Loading article…
人工知能において、人工免疫システム(AIS) は、脊椎動物の免疫システムの原理とプロセスにヒントを得た、計算的にインテリジェントなルールベースの機械学習システムの一種です。アルゴリズムは通常、問題解決に使用するために、免疫システムの学習と記憶の特性に基づいてモデル化されます。
意味
人工免疫システム (AIS) の分野は、免疫システムの構造と機能を計算システムに抽象化し、数学、工学、情報技術の計算問題の解決に向けてこれらのシステムを適用することを研究しています。AIS は、生物学的にヒントを得たコンピューティングと自然コンピューティングのサブフィールドであり、機械学習に興味を持ち、より広い人工知能の分野に属しています。
人工免疫システム（AIS）は、理論的な免疫学と観察された免疫機能、原理、モデルに着想を得た適応型システムであり、問題解決に応用されています。[1]
AIS は、免疫システムをより深く理解するために計算モデルと数学モデルを使用して免疫学をシミュレートすることに関係する計算免疫学や理論生物学とは異なります。ただし、そのようなモデルは AIS の分野を開始し、インスピレーションの豊かな土壌を提供し続けています。最後に、AIS の分野は、DNA コンピューティングなどの他の分野とは異なり、計算の基盤としての免疫システムの調査には関係していません。
歴史
AIS は、Farmer、Packard、Perelson (1986) および Bersini と Varela (1990) による免疫ネットワークに関する論文とともに、1980 年代半ばに登場しました。しかし、AIS が独自の分野になったのは 1990 年代半ばになってからでした。Forrest ら(負の選択について) および Kephartら[2]は、1994 年に AIS に関する最初の論文を発表し、Dasgupta は負の選択アルゴリズムに関する広範な研究を行いました。Hunt と Cooke は、1995 年に免疫ネットワーク モデルに関する研究を開始し、Timmis と Neal はこの研究を継続していくつかの改良を行いました。De Castro と Von Zuben および Nicosia と Cutello の研究 (クローン選択について) は、2002 年に注目を集めました。人工免疫システムに関する最初の本は、1999 年に Dasgupta によって編集されました。
現在、危険理論や自然免疫システムにヒントを得たアルゴリズムなど、AIS に沿った新しいアイデアも検討されています。ただし、これらの新しいアイデアは、既存の AIS アルゴリズムを超える、真に「新しい」抽象概念をまだ提供していないと考える人もいます。ただし、これは熱く議論されており、この議論は現時点で AIS 開発の主な原動力の 1 つとなっています。その他の最近の開発には、AIS モデルの退化の調査が含まれます。 [3] [4]これは、オープンエンドの学習と進化におけるその仮説的な役割によって動機付けられています。[5] [6]
もともと AIS は、免疫系に見られるプロセスの効率的な抽象化を見つけることを目的としていましたが、最近では、生物学的プロセスのモデル化と、バイオインフォマティクスの問題への免疫アルゴリズムの適用に興味を持つようになっています。
2008年にダスグプタとニノ[7]は免疫計算に関する教科書を出版し、免疫ベースの技術に関する最新の研究成果の概要を示し、さまざまな応用について説明しました。
テクニック
一般的な技術は、哺乳類の 適応免疫システムの機能と動作を説明する特定の免疫学理論にヒントを得ています。
- クローン選択アルゴリズム:獲得免疫のクローン選択理論にヒントを得たアルゴリズムの一種で、Bリンパ球とTリンパ球が時間の経過とともに抗原に対する反応を改善する仕組みを親和性成熟と呼んでいます。これらのアルゴリズムは、選択は抗原と抗体の相互作用の親和性によって、再生は細胞分裂によって、変異は体細胞超突然変異によって決まるという理論のダーウィン的特性に焦点を当てています。クローン選択アルゴリズムは、最適化とパターン認識の分野に最も一般的に適用されており、その一部は並列ヒルクライミングや組み換え演算子のない遺伝的アルゴリズムに似ています。 [8]
- ネガティブ選択アルゴリズム:胸腺内のT細胞の成熟中に起こる、T細胞寛容と呼ばれるポジティブな選択とネガティブな選択のプロセスにヒントを得たものです。ネガティブ選択とは、自己反応細胞、つまり自己組織を選択して攻撃する可能性のあるT細胞の識別と削除（アポトーシス）を指します。このクラスのアルゴリズムは、問題空間が利用可能な知識の補完でモデル化される分類およびパターン認識の問題領域で一般的に使用されます。たとえば、異常検出領域の場合、アルゴリズムは、目に見えないパターンや異常なパターンをモデル化して検出する、正常な（異常ではない）パターンでトレーニングされた一連の典型的なパターン検出器を準備します。[9]
- 免疫ネットワーク アルゴリズム:ニールス カイ ジェルネが提唱したイディオタイプ ネットワーク理論にヒントを得たアルゴリズム。この理論は、抗イディオタイプ抗体 (他の抗体を選択する抗体) による免疫システムの制御を説明しています。このクラスのアルゴリズムは、抗体 (または抗体産生細胞) がノードを表すネットワーク グラフ構造に焦点を当てており、トレーニング アルゴリズムでは、親和性 (問題の表現空間における類似性) に基づいてノード間のエッジを拡大または削減します。免疫ネットワーク アルゴリズムは、クラスタリング、データ視覚化、制御、最適化の分野で使用されており、人工ニューラル ネットワークと特性を共有しています。[10]
- 樹状細胞アルゴリズム: 樹状細胞アルゴリズム (DCA) は、マルチスケール アプローチを使用して開発された免疫に着想を得たアルゴリズムの一例です。このアルゴリズムは、樹状細胞(DC) の抽象モデルに基づいています。DCA は、細胞内に存在する分子ネットワークから細胞集団全体が示す動作まで、DC 機能のさまざまな側面を調査およびモデル化するプロセスを通じて抽象化および実装されます。DCA 内では、情報はマルチスケール処理によってさまざまなレイヤーに細分化されます。[11]
参照
注記
- ^ de Castro, Leandro N.; Timmis, Jonathan (2002). 人工免疫システム: 新しい計算知能アプローチ. Springer . pp. 57–58. ISBN 978-1-85233-594-6。
- ^ Kephart, JO (1994)。「コンピューターのための生物学的にヒントを得た免疫システム」。人工生命IVの議事録：生体システムの合成とシミュレーションに関する第4回国際ワークショップ。MITプレス。pp. 130–139。
- ^ Andrews and Timmis (2006)。「リンパ節の縮退の計算モデル」。人工免疫システム。コンピュータサイエンスの講義ノート。第 4163 巻。pp. 164–177。doi : 10.1007/ 11823940_13。ISBN 978-3-540-37749-8.S2CID 2539900 。
- ^ Mendao; et al. (2007). 「免疫システムの断片: 免疫システムの退化から学ぶ計算上の教訓」2007 IEEE 計算知能の基礎に関するシンポジウム。pp. 394–400。doi : 10.1109 / FOCI.2007.371502。ISBN 978-1-4244-0703-3. S2CID 5370645。
{{cite book}}:|journal=無視されました (ヘルプ) - ^ Edelman and Gally (2001). 「生物システムにおける退化と複雑性」。米国科学アカデミー紀要。98 ( 24 ) : 13763–13768。Bibcode : 2001PNAS ...9813763E。doi : 10.1073 / pnas.231499798。PMC 61115。PMID 11698650。
- ^ Whitacre (2010). 「退化：生物システムにおける進化可能性、堅牢性、複雑性のつながり」.理論生物学および医療モデリング. 7 (6): 6. doi : 10.1186/1742-4682-7-6 . PMC 2830971. PMID 20167097 .
- ^ Dasgupta, Dipankar; Nino, Fernando (2008).免疫学的計算: 理論と応用. CRC Press. p. 296. ISBN 978-1-4200-6545-9。
- ^ de Castro, LN; Von Zuben, FJ (2002). 「クローン選択原理を用いた学習と最適化」(PDF) . IEEE Transactions on Evolutionary Computation . 6 (3): 239–251. doi :10.1109/tevc.2002.1011539.
- ^ Forrest, S.; Perelson, AS; Allen, L.; Cherukuri, R. (1994). 「コンピュータにおける自己と非自己の識別」(PDF)。1994 IEEE セキュリティとプライバシーの研究に関するシンポジウム議事録。ロサンゼルスアラミトス、カリフォルニア州。pp. 202–212。
- ^ Timmis, J.; Neal, M.; Hunt, J. (2000). 「データ分析のための人工免疫システム」(PDF) . BioSystems . 55 (1): 143–150. Bibcode :2000BiSys..55..143T. doi :10.1016/S0303-2647(99)00092-1. PMID 10745118.
- ^ Greensmith, J.; Aickelin, U. (2009). 「人工樹状細胞: 多面的な視点」. グラニュラーモデリングによる人間中心の情報処理(PDF) . 計算知能研究. 第 182 巻. pp. 375–395. CiteSeerX 10.1.1.193.1544 . doi :10.1007/978-3-540-92916-1_16. ISBN 978-3-540-92915-4. S2CID 11661259. 2011年8月9日に オリジナル（PDF）からアーカイブ。2009年6月19日に取得。
参考文献
- JD Farmer、N. Packard、A. Perelson (1986)「免疫システム、適応、機械学習」、Physica D、第 2 巻、187 ～ 204 ページ
- H. Bersini、FJ Varela、「免疫ネットワークから得られる適応型問題解決のヒント」。自然からの並列問題解決、第 1 回ワークショップ PPSW 1、ドルトムント、FRG、1990 年 10 月。
- D. Dasgupta (編集者)、人工免疫システムとその応用、Springer-Verlag, Inc. ベルリン、1999年1月、ISBN 3-540-64390-7
- V. Cutello および G. Nicosia (2002)「組み合わせ最適化問題への免疫学的アプローチ」Lecture Notes in Computer Science、Springer vol. 2527、pp. 361–370。
- LN de Castro および FJ Von Zuben (1999)「人工免疫システム: パート I - 基本理論とアプリケーション」、ブラジル、カンピナス州立大学、コンピューティングおよび電気工学部、No. DCA-RT 01/99。
- S. Garrett (2005)「人工免疫システムをどのように評価するか?」進化計算、第 13 巻、第 2 号、145 ～ 178 ページ。http://mitpress.mit.edu/journals/pdf/EVCO_13_2_145_0.pdf 2011 年 6 月 29 日にWayback Machineにアーカイブされました
- V. Cutello、G. Nicosia、M. Pavone、J. Timmis (2007) 格子モデルにおけるタンパク質構造予測のための免疫アルゴリズム、IEEE Transactions on Evolutionary Computation、vol. 11、no. 1、pp. 101–117。https://web.archive.org/web/20120208130715/http://www.dmi.unict.it/nicosia/papers/journals/Nicosia-IEEE-TEVC07.pdf
- Villalobos-Arias M.、Coello CAC、Hernández-Lerma O. (2004) 多目的人工免疫システムアルゴリズムの収束分析。Nicosia G.、Cutello V.、Bentley PJ、Timmis J. (編) 人工免疫システム。ICARIS 2004。コンピュータサイエンスの講義ノート、vol 3239。Springer、ベルリン、ハイデルベルク。DOI https://doi.org/10.1007/978-3-540-30220-9_19
外部リンク
- AISWeb: 人工免疫システムのオンライン ホーム AIS 全般に関する情報と、ICARIS カンファレンス シリーズ、コード、教材、アルゴリズムの説明など、さまざまなリソースへのリンク。
- ARTIST: 人工免疫システム ネットワーク 英国の AIS ネットワークである ARTIST に関する情報を提供します。英国内外で AIS に技術的および財政的サポートを提供し、AIS プロジェクトの促進を目指しています。
- コンピュータ免疫システム、Wayback Machineに 2017-02-20 にアーカイブ。Stephanie Forrest率いるニューメキシコ大学のグループ。
- AIS: ディパンカール・ダスグプタ氏が率いるメンフィス大学の人工免疫システム グループ。
- IBM ウイルス対策研究 コンピュータ セキュリティのための AIS における初期の取り組み。