜその行動をとったのかを説明できるようになるのです。
本論文はこの普遍的な辞書を紹介するものです。著者らは、合理的なエージェントの精神がどのように機能するかを示す、高度に構造化され、コンピュータが読み取り可能な設計図である「BDIオントロジー」を作成しました。単に言葉でBDIモデルを説明するのではなく、彼らは「eXtreme Design（エクストリーム・デザイン）」と呼ばれる手法を用いて、厳格な地図を構築しました。この手法は、「何がこの思考を誘発したのか？」「この欲求はいつ始まったのか？」といった具体的な問いから始まり、それらに答えるために地図を構築していくものです。彼らは単に地図を描いただけでなく、それが実際に機能するかどうかを確認するために、2つの非常に異なる方法でテストを行いました。
第一に、彼らはこの地図を用いて、非常に賢いAIチャットボット（大規模言語モデル）に学習を試みました。彼らは、さまざまな状況においてロボットが何をすべきかについての論理パズルをAIに解かせました。AIにこのBDI地図をガイドとして与えたところ、矛盾を見つけ出す能力が向上しました。例えば、ロボットが「家にいる」と信じている一方で、「ホテルにチェックインしたい」と欲している場合、地図はAIに対し、これが論理的な混乱であることを認識させ、なぜロボットがそれを行うべきではないのかという明確な説明を生成するのを助けました。結果は、AIにこのような構造化された「精神の文法」を与えることが、より一貫性があり説明可能な回答を生み出すのに役立つことを示唆していますが、著者らはこれは小規模なテストであり、この地図がすべてのエラーに対する魔法の解決策ではないことも注記しています。
第二に、彼らはこの地図をSEMASと呼ばれる稼働中のロボットシステムに組み込みました。ここでは、地図はロボットの内部的な思考と現実世界との間の架け橋として機能しました。彼らは、ロボットが（科学者に関する事実のリストのような）生のデータをどのように「信念」へと変換し、BDIルールを用いて次に何をすべきかを決定し、その後、その決定を再びデータへと変換できるかを示しました。これは、ロボットの内部の「精神」がインターネットの「知識ベース」と直接対話できるようにする翻訳者のようなものです。
本論文は、このBDIオントロジーが「概念的かつ操作的な架け橋」としてうまく機能することを見出しています。それは、エージェントが何を考えているかという抽象的な概念と、エージェントを動かす実際のコードとを結びつけます。著者らは、これが基礎的なステップであり完成品ではないと慎重に述べていますが、彼らの実験は、このような共有された精密な言語を使用することで、AIシステムがより透明になり、自身の思考について推論できるようになることを示唆しています。彼らは、次世代のAIが真にスマートで信頼できるものになるためには、信念、欲求、そして意図がどのように共に踊るかについての、このような構造化された共有された理解が必要であると主張しています。
自分の分野の論文に埋もれていませんか？
研究キーワードに一致する最新の論文のダイジェストを毎日受け取りましょう——技術要約付き、あなたの言語で。