自動計画の立役者：STRIPS

自動計画の立役者：STRIPS

起源

人工知能という言葉がまだ夢物語だった時代、1970年代初頭にスタンフォード研究所（現ＳＲＩインターナショナル）である画期的なシステムが誕生しました。その名はSTRIPS（スタンフォード研究所問題解決機）。これは、ロボットに自動的に計画を実行させることを目的とした人工知能システムです。具体的には、当時開発されたロボット「シェーキー」に搭載され、その能力を最大限に引き出すために利用されました。

シェーキーは、まるで自らの意思を持っているかのように、障害物を巧みに避けながら指示された場所に移動したり、物を動かしたりすることができました。このシェーキーの驚くべき行動は、STRIPSによって生成された計画に基づいていたのです。STRIPSは、与えられた目標を達成するために必要な一連の行動を自動的に計算し、シェーキーに指示を出していました。これは、それまでのロボット制御の常識を覆す画期的な成果であり、人工知能研究における大きな一歩となりました。

STRIPS以前は、ロボットの行動は全て人間が事前にプログラムする必要がありました。しかし、STRIPSの登場により、コンピュータが自律的に計画を立案する時代が幕を開けたのです。これは、ロボット工学だけでなく、人工知能全体の発展に大きく貢献しました。STRIPSはまさに自動計画分野の草分け的存在であり、その後の多くの研究に影響を与え、今日の自動運転技術などにもつながる重要な技術の礎を築いたと言えるでしょう。

表現言語としてのSTRIPS

人工知能の分野で「縞模様」という意味を持つ「ストリップス」という用語は、実は単なるシステムの名称にとどまりません。「ストリップス」は、人工知能システムの名前であると同時に、そのシステム内で用いられる計画を記述するための特別な言語の名称でもあるのです。この言語は、世界の状態、行動、そして目標といった要素を、簡潔かつ強力な方法で表現することを可能にします。

具体的に見ていくと、世界の状態は、一連の事実の集まりとして表現されます。例えば、「机の上にペンがある」「引き出しが開いている」といった具体的な事実を列挙することで、現在の世界の状態を記述します。次に、行動は、「前提条件」「追加効果」「削除効果」の三つの要素で定義されます。例えば、「ペンを取る」という行動の場合、「前提条件」は「机の上にペンがある」「手は空いている」といった状態になります。そして「追加効果」は「手にペンがある」となり、「削除効果」は「机の上にペンがある」となります。このように、ある行動を行うための必要条件と、その行動によって新たに生まれる状態、そして消滅する状態を明確に記述することで、行動を正確に定義します。

「ストリップス」言語を用いる最大の利点は、複雑な計画問題を形式的に表現し、コンピュータで処理できるようになる点です。人間が理解しやすい自然言語ではなく、厳密なルールに基づいた形式言語で記述することで、コンピュータが計画を理解し、自動的に処理することが可能になります。また、「ストリップス」言語は、シンプルさと表現力のバランスに優れています。複雑な構文や規則を覚える必要がなく、比較的容易に習得できるにもかかわらず、多様な計画問題を表現することができます。こうした利点から、「ストリップス」は今もなお自動計画の分野で広く使われている主要な言語の一つです。そして、多くの後続の計画システムや処理手順は、「ストリップス」言語を土台として開発されています。まさに、現代の自動計画技術を支える重要な言語と言えるでしょう。

STRIPSの動作原理

STRIPS（スタンフォード研究所問題解決システム）は、ある状態から目的の状態へ至る一連の行動を見つけるための計画作成システムです。これは、状態空間探索と呼ばれる手法を用いています。STRIPSは、まるで迷路を解くように、現在の状態から可能な行動を選び、その行動をとった結果どうなるかという新しい状態を作り出します。この手順を目的の状態にたどり着くまで繰り返します。

STRIPSの賢いところは、既に通った状態を記憶している点です。同じ場所を何度も行ったり来たりしないようにすることで、効率的に探索を行います。例えば、迷路で同じ道を何度も通らないように印をつけるようなものです。これにより、無駄な探索を省き、より早く目的の状態にたどり着くことができます。

また、行き止まりにぶつかった場合は、バックトラックという手法を使います。これは、迷路で行き止まりに当たったら、前に戻って別の道を探すようなものです。STRIPSでは、行き詰った場合、以前の状態に戻り、別の行動を選び直します。このように、様々な行動を試すことで、最終的に目的の状態にたどり着く道筋を見つけ出します。

STRIPSは、状態を表現するために、事実の集合を使います。例えば、「部屋Aにいる」「箱Bを持っている」といった事実が状態を表します。行動は、これらの事実を変更します。例えば、「部屋Aから部屋Bへ移動する」という行動は、「部屋Aにいる」という事実を削除し、「部屋Bにいる」という事実を追加します。

このような探索方法と状態の表現方法によって、STRIPSは複雑な計画問題を解くことができます。例えば、ロボットに物を運ばせる、複数の作業を順番に実行する、といった複雑な計画を立てることができます。STRIPSは、人工知能の分野における計画作成の基礎となる重要なシステムです。

STRIPSの限界

STRIPS（ストリップス）は、人工知能の分野で計画問題を解くための画期的な自動計画システムとして登場しました。物事の状態を表現し、行動によってどのように状態が変化するかを記述することで、目標状態に至るための行動列を生成することができます。しかし、画期的なシステムでありながらも、いくつかの限界が存在します。

まず、STRIPSは行動の効果を完全に予測できると仮定している点が挙げられます。プログラムされた通りに物事が動くことが前提となっているため、現実世界のように想定外の出来事が起こる状況には対応できません。例えば、ロボットにコーヒーを淹れる計画を立てたとします。STRIPSでは、「カップを置く」「お湯を注ぐ」「コーヒー粉を入れる」といった行動とその結果を事前に全て定義する必要があります。しかし、実際にはカップが滑って倒れたり、お湯がこぼれたりする可能性があります。このような不確実性を考慮することができないため、STRIPSは、想定外の状況変化が多い現実世界の計画を立てるには不向きです。

さらに、STRIPSは数値を扱うことが苦手です。例えば、資源の量や時間の概念をうまく扱うことができません。ロボットが複数の作業を同時に行う場合、それぞれの作業に必要な時間や資源の量を考慮した計画を立てる必要があります。しかし、STRIPSでは、このような数値的な情報を扱うことが難しいため、複雑な資源管理や時間管理が必要な計画を立てることはできません。コーヒーを淹れる例で言えば、お湯の温度やコーヒー粉の量といった数値を計画に組み込むことは困難です。

これらの限界を克服するために、STRIPSを改良した様々な計画システムが開発されてきました。例えば、行動の結果が確率的に変化する状況を扱う「確率的計画」や、時間的な制約を考慮した計画を立てる「時間制約付き計画」などを扱うシステムが登場しています。これらのシステムは、STRIPSの限界を克服し、より複雑で現実的な計画問題を解くことを可能にしています。

STRIPSの影響と後世への貢献

人工知能における自動計画という分野に、STRIPSという画期的なシステムが大きな影響を及ぼしました。STRIPSが登場する以前は、機械に計画を立てさせる、という作業は非常に困難でした。しかし、STRIPSの登場によって状況は一変します。STRIPSは、まるで魔法のように機械に計画を立てさせることを可能にし、人工知能研究の中でも自動計画という分野が大きく注目されるきっかけとなりました。多くの研究者がこの新たな分野に心を奪われ、こぞって研究に乗り込むようになったのです。STRIPSの影響はそれだけにとどまりません。STRIPSが提案した計画を記述するための言葉や、計画を見つけるための手順は画期的で、多くの研究者がこぞってこれを採用し、改良しようと試みました。STRIPSが作り出した土台の上に、様々な新しい計画システムが築き上げられていったのです。

STRIPSの画期的な点は、世界の状態を表現する方法と、行動の効果を記述する方法を明確に定義したことにあります。世界の状態は、一連の事実で表現され、行動は、世界の状態をどのように変化させるかを記述します。このシンプルな表現方法が、その後の自動計画研究の基礎となり、様々な計画問題を解決するための枠組みを提供しました。具体的には、STRIPSで提案されたアルゴリズムは、与えられた初期状態から目標状態に到達するための行動の列を探し出すことができます。このアルゴリズムは、問題の規模が大きくなると計算量が爆発的に増えるという課題を抱えていましたが、その後の研究で様々な改良が加えられ、より効率的なアルゴリズムが開発されました。

STRIPSが発表されてから50年以上が経ちましたが、現在でも自動計画の基礎として、多くの教科書や論文で紹介されています。STRIPSの登場は、人工知能の歴史における重要な出来事であり、その影響は今もなお、自動計画分野の発展を支え続けています。STRIPSは、機械に計画を立てさせるという夢を実現するための、重要な一歩となったと言えるでしょう。