JP5881030B2 - Artificial intelligence device that expands knowledge in a self-organizing manner - Google Patents

Description

この発明は逐次、入力した情報から自律的に知識体系を構築するとともに、構築した知識体系を活用して状況の分析および問題の識別を実施し、会話、翻訳および問題を解決するための情報検索、処理を実施するプログラムの起動、問題解決に必要な情報の生成と知識体系への組み込みを実施し、自律的に問題を処理するとともに更なる知識の向上を行う人工知能、ロボットおよび、その機能を実現するソフトウェアに関するものである。
入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、文の種類、数式、化学式、記号、いつ、どこで、誰が、何を、どのように、なぜ、したのか、および記録している関連情報との関係を分析し情報を検索し易い構造に整理するとともに安全で有用と判断した情報を自律的に記録し、情報と情報の間に関係性を有した知識体系として構築する。また入力した情報を内部に構築した知識体系と照合して評価し、評価結果に応じた処理（情報の記録、知識体系の更新・改良、指示内容の実行、質問に対する回答）を自律的に実施する。問題解決に必要な記録ユニットを逐次、起動していくことにより問題を解決するための処理および処理プログラムの識別と起動を自律的に実行し問題を解決する。文脈の検出と学習を実施し、文脈を踏まえた会話（質疑、応答、関心のある話題の提供、意見および議論）を実施するとともに関心のある、または指定した相手および事項に関する情報（関心のある話題、問題に対する考え方、物事に対する反応、意見および行動、詳細情報）を収集して記録、蓄積する。また、人工知能の中で構築される知識体系が現実に整合して処理できるかという「記号接地問題」を解決した「暴走しない」人工知能、ロボットおよび、その機能を実現するソフトウェアに関するものである。The present invention sequentially constructs a knowledge system autonomously from inputted information, and uses the constructed knowledge system to analyze the situation and identify problems, and to search for information for solving conversations, translations and problems , Artificial intelligence, robots and their functions that start processing programs, generate information necessary for problem solving and incorporate them into knowledge systems, handle problems autonomously and further improve knowledge It relates to software that realizes
Source of information, reliability, novelty, field, theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, sentence type, mathematical formula, chemical formula, symbol, when and where Analyze who, what, how, why, and the relationship with the related information that is recorded, organize the information into a structure that is easy to search, and autonomously record information that is judged safe and useful And a knowledge system with a relationship between information. In addition, the input information is evaluated against the knowledge system built internally, and processing (recording of information, updating / improvement of the knowledge system, execution of instructions, answering questions) is performed autonomously according to the evaluation results. To do. By sequentially starting the recording units necessary for problem solving, the process for solving the problem and the identification and activation of the processing program are autonomously executed to solve the problem. Detect and learn context, conduct contextual conversations (questions, responses, presentation of topics of interest, opinions and discussions) and information about interested or specified parties and matters (interested) Collect, record, and accumulate topics, ideas about problems, responses to things, opinions and actions, and detailed information. It also relates to artificial intelligence that does not run away, robots, and software that implements these functions, which solves the “symbol grounding problem” that the knowledge system built in artificial intelligence can be processed in a consistent manner. .

機械に入力情報の処理等を行わせる場合、機械に搭載した計算機にあらかじめプログラム言語により作成したプログラムを組込み、実行することにより実現する。あらかじめ設定された条件が検出されると対応する動作が実行されるようにプログラムを作成する。条件の検出および対応する動作が適切でなければ、計算機に実装したプログラムを修正する。その他の従来の技術としてはエキスパートシステム、ニューラルネットワークを使用した人工知能技術がある。
エキスパートシステムはルール群から構成されるプログラムであり、固定である推論エンジンと可変である知識データベースから構成されている。推論エンジンは規則群を用いた推論を行っており、推論の論理としては命題論理、述語論理、認識論理、様相論理、時相論理、ファジー論理等が規則群として使用されている。知識データベースは一般的に専門家の知識を入力することにより構成するが、定式化してみると規則間で矛盾している等の問題が文献等において指摘されている。
ニューラルネットワークでは、一般的に入力層、中間層、出力層の人工ニューロンをシリアルに接続し、人工ニューロン間の接続はシナプス学習させることにより実施する。シナプス学習としては誤差逆伝搬法（バックプロパゲーション）が一般的に用いられているが、バックプロパゲーションは下記に示すような欠点が文献等にて指摘されている。
・バックプロパゲーションでは、人工ニューロンで使われる伝達関数が可微分でなければならない。
・バックプロパゲーションによる学習での収斂は非常に遅い。
・バックプロパゲーションによる学習は、必ず収斂するとは限らない。
・広域的な最適解ではなく局所的な誤差最少点に収斂することが多い。 等
入力された情報から問題解決の手法を学習し、自律的に問題解決する人工知能は従来無い。入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、文の種類、数式、物理式、化学式、記号、いつ、どこで、誰が、何を、どのように、なぜ、したのか、および記録している関連情報との関係を分析し情報を検索し易い構造に整理して記録するとともに安全で有用と判断した情報を自律的に記録し、情報と情報の間に関係性を有した知識体系として構築する人工知能、ロボットおよびソフトウェアは従来無い。また入力した情報を内部に構築した知識体系と照合して評価すること、一連の入力情報から常識および一般的な考え方を自律的に構築していくこと、一連の問題と解決方法に関する入力情報から類似の問題の解決方法を自然言語から自律的に生成することができる人工知能、ロボットおよびソフトウェアは従来無い。
入力した情報から自律的に知識体系を構築するとともに、構築した知識体系を活用して状況の分析および問題の識別を実施し、問題を解決するための情報検索、処理を実施するプログラムの起動、問題解決に必要な情報の生成と知識体系への組み込みを実施し、自律的に問題を処理するとともに更なる知識の向上を行うことができる人工知能、ロボットおよびソフトウェアは従来無い。文脈の検出と学習を実施し、文脈を踏まえた会話（質疑、応答、関心のある話題の提供、意見および議論）を実施するとともに関心のある、または指定した相手および事項に関する情報（関心のある話題、問題に対する考え方、物事に対する反応、意見および行動、詳細情報）を収集して記録、蓄積する人工知能、ロボットおよびソフトウェアは従来無い。また問題解決にあたり人間の柔軟性とコンピュータの処理能力を併せ持つ人工知能、ロボットおよびソフトウェアは従来無い。When the machine performs processing of input information, etc., it is realized by incorporating and executing a program created in advance in a program language in a computer mounted on the machine. A program is created such that when a preset condition is detected, a corresponding operation is executed. If the detection of the condition and the corresponding action are not appropriate, the program installed in the computer is modified. Other conventional techniques include expert systems and artificial intelligence techniques using neural networks.
The expert system is a program composed of rules, and is composed of a fixed inference engine and a variable knowledge database. The inference engine performs inference using rule groups, and propositional logic, predicate logic, recognition logic, modal logic, temporal logic, fuzzy logic, etc. are used as rule groups as inference logic. A knowledge database is generally constructed by inputting expert knowledge, but when formulated, problems such as contradictions among rules have been pointed out in the literature.
In a neural network, artificial neurons in the input layer, intermediate layer, and output layer are generally connected serially, and the connection between the artificial neurons is performed by synaptic learning. As the synapse learning, an error back propagation method (back propagation) is generally used. However, back propagation has the following drawbacks pointed out in the literature.
-In backpropagation, the transfer function used in artificial neurons must be differentiable.
-Convergence in learning by backpropagation is very slow.
・ Back-propagation learning does not always converge.
・ In many cases, it converges to a local minimum error point instead of a global optimal solution. There is no artificial intelligence that learns problem solving methods from input information and solves problems autonomously. Information source, reliability, novelty, field, theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, sentence type, mathematical formula, physical formula, chemical formula, symbol, Analyzing when, where, who, what, how, why, and the relationship with the recorded related information, organizing and recording the information in a structure that is easy to search, and judging it safe and useful Conventionally, there is no artificial intelligence, robot, and software that records information autonomously and constructs it as a knowledge system having a relationship between information. In addition, the input information is evaluated against the knowledge system built internally, common sense and general ideas are autonomously built from a series of input information, and input information about a series of problems and solutions. There has been no artificial intelligence, robot, and software that can autonomously generate solutions to similar problems from natural language.
Autonomously builds a knowledge system from input information, uses the constructed knowledge system to analyze the situation and identify problems, search for information to solve problems, launch programs that perform processing, There is no artificial intelligence, robot, or software that can generate information necessary for problem solving and incorporate it into a knowledge system to handle problems autonomously and further improve knowledge. Detect and learn context, conduct contextual conversations (questions, responses, presentation of topics of interest, opinions and discussions) and information about interested or specified parties and matters (interested) There is no artificial intelligence, robot, or software that collects, records, and accumulates topics, ideas about problems, responses to things, opinions and actions, and detailed information. In the past, there has been no artificial intelligence, robot, or software that combines human flexibility and computer processing power to solve problems.

従来は機械に入力情報の処理等を行わせる場合、計算機にあらかじめプログラムを設定する必要があった。入力した情報から状況を判断するプログラム、個々の条件に応じて機械に動作させるプログラムを作成し、機械に搭載した計算機に実装し実行する必要があった。プログラムは専用のプログラム言語により作成する必要があり、開発に多大な時間を要する等のデメリットがあった。入力した情報を内部に構築した知識体系と照合して評価すること、一連の入力情報から常識および一般的な考え方を自然言語から自律的に構築していくことは困難であった。また人工知能の中で構築される知識体系が現実に整合して処理できるかという「記号接地問題」に関して明快に答えることが困難であった。
本発明では人間の指示および学習により情報および情報間の構造を分析・記録する処理を実施し、情報間の関係をパターン間の接続関係およびパターン間の処理により知識体系として構築していく。入力した情報に関して情報の源泉、善悪、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、文の種類、数式、化学式、記号、いつ、どこで、誰が、何を、どのように、なぜ、したのか、および記録している関連情報との関係を分析し情報を検索し易い構造に整理して記録し、安全で有用と判断した情報を自律的に記録し知識体系として構築するとともに入力した情報を内部に構築した知識体系と照合して評価し、評価結果に応じた処理（情報の記録、知識体系の更新・改良、指示内容の実行、質問に対する回答）を自律的に実施する。情報に含まれている単語の一部を一般化し、逐次入力される情報と情報の有意な関係を情報に対応するパターンの集合とパターンの集合との関係を強化することにより抽出し、一連の入力情報から常識および一般的な考え方を自律的に構築していく。一連の問題と解決方法に関する自然言語による入力情報から類似の問題の解決方法を自律的に生成する人工知能、ロボットおよびソフトウェアを実現する。
処理方法に関して人間がこれまでに蓄積してきた知識を言語等の形で入力することにより人間の知識に対応する知識体系を人工知能装置内に構築し、この知識体系を活用して数々の問題を解決する汎用の人工知能を実現する。これにより処理の内容を逐次プログラムすることなく動作する人工知能を実現する。（当然、処理の内容を逐次プログラムしたものを本人工知能装置に組み込み動作させることも可能である。）
文脈の検出と学習を実施し、文脈を踏まえた会話（質疑、応答、関心のある話題の提供、意見および議論）を実施するとともに関心のある、または指定した相手および事項に関する情報（関心のある話題、問題に対する考え方、物事に対する反応、意見および行動、詳細情報）を収集して記録、蓄積する人工知能を実現する。
さらに人工知能の中で構築される知識体系が現実に整合して処理できるかという「記号接地問題」を解決し、処理過程の妥当性および安全性を人間が確認できる「暴走しない人工知能」を実現する。また問題解決にあたっては構築した知識体系を活用するとともに、問題解決に必要な多様な処理プログラムを自律的に起動し処理結果を知識体系に組み込んで知識体系の向上を図っていく人工知能を実現する。さらに問題解決にあたり人間の柔軟性とコンピュータの処理能力を併せ持つ人工知能を実現する。Conventionally, when a machine performs processing of input information, etc., it has been necessary to set a program in the computer in advance. It was necessary to create a program for judging the situation from the input information and a program for causing the machine to operate according to individual conditions, and to implement and execute it on a computer mounted on the machine. The program had to be created in a dedicated programming language, and there was a demerit that it took a lot of time for development. It was difficult to evaluate the input information against the knowledge system built internally, and to construct common sense and general ideas from a natural language autonomously from a series of input information. In addition, it was difficult to answer clearly about the “symbol grounding problem” that the knowledge system built in artificial intelligence can be processed in conformity with reality.
In the present invention, processing for analyzing and recording information and the structure between information by human instruction and learning is performed, and the relationship between information is constructed as a knowledge system by connection between patterns and processing between patterns. Source of information, good and evil, reliability, novelty, field, theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, sentence type, mathematical formula, chemical formula, symbol, when Analyzing where, who, what, how, why, and the relationship with the recorded related information, organizing and recording the information in a structure that is easy to search, information that is judged to be safe and useful The system automatically records and constructs a knowledge system, evaluates the input information against the internally built knowledge system, and processes according to the evaluation results (recording information, updating / improving the knowledge system, (Execution, answers to questions) A part of words contained in information is generalized, and a significant relationship between sequentially inputted information and information is extracted by strengthening the relationship between the set of patterns corresponding to the information and the set of patterns, and a series of Autonomously construct common sense and general ideas from input information. Realize artificial intelligence, robots and software that autonomously generate solutions to similar problems from natural language input information about a series of problems and solutions.
By inputting the knowledge that humans have accumulated so far in terms of processing methods in the form of languages, etc., a knowledge system corresponding to human knowledge is built in the artificial intelligence device, and this knowledge system is used to solve various problems. Realize general-purpose artificial intelligence to solve. This realizes artificial intelligence that operates without sequentially programming the processing contents. (Of course, it is also possible to incorporate a program in which the contents of the processing are sequentially programmed into the artificial intelligence apparatus for operation.)
Detect and learn context, conduct contextual conversations (questions, responses, presentation of topics of interest, opinions and discussions) and information about interested or specified parties and matters (interested) Realize artificial intelligence that collects, records, and accumulates topics, ideas about problems, responses to things, opinions and actions, and detailed information.
Furthermore, solve the “symbol grounding problem” that the knowledge system built in artificial intelligence can be processed in a consistent manner, and “artificial intelligence that does not run away” that allows humans to confirm the validity and safety of the processing process. Realize. In addition to utilizing the constructed knowledge system for problem solving, it realizes artificial intelligence that autonomously launches various processing programs necessary for problem solving and incorporates the processing results into the knowledge system to improve the knowledge system . Furthermore, artificial intelligence that combines human flexibility and computer processing power is realized to solve problems.

人間の思考は言語、数、数式、記号等により表現される。また、言語は単語の組合せにより表現されるので、人間の思考は単語、数、数式、記号の組合せで表現することができる。単語、数、数式、記号をそれぞれに対応するパターンに変換すると、人間の個々の思考は個々のパターンの組合せとして表現することができ、人間の思考の変遷は単語、数、数式、記号等を変換したパターンの組合せからパターンの組合せへの変化としてとらえることができる。
パターンは文および文章のように概念を表現することが可能である。また、パターンは逐次、関連するパターンを起動し、起動したパターンに数々の処理を実行させることが可能である。パターンの起動をトリガーとして処理プログラムを起動し、その結果を別のパターンに取り込むことも可能である。さらに、画像情報、情報の処理、画像パターンから画像パターンへの遷移、画像パターンから言語パターンへの遷移、音声パターンから言語パターンへの遷移および動作を行うために駆動装置を駆動するための信号を生成することも可能である等、扱うことができる範囲が非常に広い概念である。
単語、数、数式、記号に対応するパターンを生成すると、様々な概念はこれらのパターンの組合せで表現することができる。単語、数、数式、記号からパターンへの変換は識別できるものであれば特に形式に制約は無い。なおパターンの組合せも、パターンである。
本発明の実施例では各単語に識別番号を割り当てることにより実施した。（例えば「私」という単語の単語識別番号は「０」、助詞の「は」の単語識別番号は「１」、「先生」「２」、・・・「立方体」「１０１」、「球」「１０２」、「密度」「１０３」、「重さ」「１０４」・・・「人工知能」「１６９」、「職業」「１７０」・・・等々）新規の単語が発生した場合には識別番号を逐次追加することにより対応することができる。数々の思考・概念はパターンの組合せ（実施例では各単語、記号に対応付けした識別番号の組合せを主語、述語、修飾関係を識別した構造に整理している）で表現することができる。
本人工知能装置は人間の思考または情報をパターンとして表現し、パターンからパターンへ自律的に遷移させることが可能である。この自律的な遷移を実現する記録ユニットの実施例を図２１に示す。記録ユニットは情報に関する各種の内容を記録している。記録する内容の例としては、情報の内容を表現するパターン、情報間の関係を表現する他の記録ユニットとの接続情報（接続数、接続先、接続先との関係性）、記録ユニットが起動するための条件（照合条件、合致条件）、パターンの分析結果（情報の源泉、信頼性、新規性、分野、テーマ、文の種類）等がある。
文の種類としては、平常文、疑問文、命令文、条件文、感嘆文、真実、事実、規則、常識、定義、論理、説明、仮説、予測、意見、感想、噂、相対的意味を有する単語の絶対化、数式、化学式、記号等を識別し分析結果として記録する。また、情報の内容であるパターンは主語、主語の修飾、述語、述語の修飾、修飾関係、文の種類、数式、物理式、化学式、記号、いつ、どこで、誰が、何を、どのように、なぜ、したのか、および記録している関連情報との関係を分析し、情報を検索し易い構造に整理して記録する。情報が入力されると情報の分野、テーマ、文の種類、構文（主語、主語の修飾、述語、述語の修飾、修飾関係、文の種類、数式、物理式、化学式、記号、いつ、どこで、誰が、何を、どのように、なぜ、したのか）を分析し、記録している情報との照合を行い情報の価値（信頼性、新規性、妥当性、整合性、善悪、既知の情報との関係）を評価する。評価した結果、安全で価値のある情報は分野、テーマ、既知の情報との関係を整理して記録器に記録する。
情報間の関係としては原因と結果、事象と理由、説明と結論、概略と詳細、類似の意味、反対の意見、本文と要約、本文と詳細情報等、様々なものがある。これらの関係性の設定は人間の指示または情報と情報の関係を学習することによる自律設定により実施する。
このように情報は関連情報と関係性を有した知識体系として記録されるので、ある情報が入力され、該当する記録ユニットが起動すると、起動した記録ユニットから関連する記録ユニットの情報（接続先、接続先との関係性）を呼び出し、その中から適切な記録ユニットを逐次、起動し必要な情報を検索していくことが可能となる。記録ユニットの起動をモニターすることにより人工知能装置における処理の中心が現在どこにあるかを確認することができる。人間が思考する場合において、思考または意識の中心が現在何かを確認することに相当する。また、従来型のプログラムで例えればコンパイルした命令コードの実行ポインタの位置をプログラム実行中に逐次、表示することに相当する。
従来の人工知能では情報に含まれる単語を検索キーとして関連情報を検索し、欲しい情報との相関が大きいものを選択するという手法が主として取られている。従って、検索された関連情報が誤ったものであっても、検索キーと相関が大きいものは回答として出力されるという欠点がある。本発明では入力情報を既に評価済みの知識体系と妥当性、整合性を評価した後に知識体系に組み入れていくので、人間が教育を受けながら正しく知能を向上させていくのと同様に誤った情報を排除しつつ知識体系を構築していくことができる。構築している知識体系には単語間の意味関係（同じ意味、反対の意味等）についても識別することができるので、誤った情報、規則、道徳に反する情報は仮に入力されても内部に構築した知識体系と整合性が取れないということを検出し、知識体系に組み込まずに廃棄するので安全である。
また従来の人工知能技術（データ検索、ニューラルネットワーク）では人工知能が出力した結果の妥当性および安全性を詳細に評価することは困難である。なぜならば、データ検索では複雑な検索アルゴリズムを介して相関計算等が実施され結果が導かれるため、人間が理解できる形式および論理で途中状況をトレースするのが難しいからである。またニューラルネットワークも多数の人工ニューロン間の結合を機械学習で強化していくことにより出力結果を生成するが、学習の過程を人間が理解できる形式、論理または言語でトレースするのが困難である。つまり、従来の人工知能技術（データ検索、ニューラルネットワーク）では処理の過程がブラックボックスであるという致命的な欠点を有している。処理過程がブラックボックスであると人工知能の自律化、機能、性能を高めていく段階で人工知能が人間の道徳、規範に反していない（暴走しない）ことを確認できないため非常に危険である。なぜならば人間の道徳、規範に反した知能が偶発的に発生（暴走）しても検出し、除去することができないからである。また人工知能が出力する処理結果が内部に偶発的に発生した人間の道徳、規範に反する誤った知能に基づいて生成されたとしても処理結果の妥当性および安全性を確認、評価できないからである。
一方、本発明では各記録ユニットの情報（照合および合致（起動）の条件、パターン、パターン間の接続関係、接続関係のあるパターンとの関係性およびパターンの分析結果）は全て人間が理解できる言語、記号等をパターン化して表現したものである。また各記録ユニットと接続関係のある記録ユニットおよび接続の関係性についても明確であるので論理展開についても容易にトレースすることができる。本発明による人工知能装置は全ての処理過程がモニター可能であり、かつ人間が理解可能な形式、構造を有した透明性の高いシステムである。つまり本発明による人工知能装置は処理過程の妥当性および安全性を人間が理解し、確認できるシステムとなっている。また、本人工知能装置内に構築する知識体系は真実、事実に基づき人間の道徳、規範に反していないことを逐次、確認しながら構築していく。人間の道徳、規範に反したものは逐次、検出し排除するので誤った知識（人間の道徳、規範に反した知識）は組み込まれない。人工知能の自律化、機能、性能を高めていく段階で人間が設定した規則、常識、道徳に関する知識を逸脱しないことを管理することができる。
内部に構築する知識体系は真実、事実、規則、常識、定義、論理に基づいて構築し、これらと整合しない情報は知識体系に取り込まない。全処理は人間が理解できる言語または記号に対応したもので表示することができるので透明性のあるシステムとなっている。また人工知能の中で構築される知識体系が現実に整合して処理できるかという「記号接地問題」に関しては、本人工知能装置の知識体系は人間が教示する現実に対応する「言語、文、文章、記号、数式、物理式、化学式」を源泉データとし、それを逐次、パターンに変換し、情報間の関係をパターン間の接続関係として構造化したものであるので、本質的に入力した情報に対応する「現実」と等価であり、整合性が取れたものとなっている。
さて、人工知能研究者の一部では「認知科学では、神経科学、認知心理学、情報科学、さらには文化人類学などの手法も交えて人間の知性についての研究を進めているが人間の知性の仕組み全体は分かっていない。従って人間の知性に相当する人工知能の実現は困難である。」との意見があるが、人間の知性の仕組み全体について完全には分からなくとも、人間の知性に相当する人工知能の実現は可能と考える。本人工知能装置は人間が築いてきた知性、知識を言語、文、文章等の情報として逐次、入力・評価していき、安全で価値があると判断した情報を既に記録している知識との関係を分析して知識体系に自律的に組み込んでいく。入力情報を既に知識体系に記録している情報と比較・評価し、安全で価値があると判断した情報に分析結果を付加し、さらに発展させるという方式で、知識体系を自己組織的に構築していく。このように構築した知識体系は人間の知性に相当するデータベースとなっており、問題の解決および人間との会話に使用することができる。
本人工知能装置は構築した知識体系を活用し、与えられた問題に関する関連データを検索する。検索された関連データと関係を有する情報に関しても、接続先、関係性を識別することができる。処理の過程（考え方のプロセス）において適切な関係性のものを逐次、選択していくことにより、複数の関連情報から適切なものに絞り込み、思考プロセスを適切な目標に向けて自律的に進めていくことが可能である。本人工知能装置は真実、事実、規則、常識、定義、論理に相当する情報を逐次入力していくことで、情報と情報の接続関係を自律的に生成していく。情報を入力すると情報に対応する数々のパターンが起動し、パターンの集合（概念）とパターンの集合（概念）との間の接続関係が人間の指示または学習により強化していく。文、文章は単独で存在するのではなく、互いに関係を有しており文脈（コンテキスト）の中で位置づけされる。後に出現する文は前に出現した文の影響を受けている。この事を反映するメカニズムとして本人工知能装置は入力した文に応じて対応するパターンが起動し、起動したパターンの接続関係記録部には、当パターンが起動する前に起動したパターンの履歴が転写され、関連するパターンとの接続関係が逐次強化する機能を組み込んでいる。この機能により、文に対応するパターンは全て関連する文との関係、つまり文脈（コンテキスト）を踏まえて起動するように学習が進んでいく動作を実現することができる。つまり、多数の文、文章を入力することにより文脈（コンテキスト）のネットワークが自律的に生成され、ある概念（文、文章）が入力されると、その概念は生成された文脈（コンテキスト）に沿って遷移していくことになる。
このような情報間の接続関係を真実、事実、規則、常識、定義、論理に相当する情報について実施していくと、真実、事実、規則、常識、定義、論理に相当する知識体系を自律的に生成することができる。学習が進むと本人工知能は入力された情報が既に記録している情報と整合しているが、整合していないかの識別が可能となる。つまり、真実、事実、規則、常識、定義、論理に相当する知識、知性を獲得したことになる。情報から情報への遷移は生成した文脈（コンテキスト）に沿って実施することも可能であるし、情報に含まれたキーワードを使用して連想記憶的に情報を検索することにより思考パターンの遷移を実現することも可能である。思考パターンの多様な遷移方法を組み合わせることにより人間に近い会話を実施することもできる。
人間の指示により情報（パターン）間の接続関係を生成する場合はある概念（文、文章）に対応するパターンを起動し、つぎの概念（文、文章）のパターンを起動することにより実施することができる。先に起動したパターンから後で起動したパターンに向け、遷移するように接続関係を生成するように設定しておけば、概念と概念の間の接続関係を逐次、生成していき、次に同様の概念が起動すると、生成した接続関係に沿ってパターンが自動的に遷移するようになる。遷移先が複数の場合は、状況に適した関係性を人間の指示または自律的に設定し、複数の遷移先の候補から状況に適した関係性のものが選択されるようにする。なお、関係性の自律的設定は思考パターンの遷移の目的、状況を検出することにより適切な関係性を設定しておくことにより実施できる。
以下では従来の人工知能技術であるエキスパートシステム、ニューラルネットワーク、有限オートマトンおよび人工知能用プログラミング言語との相違について説明する。
エキスパートシステムはルール群から構成されるプログラムであり、固定である推論エンジンと可変である知識データベールから構成されている。推論エンジンは規則群を用いた推論を行っており、推論の論理としては命題論理、述語論理、認識論理、様相論理、時相論理、ファジー論理等が規則群として使用されている。知識データベースは一般的に専門家の知識を入力することにより構成するが、定式化してみると規則間で矛盾している等の問題が文献等において指摘されている。
一方、本発明における処理はプログラムのように固定ではなく、処理をパターンからパターンへの対応関係として表現した非常に柔軟性の高いものである。処理はパターン間の接続を変更することにより変更可能である。エキスパートシステムでは規則群を用いた推論による論理展開（命題論理、述語論理、認識論理、様相論理、時相論理、ファジー論理等）のみが処理の対象であるが、本発明では論理展開以外の処理（関連性定義、新規性検出、分析、評価等）も可能であり、エキスパートシステムより柔軟性が高いシステムとなっている。人間の思考の遷移は論理展開以外のものが非常に多く含まれている。エキスパートシステムでは論理展開以外についての対応は困難であるが、本人工知能装置では論理展開以外の思考パターンの遷移を実現することが可能であり、人間の思考パターンの遷移および会話の流れを生成していくことが可能である。また、エキスパートシステムが推論エンジン（固定）、知識データベース（可変）という半データ駆動のシステムであるのに対し、本発明では関数、処理もデータ的に扱うことが可能であり、完全データ駆動のシステムとなっている。エキスパートシステムはルール群から構成されるプログラムであるため、プログラム言語の制約も受ける。本発明では、処理に関してもデータ的に扱える完全データ駆動のシステムであるため、処理の実行中に処理の変更、追加等を容易に実施することが可能である。これは処理を表現するパターンとパターンとの接続を変更することにより実施する。通常、プログラム言語によるプログラミング処理の場合、処理の変更を実施する場合は再プログラミングおよび再コンパイルが必要であるが、本発明では処理の変更、追加等は該当するパターンとパターンの接続関係をローカルに変更することにより実施できるので、再コンパイルのようにシステム全体を再構築する必要は無い。（記録ユニットに記録されている内容を変更することにより対応できる。）
次に有限オートマトンとの相違について説明する。有限オートマトンは、ある時点では１つの状態しかとらないという制約があり、この制約のため、本発明では実現可能である複数の状態を同時にとるという動作を実施することが困難である。人間の思考の内、意識に相当するものは１つの状態をとるという逐次処理動作で表現することは妥当と考えるが（起動した思考が他の思考を抑制する動作を表現）、人間の無意識に相当する動作の表現としては、１つの状態しかとれないという制約は妥当でないと考える。（無意識の思考では思考間の抑制が弱く、複数の思考が並行して動作することが可能であるため）本発明においてはパターンの起動を１つに制約する必要はないので、有限オートマトンのような制約は無い。（意識および無意識に相当する思考をパターンとして表現できる。）無意識に相当する思考とは、意識に相当する思考のように明示的になる前段階の思考に対応するものを想定している。特に文脈（コンテキスト）を踏まえた思考パターンの遷移を実現する場合には、複数の思考パターンの候補が励起（起動）している状態で、ある特定の要因により遷移先の候補が絞られていくという動作を実現することが重要であるが、このような動作をオートマトンで実現することは困難である。本人工知能装置では複数のパターン起動による並行処理が可能である。排他処理等、並行処理が問題となる場合は排他的に他の記録ユニットの起動を抑えること、処理ラインを分離すること、または処理を時間的に分離することにより解決できる。また、ある問題に対する解決策も１通りでなく、複数通りある場合がある。無理に１通りに絞り込むことなく、途中段階では並行して処理を進め、最終的に最適なものを選択するという動作が可能である。
以下ではニューラルネットワークとの相違について説明する。本発明では記録ユニット間の接続について非常に柔軟に対応することが可能である。パターンとパターンの接続は個々に指定して実施することが可能である。多対多の結合、多段の結合、フィードフォワード結合、フィードバック結合等、あらゆる結合を指定、設定することができる。一方、ニューラルネットワークでは、一般的に入力層、中間層、出力層の人工ニューロンをシリアルに接続し、人工ニューロン間の接続はシナプス学習させることにより実施する。シナプス学習としては誤差逆伝搬法（バックプロパゲーション）が一般的に用いられているが、バックプロパゲーションは下記に示すような欠点が文献等にて指摘されている。
・バックプロパゲーションでは、人工ニューロンで使われる伝達関数が可微分でなければならない。
・バックプロパゲーションによる学習での収斂は非常に遅い。
・バックプロパゲーションによる学習は、必ず収斂するとは限らない。
・広域的な最適解ではなく局所的な誤差最少点に収斂することが多い。 等
一方、本発明では記録ユニット間の接続にバックプロパゲーションのような、繰り返し型の最適値探索の手法は用いていないので、上記のような欠点を有さない。
最後に人工知能用のプログラミング言語との比較について示す。本発明では基本的な処理（パターンの検索、照合、比較、差異抽出、記録、出力、パターン間の演算処理等）についてはプログラミング言語での実装が容易であり効率的であると考える。個々の思考に対応する個別処理に対応する箇所についてはパターンを分析し分析結果に応じて制御を行うデータ駆動型のシステムが個々にプログラミングすることが不要であるため、柔軟性が高いシステムであると考える。このことから、本人工知能装置は入力した情報（言語）を評価し、評価結果に応じて処理を進めていくシステムとしている。記録ユニットが逐次、起動していくことで記録ユニットの内容が実施される。状況に応じて起動する記録ユニットを変更することができるので、数々の処理を非常に柔軟に構成することができる。当然、通常のプログラムのように決まったシーケンスで処理を逐次、実施していくことも可能である。ある問題を解決するための手順を条件付き処理として記録ユニットに記録すると、一連の手順は条件付き処理のグループとして記録され、条件付き処理に対応する記録ユニットのグループが構成されることになる。条件に応じて記録ユニットが起動すると、その記録ユニットに定義された条件の成立性を確認しながら次の処理に対応する記録ユニットを起動していき、一連の手順が実行されていく。
人間がこれまでに蓄積してきた知識を言語等で入力することにより人工知能装置内に知識体系を構築するとともに構築した知識体系を使って問題を解決し、必要に応じて人間が開発してきてきたプログラムを自律的に起動させ、処理結果を活用することができるので、問題解決にあたり人間の柔軟性とコンピュータの処理能力を併せ持つ人工知能を実現することができる。処理の内容をプログラムし、本人工知能装置の中に組み込む、または計算機の中に実装されているプログラムを本人工知能装置とインタフェースを取り本人工知能装置から駆動するという本人工知能装置の柔軟性と機能および計算機の処理能力を兼ね合わせたシステムを構成することも可能である。
本人工知能装置の機能についてプログラム（関数）を使用して実現する場合には、次のような機能を具備する必要がある。数々の処理を行うプログラム（関数）（注１：本人工知能装置の構成要素であるパターン記録ユニットはプログラムの関数に相当する機能も有している）の集合から問題を識別および解決するのに最適なプログラム（関数）を自律的に抽出し、プログラム（関数）の実行により変化した状態に対して再度、状況分析、問題の識別および問題を解決するプログラム（関数）の起動を実施していく。問題を解決するために使用する一連のプログラム（関数）の呼び出しは人間の指示または学習により個々のプログラム（関数）の接続情報記録部（注２：現在のプログラム（関数）ではこのような機能は無い）に記録した関連するプログラムとの接続情報とプログラム（関数）の起動履歴との相関およびプログラム（関数）間の接続関係（注３：現在のプログラム（関数）ではこのような機能は無い）を使って実施する。つまり本人工知能装置の動作は個々のプログラム（関数）が状況に応じて適切なプログラム（関数）を自律的に起動していくことに相当する。このようにプログラム（関数）の呼び出しは状況に応じて適切なプログラム（関数）を呼び出す方式となっており、処理の手続きを全て事前に定義する必要があるプログラミングとは大きく異なる。またプログラム（関数）で使用する変数、定数およびプログラム（関数）で生成した出力は連想記憶システムにおける情報の記録および検索のように柔軟にプログラム（関数）間で相互に利用することができる。本人工知能装置における動作についてプログラム（関数）を使用した言葉で表現すると以上のようになるが、この動作例で示した機能は従来の人工知能用プログラムの機能には無いものである。
本発明の方式では処理の実行中に処理の変更、追加等を容易に実施することが可能である。通常、プログラム言語によるプログラミング処理の場合、処理の変更を実施する場合は該当する箇所のプログラム再設計、再プログラムのインストールおよび再コンパイルが必要であるが、本発明では処理の変更、追加等は該当するパターンとパターンの接続関係をローカルに変更することにより実施できるので、再コンパイルのようにシステム全体を再構築する必要は無い。また、プログラミング言語では、プログラムで使用する変数、定数、関数等の名称は厳密に指定しないと動作しない。これに対して本発明では個々の情報を自然言語に対応するパターンとして表現し、情報の検索に関してはパターンの組合せにより様々な形での検索が可能なシステムであり、情報の処理はパターン間の接続により実施するので、類似のパターンでの処理を可能にする等、多少の曖昧さがあっても動作するシステムを構築することも可能である。つまり、多少の曖昧さがあっても処理が可能であるという、より人間の思考処理に近いシステムの構築が可能である。（情報の検索は自然言語に対応したパターンの組合せを使い、同じ意味の文の検出、新規性の検出、記録している情報との整合性確認、相違点抽出等が可能である。）
また、通常のプログラミングでは変数、定数の定義および処理の内容は事前に決めておく必要があるため、処理結果に応じて多くの分岐が生じるような処理の実現には多大な労力を要する。（現実的には条件分岐が複雑過ぎて実現困難な場合が多い。）一方、本発明では処理に使用する変数および定数に対応する情報の検索は自然言語（単語、記号）を組み合わせたパターンを使用することにより実施しており、より人間の思考に近い情報の検索方式となっている。所謂、連想記憶システムにおける情報の記録および検索の機能も有したシステムとなっているため、処理に使用する変数、定数に対応する情報の名称および格納場所を事前に厳密に定義しておく必要は無い。新規の情報が発生した段階で自然言語（単語、記号）の組み合わせたパターンを検索キーとして逐次、登録・記録することができる。また登録・記録した情報を自然言語（単語、記号）の組み合わせた検索パターンで容易に検索することができる。これによりプログラミングにおける使用する変数および定数を事前に厳密に定義する必要があるという制約に縛られない柔軟性が高いシステムを構成することができる。
さらに、処理の内容については条件付き処理を状況（パターンおよびパターンの分析結果により条件の成立性を識別する）に応じて条件に対応する処理を実施し、実施した処理において、さらに条件付き処理が出現すれば、その条件を分析し処理を決定するという方式で逐次処理を進めていくことが可能である。従って、人間が問題解決するのと同じ思考プロセス（条件文の集合）を自然言語で定義することにより、本人工知能装置はその内容を逐次、解釈し必要な処理を進めていくことができる。処理の結果、新しく生成される情報は処理に応じて適切な単語の組合せを検索キーとして記録するので、別の処理において生成した情報を使用する場合でも容易に検索することができる。つまり生成した情報、知識を知識体系に組み込み、将来において必要になった場合に活用することが容易にできるシステムとなっている。通常のプログラミングでは使用する変数、定数および処理の全てについて事前に定義しておく必要があるが、本発明では処理の結果生成した新規の情報を逐次、知識体系に組み込み、別の処理において知識体系に組み込まれた情報を適宜、欲しい時に検索して処理を進めていくことができる。また情報の検索対象も知識体系全体、直近に処理した処理結果に限定する等、処理に応じて適切に選択することが可能である。
以上では本発明の特徴について説明したが、本人工知能装置に従来型の処理プログラムを組み込み、本人工知能装置の柔軟性（自然言語の解釈、構築した知識体系の活用、自律機能、学習機能等）を有しつつ指定した処理を逐次実施していくというハイブリッドなシステムも当然のことながら実施可能である。
本発明の人工知能装置は従来の人工知能、ロボット等で採用しているエキスパートシステム、有限オートマトン、ニューラルネットワーク、リレーショナルデータベース、仮想テーブルおよび人工知能用のプログラミング言語の機能をカバーするのみならず、それらが有していない機能および柔軟性（完全データ駆動システム、機能拡張の柔軟性（局所的な変更で機能追加可能、連想記憶システム）、曖昧さを許容するシステムへの対応等、無意識（複数の状態）の模擬機能、並行処理への対応、変数および定数の厳密な定義が不要であること、自然言語ベースによる情報の検索が可能であること、条件付き処理の集合を定義することで様々な自律的処理が実施できること、処理のブラックボックス化を排除していること、接続の多様性（フィードフォワード、フィードバック、多対多結合等）、可微分性の制約が無いこと、バックプロパゲーションにおける収斂の問題が無い等）を有したシステムとなっている。
人間の思考は大きく２つに分類することができる。一つは思考の内容であり、もう一つは思考の仕方（手順、プロセス、考え方）である。本発明の実施例では思考の内容に関しては自然言語を変換したパターンとして定義し、思考の仕方に相当する箇所をプログラムで処理方法を設定することにより機能を実現している。思考の内容は多種多様であるが、思考の仕方は共通的、一般的、汎用的である。例えば、入力情報の処理としては文の種類（平常文、疑問文、命令文、条件文）に応じて対応する処理を設定することができる。平常文であれば入力情報の信頼性、妥当性を評価し、安全で価値が有ると評価すれば知識体系に組み入れ知識体系の向上を図る。疑問文であれば記録している知識体系から関連情報を検索し、適切な情報があれば回答として出力する。命令文であれば、過去に同様の命令を実施した経験の有無、実施手順、実施した場合の影響（人間の道徳および規範を逸脱しないか等を含む）を評価し対応を決定する。条件文であれば、条件に相当する内容の成立性を知識体系または外部情報から分析し、分析結果に応じた処理を行う。以上に述べた思考の仕方に相当する部分をプログラムで処理方法を実装することにより、多種多様な思考の内容は人間がこれまでに蓄積してきた様々な知識を知識体系の源泉として自然言語のままで処理することが可能なシステムを構成することができる。従って、非常に柔軟性、拡張性のある人工知能が非常に小さな労力、開発コストで実現することが可能である。（従来の人工知能では思考の内容に相当する部分も逐一プログラムで実装する必要があり各機能の実現のためには大きな開発コストを要する。）図２１に示した記録ユニットは本人工知能を動作させる上で、情報（思考、概念）から情報（思考、概念）への遷移を情報間の関係性を利用することで実現できることを示している。人間は思考する際に、思考内容をどのように変化させるかを関係性（原因と結果、事象と理由、説明と結論、概略と詳細、類似内容、反対の意見等）を使用して実施しており、本人工知能装置も情報（パターン）から情報（パターン）への遷移をパターン間の関係性を使用して遷移させることが可能である。ある情報が入力された場合、関連情報は多岐にわたるが、関連情報の内、各思考段階において適切な関係性（原因と結果、事象と理由、説明と結論、概略と詳細、類似内容、反対の意見等）を選択することにより思考のステップを思考の仕方に沿って適切な次ステップに移行させることができる。
記録ユニットの起動方法としては大きく分けて３通りある。一つ目はパターン制御器から検索用のパターンを各記録ユニットに照射し、相関のある記録ユニットを起動する方法である。（ソフトウェアでの実現方法としては検索用のパターンと各記録ユニットに記録しているパターンとの照合検索を実施する方法がある。）二つ目はパターン照射器から各記録ユニットの接続情報記録部に対し設定した期間分の起動履歴を照射し、起動条件を満足した記録ユニットを起動する方法である。（ソフトウェアでの実現方法としては起動履歴から一定期間分の履歴パターンを切り出し、各記録ユニットの接続情報記録部に記録しているパターンと照合し、起動条件を満足する記録ユニットを抽出する方法がある。）三つ目は記録ユニットに記録している関連する記録ユニットとの接続情報（接続数、接続先、接続先との関係性）を使い、適切な関係性を有する記録ユニットを起動する方法である。（ソフトウェでの実現方法としては選択された記録ユニットに記録している関連する記録ユニットとの接続情報（接続数、接続先、接続先との関係性）を読出し、次ステップの記録ユニットとして適切な（相応しい）関係性のものを抽出し、該当する関係性を有した記録ユニットの接続先を選択し、選択した記録ユニットを次に起動する（選択する）方法がある。）本人工知能装置ではこれら３通りの起動方法を各処理において適宜活用することにより、思考パターンを遷移させる上で最も適切な記録ユニットを起動するようにしている。記録ユニットの起動をモニターすることにより人工知能装置における処理の中心が現在どこにあるかを確認することができる。これは人間が思考する場合において、思考および概念の中心が現在何かを確認することに相当する。
本人工知能装置は自律学習の機能も有している。外部から入力した情報により該当する記録ユニットは逐次起動されていくが、この起動の履歴はパターン照射器に記録される。各記録ユニットが起動する毎に、起動した記録ユニットの接続情報記録部に起動履歴の一部（起動した時点から過去にさかのぼった一定期間の起動履歴）を転写することにより、起動した記録ユニットと起動に関係が強いと考えられる記録ユニットとの接続関係が逐次、強化される。入力情報が学習データである場合、学習データを逐次入力していくことにより、学習データ間の関係（論理関係、因果関係、時系列関係等）が強化される。学習完了後は一部の情報を入力すると、その情報に関連する学習データの記録ユニットが記録されている接続関係に従って逐次起動し、学習した内容が自動的に想起される。なお、各ステップにおいて複数の記録ユニットが同時に起動することが可能である。
一連の文を逐次、入力していくと文をパターンに変換してパターン記録器の各記録ユニットに記録していく。文と文の関係性（原因と結果、事象と理由、説明と結論、概略と詳細、類似内容、反対の意見等）について識別できるものは各関係性に対応する記録ユニットを同時に起動する。このように文と文との関係性が識別される度に関係性を表現する記録ユニットも起動していくと、関係性を示す記録ユニットの接続情報記録部に関係性を有した文と文の起動履歴が転写され接続関係が強化されていく。多数の文と文を入力することにより様々な関係性のタイプを学習していくことになる。初期段階において人間が文と文の関係性について教示（関係性が識別された段階で関係性を表現する記録ユニットを人間の指示により起動することで実施）していくと本人工知能装置は関係性の識別方法について学習することになる。
関係性は多対多で結合されたパターン間の接続関係から各思考段階において適切な接続関係を選択する際に活用することができる。思考を結果の方向に遷移させ最終的な結果を知りたいのか、それとも思考を原因の方向に遷移させ事象が生じた根本原因を知りたいのかで思考の遷移の仕方は異なる。この思考の遷移の仕方は関係性に何を選択するかで制御することができる。
前述の説明において文と文の関係性を人間の指示または学習により識別することが可能であることを示した。識別した関係性は各記録ユニットの他の記録ユニットとの接続関係（接続数、接続先、関係性）を記録している箇所に逐次、記録していく。このように一連の文を入力していくと文は単独で記録するのではなく文と文の関係性を含めて記録することになる。
本人工知能装置では入力情報の処理を個々にプログラムするのではなく、機械に情報と情報の関係を分析する方法、知識体系の構築の方法および問題解決の方法、入力した情報を一般化する方法等、入力情報の処理の方法を実装することにより実施することが可能である。（当然のことながら入力した情報の処理に関して、個々にプログラムして本人工知能装置に実施させることも可能である。）言語、数、数式、記号で表現された情報を解釈し、解釈した結果に応じて適切な処理を自律的に行う。従来では処理の内容はプログラムで表現されていたが、本発明では自然言語で表現された関連情報に対応するパターンを検索し、条件との照合、条件に応じた処理および分岐を実施することにより次ステップの処理を自律的に行うので、個々の処理の内容をプログラムする必要はなく、自然言語で処理の内容を指示することで済む。つまり各処理を逐次プログラムしていく必要は無く、既に自然言語で表されている知識を本人工知能装置の知識体系の源泉として活用することができる。（本人工知能装置は自然言語で入力した知識を逐次、対応するパターンへ変換して情報と情報の関係性を分析し、さらに整理して知識体系に組み込んでいく。）当然のことながら、各処理を逐次プログラムしたものを記録ユニットとして定義し、条件照合により条件が合致した場合に定義した記録ユニットを起動することにより動作させても良い。
入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、主語、主語の修飾、述語、述語の修飾、修飾関係、文の種類、数式、化学式、記号、いつ、どこで、誰が、何を、どのように、なぜ、したのか、および記録している関連情報との関係を分析し情報を検索し易い構造に整理して記録するとともに、真理、真実、事実、専門知識、規則および常識を情報と情報の間に関係性を有した知識体系として構築する。
初期では人間が処理の方法を教示し、機械は人間から教示された方法を記録、学習していく。ある程度、学習が進むと機械は自律的に処理を実行するようになる。機械の処理結果を人間が確認し、処理が誤っていれば機械に通知し、処理の修正を適宜行う。学習はパターンとパターンとの関係を指定することにより実施する。自然言語で表現した文と文の関係を指定することにより機械は自動的にパターンとパターンとの関係として接続関係を生成していく。人間の思考プロセスは一般的に思考の内容と思考の仕方に区別することができる。思考の内容は多種多様であるが、思考の仕方は一般的、普遍的、共通的な特徴を有している。本発明では思考の内容に対応するパターンを思考の仕方に対応するパターンまたはプログラムで制御することにより思考のプロセスを適切かつ有意な方向に遷移させていく。情報と情報の関係も一対一の関係ではなく、多対多の関係である。ただし、その関係は一般化して対応づけることができる。例えば関係性は原因と結果、事象と理由、説明と結論、概略と詳細等のように識別することができる。思考パターンの遷移においては、思考段階に応じて各種の思考の仕方および情報と情報の関係の内、適切なものを選択していくことにより、効率的に思考パターンを目標に到達させることができる。このように従来では多種多様の処理を個別にプログラムする必要があったが、多種多様な処理に対応する部分は自然言語で設定し、思考の仕方および情報間の関係を選択する機能に関する部分をプログラムで実装することにより、大幅に開発に要する労力を削減することができる。なお、思考の仕方および情報間の関係の選択する機能に関してもプログラムでの実装ではなくパターン間の処理で実現することも可能である。Human thought is expressed by language, numbers, mathematical formulas, symbols, and the like. In addition, since a language is expressed by a combination of words, human thought can be expressed by a combination of words, numbers, mathematical expressions, and symbols. When words, numbers, formulas, and symbols are converted into corresponding patterns, each human thought can be expressed as a combination of individual patterns. It can be regarded as a change from a combination of converted patterns to a combination of patterns.
Patterns can express concepts like sentences and sentences. In addition, it is possible to sequentially activate related patterns and cause the activated patterns to execute a number of processes. It is also possible to start a processing program using a pattern start as a trigger and load the result into another pattern. In addition, image information, information processing, transition from image pattern to image pattern, transition from image pattern to language pattern, transition from voice pattern to language pattern, and signals for driving the driving device to perform operations It is a concept with a very wide range that can be handled, such as being able to be generated.
When patterns corresponding to words, numbers, mathematical expressions, and symbols are generated, various concepts can be expressed by combinations of these patterns. There are no restrictions on the format of words, numbers, mathematical expressions, and conversion from symbols to patterns as long as they can be identified. A combination of patterns is also a pattern.
In the embodiment of the present invention, an identification number is assigned to each word. (For example, the word identification number of the word “I” is “0”, the word identification number of the particle “ha” is “1”, “teacher” “2”,... “Cube” “101”, “sphere” “102”, “density” “103”, “weight” “104”... “Artificial intelligence” “169”, “occupation” “170”. This can be dealt with by sequentially adding numbers. Numerous thoughts / concepts can be expressed by combinations of patterns (in the embodiment, combinations of identification numbers associated with words and symbols are arranged in a structure in which the subject, predicate, and modification relationship are identified).
This artificial intelligence device can express human thought or information as a pattern and can autonomously transition from pattern to pattern. An embodiment of a recording unit that realizes this autonomous transition is shown in FIG. The recording unit records various contents related to information. Examples of contents to be recorded include patterns that express information contents, connection information with other recording units that express relationships between information (number of connections, connection destinations, relationships with connection destinations), and recording unit activation Conditions (matching conditions, matching conditions), pattern analysis results (information source, reliability, novelty, field, theme, sentence type), and the like.
The types of sentences include ordinary sentences, question sentences, imperative sentences, conditional sentences, exclamation sentences, truth, facts, rules, common sense, definitions, logic, explanations, hypotheses, predictions, opinions, impressions, rumors, and relative meanings. Identify word absoluteization, mathematical formulas, chemical formulas, symbols, etc. and record them as analysis results. Also, the pattern that is the content of the information is the subject, subject modification, predicate, predicate modification, modification relationship, sentence type, formula, physical formula, chemical formula, symbol, when, where, who, what, how, Analyze why and why, and the relationship with the recorded related information, and organize and record the information in a structure that is easy to search. When information is entered, the field of information, theme, sentence type, syntax (subject, subject modification, predicate, predicate modification, modification relationship, sentence type, formula, physical formula, chemical formula, symbol, when, where, Analyze who, what, how and why) and compare it with the recorded information to determine the value of the information (reliability, novelty, validity, integrity, good / bad, known information) The relationship). As a result of the evaluation, safe and valuable information is recorded in a recorder by organizing the relationship with the field, theme, and known information.
There are various relationships between information such as causes and results, events and reasons, explanations and conclusions, outlines and details, similar meanings, opposite opinions, texts and summaries, texts and details. Setting of these relationships is performed by an autonomous setting by learning a human instruction or a relationship between information and information.
Since information is recorded as a knowledge system having a relationship with related information in this way, when certain information is input and the corresponding recording unit is activated, information about the associated recording unit (connection destination, (Relationship with connection destination) can be called, and appropriate recording units can be sequentially activated from among them to search for necessary information. By monitoring the activation of the recording unit, it is possible to confirm where the processing center in the artificial intelligence apparatus is currently located. In human thinking, this is equivalent to confirming what is currently the center of thought or consciousness. For example, in the case of a conventional program, this corresponds to sequentially displaying the position of the execution pointer of the compiled instruction code during program execution.
Conventional artificial intelligence mainly takes a technique of searching related information using a word included in information as a search key and selecting one having a large correlation with desired information. Therefore, even if the retrieved related information is incorrect, there is a disadvantage that information having a large correlation with the retrieval key is output as an answer. In the present invention, the input information is incorporated into the knowledge system after evaluating the validity and consistency with the already evaluated knowledge system, so that erroneous information is just as well as improving human intelligence while receiving education. It is possible to build a knowledge system while eliminating The built knowledge system can also identify semantic relationships between words (same meanings, opposite meanings, etc.), so if wrong information, rules, or information that violates morals is entered, it is built internally It is safe because it detects that it is not consistent with the knowledge system and discards it without incorporating it into the knowledge system.
In addition, it is difficult to evaluate in detail the validity and safety of the results output by artificial intelligence using conventional artificial intelligence technology (data retrieval, neural network). This is because, in data retrieval, correlation calculation and the like are performed through a complicated retrieval algorithm and the result is derived, so it is difficult to trace the intermediate situation in a format and logic that can be understood by humans. A neural network also generates output results by strengthening the connection between a large number of artificial neurons by machine learning, but it is difficult to trace the learning process in a form, logic or language that can be understood by humans. That is, the conventional artificial intelligence technology (data search, neural network) has a fatal defect that the process is a black box. If the process is a black box, it is very dangerous because it cannot be confirmed that the artificial intelligence does not violate human morals and norms (does not run away) at the stage of increasing the autonomy, function, and performance of artificial intelligence. This is because even if human morals and norms of intelligence are accidentally generated (runaway), they cannot be detected and removed. In addition, even if the processing result output by artificial intelligence is generated based on human morality or accidental intelligence that occurs accidentally inside, the validity and safety of the processing result cannot be confirmed and evaluated. .
On the other hand, according to the present invention, all the information of each recording unit (matching and matching (activation) conditions, patterns, connection relations between patterns, relations with patterns having connection relations, and analysis results of patterns) can be understood by humans. , Symbols and the like are expressed as patterns. In addition, since the recording unit having connection relation with each recording unit and the relation of connection are clear, the logical development can be easily traced. The artificial intelligence apparatus according to the present invention is a highly transparent system having a format and a structure in which all processing processes can be monitored and can be understood by humans. That is, the artificial intelligence apparatus according to the present invention is a system that allows a human to understand and confirm the validity and safety of the processing process. In addition, the knowledge system built in this artificial intelligence device will be built while successively confirming that it is not against human morals and norms based on truth and facts. Since things that violate human morals and norms are successively detected and eliminated, false knowledge (knowing that violates human morals and norms) is not incorporated. It is possible to manage not to deviate from knowledge about rules, common sense, and morals set by humans at the stage of increasing the autonomy, function, and performance of artificial intelligence.
The knowledge system built inside is based on truth, facts, rules, common sense, definition, and logic, and information that does not match these is not taken into the knowledge system. The entire process can be displayed in a language or symbol that can be understood by humans, thus making the system transparent. In addition, regarding the “symbol grounding problem” that the knowledge system built in artificial intelligence can be processed consistently with the reality, the knowledge system of this artificial intelligence device corresponds to the “language, sentence, Essentially input information because the text, symbols, mathematical formulas, physical formulas, chemical formulas are used as source data, and the data is sequentially converted into patterns, and the relationships between the information are structured as connection relationships between the patterns. It is equivalent to the “reality” corresponding to, and is consistent.
Well, some artificial intelligence researchers said, “In cognitive science, we are conducting research on human intelligence with methods such as neuroscience, cognitive psychology, information science, and even cultural anthropology. The whole mechanism of human intelligence is unknown, so it is difficult to realize artificial intelligence equivalent to human intelligence. ”Although there is an opinion that the whole human intelligence mechanism is not fully understood, human intelligence We believe that the corresponding artificial intelligence can be realized. This artificial intelligence device sequentially inputs and evaluates intelligence and knowledge that humans have built as information such as language, sentences, sentences, etc., and knowledge that has already been recorded information that is judged safe and valuable Analyzing relationships and incorporating them into the knowledge system autonomously. Comparing and evaluating input information with information already recorded in the knowledge system, adding analysis results to information judged safe and valuable, and further developing the knowledge system in a self-organizing manner To go. The knowledge system constructed in this way is a database corresponding to human intelligence, and can be used for problem solving and conversation with humans.
This artificial intelligence device uses the constructed knowledge system to search related data related to a given problem. The connection destination and the relationship can also be identified for the information related to the retrieved related data. By selecting the relevant ones in the processing process (thinking process) one after another, the relevant information is narrowed down to the appropriate one, and the thinking process proceeds autonomously toward the appropriate goal. It is possible to go. This artificial intelligence device autonomously generates the connection relationship between information and information by sequentially inputting information corresponding to truth, fact, rule, common sense, definition and logic. When information is input, a number of patterns corresponding to the information are activated, and the connection relationship between the pattern set (concept) and the pattern set (concept) is strengthened by human instruction or learning. Sentences and sentences do not exist alone, but are related to each other and positioned in the context. The sentence that appears later is affected by the sentence that appears earlier. As a mechanism to reflect this, this artificial intelligence device activates the corresponding pattern according to the input sentence, and the history of the pattern activated before this pattern is activated is transferred to the connection relation recording part of the activated pattern. It incorporates a function that strengthens the connection relationship with related patterns. With this function, it is possible to realize an operation in which learning proceeds so that all patterns corresponding to a sentence are activated based on a relationship with a related sentence, that is, a context. In other words, by inputting a large number of sentences and sentences, a context network is generated autonomously. When a certain concept (sentence or sentence) is input, the concept follows the generated context (context). Will make a transition.
When such information is connected to information corresponding to truth, facts, rules, common sense, definition, and logic, the knowledge system corresponding to truth, facts, rules, common sense, definition, and logic is autonomous. Can be generated. As learning proceeds, the artificial intelligence can identify whether the input information is consistent with the information already recorded, but not. In other words, it has acquired knowledge and intelligence equivalent to truth, facts, rules, common sense, definition and logic. The transition from information to information can be carried out along the generated context (context), and the transition of thought patterns can be performed by searching for information in an associative memory using keywords included in the information. It can also be realized. By combining various transition methods of thought patterns, it is possible to carry out a conversation close to a human being.
When a connection relationship between information (patterns) is generated by a human instruction, the pattern corresponding to a certain concept (sentence, sentence) is activated and the pattern of the next concept (sentence, sentence) is activated. Can do. If it is set so that the connection relationship is generated so as to transition from the pattern activated first to the pattern activated later, the connection relationship between concepts will be generated sequentially, and then the same When the concept is activated, the pattern automatically transitions along the generated connection relationship. When there are a plurality of transition destinations, a relationship suitable for the situation is set by a human instruction or autonomously, and a relationship suitable for the situation is selected from a plurality of transition destination candidates. Note that the autonomous setting of the relationship can be performed by setting an appropriate relationship by detecting the purpose and situation of the transition of the thought pattern.
In the following, differences from the conventional artificial intelligence technologies such as expert systems, neural networks, finite automata, and programming languages for artificial intelligence will be described.
The expert system is a program composed of rules, and is composed of a fixed inference engine and a variable knowledge database. The inference engine performs inference using rule groups, and propositional logic, predicate logic, recognition logic, modal logic, temporal logic, fuzzy logic, etc. are used as rule groups as inference logic. A knowledge database is generally constructed by inputting expert knowledge, but when formulated, problems such as contradictions among rules have been pointed out in the literature.
On the other hand, the processing in the present invention is not fixed like a program, and is very flexible in expressing the processing as a pattern-to-pattern correspondence. The process can be changed by changing the connection between patterns. In the expert system, only logical expansion (propositional logic, predicate logic, recognition logic, modal logic, temporal logic, fuzzy logic, etc.) by inference using rule groups is the object of processing, but in the present invention, processing other than logical expansion is performed. (Relevance definition, novelty detection, analysis, evaluation, etc.) are also possible, making the system more flexible than the expert system. The transition of human thought contains a great deal of things other than logical development. Although it is difficult to deal with anything other than logical development in an expert system, this artificial intelligence device can realize thought pattern transitions other than logical development, and generates human thought pattern transitions and conversation flows. It is possible to continue. In addition, while the expert system is a half-data driven system such as an inference engine (fixed) and a knowledge database (variable), in the present invention, functions and processes can be handled as data, and a complete data driven system. It has become. Since an expert system is a program composed of a group of rules, it is also subject to program language restrictions. Since the present invention is a complete data driven system that can handle data in terms of processing, it is possible to easily change or add processing during execution of processing. This is performed by changing the connection between the pattern expressing the processing and the pattern. Normally, in the case of programming processing in a programming language, reprogramming and recompilation are required when processing changes are implemented. However, in the present invention, processing changes, additions, etc. are made by changing the connection relationship between corresponding patterns locally. Since it can be implemented by changing, there is no need to rebuild the entire system like recompilation. (This can be handled by changing the contents recorded in the recording unit.)
Next, differences from the finite automaton will be described. A finite automaton has a restriction that only one state can be obtained at a certain point in time. Due to this restriction, it is difficult to perform an operation of simultaneously taking a plurality of states that can be realized in the present invention. I think that it is appropriate to express a human thought that corresponds to consciousness in a sequential processing action that takes one state (representing the action that the activated thought suppresses other thoughts), but to the unconscious of human beings As a representation of the corresponding action, the restriction that only one state can be considered is not appropriate. (Because unconscious thinking has weak suppression between thoughts, and multiple thoughts can operate in parallel) In the present invention, it is not necessary to restrict the activation of patterns to one, so it is like a finite automaton. There are no major restrictions. (Thinking corresponding to consciousness and unconsciousness can be expressed as a pattern.) Thinking corresponding to unconsciousness is assumed to correspond to the previous thinking that becomes explicit like thoughts corresponding to consciousness. In particular, when realizing the transition of thought patterns based on the context (context), the candidates for transition destinations are narrowed down by certain specific factors in a state where multiple thought pattern candidates are excited (activated). It is important to realize such an operation, but it is difficult to realize such an operation with an automaton. This artificial intelligence device can perform parallel processing by activating multiple patterns. When parallel processing becomes a problem, such as exclusive processing, it can be solved by suppressing activation of other recording units exclusively, separating processing lines, or separating processing temporally. In addition, there may be a plurality of solutions to a certain problem instead of one. Without forcibly narrowing down to one way, it is possible to proceed in parallel at an intermediate stage and finally select the optimum one.
Hereinafter, differences from the neural network will be described. In the present invention, the connection between the recording units can be handled very flexibly. Patterns and patterns can be connected by specifying them individually. Any combination such as many-to-many coupling, multi-stage coupling, feedforward coupling, feedback coupling, etc. can be specified and set. On the other hand, in a neural network, artificial neurons in the input layer, intermediate layer, and output layer are generally connected in series, and the connection between artificial neurons is performed by synaptic learning. As the synapse learning, an error back propagation method (back propagation) is generally used. However, back propagation has the following drawbacks pointed out in the literature.
-In backpropagation, the transfer function used in artificial neurons must be differentiable.
-Convergence in learning by backpropagation is very slow.
・ Back-propagation learning does not always converge.
・ In many cases, it converges to a local minimum error point instead of a global optimal solution. etc
On the other hand, the present invention does not have the drawbacks described above because it does not use an iterative search method for optimum values such as backpropagation for connection between recording units.
Finally, the comparison with the programming language for artificial intelligence is shown. In the present invention, basic processing (pattern search, collation, comparison, difference extraction, recording, output, arithmetic processing between patterns, etc.) is considered easy and efficient to implement in a programming language. It is a highly flexible system because it is not necessary to individually program a data-driven system that analyzes patterns and performs control according to the analysis results for locations corresponding to individual processes corresponding to individual thoughts. I think. For this reason, the artificial intelligence apparatus evaluates the input information (language) and advances the processing according to the evaluation result. The contents of the recording unit are implemented by sequentially starting the recording unit. Since the recording unit to be activated can be changed according to the situation, many processes can be configured very flexibly. Of course, it is also possible to carry out the processing sequentially in a fixed sequence like a normal program. When a procedure for solving a certain problem is recorded in the recording unit as a conditional process, a series of procedures is recorded as a group of conditional processes, and a group of recording units corresponding to the conditional process is configured. When the recording unit is activated according to the conditions, the recording unit corresponding to the next process is activated while confirming the satisfaction of the condition defined for the recording unit, and a series of procedures is executed.
The knowledge system that humans have accumulated so far is input in language, etc., and the knowledge system is built in the artificial intelligence device, and the problem is solved using the constructed knowledge system, and humans have developed as needed Since the program can be activated autonomously and the processing results can be used, artificial intelligence that combines human flexibility and computer processing power can be realized in solving problems. The flexibility of the artificial intelligence device that programs the contents of processing and incorporates it in the artificial intelligence device, or drives the program implemented in the computer by interfacing with the artificial intelligence device and driving from the artificial intelligence device It is also possible to configure a system that combines the functions and the processing capacity of the computer.
When realizing the functions of the artificial intelligence apparatus using a program (function), it is necessary to have the following functions. To identify and solve problems from a set of programs (functions) that perform a number of processes (Note 1: The pattern recording unit that is a component of this artificial intelligence device also has a function corresponding to the function of the program) The optimal program (function) is extracted autonomously, and the situation that has changed due to the execution of the program (function) is analyzed again, the problem is identified, and the program (function) that solves the problem is started. . Calling a series of programs (functions) used to solve a problem is a connection information recording section of each program (function) by human instruction or learning (Note 2: In the current program (function), such a function is not Correlation between connection information recorded with related programs recorded in (No)) and program (function) activation history, and connection relationships between programs (functions) (Note 3: Current program (function) has no such function) Use to implement. That is, the operation of the artificial intelligence apparatus corresponds to each program (function) autonomously starting an appropriate program (function) according to the situation. In this way, calling a program (function) is a method of calling an appropriate program (function) according to the situation, which is greatly different from programming in which all processing procedures need to be defined in advance. Further, variables and constants used in the program (function) and output generated by the program (function) can be flexibly used between the programs (functions) like information recording and retrieval in the associative memory system. The operation of the artificial intelligence apparatus is expressed by words using a program (function) as described above, but the function shown in this operation example is not included in the function of the conventional artificial intelligence program.
In the method of the present invention, it is possible to easily change or add a process during the execution of the process. Normally, in the case of programming processing in a programming language, it is necessary to redesign the program at the corresponding location, install the reprogram, and recompile when executing the processing change. However, in the present invention, the processing change, addition, etc. are applicable. Since it can be implemented by changing the connection relationship between patterns to be performed locally, there is no need to rebuild the entire system like recompilation. In programming languages, the names of variables, constants, functions, etc. used in the program will not work unless they are strictly specified. On the other hand, in the present invention, each information is expressed as a pattern corresponding to a natural language, and the information search is a system that can be searched in various forms by combining patterns. Information processing is performed between patterns. Since it is implemented by connection, it is possible to construct a system that operates even if there is some ambiguity, such as enabling processing in a similar pattern. In other words, it is possible to construct a system that can be processed even if there is some ambiguity and that is closer to human thought processing. (For information retrieval, it is possible to use a combination of patterns corresponding to natural language to detect sentences with the same meaning, detect novelty, check consistency with recorded information, extract differences, etc.)
Further, in ordinary programming, the definition of variables and constants and the contents of processing must be determined in advance, so that it takes a lot of labor to realize processing in which many branches occur depending on the processing result. (In practice, conditional branching is often too difficult to implement.) On the other hand, in the present invention, the search for information corresponding to variables and constants used for processing uses a pattern combining natural languages (words, symbols). It is implemented by using it, and it is a search method for information closer to human thinking. Since it is a system that also has a function of recording and retrieving information in a so-called associative memory system, it is necessary to strictly define in advance the names and storage locations of information corresponding to variables and constants used for processing. No. When new information is generated, a combination pattern of natural languages (words and symbols) can be sequentially registered and recorded as a search key. In addition, the registered / recorded information can be easily searched with a search pattern that combines natural languages (words, symbols). As a result, it is possible to construct a highly flexible system that is not constrained by the restriction that variables and constants to be used in programming must be strictly defined in advance.
Furthermore, with regard to the content of the processing, the processing corresponding to the condition is performed according to the situation (identifying the validity of the condition based on the pattern and the analysis result of the pattern). If they appear, it is possible to proceed sequentially by analyzing the conditions and determining the processing. Therefore, by defining the same thinking process (a set of conditional sentences) that a human being solves a problem in natural language, the artificial intelligence apparatus can sequentially interpret the contents and proceed with necessary processing. As a result of processing, newly generated information is recorded as a search key with an appropriate combination of words according to the processing, so that it is possible to easily search even when using information generated in another processing. In other words, the generated information and knowledge are incorporated into the knowledge system and can be easily utilized when needed in the future. In normal programming, it is necessary to predefine all variables, constants, and processes to be used. However, in the present invention, new information generated as a result of the process is sequentially incorporated into the knowledge system, and the knowledge system in another process. It is possible to search for the information embedded in the information as needed and proceed with the processing. Also, the information search target can be appropriately selected according to the processing, such as limiting the entire knowledge system and the processing result processed most recently.
Although the features of the present invention have been described above, a conventional processing program is incorporated into the artificial intelligence device, and the flexibility of the artificial intelligence device (interpretation of natural language, utilization of the constructed knowledge system, autonomous function, learning function, etc.) Naturally, it is possible to implement a hybrid system in which specified processing is sequentially performed while having the above.
The artificial intelligence apparatus of the present invention not only covers the functions of the conventional artificial intelligence, expert system, finite automaton, neural network, relational database, virtual table and artificial intelligence programming language used in robots, etc. Functions and flexibility that are not possessed (complete data-driven system, flexibility of function expansion (addition of functions by local change, associative memory system), support for systems that allow ambiguity, etc. (State) simulation function, support for parallel processing, strict definition of variables and constants is not required, information search based on natural language is possible, and various conditional processing sets are defined. The ability to perform autonomous processing, the elimination of black box processing, and the diversity of connections ( Over-forward, feedback, many-to-many bond, etc.), it differentiability constraint is not, has a system having a back-propagation is not convergence problems in Deployment etc.).
Human thought can be broadly classified into two. One is the content of thought, and the other is the way of thinking (procedure, process, way of thinking). In the embodiment of the present invention, the content of thought is defined as a pattern obtained by converting natural language, and a function is realized by setting a processing method in a program corresponding to the way of thinking. Thought contents vary widely, the way of thinking is common, general, and general. For example, a process corresponding to the type of sentence (normal sentence, question sentence, command sentence, conditional sentence) can be set as the process of input information. If it is a normal sentence, the reliability and validity of the input information will be evaluated, and if it is safe and valuable, it will be incorporated into the knowledge system to improve the knowledge system. If it is an interrogative sentence, related information is searched from the recorded knowledge system, and if there is appropriate information, it is output as an answer. If it is an imperative sentence, it evaluates the presence or absence of the experience which implemented the same instruction in the past, an execution procedure, and the influence (when it does not deviate from human morality and a norm), and determines a response. If it is a conditional statement, the establishment of the content corresponding to the condition is analyzed from the knowledge system or external information, and processing according to the analysis result is performed. By implementing the processing method corresponding to the way of thinking described above with a program, the content of a wide variety of thoughts remains the natural language as the source of the knowledge system using the various knowledge that humans have accumulated so far. It is possible to configure a system that can be processed with Therefore, it is possible to realize a very flexible and expandable artificial intelligence with very little effort and development cost. (In the conventional artificial intelligence, it is necessary to implement the parts corresponding to the contents of thinking one by one in a program, and a large development cost is required to realize each function.) The recording unit shown in FIG. 21 operates this artificial intelligence. This shows that the transition from information (thinking, concept) to information (thinking, concept) can be realized by using the relationship between information. When thinking, humans use relationships (causes and consequences, events and reasons, explanations and conclusions, outlines and details, similar content, opposition opinions, etc.) to change how they think. Therefore, this artificial intelligence apparatus can also transition from information (pattern) to information (pattern) using the relationship between patterns. When certain information is entered, the related information is diverse, but the relevant information has an appropriate relationship (cause and result, event and reason, explanation and conclusion, summary and details, similar content, opposite) It is possible to shift the thinking step to an appropriate next step according to the way of thinking by selecting (such as opinion).
There are roughly three ways to start the recording unit. The first method is to irradiate each recording unit with a search pattern from the pattern controller and start a correlated recording unit. (A software implementation method includes a method for performing a collation search between a search pattern and a pattern recorded in each recording unit.) The second is a connection information recording unit of each recording unit from the pattern irradiator. Is a method for activating a recording unit that satisfies the activation conditions by irradiating the activation history for a set period. (A software implementation method is to extract a history pattern for a certain period from the activation history, compare it with the pattern recorded in the connection information recording section of each recording unit, and extract a recording unit that satisfies the activation condition. The third is using the connection information (number of connections, connection destination, relationship with connection destination) with the related recording unit recorded in the recording unit, and starting the recording unit with an appropriate relationship. Is the method. (The software implementation method reads the connection information (number of connections, connection destination, relationship with connection destination) with the related recording unit recorded in the selected recording unit, and as the recording unit for the next step. There is a method of extracting an appropriate (appropriate) relationship, selecting a connection destination of a recording unit having the corresponding relationship, and then starting (selecting) the selected recording unit.) This artificial intelligence In the apparatus, these three kinds of activation methods are appropriately used in each process so as to activate the most appropriate recording unit for changing the thinking pattern. By monitoring the activation of the recording unit, it is possible to confirm where the processing center in the artificial intelligence apparatus is currently located. This is equivalent to confirming what is currently the center of thought and concept in the case of human thinking.
This artificial intelligence device also has an autonomous learning function. The corresponding recording unit is sequentially activated by information input from the outside, and this activation history is recorded in the pattern irradiator. When each recording unit is activated, a part of the activation history (activation history for a certain period from the time of activation to a past period) is transferred to the connection information recording unit of the activated recording unit. The connection relationship with the recording unit, which is considered to be strongly related to activation, is gradually strengthened. When the input information is learning data, the learning data are sequentially input, thereby strengthening the relationship between the learning data (logical relationship, causal relationship, time series relationship, etc.). When a part of information is input after the learning is completed, the learning data recording unit related to the information is sequentially activated according to the recorded connection relation, and the learned content is automatically recalled. In each step, a plurality of recording units can be activated simultaneously.
When a series of sentences are sequentially input, the sentence is converted into a pattern and recorded in each recording unit of the pattern recorder. Those that can identify sentence-to-sentence relationships (causes and results, events and reasons, explanations and conclusions, outlines and details, similar contents, opposite opinions, etc.) simultaneously activate the recording unit corresponding to each relationship. When the recording unit that expresses the relationship is activated every time the relationship between the sentences is identified in this way, the sentence and the sentence having the relationship with the connection information recording unit of the recording unit that indicates the relationship are activated. The activation history is transcribed and the connection is strengthened. By inputting a large number of sentences and sentences, various types of relationships are learned. When the human teaches the relationship between sentences at the initial stage (executed by starting a recording unit that expresses the relationship at the stage when the relation is identified, by the human instruction), the artificial intelligence device is related. You will learn how to identify sex.
The relationship can be utilized when selecting an appropriate connection relationship at each thought stage from the connection relationship between the many-to-many connected patterns. The way of thinking transitions differs depending on whether you want to change the thought in the direction of the result and know the final result, or whether you want to change the thought in the direction of the cause and know the root cause that caused the event. This way of thinking transition can be controlled by what is selected for the relationship.
In the above description, it was shown that the relationship between sentences can be identified by human instruction or learning. The identified relationship is sequentially recorded at a location where the connection relationship (number of connections, connection destination, relationship) with each recording unit is recorded. When a series of sentences are input in this way, the sentence is not recorded alone but is recorded including the relationship between the sentences.
Rather than individually programming the processing of input information in this artificial intelligence device, a method for analyzing the relationship between information and information in a machine, a method for constructing a knowledge system, a method for solving problems, and a method for generalizing input information It is possible to implement by implementing a method of processing input information. (As a matter of course, it is possible to individually program the processing of the input information and have the artificial intelligence device implement it.) Interpretation and interpretation of information expressed in language, numbers, mathematical formulas, and symbols Appropriate processing is performed autonomously according to the situation. Conventionally, the contents of processing are expressed by a program, but in the present invention, a pattern corresponding to related information expressed in a natural language is searched, and matching with a condition, processing and branching according to the condition are performed. Since the process of the next step is performed autonomously, it is not necessary to program the contents of each process, and it is sufficient to indicate the contents of the process in a natural language. In other words, it is not necessary to program each process sequentially, and knowledge already expressed in natural language can be used as a source of knowledge system of the artificial intelligence device. (This artificial intelligence device sequentially converts knowledge input in natural language into corresponding patterns to analyze the relationship between information and information, and organizes it into the knowledge system.) It is also possible to define a recording unit that is a program of processing sequentially as a recording unit, and activate the recording unit that is defined when the condition is met by condition matching.
Information source, reliability, novelty, field, theme, subject, subject modification, predicate, predicate modification, modification relationship, sentence type, formula, chemical formula, symbol, when, where, who, what Analyze how, why, and why, and the relationship with the recorded related information, organize the information into a structure that is easy to search, and record truth, truth, facts, expertise, rules, and common sense Is constructed as a knowledge system with a relationship between information.
Initially, a human teaches the processing method, and the machine records and learns the method taught by the human. As learning progresses to some extent, the machine will autonomously execute processing. A human confirms the processing result of the machine, and if the process is incorrect, notifies the machine and corrects the process appropriately. Learning is performed by specifying the relationship between patterns. By specifying the relationship between sentences expressed in natural language, the machine automatically generates a connection relationship as a relationship between patterns. The human thought process can be generally divided into the content of thought and the way of thinking. Thought content varies widely, the way of thinking has general, universal, and common features. In the present invention, a thought process is shifted in an appropriate and significant direction by controlling a pattern corresponding to the content of thought with a pattern or program corresponding to the way of thinking. The relationship between information and information is not a one-to-one relationship but a many-to-many relationship. However, the relationship can be generalized and associated. For example, relationships can be identified as cause and effect, event and reason, explanation and conclusion, summary and details, and so on. In the transition of thought patterns, the thought pattern can be efficiently reached to the target by selecting an appropriate one among various ways of thinking and the relationship between information and information according to the thought stage. . Thus, in the past, it was necessary to individually program a wide variety of processes, but the part corresponding to the various processes was set in natural language, and the part related to the function of selecting the way of thinking and the relationship between information By implementing it programmatically, the labor required for development can be greatly reduced. Note that the function of selecting the way of thinking and the relationship between information can also be realized by processing between patterns instead of implementation by a program.

人間の思考を表現する言語をパターンに変換し、パターンおよびパターン間の関係を分析すると、文の種類（平常文、疑問文、命令文等）、特徴（善悪、真理、真実、事実、定義、規則、常識、説明、仮説、予測、意見、感想）および関係（原因と結果、事象と理由、説明と結論、概略と詳細等）を識別することができる。文の種類および特徴は人間が識別できるように、機械にも識別を学習させることが可能である。文の種類は文に含まれる単語を分析することにより、平常文、疑問文、命令文、条件文等の識別が可能である。文の特徴のうち、善悪、真理、真実、事実、定義、規則、常識については個々に関して人間が教示して機械に学習させる。これは各情報を機械に入力する際に、個々の情報の種類（真理、真実、事実、定義、規則、常識）についても識別し、付帯情報を付加して記録することにより実施できる。その他の情報の種類（説明、仮説、予測、意見、感想）の識別は文の種類が（真理、真実、事実、定義、規則、常識）として記録されていないことと、文に含まれる単語（だろう、考える、思う・・等）を分析することにより実施することができる。
言語をパターンに変換し、文を構成する単語に対応するパターンの集合として表現し、単語間の意味的な関係をパターンとパターンとの接続関係で表現すると、文のもつ意味をパターンとパターンの接続関係で表現することができる。入力した情報は語列から単語の識別、単語の特徴（品詞、意味）、文要素の分析、文の構造分析（主語、述語、主語の修飾、述語の修飾、修飾の関係）、文要素と文要素の関係分析（同じ意味、定義、反対の意味等）が実施され、文要素と文要素の関係をパターンとパターンの接続関係として対応付けることにより、情報と情報の意味の関係をパターンとパターンの接続関係に変換していく。パターンとパターンの関係は文要素と文要素だけでなく、文と文、文章と文章の関係についても設定することができる。これは、パターンをグループ化したものを新たなパターンとして定義することにより実施できる。パターンとパターンの関係（原因と結果、事象と理由、説明と結論、概略と詳細等）を示す特徴的な単語を検出すると、該当するパターン間に対応する関係を自律的に記録する。この記録されたパターン間の関係はパターン間の遷移を制御する際に活用することができる。
パターンとパターンの接続関係は論理関係、定義、帰属の関係、類似の関係、作用と結果の関係、推論の展開等、様々な関係を表現することが可能であり、また属性の継承、共通的特徴の継承と個々の特徴の識別ということも柔軟に表現することができる。
このように情報と情報の関係をパターンとパターンとの接続関係として設定していくことにより、情報は単独の状態で記録するのではなく、他の情報との関係をもった知識体系として記録することが可能となる。
情報と情報の関係は多岐の関係を有することになるが、情報間の関係（同じ意味、定義、反対の意味、類似、論理、原因、結果、詳細、概略、要約、関連情報等）をパターンの各処理フェーズ（思考プロセスの段階に対応）において適切なものを選択することにより、パターンからパターンの遷移を適切に制御することができる。By converting the language that expresses human thought into patterns, and analyzing patterns and relationships between patterns, sentence types (normal sentences, question sentences, imperative sentences, etc.), features (good and evil, truth, truth, facts, definitions, Rules, common sense, explanations, hypotheses, predictions, opinions, impressions) and relationships (causes and consequences, events and reasons, explanations and conclusions, outlines and details, etc.) can be identified. Sentence types can be trained by machines so that humans can identify the types and characteristics of sentences. The sentence type can be identified as a normal sentence, a question sentence, a command sentence, a conditional sentence, etc. by analyzing words included in the sentence. Among the features of the sentence, human beings teach each machine about the good, evil, truth, truth, fact, definition, rule, and common sense, and let the machine learn. This can be done by identifying each information type (truth, truth, fact, definition, rule, common sense) and recording it with additional information when each information is input to the machine. Identification of other types of information (explanation, hypothesis, prediction, opinion, impression) is that the sentence type is not recorded as (truth, truth, fact, definition, rule, common sense) and the word ( I think, think, think, etc.) can be implemented by analyzing.
If the language is converted into a pattern and expressed as a set of patterns corresponding to the words that make up the sentence, and the semantic relationship between words is expressed by the connection relationship between the patterns, the meaning of the sentence is expressed between the patterns and the patterns. It can be expressed as a connection relationship. Input information includes word identification, word characteristics (part of speech, meaning), sentence element analysis, sentence structure analysis (subject, predicate, subject modification, predicate modification, modification relationship), sentence elements and Sentence element relationship analysis (same meaning, definition, opposite meaning, etc.) is performed, and the relationship between the sentence element and the sentence element is associated as a connection relationship between the pattern and the pattern, so that the relationship between the information and the meaning of the information is the pattern and the pattern It will be converted into a connection relationship. The relationship between patterns can be set not only for sentence elements and sentence elements but also for sentences and sentences, and sentences and sentences. This can be done by defining a group of patterns as a new pattern. When a characteristic word indicating a pattern-pattern relationship (cause and result, event and reason, explanation and conclusion, outline and details, etc.) is detected, the corresponding relationship between the corresponding patterns is recorded autonomously. This relationship between recorded patterns can be utilized when controlling transitions between patterns.
The connection relation between patterns can express various relations such as logical relation, definition, attribution relation, similar relation, relation between action and result, inference development, inheritance of attributes, common Feature inheritance and identification of individual features can also be expressed flexibly.
By setting the information-information relationship as a pattern-to-pattern connection relationship in this way, information is not recorded as a single state, but as a knowledge system that has relationships with other information. It becomes possible.
The relationship between information has various relationships, but the relationship between information (same meaning, definition, opposite meaning, similarity, logic, cause, result, detail, summary, summary, related information, etc.) By selecting an appropriate one in each processing phase (corresponding to the stage of the thought process), it is possible to appropriately control the pattern transition from pattern to pattern.

情報が入力されると情報に含まれている単語から意味を分析し、情報と等価な意味を示すパターンを生成する。このパターンは文の主語、述語、主語の修飾、述語の修飾、修飾関係を維持した状態で生成する。この生成したパターンを使って記録されているパターンと照合を行い、関連するパターンが存在するか否かの分析を行う。このように意味レベルで情報の検索を行うことができるので、文言が一致しなくても意味および内容的に関連のある情報を検索することが可能となる。所謂、連想記憶システムにおける検索を実施することができる。
新規に入力した情報は既に記録している知識体系と照合し、整合性および新規性について評価することができる。真理、真実、事実、定義、規則および常識として識別し記録している情報と整合しない場合は、その情報は誤っている可能性が高い。一方、整合しているか整合していないかの判断ができない場合は、その情報を判断できるだけの知識が未だ蓄えられていないと考えられるため、人間に通知し判断を求めることにする。人間がその情報は正しいと判断できる場合は、その結果を機械に通知することとする。機械はその情報を説明または仮説という位置づけで記録し、将来別の情報を得ることにより、真理、真実、事実、定義、規則および常識の組合せで論理展開し、整合性および妥当性を確認できた時に、評価を実施した信頼性の高い情報として識別し記録することとする。
このように、情報をパターンに変換し、情報の種類、特徴を識別、分類して記録し、情報と情報の関係（論理的な関係、類似関係、相反関係、類推等、様々な関係）をパターンとパターンの接続関係として表現することにより、情報を知識体系として構築することができる。When information is input, a meaning is analyzed from words included in the information, and a pattern indicating a meaning equivalent to the information is generated. This pattern is generated while maintaining the sentence subject, predicate, subject modification, predicate modification, and modification relationship. The generated pattern is used for collation with the recorded pattern, and an analysis is performed as to whether or not there is a related pattern. Since information can be searched at the semantic level in this way, it is possible to search for information that is related in meaning and content even if the words do not match. A search in a so-called associative memory system can be performed.
The newly entered information can be checked against the already recorded knowledge system and evaluated for consistency and novelty. If it is inconsistent with the information identified and recorded as truth, truth, fact, definition, rule and common sense, the information is likely to be incorrect. On the other hand, if it is not possible to determine whether the information is consistent or not, it is considered that knowledge sufficient to determine the information has not yet been accumulated, so a human being is notified and a determination is made. If humans can judge that the information is correct, the result will be notified to the machine. The machine recorded the information as an explanation or hypothesis, and obtained another information in the future, and logically developed it with a combination of truth, truth, facts, definitions, rules and common sense, and was able to confirm consistency and validity Sometimes it will be identified and recorded as highly reliable information evaluated.
In this way, information is converted into patterns, information types and characteristics are identified, classified and recorded, and information-information relationships (logical relationships, similar relationships, reciprocal relationships, analogies, etc.) Information can be constructed as a knowledge system by expressing the connection relationship between patterns.

情報を知識体系として構築すると、知識体系を活用した問題解決が可能となる。まず、問題について知識体系を活用して分析し問題点の明確化および問題解決の目標を設定する。次に問題点を解決するための解決策案を抽出し適用する。適用後の状況を評価し、問題解決の目標に到達すれば処理としては完了になる。問題解決の目標に到達していなければ、再度新しい状態に対し、上記のプロセスを適用し、問題解決の目標に近づけていく。これらの処理についても自然言語で指示することにより、本機械はパターン間の接続関係に変換し処理を実行していく。状況に対応するパターンを分析することにより、問題が識別され、問題を解決する上で必要なパターンが逐次、起動し処理を実行する。処理により状況は変化し、変化した状況に対し更に同様のプロセスを作用させていくという方式で問題を解決していく。
問題の分析および問題点の明確化に関しても目標とする状態と現状の差異を検出、識別する方法を学習することにより実施する。また、各問題に対応する解決策も対応する処理を学習することにより実施する。学習はパターンの遷移の履歴を記録することにより行う。人間が教示した内容はパターンからパターンへの遷移として記録される。
学習が進むと、教示したプロセスはパターンからパターンへの遷移として自律的に実行され、教示した内容が実行されることになる。
人間の思考パターンの遷移は条件により遷移先が変わるという観点から、一般的に条件付き処理として表現することができる。本発明では言語の意味を解釈し、必要に応じて自律的に条件付処理に変換する。条件つき処理の条件の詳細については、該当する言語から検索用のパターンを生成し、自律的に検索する。検索した情報が条件を満足するか否かの判断を実施し、満足する場合は該当する処理の実行を行う。人間が知識として使用している問題解決策を、そのまま言語として入力しても、その意味を逐次、解釈し条件付処理を自律的に進めていき問題を解決していく。処理の途中で新規の情報が必要な場合は、その情報要求を通知し、該当する適切な情報が獲得されると、その内容に応じた処理を実施する。
学習フェーズにおいては、パターンが起動すると、そのパターンが起動する以前の設定した期間において起動したパターンの履歴が参照され、起動したパターンとの接続関係が強化される。実用フェーズにおいては、記録した起動履歴の一部のデータを使用して各記録ユニットに記録した起動の条件と合致するかを確認し、起動の条件と合致した場合に該当パターンを起動する。パターンが起動すると、起動パターンの履歴が更新され、新しい状態において上記の動作を繰り返し、起動の条件と合致したパターンを逐次、起動していく。If information is constructed as a knowledge system, problem solving using the knowledge system becomes possible. First, the problem is analyzed using the knowledge system, the problem is clarified, and the goal of problem solving is set. Next, a solution plan for solving the problem is extracted and applied. The situation after application is evaluated, and if the goal of problem solving is reached, the process is completed. If the problem solving goal has not been reached, the above process is applied again to the new state to bring it closer to the problem solving goal. By instructing these processes in a natural language, this machine converts the connection relationship between patterns and executes the process. By analyzing the pattern corresponding to the situation, the problem is identified, and the pattern necessary for solving the problem is sequentially activated and the process is executed. The situation changes by the process, and the problem is solved by a system in which a similar process is further applied to the changed situation.
The problem analysis and problem clarification are also implemented by learning how to detect and identify the difference between the target state and the current situation. Moreover, the solution corresponding to each problem is implemented by learning the corresponding process. Learning is performed by recording a history of pattern transitions. The content taught by humans is recorded as a transition from pattern to pattern.
As learning progresses, the taught process is autonomously executed as a transition from pattern to pattern, and the taught content is executed.
The transition of human thought patterns can be generally expressed as a conditional process from the viewpoint that the transition destination changes depending on the condition. In the present invention, the meaning of the language is interpreted and autonomously converted into conditional processing as necessary. As for the details of the conditional processing conditions, a search pattern is generated from the corresponding language, and the search is performed autonomously. Judgment is made as to whether or not the retrieved information satisfies the condition, and if satisfied, the corresponding processing is executed. Even if a problem solution that humans use as knowledge is input as a language as it is, the meaning is sequentially interpreted and conditional processing proceeds autonomously to solve the problem. When new information is required during the process, the information request is notified, and when appropriate information is acquired, a process corresponding to the content is performed.
In the learning phase, when a pattern is activated, the history of the pattern activated in the set period before the pattern is activated is referred to, and the connection relationship with the activated pattern is strengthened. In the practical phase, a part of the recorded activation history is used to check whether the activation condition recorded in each recording unit is met. When the activation condition is met, the corresponding pattern is activated. When the pattern is activated, the history of the activation pattern is updated, the above operation is repeated in the new state, and the pattern that matches the activation condition is sequentially activated.

学習フェーズにおいては人間の指示により処理に対応する一連のパターンを逐次、起動していき、その履歴を記録することにより、指示された手順に従って、該当のパターンが起動していく。パターンの動作は静的なものではなく、動的な挙動を示す。パターン内に記録している内部パターンを使用して、必要な情報を検索し、検索結果を必要な場所に格納する。また、パターンに記録している内部パターンを指定された配置に変換する等の処理を実施する。この様なダイナミックな挙動をするパターンを組み合わせることにより、数々の処理（数式処理、化学式処理、翻訳等）を実施させることができる。
本機械への教示はプログラミングすることなく、自然言語を逐次、入力していくことにより実施できる。（当然のことながらプログラミングにより教示しても良い）入力した言語情報は構文、意味、既に記録されている情報との関係が分析され、分析結果に応じて、対応するパターンが起動し、処理が実行される。入力情報の価値評価と記録、指示された命令の実行、問題・課題に対する解決策の生成等、数々の処理の実施が可能である。
本機械の全体動作はパターン制御器にて管理する。各パターンの遷移サイクルで、情報入力、情報分析（文の種類、構文、意味等）、情報評価（新規性、信頼性、妥当性、有用性等）、情報処理（問題・課題の解決策の生成、記録、情報出力等）を実施する。In the learning phase, a series of patterns corresponding to processing is sequentially activated by a human instruction, and by recording the history, the corresponding pattern is activated in accordance with the instructed procedure. The behavior of the pattern is not static but shows dynamic behavior. The necessary information is searched using the internal pattern recorded in the pattern, and the search result is stored in the required place. Also, processing such as conversion of the internal pattern recorded in the pattern into a designated arrangement is performed. Numerous processes (formula processing, chemical formula processing, translation, etc.) can be performed by combining patterns having such dynamic behavior.
Teaching to this machine can be performed by inputting natural language sequentially without programming. (Of course, it may be taught by programming) The input language information is analyzed for syntax, meaning, and relationship with already recorded information, and the corresponding pattern is activated and processed according to the analysis result. Executed. Numerous processes such as value evaluation and recording of input information, execution of instructed instructions, and generation of solutions to problems / issues are possible.
The overall operation of this machine is managed by the pattern controller. In each pattern transition cycle, information input, information analysis (sentence type, syntax, meaning, etc.), information evaluation (novelty, reliability, validity, usefulness, etc.), information processing (problem / problem solution) Generation, recording, information output, etc.).

次に入力情報の一般化について説明する。
入力した文に含まれる単語の一部の特徴抽出および一般化を実施する。例えば、文中に出現する固有名詞は人物Ａ、人物Ｂ、物Ｃ、物Ｄというように一般化する。逐次、文をパターンに変換し、変換したパターンを起動していく。この時、一般化したパターンも逐次、起動していくことになる。情報を数多く入力していくことにより、文を構成する特定のパターンとパターンの間の接続関係が強化されていく。入力した文は近傍の文と関係を有している。この関係は文を構成する単語と単語の関係で表現されるので、同じ関係は同一の単語間または類似の単語間の組合せで表現される場合が多い。文のパターンが起動する毎に、文に含まれる単語が起動するが、固有名詞等を一般化することにより、一般化した人物と人物または物との関係が強化されることになり、同様の文が出現する頻度が、固有名詞で表現した場合より多くなる。この効果により固有名詞に依存しない対象間の関係が抽出されることになる。また単語の意味、特徴等を起動すると、個々の単語間の関係では無く単語の特徴間の関係が強化され特徴面からの一般化が可能となる。この関係は特定のパターンとパターンとの接続関係が強化するため検出することができる。特に多くの文例から強化された関係は、一般性を有することになり、常識または一般的な考え方に対応するものが抽出されていく。この常識または一般的な考え方は入力する文章群に依存する。つまり、ある文化に対応する文章群を入力すると、その文化に対応した常識または一般的な考え方が抽出されることになる。同一文化での文章群を入力した場合は考え方が同等と考えられるため、同一文化での多数により強化された考え方が抽出されることになる。
同様に数々の問題とその解決策について一部の単語の特徴抽出および一般化を実施して動作させることにより、問題とその解決策について一般化した関係を抽出することができる。情報入力による学習が進行すると本機械は類似の問題に対して解決方法を自律的に生成することができるようになる。Next, generalization of input information will be described.
Feature extraction and generalization of a part of words included in the input sentence is performed. For example, proper nouns appearing in sentences are generalized as person A, person B, object C, object D. Sequentially, sentences are converted into patterns, and the converted patterns are activated. At this time, generalized patterns are also activated sequentially. By inputting a lot of information, the connection between specific patterns constituting a sentence is strengthened. The input sentence has a relationship with a nearby sentence. Since this relationship is expressed by the relationship between words constituting a sentence, the same relationship is often expressed by a combination between the same words or similar words. Every time a sentence pattern is activated, a word included in the sentence is activated. By generalizing proper nouns, etc., the relationship between generalized persons and persons or objects will be strengthened. Sentences appear more frequently than when expressed with proper nouns. With this effect, the relationship between objects that does not depend on proper nouns is extracted. In addition, when the meaning, features, etc. of the word are activated, the relationship between the features of the word rather than the relationship between the individual words is strengthened, and generalization from the feature side becomes possible. This relationship can be detected because the connection relationship between specific patterns is strengthened. In particular, relationships strengthened from many sentence examples have generality, and those corresponding to common sense or general ideas are extracted. This common sense or general idea depends on the text group to be entered. In other words, when a sentence group corresponding to a certain culture is input, common sense or a general idea corresponding to that culture is extracted. When a group of sentences in the same culture is input, the way of thinking is considered to be equivalent, so that a way of thinking strengthened by many in the same culture is extracted.
Similarly, by extracting and generalizing the characteristics of some words for a number of problems and their solutions and operating them, a generalized relationship between the problems and their solutions can be extracted. As learning by information input progresses, this machine can autonomously generate a solution to a similar problem.

以下では情報を条件部と処理部に識別し文構造として整理した状態でパターン記録器に記録する動作について説明する。情報の単語を分析することにより情報の条件部と処理部を識別することができる。例えば、「Ａ」「が」「Ｂ」「の時」「Ｃ」「を実施せよ」という文では［「Ａ」「が」「Ｂ」「の時」］が条件部であり、［「Ｃ」「を実施せよ」］は処理部である。また、「Ａ」「が」「Ｂ」「なら」「Ｃ」「は」「Ｄ」「である」という文では［「Ａ」「が」「Ｂ」「なら」］が条件部であり、［「Ｃ」「は」「Ｄ」「である」］は処理部である。
このように文を条件部と処理部に分け、条件付処理のパターン間接続を有した構造に変換する。また、条件部のパターンが起動すると、自律的に条件部が成立しているか否かを確認する処理を起動するようにする。このように文を条件付き処理の構造を有したパターンに変換すると、条件付処理で表現できる文が逐次、条件の成立性を確認しながら処理を進めていくという能動的な思考動作を実現することができる。一般的に人間の問題解決、行動決定は条件付処理で表現することができる。人間の問題解決策および行動決定策を自然言語で入力することにより本機械は自律的に条件付処理に変換した上で、条件の成立性を確認しながら処理を進めていくという能動的な思考動作が可能となる。人間の問題解決および行動決定に相当する動作をプログラミングすることなく自然言語で表現された知識（問題解決および行動決定に関する手順および思考方法）を入力することにより、人間が思考により問題解決または行動決定するように問題解決または行動決定を自律的に実施することが可能となる。In the following, description will be given of the operation of recording information in the pattern recorder in a state in which information is identified as a conditional part and a processing part and organized as a sentence structure. By analyzing the information word, the condition part and the processing part of the information can be identified. For example, in the statements “A”, “GA”, “B”, “NO”, “C”, “do it”, [“A”, “GA”, “B”, “NO” ”is the condition part, and [“ C "Perform""is a processing unit. Also, in the sentence “A” “ga” “B” “if” “C” “ha” “D” “is” [“A” “ga” “B” “if”] is the condition part, [“C” “is” “D” “is”] is a processing unit.
In this way, the sentence is divided into a conditional part and a processing part, and converted into a structure having inter-pattern connection for conditional processing. When the condition part pattern is activated, a process for autonomously confirming whether or not the condition part is established is activated. When a sentence is converted into a pattern with a conditional processing structure in this way, an active thinking action is realized in which sentences that can be expressed by conditional processing proceed sequentially while confirming the validity of the condition. be able to. In general, human problem solving and action determination can be expressed by conditional processing. By inputting human problem-solving and action-determining measures in natural language, this machine autonomously converts it into conditional processing, and then proceeds with the processing while confirming the validity of the conditions. Operation is possible. By inputting knowledge (procedures and thinking methods related to problem solving and action determination) expressed in natural language without programming the actions corresponding to human problem solving and action determination, human beings can solve problems or make action decisions through thinking. As a result, problem solving or action determination can be carried out autonomously.

図１はこの発明の一実施例における人工知能装置の構成を示した図である。図１において１は情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器である。２は変換したパターン、パターンの照合および合致（起動）の条件、パターン間の接続関係、接続関係のあるパターンとの関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器である。３は入力した情報に関して情報の源泉、善悪、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器である。４はパターン、パターンの照合および起動の条件、パターン間の接続関係、接続関係のあるパターンとの関係を自律的または人間の指示により登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および起動を実施するパターン制御器である。５はパターンを情報に変換するパターン逆変換器である。６はパターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要な記録ユニットを起動するパターン照射器である。  FIG. 1 is a diagram showing a configuration of an artificial intelligence apparatus according to an embodiment of the present invention. In FIG. 1, reference numeral 1 denotes a pattern converter that converts information (language, text, knowledge, mathematical formula, symbol, image, voice) into a pattern. Reference numeral 2 denotes a pattern recorder composed of a recording unit for recording the converted pattern, the conditions for pattern matching and matching (activation), the connection relationship between the patterns, the relationship with the pattern having the connection relationship, and the analysis result of the pattern. . 3 is the source of information, good and evil, reliability, novelty, field, theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, How, why, why, what kind of sentence (common sentence, question sentence, imperative sentence, conditional sentence, truth, fact, rule, common sense, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), Pattern analyzer that analyzes the relationship between absolute meanings of words with relative meaning, mathematical formulas, physical formulas, chemical formulas, symbols, and recorded related information, organizes the information into an easily searchable structure, and records it in a pattern recorder It is. 4. Register and change patterns, pattern matching and activation conditions, connection relations between patterns, relations with patterns with connection relations autonomously or by human instruction, and according to pattern status and pattern analysis results It is a pattern controller that performs pattern processing and activation. Reference numeral 5 denotes a pattern inverse converter for converting a pattern into information. Reference numeral 6 denotes a pattern irradiator that records the pattern activation history, analyzes the situation and identifies the problem using the recorded activation history information, and activates the recording unit necessary for problem solving.

次に動作について説明する。
図１において１のパターン変換器は情報をパターンに変換する。変換したパターンは３のパターン分析器において分析され分析結果に応じた処理が実施される。２のパターン記録器は変換したパターン、パターンの照合および起動の条件、パターン間の接続関係、接続関係のあるパターンとの関係およびパターンの分析結果を記録する。入力したパターンをパターン記録器の記録ユニットと照合し、関連するパターンが記録されているか否かの確認を行う。入力したパターンと同じ、または同等のパターンが記録されていれば該当のパターンを起動し、記録されていなければ新規パターンとして登録し起動する。起動（合致）したパターンの履歴は６のパターン照射器に記録される。ある記録ユニットが起動すると、それ以前に起動したパターンの履歴のデータから当該パターンとの接続関係のデータを生成して当該パターンの記録ユニットの接続関係記録部に記録する。また記録した起動履歴の一部のデータを使用して各記録ユニットに記録した起動の条件と合致するか確認し、起動の条件と合致した記録ユニットを起動する。初期段階においてはパターンとパターンの接続生成は人間からの教示により実施する。Next, the operation will be described.
In FIG. 1, a pattern converter 1 converts information into a pattern. The converted pattern is analyzed by the pattern analyzer 3 and processing according to the analysis result is performed. The pattern recorder 2 records the converted pattern, the pattern collation and activation conditions, the connection relationship between the patterns, the relationship with the pattern having the connection relationship, and the pattern analysis result. The input pattern is collated with the recording unit of the pattern recorder, and it is confirmed whether or not the related pattern is recorded. If a pattern the same as or equivalent to the input pattern is recorded, the corresponding pattern is activated, and if not recorded, it is registered and activated as a new pattern. The history of the activated (matched) pattern is recorded in the pattern irradiator 6. When a certain recording unit is activated, connection relationship data with the pattern is generated from the history data of the pattern activated before that and recorded in the connection relationship recording unit of the recording unit of the pattern. In addition, a part of the recorded activation history is used to check whether the activation condition recorded in each recording unit is met, and the recording unit that matches the activation condition is activated. In the initial stage, patterns and patterns are generated by teaching from humans.

図２６に文間の関係性を自律的に生成する動作例を示す。一連の文を逐次、入力していくと文をパターンに変換してパターン記録器の各記録ユニットに記録されていく。文と文の関係性（原因と結果、事象と理由、説明と結論、概略と詳細、類似内容、反対の意見等）について識別できるものは各関係性に対応する記録ユニットを同時に起動することとする。このように文と文との関係性が識別される度に関係性を表現する記録ユニットも起動していくと、関係性を示す記録ユニットの接続情報記録部に関係性を有した文と文の起動履歴が転写され接続関係が強化されていく。多数の文と文を入力することにより様々な関係性のタイプを学習していくことになる。初期段階において人間が文と文の関係性について教示（関係性が識別された段階で関係性を表現する記録ユニットを人間の指示により起動することで実施）していくと本人工知能装置は関係性の識別方法について学習することになる。
関係性は多対多で結合されたパターン間の接続関係から各思考段階において適切な接続関係を選択する際に活用することができる。思考を結果の方向に遷移させ最終的な結果を知りたいのか、それとも思考を原因の方向に遷移させ事象が生じた根本原因を知りたいのかで思考の遷移の仕方は異なる。この思考の遷移の仕方は関係性に何を選択するかで制御することができる。
前述の説明において文と文の関係性を人間の指示または学習により識別することが可能であることを示した。識別した関係性は各記録ユニットの他の記録ユニットとの接続関係（接続数、接続先、関係性）を記録している箇所に逐次、記録していく。このように一連の文を入力していくと文は単独で記録されるのではなく文と文の関係性を含めて記録されることになる。FIG. 26 shows an operation example for autonomously generating the relationship between sentences. When a series of sentences are sequentially input, the sentence is converted into a pattern and recorded in each recording unit of the pattern recorder. Those that can identify sentence-to-sentence relationships (causes and results, events and reasons, explanations and conclusions, outlines and details, similar contents, opposite opinions, etc.) To do. When the recording unit that expresses the relationship is activated every time the relationship between the sentences is identified in this way, the sentence and the sentence having the relationship with the connection information recording unit of the recording unit that indicates the relationship are activated. The activation history is transcribed and the connection is strengthened. By inputting a large number of sentences and sentences, various types of relationships are learned. When the human teaches the relationship between sentences at the initial stage (executed by starting a recording unit that expresses the relationship at the stage when the relation is identified, by the human instruction), the artificial intelligence device is related. You will learn how to identify sex.
The relationship can be utilized when selecting an appropriate connection relationship at each thought stage from the connection relationship between the many-to-many connected patterns. The way of thinking transitions differs depending on whether you want to change the thought in the direction of the result and know the final result, or whether you want to change the thought in the direction of the cause and know the root cause that caused the event. This way of thinking transition can be controlled by what is selected for the relationship.
In the above description, it was shown that the relationship between sentences can be identified by human instruction or learning. The identified relationship is sequentially recorded at a location where the connection relationship (number of connections, connection destination, relationship) with each recording unit is recorded. When a series of sentences is input in this way, the sentence is not recorded alone but is recorded including the relationship between the sentence and the sentence.

図２はパターンの例について示している。入力した文は主部（主語と主語の修飾）および述部（述語と述語の修飾）に整理する。述語の修飾は、さらに、何を、いつ、どこで、なぜ、どのように実施したのかに整理する。このように整理して格納すると情報を検索する上で非常に有益である。入力した単語パターンは文内パターンとして格納される。単語と単語間の関係は分析され、文要素（主語、述語、修飾語）および修飾関係が分析される。
図３は語列から単語、品詞・意味、文要素、文要素間関係および修飾関係が逐次、識別されていく動作について示したものである。語が入力されると、語検出領域において、入力された語に対応（合致）する記録ユニットが起動する。語に対応する記録ユニットが逐次、起動していくと、語列に対応する単語が検出され、単語に対応する記録ユニットが起動する。各単語に対応する記録ユニットの接続関係記録部には、各単語に対応する語列との接続関係が生成されているので、パターン照射器において語列の履歴が照射されると、相関が大きいことが検出され、当該記録ユニットが起動する。単語パターンが起動すると、単語に対応する単語の品詞・意味のパターンが起動する。次に単語の品詞の出現パターンに応じて文要素および文要素間の修飾関係が検出される。修飾する単語が複数あり、修飾される単語と離れて位置し、どの単語がどの単語を修飾しているか品詞の順番だけで識別することが困難な場合は、単語の意味も使用した識別を実施する。（修飾する単語と修飾される単語の組合せの成立性を検出することにより識別することができる。）文要素間の関係（主語、述語、修飾関係）が識別されると、文要素間の関係が記録される。この関係から入力された文は、主部（主語と主語の修飾）および述部（述語と述語の修飾）に整理され、述語の修飾は、さらに、何を、いつ、どこで、なぜ、どのように実施したのかに整理され、文内パターンとして記録ユニット内に構造化した状態で格納される。FIG. 2 shows an example of a pattern. The input sentence is organized into a main part (subject and subject modification) and a predicate (predicate and predicate modification). The predicate modification further organizes what, when, where, why, and how. Organizing and storing in this way is very useful for retrieving information. The input word pattern is stored as an in-sentence pattern. Relationships between words are analyzed, sentence elements (subjects, predicates, modifiers) and modifier relationships are analyzed.
FIG. 3 shows an operation in which words, parts of speech / meanings, sentence elements, relations between sentence elements, and modification relations are sequentially identified from a word string. When a word is input, a recording unit corresponding to (matching) the input word is activated in the word detection area. When the recording unit corresponding to the word is sequentially activated, the word corresponding to the word string is detected, and the recording unit corresponding to the word is activated. In the connection relation recording unit of the recording unit corresponding to each word, since the connection relation with the word string corresponding to each word is generated, the correlation is large when the history of the word string is irradiated in the pattern irradiator. Is detected and the recording unit is activated. When the word pattern is activated, the part-of-speech / meaning pattern of the word corresponding to the word is activated. Next, the sentence element and the modification relationship between the sentence elements are detected according to the appearance pattern of the word part of speech. If there are multiple words to be modified, they are located apart from the word to be modified, and it is difficult to identify which word is modifying which word by order of part of speech, the identification is also performed using the meaning of the word To do. (It can be identified by detecting the feasibility of the combination of the word to be modified and the word to be modified.) When the relationship between the sentence elements (subject, predicate, modification relationship) is identified, the relationship between the sentence elements Is recorded. Sentences entered from this relationship are organized into a main part (subject and subject modification) and a predicate (predicate and predicate modification). The data is stored in a structured state in the recording unit as an in-sentence pattern.

次に入力した文がどのように分析され、記録ユニット内の文内パターンとして記録されるかについて説明する。
図４は時事文の例を示している。本文例を図３の処理により分析していく手順について示している。単語を検出すると、同時に単語の品詞および意味が分析される。品詞として名詞、動詞、形容詞、形容動詞、副詞、助詞等が識別される。名詞と助詞のタイプから主語の識別、修飾語の識別が実施される。修飾関係を逐次、トレースすることにより、主語の修飾、述語の修飾部を識別することができる。述語の修飾部として、何を（Ｏ）、いつ（Ｈ１）、どこで（Ｈ２）、なぜ（Ｈ３）、どのように（Ｈ４）実施したのかを識別する。これは各文要素の助詞を識別することにより、修飾関係の途中か、それとも各修飾の文要素の区切りかを識別することにより実施できる。以上に述べた分析により、主語の修飾、主語、述語の修飾部（何を、いつ、どこで、なぜ、どのように）、述語を識別することができる。
この分析結果は文内パターンの接続関係として定義され、図２における文内（単語）パターン接続情報として記録される。このような分析を実施することにより文が複文（文の中に文が存在し、単語の修飾等を実施する文）を厳密に解釈することができる。通常、文の中には複数の主語、述語、修飾語が存在する場合が多いが、どの主語と述語が主であり、その他のものが何を修飾しているのかを厳密に識別することができる。入力文に対しこの分析を実施することにより、文と文の関係を厳密に識別することができる。文の主語、述語、修飾語対応で比較することにより、多様な比較（形式的比較、意味的な比較、比較箇所の指定等）ができる。また、過去に記録している文から情報を検索する時に、どの情報（どのような、誰が、何を、いつ、どこで、なぜ、どのように、何をしたのか）を検索したいのかを指定することができるので、欲しい情報をダイレクトに検索することができる。Next, how the input sentence is analyzed and recorded as an in-sentence pattern in the recording unit will be described.
FIG. 4 shows an example of current affairs. A procedure for analyzing a text example by the processing of FIG. 3 is shown. When a word is detected, the part of speech and meaning of the word are analyzed at the same time. Nouns, verbs, adjectives, adjective verbs, adverbs, particles, etc. are identified as parts of speech. Subject identification and modifier identification are performed based on the type of noun and particle. By tracing the modification relationship sequentially, the modification of the subject and the modification part of the predicate can be identified. What is (O), when (H1), where (H2), why (H3), and how (H4) is implemented as a modifier of the predicate. This can be implemented by identifying the particle of each sentence element, and identifying whether it is in the middle of a modification relationship or a delimiter between sentence elements of each modification. Through the analysis described above, subject modification, subject, predicate modifier (what, when, where, why, how) and predicates can be identified.
This analysis result is defined as the connection relation of the in-sentence pattern, and is recorded as the in-sentence (word) pattern connection information in FIG. By performing such an analysis, it is possible to strictly interpret a sentence that is a compound sentence (a sentence in which a sentence exists and a word is modified). There are usually multiple subjects, predicates, and modifiers in a sentence, but it is important to identify exactly which subject and predicate are the main and what others are modifying. it can. By performing this analysis on the input sentence, the relation between sentences can be strictly identified. Various comparisons (formal comparison, semantic comparison, designation of comparison location, etc.) can be made by comparing sentence subjects, predicates, and modifiers. Also, specify what information (what, who, what, when, where, why, how, and what you want to search) when searching for information from sentences recorded in the past. You can search for the information you want directly.

次に欲しい情報を検索する方法について説明する。
質問文を上記で説明したように主語、主語の修飾、述語、述語の修飾（何を、いつ、どこで、なぜ、どのように）の形に変換する。この時、質問に対応する箇所については情報が
する検索パターンを生成することができる。また質問の回答として期待する文要素が何なのか（主語、主語の修飾部、述語、述語の修飾部）について検索パターンに設定する。こ
から生成した検索パターンをパターン記録器に照射し、相関があるパターンを検索する。
が、あれば回答の候補となる。複文の場合は質問に対応する述語の階層が重要である。つまり、検索パターンを照射し、関連パターンを検索した時に、質問に対応する述語が起動した階層から回答を抽出することが重要である。複文で述語が複数、存在する場合に、どの述語に対応する回答を期待しているのかを識別する必要がある。Next, a method for searching for desired information will be described.
The question sentence is transformed into the subject, subject modification, predicate, predicate modification (what, when, where, why, how) as described above. At this time, information about the part corresponding to the question
A search pattern to be generated can be generated. In addition, the search pattern is set as to what sentence element is expected as the answer to the question (subject, subject modifier, predicate, predicate modifier). This
The search pattern generated from the above is irradiated onto the pattern recorder, and a pattern having a correlation is searched.
If there is, it becomes a candidate for an answer. In the case of compound sentences, the hierarchy of predicates corresponding to the questions is important. In other words, it is important to extract the answer from the hierarchy where the predicate corresponding to the question is activated when the search pattern is irradiated and the related pattern is searched. When multiple predicates exist in a compound sentence, it is necessary to identify which predicate is expected to be answered.

人間の思考を表現する言語をパターンに変換し、パターンおよびパターン間の関係を分析すると、文の種類（平常文、疑問文、命令文、条件文等）、特徴（真理、真実、事実、定義、規則、常識、説明、仮説、予測、意見、感想）および関係（原因と結果、事象と理由、説明と結論、概略と詳細等）を識別することができる。文の種類および特徴は人間が識別できるように、機械にも識別を学習させることが可能である。文の種類は文に含まれる単語を分析することにより、平常文、疑問文、命令文、条件文等の識別が可能である。文の特徴のうち、真理、真実、事実、定義、規則、常識、善悪については個々に関して人間が教示して機械に学習させる。これは各情報を機械に入力する際に、個々の情報の種類（真理、真実、事実、定義、規則、常識）についても識別し、付帯情報を付加して記録することにより実施できる。その他の情報の種類（説明、仮説、予測、意見、感想）の識別は文の種類が（真理、真実、事実、定義、規則、常識）として記録されていないことと、文に含まれる単語（だろう、考える、思う・・等）を分析することにより実施することができる。  By converting the language that expresses human thought into patterns and analyzing the relationships between patterns and patterns, sentence types (normal sentences, question sentences, imperative sentences, conditional sentences, etc.), features (truth, truth, facts, definitions) , Rules, common sense, explanations, hypotheses, predictions, opinions, impressions) and relationships (causes and consequences, events and reasons, explanations and conclusions, outlines and details, etc.). Sentence types can be trained by machines so that humans can identify the types and characteristics of sentences. The sentence type can be identified as a normal sentence, a question sentence, a command sentence, a conditional sentence, etc. by analyzing words included in the sentence. Of the features of the sentence, truth, truth, facts, definitions, rules, common sense, and good and evil are taught by humans for each individual to let the machine learn. This can be done by identifying each information type (truth, truth, fact, definition, rule, common sense) and recording it with additional information when each information is input to the machine. Identification of other types of information (explanation, hypothesis, prediction, opinion, impression) is that the sentence type is not recorded as (truth, truth, fact, definition, rule, common sense) and the word ( I think, think, think, etc.) can be implemented by analyzing.

言語をパターンに変換し、文を構成する単語に対応するパターンの集合として表現し、単語間の意味的な関係をパターンとパターンとの接続関係で表現すると、文のもつ意味をパターンとパターンの接続関係で表現することができる。入力した情報は語列から単語の識別、単語の特徴（品詞、意味）、文要素の分析、文の構造分析（主語、述語、主語の修飾、述語の修飾、修飾の関係）、文要素と文要素の関係分析（同じ意味、定義、反対の意味等）が実施され、文要素と文要素の関係をパターンとパターンの接続関係として対応付けることにより、情報と情報の意味の関係をパターンとパターンの接続関係に変換していく。パターンとパターンの関係は文要素と文要素だけでなく、文と文、文章と文章の関係についても設定することができる。これは、パターンをグループ化したものを新たなパターンとして定義することにより実施できる。パターンとパターンの関係（原因と結果、事象と理由、説明と結論、概略と詳細等）を示す特徴的な単語を検出すると、該当するパターン間に対応する関係を自律的に記録する。この記録されたパターン間の関係はパターン間の遷移を制御する際に活用する。
パターンとパターンの接続関係は論理関係、定義、帰属の関係、類似の関係、作用と結果の関係、推論の展開等、様々な関係を表現することが可能であり、また属性の継承、共通的特徴の継承と個々の特徴の識別ということも柔軟に表現することができる。
このように情報と情報の関係をパターンとパターンとの接続関係として設定していくことにより、情報は単独の状態で記録するのではなく、他の情報との関係をもった知識体系として記録することが可能となる。If the language is converted into a pattern and expressed as a set of patterns corresponding to the words that make up the sentence, and the semantic relationship between words is expressed by the connection relationship between the patterns, the meaning of the sentence is expressed between the patterns and the patterns. It can be expressed as a connection relationship. Input information includes word identification, word characteristics (part of speech, meaning), sentence element analysis, sentence structure analysis (subject, predicate, subject modification, predicate modification, modification relationship), sentence elements and Sentence element relationship analysis (same meaning, definition, opposite meaning, etc.) is performed, and the relationship between the sentence element and the sentence element is associated as a connection relationship between the pattern and the pattern, so that the relationship between the information and the meaning of the information is the pattern and the pattern It will be converted into a connection relationship. The relationship between patterns can be set not only for sentence elements and sentence elements but also for sentences and sentences, and sentences and sentences. This can be done by defining a group of patterns as a new pattern. When a characteristic word indicating a pattern-pattern relationship (cause and result, event and reason, explanation and conclusion, outline and details, etc.) is detected, the corresponding relationship between the corresponding patterns is recorded autonomously. The relationship between the recorded patterns is utilized when controlling the transition between patterns.
The connection relation between patterns can express various relations such as logical relation, definition, attribution relation, similar relation, relation between action and result, inference development, inheritance of attributes, common Feature inheritance and identification of individual features can also be expressed flexibly.
By setting the information-information relationship as a pattern-to-pattern connection relationship in this way, information is not recorded as a single state, but as a knowledge system that has relationships with other information. It becomes possible.

情報と情報の関係は多岐の関係を有することになるが、情報間の関係（同じ意味、定義、反対の意味、類似、論理、原因、結果、詳細、概略、要約、関連情報等）をパターンの各処理フェーズ（思考プロセスの段階に対応）において適切なものを選択することにより、パターンからパターンの遷移を適切かつ有意に制御することができる。
情報が入力されると情報に含まれている単語から意味を分析し、情報と等価な意味を示すパターンを生成する。このパターンは文の主語、述語、主語の修飾、述語の修飾、修飾関係を維持した状態で生成する。この生成したパターンを使って記録されているパターンと照合を行い、関連するパターンが存在するか否かの分析を行う。このように意味レベルで情報の検索を行うことができるので、文言が一致しなくても内容的の関連のある情報を検索することが可能となる。所謂、連想記憶システムでの検索が可能である。
新規に入力した情報は既に記録している知識体系と照合し、整合性および新規性について評価することができる。真理、真実、事実、定義、規則および常識として識別し、記録している情報と整合しない場合は、その情報は誤っている可能性が高い。一方、整合しているか整合していないかの判断ができない場合は、その情報を判断できるだけの知識が未だ蓄えられていないと考えられるため、人間の判断を求めることにする。人間がその情報は正しいと判断できる場合は、その結果を機械に通知することとする。機械はその情報を説明または仮説という位置づけで記録し、将来的に別の情報を得ることにより、真理、真実、事実、定義、規則および常識の組合せで論理展開できた時に、評価を実施した信頼性の高い情報として識別し、記録することとする。
このように、情報をパターンに変換し、情報の種類、特徴を識別、分類して記録し、情報と情報の関係（論理的な関係、類似関係、相反関係、類推等、様々な関係）をパターンとパターンの接続関係として表現することにより、情報を知識体系として構築することができる。The relationship between information has various relationships, but the relationship between information (same meaning, definition, opposite meaning, similarity, logic, cause, result, detail, summary, summary, related information, etc.) By selecting an appropriate one in each processing phase (corresponding to the stage of the thinking process), it is possible to appropriately and significantly control pattern transition from pattern to pattern.
When information is input, a meaning is analyzed from words included in the information, and a pattern indicating a meaning equivalent to the information is generated. This pattern is generated while maintaining the sentence subject, predicate, subject modification, predicate modification, and modification relationship. The generated pattern is used for collation with the recorded pattern, and an analysis is performed as to whether or not there is a related pattern. Since information can be searched at the semantic level in this way, it is possible to search for information related to the contents even if the words do not match. A so-called associative memory system search is possible.
The newly entered information can be checked against the already recorded knowledge system and evaluated for consistency and novelty. Information that is identified as truth, truth, facts, definitions, rules and common sense and is not consistent with the information recorded is likely to be incorrect. On the other hand, if it is not possible to judge whether the information is consistent or not, it is considered that knowledge sufficient to determine the information has not yet been stored, and therefore human judgment is required. If humans can judge that the information is correct, the result will be notified to the machine. The machine records the information as an explanation or hypothesis, and obtains other information in the future. It shall be identified and recorded as highly reliable information.
In this way, information is converted into patterns, information types and characteristics are identified, classified and recorded, and information-information relationships (logical relationships, similar relationships, reciprocal relationships, analogies, etc.) Information can be constructed as a knowledge system by expressing the connection relationship between patterns.

図５は入力情報をどのように評価するかについて示したものである。第１段階では情報の信頼性評価を実施する。これは情報源（いつ、誰、何処からの情報か？）の信頼性を確認することにより実施可能である。
第２段階では情報の分野／テーマ分析を実施する。これは情報に含まれている単語から分野／テーマについて検出することが可能である。
第３段階では情報の種類識別を実施する。入力情報の種類の内、真理、真実、事実、定義、規則、常識、善悪については人間からの指定に従うこととする。説明、仮説、予測、意見、感想等については情報に含まれる単語（だろう、思う、考える・・等）から識別することが可能である。平常文、疑問文、命令文、条件文、感嘆文の識別についても含まれる単語から実施することが可能である。
第４段階では関心度評価を実施する。関心ある情報の分野／テーマを事前に設定しておき、情報の分野／テーマ分析結果と照合し合致するか否かを確認することにより評価することが可能である。
第５段階では新規性評価を実施する。これは入力情報および入力情報と意味的に等価なパターンを記録領域に照射し、関連するパターンの有無を確認する。関連するパターンが検出された場合はパターン間の相違点について比較し、新規パターンが有るか否かを評価することにより実施可能である。
第６段階では妥当性評価を実施する。これは入力情報と関連情報のパターンを単語間関係について定義した記録領域に照射し、文要素毎に整合、不整合を評価する。不整合が検出された場合は、入力情報と関連情報の信頼性（真理、真実、事実、定義、規則、常識、善悪、情報源の信頼度）を評価し、信頼性の高いものを優先的に採用し記録することとする。また、規則、常識、道徳等に反する情報は人工知能装置の知識体系に組み込まず棄却する。FIG. 5 shows how input information is evaluated. In the first stage, information reliability is evaluated. This can be done by checking the reliability of the information source (when, who, where from?).
In the second stage, an information field / theme analysis is performed. It is possible to detect the field / theme from the words included in the information.
In the third stage, information type identification is performed. Among the types of input information, truth, truth, facts, definitions, rules, common sense, good and evil shall be specified by humans. Explanations, hypotheses, predictions, opinions, impressions, etc. can be identified from the words (I think, think, think ...) included in the information. Identification of ordinary sentences, question sentences, command sentences, conditional sentences, and exclamation sentences can also be performed from included words.
In the fourth stage, the interest level is evaluated. It is possible to evaluate by setting a field / theme of the information of interest in advance and checking whether or not it matches with the field / theme analysis result of the information.
In the fifth stage, novelty evaluation is conducted. This irradiates the recording area with input information and a pattern that is semantically equivalent to the input information, and confirms the presence or absence of a related pattern. When a related pattern is detected, it can be implemented by comparing the differences between the patterns and evaluating whether or not there is a new pattern.
In the sixth stage, validity evaluation is performed. This irradiates the recording area where the relation between words is defined with the pattern of the input information and the related information, and evaluates the consistency and inconsistency for each sentence element. If inconsistencies are detected, the reliability of input information and related information (truth, truth, fact, definition, rules, common sense, good and evil, reliability of information source) is evaluated, and the one with high reliability is given priority. Will be adopted and recorded. Information that violates rules, common sense, morals, etc. is rejected without being incorporated into the knowledge system of the artificial intelligence device.

図６〜図１０は入力情報を評価し知識体系として構築する動作例について示したものである。図６は情報の信頼性、分野、テーマ、関心度について分析する動作例を示している。図７において入力情報のパターンが［ＰＡ］であるとすると、［ＰＡ］のパターンが単語の意味等を格納した記録領域に照射され、該当する単語の意味が検索される。この検索を文構造（主語、述語、主語の修飾、述語の修飾）に対応づけて実施することにより、入力情報と意味的に等価なパターンを生成することができる。この意味的に等価なパターンを［ＰＡ＃］と表現することにする。入力情報から関連情報を検索する場合、数々の検索方法を使用することができる。入力情報と厳密に一致する情報、意味的に等価な情報、一部が一致する情報等、検索の目的により選択することが可能である。
図８は意味的に等価なパターン［ＰＡ＃］を照射し、関連する情報として［ＰＢ］が検出されたことを示している。［ＰＢ］に関しても同様に意味分析をすることにより、意味的に等価なパターン［ＰＢ＃］を生成することができる。
図９は入力情報と既に記録している関連情報との関係について分析について示している。［ＰＡ＃］と［ＰＢ＃］の差異から一致するパターン、異なるパターンを抽出することができる。また［ＰＡ＃］と［ＰＢ＃］を単語間の関係定義（等価、類似、反対等）している記録領域に照射することにより、意味的な相違点について検出することができる。
単語間の関係定義された記録領域では各単語間の関係が接続関係により識別されている。このため、入力情報が起動した単語と、関連情報が起動した単語が意味的に同じであれば、同じ意味を示すパターンが起動し、意味が同じであるとの識別ができる。逆に入力情報が起動した単語と、関連情報が起動した単語が意味的に反対であれば、反対の意味を示すパターンが起動し、意味が反対であるとの識別ができる。図１０は入力情報の安全性および有用性を評価し、安全で有用であると評価された場合は情報の種類、分野、テーマ、関心度等の識別結果を付帯情報として追加し、所定の記録領域に記録する動作を示している。6 to 10 show examples of operations for evaluating input information and constructing it as a knowledge system. FIG. 6 shows an operation example for analyzing information reliability, field, theme and interest level. In FIG. 7, if the pattern of input information is [PA], the pattern of [PA] is irradiated to the recording area storing the meaning of the word and the meaning of the corresponding word is searched. By performing this search in association with the sentence structure (subject, predicate, subject modification, predicate modification), a pattern that is semantically equivalent to the input information can be generated. This semantically equivalent pattern is expressed as [PA #]. When retrieving related information from input information, a number of retrieval methods can be used. Information that exactly matches the input information, information that is semantically equivalent, information that partially matches, etc. can be selected depending on the purpose of the search.
FIG. 8 shows that a semantically equivalent pattern [PA #] is emitted and [PB] is detected as related information. Similarly, semantic analysis is performed on [PB] to generate a semantically equivalent pattern [PB #].
FIG. 9 shows the analysis of the relationship between the input information and the related information already recorded. A matching pattern or a different pattern can be extracted from the difference between [PA #] and [PB #]. Further, it is possible to detect a semantic difference by irradiating a recording area in which the relationship between words is defined (equivalent, similar, opposite, etc.) with [PA #] and [PB #].
In the recording area where the relationship between the words is defined, the relationship between the words is identified by the connection relationship. For this reason, if the word in which the input information is activated and the word in which the related information is activated are semantically the same, the pattern indicating the same meaning is activated and it can be identified that the meaning is the same. On the other hand, if the word in which the input information is activated and the word in which the related information is activated are semantically opposite, a pattern indicating the opposite meaning is activated and it can be identified that the meaning is opposite. FIG. 10 evaluates the safety and usefulness of the input information. If the input information is evaluated as safe and useful, identification results such as the type of information, field, theme, and interest level are added as incidental information, and a predetermined record The operation of recording in the area is shown.

このように情報を知識体系として構築すると、知識体系を活用した問題解決が可能となる。まず、問題について知識体系を活用して分析し問題点の明確化および問題解決の目標を設定する。次に問題点を解決するための解決策案を抽出し適用する。適用後の状況を評価し、問題解決の目標に到達すれば処理としては完了になる。問題解決の目標に到達していなければ、再度新しい状態に対し、上記のプロセスを適用し、問題解決の目標に近づけていく。
問題の分析および問題点の明確化に関しても目標とする状態と現状の差異を検出、識別する方法を学習することにより実施する。また、各問題に対応する解決策案も対応する処理を学習することにより実施する。学習はパターンの遷移の履歴を記録することにより行う。人間が教示した内容はパターンからパターンへの遷移として記録される。
学習が進むと、教示したプロセスはパターンからパターンへの遷移として自律的に実行され、教示した内容が実行されることになる。If information is constructed as a knowledge system in this way, problem solving using the knowledge system becomes possible. First, the problem is analyzed using the knowledge system, the problem is clarified, and the goal of problem solving is set. Next, a solution plan for solving the problem is extracted and applied. The situation after application is evaluated, and if the goal of problem solving is reached, the process is completed. If the problem solving goal has not been reached, the above process is applied again to the new state to bring it closer to the problem solving goal.
The problem analysis and problem clarification are also implemented by learning how to detect and identify the difference between the target state and the current situation. Moreover, the solution proposal corresponding to each problem is implemented by learning the corresponding processing. Learning is performed by recording a history of pattern transitions. The content taught by humans is recorded as a transition from pattern to pattern.
As learning progresses, the taught process is autonomously executed as a transition from pattern to pattern, and the taught content is executed.

人間の思考パターンの遷移は条件により遷移先が変わるという観点から、一般的に条件付き処理として表現することができる。本発明では言語の意味を解釈し、必要に応じて自律的に条件付処理に変換する。条件つき処理の条件の詳細については、該当する言語から検索用のパターンを生成し、自律的に検索する。検索した情報が条件を満足するか否かの判断を実施し、満足する場合は該当する処理の実行を行う。人間が知識として使用している問題解決策を、そのまま言語として入力しても、その意味を逐次、解釈し条件付処理を自律的に進めていき問題を解決していく。処理の途中で新規の情報が必要な場合は、その情報要求を通知し、該当の情報が獲得されると、その内容に応じた処理を実施する。
学習フェーズにおいては、パターンが起動すると、そのパターンが起動する以前の設定した期間において起動したパターンの履歴が参照され、起動したパターンとの接続関係が強化される。実用フェーズにおいては、記録した起動履歴の一部のデータを使用して各記録ユニットに記録した起動の条件と合致するか確認し、起動の条件と合致した記録ユニットを起動する。パターンが起動すると、起動パターンの履歴が更新され、新しい状態において上記の処理を実施し、各記録ユニットに記録した起動の条件と合致するか確認し、起動の条件と合致した記録ユニットを逐次、起動し処理に関する情報を自律的に検索していく。The transition of human thought patterns can be generally expressed as a conditional process from the viewpoint that the transition destination changes depending on the condition. In the present invention, the meaning of the language is interpreted and autonomously converted into conditional processing as necessary. As for the details of the conditional processing conditions, a search pattern is generated from the corresponding language, and the search is performed autonomously. Judgment is made as to whether or not the retrieved information satisfies the condition, and if satisfied, the corresponding processing is executed. Even if a problem solution that humans use as knowledge is input as a language as it is, the meaning is sequentially interpreted and conditional processing proceeds autonomously to solve the problem. When new information is required during the process, the information request is notified, and when the corresponding information is acquired, the process according to the content is performed.
In the learning phase, when a pattern is activated, the history of the pattern activated in the set period before the pattern is activated is referred to, and the connection relationship with the activated pattern is strengthened. In the practical phase, a part of the recorded start history is used to check whether the start condition recorded in each recording unit is met, and the record unit that matches the start condition is started. When the pattern is activated, the history of the activation pattern is updated, the above processing is performed in a new state, whether the activation conditions recorded in each recording unit are met, and the recording units that match the activation conditions are sequentially Start and autonomously search for information about processing.

この様に、学習フェーズにおいて人間の指示により処理に対応する一連のパターンを逐次、起動していき、その履歴を記録することにより、指示された手順に従って、該当のパターンが起動していく。パターンの動作は静的なものではなく、動的な挙動を示す。パターン内に記録している内部パターンを使用して、必要な情報を検索し、検索結果を必要な場所に格納することができる。パターン検出して必要なプログラムを起動し、処理結果を記録領域に格納することができる。また、パターンに記録している内部パターンを指定された配置に変換する等の処理も可能である。この様なダイナミックな挙動をするパターンを組み合わせることにより、数々の処理（数式処理、化学式処理、翻訳等）を実施させることができる。パターンはプログラミング言語における関数の機能を包含している。
本機械への教示はプログラミングすることなく、自然言語を逐次、入力していくことにより実施できる。入力した言語情報は構文、意味、既に記録されている情報との関係が分析され、分析結果に応じて、対応するパターンが起動し、処理が実行される。入力情報の価値評価と記録、指示された命令の実行、問題・課題に対する解決策の生成等、数々の処理の実施が可能である。
本機械の全体動作はパターン制御器にて管理する。各パターンの遷移サイクルで、情報入力、情報分析（文の種類、構文、意味等）、情報評価（新規性、信頼性、妥当性、有用性等）および情報処理（問題・課題の解決策の生成、記録、情報出力等）を実施する。In this manner, in the learning phase, a series of patterns corresponding to processing is sequentially activated by a human instruction, and by recording the history, the corresponding pattern is activated according to the instructed procedure. The behavior of the pattern is not static but shows dynamic behavior. Using the internal pattern recorded in the pattern, it is possible to search for necessary information and store the search result in a required place. A necessary program can be started by detecting a pattern, and the processing result can be stored in the recording area. Also, it is possible to perform processing such as converting the internal pattern recorded in the pattern into a designated arrangement. Numerous processes (formula processing, chemical formula processing, translation, etc.) can be performed by combining patterns having such dynamic behavior. A pattern encompasses the functionality of a function in a programming language.
Teaching to this machine can be performed by inputting natural language sequentially without programming. The input language information is analyzed for syntax, meaning, and relationship with already recorded information, and a corresponding pattern is activated and processing is executed according to the analysis result. Numerous processes such as value evaluation and recording of input information, execution of instructed instructions, and generation of solutions to problems / issues are possible.
The overall operation of this machine is managed by the pattern controller. In each pattern transition cycle, information input, information analysis (sentence type, syntax, meaning, etc.), information evaluation (novelty, reliability, validity, usefulness, etc.) and information processing (problem / problem solution) Generation, recording, information output, etc.).

図１１は指示内容の実行例について示したものである。入力文（言語）から条件付き処理を識別し、自律的に条件の成立性を確認しながら処理を実行していく動作について示したものである。入力文を分析することにより、入力文に対応するパターンから条件に対応する文内パターンを抽出し条件検索のための検索パターン［ＰＱ］を生成する。検索パターン［ＰＱ］パターン記録器に照射することにより検索パターンの中の条件に対応するパタ
る情報を記録しておく。仮にパターン記録器内に条件に関する情報が記録されていない場合は、その旨を通知し、情報の追加入力を要求する。
条件に対応する情報が検索されると、この情報と入力文で記載されている条件との照合を実施する。照合結果が合致するか、否かに応じて処理を決定する。照合が合致した場合は、入力文に記載されている処理に対応するパターンを起動し、処理を実行する。FIG. 11 shows an execution example of the instruction content. It shows the operation of identifying a conditional process from an input sentence (language) and executing the process autonomously while confirming the establishment of the condition. By analyzing the input sentence, an in-sentence pattern corresponding to the condition is extracted from the pattern corresponding to the input sentence, and a search pattern [PQ] for the condition search is generated. Pattern corresponding to the condition in the search pattern by irradiating the search pattern [PQ] pattern recorder
Record the information. If no information on the condition is recorded in the pattern recorder, the fact is notified and an additional input of information is requested.
When information corresponding to the condition is retrieved, the information is collated with the condition described in the input sentence. Processing is determined depending on whether or not the collation results match. When the collation matches, the pattern corresponding to the process described in the input sentence is activated and the process is executed.

図１２は入力した言語（質問）を分析し、自律的に質問に対する回答を生成する動作について示したものである。入力した文が質問であることを検出すると、入力文に含まれている文内パターンから質問に対応する検索パターンを生成する。入力文は既に主語、述語、主語の修飾、述語の修飾（何を、いつ、どこで、なぜ、どのように）について分析されているので、検索パターンは文要素の内、どの箇所の情報が質問の対象となっているかを識別できる。この識別結果から検索パターンを生成する。次に検索パターンをパターン記録器に照射し、関連情報を検索する。検索パターン照射により相関を示したパターンの内、検索パターンと最も高い相関を示し、質問の対象としている箇所に情報を有したパターンを検索結果として格納する。必要に応じて、検索結果が期待している回答の条件を満足しているか確認する処理を追加する。検索結果および検索パターンから質問に対する回答に対応するパターンが生成され出力される。パターンはパターン逆変換器において情報（言語）に変換し出力する。また質問に対する回答も知識体系から関連情報を検索して生成するのみならず、質問の意味を解釈した上で関連情報を検索し、検索したデータを処理することにより質問の回答を生成するというより知能的な回答を生成することができる。これは質問のタイプを識別し、質問の回答に対応する情報を検索し、質問の回答に対応する情報が無い場合には、質問の回答に対応する情報を生成するプログラムを自律的に起動し処理を行うことにより実現できる。質問の回答に対応する情報を生成するための情報を知識体系から検索し、その情報が無ければ、さらにその情報を生成するためのプログラムを起動して必要な情報を生成していくという逐次処理を行うことにより実現する。  FIG. 12 shows an operation of analyzing an input language (question) and generating an answer to the question autonomously. When it is detected that the input sentence is a question, a search pattern corresponding to the question is generated from the in-sentence pattern included in the input sentence. Since the input sentence has already been analyzed for the subject, predicate, subject modification, predicate modification (what, when, where, why, how), the search pattern asks what information in the sentence element Can be identified. A search pattern is generated from the identification result. Next, the search pattern is irradiated to the pattern recorder, and related information is searched. Of the patterns that show correlation by irradiation of the search pattern, the pattern that shows the highest correlation with the search pattern and has information at the location of the question is stored as the search result. If necessary, add a process to check whether the search result satisfies the expected answer condition. A pattern corresponding to the answer to the question is generated and output from the search result and the search pattern. The pattern is converted into information (language) by a pattern inverse converter and output. Answers to questions are generated not only by searching related information from the knowledge system, but also by searching related information after interpreting the meaning of the question and generating the answers to the question by processing the searched data Intelligent answers can be generated. This identifies the type of question, searches for information corresponding to the answer to the question, and if there is no information corresponding to the answer to the question, it autonomously launches a program that generates information corresponding to the question answer. This can be realized by processing. Sequential processing of retrieving information for generating information corresponding to the answer of the question from the knowledge system, and if there is no such information, launching a program for generating that information and generating the necessary information It is realized by doing.

図１３は起動したパターンの履歴がパターン照射器に記録される動作について示している。ある記録ユニットが起動すると、それ以前に起動したパターンの履歴のデータから当該パターンとの接続関係のデータを生成して当該パターンの記録ユニットの接続関係記録部に記録し、起動に関連するパターンとの接続関係が強化する動作について示している。パターン照射器は現時点から設定した過去までの起動パターンの履歴のデータと各記録ユニットの接続関係記録部に記録した接続関係のデータとを照合させ、相関が大きい記録ユニットを起動する。図１４は起動のパターンが繰り返し出現すると、該当するパターンとパターンとの接続関係が強化される動作について示している。
上記に述べた動作により起動したパターンとパターンの接続関係が強化され学習が進んでいく。学習データを逐次、入力していくと各学習データに対応するパターンとパターンとの接続関係が強化していき学習データ間の接続関係が知識体系の中に生成されていく。学習が進んだ段階で一部の学習データを入力すると知識体系に生成された学習データに対応するパターン間の接続関係に沿ってパターンが遷移し、学習した内容が想起されていく。つまり、あるテーマに関するキーワードを入力することにより学習した関連情報が逐次、検索することが可能となる。学習データの遷移先が複数の場合は、何を知りたいのかという目標に応じてパターン間の接続関係の関係性を選択することにより、複数の関連情報の中から欲しい情報を絞っていくことができる。
次に入力情報の一般化について説明する。入力した文に含まれる単語の一部の特徴抽出および一般化を実施する。例えば、文中に出現する固有名詞は人物Ａ、人物Ｂ、物Ｃ、物Ｄというように一般化する。逐次、文をパターンに変換し、変換したパターンを起動していく。この時、一般化したパターンも逐次、起動していくことになる。情報を数多く入力していくことにより、文を構成する特定のパターンとパターンの間の接続関係が強化されていく。入力した文は近傍の文と関係を有している。この関係は文を構成する単語と単語の関係で表現されるので、同じ関係は同一の単語間または類似の単語間の組合せで表現される場合が多い。文のパターンが起動する毎に、文に含まれる単語が起動するが、固有名詞等を一般化することにより、一般化した人物と人物または物との関係が強調されることになり、同様の単語、文が出現する頻度が、固有名詞で表現した場合より多くなる。
この効果により固有名詞に依存しない対象間の関係が抽出されることになる。また単語の意味、特徴等を起動すると、個々の単語間の関係では無く単語の特徴間の関係が強化され特徴面からの一般化が可能となる。この関係は特定のパターンとパターンとの接続関係が強化するため検出することができる。特に多くの文例から強化された関係は、一般性を有しており、常識または一般的な考え方に対応するものが抽出される。この常識または一般的な考え方は入力する文章群に依存する。つまり、ある文化に対応する文章群を入力すると、その文化に応じた常識または一般的な考え方が抽出されることになる。同一文化での文章群を入力した場合は考え方が同等と考えられるため、同一文化での多数により強化された考え方が抽出されることになる。図１５は入力文の一部の単語を一般化または特徴抽出したパターンを生成し、一般化したパターンを逐次入力していき一般化した単語に対応するパターン間の接続関係を強化することにより常識および一般的な考え方を構築する動作例について示したものである。
同様に数々の問題とその解決策について一部の単語の特徴抽出および一般化を実施して動作させることにより、問題とその解決策について一般化した関係を抽出することができる。情報入力による学習が進行すると本機械は類似の問題に対して解決方法を自律的に生成することができるようになる。図１６は問題および解決策のパターンを一般化して入力しパターン間の接続関係を強化することにより問題および解決策を一般化する動作例について示している。FIG. 13 shows an operation in which the history of the activated pattern is recorded in the pattern irradiator. When a certain recording unit is activated, connection relation data with the pattern is generated from the history data of the pattern activated before that, and recorded in the connection relation recording unit of the recording unit of the pattern. It shows the operation that strengthens the connection relationship. The pattern irradiator collates the history data of the activation pattern set from the present to the past with the connection relationship data recorded in the connection relationship recording unit of each recording unit, and activates the recording unit having a large correlation. FIG. 14 shows an operation of strengthening the connection relationship between the corresponding patterns when the activation pattern repeatedly appears.
The connection relationship between the pattern activated by the above-described operation is strengthened, and learning proceeds. As learning data is sequentially input, the connection relationship between patterns corresponding to each learning data is strengthened, and a connection relationship between learning data is generated in the knowledge system. When a part of the learning data is input at the stage of learning, the pattern transitions along the connection relation between the patterns corresponding to the learning data generated in the knowledge system, and the learned content is recalled. That is, it becomes possible to sequentially search related information learned by inputting a keyword related to a certain theme. When there are multiple transition destinations of learning data, it is possible to narrow down the desired information from multiple related information by selecting the connection relationship between patterns according to the goal of what you want to know it can.
Next, generalization of input information will be described. Feature extraction and generalization of a part of words included in the input sentence is performed. For example, proper nouns appearing in sentences are generalized as person A, person B, object C, object D. Sequentially, sentences are converted into patterns, and the converted patterns are activated. At this time, generalized patterns are also activated sequentially. By inputting a lot of information, the connection between specific patterns constituting a sentence is strengthened. The input sentence has a relationship with a nearby sentence. Since this relationship is expressed by the relationship between words constituting a sentence, the same relationship is often expressed by a combination between the same words or similar words. Each time a sentence pattern is activated, a word included in the sentence is activated. By generalizing proper nouns, etc., the relationship between the generalized person and the person or thing is emphasized. Words and sentences appear more frequently than when they are expressed with proper nouns.
With this effect, the relationship between objects that does not depend on proper nouns is extracted. In addition, when the meaning, features, etc. of the word are activated, the relationship between the features of the word rather than the relationship between the individual words is strengthened, and generalization from the feature side becomes possible. This relationship can be detected because the connection relationship between specific patterns is strengthened. In particular, relationships strengthened from many sentence examples have generality, and those corresponding to common sense or general ideas are extracted. This common sense or general idea depends on the text group to be entered. That is, when a sentence group corresponding to a certain culture is input, common sense or a general idea corresponding to the culture is extracted. When a group of sentences in the same culture is input, the way of thinking is considered to be equivalent, so that a way of thinking strengthened by many in the same culture is extracted. FIG. 15 shows a common sense by generating a pattern in which some words of an input sentence are generalized or feature extracted, and by sequentially inputting the generalized pattern and strengthening the connection relation between the patterns corresponding to the generalized words. In addition, an operation example for constructing a general idea is shown.
Similarly, by extracting and generalizing the characteristics of some words for a number of problems and their solutions and operating them, a generalized relationship between the problems and their solutions can be extracted. As learning by information input progresses, this machine can autonomously generate a solution to a similar problem. FIG. 16 shows an operation example in which a problem and a solution pattern are generalized and input, and a problem and a solution are generalized by strengthening a connection relation between the patterns.

図１７〜図２０は入力した言語を変換したパターンを使用することにより、プログラミング無しで直接的に処理を実行する動作例について示している。図１７は入力文を文の種類を検出する記録領域に照射し、文の種類（平常文、疑問文、命令文、条件文）を識別し、文の種類に応じた処理シーケンスを呼び出す動作例について示している。図１８は条件付処理に対応する入力文（言語）が入力すると、条件の成立性について確認するパターンを起動することにより、条件に対応する情報を自律的に検索し、検索した情報を入力文に記載されている条件と照合した際に、合致すれば対応する処理を実行する動作について示している。図１９は言語で記録されている知識を活用し問題を自律的に解決していく動作例について示している。対象の状態を示すパターンを呼び出し、目標の状態との差異を検出する。差異を示すパターンから原因・課題を分析するパターンおよび対応する対応策のパターンを起動する。対応策に対応するパターンを実行し状態が変化すると、変化した状態について目標の状態に到達するまで上記の処理を繰り返す。
図２０は情報を条件部と処理部に識別し文構造として整理した状態でパターン記録器に記録する動作例について示したものである。情報の単語を分析することにより情報の条件部と処理部を識別することができる。例えば、「Ａ」「が」「Ｂ」「の時」「Ｃ」「を実施せよ」という文では［「Ａ」「が」「Ｂ」「の時」］が条件部であり、［「Ｃ」「を実施せよ」］は処理部である。また、「Ａ」「が」「Ｂ」「なら」「Ｃ」「は」「Ｄ」「である」という文では［「Ａ」「が」「Ｂ」「なら」］が条件部であり、［「Ｃ」「は」「Ｄ」「である」］は処理部である。
このように文を条件部と処理部に分け、条件付処理のパターン間接続を有した構造に変換する。また、条件部のパターンが起動すると、自律的に条件部が成立しているか否かを確認する処理を起動するようにする。このように文を条件付き処理の構造を有したパターンに変換すると、条件付処理で表現できる文が逐次、条件の成立性を確認しながら処理を進めていくという能動的な思考動作を実現することができる。一般的に人間の問題解決、行動決定は条件付処理で表現することができる。人間の問題解決策および行動決定策を言語（文）で入力することにより本機械は自律的に条件付処理に変換した上で、条件の成立性を確認しながら処理を進めていくという動作が可能となる。人間の問題解決および行動決定に相当する動作をプログラミングすることなく言語（文）で表現された知識（問題解決および行動決定に関する手順および思考方法）を入力することにより、人間が思考により問題解決または行動決定するように問題解決または行動決定を実施することが可能となる。FIG. 17 to FIG. 20 show an operation example in which processing is directly executed without programming by using a pattern obtained by converting an input language. FIG. 17 shows an operation example in which an input sentence is irradiated onto a recording area for detecting a sentence type, the sentence type (normal sentence, question sentence, command sentence, conditional sentence) is identified, and a processing sequence corresponding to the sentence type is called. Shows about. In FIG. 18, when an input sentence (language) corresponding to a conditional process is input, a pattern for confirming the validity of the condition is activated to autonomously search for information corresponding to the condition, and the searched information is input to the input sentence. When matching with the conditions described in (1), an operation for executing the corresponding process if it matches is shown. FIG. 19 shows an operation example in which knowledge recorded in a language is used to solve a problem autonomously. A pattern indicating the target state is called to detect a difference from the target state. A pattern for analyzing the cause / problem and a corresponding countermeasure pattern are activated from the pattern showing the difference. When the pattern corresponding to the countermeasure is executed and the state changes, the above process is repeated until the target state is reached for the changed state.
FIG. 20 shows an operation example in which information is recorded in a pattern recorder in a state where information is identified by a condition part and a processing part and organized as a sentence structure. By analyzing the information word, the condition part and the processing part of the information can be identified. For example, in the statements “A”, “GA”, “B”, “NO”, “C”, “do it”, [“A”, “GA”, “B”, “NO” ”is the condition part, and [“ C "Perform""is a processing unit. Also, in the sentence “A” “ga” “B” “if” “C” “ha” “D” “is” [“A” “ga” “B” “if”] is the condition part, [“C” “is” “D” “is”] is a processing unit.
In this way, the sentence is divided into a conditional part and a processing part, and converted into a structure having inter-pattern connection for conditional processing. When the condition part pattern is activated, a process for autonomously confirming whether or not the condition part is established is activated. When a sentence is converted into a pattern with a conditional processing structure in this way, an active thinking action is realized in which sentences that can be expressed by conditional processing proceed sequentially while confirming the validity of the condition. be able to. In general, human problem solving and action determination can be expressed by conditional processing. By inputting human problem-solving solutions and action-determining measures in a language (sentence), the machine autonomously converts it into conditional processing, and then proceeds with the processing while confirming the validity of the conditions. It becomes possible. By inputting knowledge (procedures and thinking methods related to problem solving and action determination) expressed in a language (sentence) without programming actions corresponding to human problem solving and action determination, human beings can solve problems by thinking or It becomes possible to carry out problem solving or action determination so as to make action decisions.

図２９〜図５２は本発明にもとづいて製作したプログラムの動作例について示したものである。本プログラムは情報の処理の内、多種多様な処理に対応する部分は自然言語で設定し、思考の仕方および情報間の関係を選択する機能に関する部分をプログラムで製作している。記録ユニットおよびパターン照射器の機能はプログラム言語の配列を使用して実現した。（記録ユニットの接続関係記録部は３次元配列を使用し、ユニット毎に各ステップにおける接続先との接続関係を記録している。各ユニットにおけるパターン、パターン間の接続関係および接続関係のあるパターンとの関係性は２次元配列を使用することにより機能を実現した。またパターン照射器における起動履歴の記録も２次元配列を（記録容量の増大を回避するため）巡回的に使用することにより実現した。）
語列を入力すると該当する語に対応する記録ユニットが逐次、起動していく。単語に対応する記録ユニットの接続関係記録部には単語の語列に対応するパターンが記録されており、該当する語列がパターン照射器から照射されると、対応する単語の記録ユニットが起動する。単語に対応する記録ユニットが起動すると単語の意味、品詞に対応する記録ユニットも逐次起動していく。つまり語列に対応する記録ユニットが逐次、起動していくと、単語、単語の意味、単語の品詞に対応する記録ユニットも逐次、起動していくことになる。単語、単語の意味、単語の品詞に対応する記録ユニットが逐次、起動していくと、文要素（主語、主語の修飾、述語、述語の修飾）を検出し、構文分析が実施される。構文分析により新規に入力された文は主語、主語の修飾、述語、述語の修飾が識別され整理した形で記録ユニットに記録されていく。
構文分析を実施し文要素が識別されると翻訳が容易となる。日本語の文要素に対応する英語の文要素も同時に生成することができる。構文分析により、主部、述部、主語、主語の修飾、述語、述語の修飾、修飾の関係が明確となっているので、英単語に変換した文要素を英語の英文法に従って適切な配列に変換することで基本的な翻訳を実施することができる。日本語では一般的に述語が最後の方に位置し、修飾は前から逐次、次の文要素にかけて施す場合が多い。英語においては主語の後に述語が位置し、その後に述語を修飾する修飾語、さらにその修飾語の説明という順になり、修飾の方向は日本語と逆の順序になっている。機械翻訳にあたっては、どの語がどの語を修飾するのかを識別するのが難しいが、本発明ではこれらの文要素間の修飾関係は処理の中で識別されるので、英語の語順への変換は容易である。図２３では本変換はＡ２のパターンを作用することにより、Ｅ１のパターンから最終形であるＥ２へのパターン変換を実施している。図２２はこれらのパターン間の遷移について構成図を使って表現したものである。
図２４は問題を検出して自律的に解決する方法の機能構成例について示したものである。状態から問題を検出し、検出した問題に対応する解決策を適用していくことにより段階的に問題を解決していく。図２５は本動作についてパターンの遷移例について示している。
問題の中には与えられた文の要約または詳細化を行うというものもある。このような問題に対しては情報と情報の間に構成している関係性を使って情報の圧縮または拡張を実施することができる。関係性の中には（原因と結果、事象と理由、説明と結論、概略と詳細、類似内容、反対の意見等）が設定されているので、これらの関係性を適宜設定することにより情報の圧縮または拡張が可能である。
図２７は会話動作の実施例について示している。話者（相手）の会話が入力すると入力文について分析を行い文の種類、話者の関心、意図を分析する。分析結果に応じた処理プログラムが起動し会話を継続するのに必要な処理を実施する。処理プログラムの例としては挨拶、相手の情報収集、相手の会話の評価、会話のための情報検索、問題、質問の回答生成、問題を解くプログラム、相手への質問、確認等がある。また情報検索は会話の単語を検索キーとして連想記憶的な情報抽出、情報間の関係性を使用した関連情報の検索を実施し、様々な会話の状況への対応が可能である。会話により話者および関心のあるテーマに関して新規の有用な情報が収集されるとパターン記録器に記録し知識の拡大を行っていく。図２８は会話動作に関しパターン遷移で処理について示したものである。
次に人間との会話を実施する動作例について示す。図２９〜図３１は人間と人工知能装置の会話について示している。人間が出力する文の意味を分析・解釈し適切な回答を人間に返している。人工知能装置が出力する回答の生成過程の詳細については、それぞれの回答について図３２〜図５１に示している。
ＮＯ１は初対面の人間に対する挨拶を生成する会話である。会話の生成過程の詳細については図３２に示す。図３２において「はじめまして」を検出し、話者（相手）の情報（名前、職業）に関する情報を収集するプログラムを起動している。それと同時に自己紹介である会話「私はアトムである」「私は人工知能です」を出力している。
次に人間（相手）の会話から相手の名前が「太郎」であることを検出している。ただし、相手の職業に関する情報は未入手であるので、職業に関する情報を収集するための会話「私の職業はアシスタントです」「太郎さんの職業は何ですか」を出力している。
ここで相手の名前が「太郎」であることが知識として既に記録しているので、以降の会話での相手への呼びかけは「太郎さん」としている。
ＮＯ７は相手の職業に関する情報を収集し、その情報に関する人工知能の会話を生成する動作について示している。職業に関しては相手の会話から「教師」であることを知識として取得している。人工知能は「教師」に関して記録している自己の感想である「教師は大変ですね」を検索し、出力している。
ＮＯ１１は相手の名前、職業に関する情報を取得したので趣味に関する情報を取得するプログラムを起動している。図３４は相手の趣味が「スポーツ」であることを知識として取得したので、「スポーツ」に関するニュース、トピックス、話題が無いかを知識体系の中の情報を検索している。ニュースの中に人工知能がファンであるテニス選手に関するものが記録されていたので、その話題を「スポーツ」が趣味であることに絡めて「スポーツと言えば・・・」との会話に繋げている。また、ニュースの内容を単に紹介するだけでなく、ニュースの内容を分析しニュースの中から特徴的な単語「ストレート勝ち」を検出している。そして「ストレート勝ち」に対する評価として「すごいですね」を検索し、ニュースの紹介とともにニュースの評価、感想も合わせて出力している。
ＮＯ１７では人間が人工知能に発した人工知能の職業がなぜ「アシスタント」であるのかを質問している。図３５は質問に対する回答の生成過程を示している。人工知能は自己の職業である「アシスタント」に関する情報を知識体系から検索している。図３６は知識体系に記録している情報が関連情報と関係性を有して記録している様子を示している。図３６において基準の文「私の職業はアシスタントです」に関係性を有する文の数、関係性を有する文の接続先および基準文との関係が記録されており、基準文をベースとして関連する文が関係性を使用して検索できる動作について示している。図３６の例では基準文「私の職業はアシスタントです」に関連文は６個あり、接続関係が［詳細］が５個、接続関係が［理由］が１個あることを示している。図３５における人間の質問はなせ「アシスタント」であるのかを聞いているので、検索された「アシスタント」に関する情報から接続関係が［理由］であるものを抽出している。本例では接続関係が［理由］であるものが１個あり、その抽出した結果「皆さんの役に立ちたいからです」を出力している。なお、［理由］に関する情報の抽出は上記に述べた接続関係を使用して抽出する方法の他に、構文分析において文を５Ｗ１Ｈに整理して記録しているので、何故を示す検索キー［Ｈ３］［Ｈ４］（［Ｈ３：何故］は検索する情報、［Ｈ４：アシスタント］は検索のキーワード）を使用する方法がある。
ＮＯ１９では人間が人工知能の職業「アシスタント」の詳細について質問している。図３７は「アシスタント」に関する関連情報から接続関係が［詳細］であるものを検索している。接続関係が［詳細］を示すものが５個あり、検索した５個の文を「アシスタント」に関する詳細な情報として出力している。
ＮＯ２５は人間が人工知能の出力した「私は問題解決を支援します」という発言を受け、「質問に答えてください」という依頼を発言し、これに対し人工知能は対応可能な依頼であると分析し、「了解しました」との回答を生成し出力している。
以下では人間が出力した様々な質問に対し人工知能が回答を生成する動作について説明する。人工知能は人間が出力した質問、問題を分析し、質問、問題を解決するために適切な処理プログラムを自律的に起動し回答を生成している。生成した回答は新しく獲得した知識として記録領域に格納し、将来関連する質問、問題を検出した際に利用することが可能なシステムとなっている。
ＮＯ２７、２８，２９は予算（予算は８０００円以下）を満足する候補を抽出する問題であ
ることにより自律的に知識体系から問題に関連するデータ（本問題では予算のデータ）を検索している。検索したデータと質問の条件とを比較し条件を満足する候補を正しく抽出している。抽出した候補は処理用のデータを記録するパターン記録器の記録領域に格納されている。
ＮＯ３１ではＮＯ２９で生成した候補から更に追加の条件（距離が１ｋｍ以下）を満足する候補を抽出している。
図３８において予算を満足する候補が４つに絞られている。図３９では４つの候補に対して距離の条件を満足する候補を絞り込む問題である。問題の種類を検出し４つの候補についての距離のデータを検索している。検索後、検索したデータと質問の条件とを比較し条件を満足する候補を正しく抽出している。抽出した候補は処理用のデータ記録器に格納されている。
ＮＯ３３はＮＯ３１で生成した候補から更に追加の条件（おすすめは日本酒である店）を満足する候補を抽出している。図４０において３つに絞られた候補の「おすすめ」を検索し、「おすすめ」が「日本酒」であるか否かの判断を実施し、条件を満足するものが２つ「店Ｃ」と「店Ｅ」であることを正しく識別している。
ＮＯ３５、３６、３７は蓄積した知識を使って質問に回答する動作例について示している。知識としては「りんご３個の値段は３００円です」が示されている。質問として「りんご５個の値段は何ですか」を入力したとする。この時、本人工知能装置は下記のような動作を実施し、質問に正しく回答することができる。
ステップ１：質問に対応するデータ（「りんご」「５個の」「値段」）が知識として存在するか検索する。（知識として存在していれば記録されているデータを使用して回答を生成する。）
ステップ２：知識として存在していなければ関連情報を検索（「りんご」の「値段」）が関連情報として存在するか検索する。（関連情報として「りんご」「３個の」「値段」が「３００円」であることを検出する。）
ステップ３：ステップ２で検出した関連情報を使って質問への回答を生成する。
（りんごの単価を計算し質問における個数「５個」の値段を算出し回答する。）
各処理で生成した情報はパターン記録器の記録領域に格納し、後で実施する他の処理においても情報の利用が可能である。
ＮＯ３９〜４２は微分方程式の解を求める問題である。図４２は入力文として次の３つの文を入力している。
・入力文１：ｘ０は４です。
・入力文２：ｘ１は５です。
・入力文３：２ｄ２ｘ／ｄｔｄｔ＋３ｄｘ／ｄｔ＋１＝０
本人工知能装置は上記の入力により次の処理を逐次行っている。
・初期情報ｘ０，ｘ１を記録
・入力文３において入力された式が微分方程式であることを検出し解を求めるプログラムを起動
・入力文および記録した情報から微分方程式を解くために必要な情報（初期値ｘ０，ｘ１および微分方程式の係数（２次、１次、０次）の検索および識別を実施
・微分方程式の解（解の形および特性根）の導出
処理を実施し特性根（ｐ１＝‐１．０，ｐ２＝‐０．５）および初期条件から解の係数（Ａ＝‐１４，Ｂ＝１８）が正しく導出されている。
ＮＯ４４〜４７は２つの関数の交点を求める問題である。図５０は入力文として次の３つの文を入力している。
・入力文２：ｇ＝２ｘ
・入力文３：ｆとｇの交点は何ですか。
本人工知能装置は上記の入力により次の処理を逐次行っている。
・関数ｆの特性抽出（２次係数、１次係数、０次係数）
・関数ｇの特性抽出（２次係数、１次係数、０次係数）
・関数ｈ＝ｇ−ｆの係数算出（２次係数、１次係数、０次係数）
・ｈ＝０から交点ｘ１，ｘ２の導出
処理を実施し交点であるｘ１＝‐２，ｘ２＝２が正しく導出されている。
ＮＯ４９は２つの関数が囲む面積を求める問題である。
本人工知能装置は上記の入力により関数が囲む面積を求める問題であることを検出し次の処理を逐次行っている。
・関数ｆの特性抽出（２次係数、１次係数、０次係数）
・関数ｇの特性抽出（２次係数、１次係数、０次係数）
・関数ｈ＝ｇ−ｆの係数算出（２次係数、１次係数、０次係数）
・ｈ＝０から交点ｘ１，ｘ２の導出
・関数ｈ＝ｇ−ｆの積分を実施し積分［関数ｈ＝ｇ−ｆ］の係数を導出
・積分範囲［ｘ１‐ｘ２］における積分値を導出
（２つの関数の囲む面積の処理には前出の２つの関数の交点を求める処理プログラムを一部活用している）
図４４に示すように積分値「１０．６６６」が正しく求められている。
ＮＯ５１〜５６は物理の問題（質点の運動）である。
ボールを初速：Ｖｍ／ｓ、迎角：ｔ ｄｅｇで投げた場合の飛距離について求める問題である。
人工知能装置への知識としては▲１▼ボールの初速はＶです。▲２▼ボールの迎角はｔです。▲３▼Ｖは１０ｍ／ｓです。▲４▼ｔは４５ｄｅｇです。が入力されている。次に人工知能装置への質問としてＱ：ボールの飛距離は何ですか？という質問を入力した。この時、人工知能装置の処理状況を図４５に示す。人工知能装置はボールの飛距離に関するデータが既に存在する否かの確認を第１ステップとして実施している。飛距離に関するデータが存在していない事を確認すると、飛距離を導出するプログラムを起動し、ボールの初速および迎角に関するデータの検索を行っている。ボールの初速はＶ（記号）で数値は１０ｍ／ｓであること、ボールの迎角はｔ（記号）で数値は４５ｄｅｇであることを知識がら検索している。次のステッ
正しく出力している。
ＮＯ５８〜７２は物理の問題（運動方程式の立て方）である。与えられた物理に関する知識（情報）から運動方程式を自律的に生成する動作例について示している。
本問題はバネと減衰器を介した質量ｍの運動方程式を求める問題であり、解は下記となる。
運動方程式（解） ｄ２ｘ／ｄｔ２＋（Ｄ／Ｍ）ｄｘ／ｄｔ＋（Ｋ／Ｍ）ｘ＝ｇ
ＮＯ５８〜６６は運動方程式に関する知識（情報）および質問を人工知能装置に入力している。入力した知識（情報）および質問がパターン記録器の記録ユニットに格納されている様子を図４６に示す。
図４６は「何が物体に働きますか」という質問を入力している。この時、人工知能装置は
抽出している。本質問の関連情報は記録ユニットの番号７１，７２，７３から検出されている。
抽出された情報としては項の型、項の内容（［３］．［２］，［１］）である。
項の型の定義を下記に示す。型番号３は（±記号・ｘ）の型であることを示している。同様に型番号４は（±記号・ｄｘ／ｄｔ）の型であること、型番号５は（±記号・記号）の型であることを示している。図４６において抽出した関連情報としては下記であることを示している。
記録ユニット７１： ‐ｋｘ
記録ユニット７２： ‐ｄ ｄｘ／ｄｔ
記録ユニット７３： ＋ｍｇ
０：データ無し、１：記号、２：±記号、３：±記号・ｘ、
４：±記号・ｄ＿ｘ／＿ｄｔ、５：±記号・記号、６：±ｄ２ｘ／＿ｄｔｄｔ
図４７〜５１は「運動方程式は何ですか」という質問を入力した時の動作例について示したものである。この時、本人工知能装置は下記のような動作を実施し、質問に正しく回答することができる。
ステップ０：質問に対応するデータ（運動方程式）が知識として存在するか検索する。
（知識として存在していれば記録されているデータを使用して回答を生成する。）
ステップ１：知識として存在していなければ関連情報（物体に働く力：記録ユニット７１，７２，７３の情報）から運動方程式を生成する。（図４７参照）
ステップ２：式の整理（移項処理）（図４８、図４９参照）
ステップ３：式の整理（正規化処理）（図５０参照）
ステップ４：運動方程式の表示（図５１参照）
図４７〜図５１では処理の過程が分かるように各処理過程における項（左辺の項、右辺の項）の各要素を記号番号および記号で表示している。ステップ１においては以下の関係を使用して運動方程式が生成されている。
ｍ ｄ２／ｄｔ２＝ 物体に働く力（‐ｋｘ‐ｄ ｄｘ／ｄｔ＋ｍｇ）
ステップ２およびステップ３ではステップ１で生成した方程式を整理（移項および正規化）し、最終的な運動方程式（図５１）を正しく導出している。
また求められた運動方程式に初期条件（ｘ０，ｘ１）を追加し図４２で説明した微分方程式の解を求める処理プログラムを起動することにより運動方程式の挙動を容易に求めることができる。
以上では本人工知能装置が問題を解く実行例について示したが、ここで示した実行例以外の様々な問題に対しても解決できる能力を有している。
一般的に次の条件を有し、人間が解ける問題に関しては本人工知能装置も解くことが可能である。
条件１：問題を解くために必要な情報およびパラメータが問題の中または過去に記録した情報に含まれている。
条件２：問題を解くための情報およびパラメータの処理の仕方を定義することができる。
人間が問題を解く場合には、問題を解くうえで必要な情報を識別、検索し、検索した情報を知識として記録している問題を解くための情報の処理の仕方に沿って情報を処理し、解を導出する。本人工知能装置も全く同じ方法で解を導出することができる。29 to 52 show an example of the operation of a program produced according to the present invention. In this program, a part corresponding to various processes in information processing is set in a natural language, and a part related to a function for selecting a way of thinking and a relation between information is produced by the program. The functions of the recording unit and pattern irradiator were realized using an array of programming languages. (Recording unit connection relationship recording unit uses a three-dimensional array, and records the connection relationship with the connection destination in each step for each unit. Patterns in each unit, connection relationships between patterns, and patterns with connection relationships The function was realized by using a two-dimensional array, and the recording of the activation history in the pattern irradiator was also realized by using the two-dimensional array cyclically (to avoid an increase in recording capacity). did.)
When a word string is input, the recording units corresponding to the corresponding word are sequentially activated. The connection relation recording unit of the recording unit corresponding to the word records a pattern corresponding to the word string, and when the corresponding word string is irradiated from the pattern irradiator, the corresponding word recording unit is activated. . When the recording unit corresponding to the word is activated, the recording unit corresponding to the meaning of the word and the part of speech is also activated sequentially. That is, when the recording unit corresponding to the word string is sequentially activated, the recording unit corresponding to the word, the meaning of the word, and the part of speech of the word is also activated sequentially. When the recording unit corresponding to the word, the meaning of the word, and the part of speech of the word is sequentially activated, a sentence element (subject, subject modification, predicate, predicate modification) is detected and syntax analysis is performed. Sentences newly input by syntactic analysis are recorded in the recording unit in a form that identifies and organizes the subject, subject modification, predicate, and predicate modification.
Translation is facilitated when syntax analysis is performed and sentence elements are identified. English sentence elements corresponding to Japanese sentence elements can be generated simultaneously. Since the relationship between the main part, predicate, subject, subject modification, predicate, predicate modification, and modification is clarified by the syntax analysis, sentence elements converted to English words are converted into appropriate arrays according to English English grammar. Basic translation can be performed by converting. In Japanese, the predicate is generally located at the end, and the modification is often applied to the next sentence element sequentially from the front. In English, a predicate is positioned after the subject, followed by a modifier that modifies the predicate, followed by a description of the modifier, and the direction of modification is in the reverse order of Japanese. In machine translation, it is difficult to identify which word modifies which word, but in the present invention, the modification relationship between these sentence elements is identified during processing, so conversion to English word order is not possible. Easy. In FIG. 23, this conversion performs the pattern conversion from the E1 pattern to the final form E2 by applying the A2 pattern. FIG. 22 shows the transition between these patterns using a configuration diagram.
FIG. 24 shows an example of a functional configuration of a method for detecting and autonomously solving a problem. The problem is solved step by step by detecting the problem from the state and applying a solution corresponding to the detected problem. FIG. 25 shows an example of pattern transition in this operation.
Some problems involve summarizing or refining a given sentence. For such a problem, information can be compressed or expanded using the relationship formed between the information. Since relationships (causes and results, events and reasons, explanations and conclusions, outlines and details, similar contents, and opposition opinions, etc.) are set, information can be obtained by appropriately setting these relationships. It can be compressed or expanded.
FIG. 27 shows an embodiment of the conversation operation. When the conversation of the speaker (the other party) is input, the input sentence is analyzed, and the kind of sentence, the interest of the speaker, and the intention are analyzed. A processing program corresponding to the analysis result is activated and performs processing necessary to continue the conversation. Examples of processing programs include greetings, collecting information about the other party, evaluating the other party's conversation, retrieving information for the conversation, generating problems, answering questions, solving the problem, questions to the other party, and confirmation. In addition, information retrieval can be performed for various conversation situations by extracting associative memory information using a conversation word as a search key and retrieving related information using the relationship between information. When new useful information about the speaker and the topic of interest is collected through conversation, it is recorded in a pattern recorder and expanded. FIG. 28 shows the process in the pattern transition for the conversation operation.
Next, an operation example for carrying out a conversation with a human will be described. FIGS. 29 to 31 show a conversation between a human and an artificial intelligence device. Analyzes and interprets the meaning of sentences output by humans and returns appropriate answers to humans. The details of the process of generating answers output by the artificial intelligence apparatus are shown in FIGS. 32 to 51 for each answer.
NO1 is a conversation that generates a greeting for the first meeting person. Details of the conversation generation process are shown in FIG. In FIG. 32, “Nice to meet you” is detected, and a program for collecting information on information (name, occupation) of the speaker (the other party) is activated. At the same time, the conversations “I am an atom” and “I am an artificial intelligence” are introduced.
Next, it detects that the name of the other party is “Taro” from the conversation of the person (the other party). However, since information on the occupation of the other party is not yet available, the conversations for collecting information on the occupation “My occupation is an assistant” and “What is Taro's occupation?” Are output.
Here, since it is already recorded as knowledge that the name of the other party is “Taro”, the call to the other party in the subsequent conversation is “Taro”.
No. 7 shows an operation of collecting information related to the occupation of the other party and generating an artificial intelligence conversation related to the information. As for occupations, I have acquired knowledge that I am a “teacher” from the conversation of the other party. Artificial intelligence searches for and outputs “My teacher is hard”, which is my own impressions recorded about “teacher”.
Since NO11 has acquired information on the name and occupation of the other party, NO11 has started a program for acquiring information on hobbies. In FIG. 34, the fact that the other party's hobby is “sports” is acquired as knowledge, so information in the knowledge system is searched for news, topics, and topics related to “sports”. Since news related to tennis players who are fans of artificial intelligence was recorded in the news, the topic was linked to the conversation of “speaking of sports ...” with “sports” as a hobby Yes. In addition to simply introducing the contents of the news, the contents of the news are analyzed to detect the characteristic word “straight win” from the news. As an evaluation of “Straight Win”, it searches for “It ’s amazing” and outputs the news along with the news evaluation and impressions.
No. 17 asks why the artificial intelligence profession that humans have given to artificial intelligence is an “assistant”. FIG. 35 shows a process for generating an answer to a question. Artificial intelligence retrieves information about "assistant" that is its profession from the knowledge system. FIG. 36 shows a state in which information recorded in the knowledge system is recorded in relation to related information. In FIG. 36, the number of related sentences, the connection destination of the related sentence, and the relationship with the reference sentence are recorded in the reference sentence “My profession is an assistant”. Describes how a sentence can be searched using relationships. In the example of FIG. 36, there are six related sentences in the reference sentence “My profession is an assistant”, there are five [Details] for the connection relation and one [Reason] for the connection relation. Since the human question in FIG. 35 is asked whether it is an “assistant”, what is connected to [reason] is extracted from the information related to the retrieved “assistant”. In this example, there is one connection relationship with [reason], and the extracted result is "I want to help you". In addition to the method of extracting information related to [reason] using the connection relation described above, the sentence is organized and recorded in 5W1H in the syntax analysis, so the search key [H3 indicating the reason] ] [H4] ([H3: Why] is information to be searched and [H4: Assistant] is a search keyword).
In NO19, humans are asking questions about the details of the artificial assistant occupation “Assistant”. In FIG. 37, information related to [Detail] is searched from the related information regarding “Assistant”. There are five cases where the connection relationship indicates [Detail], and the five searched sentences are output as detailed information related to the “assistant”.
NO25 received the remark that "I will help solve the problem" that humans output from artificial intelligence, and remarked the request "Please answer the question." On the other hand, artificial intelligence is a request that can be handled. Analyzes and generates and outputs a response “I understand”.
In the following, the operation in which artificial intelligence generates answers to various questions output by humans will be described. Artificial intelligence analyzes questions and problems output by humans, autonomously launches appropriate processing programs to generate answers by solving questions and problems. The generated answer is stored in the recording area as newly acquired knowledge, and is a system that can be used when a related question or problem is detected in the future.
NO27, 28, 29 is a problem to extract candidates that satisfy the budget (budget is 8000 yen or less)
By doing this, data related to the problem is automatically retrieved from the knowledge system (in this case, budget data). The retrieved data and the conditions of the question are compared, and candidates that satisfy the conditions are correctly extracted. The extracted candidates are stored in a recording area of a pattern recorder that records processing data.
In NO31, candidates that satisfy further additional conditions (distance is 1 km or less) are extracted from the candidates generated in NO29.
In FIG. 38, candidates that satisfy the budget are narrowed down to four. FIG. 39 shows a problem of narrowing down candidates that satisfy the distance condition for four candidates. The type of problem is detected and the distance data for the four candidates is searched. After the search, the searched data and the condition of the question are compared to correctly extract candidates that satisfy the condition. The extracted candidates are stored in a data recorder for processing.
NO33 extracts candidates that satisfy further additional conditions (recommended stores that are sake) from the candidates generated in NO31. In FIG. 40, “recommended” candidates that are narrowed down to three are searched, and it is determined whether or not “recommended” is “sake”, and two items that satisfy the conditions are “store C” and “ “Store E” is correctly identified.
Nos. 35, 36, and 37 show examples of operations that answer questions using the accumulated knowledge. As knowledge, "the price of three apples is 300 yen" is shown. Suppose you enter "What is the price of 5 apples" as a question. At this time, the artificial intelligence apparatus can perform the following operations and correctly answer the question.
Step 1: Search whether data corresponding to the question ("apple", "5 items", "price") exists as knowledge. (If it exists as knowledge, the recorded data is used to generate an answer.)
Step 2: If there is no knowledge, search for related information (“price” of “apple”) is searched for related information. (It is detected that the “apple”, “3 pieces”, and “price” are “300 yen” as related information.)
Step 3: An answer to the question is generated using the related information detected in Step 2.
(Calculate the unit price of apples and calculate and answer the price of the number “5” in the question.)
Information generated in each process is stored in the recording area of the pattern recorder, and the information can be used in other processes to be performed later.
NO39-42 is a problem which calculates | requires the solution of a differential equation. In FIG. 42, the following three sentences are input as input sentences.
・ Input sentence 1: x0 is 4.
・ Input sentence 2: x1 is 5.
Input sentence 3: 2d2x / dtdt + 3dx / dt + 1 = 0
The artificial intelligence apparatus sequentially performs the following processing based on the above input.
・ Record initial information x0, x1 ・ Detect that the expression input in the input sentence 3 is a differential equation and start a program for finding a solution ・ Information necessary for solving the differential equation from the input sentence and the recorded information ( Search and identification of initial values x0, x1 and differential equation coefficients (second order, first order, zero order) ・ Derivation processing of differential equation solution (solution form and characteristic root) is performed, and characteristic root (p1 = -1.0, p2 = -0.5) and the coefficients of the solution (A = -14, B = 18) are correctly derived from the initial conditions.
NO44-47 is a problem of finding the intersection of two functions. In FIG. 50, the following three sentences are input as input sentences.
・ Input sentence 2: g = 2x
・ Input sentence 3: What is the intersection of f and g?
The artificial intelligence apparatus sequentially performs the following processing based on the above input.
・ Characteristic extraction of function f (2nd order coefficient, 1st order coefficient, 0th order coefficient)
・ Characteristic extraction of function g (2nd order coefficient, 1st order coefficient, 0th order coefficient)
・ Calculation of function h = g−f coefficient (second order coefficient, first order coefficient, zero order coefficient)
The derivation processing of the intersection points x1 and x2 is performed from h = 0, and the intersection points x1 = −2 and x2 = 2 are correctly derived.
NO49 is a problem for obtaining the area surrounded by two functions.
The artificial intelligence apparatus detects the problem of obtaining the area surrounded by the function based on the above input, and sequentially performs the following processing.
・ Characteristic extraction of function f (2nd order coefficient, 1st order coefficient, 0th order coefficient)
・ Characteristic extraction of function g (2nd order coefficient, 1st order coefficient, 0th order coefficient)
・ Calculation of function h = g−f coefficient (second order coefficient, first order coefficient, zero order coefficient)
Derivation of intersection points x1 and x2 from h = 0 Integration of function h = g−f is performed to derive a coefficient of integration [function h = g−f] Derivation of an integral value in the integration range [x1-x2] ( (A part of the processing program that finds the intersection of the two functions above is used to process the area enclosed by the two functions)
As shown in FIG. 44, the integral value “10.666” is correctly obtained.
NO51 to 56 are physical problems (mass point motion).
This is a problem of obtaining a flight distance when a ball is thrown at an initial speed: Vm / s and an angle of attack: t deg.
As for knowledge of artificial intelligence device, the initial speed of the ball is V. (2) The angle of attack of the ball is t. ▲ 3 ▼ V is 10m / s. ▲ 4 ▼ t is 45deg. Is entered. The next question to the artificial intelligence device is Q: What is the flight distance of the ball? The question was entered. At this time, the processing state of the artificial intelligence apparatus is shown in FIG. The artificial intelligence apparatus performs the first step to confirm whether or not data relating to the ball flight distance already exists. When it is confirmed that there is no data relating to the flight distance, a program for deriving the flight distance is started and data relating to the initial velocity and angle of attack of the ball is searched. The search is made with knowledge that the initial velocity of the ball is V (symbol) and the numerical value is 10 m / s, and the angle of attack of the ball is t (symbol) and the numerical value is 45 deg. Next step
The output is correct.
NO58 to 72 are physics problems (how to establish equations of motion). An example of an operation for autonomously generating an equation of motion from given physics knowledge (information) is shown.
The problem is to find the equation of motion of mass m via a spring and a damper, and the solution is as follows.
Equation of motion (solution) d2x / dt2 + (D / M) dx / dt + (K / M) x = g
Nos. 58 to 66 input knowledge (information) and questions regarding the equation of motion to the artificial intelligence apparatus. FIG. 46 shows a state where the input knowledge (information) and question are stored in the recording unit of the pattern recorder.
In FIG. 46, a question “What works on an object” is input. At this time, the artificial intelligence device
Extracting. The related information of this question is detected from the recording unit numbers 71, 72, 73.
The extracted information includes the type of the term and the content of the term ([3]. [2], [1]).
The definition of the term type is shown below. The model number 3 indicates that the model is (± symbol x). Similarly, the model number 4 indicates that the type is (± symbol / dx / dt), and the model number 5 indicates that the type is (± symbol / symbol). The related information extracted in FIG. 46 indicates the following.
Recording unit 71: -kx
Recording unit 72: -d dx / dt
Recording unit 73: + mg
0: no data, 1: symbol, 2: ± symbol, 3: ± symbol, x,
4: ± symbol / d_x / _dt, 5: ± symbol / symbol, 6: ± d2x / _dtdt
47 to 51 show an operation example when the question “What is the equation of motion?” Is input. At this time, the artificial intelligence apparatus can perform the following operations and correctly answer the question.
Step 0: A search is made as to whether data (equation of motion) corresponding to the question exists as knowledge.
(If it exists as knowledge, the recorded data is used to generate an answer.)
Step 1: If there is no knowledge, an equation of motion is generated from related information (force acting on the object: information of recording units 71, 72, 73). (See Figure 47)
Step 2: Arrangement of expressions (transition processing) (see FIGS. 48 and 49)
Step 3: Organize expressions (normalization process) (see FIG. 50)
Step 4: Display the equation of motion (see Figure 51)
In FIG. 47 to FIG. 51, each element of a term (left side term, right side term) in each processing step is displayed with a symbol number and a symbol so that the processing step can be understood. In Step 1, the equation of motion is generated using the following relationship.
m d2 / dt2 = force acting on the object (−kx−d dx / dt + mg)
In Step 2 and Step 3, the equation generated in Step 1 is arranged (transit and normalization), and the final equation of motion (FIG. 51) is correctly derived.
Further, by adding an initial condition (x0, x1) to the obtained equation of motion and starting a processing program for obtaining a solution of the differential equation described in FIG. 42, the behavior of the equation of motion can be easily obtained.
Although the execution example in which the artificial intelligence apparatus solves the problem has been described above, it has the ability to solve various problems other than the execution example shown here.
In general, the artificial intelligence apparatus has the following conditions and can solve problems that humans can solve.
Condition 1: Information and parameters necessary for solving the problem are included in the information recorded in the problem or in the past.
Condition 2: It is possible to define how to process information and parameters for solving a problem.
When a person solves a problem, the information necessary for solving the problem is identified and searched, and the information is processed in accordance with the information processing method for solving the problem in which the searched information is recorded as knowledge. To derive the solution. This artificial intelligence device can derive the solution in exactly the same way.

発明の効果Effect of the invention

本発明によれば、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのかを分析し文構造に整理するとともに有用と判断した情報を自律的に記録し知識体系として構築することが可能である。また入力した情報を内部に構築した知識体系と照合して評価し、評価結果に応じた処理（情報の記録、知識体系の更新・改良、指示内容の実行、質問に対する回答）を自律的に実施する。さらに情報に含まれている単語の一部を一般化し、逐次入力される情報と情報の関係を情報に対応するするパターンの集合とパターンの集合との関係を強化することにより有意なパターン間の関係を抽出し、一連の入力情報から常識、一般的な考え方および問題解決方法を自律的に構築していくことが可能である。
従来は機械に入力情報の処理等を行わせる場合、計算機にあらかじめプログラムを設定する必要があった。入力した情報から状況を判断するプログラム、個々の条件に応じ機械に動作させるプログラムを作成し、機械に搭載した計算機に実装し実行する必要があった。プログラムは専用のプログラム言語により作成する必要があり、開発に多大な時間を要する等のデメリットがあった。条件の検出および対応する動作が適切でなければ、計算機に実装したプログラムを人間が修正する必要があり、修正に多大な時間を要する等のデメリットがあった。
本発明によれば情報の処理の仕方を学習することにより処理を実施するので、逐次プログラミングする必要は無い。処理の方法に関する情報を自然言語で入力することにより、機械が処理の方法を記録、学習していくので大幅に労力を削減することができる。
また、処理の変更もプログラムの変更によらず、パターンの変更とパターン間の接続を変更することにより対応することが可能であるので非常に柔軟性、対応力の高いシステムとなっている。
通常のプログラミングでは変数、定数の定義および処理の内容を事前に決めておく必要があるため、処理結果に応じて多くの分岐が生じるような処理の実現には多大な労力を要する。（現実的には実現が困難な場合が多い。）一方、本発明では処理に使用する変数および定数に対応する情報の検索は自然言語（単語、記号）を組み合わせたパターンを使用することにより実施しており、より人間の思考に近い情報の検索方式となっている。所謂、連想記憶システムにおける情報の記録および検索を具体化したシステムとなっているため、処理に使用する変数、定数に対応する情報の格納場所を事前に厳密に定義しておく必要は無い。新規の情報が発生した段階で自然言語（単語、記号）の組み合わせたパターンを検索キーとして逐次、登録・記録することができる。また登録・記録した情報を自然言語（単語、記号）の組み合わせた検索パターンで容易に検索することができる。これによりプログラミングにおける変数および定数の定義という制約に縛られないシステムとなっている。
さらに、処理の内容については条件付き処理を状況（パターンおよびパターンの分析結果により条件の成立性を識別する）に応じて条件に対応する処理を実施し、実施した処理において、さらに条件付き処理が出現すれば、その条件を分析し処理を決定するという方式で逐次処理を進めていくことが可能である。従って、人間が問題解決するのと同じ思考プロセス（条件文の集合）を自然言語で定義することにより、本人工知能装置はその内容を逐次、解釈し必要な処理を進めていくことができる。処理の結果、新しく生成される情報は処理に応じた適切な単語の組合せを検索キーとして記録するので、別の処理において生成した情報を使用する場合でも容易に検索することができる。つまり生成した情報、知識を知識体系に組み込み、将来において必要になった場合に活用することが容易にできるシステムとなっている。本発明では処理の結果生成した新規の情報を逐次、知識体系に組み込み、別の処理において知識体系に組み込まれた情報を適宜、検索して処理を進めていくことができる。また情報の検索対象も知識体系全体、直近に処理した処理結果に限定する等、処理に応じて適切に選択することが可能である。
人間が思考（言語）により解決可能な問題に関しては、その問題を解決する手法または手順を自然言語で示すことにより、本発明の人工知能装置は、入力された問題解決の手法または手順に従って、自律的に問題を解決することができる。
問題解決の手法または手順にあいまいな点、不確定な点があれば、その都度、通知し解決策の手法及び手順の明確化を図りながら問題を解決していくことができる。さらに、人間の問題解決策および行動決定策を自然言語（文）で入力することにより本発明は自律的に条件付処理に変換した上で、条件の成立性を確認しながら処理を進めていくという動作が可能である。人間の問題解決および行動決定に相当する動作をプログラミングすることなく自然言語（文）で表現された知識（問題解決および行動決定に関する手順および思考方法）を入力することにより、人間が思考により問題解決または行動決定するように問題解決または行動決定を実施することが可能となる。
問題解決に必要な記録ユニットを逐次、起動していくことにより問題を解決するための処理および処理プログラムの識別と起動を自律的に実行し問題を解決する。文脈の検出と学習を実施し、文脈を踏まえた会話（質疑、応答、関心のある話題の提供、意見および議論）を実施するとともに関心のある、または指定した相手および事項に関する情報（関心のある話題、問題に対する考え方、物事に対する反応、意見および行動、詳細情報）を収集して記録、蓄積することが可能である。
本発明の知識体系は真実、事実、規則、常識、定義、論理に基づいて構築されている。これらと整合しない情報は知識体系に取り込まない。また全ての処理過程は人間が理解できる言語または記号で表示することが可能な透明性のあるシステムとなっている。人間が蓄積してきた正しい知識を源泉として知識体系を構築し、全ての処理過程における処理状況も人間が理解できる形で表示することが可能なシステムとなっているので「記号接地問題」を解決した「暴走しない人工知能」の実現が可能である。また、問題解決にあたっては構築した知識体系を活用するとともに、問題解決に必要な処理プログラムを自律的に起動し処理結果を知識体系に組み込んで知識体系のさらなる向上を図ることができる。人間が蓄積してきた知識を人工知能装置内に知識体系として構築することができ、必要に応じて人間が開発してきたプログラムを自律的に起動することができるので、問題解決にあたり人間の柔軟性とコンピュータの処理能力を併せ持つ人工知能の実現が可能となる。According to the present invention, information source, reliability, novelty, field, theme, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how In addition, it is possible to analyze why it was done, organize it into a sentence structure, and autonomously record information that is judged useful, and construct it as a knowledge system. In addition, the input information is evaluated against the knowledge system built internally, and processing (recording of information, updating / improvement of the knowledge system, execution of instructions, answering questions) is performed autonomously according to the evaluation results. To do. In addition, some of the words included in the information are generalized, and the relationship between the information that is input sequentially and the relationship between the information is enhanced by strengthening the relationship between the set of patterns corresponding to the information and the set of patterns. It is possible to extract relationships and autonomously construct common sense, general ideas and problem solving methods from a series of input information.
Conventionally, when a machine performs processing of input information, etc., it has been necessary to set a program in the computer in advance. It was necessary to create a program for judging the situation from the input information and a program for causing the machine to operate according to individual conditions, and to implement and execute it on a computer mounted on the machine. The program had to be created in a dedicated programming language, and there was a demerit that it took a lot of time for development. If the detection of the condition and the corresponding operation are not appropriate, there is a demerit that it is necessary for a person to correct the program installed in the computer, and it takes a long time for the correction.
According to the present invention, processing is performed by learning how to process information, so that it is not necessary to perform sequential programming. By inputting information on the processing method in a natural language, the machine records and learns the processing method, so that labor can be greatly reduced.
In addition, since the process can be changed by changing the pattern and changing the connection between the patterns regardless of the program, the system is very flexible and adaptable.
In ordinary programming, it is necessary to determine the definition of variables and constants and the contents of processing in advance, so that it takes a lot of labor to realize processing that causes many branches depending on the processing result. (In reality, it is often difficult to realize.) On the other hand, in the present invention, information corresponding to variables and constants used for processing is searched by using a pattern combining natural languages (words and symbols). It is a search method for information that is closer to human thinking. Since it is a system that embodies the recording and retrieval of information in a so-called associative memory system, it is not necessary to strictly define in advance the storage location of information corresponding to variables and constants used for processing. When new information is generated, a combination pattern of natural languages (words and symbols) can be sequentially registered and recorded as a search key. In addition, the registered / recorded information can be easily searched with a search pattern that combines natural languages (words, symbols). This makes the system unconstrained by the constraints of defining variables and constants in programming.
Furthermore, with regard to the content of the processing, the processing corresponding to the condition is performed according to the situation (identifying the validity of the condition based on the pattern and the analysis result of the pattern). If they appear, it is possible to proceed sequentially by analyzing the conditions and determining the processing. Therefore, by defining the same thinking process (a set of conditional sentences) that a human being solves a problem in natural language, the artificial intelligence apparatus can sequentially interpret the contents and proceed with necessary processing. As a result of processing, newly generated information is recorded as a search key with an appropriate combination of words corresponding to the processing, so that it is possible to easily search even when using information generated in another processing. In other words, the generated information and knowledge are incorporated into the knowledge system and can be easily utilized when needed in the future. In the present invention, new information generated as a result of processing can be sequentially incorporated into the knowledge system, and information incorporated into the knowledge system in another process can be appropriately searched and processed. Also, the information search target can be appropriately selected according to the processing, such as limiting the entire knowledge system and the processing result processed most recently.
For problems that humans can solve by thinking (language), the artificial intelligence device of the present invention is autonomous in accordance with the input problem solving technique or procedure by indicating the technique or procedure for solving the problem in natural language. Problem can be solved.
If there is an ambiguity or uncertain point in the problem solving technique or procedure, the problem can be solved by notifying each time and clarifying the solution technique and procedure. Furthermore, by inputting human problem solving measures and action decision measures in natural language (sentences), the present invention autonomously converts them into conditional processing, and then proceeds with the processing while confirming the establishment of the conditions. Is possible. By inputting knowledge (procedures and methods for problem solving and action determination) expressed in natural language (sentences) without programming the actions equivalent to human problem solving and action determination, humans can solve problems through thinking. Alternatively, problem solving or action determination can be performed so as to determine action.
By sequentially starting the recording units necessary for problem solving, the process for solving the problem and the identification and activation of the processing program are autonomously executed to solve the problem. Detect and learn context, conduct contextual conversations (questions, responses, presentation of topics of interest, opinions and discussions) and information about interested or specified parties and matters (interested) It is possible to collect, record, and accumulate topics, ideas about problems, responses to things, opinions and actions, and detailed information.
The knowledge system of the present invention is constructed based on truth, facts, rules, common sense, definition and logic. Information that does not match these is not taken into the knowledge system. All processing steps are transparent systems that can be displayed in human-understood language or symbols. The knowledge system has been constructed using the correct knowledge accumulated by humans as the source, and the system can display the processing status in all processing processes in a form that can be understood by humans. Realization of “artificial intelligence that does not run away” is possible. Further, in solving problems, the constructed knowledge system can be utilized, and a processing program necessary for problem solving can be autonomously started and the processing results can be incorporated into the knowledge system to further improve the knowledge system. Knowledge accumulated by human beings can be built as a knowledge system in artificial intelligence devices, and programs developed by human beings can be launched autonomously as needed. It is possible to realize artificial intelligence that has both computer processing capabilities.

人工知能装置の構成例Configuration example of artificial intelligence device パターンの構成例Pattern configuration example 語列から単語、文要素、修飾関係が逐次、識別されていく動作例Example of operation in which words, sentence elements, and modification relationships are identified sequentially from a word string 時事文の例Example of current affairs 入力情報の評価例Input information evaluation example 知識体系の構築例（その１）Knowledge system construction example (1) 知識体系の構築例（その２）Example of knowledge system construction (part 2) 知識体系の構築例（その３）Example of knowledge system construction (part 3) 知識体系の構築例（その４）Knowledge system construction example (4) 知識体系の構築例（その５）Example of knowledge system construction (part 5) 指示内容の実行例（条件付き処理の実施例）Example of instruction content (Example of conditional processing) 質問への回答例Answers to questions 起動パターンと関連パターンの接続強化の動作例（その１）Example of operation for strengthening connection between startup pattern and related pattern (Part 1) 起動パターンと関連パターンの接続強化の動作例（その２）Example of operation for strengthening connection between startup pattern and related pattern (Part 2) 常識および一般的考え方の構築例Example of building common sense and general ideas 問題および解決策の一般化の動作例Example of how problems and solutions generalize 入力した言語からプログラミング無しで直接的に処理を実行する方法How to execute processing directly from the input language without programming 入力しや言語群の逐次実行例Sequential execution example of input and language group 処理手順を自律的に生成し処理の結果生じた状況に対してさらに次の処理手順を自律的に生成し処理を進める例An example of autonomously generating a processing procedure and further generating the next processing procedure for a situation resulting from the processing and advancing the processing 入力した情報を条件部と処理部に識別し文構造として記録する動作例Example of operation that records the entered information as a sentence structure by identifying it in the condition part and the processing part 記録ユニットの機能概要Overview of recording unit functions 英語翻訳の機能構成例Functional configuration example of English translation 英語翻訳へのパターン遷移例Example of pattern transition to English translation 問題の意味を解釈して自律的に回答を生成する方法の機能構成例Functional configuration example of the method of autonomously generating answers by interpreting the meaning of the problem 問題の意味を解釈して自律的に回答を生成する方法のパターン遷移例Pattern transition example of a method of autonomously generating answers by interpreting the meaning of problems 文間の関係性の自律的生成Autonomous generation of relationships between sentences 会話動作の実施例Examples of conversational actions 会話動作のパターン遷移例Pattern transition example of conversational movement 人間と人工知能の会話例（その１）Example of human-artificial intelligence conversation (Part 1) 人間と人工知能の会話例（その２）Example of human-artificial intelligence conversation (Part 2) 人間と人工知能の会話例（その３）Example of human-artificial intelligence conversation (Part 3) 人工知能の会話処理例（挨拶・自己紹介１）Artificial intelligence conversation processing example (greeting, self-introduction 1) 人工知能の会話処理例（挨拶・自己紹介２）Artificial intelligence conversation processing example (greeting, self-introduction 2) 人工知能の会話処理例（挨拶・自己紹介３）Artificial intelligence conversation processing example (greeting, self-introduction 3) 人工知能の会話処理例（挨拶・自己紹介４）Artificial intelligence conversation processing example (greeting, self-introduction 4) 人工知能の会話処理例（挨拶・自己紹介５）Artificial intelligence conversation processing example (greeting, self-introduction 5) 人工知能の会話処理例（挨拶・自己紹介６）Artificial intelligence conversation processing example (greeting, self-introduction 6) 人工知能の会話処理例（生活上の問題回答１）Artificial intelligence conversation processing example (question answer 1 in daily life) 人工知能の会話処理例（生活上の問題回答２）Artificial intelligence conversation processing example (life problem answer 2) 人工知能の会話処理例（生活上の問題回答３）Artificial intelligence conversation processing example (question answer 3 in daily life) 人工知能の会話処理例（生活上の問題回答４）Artificial intelligence conversation processing example (life problem answer 4) 人工知能の会話処理例（数学の問題回答１）Artificial intelligence conversation processing example (mathematical answer 1) 人工知能の会話処理例（数学の問題回答２）Artificial intelligence conversation processing example (mathematical answer 2) 人工知能の会話処理例（数学の問題回答３）Artificial intelligence conversation processing example (mathematical answer 3) 人工知能の会話処理例（物理の問題回答１）Artificial intelligence conversation processing example (physical problem answer 1) 人工知能の会話処理例（物理の問題回答２）Artificial intelligence conversation processing example (physical problem answer 2) 人工知能の会話処理例（物理の問題回答３）Artificial intelligence conversation processing example (physical problem answer 3) 人工知能の会話処理例（物理の問題回答４）Artificial intelligence conversation processing example (physical problem answer 4) 人工知能の会話処理例（物理の問題回答５）Artificial intelligence conversation processing example (physical problem answer 5) 人工知能の会話処理例（物理の問題回答６）Artificial intelligence conversation processing example (physical problem answer 6) 人工知能の会話処理例（物理の問題回答７）Artificial intelligence conversation processing example (physical problem answer 7) 人工知能の会話処理例（会話のための事前に記録した知識）Artificial intelligence conversation processing example (pre-recorded knowledge for conversation)

１ パターン変換器
２ パターン記録器
３ パターン分析器
４ パターン制御器
５ パターン逆変換器
６ パターン照射器1 Pattern Converter 2 Pattern Recorder 3 Pattern Analyzer 4 Pattern Controller 5 Pattern Reverse Converter 6 Pattern Irradiator

Claims (16)

情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、変換したパターン、パターンの照合および合致（起動）の条件、パターン間の接続関係、接続関係のあるパターンとの関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの照合および合致（起動）の条件、パターン間の接続関係、接続関係のあるパターンとの関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および制御を実施するパターン制御器と、パターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要な記録ユニットを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、入力した情報と既に記録している情報との関係を分析し安全で有用な情報を抽出して記録することにより知識体系の構築、拡大および更新を実施し、問題解決のために知識体系に記録された情報および情報間の関係を使用して目的に沿った情報検索および情報抽出を行い問題解決する人工知能装置。  A pattern converter that converts information (language, text, knowledge, mathematical formulas, symbols, images, audio) into patterns, converted patterns, pattern matching and matching (activation) conditions, connection relationships between patterns, and connection relationships A pattern recorder composed of a recording unit that records the relationship with a pattern and the analysis result of the pattern, and the pattern, pattern matching and matching (starting) conditions, the connection between patterns, and the pattern with connection A pattern controller that registers and changes the relationship or autonomously registers and changes the relationship, and processes and controls the pattern according to the pattern status and pattern analysis results, and records the pattern activation history and records the activation A pattern illuminator that uses historical information to analyze the situation and identify problems and activate the recording unit needed to solve the problem Pattern inverse converter that converts patterns into information, information source, reliability, novelty, field, theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, etc. , Where, who, what, how, why, what kind of sentence (normal sentence, question sentence, imperative sentence, conditional sentence, truth, fact, rule, common sense, right and wrong, definition, logic, explanation, hypothesis , Predictions, opinions, impressions, rumors), absolute meaning of words with relative meaning, formulas, physical formulas, chemical formulas, symbols and the relationship with the recorded related information, and organize the information into an easy-to-search structure A pattern analyzer that records data in a pattern recorder, analyzes the relationship between the input information and the information already recorded, extracts and records safe and useful information, and builds, expands and updates the knowledge system To solve the problem識体 information retrieval and information extraction is carried out problem solving artificial intelligence device along the object using the relationship between recorded information and information to system. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および起動を実施するパターン制御器と、パターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、入力した情報と既に記録している情報との関係を分析し安全で有用な情報を抽出して記録することにより知識体系の構築、拡大および更新を実施し、問題解決のために知識体系に記録された情報を使用して目的に沿った情報検索および情報抽出を行い問題解決する人工知能装置。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The registered pattern recorder, the pattern, the pattern start condition, and the connection relation between the patterns are registered or changed by human instructions or autonomously, and the pattern is processed and started according to the pattern status and pattern analysis results. A pattern controller that records a pattern activation history, performs pattern analysis using the recorded activation history information, identifies a problem, and activates a program necessary to solve the problem, and Pattern inverse converter that converts patterns to information, and information sources, reliability, novelty, fields, themes, topics, Figure, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, imperative sentence, conditional sentence Truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absolutization, mathematical formula, physical formula, chemical formula, symbol and record Equipped with a pattern analyzer that analyzes the relationship with related information and organizes the information into a structure that is easy to search and records it in the pattern recorder, and analyzes the relationship between the input information and the information already recorded, making it safe and useful The knowledge system is constructed, expanded, and updated by extracting and recording information, and the information recorded in the knowledge system is used for problem solving, and information is searched and extracted according to the purpose. Artificial intelligence device to solve. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンおよびプログラムを起動するパターン制御器と、パターンおよびプログラムの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、入力した情報と既に記録している情報との関係を分析し安全で有用な情報を抽出して記録することにより知識体系の構築、拡大および更新を実施し、問題解決のために知識体系に記録された情報を使用して目的に沿った情報検索、情報抽出および数々の問題を処理するプログラム群から必要なプログラムを起動し、必要な情報を生成して問題解決する人工知能装置。  Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The pattern recorder, the pattern, the pattern start condition, and the connection relationship between the patterns are registered or changed by human instructions or autonomously, and the pattern and program are started according to the pattern status and pattern analysis results A pattern irradiator for recording a control and a history of pattern and program activation, performing situation analysis and problem identification using the recorded activation history information, and activating a program necessary for problem solving; A pattern inverse converter that converts patterns into information, and the source, reliability, novelty, and field of information about the input information Theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, instruction Sentence, conditional sentence, truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absoluteization, mathematical formula, physical formula, chemical formula, symbol And a pattern analyzer that analyzes the relationship with the recorded related information and organizes the information into an easily searchable structure and records it in the pattern recorder, and analyzes the relationship between the input information and the information already recorded The system builds, expands and updates the knowledge system by extracting and recording safe and useful information, and uses the information recorded in the knowledge system to solve problems and searches for information according to the purpose. A program to extract and handle numerous problems Start the necessary programs from the group, it generates the necessary information problem solving artificial intelligence device. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンおよびプログラムを起動するパターン制御器と、パターンおよびプログラムの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、指定した項目に関連する情報を連想記憶的に記録および出力する人工知能装置。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The pattern recorder, the pattern, the pattern start condition, and the connection relationship between the patterns are registered or changed by human instructions or autonomously, and the pattern and program are started according to the pattern status and pattern analysis results A pattern irradiator for recording a control and a history of pattern and program activation, performing situation analysis and problem identification using the recorded activation history information, and activating a program necessary for problem solving; A pattern inverse converter that converts patterns into information, and the source, reliability, novelty, and field of information about the input information Theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, instruction Sentence, conditional sentence, truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absoluteization, mathematical formula, physical formula, chemical formula, symbol It also has a pattern analyzer that analyzes the relationship with the recorded related information, organizes the information into an easily searchable structure and records it in the pattern recorder, and records and outputs information related to the specified item in an associative memory Artificial intelligence device. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンおよびプログラムを起動するパターン制御器と、パターンおよびプログラムの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、指定した情報を構築した知識体系の関連情報と比較し、指定した情報を評価（新規性評価、知識体系の情報との差異評価、価値評価）する人工知能装置。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The pattern recorder, the pattern, the pattern start condition, and the connection relationship between the patterns are registered or changed by human instructions or autonomously, and the pattern and program are started according to the pattern status and pattern analysis results A pattern irradiator for recording a control and a history of pattern and program activation, performing situation analysis and problem identification using the recorded activation history information, and activating a program necessary for problem solving; A pattern inverse converter that converts patterns into information, and the source, reliability, novelty, and field of information about the input information Theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, instruction Sentence, conditional sentence, truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absoluteization, mathematical formula, physical formula, chemical formula, symbol And a pattern analyzer that analyzes the relationship with the recorded related information and organizes the information into an easily searchable structure and records it in the pattern recorder, and compares it with the related information of the knowledge system that built the specified information. An artificial intelligence device that evaluates specified information (evaluation of novelty, evaluation of differences from knowledge system information, value evaluation). 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンおよびプログラムを起動するパターン制御器と、パターンおよびプログラムの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、情報を連想記憶的に記録し、指定したテーマ、話題に関連する情報を検索および使用するとともに相手の意図を分析して会話する人工知能装置。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The pattern recorder, the pattern, the pattern start condition, and the connection relationship between the patterns are registered or changed by human instructions or autonomously, and the pattern and program are started according to the pattern status and pattern analysis results A pattern irradiator for recording a control and a history of pattern and program activation, performing situation analysis and problem identification using the recorded activation history information, and activating a program necessary for problem solving; A pattern inverse converter that converts patterns into information, and the source, reliability, novelty, and field of information about the input information Theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, instruction Sentence, conditional sentence, truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absoluteization, mathematical formula, physical formula, chemical formula, symbol And a pattern analyzer that analyzes the relationship with the recorded related information, organizes the information into a structure that is easy to search, and records it in the pattern recorder. An artificial intelligence device that searches and uses related information and analyzes the intentions of the other party to talk. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および起動を実施するパターン制御器と、パターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要な記録ユニットを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、パターンの起動履歴を使用して文脈の検出と学習を実施し、文脈を踏まえた会話（質疑、応答、確認、関心のある話題の提供、意見および議論）を実施する人工知能装置。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The registered pattern recorder, the pattern, the pattern start condition, and the connection relation between the patterns are registered or changed by human instructions or autonomously, and the pattern is processed and started according to the pattern status and pattern analysis results. A pattern controller that records the pattern activation history, and uses the recorded activation history information to analyze the situation and identify the problem, and to activate the recording unit necessary to solve the problem , A pattern inverse converter that converts patterns into information, and information sources, reliability, novelty, fields, themes, topics about the input information Intention, subject, the modification of the subject, predicate, the modification of the predicate, a modified relationship, when, where, who, what, how, why, how was the, the kind of statement (normal sentence, interrogative sentence, statement, conditional statement Truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absolutization, mathematical formula, physical formula, chemical formula, symbol and record It has a pattern analyzer that analyzes the relationship with related information and organizes the information into an easily searchable structure and records it in the pattern recorder, and performs context detection and learning using the pattern activation history. Artificial intelligence device that performs conversations based on questions (answers, responses, confirmations, provision of topics of interest, opinions and discussions). 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および起動を実施するパターン制御器と、パターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要な記録ユニットを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、パターンの起動履歴を使用して文脈の検出と学習を実施し、文脈を踏まえた会話（質疑、応答、関心のある話題の提供、意見および議論）を実施するとともに関心のある、または指定した相手および事項に関する情報（関心のある話題、問題に対する考え方、物事に対する反応、意見および行動、詳細情報）を収集して記録、蓄積する人工知能装置。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The registered pattern recorder, the pattern, the pattern start condition, and the connection relation between the patterns are registered or changed by human instructions or autonomously, and the pattern is processed and started according to the pattern status and pattern analysis results. A pattern controller that records the pattern activation history, and uses the recorded activation history information to analyze the situation and identify the problem, and to activate the recording unit necessary to solve the problem , A pattern inverse converter that converts patterns into information, and information sources, reliability, novelty, fields, themes, topics about the input information Intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, imperative sentence, conditional sentence Truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absolutization, mathematical formula, physical formula, chemical formula, symbol and record It has a pattern analyzer that analyzes the relationship with related information and organizes the information into an easily searchable structure and records it in the pattern recorder, and performs context detection and learning using the pattern activation history. Conduct conversations based on questions (answers, responses, presentation of topics of interest, opinions and discussions) and information on interested or specified parties and matters (topics of interest, ideas about problems, responses to things, opinions) And line , Record to collect more information), accumulating artificial intelligence device. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、変換したパターン、パターンの照合および合致（起動）の条件、パターン間の接続関係、接続関係のあるパターンとの関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの照合および合致（起動）の条件、パターン間の接続関係、接続関係のあるパターンとの関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および制御を実施するパターン制御器と、パターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要な記録ユニットを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、入力した情報と既に記録している情報との関係を分析し安全で有用な情報を抽出して記録することにより知識体系の構築、拡大および更新を実施し、問題解決のために知識体系に記録された情報および情報間の関係を使用して目的に沿った情報検索および情報抽出を行い問題解決する人工知能装置として機能させるためのソフトウェア。  A pattern converter that converts information (language, text, knowledge, mathematical formulas, symbols, images, audio) into patterns, converted patterns, pattern matching and matching (activation) conditions, connection relationships between patterns, and connection relationships A pattern recorder composed of a recording unit that records the relationship with a pattern and the analysis result of the pattern, and the pattern, pattern matching and matching (starting) conditions, the connection between patterns, and the pattern with connection A pattern controller that registers and changes the relationship or autonomously registers and changes the relationship, and processes and controls the pattern according to the pattern status and pattern analysis results, and records the pattern activation history and records the activation A pattern illuminator that uses historical information to analyze the situation and identify problems and activate the recording unit needed to solve the problem Pattern inverse converter that converts patterns into information, information source, reliability, novelty, field, theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, etc. , Where, who, what, how, why, what kind of sentence (normal sentence, question sentence, imperative sentence, conditional sentence, truth, fact, rule, common sense, right and wrong, definition, logic, explanation, hypothesis , Predictions, opinions, impressions, rumors), absolute meaning of words with relative meaning, formulas, physical formulas, chemical formulas, symbols and the relationship with the recorded related information, and organize the information into an easy-to-search structure A pattern analyzer that records data in a pattern recorder, analyzes the relationship between the input information and the information already recorded, extracts and records safe and useful information, and builds, expands and updates the knowledge system To solve the problem Software to function as an artificial intelligence system to solve problems perform information retrieval and information extraction along the object using the relationship between recorded information and information to 識体 system. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および起動を実施するパターン制御器と、パターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、入力した情報と既に記録している情報との関係を分析し安全で有用な情報を抽出して記録することにより知識体系の構築、拡大および更新を実施し、問題解決のために知識体系に記録された情報を使用して目的に沿った情報検索および情報抽出を行い問題解決する人工知能装置として機能させるためのソフトウェア。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The registered pattern recorder, the pattern, the pattern start condition, and the connection relation between the patterns are registered or changed by human instructions or autonomously, and the pattern is processed and started according to the pattern status and pattern analysis results. A pattern controller that records a pattern activation history, performs pattern analysis using the recorded activation history information, identifies a problem, and activates a program necessary to solve the problem, and Pattern inverse converter that converts patterns to information, and information sources, reliability, novelty, fields, themes, topics, Figure, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, imperative sentence, conditional sentence Truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absolutization, mathematical formula, physical formula, chemical formula, symbol and record Equipped with a pattern analyzer that analyzes the relationship with related information and organizes the information into a structure that is easy to search and records it in the pattern recorder, and analyzes the relationship between the input information and the information already recorded, making it safe and useful The knowledge system is constructed, expanded, and updated by extracting and recording information, and the information recorded in the knowledge system is used for problem solving, and information is searched and extracted according to the purpose. To function as an artificial intelligence device to solve Because of the software. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンおよびプログラムを起動するパターン制御器と、パターンおよびプログラムの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、入力した情報と既に記録している情報との関係を分析し安全で有用な情報を抽出して記録することにより知識体系の構築、拡大および更新を実施し、問題解決のために知識体系に記録された情報を使用して目的に沿った情報検索、情報抽出および数々の問題を処理するプログラム群から必要なプログラムを起動し、必要な情報を生成して問題解決する人工知能装置として機能させるためのソフトウェア。  Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The pattern recorder, the pattern, the pattern start condition, and the connection relationship between the patterns are registered or changed by human instructions or autonomously, and the pattern and program are started according to the pattern status and pattern analysis results A pattern irradiator for recording a control and a history of pattern and program activation, performing situation analysis and problem identification using the recorded activation history information, and activating a program necessary for problem solving; A pattern inverse converter that converts patterns into information, and the source, reliability, novelty, and field of information about the input information Theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, instruction Sentence, conditional sentence, truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absoluteization, mathematical formula, physical formula, chemical formula, symbol And a pattern analyzer that analyzes the relationship with the recorded related information and organizes the information into an easily searchable structure and records it in the pattern recorder, and analyzes the relationship between the input information and the information already recorded The system builds, expands and updates the knowledge system by extracting and recording safe and useful information, and uses the information recorded in the knowledge system to solve problems and searches for information according to the purpose. A program to extract and handle numerous problems Software to function as an artificial intelligence system to start the necessary programs from the group, to solve the problem by generating the necessary information. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンおよびプログラムを起動するパターン制御器と、パターンおよびプログラムの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、指定した項目に関連する情報を連想記憶的に記録および出力する人工知能装置として機能させるためのソフトウェア。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The pattern recorder, the pattern, the pattern start condition, and the connection relationship between the patterns are registered or changed by human instructions or autonomously, and the pattern and program are started according to the pattern status and pattern analysis results A pattern irradiator for recording a control and a history of pattern and program activation, performing situation analysis and problem identification using the recorded activation history information, and activating a program necessary for problem solving; A pattern inverse converter that converts patterns into information, and the source, reliability, novelty, and field of information about the input information Theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, instruction Sentence, conditional sentence, truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumor) It also has a pattern analyzer that analyzes the relationship with the recorded related information, organizes the information into an easily searchable structure and records it in the pattern recorder, and records and outputs information related to the specified item in an associative memory Software to function as an artificial intelligence device. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンおよびプログラムを起動するパターン制御器と、パターンおよびプログラムの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、指定した情報を構築した知識体系の関連情報と比較し、指定した情報を評価（新規性評価、知識体系の情報との差異評価、価値評価）する人工知能装置として機能させるためのソフトウェア。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The pattern recorder, the pattern, the pattern start condition, and the connection relationship between the patterns are registered or changed by human instructions or autonomously, and the pattern and program are started according to the pattern status and pattern analysis results A pattern irradiator for recording a control and a history of pattern and program activation, performing situation analysis and problem identification using the recorded activation history information, and activating a program necessary for problem solving; A pattern inverse converter that converts patterns into information, and the source, reliability, novelty, and field of information about the input information Theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, instruction Sentence, conditional sentence, truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absoluteization, mathematical formula, physical formula, chemical formula, symbol And a pattern analyzer that analyzes the relationship with the recorded related information and organizes the information into an easily searchable structure and records it in the pattern recorder, and compares it with the related information of the knowledge system that built the specified information. Software for functioning as an artificial intelligence device that evaluates specified information (evaluation of novelty, difference with knowledge system information, value evaluation). 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンおよびプログラムを起動するパターン制御器と、パターンおよびプログラムの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要なプログラムを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、情報を連想記憶的に記録し、指定したテーマ、話題に関連する情報を検索および使用するとともに相手の意図を分析して会話する人工知能装置として機能させるためのソフトウェア。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The pattern recorder, the pattern, the pattern start condition, and the connection relationship between the patterns are registered or changed by human instructions or autonomously, and the pattern and program are started according to the pattern status and pattern analysis results A pattern irradiator for recording a control and a history of pattern and program activation, performing situation analysis and problem identification using the recorded activation history information, and activating a program necessary for problem solving; A pattern inverse converter that converts patterns into information, and the source, reliability, novelty, and field of information about the input information Theme, topic, intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, instruction Sentence, conditional sentence, truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumor) And a pattern analyzer that analyzes the relationship with the recorded related information, organizes the information into a structure that is easy to search, and records it in the pattern recorder. Software to search and use related information and to function as an artificial intelligence device that analyzes and communicates with the other party's intentions. 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および起動を実施するパターン制御器と、パターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要な記録ユニットを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、パターンの起動履歴を使用して文脈の検出と学習を実施し、文脈を踏まえた会話（質疑、応答、確認、関心のある話題の提供、意見および議論）を実施する人工知能装置として機能させるためのソフトウェア。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The registered pattern recorder, the pattern, the pattern start condition, and the connection relation between the patterns are registered or changed by human instructions or autonomously, and the pattern is processed and started according to the pattern status and pattern analysis results. A pattern controller that records the pattern activation history, and uses the recorded activation history information to analyze the situation and identify the problem, and to activate the recording unit necessary to solve the problem , A pattern inverse converter that converts patterns into information, and information sources, reliability, novelty, fields, themes, topics about the input information Intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, imperative sentence, conditional sentence Truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absolutization, mathematical formula, physical formula, chemical formula, symbol and record It has a pattern analyzer that analyzes the relationship with related information and organizes the information into an easily searchable structure and records it in the pattern recorder, and performs context detection and learning using the pattern activation history. Software that functions as an artificial intelligence device that performs conversations based on questions (answers, responses, confirmations, provision of topics of interest, opinions and discussions). 情報（言語、文章、知識、数式、記号、画像、音声）をパターンに変換するパターン変換器と、パターン、パターンの起動条件、パターン間の接続関係およびパターンの分析結果を記録する記録ユニットから構成されたパターン記録器と、パターン、パターンの起動条件、パターン間の接続関係を人間の指示または自律的に登録、変更し、パターンの状態およびパターンの分析結果に応じてパターンの処理および起動を実施するパターン制御器と、パターンの起動の履歴を記録し、記録した起動履歴の情報を使用して状況の分析および問題の識別を実施し、問題解決に必要な記録ユニットを起動するパターン照射器と、パターンを情報に変換するパターン逆変換器と、入力した情報に関して情報の源泉、信頼性、新規性、分野、テーマ、話題、意図、主語、主語の修飾、述語、述語の修飾、修飾関係、いつ、どこで、誰が、何を、どのように、なぜ、したのか、文の種類（平常文、疑問文、命令文、条件文、真実、事実、規則、常識、善悪、定義、論理、説明、仮説、予測、意見、感想、噂）、相対的意味を有する単語の絶対化、数式、物理式、化学式、記号および記録している関連情報との関係を分析し情報を検索し易い構造に整理してパターン記録器に記録するパターン分析器を備え、パターンの起動履歴を使用して文脈の検出と学習を実施し、文脈を踏まえた会話（質疑、応答、関心のある話題の提供、意見および議論）を実施するとともに関心のある、または指定した相手および事項に関する情報（関心のある話題、問題に対する考え方、物事に対する反応、意見および行動、詳細情報）を収集して記録、蓄積する人工知能装置として機能させるためのソフトウェア。Consists of a pattern converter that converts information (language, sentences, knowledge, mathematical formulas, symbols, images, audio) into patterns, and a recording unit that records patterns, pattern start conditions, connection relationships between patterns, and pattern analysis results The registered pattern recorder, the pattern, the pattern start condition, and the connection relation between the patterns are registered or changed by human instructions or autonomously, and the pattern is processed and started according to the pattern status and pattern analysis results. A pattern controller that records the pattern activation history, and uses the recorded activation history information to analyze the situation and identify the problem, and to activate the recording unit necessary to solve the problem , A pattern inverse converter that converts patterns into information, and information sources, reliability, novelty, fields, themes, topics about the input information Intention, subject, subject modification, predicate, predicate modification, modification relationship, when, where, who, what, how, why, type of sentence (normal sentence, question sentence, imperative sentence, conditional sentence Truth, fact, rule, common sense, good and evil, definition, logic, explanation, hypothesis, prediction, opinion, impression, rumors), relative word absolutization, mathematical formula, physical formula, chemical formula, symbol and record It has a pattern analyzer that analyzes the relationship with related information and organizes the information into an easily searchable structure and records it in the pattern recorder, and performs context detection and learning using the pattern activation history. Conduct conversations based on questions (answers, responses, presentation of topics of interest, opinions and discussions) and information on interested or specified parties and matters (topics of interest, ideas about problems, responses to things, opinions) And line , Record to collect more information), software to function as an artificial intelligence system to accumulate.