2014年11月03日
「ロボットは東大に入れるか」成果報告会 in 2014（11/2）レポート
昨年のものはこちら。そしてNHKの報道はこちら。
大体のことは昨年あと同じである上に，今年はNHKの報道がかなり詳しく報じてくれているため，今年は昨年に比べるとレポートを出す意味が薄いと思われた。なので書くべきか迷ったが，一応書いたので公開する。そういうわけで，できれば昨年のレポートと，（リンクが生きてれば）NHKの報道を見てからお読みいただければと思う。
昨年は午前の部が研究者向け発表，午後が一般向け発表という分け方で，ほぼ全科目二周したのだが，今回はそうした区分けは無く，研究者向け発表のみ。午前中が理系科目，午後が文系科目。また，前回はスライドが全部印刷されて配布されたのでレポートを書きやすかったのだが，今回は数学以外未配布である。スライドが切り替わるのが早くてメモを取り逃した箇所がいくつかあり，完璧ではない点ご了承いただきたい。受験したのは昨年同様センター型の模試で，数学のみ東大プレも受験。
新井紀子先生の開会の言葉とプロジェクトの趣旨
・昨年と全く同じ。目標は変わらず。2016年のセンター足切り突破，2021年（2022年春）の文科の二次試験合格を目標とする。目的は「リアルデータを用いた，人工知能をフェアな評価の俎上に乗せ，真の技術的ブレイクスルーを図る」。その上でなぜ東大入試を選んだのかという点については昨年度も話しているため割愛された。（念のため書いておくと，現状の人工知能では困難な知的作業が多いため。特に「深く正確な（自然言語の）構文解析と意味合成」・「パラフレーズ同定」・「文章の要約」の３点。）
・今の情報学の流行というとビッグデータの処理だが，これはレッドオーシャンになってしまっている（上に，googleにはどうがんばっても勝てない）。東ロボはブルーオーシャンで戦うためのプロジェクトになりうると考える，とのこと。ブルーオーシャン的戦場の類例として，DARPA AI Project群，Project ARISTOが挙げられていた（編註：この２つが何なのか私はわかりません）。要するに，AI機能の「統合的タスク」は新規開拓の余地があると考えている模様。（この点は最後の松原仁氏の講演でも語られていた。AIの歴史は統合と分散を繰り返しているそうで。）
教科全般の話
・東ロボくんが入試に参加する上でのレギュレーションについて。ここも昨年とおおよそ同じだが，もう少し詳しい説明があった。以下，追加情報を中心に記載。
・東ロボくんは並列処理が可能。よって，小問１つに制限時間いっぱいを使える。たとえば東大二次試験の数学は文系なら４問あるが，４問それぞれに試験時間１００分使える。人間なら時間配分も勝負の決め手になるので，この点は有利。
・例によって，OCRで直接文章を読み取って東ロボくんに流し込む，というのは未実装。今回は問題文をXMLに書き下す（数学ならMathML）ところまでは人力。
・画像処理も昨年と同じでほぼ未実装に近い状態。アノテーションを付して図表をテキストデータに変換し，自然言語として処理。
＜筆者感想と補注＞
半ば裏話的に聞いた話なので，以下は話半分に。最終的に，完全に人間の手を介さずに入試問題を解くことには，あまり執念がないっぽい。基本的に参加している研究者は自然言語処理または数式処理が専門で，画像処理，ましてやOCRは専門ではないので。個人的な感想としても，確かに今回のプロジェクトでOCRは本質じゃないしなぁとは思う。一方で，入試問題には図版や統計情報，グラフを処理させる問題もあり，そちらはアノテーションとかいう紛れもないチートを使ってないで，専門家がいないとかいう泣き言を言わず，真摯に取り組んで欲しい気も。
〔数学〕
・成績は昨年とほぼ同じ。センター数学が95/200なのに，東大二次の数学は32/80，36/120という偏った成績。人間だったら，センターがその点数なら東大二次は０点だと思う。
・アプローチは昨年と同じ。まず日本語（自然言語）をコンピュータが理解できる形式表現に変換し，これをさらにQEに当てはめるべく一階述語論理式に変換。一階述語論理式をQEで数式処理して解答を出す。形式表現変換は現在のところ半自動だが，将来的には完全自動を目指す。
・というわけで解法は例によってQE（限量記号消去）。鶏を割くのに牛刀を用いるどころのレベルではなく，パイルバンカーで粉々に打ち砕いている感じである。ただし，QEのやり方に大きな改善があったらしく，RCF-QEのアルゴリズムを三種類用意し，私にはさっぱりわからなかったがこの辺の説明はやや詳しめにされていた。その三種類の名前を参考までに載せておく。
１．Cylindrical Algebraic Decomposition：任意の入力に対応：計算量はO(2^2n) （n：変数の数），変数は５個程度まで
２．Virtual Substitution：線形の式の場合：計算量はO(2^k) （k：束縛変数の数），変数の数は１０個程度まで
３．Sturm-Habicht sequence：∀z(x≧0→f(z)>0) 計算量 O(2^d) （d：多項式fの次数），多項式の次数が８次程度まで
→ これに加えてCGS-QEなるものを新たなアルゴリズムとして追加したそうだ。ともかく，結果として，「“理論上は”東ロボくんがほぼ全ての入試問題を解ける“目処”が立った」ところまで来たそうな。
・じゃあどこで詰まってるかというと，結局のところ形式変換または一階述語論理式の段階。東ロボくんが問題文を理解できる＝RCF-QEで処理できる形式表現にするのがなかなか難しい。あと昨年同様深刻なのが，一階述語論理式が冗長すぎて，相変わらず計算量爆発でタイムオーバーすること。元々の問題の変数は入試問題なので多くても３つか４つという程度なのに，これを一階述語論理式にすると，あっという間に変数が数十個に増加してしまう。論理式の簡素化も昨年に比べると改善はされたらしいのだが，さして点数に結びつかなかったそうで。
・あと，東ロボくんはお茶目なので，sin（ア）θ = sinθ の空欄（ア）に「１」を入れるという受験数学の常識を覆す暴挙をしばしばやらかすらしく（会場大爆笑），特にセンターでこういうのをやらかすと致命的で，改善が必要。（無論，数学的に言えば間違ってないが，センター試験の解答としては１を入れると誤答になるような問題文にちゃんとなっている。たとえばθが90°なら(ア)は５が入るだろう）。
＜筆者感想＞
点数的には変わってないのだけれど，内情は大きく改善した印象を受けた。
最後のはセンター試験解く上では本当に致命的で，しかもセンター試験で東大受験レベルというと９割超えなので，必ず改善が必要だと思う。究極的には形式表現変換の問題なんだろうけど，こういうのの改善は困難だろう。こんな受験数学のお約束，どうやってコンピュータに認識させるのか，専門外ながらさっぱりわからない。もう一つ専門外ながら言ってしまうと，このお茶目なミスを含めて，QE以外の解法を模索してみる価値はありそうな気がする。もしくは二次はQEで解いて，センターは別の手法とか。完全に素人考えなので，可能なのかは知らん。
〔理科（物理）〕
・昨年は39点で今年は31点なので一見して下がっているように見える。ただし，昨年は異常に運が良く，実際には39点中実力で当てたのが17点で運が22点。今年は実力が23点で運が8点なので，実力としては6点分向上している。加えて昨年並の運があれば＋14点で偏差値55くらいまで上がった，残念（会場笑）
・これも手法は昨年とほぼ同じ。日本語を東ロボくんが理解出来る形に形式表現変換し，これを東ロボくんがシミュレーターで現象を再現し，解答を出す。
・実際にはシミュレーターで再現できるところまでたどり着くのが困難で，たどり着きさえすれば分野によらず５０％くらいの正答率を出すところまではたどり着いた。というよりもシミュレーションまでたどり着いたのに誤答を出してしまっているのは単純なモジュールのバグであり，改善は比較的容易と思われる。仮に今回の模試でモジュールに全くバグがなかったとしたら＋12点の43点になっていた。これに運の差の+14点まで加わると57点になり，まさかの偏差値60超えだったのに（会場爆笑）
・日本語の形式表現変換については，物理科目では極めて困難で，数学のような半自動化さえ難しい。日本語が曖昧すぎるため。たとえば「金属を折り曲げる」や「滑らかな坂」を東ロボくんが自力で理解して，シミュレーターに取り込むのは，少なくとも現状では絶対に無理。数学とのレギュレーションが統一できていないが，形式表現変換を人間がやり続けても良いなら，将来的に高得点をたたき出す見込みはある。
・また，シミュレーション以外の解法が必要な問題については完全に未着手。
〔英語〕
・NHKの報道にもある通り，点数が飛躍的に伸びた科目。52/200から95/200へ。ほとんど倍。
・参加メンバーが変更。今年はNTTの研究者が参加し，その技術が使われたので飛躍的に向上した模様。
・ご存じの人はご存じの通り，センター試験は前半の短文ゾーンと，後半の長文ゾーンに分かれ，配点はほぼ半分ずつ。東ロボくんが得意なのは前半で，こちらが63/99。一方，後半は32/101。あとで代ゼミの講師からツッコミが入っていたが，人間の受験生とは正反対の傾向。センター試験は一般的に長文の方が取りやすい。
・前半部分のうち，より単純な文法・語法の問題の解法は，大規模テキストデータの活用（ビッグデータ的な手法？）。設問によるが，約１０億〜１０００億の単語に相当する例文が収録されたテキストデータを検索して，妥当性の高い選択肢を選ぶ。それだけ例文があれば，さすがにほとんどの問題でどんぴしゃの例文にぶつかる。センターレベルの文法や熟語なら，８０％程度の正答率で安定していたのだが，今回の模試では運悪く６０％の正答率だった。
・もう少し高度な会話文補充の問題は，「発話意図」と「感情極性」の推定で解いた（編註：これは上記のNHKの記事にて詳述されている）。たとえば「来週、父さんが手術を受けるんだ」と話しかけられたら，operaitonの単語から，“発話意図”は意見の表明で“感情極性”はnegative，と東ロボくんは推定。なので応答の文は選択肢のうち，“発話意図”は同情で“感情極性”はnegativeなものを選ぶべきとなり，見事に正解の「That's too bad.」を選ぶことができた，という形。
・この手法の応用で長文読解もいけるのでは，と思われたが，長文となると発話意図や感情の変化が複雑になり，必ずしも適用できないらしい。また別のアプローチを考えているそうだ。
・代ゼミの講師からの指摘として，「前半部分はその解法で解くのであれば，ランダムに英文を例文として収録するよりも，英英辞典をがんばってテキストデータ化してインストールした方が目的にかなっているのでは。類語とかたくさん載っているので。」というもっともすぎる指摘があった。
＜筆者感想＞
会話文の解法は，まあ，会話型botの高級なやつといった感じか。NHKのニュースによれば「こうした技術を応用すれば、人間の雑談につきあってくれる人工知能の開発にもつながる」「将来的には、人間どうしのやり取りにも参加できる人工知能を開発したい」とNTTの人が語っているそうなので，まさにそうらしい。
最後の指摘については，私もそう思います。英英辞典ってまさにそのためのアイテムだしね。著作権の問題だけなんとかしてクリアしてください。
〔国語（現代文）〕
・昨年大いに会場を沸かせた名古屋大の佐藤教授が今年も登場。しょっぱなから「じゃあ動画流すんで」と言い出し，まさかの動画再生。しかもYouTubeにアップロード済。この時点ですでに会場大爆笑。
・動画にある通り，今年のキーワードは「節」と「小市民的感情力」。
・評論：昨年は「一致する文字数」（単語数ですらない）で問題を解き，正答率５０％程度だったわけだが，今年は節を分析させ，節の大まかな内容や形式（主語なのか述語なのか副詞節なのか）を加味して解答を導き出させた。昨年と比較してかなり高度な技術の導入に思えるが，正答率は飛躍的に上がったわけではない。今回の模試の結果も正答率は約５０％であった。
・小説：ある参考書に，小説を解く鍵は４つあると書いてあった。そのうち３つは絶望的に無理そうだったり時間的に着手できなさそうだったりしたので，いけそうな「小市民的感情力」を東ロボくんに実装できないかと試行錯誤してみた（会場再度大爆笑）。で，実際にどんなアルゴリズムなのかというと，名称が「PBM」で，残念ながら「今度PBMは特許を取る可能性があるので，今回は発表できません。申し訳ない」とのことであった。しかし，PBMがまだ未完成だったがゆえに今回の模試の感情表現を読み取る問題を攻略するに至らず，こちらも結果は昨年とほぼ同じ。
・最後に，佐藤教授曰く「本質的な解法でもチャレンジはしている。しかし，やればやるほど，日本語というものがわからなくなっていく。人工知能以上に人間が言語というものを理解できていないのではないか。改良しても点数が伸びないことよりも，なぜ伸びないのかわからないのがつらい」。
＜筆者感想＞
評論については，やっぱり思った以上に「一致する字数」解法有効なんじゃねーのという悲しい話でもある。「節」分析，素人目にはかなり高度な技術の導入に思えるんだけどなぁ。しかし，文章の意味内容をすっとばして解いている以上，言語としての日本語を分析するやり方ならどう解いても邪道には違いない。おっしゃる通り，最後はやはり文章の意味内容自体を理解して問題を解かないと，高得点は不可能なのでは。
小説については，東ロボくん云々よりも自分にとって身につまされる話で，現役の最後までセンターの小説だけは苦手だったが，まあこれ（＝小市民的感情力）ですよねと。「大多数の人が抱くだろう感情」を推測することの重要性は，今になってみればわかるが，高校生当時はわからんかった。
あと，そろそろ古文と漢文にも本腰入れてほしい。研究者が足りていないっぽいので，情報学者の皆さんこれを機にどうですか。
〔社会科（世界史・日本史・政経）〕
・世界史Bが52点，日本史が44点，政経が17点。偏差値的に言えば世界史が横ばいか少し向上，日本史はダウン，政経は大幅ダウン。
・解法は昨年と同じ。選択肢の文に登場する用語を教科書などのデータベースから検索し，用語同士の距離などから解答を推測。文章内の近い位置，教科書であれば同じ章の同じ段落から，選択肢内にある用語が複数見つかれば，その選択肢は正解の可能性が高い。たとえば「ヒッタイト」と「鉄器」は教科書上で同じ章の同じ段落に登場するので，関連性が高いと推測されうる。
・では昨年と比較して何を改善したかというと，まず単純に解法のチューニング。検索に余分な用語をさっ引いたり，用語の重要度を変えてみたり。実際これで正誤判定型の問題はかなり解けるようになった。
・データベースとしては，山川出版社が太っ腹にも用語集のテキストデータをくれたので，これを東ロボくんにインストールした。これで劇的に成績が向上するかに思われたが，思ったよりも上がらず。理由として，用語集は逆に詳しすぎて，ノイズが多い。また，用語集は「詳細は○○」と別項に飛ばすことが多いが，それは東ロボくんの解法だとつらい。文章に登場する近さで関連性を判定しているので，別項に飛ばされると関連性の低い用語と東ロボくんは判断してしまう。
・一方，年代順を並べ替える問題など，時系列に関連する問題の解法は未着手に近い。というよりも，全ての用語に一々年代を振ってくれている教科書なんて存在していないので，現在の解法では無理がある。また，たとえば「春秋・戦国時代」のように「時代の幅」があると，根本的に「時間」というものを理解しているわけではない東ロボくんは混乱してしまい，今の解法だとデタラメな解答になってしまう。この辺が課題。
・代ゼミ講師からの指摘で，「世界史＜日本史＜政経の順で，現代の日本人としての常識を前提として問題が作られているので，それでこの点数の順になっているのでは。東ロボくんの価値観はフラットで，世界史を解くには良いが，日本史にはつらいかも。」というものがあった。
＜筆者感想＞
社会科も，全般的に国語と同じ問題で詰まっているような。究極的には，やはり文の意味内容を理解できないと点数が伸び悩むのでは。そもそも二次試験に正誤判定はほとんど皆無に近いしなぁ。
最後の代ゼミ講師のツッコミは大変納得できる。
〔代ゼミ側の総評〕
・900点満点で392点，今年も400点には届かず，一見して昨年とほぼ変わらない点数。ただし，全体として今回の模試は昨年よりも受験生の平均点が低かったことを考慮すると，昨年と比較して実力は伸びていると言える。
・特に英語が飛躍的に伸びた関係で，文系三科目に絞ると偏差値は53.4まで上昇する（昨年は47.7）。何と受験生平均超え。これだと，文系の多い私大ではかなりの大学でA判定が出る。結果として，A判定が出る大学の数は４７６大学。
・ただし，大学が一番多いのはこの偏差値45〜50の層で，ここを完全に乗り越えてしまったので，ここから先はちょっとやそっと偏差値が上がった程度では合格できる大学の数は増えない。
・国公立も一応４大学でA判定が出ているが，例によって芸術系なので二次試験は……
＜筆者感想＞
偏差値53.4だと，B判定でいいなら，いわゆる大東亜帝国，帝京大学あたりまで出るはず。C判定＝受験するにちょうど良い水準としては日東駒専，つまり日本大学くらいまで含まれると思う。これは割とマジですごいので，どちらかというとこちらを宣伝すべきだったのでは，という気も。
＜筆者の全体感想＞
科目によっては本質的な（サイエンティフィックな）手法も出てきた感じ。というか，多くの科目でエンジニアリング的手法の限界が来ているようにも。また，教科の本質がわからないとエンジニアリングにしろサイエンティフィックにしろ詰まってしまうようにも見え，数学と物理はいいとしても，英語や国語はもはや言語学とか国語学の専門家をチームに引き入れた方がいいのでは，と思った。
点数が伸びてはいるのだけれど，2016年にセンター試験突破を考えると，成長曲線が足りないようにも。センター形式が苦手なことを考えると，むしろ2021年までに二次試験と同時ゴールくらいの方がいいのでは。
あとまあ世界史の話をするなら，用語集をインストールした結果，用語集が煩雑過ぎてセンターが逆に解きづらくなったのなら，早慶の入試の方が問題を解きやすいのでは，問題が用語集のコピペばっかりだし，と思うます。例の本の著者としては。
大体のことは昨年あと同じである上に，今年はNHKの報道がかなり詳しく報じてくれているため，今年は昨年に比べるとレポートを出す意味が薄いと思われた。なので書くべきか迷ったが，一応書いたので公開する。そういうわけで，できれば昨年のレポートと，（リンクが生きてれば）NHKの報道を見てからお読みいただければと思う。
昨年は午前の部が研究者向け発表，午後が一般向け発表という分け方で，ほぼ全科目二周したのだが，今回はそうした区分けは無く，研究者向け発表のみ。午前中が理系科目，午後が文系科目。また，前回はスライドが全部印刷されて配布されたのでレポートを書きやすかったのだが，今回は数学以外未配布である。スライドが切り替わるのが早くてメモを取り逃した箇所がいくつかあり，完璧ではない点ご了承いただきたい。受験したのは昨年同様センター型の模試で，数学のみ東大プレも受験。
新井紀子先生の開会の言葉とプロジェクトの趣旨
・昨年と全く同じ。目標は変わらず。2016年のセンター足切り突破，2021年（2022年春）の文科の二次試験合格を目標とする。目的は「リアルデータを用いた，人工知能をフェアな評価の俎上に乗せ，真の技術的ブレイクスルーを図る」。その上でなぜ東大入試を選んだのかという点については昨年度も話しているため割愛された。（念のため書いておくと，現状の人工知能では困難な知的作業が多いため。特に「深く正確な（自然言語の）構文解析と意味合成」・「パラフレーズ同定」・「文章の要約」の３点。）
・今の情報学の流行というとビッグデータの処理だが，これはレッドオーシャンになってしまっている（上に，googleにはどうがんばっても勝てない）。東ロボはブルーオーシャンで戦うためのプロジェクトになりうると考える，とのこと。ブルーオーシャン的戦場の類例として，DARPA AI Project群，Project ARISTOが挙げられていた（編註：この２つが何なのか私はわかりません）。要するに，AI機能の「統合的タスク」は新規開拓の余地があると考えている模様。（この点は最後の松原仁氏の講演でも語られていた。AIの歴史は統合と分散を繰り返しているそうで。）
教科全般の話
・東ロボくんが入試に参加する上でのレギュレーションについて。ここも昨年とおおよそ同じだが，もう少し詳しい説明があった。以下，追加情報を中心に記載。
・東ロボくんは並列処理が可能。よって，小問１つに制限時間いっぱいを使える。たとえば東大二次試験の数学は文系なら４問あるが，４問それぞれに試験時間１００分使える。人間なら時間配分も勝負の決め手になるので，この点は有利。
・例によって，OCRで直接文章を読み取って東ロボくんに流し込む，というのは未実装。今回は問題文をXMLに書き下す（数学ならMathML）ところまでは人力。
・画像処理も昨年と同じでほぼ未実装に近い状態。アノテーションを付して図表をテキストデータに変換し，自然言語として処理。
＜筆者感想と補注＞
半ば裏話的に聞いた話なので，以下は話半分に。最終的に，完全に人間の手を介さずに入試問題を解くことには，あまり執念がないっぽい。基本的に参加している研究者は自然言語処理または数式処理が専門で，画像処理，ましてやOCRは専門ではないので。個人的な感想としても，確かに今回のプロジェクトでOCRは本質じゃないしなぁとは思う。一方で，入試問題には図版や統計情報，グラフを処理させる問題もあり，そちらはアノテーションとかいう紛れもないチートを使ってないで，専門家がいないとかいう泣き言を言わず，真摯に取り組んで欲しい気も。
〔数学〕
・成績は昨年とほぼ同じ。センター数学が95/200なのに，東大二次の数学は32/80，36/120という偏った成績。人間だったら，センターがその点数なら東大二次は０点だと思う。
・アプローチは昨年と同じ。まず日本語（自然言語）をコンピュータが理解できる形式表現に変換し，これをさらにQEに当てはめるべく一階述語論理式に変換。一階述語論理式をQEで数式処理して解答を出す。形式表現変換は現在のところ半自動だが，将来的には完全自動を目指す。
・というわけで解法は例によってQE（限量記号消去）。鶏を割くのに牛刀を用いるどころのレベルではなく，パイルバンカーで粉々に打ち砕いている感じである。ただし，QEのやり方に大きな改善があったらしく，RCF-QEのアルゴリズムを三種類用意し，私にはさっぱりわからなかったがこの辺の説明はやや詳しめにされていた。その三種類の名前を参考までに載せておく。
１．Cylindrical Algebraic Decomposition：任意の入力に対応：計算量はO(2^2n) （n：変数の数），変数は５個程度まで
２．Virtual Substitution：線形の式の場合：計算量はO(2^k) （k：束縛変数の数），変数の数は１０個程度まで
３．Sturm-Habicht sequence：∀z(x≧0→f(z)>0) 計算量 O(2^d) （d：多項式fの次数），多項式の次数が８次程度まで
→ これに加えてCGS-QEなるものを新たなアルゴリズムとして追加したそうだ。ともかく，結果として，「“理論上は”東ロボくんがほぼ全ての入試問題を解ける“目処”が立った」ところまで来たそうな。
・じゃあどこで詰まってるかというと，結局のところ形式変換または一階述語論理式の段階。東ロボくんが問題文を理解できる＝RCF-QEで処理できる形式表現にするのがなかなか難しい。あと昨年同様深刻なのが，一階述語論理式が冗長すぎて，相変わらず計算量爆発でタイムオーバーすること。元々の問題の変数は入試問題なので多くても３つか４つという程度なのに，これを一階述語論理式にすると，あっという間に変数が数十個に増加してしまう。論理式の簡素化も昨年に比べると改善はされたらしいのだが，さして点数に結びつかなかったそうで。
・あと，東ロボくんはお茶目なので，sin（ア）θ = sinθ の空欄（ア）に「１」を入れるという受験数学の常識を覆す暴挙をしばしばやらかすらしく（会場大爆笑），特にセンターでこういうのをやらかすと致命的で，改善が必要。（無論，数学的に言えば間違ってないが，センター試験の解答としては１を入れると誤答になるような問題文にちゃんとなっている。たとえばθが90°なら(ア)は５が入るだろう）。
＜筆者感想＞
点数的には変わってないのだけれど，内情は大きく改善した印象を受けた。
最後のはセンター試験解く上では本当に致命的で，しかもセンター試験で東大受験レベルというと９割超えなので，必ず改善が必要だと思う。究極的には形式表現変換の問題なんだろうけど，こういうのの改善は困難だろう。こんな受験数学のお約束，どうやってコンピュータに認識させるのか，専門外ながらさっぱりわからない。もう一つ専門外ながら言ってしまうと，このお茶目なミスを含めて，QE以外の解法を模索してみる価値はありそうな気がする。もしくは二次はQEで解いて，センターは別の手法とか。完全に素人考えなので，可能なのかは知らん。
〔理科（物理）〕
・昨年は39点で今年は31点なので一見して下がっているように見える。ただし，昨年は異常に運が良く，実際には39点中実力で当てたのが17点で運が22点。今年は実力が23点で運が8点なので，実力としては6点分向上している。加えて昨年並の運があれば＋14点で偏差値55くらいまで上がった，残念（会場笑）
・これも手法は昨年とほぼ同じ。日本語を東ロボくんが理解出来る形に形式表現変換し，これを東ロボくんがシミュレーターで現象を再現し，解答を出す。
・実際にはシミュレーターで再現できるところまでたどり着くのが困難で，たどり着きさえすれば分野によらず５０％くらいの正答率を出すところまではたどり着いた。というよりもシミュレーションまでたどり着いたのに誤答を出してしまっているのは単純なモジュールのバグであり，改善は比較的容易と思われる。仮に今回の模試でモジュールに全くバグがなかったとしたら＋12点の43点になっていた。これに運の差の+14点まで加わると57点になり，まさかの偏差値60超えだったのに（会場爆笑）
・日本語の形式表現変換については，物理科目では極めて困難で，数学のような半自動化さえ難しい。日本語が曖昧すぎるため。たとえば「金属を折り曲げる」や「滑らかな坂」を東ロボくんが自力で理解して，シミュレーターに取り込むのは，少なくとも現状では絶対に無理。数学とのレギュレーションが統一できていないが，形式表現変換を人間がやり続けても良いなら，将来的に高得点をたたき出す見込みはある。
・また，シミュレーション以外の解法が必要な問題については完全に未着手。
〔英語〕
・NHKの報道にもある通り，点数が飛躍的に伸びた科目。52/200から95/200へ。ほとんど倍。
・参加メンバーが変更。今年はNTTの研究者が参加し，その技術が使われたので飛躍的に向上した模様。
・ご存じの人はご存じの通り，センター試験は前半の短文ゾーンと，後半の長文ゾーンに分かれ，配点はほぼ半分ずつ。東ロボくんが得意なのは前半で，こちらが63/99。一方，後半は32/101。あとで代ゼミの講師からツッコミが入っていたが，人間の受験生とは正反対の傾向。センター試験は一般的に長文の方が取りやすい。
・前半部分のうち，より単純な文法・語法の問題の解法は，大規模テキストデータの活用（ビッグデータ的な手法？）。設問によるが，約１０億〜１０００億の単語に相当する例文が収録されたテキストデータを検索して，妥当性の高い選択肢を選ぶ。それだけ例文があれば，さすがにほとんどの問題でどんぴしゃの例文にぶつかる。センターレベルの文法や熟語なら，８０％程度の正答率で安定していたのだが，今回の模試では運悪く６０％の正答率だった。
・もう少し高度な会話文補充の問題は，「発話意図」と「感情極性」の推定で解いた（編註：これは上記のNHKの記事にて詳述されている）。たとえば「来週、父さんが手術を受けるんだ」と話しかけられたら，operaitonの単語から，“発話意図”は意見の表明で“感情極性”はnegative，と東ロボくんは推定。なので応答の文は選択肢のうち，“発話意図”は同情で“感情極性”はnegativeなものを選ぶべきとなり，見事に正解の「That's too bad.」を選ぶことができた，という形。
・この手法の応用で長文読解もいけるのでは，と思われたが，長文となると発話意図や感情の変化が複雑になり，必ずしも適用できないらしい。また別のアプローチを考えているそうだ。
・代ゼミの講師からの指摘として，「前半部分はその解法で解くのであれば，ランダムに英文を例文として収録するよりも，英英辞典をがんばってテキストデータ化してインストールした方が目的にかなっているのでは。類語とかたくさん載っているので。」というもっともすぎる指摘があった。
＜筆者感想＞
会話文の解法は，まあ，会話型botの高級なやつといった感じか。NHKのニュースによれば「こうした技術を応用すれば、人間の雑談につきあってくれる人工知能の開発にもつながる」「将来的には、人間どうしのやり取りにも参加できる人工知能を開発したい」とNTTの人が語っているそうなので，まさにそうらしい。
最後の指摘については，私もそう思います。英英辞典ってまさにそのためのアイテムだしね。著作権の問題だけなんとかしてクリアしてください。
〔国語（現代文）〕
・昨年大いに会場を沸かせた名古屋大の佐藤教授が今年も登場。しょっぱなから「じゃあ動画流すんで」と言い出し，まさかの動画再生。しかもYouTubeにアップロード済。この時点ですでに会場大爆笑。
・動画にある通り，今年のキーワードは「節」と「小市民的感情力」。
・評論：昨年は「一致する文字数」（単語数ですらない）で問題を解き，正答率５０％程度だったわけだが，今年は節を分析させ，節の大まかな内容や形式（主語なのか述語なのか副詞節なのか）を加味して解答を導き出させた。昨年と比較してかなり高度な技術の導入に思えるが，正答率は飛躍的に上がったわけではない。今回の模試の結果も正答率は約５０％であった。
・小説：ある参考書に，小説を解く鍵は４つあると書いてあった。そのうち３つは絶望的に無理そうだったり時間的に着手できなさそうだったりしたので，いけそうな「小市民的感情力」を東ロボくんに実装できないかと試行錯誤してみた（会場再度大爆笑）。で，実際にどんなアルゴリズムなのかというと，名称が「PBM」で，残念ながら「今度PBMは特許を取る可能性があるので，今回は発表できません。申し訳ない」とのことであった。しかし，PBMがまだ未完成だったがゆえに今回の模試の感情表現を読み取る問題を攻略するに至らず，こちらも結果は昨年とほぼ同じ。
・最後に，佐藤教授曰く「本質的な解法でもチャレンジはしている。しかし，やればやるほど，日本語というものがわからなくなっていく。人工知能以上に人間が言語というものを理解できていないのではないか。改良しても点数が伸びないことよりも，なぜ伸びないのかわからないのがつらい」。
＜筆者感想＞
評論については，やっぱり思った以上に「一致する字数」解法有効なんじゃねーのという悲しい話でもある。「節」分析，素人目にはかなり高度な技術の導入に思えるんだけどなぁ。しかし，文章の意味内容をすっとばして解いている以上，言語としての日本語を分析するやり方ならどう解いても邪道には違いない。おっしゃる通り，最後はやはり文章の意味内容自体を理解して問題を解かないと，高得点は不可能なのでは。
小説については，東ロボくん云々よりも自分にとって身につまされる話で，現役の最後までセンターの小説だけは苦手だったが，まあこれ（＝小市民的感情力）ですよねと。「大多数の人が抱くだろう感情」を推測することの重要性は，今になってみればわかるが，高校生当時はわからんかった。
あと，そろそろ古文と漢文にも本腰入れてほしい。研究者が足りていないっぽいので，情報学者の皆さんこれを機にどうですか。
〔社会科（世界史・日本史・政経）〕
・世界史Bが52点，日本史が44点，政経が17点。偏差値的に言えば世界史が横ばいか少し向上，日本史はダウン，政経は大幅ダウン。
・解法は昨年と同じ。選択肢の文に登場する用語を教科書などのデータベースから検索し，用語同士の距離などから解答を推測。文章内の近い位置，教科書であれば同じ章の同じ段落から，選択肢内にある用語が複数見つかれば，その選択肢は正解の可能性が高い。たとえば「ヒッタイト」と「鉄器」は教科書上で同じ章の同じ段落に登場するので，関連性が高いと推測されうる。
・では昨年と比較して何を改善したかというと，まず単純に解法のチューニング。検索に余分な用語をさっ引いたり，用語の重要度を変えてみたり。実際これで正誤判定型の問題はかなり解けるようになった。
・データベースとしては，山川出版社が太っ腹にも用語集のテキストデータをくれたので，これを東ロボくんにインストールした。これで劇的に成績が向上するかに思われたが，思ったよりも上がらず。理由として，用語集は逆に詳しすぎて，ノイズが多い。また，用語集は「詳細は○○」と別項に飛ばすことが多いが，それは東ロボくんの解法だとつらい。文章に登場する近さで関連性を判定しているので，別項に飛ばされると関連性の低い用語と東ロボくんは判断してしまう。
・一方，年代順を並べ替える問題など，時系列に関連する問題の解法は未着手に近い。というよりも，全ての用語に一々年代を振ってくれている教科書なんて存在していないので，現在の解法では無理がある。また，たとえば「春秋・戦国時代」のように「時代の幅」があると，根本的に「時間」というものを理解しているわけではない東ロボくんは混乱してしまい，今の解法だとデタラメな解答になってしまう。この辺が課題。
・代ゼミ講師からの指摘で，「世界史＜日本史＜政経の順で，現代の日本人としての常識を前提として問題が作られているので，それでこの点数の順になっているのでは。東ロボくんの価値観はフラットで，世界史を解くには良いが，日本史にはつらいかも。」というものがあった。
＜筆者感想＞
社会科も，全般的に国語と同じ問題で詰まっているような。究極的には，やはり文の意味内容を理解できないと点数が伸び悩むのでは。そもそも二次試験に正誤判定はほとんど皆無に近いしなぁ。
最後の代ゼミ講師のツッコミは大変納得できる。
〔代ゼミ側の総評〕
・900点満点で392点，今年も400点には届かず，一見して昨年とほぼ変わらない点数。ただし，全体として今回の模試は昨年よりも受験生の平均点が低かったことを考慮すると，昨年と比較して実力は伸びていると言える。
・特に英語が飛躍的に伸びた関係で，文系三科目に絞ると偏差値は53.4まで上昇する（昨年は47.7）。何と受験生平均超え。これだと，文系の多い私大ではかなりの大学でA判定が出る。結果として，A判定が出る大学の数は４７６大学。
・ただし，大学が一番多いのはこの偏差値45〜50の層で，ここを完全に乗り越えてしまったので，ここから先はちょっとやそっと偏差値が上がった程度では合格できる大学の数は増えない。
・国公立も一応４大学でA判定が出ているが，例によって芸術系なので二次試験は……
＜筆者感想＞
偏差値53.4だと，B判定でいいなら，いわゆる大東亜帝国，帝京大学あたりまで出るはず。C判定＝受験するにちょうど良い水準としては日東駒専，つまり日本大学くらいまで含まれると思う。これは割とマジですごいので，どちらかというとこちらを宣伝すべきだったのでは，という気も。
＜筆者の全体感想＞
科目によっては本質的な（サイエンティフィックな）手法も出てきた感じ。というか，多くの科目でエンジニアリング的手法の限界が来ているようにも。また，教科の本質がわからないとエンジニアリングにしろサイエンティフィックにしろ詰まってしまうようにも見え，数学と物理はいいとしても，英語や国語はもはや言語学とか国語学の専門家をチームに引き入れた方がいいのでは，と思った。
点数が伸びてはいるのだけれど，2016年にセンター試験突破を考えると，成長曲線が足りないようにも。センター形式が苦手なことを考えると，むしろ2021年までに二次試験と同時ゴールくらいの方がいいのでは。
あとまあ世界史の話をするなら，用語集をインストールした結果，用語集が煩雑過ぎてセンターが逆に解きづらくなったのなら，早慶の入試の方が問題を解きやすいのでは，問題が用語集のコピペばっかりだし，と思うます。例の本の著者としては。
Posted by dg_law at 22:32│Comments(27)│
この記事へのトラックバックURL
この記事へのコメント
面白く読ませていただきました．
あの長い内容が綺麗にまとまっていて，素晴らしいと思います．
ただ一点指摘で，英語班は「NTTデータ」ではなく「NTT」（＋共同研究の大学）です．
NTTグループの持ち株会社で，偉い人と研究所から成る不思議な会社です．
あそこは基礎研究の機関を持っていて，今回の成果は「NTT コミュニケーション科学基礎研究所」の成果です．
一般的には細かい話ですが，NTTデータとNTTはだいぶ違うので指摘させていただきました．
通りすがり，失礼しました．
あの長い内容が綺麗にまとまっていて，素晴らしいと思います．
ただ一点指摘で，英語班は「NTTデータ」ではなく「NTT」（＋共同研究の大学）です．
NTTグループの持ち株会社で，偉い人と研究所から成る不思議な会社です．
あそこは基礎研究の機関を持っていて，今回の成果は「NTT コミュニケーション科学基礎研究所」の成果です．
一般的には細かい話ですが，NTTデータとNTTはだいぶ違うので指摘させていただきました．
通りすがり，失礼しました．
Posted by 発表会参加者 at 2014年11月03日 23:08
あ，どうもありがとうございます。そこら辺の関係，傍目にはよくわからないもので。直しときました。
Posted by DG-Law at 2014年11月03日 23:17
ものすごくどうでも良い誤字ですが。社会科(日本史、世界史、数学)の数学は政経なのでは？
早慶の社会を解かせるというのも面白そうですね。範囲外の問題はこの方式だと解けなさそうですし。点数の理由説明するときの会場の雰囲気はどうなっているのか少し気になります。
数学は途中で詰まったときの対処なんですかね〜？1をいれてしまう辺り。
早慶の社会を解かせるというのも面白そうですね。範囲外の問題はこの方式だと解けなさそうですし。点数の理由説明するときの会場の雰囲気はどうなっているのか少し気になります。
数学は途中で詰まったときの対処なんですかね〜？1をいれてしまう辺り。
Posted by 理系受験者 at 2014年11月04日 08:11
＞人工知能以上に人間が言語というものを理解できていないのではないか。
（１）今年は３パーセント物価が上昇し、来年は５パーセント物価が上昇するという。平均の予想物価上昇率はいくつか。
（２）今年は３パーセント物価が上昇するという人と、５パーセント上昇するという人がいる。平均の予想物価上昇率はいくつか。
＜ロボットは東大に入れるか 新井紀子＞
「今年は〜」
� ＼称顱�年度（現在）（２）
�◆ゝ酣�は、来年は、○年前は、△年後は〜（１）
�� うるう年だ
「物価が上昇」
� ，匹侶邊屬法△匹稜�間に（１）、何％の割合か（１）（２）
�◆”別槓未砲蓮繊◆�円上昇、□円下落
「〜という人」
� 舛箸いμ樵阿凌祐屬�居る（人間A、人間B）
�◆／祐�Aは○○と述べた、人間Bは△△と述べた（２）
機械には連想思考は期待できない以上、徹頭徹尾人力でインプットあるのみ。
（１）今年は３パーセント物価が上昇し、来年は５パーセント物価が上昇するという。平均の予想物価上昇率はいくつか。
（２）今年は３パーセント物価が上昇するという人と、５パーセント上昇するという人がいる。平均の予想物価上昇率はいくつか。
＜ロボットは東大に入れるか 新井紀子＞
「今年は〜」
� ＼称顱�年度（現在）（２）
�◆ゝ酣�は、来年は、○年前は、△年後は〜（１）
�� うるう年だ
「物価が上昇」
� ，匹侶邊屬法△匹稜�間に（１）、何％の割合か（１）（２）
�◆”別槓未砲蓮繊◆�円上昇、□円下落
「〜という人」
� 舛箸いμ樵阿凌祐屬�居る（人間A、人間B）
�◆／祐�Aは○○と述べた、人間Bは△△と述べた（２）
機械には連想思考は期待できない以上、徹頭徹尾人力でインプットあるのみ。
Posted by 浪人 at 2014年11月04日 09:04
＞シミュレーション以外の解法が必要な問題については完全に未着手。
物理の第三問は、「段差を作った容器に浅く水をはる」「斜め方向に一定周期の平面波を入射させる」の文から、以下のような類題を検索できないだろうか。
図1のような深さが変化する水槽に水を入れ図2のように深さが変わる境界面に対して、45°の方向から斜めに平面波を進行させたところ、
http://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q12119401572
またイラスト理解については、一度に全てを理解させるのではなく、わかるところから順番にやる。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/a/8/a8fbf865.jpg
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/3/b/3b63acc4.jpg
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/4/b/4b8f9a71.jpg
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/2/8/28b52d74.jpg
�，筬△鰐詰�でも、�い凌泙覆蕁峪由僂と◆廖峪由僂な�体」くらいの大雑把な認識はできる。それは「弁当箱」かもしれないし、「本」かもしれないし、「小包」かもしれない。連想機能は人力インプット。次に��の図を考えると、点線が途中までになっていて、「何かが入っている箱」と考えられる。文章では、「板」と「水」を入れて「板は沈める」ということになっている。けれども「板」といってもそれは物理的に何の役割を果たすのかも考えなければならない。
物理の第三問は、「段差を作った容器に浅く水をはる」「斜め方向に一定周期の平面波を入射させる」の文から、以下のような類題を検索できないだろうか。
図1のような深さが変化する水槽に水を入れ図2のように深さが変わる境界面に対して、45°の方向から斜めに平面波を進行させたところ、
http://detail.chiebukuro.yahoo.co.jp/qa/question_detail/q12119401572
またイラスト理解については、一度に全てを理解させるのではなく、わかるところから順番にやる。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/a/8/a8fbf865.jpg
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/3/b/3b63acc4.jpg
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/4/b/4b8f9a71.jpg
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/2/8/28b52d74.jpg
�，筬△鰐詰�でも、�い凌泙覆蕁峪由僂と◆廖峪由僂な�体」くらいの大雑把な認識はできる。それは「弁当箱」かもしれないし、「本」かもしれないし、「小包」かもしれない。連想機能は人力インプット。次に��の図を考えると、点線が途中までになっていて、「何かが入っている箱」と考えられる。文章では、「板」と「水」を入れて「板は沈める」ということになっている。けれども「板」といってもそれは物理的に何の役割を果たすのかも考えなければならない。
Posted by 浪人 at 2014年11月04日 09:18
「方べきの定理」という公式にあてはめるだけの問題も、図形がらみだと機械には理解できないらしい。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/f/d/fd1497d7.jpg
余計な部分を消せば、「円に交わる（または接する）、平行ではない２本の直線」と、数式化できる。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/0/c/0cdeedcc.jpg
図形の性質に着目するような応用タイプの問題は、余計な部分を消して、公式に当てはめる単純なタイプの問題に帰着させること。
設定が複雑になったら、「○本の直線と、○個の円と、○個の三角形と、○箇所の接点と、○箇所の交点」をバラバラに抽出し、しかる後に全ての組み合わせを提示する。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/f/d/fd1497d7.jpg
余計な部分を消せば、「円に交わる（または接する）、平行ではない２本の直線」と、数式化できる。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/0/c/0cdeedcc.jpg
図形の性質に着目するような応用タイプの問題は、余計な部分を消して、公式に当てはめる単純なタイプの問題に帰着させること。
設定が複雑になったら、「○本の直線と、○個の円と、○個の三角形と、○箇所の接点と、○箇所の交点」をバラバラに抽出し、しかる後に全ての組み合わせを提示する。
Posted by 浪人 at 2014年11月04日 09:31
イラスト理解は、とりあえず形状と色彩だけを大雑把に捉えて推定するくらいの機能を。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/f/1/f1f74737.jpg
ブルーベリーがのったデコレーションケーキ（のイラスト）なんて、おそらく多くの人が生まれて初めて見るものでしょうね。なのに、われわれはそれがそうだと、正しくわかる。どうしてなのでしょうか。これは認知科学という分野の難問のひとつです。
だいたい、このイラスト、変なんです。ブルーベリーの直径って１センチ未満ですよ。だとすると、このケーキ、直径が12センチくらいしかないことになる。そんなの、おかしいでしょう？（笑）にもかかわらず、その年のセンター入試を受けた受験生たちは誰一人としてそれを変だと思わず、粛々と問題を解いたんですね。
ちなみに私の職場で、ケーキにプチトマトがのってるね、と言ったひとがいますね（笑）。
＜ロボットは東大に入れるか 新井紀子＞
＞ケーキにプチトマトがのってるね、
ケーキだのクリームだのブルーベリーだのは特定できなくてもいい。まず「形状」は、手書きの文字認識機能は向上しているのだから、その技術を応用すればいい。また「色彩」は白黒でも遠近法が把握できるように工夫する。
楕円形の周上に、白っぽい不定形の何かと、黒っぽい円形の何かが、交互に並んでいる。但しこの図を立体として観察すると、まず何かの土台があって、上部の楕円形は円形を現しており、また黒っぽい円形の何かの中心部が白くなっているのは球形と推測される。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/f/1/f1f74737.jpg
ブルーベリーがのったデコレーションケーキ（のイラスト）なんて、おそらく多くの人が生まれて初めて見るものでしょうね。なのに、われわれはそれがそうだと、正しくわかる。どうしてなのでしょうか。これは認知科学という分野の難問のひとつです。
だいたい、このイラスト、変なんです。ブルーベリーの直径って１センチ未満ですよ。だとすると、このケーキ、直径が12センチくらいしかないことになる。そんなの、おかしいでしょう？（笑）にもかかわらず、その年のセンター入試を受けた受験生たちは誰一人としてそれを変だと思わず、粛々と問題を解いたんですね。
ちなみに私の職場で、ケーキにプチトマトがのってるね、と言ったひとがいますね（笑）。
＜ロボットは東大に入れるか 新井紀子＞
＞ケーキにプチトマトがのってるね、
ケーキだのクリームだのブルーベリーだのは特定できなくてもいい。まず「形状」は、手書きの文字認識機能は向上しているのだから、その技術を応用すればいい。また「色彩」は白黒でも遠近法が把握できるように工夫する。
楕円形の周上に、白っぽい不定形の何かと、黒っぽい円形の何かが、交互に並んでいる。但しこの図を立体として観察すると、まず何かの土台があって、上部の楕円形は円形を現しており、また黒っぽい円形の何かの中心部が白くなっているのは球形と推測される。
Posted by 浪人 at 2014年11月04日 09:43
初頭幾何は、不要な線を消して、必要な線だけにしないと、定理が使えない。
元の図形
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/3/a/3aaa1e5f.jpg
単純化して、２ＱＴ＝ＱＲ
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/0/1/01eaff32.jpg
線分ＱＴと線分ＱＲの関係を求めるのに、どの線が必要で、どの線が不要なのか。また必要な線が無い場合は、点と点同士を結んだり線分を延長させたりして、補助線を引く。計算力にモノを言わせて、しらみつぶしに全ての場合を調べつくすというやり方もある。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/5/8/589fbe91.jpg
それから全滅だった表問題だが、このくらいならエクセル処理できるのではないか。
元の図形
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/3/a/3aaa1e5f.jpg
単純化して、２ＱＴ＝ＱＲ
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/0/1/01eaff32.jpg
線分ＱＴと線分ＱＲの関係を求めるのに、どの線が必要で、どの線が不要なのか。また必要な線が無い場合は、点と点同士を結んだり線分を延長させたりして、補助線を引く。計算力にモノを言わせて、しらみつぶしに全ての場合を調べつくすというやり方もある。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/5/8/589fbe91.jpg
それから全滅だった表問題だが、このくらいならエクセル処理できるのではないか。
Posted by 浪人 at 2014年11月04日 09:57
＞日本語の形式表現変換については，物理科目では極めて困難で，
＞余計な部分を消せば、「円に交わる（または接する）、平行ではない２本の直線」と、数式化できる。
そもそも自然言語というのは、単語ひとつとっても『不要な情報』で溢れ返っている。例えば『板』という単語の用途は様々で、物理学的にみれば「剛体」にもなりうるし「物体」にもなりえるし「障害物」にもなりえる。東大の二次試験などは分野が複数にまたがっていて一層わかりにくい。自然言語文を題意に合わせた形式表現変換するには、膨大な連想シソーラス網から、必要な部分だけを切り出すこと。以下の例が参考になる。
私の講座のテキストで恐縮ですが、コチラの２問をご覧ください。一見すると、「お菓子を配る問題」「直方体を積み上げる問題」と別の問題に見えます。しかし、解いてもらえるとわかりますが、この２問は素因数分解を使って解く、同じパターンの問題です。つまり類題ってことになりますね。
http://shibasaki873.blog.fc2.com/blog-entry-74.html
他の煩雑かつ不要な情報を完全に除外し「重要ポイント」のみを抽出する。入試問題の多くは過去問の焼き直しだが、表面上の言い回しを変えていたり、別の図柄を用いていたりして、改題して出題される場合が多い。似た問題は出るが同じ問題は出ない。単純な問題に不要な情報を追加してわざとわかりにくくしているのだ。こういう場合は「類型問題」の候補をいくつか挙げて、共通事項を抽出するというアルゴリズムが不可欠になってくる。
＞余計な部分を消せば、「円に交わる（または接する）、平行ではない２本の直線」と、数式化できる。
そもそも自然言語というのは、単語ひとつとっても『不要な情報』で溢れ返っている。例えば『板』という単語の用途は様々で、物理学的にみれば「剛体」にもなりうるし「物体」にもなりえるし「障害物」にもなりえる。東大の二次試験などは分野が複数にまたがっていて一層わかりにくい。自然言語文を題意に合わせた形式表現変換するには、膨大な連想シソーラス網から、必要な部分だけを切り出すこと。以下の例が参考になる。
私の講座のテキストで恐縮ですが、コチラの２問をご覧ください。一見すると、「お菓子を配る問題」「直方体を積み上げる問題」と別の問題に見えます。しかし、解いてもらえるとわかりますが、この２問は素因数分解を使って解く、同じパターンの問題です。つまり類題ってことになりますね。
http://shibasaki873.blog.fc2.com/blog-entry-74.html
他の煩雑かつ不要な情報を完全に除外し「重要ポイント」のみを抽出する。入試問題の多くは過去問の焼き直しだが、表面上の言い回しを変えていたり、別の図柄を用いていたりして、改題して出題される場合が多い。似た問題は出るが同じ問題は出ない。単純な問題に不要な情報を追加してわざとわかりにくくしているのだ。こういう場合は「類型問題」の候補をいくつか挙げて、共通事項を抽出するというアルゴリズムが不可欠になってくる。
Posted by 浪人 at 2014年11月04日 11:48
今年も楽しんでいただけたようで、ほっとしています。
>今回はそうした区分けは無く，研究者向け発表のみ。
今年は、一般向け発表のみでした。というか、私はそう依頼されました。
次回があるかどうかわかりませんが、もし、機会があれば、
よろしければ声をかけて下さい。
いくつかの疑問に対して、私なりにお答えできると思います。
>今回はそうした区分けは無く，研究者向け発表のみ。
今年は、一般向け発表のみでした。というか、私はそう依頼されました。
次回があるかどうかわかりませんが、もし、機会があれば、
よろしければ声をかけて下さい。
いくつかの疑問に対して、私なりにお答えできると思います。
Posted by 佐藤＠名古屋大学 at 2014年11月04日 20:07
人間の言葉というものは、プログラミング言語のように
論理的に一つに演繹できる意味を持つものばかりとは思わない。
例えば、落語。
「ぼけがこう言えば、つっこみがこう答える」というような期待がある。
実は、人間の言葉も、それに近いのではないか？
つまり、言わば、問題文が「ぼけ」であり、
答えとして期待されている「つっこみ」が存在する。
「ｓｉｎ１θ＝ｓｉｎθ」
というのは、そういった「ぼけ」と「つっこみ」から外れている
と推論すれば、簡単に除外できそうにも思える。
しかし、それではコンピューターならではの網羅的な探索で
既存の固定観念を打ち破る新発想は期待できない。
コンピューターに常識に囚われた凡人のように
振舞うことを教えることになるだろう。
論理的に一つに演繹できる意味を持つものばかりとは思わない。
例えば、落語。
「ぼけがこう言えば、つっこみがこう答える」というような期待がある。
実は、人間の言葉も、それに近いのではないか？
つまり、言わば、問題文が「ぼけ」であり、
答えとして期待されている「つっこみ」が存在する。
「ｓｉｎ１θ＝ｓｉｎθ」
というのは、そういった「ぼけ」と「つっこみ」から外れている
と推論すれば、簡単に除外できそうにも思える。
しかし、それではコンピューターならではの網羅的な探索で
既存の固定観念を打ち破る新発想は期待できない。
コンピューターに常識に囚われた凡人のように
振舞うことを教えることになるだろう。
Posted by 星野 泰弘 at 2014年11月05日 04:54
まず、自然言語理解コーパスは充実しているだろうか。
例えば「身長の高い男が私の横を通り過ぎた」「髪の長い女が彼の手を握った」はいずれも、名詞＋助詞「の」＋形容詞＋名詞＋助詞「が」＋名詞＋助詞「の」＋名詞＋助詞「を」＋動詞。
象は鼻が長い（名詞＋「は」＋名詞＋「が」＋形容詞）、を一つ登録しておけば・・・
彼は目が大きい
中国は人口が多い
俺は成績が悪い
新幹線は速度が速い
我が家は金が無い
東大は試験が難しい
ダチョウは足が長い
熊は腕力が強い
彼女は髪が短い
ロシアは国土が広い
ソニーは経営が悪い
零戦は航続距離が長い
松屋は牛飯が旨い
原発はコストが高い
高速道路は危険が多い
国道一号線は渋滞が激しい
スピッツは鳴き声がうるさい
北朝鮮は食糧事情が厳しい
但し、同一の文構造でも、文脈によって主語の捉え方が違う場合もあるから、これまた困難が伴うかもしれない。
(1) John,fired Dave,because he had too many absesces.(he=Dave)
(1) John,fired Dave,because he had too many employees.(he=John)
これら 2 文は，同一の文構造であり，違いは absences か，employees のみである．he には John も Dave も入りうるため，統語的な特徴および意味的な特徴は役に立たない．ここで重要な手がかりとなるのは，「fire する側は従業員を抱える立場」「欠勤が多い人は fired される」といった，事象間の関係知識である．
http://www.anlp.jp/proceedings/annual_meeting/2014/pdf_dir/A5-2.pdf
例えば「身長の高い男が私の横を通り過ぎた」「髪の長い女が彼の手を握った」はいずれも、名詞＋助詞「の」＋形容詞＋名詞＋助詞「が」＋名詞＋助詞「の」＋名詞＋助詞「を」＋動詞。
象は鼻が長い（名詞＋「は」＋名詞＋「が」＋形容詞）、を一つ登録しておけば・・・
彼は目が大きい
中国は人口が多い
俺は成績が悪い
新幹線は速度が速い
我が家は金が無い
東大は試験が難しい
ダチョウは足が長い
熊は腕力が強い
彼女は髪が短い
ロシアは国土が広い
ソニーは経営が悪い
零戦は航続距離が長い
松屋は牛飯が旨い
原発はコストが高い
高速道路は危険が多い
国道一号線は渋滞が激しい
スピッツは鳴き声がうるさい
北朝鮮は食糧事情が厳しい
但し、同一の文構造でも、文脈によって主語の捉え方が違う場合もあるから、これまた困難が伴うかもしれない。
(1) John,fired Dave,because he had too many absesces.(he=Dave)
(1) John,fired Dave,because he had too many employees.(he=John)
これら 2 文は，同一の文構造であり，違いは absences か，employees のみである．he には John も Dave も入りうるため，統語的な特徴および意味的な特徴は役に立たない．ここで重要な手がかりとなるのは，「fire する側は従業員を抱える立場」「欠勤が多い人は fired される」といった，事象間の関係知識である．
http://www.anlp.jp/proceedings/annual_meeting/2014/pdf_dir/A5-2.pdf
Posted by 浪人 at 2014年11月05日 19:19
＞日本語の形式表現変換については，物理科目では極めて困難で，数学のような半自動化さえ難しい。日本語が曖昧すぎるため。たとえば「金属を折り曲げる」や「滑らかな坂」を東ロボくんが自力で理解して，シミュレーターに取り込むのは，少なくとも現状では絶対に無理。
こういうのは、物理用の形式表現変換コーパスを用意しておきたい。
＞金属を折り曲げる
長方形のABCDがある。金属板は一様で、質量はM。金属板をEFとGHでそれぞれ直角に折り曲げて、水平な床に置きCDの中点Iから軽い糸でおもりをつるす。おもりの質量がある値より大きいと金属板は倒れてしまう
ｍはどのような値になるか？
http://okwave.jp/qa/q7197628.html
この類題に、「金属板」＝「金属でできた板」とアノテーションをつけておけば、「金属を折り曲げる」にも応用できる。また金属を折り曲げると、支点とモーメントはどうなるかという連想思考も可能になる。
＞滑らかな坂
したがって滑らかな坂を転がる質点は運動の方向が斜面の形状によって変わろうとも力学的エネルギーの保存は成り立っている。http://www.ep.sci.hokudai.ac.jp/~heki/pdf/mechanics5.pdf
参考書の解説文にもアノテーションコーパスをつけておけば、「滑らかな坂」＝「摩擦力０で傾斜角度θの斜面」と解釈できる。
全ての文章を完璧に形式表現変換できなくても、過去問の解法パターンからある程度の推論はできる。入力予測機能を備えた文字変換システムのように、解法予測機能をつける。
こういうのは、物理用の形式表現変換コーパスを用意しておきたい。
＞金属を折り曲げる
長方形のABCDがある。金属板は一様で、質量はM。金属板をEFとGHでそれぞれ直角に折り曲げて、水平な床に置きCDの中点Iから軽い糸でおもりをつるす。おもりの質量がある値より大きいと金属板は倒れてしまう
ｍはどのような値になるか？
http://okwave.jp/qa/q7197628.html
この類題に、「金属板」＝「金属でできた板」とアノテーションをつけておけば、「金属を折り曲げる」にも応用できる。また金属を折り曲げると、支点とモーメントはどうなるかという連想思考も可能になる。
＞滑らかな坂
したがって滑らかな坂を転がる質点は運動の方向が斜面の形状によって変わろうとも力学的エネルギーの保存は成り立っている。http://www.ep.sci.hokudai.ac.jp/~heki/pdf/mechanics5.pdf
参考書の解説文にもアノテーションコーパスをつけておけば、「滑らかな坂」＝「摩擦力０で傾斜角度θの斜面」と解釈できる。
全ての文章を完璧に形式表現変換できなくても、過去問の解法パターンからある程度の推論はできる。入力予測機能を備えた文字変換システムのように、解法予測機能をつける。
Posted by 浪人 at 2014年11月05日 19:57
＞「滑らかな坂」＝「摩擦力０で傾斜角度θの斜面」
しまった、間違い。滑らかな坂＝なめらかな面で、傾斜角度なんて無い！ 滑らかな斜面と滑らかな坂はまったく違う！
なめらかな面に束縛された質点の運動。面は力を介して速度に変化（加速度）を与えるが、力の向きが運動方向に垂直であるため、質点に「仕事」は行わない。その結果質点の力学的エネルギーは保存される。http://www.ep.sci.hokudai.ac.jp/~heki/pdf/mechanics5.pdf
とはいえこの論文中で書かれている「なめらかな曲面上を動く物体」の力学的エネルギー保存法則は押さえておきたい。滑らかな坂と滑らかな斜面の違いも、この論文を読んでおれば理解できる。
しまった、間違い。滑らかな坂＝なめらかな面で、傾斜角度なんて無い！ 滑らかな斜面と滑らかな坂はまったく違う！
なめらかな面に束縛された質点の運動。面は力を介して速度に変化（加速度）を与えるが、力の向きが運動方向に垂直であるため、質点に「仕事」は行わない。その結果質点の力学的エネルギーは保存される。http://www.ep.sci.hokudai.ac.jp/~heki/pdf/mechanics5.pdf
とはいえこの論文中で書かれている「なめらかな曲面上を動く物体」の力学的エネルギー保存法則は押さえておきたい。滑らかな坂と滑らかな斜面の違いも、この論文を読んでおれば理解できる。
Posted by 浪人 at 2014年11月05日 20:28
＞なめらかな面に束縛された質点の運動。
これをどうやってコンピューターに理解させるか、どう形式変換するか。
mv2/2（運動エネルギー） ＋ mgh（位置エネルギー） ＝ 一定、となる物理現象とでも定義しようか。滑らかな面は不定曲線でもいいということで。これなら風が吹いたり電磁気が出たりで別のエネルギー加減が生じない限り、公式当てはめで楽に解答できる。
これをどうやってコンピューターに理解させるか、どう形式変換するか。
mv2/2（運動エネルギー） ＋ mgh（位置エネルギー） ＝ 一定、となる物理現象とでも定義しようか。滑らかな面は不定曲線でもいいということで。これなら風が吹いたり電磁気が出たりで別のエネルギー加減が生じない限り、公式当てはめで楽に解答できる。
Posted by アリサ at 2014年11月06日 02:13
同じ内容の物理現象を、別の言葉で言い換えたり、別のイラスト図で書き換えたりして、形式変換コーパスを増やす。まず「物理のエッセンス」みたいなを単発問題を沢山インプット。
また「難問題の系統とその解き方」とかの人間でも読みにくい長文問題は、一つの小問を解くには余計な情報が入り過ぎている場合が多いので、必要な部分だけを切り取る。やり方は、数学��Aの平面幾何の小問を解くのと同じく、ランダムに切り取ってみる。小問によっては、解答の根拠は一行目と最後の行にあるとか。
また「難問題の系統とその解き方」とかの人間でも読みにくい長文問題は、一つの小問を解くには余計な情報が入り過ぎている場合が多いので、必要な部分だけを切り取る。やり方は、数学��Aの平面幾何の小問を解くのと同じく、ランダムに切り取ってみる。小問によっては、解答の根拠は一行目と最後の行にあるとか。
Posted by アリサ at 2014年11月06日 02:36
数学�毅舛梁茖橘筺�104を素因数分解すると〜」ができなかったのは何故かを数学担当者に聞いてみた。いくら東ロボが語学オンチでも、これはないだろう、と。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/3/0/301029f2.jpg
前文の「104以下の自然数で，104と互いに素である自然数の個数を求めよう。」に目がくらんで解答できなかったらしい。余計なノイズ（最初の問いでは）が判断を狂わせたのだ。何がノイズかは、文章の一部を何百回もランダムに抜き出して吟味するしかない。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/3/0/301029f2.jpg
前文の「104以下の自然数で，104と互いに素である自然数の個数を求めよう。」に目がくらんで解答できなかったらしい。余計なノイズ（最初の問いでは）が判断を狂わせたのだ。何がノイズかは、文章の一部を何百回もランダムに抜き出して吟味するしかない。
Posted by 浪人 at 2014年11月06日 07:09
＞理系受験者さん
＞ものすごくどうでも良い誤字ですが。社会科(日本史、世界史、数学)の数学は政経なのでは？
Oh...直しました。ありがとうございます。
＞早慶の社会を解かせるというのも面白そうですね。範囲外の問題はこの方式だと解けなさそうですし。
おっしゃる通りで。範囲外の問題が解けないことで，むしろ早慶の「悪さ」が際立つかもしれません。センター試験や東大二次と違って，出題ミスも頻出してるわけですしね。
＞点数の理由説明するときの会場の雰囲気はどうなっているのか少し気になります。
けっこう笑いが起きていることからも推測できる通り，割と明るく砕けた感じで進行しています。私のような門外漢でもあまり違和感なく聴講できます。
＞佐藤＠名古屋大学さん……というか先生
ご本人降臨？ とは光栄です。
＞今年は、一般向け発表のみでした。というか、私はそう依頼されました。
あれ，そうなんですか。それは失礼しました。
確かに，研究者向けにしては砕ききった話がちらほらあるな，とは。教科によってすごく内容の格差があった気はします。
＞次回があるかどうかわかりませんが、もし、機会があれば、
＞よろしければ声をかけて下さい。
これも裏話的に聞いた話ではありますが，「次回は再来年にしたい」と何人かの研究者の方がおっしゃっていましたね。
＞いくつかの疑問に対して、私なりにお答えできると思います。
そう言っていただけるとありがたいです。
＞ものすごくどうでも良い誤字ですが。社会科(日本史、世界史、数学)の数学は政経なのでは？
Oh...直しました。ありがとうございます。
＞早慶の社会を解かせるというのも面白そうですね。範囲外の問題はこの方式だと解けなさそうですし。
おっしゃる通りで。範囲外の問題が解けないことで，むしろ早慶の「悪さ」が際立つかもしれません。センター試験や東大二次と違って，出題ミスも頻出してるわけですしね。
＞点数の理由説明するときの会場の雰囲気はどうなっているのか少し気になります。
けっこう笑いが起きていることからも推測できる通り，割と明るく砕けた感じで進行しています。私のような門外漢でもあまり違和感なく聴講できます。
＞佐藤＠名古屋大学さん……というか先生
ご本人降臨？ とは光栄です。
＞今年は、一般向け発表のみでした。というか、私はそう依頼されました。
あれ，そうなんですか。それは失礼しました。
確かに，研究者向けにしては砕ききった話がちらほらあるな，とは。教科によってすごく内容の格差があった気はします。
＞次回があるかどうかわかりませんが、もし、機会があれば、
＞よろしければ声をかけて下さい。
これも裏話的に聞いた話ではありますが，「次回は再来年にしたい」と何人かの研究者の方がおっしゃっていましたね。
＞いくつかの疑問に対して、私なりにお答えできると思います。
そう言っていただけるとありがたいです。
Posted by DG-Law at 2014年11月06日 09:32
まったくできなかった数列。これの最初の問いは、ある条件での等比数列の一般項を求めるというごく初歩的な問い。
一つの文を文節に区切ったり、短い文に書き換えたり、
省略語を補ったり、ランダムにいくつかの文節を切り取ってみたりして、小問ごとに必要な要素だけを抽出する。
いったんノイズを消去して、a2 = 24 , a5 = 192 から r^3 = 8
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/5/6/56b247f8.jpg
あとから復活させて、公比は実数だから r = 2 よって
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/2/8/28b927d8.jpg
公比＝２、かつ a2 = 24 より 初項a1 = 12 、よって数列｛an｝の一般項は an = 12(2)^(n-1)
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/c/3/c3506aa2.jpg
あとは東ロボくんお得意の「同値変形」で楽勝のはず。
一つの文を文節に区切ったり、短い文に書き換えたり、
省略語を補ったり、ランダムにいくつかの文節を切り取ってみたりして、小問ごとに必要な要素だけを抽出する。
いったんノイズを消去して、a2 = 24 , a5 = 192 から r^3 = 8
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/5/6/56b247f8.jpg
あとから復活させて、公比は実数だから r = 2 よって
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/2/8/28b927d8.jpg
公比＝２、かつ a2 = 24 より 初項a1 = 12 、よって数列｛an｝の一般項は an = 12(2)^(n-1)
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/c/3/c3506aa2.jpg
あとは東ロボくんお得意の「同値変形」で楽勝のはず。
Posted by 浪人 at 2014年11月06日 14:54
https://livedoor.blogimg.jp/mikamikanmikamikan/imgs/8/f/8f23e42b.jpg
数列の大問が全滅だったのは、小問一つを解くのに「余計なノイズ」が多すぎること。人間だって見た瞬間に全問の穴埋めができるわけじゃない。小問ひとつを解くには、限られた情報のみを抽出すること。１０行程度の文章でも、文節単位で数えれば何万通りもの抽出方法がある。
＞ブルーベリーがのったデコレーションケーキ（のイラスト）なんて、おそらく多くの人が生まれて初めて見るものでしょうね。なのに、われわれはそれがそうだと、正しくわかる。どうしてなのでしょうか。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/0/9/090ff180.jpg
こうして「ある部分」を削除してしまえば、「何かと何かが交互に楕円形に並んでいる」くらいの認識はできるはずだ。
どのように削除するかは、「境界線」のみに着目して切り分けで、あとはランダムに何万通りも抽出する。
数列の大問が全滅だったのは、小問一つを解くのに「余計なノイズ」が多すぎること。人間だって見た瞬間に全問の穴埋めができるわけじゃない。小問ひとつを解くには、限られた情報のみを抽出すること。１０行程度の文章でも、文節単位で数えれば何万通りもの抽出方法がある。
＞ブルーベリーがのったデコレーションケーキ（のイラスト）なんて、おそらく多くの人が生まれて初めて見るものでしょうね。なのに、われわれはそれがそうだと、正しくわかる。どうしてなのでしょうか。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/0/9/090ff180.jpg
こうして「ある部分」を削除してしまえば、「何かと何かが交互に楕円形に並んでいる」くらいの認識はできるはずだ。
どのように削除するかは、「境界線」のみに着目して切り分けで、あとはランダムに何万通りも抽出する。
Posted by 浪人 at 2014年11月06日 16:06
囲碁の碁石は、将棋の駒とは違い、一つ一つに能力の差は無い。状況によって要石になったり廃石になったりする。これは企業が社員ひとりひとりの評価をどうするかという問題と似ている。どの社員が必要で、どの社員がお荷物なのか。ある時には存分の活躍をしていた社員も、時代が変わればお荷物になったり、逆に新人のときにお荷物だった社員が、３年目で頭角を現してくる場合もありうる。碁石の評価は社員の社内評価と同じと考えられないだろうか。
●●●
●●●
●●●
だが少なくとも上の図の真ん中の黒石は、役に立たないどころか完全な害悪であろう。会社で言えば「懲戒免職」に値する。こんな社員ばかりを抱えている企業に、未来があるようには思えない。囲碁における「評価関数」も、○手目現在における人事評価ということにしてはどうか。
●●●
●●●
●●●
だが少なくとも上の図の真ん中の黒石は、役に立たないどころか完全な害悪であろう。会社で言えば「懲戒免職」に値する。こんな社員ばかりを抱えている企業に、未来があるようには思えない。囲碁における「評価関数」も、○手目現在における人事評価ということにしてはどうか。
Posted by 浪人 at 2014年11月07日 17:43
東ロボが解けなかった、東大文系数学の三角関数の問題
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/6/e/6e4c6026.jpg
東ロボ的に解いてみる。
まず、「tan x0 = 1/3」「tan x1」「tan x2」「tan x3」（0<x3<x2<x1<x0<π/2）について図を描く。もちろん三角関数は無理数だから近似値しか出せないが、近似値からでもある程度の推定はできるはず。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/a/c/acc2fa9b.jpg
「tan(x0+x1+x2+x3)」がわからない、こういう場合は「tan(α+β+γ+δ)」で検索してみる。すると、
0=tan(α+β+γ+δ)
={tan(α+β)+tan(γ+δ)}/{1-tan(α+β)tan(γ+δ)}
http://okwave.jp/qa/q3609852.html
全然違う問題の全然違う解答だが、この解法はそのまま使えると判断できる。
だがもしできれば、x0+x1+x2+x3の計算順序を考えるアルゴリズムを導入したい。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/8/7/87dd8f15.jpg
ｌ，ｍ，ｎのみの文字式になった。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/0/c/0c397397.jpg
条件「tan(x0+x1+x2+x3)=1」と「ｎをｌ，ｍを用いて表せ」で解答へ
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/d/9/d94e806e.jpg
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/6/e/6e4c6026.jpg
東ロボ的に解いてみる。
まず、「tan x0 = 1/3」「tan x1」「tan x2」「tan x3」（0<x3<x2<x1<x0<π/2）について図を描く。もちろん三角関数は無理数だから近似値しか出せないが、近似値からでもある程度の推定はできるはず。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/a/c/acc2fa9b.jpg
「tan(x0+x1+x2+x3)」がわからない、こういう場合は「tan(α+β+γ+δ)」で検索してみる。すると、
0=tan(α+β+γ+δ)
={tan(α+β)+tan(γ+δ)}/{1-tan(α+β)tan(γ+δ)}
http://okwave.jp/qa/q3609852.html
全然違う問題の全然違う解答だが、この解法はそのまま使えると判断できる。
だがもしできれば、x0+x1+x2+x3の計算順序を考えるアルゴリズムを導入したい。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/8/7/87dd8f15.jpg
ｌ，ｍ，ｎのみの文字式になった。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/0/c/0c397397.jpg
条件「tan(x0+x1+x2+x3)=1」と「ｎをｌ，ｍを用いて表せ」で解答へ
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/d/9/d94e806e.jpg
Posted by 浪人 at 2014年11月09日 15:02
三角関数や整数は、どの場面でどの条件・どの公式を使うかが問われており、計算一本槍では歯が立たない。三角関数の変形方法なんて無限大にあって、人間だって解法の方針を間違えると計算量爆発する。例えばtan x3 = 1/n の式に半角の公式を使っても条件ｎ＞２０を使っても、（１）を解く鍵は出てこない。
nについて解いた式に、条件ｎ＞２０を使って、ｌ，ｍの関係を調べる不等式を作る
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/1/1/11d46c96.jpg
tan x0,tan x1,tan x2,tan x3,の大小関係から、「自然数」ｌ，ｍ，n，の条件を絞り込む
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/8/8/884bfcb5.jpg
先に自分が出した不等式に、絞り込んだ条件を合わせて、ｌ＝４とｍ＝５を求め、最初の式からｎ＝４７を求める。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/6/9/69a102bb.jpg
東ロボは、計算量爆発になりそうだったら自動的にストップする機能が必要。三角関数の解法は万能かつ一本槍ではなく、問題によって違う。このやり方がダメならこのやり方でという、多様な解法選択ができるようにしたい。
nについて解いた式に、条件ｎ＞２０を使って、ｌ，ｍの関係を調べる不等式を作る
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/1/1/11d46c96.jpg
tan x0,tan x1,tan x2,tan x3,の大小関係から、「自然数」ｌ，ｍ，n，の条件を絞り込む
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/8/8/884bfcb5.jpg
先に自分が出した不等式に、絞り込んだ条件を合わせて、ｌ＝４とｍ＝５を求め、最初の式からｎ＝４７を求める。
http://livedoor.blogimg.jp/mikamikanmikamikan/imgs/6/9/69a102bb.jpg
東ロボは、計算量爆発になりそうだったら自動的にストップする機能が必要。三角関数の解法は万能かつ一本槍ではなく、問題によって違う。このやり方がダメならこのやり方でという、多様な解法選択ができるようにしたい。
Posted by 浪人 at 2014年11月09日 18:01
「各○個ずつあり」「左から1列に並べる」「〜の順に並んでいる」「繰り返し行う」「次の操作を繰り返し行う」「無作為に〜を選び」「場所を入れ替える」、そのままを当てはめればいいだけではないのか。
＜2014年代ゼミ東大プレ文系数学第二問＞
白球，黒球，赤球，青球が各１個ずつあり，これらを左から１列に並べる。最初，４個の球は左から「白球，黒球，赤球，青球」の順に並んでいる。これらの球に，次の操作（※）を繰り返し行う。
（※）４個の球のうちから無作為に２個の球を選び，これらの並んでいる場所を入れ替える
＜以下略＞
【問】Ａ，Ｂ，Ｃの３つの箱と，赤，白，青，黄の玉が各３個ずつある。
http://www.nipec.nein.ed.jp/kk/b14/h22/pdf/16nagai.pdf
（１）順序をつけて，左から 1 列に並べる場合をすべてあげよ．
http://157.7.137.167/text/mat_a_s2/mat_a_s2_05.pdf
http://pws.prserv.net/math/mathpuz.html
３人は、前からＡ、Ｂ、Ｃの順に並んでいます。
いま、初めに頂点Aに白玉を1個、頂点Cに赤玉を1個置き次の操作を繰り返し行う。
http://www.riruraru.com/cfv21/math/kom11sA4.htm
例題 13 右の表は，206 個の卵のうちから無作為に35個を選び，その重さを調べたものである。
http://www.insatell.co.jp/CN/ikou/chugaku/pdf/chumath_3.pdf
池の左側にアマガエルが、右側にヒキガエルが3匹ずつ並んでいる。
このカエルのいる場所をそっくり入れ替えてほしい。
http://r27.jp/quiz/toads-and-frogs/
＜2014年代ゼミ東大プレ文系数学第二問＞
白球，黒球，赤球，青球が各１個ずつあり，これらを左から１列に並べる。最初，４個の球は左から「白球，黒球，赤球，青球」の順に並んでいる。これらの球に，次の操作（※）を繰り返し行う。
（※）４個の球のうちから無作為に２個の球を選び，これらの並んでいる場所を入れ替える
＜以下略＞
【問】Ａ，Ｂ，Ｃの３つの箱と，赤，白，青，黄の玉が各３個ずつある。
http://www.nipec.nein.ed.jp/kk/b14/h22/pdf/16nagai.pdf
（１）順序をつけて，左から 1 列に並べる場合をすべてあげよ．
http://157.7.137.167/text/mat_a_s2/mat_a_s2_05.pdf
http://pws.prserv.net/math/mathpuz.html
３人は、前からＡ、Ｂ、Ｃの順に並んでいます。
いま、初めに頂点Aに白玉を1個、頂点Cに赤玉を1個置き次の操作を繰り返し行う。
http://www.riruraru.com/cfv21/math/kom11sA4.htm
例題 13 右の表は，206 個の卵のうちから無作為に35個を選び，その重さを調べたものである。
http://www.insatell.co.jp/CN/ikou/chugaku/pdf/chumath_3.pdf
池の左側にアマガエルが、右側にヒキガエルが3匹ずつ並んでいる。
このカエルのいる場所をそっくり入れ替えてほしい。
http://r27.jp/quiz/toads-and-frogs/
Posted by 浪人 at 2014年11月11日 07:08
検索キーワードを選んだら「実数」「満たす」「範囲」とか「a」「x」とか、ほとんど変わらないです。でも、解き方も答えも全然違う。数学の問題は、統計的手法ではどうにもならなさそうです。
１）xを実数とする。つねにx^2 + ax + 4 ≧ 0 であるとき、aの範囲を求めよ。
２）x,y を実数とする、a = x + y とする。つねにx^2 + y^2 = 1 であるとき、aの範囲を求めよ。
＜ロボットは東大に入れるか 新井紀子＞
＞つねにx^2 + ax + 4 ≧ 0 であるとき、
＞つねにx^2 + y^2 = 1 であるとき、
前者は「2次不等式」、後者は「円の方程式」。それくらいの違いは区別してもらいたい。
１）xを実数とする。つねにx^2 + ax + 4 ≧ 0 であるとき、aの範囲を求めよ。
２）x,y を実数とする、a = x + y とする。つねにx^2 + y^2 = 1 であるとき、aの範囲を求めよ。
＜ロボットは東大に入れるか 新井紀子＞
＞つねにx^2 + ax + 4 ≧ 0 であるとき、
＞つねにx^2 + y^2 = 1 であるとき、
前者は「2次不等式」、後者は「円の方程式」。それくらいの違いは区別してもらいたい。
Posted by 浪人 at 2014年11月12日 22:23
エラー分析まとめ
<誤り 200事例 分析結果>
�＼飢鬚鮖抻�する推論事例が得られていても誤った
従来の知識表現で?適切でない推論事例が適用されてしまうのではないか？
→ 大部分を占めている．�〇�象間関係知識の文脈化
�∪飢鬚鮖抻�する推論事例が得られなかった
2億もの推論事例をもってしても得られない → 類似した事例が在るが適用できない
より大規模にすれ?解決する問題なのか？ → そういった問題は少ない
http://www.cl.ecei.tohoku.ac.jp/~jun-s/publications/nlp2014_slides.pdf
コーパスの量だけを増やしても効果は薄いようだが、どうやら「知識獲得」「周辺文脈の考慮」ができていないとのこと。今後はそれらも含めたアノテーションコーパスと類似度計算システムが求められよう。
グーグルが開発を進めている、写真を「自動的に説明する」技術
http://wired.jp/2014/11/20/google-image-recognition/
自然言語処理に新風を巻き起こしたWord2Vecとは何か
http://business.nikkeibp.co.jp/article/bigdata/20141110/273649/
述語項構造を意識した名詞の意味構造アノテーションのための名詞意味構造の検討
http://www.ninjal.ac.jp/event/specialists/project-meeting/files/JCLWorkshop_no6_papers/JCLWorkshop_No6_06.pdf
意味役割の種類
現段階での意味役割の種類を記述する．大きく 4 つの類にわけて，中分類で 29 種類を定義した．さらにこれらに対して属性タイプが付与される形である．まず 29 種類を以下に示す．
構文類 • 連語，外の関係，補語相当
対象類 • 経験者，被使役者，対象，基準, 相互, 起点，着点，起点・着点，通過点，経路，方向
動作主類 • 使役，原因，動作主，使役者，手段
条件周辺類 • 限界，領域，場所，時間，条件，様態，程度，目的，順接，逆接
<誤り 200事例 分析結果>
�＼飢鬚鮖抻�する推論事例が得られていても誤った
従来の知識表現で?適切でない推論事例が適用されてしまうのではないか？
→ 大部分を占めている．�〇�象間関係知識の文脈化
�∪飢鬚鮖抻�する推論事例が得られなかった
2億もの推論事例をもってしても得られない → 類似した事例が在るが適用できない
より大規模にすれ?解決する問題なのか？ → そういった問題は少ない
http://www.cl.ecei.tohoku.ac.jp/~jun-s/publications/nlp2014_slides.pdf
コーパスの量だけを増やしても効果は薄いようだが、どうやら「知識獲得」「周辺文脈の考慮」ができていないとのこと。今後はそれらも含めたアノテーションコーパスと類似度計算システムが求められよう。
グーグルが開発を進めている、写真を「自動的に説明する」技術
http://wired.jp/2014/11/20/google-image-recognition/
自然言語処理に新風を巻き起こしたWord2Vecとは何か
http://business.nikkeibp.co.jp/article/bigdata/20141110/273649/
述語項構造を意識した名詞の意味構造アノテーションのための名詞意味構造の検討
http://www.ninjal.ac.jp/event/specialists/project-meeting/files/JCLWorkshop_no6_papers/JCLWorkshop_No6_06.pdf
意味役割の種類
現段階での意味役割の種類を記述する．大きく 4 つの類にわけて，中分類で 29 種類を定義した．さらにこれらに対して属性タイプが付与される形である．まず 29 種類を以下に示す．
構文類 • 連語，外の関係，補語相当
対象類 • 経験者，被使役者，対象，基準, 相互, 起点，着点，起点・着点，通過点，経路，方向
動作主類 • 使役，原因，動作主，使役者，手段
条件周辺類 • 限界，領域，場所，時間，条件，様態，程度，目的，順接，逆接
Posted by 浪人 at 2014年11月23日 18:53
＞次に��の図を考えると、点線が途中までになっていて、
イラスト理解については、人間が無意識にやってることが、機械にはできないのだということを、一つ一つ具体的に明らかにしておきたい。
3. 閉合
人間は完璧を求める。物体に穴が開いていると、物体の一部が欠けていると、そのギャップを埋めようとする。次の画像を見ると、実際には存在しないものの、円と長方形に見えてくる。
http://conversionxl.com/wp-content/uploads/2012/05/500px-Gestalt_closure.svg_.png
http://www.seojapan.com/blog/8-web-design-rules
イラスト理解については、人間が無意識にやってることが、機械にはできないのだということを、一つ一つ具体的に明らかにしておきたい。
3. 閉合
人間は完璧を求める。物体に穴が開いていると、物体の一部が欠けていると、そのギャップを埋めようとする。次の画像を見ると、実際には存在しないものの、円と長方形に見えてくる。
http://conversionxl.com/wp-content/uploads/2012/05/500px-Gestalt_closure.svg_.png
http://www.seojapan.com/blog/8-web-design-rules
Posted by 浪人 at 2014年11月27日 15:53
