|
授業概要
|
|
|
本講義では，人工知能（AI）の基礎から最新のトピックまでを網羅的に学ぶ．知識の表現と獲得のための様々な方法という観点から，推論，機械学習，ニューラルネットワーク，自然言語処理，強化学習などの，AIの主要な技術を体系的に理解する．またAIの歴史的背景から現代的な応用や倫理的問題まで幅広く扱う．基礎的な演習を通じて理論的な基礎を固めつつ，実際のAIシステムの設計や実装に必要な知識を習得する．さらに，AIが社会に与える影響や今後の展望についても議論を行い，技術者として必要な多角的な視点を養う．また，大規模言語モデルを使用した課題への取り組みを通じてAIを使いこなすことによるパフォーマンスの向上を体感する．
|
|
|
到達すべき
目標
|
|
第1回：人工知能の歴史，定義，主要な考え方を説明できる
第2回：記号を用いて知識や関係を表現できる
第3回：論理に基づく推論の考え方を理解し，知識を導出できる
第4回：不確実な知識を確率的に表現し，ベイズ推論の考え方を説明できる
第5回：統計的機械学習の基本的な手法を理解し，データに適用して評価できる
第6回：ニューラルネットワークの基本構造と学習方法を理解し，分類課題に適用できる
第7回：自然言語処理と大規模言語モデルの基本的な仕組みを理解し，テキスト処理課題に適用できる
第8回：状態空間と探索に基づく決定論的な行動計画を定式化できる
第9回：確率的意思決定の考え方を理解し，モデルに基づく最適行動を導出できる
第10回：強化学習の基本的な考え方を理解し，試行錯誤に基づく行動学習を実装できる
第11回：観測データと生成モデルを用いた状態推定の考え方を説明できる
第12回：ゲーム理論やマルチエージェントの観点から，インタラクションと知能の関係を説明できる
第13回：人間と相互作用するAIシステムの設計上の論点を説明できる
第14回：AIの説明可能性，倫理的問題，社会的影響について具体例を挙げて説明できる
|
|
|
授業計画と
準備学習
|
|
第I部 導入
第1回：人工知能とは
人工知能の歴史／知能・人工知能の定義／知能と意識の違い／記述と予測／命題／相関（宣言的知識）／因果（手続き的知識）／意思決定／自律性／合理性／最適性
第II部 知識表現と推論
第2回：記号による知識表現
抽象化と表象と記号／知識表現／セマンティックネット／フレームシステム／オントロジー／Linked Open Data
第3回：推論による知識の導出
帰納／演繹／アブダクション（仮説推論）／記号論理／一階述語論理／導出原理／反駁証明／エキスパートシステム
第4回：確率的知識表現と推論
論理表現の限界と確率表現の必要性／生成モデルと観測モデル／ベイズの定理／ベイズ推定と最尤推定／ナイーブベイズ／ベイジアンネットワーク
第5回：統計的機械学習による知識の獲得
識別モデル／醜いアヒルの子定理／教師なし学習（k-means法，階層的クラスタリング，主成分分析）／教師あり学習／線形モデル（単回帰，重回帰，分散分析，共分散分析）／非線形モデル（ロジスティック回帰，K近傍法，決定木，ランダムフォレスト，SVM）
第6回：ニューラルネットワークによる知識の獲得
ニューラルネットワークの基礎／学習アルゴリズム／深層ネットワーク／畳み込みニューラルネットワーク／生成モデル（GAN，VAE，拡散モデル）／再帰型ニューラルネットワーク
第7回：自然言語による知識表現
形態素解析／構文解析／意味解析／単語と文章のベクトル表現／Transformer／大規模言語モデル／プロンプト設計／検索拡張生成（RAG）
第III部 意思決定と行動計画
第8回：決定論的な行動計画
状態空間／状態と決定論的状態遷移の記述／プランニング／半順序プランニング／GPS／プロダクションシステム／サブサンプション・アーキテクチャ／探索アルゴリズム／ヒューリスティック／遺伝的アルゴリズム
第9回：確率的意思決定
決定論的意思決定の限界／マルコフ決定過程／価値関数と最適性／動的計画法
第10回：強化学習
強化学習／モデルフリー学習／Q学習／深層強化学習
第11回：データ駆動・生成モデルによる手続き的知識の獲得
状態推定／時系列予測／隠れマルコフモデル／物理モデル／観測モデル／カルマンフィルタ／確率ロボティクス／自由エネルギー原理
第IV部 相互作用と知能
第12回：インタラクションと知能
協力と競争／展開型ゲーム／同時手番ゲーム／ゼロ和ゲーム／非ゼロ和ゲーム／交渉／マルチエージェントシステム
第13回：インタラクティブなAI
対話システム／共同作業／ユーザーモデリング／パーソナライゼーション／説得／推薦／ヒューマンコンピュテーションとクラウドソーシング／ヒューマンインザループ／社会的AI・ロボット／AIエージェント
第14回：XAIとAIの倫理
AIの説明可能性と信頼／AIの倫理的問題／データとプライバシー／著作権と生成AI／規制とガイドライン／AIの社会実装
|
|
|
|
授業実施方法
|
|
|
|
|
授業の特色
|
|
|
|
学生のアク
ティブ・ラー
ニングを
促す取組
|
|
|
|
|
使用言語
|
|
|
|
TA，SA等配置
予定
|
|
|
|
基盤的能力
専門的能力
|
|
|
|
授業時間外
の学習
|
|
|
講義内容を理解し，知識として定着させるための復習が必要である．
|
|
|
成績評価の
方法
|
|
|
|
到達度評価
の観点
|
|
|
目標に到達しているかどうかは以下の課題によって評価する．
|
|
|
|
テキスト
|
|
|
|
テキスト
(詳細)
|
|
|
|
|
参考文献
|
|
|
|
参考文献
(詳細)
|
|
|
|
担当教員実
務経験内容
または実践
的教育内容
|
|
|
|
実践的授業
内容等
|
|
|
|
|
備考
|
|
|
課題は大規模言語モデルの使用を前提としている．有料版のChatGPTかClaudeを使用することが望ましい．
|
|