Loading article…
手段目的分析[ 1 ]（MEA ）は、人工知能（AI）プログラムにおける探索を制限するために、AIで一般的に使用される問題解決手法です。MEAは、1957年に2人の科学者、アレン・ニューウェルとハーバート・A・サイモンによって設計されました。その後、MEAのアイデアはJC Shawと共に汎用問題解決機へと発展した。
また、MEAは少なくとも1950年代から創造性ツールとして使われてきた手法であり、設計方法に関する工学書で最も頻繁に言及されている。MEAは、消費者行動分析で一般的に使用される手段目的連鎖アプローチとも関連している。[ 2 ]また、数学的証明に着手する際に自分の考えを明確にする方法でもある。
AIで研究されている知能行動の重要な側面は、目標ベースの問題解決です。これは、望ましい目標につながる一連の行動を見つけることで問題の解決策を記述できるフレームワークです。目標探索システムは、環境に関する情報を受け取る感覚チャネルと、環境に作用する運動チャネルによって外部環境に接続されていると想定されます。（求心性という用語は、内向きの感覚の流れを記述するために使用され、遠心性という用語は、外向きの運動指令を記述するために使用されます。）さらに、システムは、環境の状態に関する情報（求心性情報）と行動に関する情報（遠心性情報）をメモリに保存する何らかの手段を持っています。目標を達成する能力は、状態の特定の変化と、これらの変化をもたらす特定の行動との間に、単純または複雑な関連付けを構築することに依存します。探索は、与えられた状態から望ましい状態につながる一連の行動を発見し、組み立てるプロセスです。この戦略は機械学習や問題解決には適しているかもしれませんが、人間には必ずしも推奨されるものではありません（たとえば、認知負荷理論とその影響）。[ 3 ]
MEAテクニックは、問題解決における探索を制御するための戦略です。現在の状態と目標状態が与えられた場合、両者の差を縮小するアクションが選択されます。このアクションは現在の状態に対して実行され、新しい状態が生成されます。そして、このプロセスは新しい状態と目標状態に対して再帰的に適用されます。
MEAが効果を発揮するためには、目標探索システムは、検出可能なあらゆる差異に対して、その差異を縮小するために関連する行動を関連付ける手段を備えている必要がある。また、試行された一連の行動が失敗する可能性があり、その結果、代替の行動が試みられる可能性があるため、システムは進捗状況（現状と望ましい状態との差異の変化）を検出する手段も備えていなければならない。
差異の重要性に関する情報が得られる場合、最も重要な差異が最初に選択されることで、MEAの平均パフォーマンスは他の総当たり探索戦略よりもさらに向上します。しかし、差異を重要度順に並べなくても、MEAは現在の状態と目標の状態との実際の差異に焦点を当てることで、平均的に他の探索ヒューリスティックよりも優れたパフォーマンスを発揮します。
MEAテクニックは、問題解決戦略として、1961年にアレン・ニューウェルとハーバート・A・サイモンが開発したコンピュータ問題解決プログラム「General Problem Solver（GPS）」で初めて導入されました。[ 4 ] [ 5 ]この実装では、差異とアクション（演算子 とも呼ばれる）の対応関係が、システム内の知識として事前に提供されます。（GPSでは、この知識は接続表の形式でした。）
演算子の適用による作用と副作用が明確に把握できる場合、検索は演算子を検査することで関連する演算子を選択し、関連付け表を使用せずに済むことがある。後者のケースは、自動計画コンピュータプログラムであるスタンフォード研究所問題解決ツール（STRIPS）が典型的な例であり、タスクに依存しない方法で差異と、それを縮小する演算子との相関関係を確立することを可能にする。
カーネギーメロン大学でジェイミー・カーボネル、スティーブン・ミントン、クレイグ・ノブロックによって開始された、より大規模な学習支援型自動計画プロジェクトで開発された問題解決システムであるProdigyも、MEAを使用したシステムの一つである。
デンマーク工科大学のモルテン・リンドは、マルチレベルフローモデリング（MFM）と呼ばれるツールを開発しました。これは、産業制御および自動化システムに対して、手段と目的に基づく診断推論を実行します。[ 6 ]