PBEの歴史、機械学習の歴史、その融合、今後などについての Invited Talk

PBDと機械学習は似ているようで大きな違いがあり、 PBDではインタラクションが非常に重要な役割を持っていると いうことを述べている。
機械学習には以下のような特徴がある。

• 問題が定式化/抽象化されている
• 学習フェーズ/適用フェーズが明確に分離されている
• 学習のためのデータが豊富なことが多い
• どういう推論アルゴリズムを使うかが重要
• アプリケーションにあまり依存しない

一方、PBDの特徴は以下のようなものである。

• 推論途中にユーザが割り込んでよい
• 推論のためのヒントを与えたり、何を推論するかを制御したりしてできる
• システムに対するユーザのかかわりが推論アルゴリズムより重要 (良い推論アルゴリズムが必ずしもPBDでもうまく働くとはかぎらない)
• システムにものを教え込む姿勢が大事 (データだけ与えてつきはなすのと異なる)
• システムを教育する間にユーザの状況も変化する
• システムの反応によって、与える例データを変えられる
• 説明重視 (説明にもとづく学習)
• 常にSupervised Learning

このため、最もすぐれた機械学習アルゴリズムが インタフェースにおいても最適であるとは限らない。

確かに純粋な学習アルゴリズムをそのままPBDに適用することは できない。いわゆるAI的学習アルゴリズムがインタフェースに 役にたったことは全く無いような気もする。(1997/1/28 増井)

例から規則を学習する方法について。データ主導でやる方式には depth first, breadth first, version space strategyの3とおりが ある。depth firstというのは今まで得られたデータ群から最も 一般的な(共通の)規則を得ようとするもので、矛盾する規則が 発見されるとバックトラックする。breadth firstというのは そのような規則が複数あるときそれらを全部保持しながら枝刈りを していくものである。version space strategyというのは、 それまでに得られたデータと矛盾しない規則の上界と下界の集合を 常に保持しながら、その間に解があると判断するものである。 データ主導式学習の他、規則を作成してみてそれが実データ と合致しているか試していくというGenerte and test方式の学習 というものがある。