この科目のシラバス

PDFデータはこちら

授業の概要・目的

大規模言語モデルに代表される生成AIについて、その動作原理から構成法、応用展開について講義する。

到達目標

生成AIモデルの原理を理解し、適切に利用できる。

授業計画と内容

1. 人工知能（ＡＩ）の歴史：推論・探索、知識工学、機械学習、生成AI
2. 統計的機械学習
3. ニューラルネットワーク入門
4. NNのアーキテクチャと学習
5. AIによるタスク遂行I：画像認識（1/2）
6. AIによるタスク遂行I：画像認識（2/2）
7. AIによるタスク遂行II：自然言語処理
8. Transformerと自己教師付き学習
9. 大規模言語モデル
10. 他の生成モデル：VAE, GAN, Diffusion
11. 他の基盤モデル画像、音声など
12. Gemini演習1
13. Gemini演習2
14. ＥＬＳＩ（倫理的・法的・社会的な課題）

履修要件

統合型複合科目「人工知能と人間社会」の講義部分と重なりがあるため、当該科目を履修した学生は不可。

成績評価の方法・基準

出席と参加の状況 (15%)、12回のミニレポート（60%）および授業で学んだ生成AIモデルを使って勉強で扱う実際の問題を解く最終レポート (25%)を用いて評価する。

教科書

使用しない

参考書等

C.M.Bishop and H.Bishop. Deep Learning Foundations and Concepts, Springer (2024)
Goodfellow, Yoshua Bengio and Aaron Courville、「深層学習」、KADOKAWA、（2018）
山田 育矢（監修）、鈴木 正敏、山田 康輔、李 凌寒、「大規模言語モデル入門」、技術評論社、（2023）

その他（授業外学習の指示・オフィスアワー等）

各授業後に60分程度で内容を復習することを期待する。また、学生の理解度を確認するために、一部の授業後には実践的な演習課題も実施する。
オフィス・アワーは設けない。質問や要望はメールで受ける。