SlideShare a Scribd company logo
1 of 21
Download to read offline
証明プログラミング超入門
2015/01/24 情報科学若手の会冬の陣
門脇 香子(@kdxu)
自己紹介
• 門脇 香子 (@kdxu)
• お茶の水女子大学 浅井研 M1
• 好きなもの : 型と自転車と音楽
• http://kodoku.tokyo
概要
• 証明プログラミングとは?
• Agda による例(布教)

目標 : 高校数学レベルの簡単な証明
• (時間が余れば)ライブコーディング
証明プログラミングとは?
• ある種の性質を保障したプログラムが書ける

数学の定理を証明したり,停止性などの性質が保障された
コンパイラなどを実装できる
• コードの停止性,正当性などを証明できる

活用例 : OpenSSLの脆弱性の発見 

    CompCert(安全性が保証されたCコンパイラ)
• テストではなく証明で正しさを保証する!
• 安全,COOL,AWESOME !
Agda について
• もっとも有名な定理証明支援系の1つ
• 依存型という型を使用できる
• Coq より「プログラミング言語」寄り
• Syntax としては Haskell に近い
• 証明を項として表し直接操作する
インストール&セットアップ
• 要 Haskell-Platform
• $ cabal install agda
• $ agda-mode setup
• 推奨エディタはAquamacsだそうです
書いてみよう
• まずA1.agdaというファイルを作り

module A1 agda

と先頭に書く.(ファイル名と同じにする)
• C-c C-l でloadできます
まずは型定義
• data で新しい型を定義できる
• indent に注意しましょう
• Set の部分集合としてのBool型という意味
まずは型定義
• 自然数の型
• ペアノの公理による定義
• zeroがNat型ということと,xがNat型ならsuc x
もNat型だということを示している
関数定義
• 普通の足し算の定義
• (suc m) + n = (suc (m + n))
• C-c C-n で関数を評価できます
関数定義
• 中値記法もできます
関数定義
何か証明してみよう
• Nat 型と Bool 型の簡単な定義はできた
• ここでなにか簡単な定理を証明してみます
• 同値性の証明をするならば同値関係のデータ型が必
要(equality)

-> どのように定義するのか?
同値性
• 2つのものが同じということは,以下のように定義できる
• 例 : zero (suc zero) はダメ

x x の形をしていない.型はあるが,値が存在しない

なので,reflという型にならない
• reflにハマる値が存在するか で定義できる
定理 = 関数
• 例えば 0 + n n を示したい

-> 返り値がreflとなるように関数を書ければよい
• 関数の型は

(n : Nat) -> (0 + n n)

となる
• ここで suc 関数に対する再帰的処理が必要になる
定理 = 関数
• これを Agda は 型が等しい と判断してくれない
• ここで suc 関数に対する再帰的処理が必要になる
• 一般的に定理を再帰的に示す関数 cong を定義

証明完了!
• zero と suc nで場合分けしている (C-c C-c n)

zero の場合は zero + zero は zeroなので直ちにrefl

suc n の場合は n に関して再帰的に証明をする
Tips : 依存型
• Agda では依存型(Dependent Types)という型が使えます
• 「値に依存する型」を作ることができる型
• 例 Vec N 型
• 型の段階で長さの比較や空リスト判定を保証できる
おすすめ教材
• Ulf Norell 氏の Dependently Typed Programming in
Agda 

(http://www.cse.chalmers.se/ ulfn/darcs/AFP08/
LectureNotes/AgdaIntro.pdf)
• Brutal [Meta]Introduction to Dependent Types in
Agda 

(http://oxij.org/note/BrutalDepTypes/)
• お茶大製「みんなのAgda wiki」

(http://agda.wiki.fc2.com/)
研究紹介
• 私は今日紹介した Agda という言語を用いて安全
な型推論器を構成しています
• 依存型の性質を用いて型変数の番号をうまく管理す
ることで,セルの書き換えを用いずにUnification
を行うことにより実装しています
• https://github.com/kdxu/InferAgda
おわり
証明ができると世界が開けます.

証明プログラミングを楽しみましょう!

More Related Content

What's hot

最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方joisino
 
PyMCがあれば,ベイズ推定でもう泣いたりなんかしない
PyMCがあれば,ベイズ推定でもう泣いたりなんかしないPyMCがあれば,ベイズ推定でもう泣いたりなんかしない
PyMCがあれば,ベイズ推定でもう泣いたりなんかしないToshihiro Kamishima
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計Takahiro Kubo
 
Kaggleのテクニック
KaggleのテクニックKaggleのテクニック
KaggleのテクニックYasunori Ozaki
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法Deep Learning JP
 
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリングmlm_kansai
 
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門Fixstars Corporation
 
Variational AutoEncoder
Variational AutoEncoderVariational AutoEncoder
Variational AutoEncoderKazuki Nitta
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろHiroshi Yamashita
 
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...joisino
 
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence ModelingDeep Learning JP
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方ychtanaka
 
最適化超入門
最適化超入門最適化超入門
最適化超入門Takami Sato
 
強化学習その3
強化学習その3強化学習その3
強化学習その3nishio
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類Shintaro Fukushima
 
Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善Naoaki Okazaki
 
Triplet Loss 徹底解説
Triplet Loss 徹底解説Triplet Loss 徹底解説
Triplet Loss 徹底解説tancoro
 
暗号文のままで計算しよう - 準同型暗号入門 -
暗号文のままで計算しよう - 準同型暗号入門 -暗号文のままで計算しよう - 準同型暗号入門 -
暗号文のままで計算しよう - 準同型暗号入門 -MITSUNARI Shigeo
 
【LT資料】 Neural Network 素人なんだけど何とかご機嫌取りをしたい
【LT資料】 Neural Network 素人なんだけど何とかご機嫌取りをしたい【LT資料】 Neural Network 素人なんだけど何とかご機嫌取りをしたい
【LT資料】 Neural Network 素人なんだけど何とかご機嫌取りをしたいTakuji Tahara
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門Kawamoto_Kazuhiko
 

What's hot (20)

最適輸送の解き方
最適輸送の解き方最適輸送の解き方
最適輸送の解き方
 
PyMCがあれば,ベイズ推定でもう泣いたりなんかしない
PyMCがあれば,ベイズ推定でもう泣いたりなんかしないPyMCがあれば,ベイズ推定でもう泣いたりなんかしない
PyMCがあれば,ベイズ推定でもう泣いたりなんかしない
 
機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計機械学習で泣かないためのコード設計
機械学習で泣かないためのコード設計
 
Kaggleのテクニック
KaggleのテクニックKaggleのテクニック
Kaggleのテクニック
 
【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法【DL輪読会】時系列予測 Transfomers の精度向上手法
【DL輪読会】時系列予測 Transfomers の精度向上手法
 
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
最近のKaggleに学ぶテーブルデータの特徴量エンジニアリング
 
いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門いまさら聞けない!CUDA高速化入門
いまさら聞けない!CUDA高速化入門
 
Variational AutoEncoder
Variational AutoEncoderVariational AutoEncoder
Variational AutoEncoder
 
充足可能性問題のいろいろ
充足可能性問題のいろいろ充足可能性問題のいろいろ
充足可能性問題のいろいろ
 
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
Word Tour: One-dimensional Word Embeddings via the Traveling Salesman Problem...
 
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
[DL輪読会]Decision Transformer: Reinforcement Learning via Sequence Modeling
 
工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方工学系大学4年生のための論文の読み方
工学系大学4年生のための論文の読み方
 
最適化超入門
最適化超入門最適化超入門
最適化超入門
 
強化学習その3
強化学習その3強化学習その3
強化学習その3
 
不均衡データのクラス分類
不均衡データのクラス分類不均衡データのクラス分類
不均衡データのクラス分類
 
Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善Word2vecの並列実行時の学習速度の改善
Word2vecの並列実行時の学習速度の改善
 
Triplet Loss 徹底解説
Triplet Loss 徹底解説Triplet Loss 徹底解説
Triplet Loss 徹底解説
 
暗号文のままで計算しよう - 準同型暗号入門 -
暗号文のままで計算しよう - 準同型暗号入門 -暗号文のままで計算しよう - 準同型暗号入門 -
暗号文のままで計算しよう - 準同型暗号入門 -
 
【LT資料】 Neural Network 素人なんだけど何とかご機嫌取りをしたい
【LT資料】 Neural Network 素人なんだけど何とかご機嫌取りをしたい【LT資料】 Neural Network 素人なんだけど何とかご機嫌取りをしたい
【LT資料】 Neural Network 素人なんだけど何とかご機嫌取りをしたい
 
グラフィカルモデル入門
グラフィカルモデル入門グラフィカルモデル入門
グラフィカルモデル入門
 

Similar to 証明プログラミング超入門

証明プログラミング入門2
証明プログラミング入門2証明プログラミング入門2
証明プログラミング入門2Kyoko Kadowaki
 
Anomaly Detector で遊ぼう♪ with Azure Time Series Insights
Anomaly Detector で遊ぼう♪ with Azure Time Series InsightsAnomaly Detector で遊ぼう♪ with Azure Time Series Insights
Anomaly Detector で遊ぼう♪ with Azure Time Series InsightsKazumi IWANAGA
 
JaSST'16 Tokyo モバイルセッション
JaSST'16 Tokyo モバイルセッションJaSST'16 Tokyo モバイルセッション
JaSST'16 Tokyo モバイルセッションmirer
 
20151021 cookpad talk_test_engineer
20151021 cookpad talk_test_engineer20151021 cookpad talk_test_engineer
20151021 cookpad talk_test_engineerKazuaki Matsuo
 
プログラマ人生論
プログラマ人生論プログラマ人生論
プログラマ人生論ymmt
 

Similar to 証明プログラミング超入門 (8)

証明プログラミング入門2
証明プログラミング入門2証明プログラミング入門2
証明プログラミング入門2
 
すごいCoq入門
すごいCoq入門すごいCoq入門
すごいCoq入門
 
Anomaly Detector で遊ぼう♪ with Azure Time Series Insights
Anomaly Detector で遊ぼう♪ with Azure Time Series InsightsAnomaly Detector で遊ぼう♪ with Azure Time Series Insights
Anomaly Detector で遊ぼう♪ with Azure Time Series Insights
 
JaSST'16 Tokyo モバイルセッション
JaSST'16 Tokyo モバイルセッションJaSST'16 Tokyo モバイルセッション
JaSST'16 Tokyo モバイルセッション
 
20151021 cookpad talk_test_engineer
20151021 cookpad talk_test_engineer20151021 cookpad talk_test_engineer
20151021 cookpad talk_test_engineer
 
読書会Vol6
読書会Vol6読書会Vol6
読書会Vol6
 
20120529 アジャイルサムライ読書会第6回
20120529 アジャイルサムライ読書会第6回20120529 アジャイルサムライ読書会第6回
20120529 アジャイルサムライ読書会第6回
 
プログラマ人生論
プログラマ人生論プログラマ人生論
プログラマ人生論
 

証明プログラミング超入門