-
状態空間
問題が取りうるすべての状況の集まり。初期状態から操作を適用することで遷移する。
-
オペレータ
ある状態を別の状態に変化させる操作や規則。
-
探索木
問題解決の過程を木の形で表現したもの。根（ルート）が初期状態に対応する。
-
経路コスト
初期状態から特定の状態に至るまでの一連の操作にかかる費用の合計。
-
完全性
アルゴリズムが、解が存在する場合に必ずそれを見つけ出せるという性質。
-
最適性
アルゴリズムが、複数の解が存在する場合に最も良い（例：コストが最小の）解を見つけ出せるという性質。
-
時間計算量
アルゴリズムが解を見つけるまでに要するステップ数や時間の指標。
-
空間計算量
アルゴリズムが実行中に必要とするメモリ量の指標。
-
情報の無い探索（盲目的探索）
問題領域に関する知識を利用せず、機械的に定められた順序で探索を行う手法の総称。
-
幅優先探索（横型探索）
探索の深さが浅いものから順番に、同じ階層をすべて調べてから次の階層に進む探索手法。
-
深さ優先探索（縦型探索）
探索木の一つの枝を可能な限り深く調べていき、行き止まりになったら手前に戻って別の枝を調べる手法。
-
反復深化探索
探索の深さに上限を設け、その上限を1ずつ増やしながら深さ優先探索を繰り返す手法。
-
最良優先探索
何らかの評価基準を用いて、最も「良い」と判断されたノードを次に展開していく探索手法の総称。
-
均一コスト探索
初期状態からの経路コストが最も小さいノードを優先的に展開していく探索手法。
-
ヒューリスティック関数
ゴールまでのコストを推定するために用いられる経験則に基づいた関数。必ずしも正確ではないが、探索を効率化する。
-
欲張り探索
ゴールまでの推定コストが最も小さいノードを、それまでの経路コストを無視して選択し展開する手法。
-
A*探索
初期状態からの実際のコストと、ゴールまでの推定コストの和が最も小さいノードを次に展開する手法。
-
許容的ヒューリスティック
ゴールまでの実際のコストを決して上回ることのない、楽観的な推定値を与える評価方法。
-
緩和問題
元の問題からいくつかの制約を取り除いて簡単にした問題。ヒューリスティック関数を作る際に利用される。
-
AND-ORグラフ
複数の小問題に分解できる問題を表現するグラフ。すべての小問題の解決が必要な場合と、いずれか一つでよい場合を区別する。
-
ゲーム木
二人対戦ゲームの各局面と、そこから可能な手を枝で表現した木構造。
-
minimax法
自身は評価値を最大化し、相手は評価値を最小化するという前提で、最善手を選択するアルゴリズム。
-
α-β法
minimax法の探索において、明らかに無駄だと判断できる枝の評価を省略（枝刈り）することで効率化する手法。
-
枝刈り
探索木において、それ以上調べる価値がないと判断された部分木を探索対象から除外すること。
-
モンテカルロ木探索
ランダムなシミュレーション（プレイアウト）を多数回行い、その勝率に基づいて有望な手を見つけ出す探索手法。
-
宣言的な知識
「何がどうであるか」という事実や関係性に関する情報。
-
手続き的な知識
「どのように行うか」という方法や手順に関する情報。
-
モジュール性
個々の知識が独立しており、システム全体に大きな影響を与えずに修正や追加ができる性質。
-
意味ネットワーク
概念を「ノード」、概念間の関係を「リンク」で結びつけて、知識の構造を網の目のように表現するモデル。
-
階層構造
上位概念の性質が下位概念に受け継がれる「is-a」関係などで、知識を体系的に整理した構造。
-
フレーム
ある概念に関する典型的な情報を、スロットと呼ばれる属性と値のペアでひとまとめにした知識表現の枠組み。
-
スロット
フレーム構造において、個々の属性や性質を記述するための項目。
-
プロダクションルール
「もし（IF）〜ならば（THEN）〜」という形式で知識を表現する単位。
-
プロダクションシステム
複数のルールと、それらを適用して推論を行うワーキングメモリ、推論エンジンから構成されるシステム。
-
命題論理
真か偽かが明確に定まる文（命題）の論理的な関係性を扱う形式体系。
-
リテラル
命題論理における素式、またはその否定形。
-
節
複数のリテラルを「または（OR）」でつないだ論理式。
-
節形式
論理式を、節の「かつ（AND）」の形で表現した標準形。
-
述語論理
文の内部構造まで立ち入り、「すべての〜」「ある〜」といった数量を表す記号を用いてより複雑な論理を扱う体系。
-
全称限量子（∀）
「すべての〜について」という意味を表す、述語論理で使われる記号。
-
存在限量子（∃）
「〜であるものが存在する」という意味を表す、述語論理で使われる記号。
-
恒真式（トートロジー）
構成する命題の真偽値に関わらず、常に真となる論理式。
-
恒偽式（矛盾）
構成する命題の真偽値に関わらず、常に偽となる論理式。
-
充足可能
ある論理式を真にするような真偽値の割り当てが、少なくとも一つは存在する状態。
-
充足不能
どのような真偽値の割り当てをしても、ある論理式が真になることがない状態。
-
推論
前提となるいくつかの事実から、論理的な規則に従って新しい結論を導き出す思考プロセス。
-
ベイジアンネットワーク
変数間の因果関係をグラフで表現し、確率的な推論を行うためのモデル。有向非巡回グラフと条件付き確率表で構成される。
-
事前確率
新たな証拠（データ）を得る前の段階で持っている、ある事象が起こる確からしさについての信念の度合い。
-
事後確率
新たな証拠（データ）を観測した後に更新された、ある事象が起こる確からしさについての信念の度合い。
-
条件付き確率
ある事象Bが起こったという条件下で、別の事象Aが起こる確からしさ。
-
結合確率分布
複数の確率変数が特定の値の組み合わせをとる確からしさを記述する分布。
-
条件付き独立
ある変数の値が与えられたとき、他の二つの変数の間に確率的な依存関係がなくなる状態。
-
ファジィ理論
「暑い」「少し多い」といった、明確な境界を持たない曖昧な事柄を数学的に扱うための理論。
-
ファジィ集合
ある要素がある集まりに属している度合いを、0か1だけでなく、その間の連続的な値で表現する集合の考え方。
-
クリスプ集合
ある要素が、その集まりに属しているか属していないかのどちらか一方に明確に分類される、従来の集合の考え方。
-
メンバーシップ関数
ある要素がファジィ集合にどの程度属しているかを示す「グレード」と呼ばれる0から1の間の値を決定するための関数。
-
グレード
ある要素がファジィ集合に属している度合いを示す、0から1の間の実数値。
-
ファジィ推論
「もし〜がAならば、〜はBである」といった曖昧なルールと、曖昧な事実から結論を導き出すプロセス。
-
非ファジィ化
ファジィ推論によって得られた曖昧な結論を、具体的な一つの数値（行動量など）に変換する処理。
-
帰納的学習
個別の事例（データ）から、それに共通する一般的な法則やルールを見つけ出す学習方法。
-
教師あり学習
入力データと、それに対応する正解（教師ラベル）のペアを使って、未知のデータを予測するモデルを構築する手法。
-
教師なし学習
正解ラベルが与えられていないデータから、その背後にある構造やパターン（クラスタリングなど）を見つけ出す手法。
-
決定木
データを分類または回帰するために、属性に関する質問を木の枝のように分岐させていくモデル。
-
情報利得
ある属性でデータを分割したときに、どれだけ情報が整理され、不純度が減少したかを表す指標。
-
エントロピー
情報理論における概念で、情報の不確かさや乱雑さを表す指標。決定木の分割基準などに用いられる。
-
ジニ不純度
ある集団の中に、異なるクラスのデータがどれだけ混在しているかを示す指標。0に近いほど純粋。
-
汎化
学習に用いたデータだけでなく、未知の新しいデータに対しても正しく予測・分類できる能力。
-
過学習
学習データを過剰に学習してしまい、そのデータには非常に高い精度を示すが、未知のデータには対応できない状態。
-
ニューラルネットワーク
人間の脳の神経細胞の仕組みを模倣した数理モデル。多数のユニット（ニューロン）が層状に結合している。
-
パーセプトロン
複数の入力を受け取り、重み付けされた総和がしきい値を超えたら1、そうでなければ0を出力する、最も単純なニューラルネットワークのモデル。
-
誤差逆伝搬法（バックプロパゲーション）
ネットワークの出力と正解との誤差を、出力層から入力層に向かって逆方向に伝え、各層の重みを効率的に調整する学習手法。
-
勾配降下法
関数の傾き（勾配）を頼りに、関数の値が最小となる点を探索的に見つけ出す最適化手法。誤差関数の最小化に用いられる。
-
Hebb学習則
「2つのニューロンが同時に発火すると、それらの間の結合が強まる」という、シナプス可塑性の基本的な原理。
-
競合学習
複数のニューロンが入力に対して反応を競い合い、最も強く反応したニューロン（またはその近傍）のみが重みを更新する教師なし学習の一種。
-
自己組織化マップ（SOM）
高次元の入力データを、低次元（主に2次元）のマップ上に、データの類似性を保ったまま配置する教師なし学習アルゴリズム。
-
強化学習
エージェントが環境内で試行錯誤を繰り返し、報酬を最大化するように行動選択の方策を学習していく枠組み。
-
Q学習
特定の状態において特定の行動をとった際の、将来得られる報酬の期待値（Q値）を学習し、それに基づいて最適な行動を決定する手法。
-
遺伝的アルゴリズム
生物の進化のメカニズム（選択、交叉、突然変異）を模倣して、問題の最適解を探索する手法。
-
