| 科目名[英文名] | |||||
| 人工知能特論 [Selected Topics in Artificial Intelligence] | |||||
| 区分 | 前期課程科目 | 選択必修 | 単位数 | 2 | |
| 対象学科等 | 対象年次 | ～ | 開講時期 | 1学期 | |
| 授業形態 | 1学期 | 時間割番号 | 1060613 | ||
| 責任教員 [ローマ字表記] | |||||
| 藤田 桂英 [FUJITA Katsuhide] | |||||
| 所属 | 工学部 | 研究室 | メールアドレス | ||
| 概要 |
|
本講義では、人工知能の比較的最近のトピックを中心に講義・演習を行う。主に、知能的処理をデータやアルゴリズムとして計算機上で表現する方法を述べていく。人工知能に関連する一通りの知識を習得し、人工知能に関連するシステムを構築する能力を身につける。 前半は、1980年前後から活発に行われている、探索、ゲームの理論、論理による導出原理や知識表現を中心に講義する。後半は、自然言語処理やWeb Intelligence、ソフトウェアエージェントに関して、どのようなアルゴリズムや考え方が背景にあるのか明らかにしながら講義する。 講義に際しては、座学での知識の教授とミニ演習、レポート課題を実施することで、人工知能に関する知識と理解をより確実なものとする。 |
| 到達基準 |
|
- 人工知能に関連する一通りの知識を持ち，人工知能に関連するシステムを構築する能力を身につけることができる。 - 本科目のディプロマ・ポリシーの観点は履修案内のカリキュラムマップを参照してください。 |
| 授業内容 |
|
第1回 人工知能とは何か---人工知能の歴史、人工知能と関連分野 第2回〜第3回 探索と問題解決---状態空間、縦型探索（深さ優先探索）、横型探索（幅優先探索）、 最良優先探索 第4回 Adversarial Search---ゲームの種類（人数、確定性、情報、零和）、さまざまなゲームの様子、ゲーム木探索とは、ＡＮＤ／ＯＲ木、ｍｉｎｍａｘ戦略、αβ枝刈戦略 第5回 Beyond Classical Search---山登り法、最急降下法、シミュレーテッドアニーリング、生物の進化の仕組み、遺伝アルゴリズム 第6回〜第7回 述語論理---命題論理、述語論理、レゾルーション、 推論 第8回〜第10回 自然言語処理: コーパス、シソーラス、形態素解析、統計的自然言語処理、文書分類と検索、テキストマイニング 第11回〜第12回 Web Intelligence: 検索エンジン（検索、ランキング、クローリング）、コミュニティ形成（複雑ネットワーク）、情報推薦と集合知、Webプログラミング基礎 第13回〜第14回 エージェント: エージェントとは、協調（問題解決、探索、行動選択）、交渉、市場指向メカニズム、オークション、強化学習、複雑系 第15回 まとめ |
| 履修条件・関連項目 |
| 授業時間30時間に加え、授業で配布する教材や後述する参考書を使って本学の標準時間数に準ずる予習と復習を行うこと。 |
| テキスト・教科書 |
| 配布資料を使用する。 |
| 参考書 |
|
- S.J.Russell (著), P.Norvig (著), 古川康一 (翻訳) エージェントアプローチ人工知能 第2版 共立出版 - 人工知能学事典 人工知能学会 |
| 成績評価の方法 |
| レポート課題と演習への平常点により評価する（100%）。 |
| 教員から一言 |
| 人工知能の授業を通じて、コンピューターが問題を賢く解決するとはどういうことか学んでほしい。また、世の中の情報システムに動いている、人工知能アルゴリズムの仕組みを理解することを望む。 |
| キーワード |
| 問題解決，ゲーム木探索，知識表現、自然言語処理、Web Intelligence, ソフトウェアエージェント |
| オフィスアワー |
| オフィスアワーは月曜日の16:30-18:00。その他教員が在室していれば、質問等随時対応する。 email での質問も可。 |
| 備考１ |
| 備考２ |
| 参照ホームページ |
| 開講言語 |
| 日本語 |
| 語学学習科目 |
| 更新日付 |
| 2019/03/15 12:21:05 |