|
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
|
|
・記号による宣言的知識の表現ができる
・推論による宣言的知識の導出ができる
・確率的に表現された宣言的知識を用いた推論ができる
・統計的機械学習による宣言的知識の獲得ができる
・ニューラルネットワークを用いた宣言的知識の獲得ができる
・大規模言語モデルを使って宣言的知識の獲得ができる
・自律的な決定論的因果的知識の獲得ができる
・自律的な確率的因果的知識の獲得ができる（モデル有り）
・自律的な確率的因果的知識の獲得ができる（モデルフリー）
・インタラクションと知能の本質について理解する
・AIの倫理的問題と社会的影響を理解し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
01. 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 宣言的知識
02. 記号による宣言的知識の表現
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
03. 推論による宣言的知識の導出
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
04. 宣言的知識の確率的表現と推論
生成モデル／ベイズの定理／ベイズ推定／最尤推定／観測モデル／ナイーブベイズ／ベイジアンネットワーク／隠れマルコフモデル
05. 統計的機械学習による宣言的知識の獲得（教師なし学習，教師あり学習）
識別モデル／醜いアヒルの子定理／クラスタリング／k-means法／主成分分析／回帰／ロジスティック回帰／決定木／SVM
06. ニューラルネットワークによる宣言的知識の獲得
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）／再帰型ニューラルネットワーク
07. 自然言語による宣言的知識の表現
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
第III部 手続き的知識
08. 自律的な決定論的手続き的知識の獲得
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
09. 自律的な確率的手続き的知識の獲得（モデル有り）
確率的状態遷移の記述／効用関数／期待値と意思決定／動的計画法
10. 自律的な確率的手続き的知識の獲得（モデルフリー）
マルコフ決定過程／強化学習／Q学習／深層強化学習
11. 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／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
12. 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
13. 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
14. XAIとAIの倫理
AIの説明可能性と信頼／AIの倫理的問題／規制とガイドライン
|
|
|
|
授業の特色
|
|
|
|
学生のアク
ティブ・ラー
ニングを
促す取組
|
|
・実践的な課題：各トピックに対して，直接手を動かして学ぶ課題が設定されている．
・プログラミング演習：多くの課題でコーディングが必要とされ，能動的な参加が必要．
・データ分析と評価：機械学習やニューラルネットワークの課題では，結果の分析や評価が求められている．
・議論とレポート作成：AIの倫理や社会的影響についての議論とレポート課題がある．
|
|
|
|
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
|
|
|
|
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．
・記号による宣言的知識の表現ができる
課題：NetworkXもしくはOWLによる知識表現
・推論による宣言的知識の導出ができる
課題：PrologやpyDatalogによる反駁証明
・確率的に表現された宣言的知識を用いた推論ができる
課題：ナイーブベイズによるスパムメール分類器の実装
・統計的機械学習による宣言的知識の獲得ができる
課題：Iris Datasetを用いた機械学習手法の比較と評価
・ニューラルネットワークを用いた宣言的知識の獲得ができる
課題：MNISTを用いた手書き文字認識
・大規模言語モデルを使って宣言的知識の獲得ができる
課題：大規模言語モデルを用いたフューショットテキスト含意
・自律的な決定論的因果的知識の獲得ができる
課題：8パズル
・自律的な確率的因果的知識の獲得ができる（モデル有り）
課題：動的計画法による最適行動獲得
・自律的な確率的因果的知識の獲得ができる（モデルフリー）
課題：Q学習による最適行動獲得
・インタラクションと知能の本質について理解する
課題：レポート
・AIの倫理的問題と社会的影響を理解し具体例を挙げて説明できる
課題：議論とレポート
|
|
|
|
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．
|
|