（拡大表示で文字が読める）脳内知識表現とその工学的実現についてー述語論理から組込み技術に向けたオントロジー技術の活用ー

日本情報技術センター主催セミナー
「知識型AI技術とその応用、活用手法を学ぶ〜ルールベース、スキルベース、知識ベースに基づいた
柔軟性と高い信頼性を実現する技術」（2018/8/31） Biz新宿 15：50〜16：50
我妻広明*1, *2, *3
*1 九州工業大学大学院生命体工学研究科
*2 産業技術総合研究所人工知能研究センター
*3 組込みシステム技術協会 AI技術研究委員会
1
脳内知識表現とその工学的実現に
ついて
ー述語論理から組込み技術に
向けたオントロジー技術の活用ー

!
!
!
LSI
( )( )
()()
Deep!Learning,!
!
! !
( )

!
!
!
!
!
→!
ITS !
DB
!
!
!
!
!
データ駆動型AI
論理知識型AI
AI技術の現状
説明責任
(Accountability)
オントロジー
数理論理学

*3) 戦略的イノベーション創造プログラム(SIP) PD: 渡邉浩之氏（トヨタ自動車株式会社顧問）
シンポジウム2014 ~日本初の科学技術イノベーションが未来を拓く~ http://sip-cao.jp/subject/pdf/sip06.pdf
自動運転用人工知能の設
計と実証実験が必要
AI
ControlSense
3
自動運転の事例から

論理知識型AIデータ駆動型AI
Logical
reasoning
Knowledge
based skills
Sensor
fusion
現時点の状況を
離散化した表現
に照合
相補的分析
Scene Analysis
Timing
Coordination
センサ情報 Sensor
info., GPS, Map,
Input Output
開発中のハイブリッドAIシステム
Knowledge based AI班Data Driven AI
Complementary
CONTEXT 4
」
https://www.airc.aist.go.jp/info_details/docs/170329/1730-Wagatsuma.pdf

5
国土交通省第6回オートパイロットシステムに関する検討会公開資料
http://www.mlit.go.jp/road/ir/ir-council/autopilot/doc06.html
どのように実現するか？
How does the system achieve ?
•

6T.B.Sheridan, Telerobotics, Automation, and Human Supervisory Control. MIT Press, 1992.
T.Inagaki, et al, Trust, self-conﬁdence and authority in human-machine systems, Proc. IFAC HMS, 1998.

Eye-
contact
Estimation
of other
driver s
intentions
blinker, direction indicator
same as the before
7
自動運転車両、一般車両間
のコミュニケーションの課題
一般車両と自動運転車両間のコミュニケーションにおける課題
制度上の合図
一般車両間（ドライバー間）
のコミュニケーション例
自動運転車両間（システム間）の
合図等の例
制度上の合図制度上の合図
• 右左折時、後退時等に方向指示
器又は灯火による合図を行う
慣例上の合図
制度上の合図
• 右左折時、後退時等に方向指示
器又は灯火による合図を行う
システム間の合図
自動運転車両と一般車両間
においては、車両間で新た
慣例上の合図
• 渋滞の発見時にハザードランプ
を出す
• 割り込み時に手を挙げる
• 割り込み後のハザードランプ
システム間の合図
• 車車間通信、路車間通信等によ
る協調ＩＴＳによる情報交換
なコミュニケーションを図
るための仕組みを必要
• 割り込み後のハザードランプ
その他のコミュニケーション
• アイコンタクトや相手の確認
その他
• 車両検知、認識技術の活用
Hazard light,
raising a hand ITS comm.
Blinker light

8
人間のヒヤリハット事例
運転行動、判断、認知過程から学ぶこと
https://www.youtube.com/watch?v=xuOwclpiiZkEye-contact Estimation of others
intentions

A Model of Safety Zone, Comfort Zone and Safety Margin
Engström, J. 2011.
9
反射的な動作決定
（小脳など）
習慣的な動作や
訓練性の行動
（大脳基底核など）
無意識の気づき、違
和感
（皮質／桃体-海
馬）
機械学習でカバーで
きる範囲
知識や論理で（自覚的・
確信的）カバーしなくて
はならない領域
熟考や審議、
論理的推論
（海馬ー前頭前野）
ワーキングメモリの
過負荷によって影響
を受けない
ワーキングメモリの
過負荷によって影響
を受ける

Engström, J. 2011.
人の認知判断モデル
Models of
human
cognition
and
judgements
環境
注意
視野全体
価値判断からの気づき
感覚操作
価値判断
課題に
応じた
手順
個別の対応
（アクセル、ブ
レーキなど）
10

Engström, J. 2011.
11
運転技能の種類
認知判断能力
認知の仕方
認知速度
作業記憶領域戦略的行動
作業課題・行動
手順的行動
解釈や推論
全体俯瞰
視覚的判断
状況の理解・
情報補完

知能化における未解決の3大問題
人工知能の三大問題（Unsolved three problem）
12
•フレーム問題 (Frame problem formulated by John
McCarthy Patrick Hayes)
•記号接地問題 (Symbol grounding noticed by
Stevan Harnad)
•中国語の部屋 (Chinese room, a thought
experiment by John Searle)

Today was Jack's birthday. Penny and Janet went to the store. They were
going to get presents. Janet decided to get a kite. "Don't do that," said
Penny. "Jack has a kite. He will make you take it back."
原文
今日はジャックの誕生日だった。ペニーとジャネットは店に行ってきました。彼らは、プレゼ
ントを取得するつもりだった。ジャネットは、凧を取得することを決めた。 "それをしないで
ください、"ペニーは言った。"ジャックは、凧を持っています彼はあなたがそれを取り戻すよ
うになります。"
Google翻訳
今日は、ジャックの誕生日でした。ペニーとジャネットは、店に行きました。彼らは、プレゼ
ントを得そうでした。ジャネットは、凧を得ることに決めました。「そうしないでください」
と、ペニーは言いました。「ジャックは、凧を持っています。彼は、あなたをそれを戻させま
す。」
Yahoo!翻訳
「状況を理解する」ということ

A Case Study: Hubert L. Dreyfus (1992): What Computers Still
Can't Do: A Critique of Artiﬁcial Reason, The MIT
Press
本当はどのような状況を表現していたのか？
・最後の it の意味の状況依存性の理解の困難さ
・意味理解とは何か？
・意味断片の足し合わせでない、文の「全体性」の把握
Today was Jack's birthday. Penny and Janet
went to the store. They were going to get
presents. Janet decided to get a kite. “Don’t do
that,” said Penny. “Jack has a kite. He will make
you take it back.”

Today was Jack's birthday. Penny and Janet went
to the store. They were going to get presents.
Janet decided to get a kite. “Don’t do that,” said
Penny. “Jack has a kite. He will make you take it
back.”
Today tomorrowYesterday
Birthday of
Jack
16

back.”
Janet
Penny
17

back.”
Janet
Penny
18

back.”
Janet
19

back.”
Janet
Penny
20

back.”
Jack
Janet
21

Level 2
Information flow in this case
Robot need an
emotional sense!

どのようにして脳はこの問題を解いているか
プレゼンを買うという行為；Buy a present
Products in shop
ストーリーとして構成すること、物語を創ること；
Make an arrangement (as a story)
Target person’s
preferences
(拘束条件；
constraints)
(要素；
items) Actor’sintention
(like a path finding in a constraint problem)

LeDoux & Phelps model: Emotional Networks
LeDoux, J.E. & Phelps, E.A. (2008): Emotional
networks in the brain.
In M. Lewis & J. Haviland-Jones, L.F. Barrett
(eds.) Handbook of Emotion, 3rd ed. NY:
Guilford (159-79).
How can we match between the
previous information flow
(software) and the neurological
anatomy and structure
(hardware)?
Sensory
Processing
Long-Term Memory
Semantic
Episodic
Working
Memory
Emotional
Processing
Emotional
Responses
(Central and Peripheral)
24
「時間」「情動」

今日はジャックの誕生日。ペニーとジャネットはプレゼントを買いに店に
行った。ジャネットは凧を買おうと決めた。「それはダメだよ」ペニーが
言った。「ジャックは凧を持っている。彼はそれを返しちゃうよ、きっと」
・最後の it の意味の状況依存性の理解の困難さ(what does it
indicate?)
・感情の理解，類推（Emotional background）
・時間の感覚（temporal structure, such as past, present
and future）
人間（プロ）の翻訳家の訳文
今日はジャックの誕生日だった。ペニーとジャネットは店に行ってきました。彼らは、プレゼ
ントを取得するつもりだった。ジャネットは、凧を取得することを決めた。「それをしないで
ください」ペニーは言った。「ジャックは、凧を持っています彼はあなたがそれを取り戻すよ
うになります。」
Google翻訳
25

「脳と意識の地形図ー脳と心の地形図２」リタ・カーター “consciousness” by Rita Carter
- 「気づき」の能力
- Awareness of what happens
要求機能を満たせず
NASA 火星探査機、岩
を認識できず立ち往生
http://er.jsc.nasa.gov/seh/
Mars_Pathﬁnder_Lithograph_Set.pdf
著作権保護

「心で挑む弓道八段イギリス人弓道家
と日本一の弓師」©NHK
確実に的に当てる
→ いつ弦を放すか？
（脳科学との融合が求められる問題）
「意図」と「時間（タイミング）」の問題
たった一度きりの
本番で成功させる
放すべきタイミングを
知る（情報を得る）問題
© H. Wagatsuma 2013
著作権保護

環境における時間変化／身体の時間変位
／脳内活動変化（心象の時間性）
潜在記憶回路
（訓練、習慣によって獲得
し無意識に再現できる記憶）
顕在記憶回路
（意識して想起できる記憶）
相補的関係
脳内では...
「最良のタイミングを知る」
ということ
© H. Wagatsuma 2018
Krichmar J, Wagatsuma H. (2011): Neuromorphic and Brain-Based Robot,
Cambridge University Press: Cambridge. pp.3-7, 274-302. (2011)

宣言的記憶
または陳述記憶
（意識できる記憶）
非宣言的記憶
（意識できない記憶）
意味
記憶
（事実）
エピソード
記憶
（出来事）
手続き記憶
（技能、習慣）
プライミング古典的
条件づけ
非連合
学習
情動反応運動
海馬-中側頭葉
間脳
線条体
(基底核)
運動野
小脳
反射系小脳
（海馬）
扁桃体
（海馬）
新皮質
長期記憶
(Rita Cater, 1998)
一回性の体験を記銘できる。意
識して思い出す（想像する）こ
とが出来る。（個人史など）
繰り返しの訓練が必要。記憶した内容
を意識して思い出すことはできない。
（自転車の操縦など）
long-term
memory
explicit
(declarative)
implicit
(non-declarative)
episodic
(events)
semantic
(facts)
procedural
conditioningpriming
non-relational
reﬂective
circuit
cerebellum
(hippocampus)
amygdala
(hippocampus)
basal ganglia
motor cortex
cerebellum
cortex
hippocampus
mid-brain
意識できる記憶 - 宣言的記憶

「脳」の「情報」とは？
物体をどう操作可能かの
選択肢
? ?
+
今自分は何をやっているか
を認知
(Top down)
(Bottom up)
生物情報（個別的、状況依存的）
Biological Information requires
異なる時間階層（情報の質や意味）
を取り扱う必要がある
意図／意味／概念
Knowing how it
can be operated
Recognition what I
am doing
Understanding
Information in the brain
Intension／Meaning／Concept
事象／作用／関係
Event／Operation／Relationship
行為
認知
Action
Perception
情報のフロー（流れ）動的特性・原理
Information ﬂow & its dynamics
では
temporal granularity© H. Wagatsuma 2015

これはいったい
これは何を表現しているのでしょうか？
大槻あかね「とりこみ中」in ほぼ日マンガまつりより
©2005 HOBO NIKKAN ITOI SHINBUN

認知過程としての意味：
時間的経緯によって何が起き
ているかを知る
大槻あかね「とりこみ中」in ほぼ日マンガまつりより
©2005 HOBO NIKKAN ITOI SHINBUN
我々は、前後の時間的経緯から
何が起きているかを知ることができる
（出来事の連鎖、エピソード）
いったい
何が起きているか？

Binary Fuzzy SVM
SOM
Ontology Sparse
Modeling
実装技術としてどのような理論がつかえそうか？

「運転」における拘束条件の種類
Impossible
Physical
Constraints
Semi-Impossible Not Applicable Available RecommendedCase study
Road
Constraints
Rule
Constraints
Risk
Constraints
Structured
Constraints
Habit based,
Knowledge
Car (body)
Dynamics
Road Condition (static
& dynamic)
Traffic regulation,
etc
Logical
reasoning
熟練者の
習慣、習性
(Non logical)
Case study,
heuristic, ad-hoc
34
Knowledge
based skills
Possible
Combinations
熟練者の先読みと整合性があるか？
を検証 (NEDO成果)
多くの自動運転プロジェクトの対象領域（SIP自
動運転システムなど； AIなし）
高度AI技術に期待される部分

論理知識型AIデータ駆動型AI
Logical
reasoning
Knowledge
based skills
Sensor
fusion
現時点の状況を
離散化した表現
に照合
相補的分析
Scene Analysis
Timing
Coordination
センサ情報 Sensor
info., GPS, Map,
Input Output
開発中のハイブリッドAIシステム
Knowledge based AI班Data Driven AI
Complementary
CONTEXT 35
」
https://www.airc.aist.go.jp/info_details/docs/170329/1730-Wagatsuma.pdf

3
4
5
Semantic Webの推論を活用：ADAS オントロジーの現状
- 目的地 - 走路選択
もし○○ △△する／しない
制限速度の違い
一方通行
進路方向
センサのタイプなど
車両X、Y両方で近づいたときに
（イベント定義；衝突警告判定で
検出）があり、Yは直進、Xは右
折なら（状況の記述）
車両Xは停止し、XはYに対し
て道を譲る（行動の規定）- 自車、他車など
走行車の種類など
TTI Core v0.03: Core Ontologies for Safe Autonomous Driving（趙，市瀬，三田，佐々木
2015）

劇中の名前
• カル・エル（クリプトン星での名前）
• スーパーマン（アメリカでの名前）
• クラーク・ケント（新聞記者としての仮の姿）
俳優の名前
• クリストファー・リーヴ（俳優）
• 本名？
認識論と存在論
Epistemology and Ontology
スーパーマン問題
言語哲学における諸問題
百科辞典知識（データベース）＝認知知識
同じ対象を違う
名前で呼ぶ
Unicorn without a hone (角の無いユニコーン)を
ユニコーンと認識できるか？
「猫」を「四本足」という属性で定義してしまうと、
足を失った猫を猫と扱えなくなってしまう。
記号接地問題

「知の創成―身体性認知科学への招待
ロルフファイファー&クリスチャンシャイアー (著), 石黒章夫, 細田耕 & 小
林宏 (翻訳) 共立出版 (2001)
仮想世界
現実世界
すべて記述可能なのだろ
うか？
離散と連続
中国語の部屋
(Discrete vs Continuous
Representation)

39
情報表現の空間・時間スケーラビリティ
中国語の部屋 (自動運転AIプロジェクトから)
システムの利用者や負荷の増大に応じて、柔軟に性能や機能を向上する必要がある

40
道順
経路
軌道
「左に曲がる」
軌道の集合
A set of
representations of
“turn left”
trajectory
pathway
route

先進運転支援システム(ADAS)オントロジー
とは何か？
• 1)「場所」に関する情報（Map Ontology）
- 目的地、走行路、道路状況（規制、混雑ほか）など
• 2)「走行車両、走行中考慮すべき対象」に関する情報
（Car Ontology＋α）
- 自車、他車、走路上の状況（歩行者、自転車ほか）、
など
• 3)「制御」に関する情報（Control Ontology＋α?）
- 進路、軌道、進行する走路選択、など
車両走行に必要な情報
意味論
45

記述方法：Ontology（RDF表現）
RDF(Resource Description Framework) を用いる． RDF は，主
語 (Subject)，述語 (predicate)，目的語 (object) のトリプル
< subject, predicate, object > 1:
RDF < s,p,o >
t(t ) << s,p,o >,t >
{ << s,p,o >,t > ¦t1 t t2}
→ < 太郎, 滞在, 神保町駅 >
例：「太郎は、神保町駅にいる」
→ {<< CarX, 走行速度, 60Km/h >,t > | -500ms < t <現在時刻}
例：「自車は、時速60キロで走っている」
（RDF時間表現）
自動車への実装方法（運用）は？
C-SPARQL
49

知識情報表現ベースの場合 (趙ら(2015)の例)
(*1) L Zhao, R Ichise, S Mita, Y Sasaki: Ontologies for Advanced Driver
Assistance Systems, 35th SWO workshop, SIG-SWO-035-03 (2015).
Table 1: Map ontology based instances.
Subject Property Object
AnoNagoyaLine rdf:type map:PrefecturalRoad
AnoNagoyaLine map:hasIntersection AnoNagoyaInt34
AnoNagoyaLine map:hasRoadSegment AnoNagoyaRS3
AnoNagoyaLine map:hasRoadSegment AnoNagoyaRS4
AnoNagoyaLine map:speedMax 40 ̂̂kmh
AnoNagoyaLine map:osmway id osmway:122098916
AnoNagoyaInt34 rdf:type map:Intersection
AnoNagoyaInt34 map:isConnectedTo AnoNagoyaRS3
AnoNagoyaInt34 map:isConnectedTo AnoNagoyaRS4
AnoNagoyaInt34 map:isConnectedTo GrandirLaneAdapter1
AnoNagoyaInt34 map:boundPos 35.134697, 136.964103
AnoNagoyaRS4 rdf:type map:RoadSegment
AnoNagoyaRS4 map:isConnectedTo AnoNagoyaInt34
AnoNagoyaRS4 map:isConnectedTo AnoNagoyaCrossWalk1
AnoNagoyaRS4 map:boundPos 35.134697, 136.964103
AnoNagoyaRS4 map:boundPos 35.134574, 136.964147
AnoNagoyaRS4Lane2 rdf:type map:OneWayLane
AnoNagoyaRS4Lane2 map:isLaneOf AnoNagoyaRS4
AnoNagoyaRS4Lane2 map:enterPos 35.134570, 136.964125
AnoNagoyaRS4Lane2 map:exitPos 35.134693, 136.964082
AnoNagoyaRS4Lane2 control:turnRightTo GrandirLaneAdapter1
AnoNagoyaRS4Lane2 control:goStraightTo AnoNagoyaRS3Lane2
carX
carY
int1
lane1
lane2
CollisionWarning(?carX) CollisionWarning(?carY)
GoForward(?carY) TurnRight(?carX)
Stop(?carX) giveWay(?carX, ?carY)
SWRL
表現 51

SWRL則の例
述語論理式の例（谷口忠大『人工知能概論』より）
CollisionWarning(?carX) CollisionWarning(?carY)
GoForward(?carY) TurnRight(?carX)
（車両X、Y両方で衝突警告があり、Yは直進、Xは右折なら）
Stop(?carX) giveWay(?carX, ?carY)
（車両Xは停止し、XはYに対して道を譲る）
【 SWRL: The Semantic Web Rule Language 】
52

運転中のAIがツッコミ力がすごい!!
【動画】 53

※ 30 1 18 A 9
1 30 3 30 1a g g
a
●SIP g
2017 10
5 5 C2
w
2019 3
A
a s
● W I
4 C
m 5
2 2 2
C2 w
o
●PEGASUS I
g
y b
2
w o
(2016 1 ~2019 6
)
I.
II.
III.
IV.
V.
VI. 5 m
VII. 5 a m
VIII.i o
IX.
X. y
10
m

Kyutech Wagatsuma Lab.
※ 30 1 18 A 9
1 30 3 30 1
G. Bagschik et. al, “Ontology based scene creation for the
development of automated vehicles,” IEEE Intelligent Vehicles
Symposium, vol. arXiv:1704.01006v5, 2018.
m 2AI
C 2 5
h
c LK
!47PEGASUS I

e @ h A
C 5 2 t 5 2
C B 2P 2 5
5
t g L muC2 y
L Logical scenarios; LS C B
B. Menzel, G. Bagschik, and M. Maurer, “Scenarios for development, test and validation
of automated vehicles,” IEEE Intelligent Vehicles Symposium, vol. arXiv:1801.08598v3,
2018.

今後 AI化が期待される部分
49

http://www.kagome.co.jp/seisen/tomato/about/
生鮮トマトカゴメの生鮮トマトづくり
（カゴメ株式会社）
カゴメ（株）HP
より
50

課題：形式知＋暗黙知

ハイテク化されてもやはり人手は必要
 
太陽光利用型植物工場のモデルは、いちご平ファーム（長野県小
諸市）。平成20年に新設された植物工場ハウスで作業するスタッ
フは名。イチゴの生育環境は自動制御でも、葉かきや脇芽取
り、定植や収穫は人の手。農業経験がないスタッフも訓練を受け
作業従事。
１）すべての株の害虫・益虫の存在を厳しくチェックしてシート
に書き込む、２）イチゴを選別してピーク時には日 ∼
パックものイチゴを箱詰めするのもスタッフの手作業。 
農林水産省：特集野菜をめぐる新しい動き植物工場の可能性（5）
http://www.maff.go.jp/j/pr/aff/1002/spe1_05.html
栽培制御は自動化されていても、イチゴの収穫・箱詰め
は人の手が必要。スタッフは苗や株の管理に必要なこと
を紙に書き出し、ホワイトボードに張る。こうして手作
業の技術が継承されていく。
暗黙知＋形式知
52

http://www.maff.go.jp/j/pr/aff/1002/spe1_04.html
トマト植物工場の事例
労務作業軽減の人的作業（および熟練者技術である生長管理 ( には、人が欠かせない
A) 人的作業
選果
33%
収穫
33%
選枝・整枝
（芽欠き、ずらし）
33%
センシング＋マニピュレー
ター技術融合
高度な知的能力・経験量
が求められる管理作業
B) 生長管理作業
暗黙知＋形式知
工場が順調に稼働した状態で、労務費軽減や労働者の負担軽減が可能
な領域
工場が順調に稼働するまでに必要なノウハウや、
外乱による問題発生時の対処の技術に対する、
支援が可能な領域
ナレッジ・マネジメント (Knowledge
Management：KM)とスピーキング・
プラント・アプローチ（Speaking
Plant Approach：SPA）
単純な選果なら、
敷地・専用設備で
比較的容易に機械
化が可能。
実を傷つけないよう比較的
高度なロボット化が必要
芽かき：不要な枝の
認知、他の枝を傷つ
けないような作業が
必要。
但し、異形果実や微細な傷
検出は高度なセンシング・
情報処理が必要
ずらし：全体のバランス
を整えながら、適切な
量をずらす作業が必要。
現技術で実装可
（深層学習等）
中難度
高難度
超高難度
オントロジー
53

「人工知能未来農業創造プロジェクト」
https://www.pwc.com/jp/ja/press-room/outsourced-project171018.html
愛媛大学、 0)あらた有限責任監査法人他、はコンソーシアムを組成し、農林水産省の平成年度委託プロジェクト
研究（マスコットネーム「（あいとまと）」）を平成年月中旬より本格的にスタート。
（研究代表者：愛媛大学大学院農学研究科高山弘太郎准教授） 54

1) 茎伸長速度[cm/week], 2)茎径 [cm], 3)葉数[枚](茎頂から 50 cm 以内にある葉の数),
4) 葉面積指標[cm2](葉の全長と全幅の積)である。
樹勢（生育スケルトン）の見える化
http://www.jgha.com/jisedai/kenshu/kyoutsuu/JISEDAI_text.pdf
55

生育モデル
56http://yamagata-np.jp/feature/kateisaien/kj_2014042400637.php
栄養成長と生殖成長
生長管理：知識の管理（熟練知が必要な部分）

写真Ⅰ−２育苗期の低温に伴い発生する乱形果（左）、穴あき
果（中）、チャック果（右）
写真Ⅰ-３窒素過多状態（左）、正常苗（中）、窒素不足状態（右）写真Ⅰ-４正常なトマトの樹姿と着果
の状態 57

表I-13トマトの樹に現れる要素欠乏・過剰障害と対策等 https://japan-soil.net/report/h25tebiki_03.pd
(1/2) 症状発生しやすい条件
窒素欠乏生長が遅延する。葉が小形と
なり、生長点に近い茎が細く
なり、上位葉が極端に小さく
硬くなる。下葉から順次上位
葉に向かって黄化する。着果
数が少なくなるが、比較的早
く肥大する。
・土壌中の窒素含有量が低い時に発生。
・稲わらを多量に施用した時に発生。
・降雨が多く、窒素の溶脱が多い時に発生。・CEC
の小さい土壌に発生しやすい。
リン酸欠乏比較的若い時期に下位葉が緑
紫色になり、次第に上位葉に
及んでくる。葉は小形で光沢
がなくなり、進むと赤紫色に
なる。果実が小形で成熟が遅
れ収量が低い。
・火山灰土壌で発生しやすく、pHが低い時や根張
り不良の土壌で現れやすい。
・リン酸吸収は低温で著しく阻害される。
加里欠乏生育の比較的早い時期に、葉
縁から葉肉部に向かってクロ
ロシスが発生する。生育の最
盛期に中位葉付近の葉の先端
から褐変しのち枯死する。 
・土壌中の加里含量が低い場合に発生。
・生育旺盛で果実肥大が著しく、吸収量が供給量
に追いつかない時に発生する。
(財)日本土壌協会平成25年度有機栽培技術の手引〔果菜類編〕第３部主要
な果菜類の有機栽培技術
Ⅰ．トマトの有機栽培技術
http://www.japan-soil.net/report/h25.html
暗黙知＋形式知オントロジー化
58

59
図2. RDF表現の例（https://camo.qiitausercontent.com/）
対象（Subject）：リソース（例：薬のID:DB0198）
述語（Predicate）：プロパティ（例：名前）
目的語（Object）：プロパティの値
（例：タクロリムス）
知識の管理関係性による表現

展望
• 事故予防・熟練技術を伝える支援AI
• 早期発見・早期措置（治療）・安全管理AI
• 原因追求・対処措置AI
60

61
例：「自車は、時速60キロで走っている」
→ {<< CarX, 走行速度, 60Km/h >,t > | -500ms < t <
現在時刻}
RDF時間表現

症状 Symptom (Google translate) Symptom (pre SWRL)
生長が遅延する。葉
が小形となり、生長
点に近い茎が細くな
り、上位葉が極端に
小さく硬くなる。下
葉から順次上位葉に
向かって黄化する。
着果数が少なくなる
が、比較的早く肥大
する。
Growth is delayed. The leaves
become compact, the stems
close to the growing point
become thinner, the upper
leaves become extremely small
and hard. It turns yellow from
the lower leaf to the upper
leaves successively. Although
the number of fruits is
reduced, it grows relatively
quickly.
<stem,growth,delay>∧<leaf,growth,
delay>∧<leaf,size,small>∧</stem/
growing_point,thickness,thin>∧<leaf
/upper,size,extremely_small>∧<leaf/
upper,hardness,hard>∧<leaf/upper/
color,is_yellow_than,leaf/lower/
color>∧<fruit,number,low>∧<fruit,gr
owth,faster>
窒素欠乏
nitrogen deficiency
非公開

<stem,growth,delay>∧<leaf,growth,delay>
stem leaf
stem leaf
plant
上位概念の形成
同じルールを適用
する要素の抽出
root stem
Plant (plant body)
leaf flower
(bloom)
fruit
central
stem
stem
bud
flower cluster
(inflorescence)
stem
branch
young ripeunmature
現場で抽出されたルール（熟練者知識）から
オントロジーを構成する方法

Place-Body Ontology 
（場所に関するもの
）
Target-Relation Ontology 
（静的）
Action-Status
Ontology 
（動的）
Place
(global
map)
Body (local
map)
Target (type)
Relation
(between
targets)
(Current)
Status
(Taking)
Action
移動領域 Lane,
Crosssetio
n, High
way, …
Front bumper,
Side seat,
GPS, Rear
cammera, …
Regular car,
Pedestrian,
…
<Regular car,
has_a_high_r
is_for,
Pedestrian>
Right turn,
Left turn,
Waiting, …
<Regular
car, Waiting,
Crosssectin
>
(For Mobility)
生産領域
Plant lane,
Harvest
corridor, …
Root, Stem,
Leaf, Flower,
Fruit, …
Tomato,
Strawberry,
Gene type,
Fertilizer
(Mn, Ca, Cu,
Mg, Zn, N, B,
P, Fe, K, S)
<Nitrogen,
is_enhanced
_with,
Magnesium>
Increasing,
Decreasing
,
Removing,
Harvesting,
…
<Plant lane,
Increasing,
Water>
(For
Productivity)
医療・介護
領域
Bed,
Corridor,
Inner
garden,
ICU, …
Head, Face,
Hand, Leg,
Stomach, …
Caregever,
Elderly
person,
Disabled
person, Care
robot,…
<Caregever,
has_to_chec
k_the
status_on,
Elderly
person>
Lifting up,
Bring,
Carring,
Monitoring,
…
<Caregever,
Lifting up,
Elderly
person>(For Health
Care)
全領域で共有のオントロジー構造の仕組み
一部非公開

Target-Relation Ontology 
（静的）
Place-Body Ontology 
（場所に関するもの）
Place (global map)
Body (local map)
栽培レーン
レール
作業レーン

Knowledge base for Tomato  
Ontology
The ontology is divided into three main Parts-
• Action status
This defines the characteristics of a
given plant (example-its growth rate, texture
of leafs, present Temperature and
Humidity)
• Place-Body
This defines the physical parts and
its relationship with respect to its ground.
• Target-Relation
Provides the type of fertilizers.
2018/6/18 66
Data properties
Object proprieties

67
【組込みシステムと時系列処理】
• RDF時間表現の有用性を、現実フィールドで活用するには、
１）組込み技術によるAIモニタリング、２）収集した時系列デ
ータを処理、３）C-SPARQLクラウドシステムで、述語論理にお
ける時系列情報の技術基盤が構築可能である。
• 現場で何らか（What/Which）の異変が発見された時に、いつか
ら(When)、どこ区画で（Where）、どのように問題が進行して
きたのか（How）を現場で収集されたログからトレースし、な
ぜその問題が発生して（Why）、何をどの方策で対処すれば良
いか（What/Which）の情報にり着くことができる。
まとめ

（拡大表示で文字が読める）脳内知識表現とその工学的実現についてー述語論理から組込み技術に向けたオントロジー技術の活用ー

Recommended

Recommended

More Related Content

More from Hiroaki Wagatsuma

More from Hiroaki Wagatsuma (8)