授業の概要・目的

今や翻訳ツールや画像認識など，日常生活においても特別な存在ではなくなった「人工知能」は，これからも更なる発展が予想され，今後の企業の競争力において非常に重要な役割を担うと考えられている．一方で，人類は未だ「知性」や「知能」に対して明確な定義を持っておらず，「人工知能」という言葉の定義は現在も曖昧さを含んでいる．そこで，本講義では人工知能誕生の歴史的背景から現在の進化さらには今後の展望に至るまでを時系列で整理した上で，認識，分析，制御の3つの観点から技術面・応用面を含め体系的に捉え，さらには，受講生の自らの専門領域での適用可能性の考察を促し，「人工知能」の将来についての展望を講述する．

到達目標

人工知能を正しく理解しその内部構造の技術を応用できるような水準になることを目指す．

授業計画と内容

講義日程　11月8日(土)，14日(金)， 15日(土)， 22日(土)

集中講義形式で以下のような合計15回の講義を行う予定である．「認識」，「分析（理論その2）」「分析（応用）」については企業からの非常勤講師を招聘する予定である．学習の理解度に応じて，内容を変更する場合がある．

（１）人工知能の基礎的手法【４回】(佐藤・Chu)
　　　近年の技術を中心に人工知能を概観した後、後半の講義の前提として、ニューラルネットワーク、深層学習、ベイズ推論の基礎、決定木について講述する。

（２）人工知能の歴史【１回】(川上)
　　　人工知能研究の研究と発達の歴史を概観する。

（３）制御【１回】(川上)
　　　人工知能の制御への応用を講述する。

（４）認識(理論)【３回】(枌・佐藤)
　　　認識技術を支える機械学習の基礎概念と主要なアルゴリズムについて紹介する。

（５）認識(応用その１)【１回】(白石・山本(章))
　　　顔認証・行動認識・物体認識等、画像や映像を対象とする認識技術の実応用例を紹介する。

（６）認識(応用その２)【１回】(山本(仁)・山本(章))
　　　実社会での音声認識の応用例を紹介し、それを支える認識技術を解説する。

（７）分析(理論)【２回】(江藤・山本(章))
　　　高度な予測を実現する複数のモデルの結合による機械学習アルゴリズム（例：ランダムフォレスト/勾配ブースティング/混合ガウス分布）について紹介する。

（８）分析(応用)【２回】(亀田)
　　　実社会でのデータ分析事例・システム化と課題について、需要予測の例を中心に紹介・解説する。

講義の進度や非常勤講師招聘の状況に応じて，日程を調整し，また内容を取捨・追加することがある．

履修要件

線形代数学、基礎的な確率・統計を既に受講しているか，同等の知識を有することが望ましい．

成績評価の方法・基準

講義ごとのレポートならびに講義終了後のレポートにより総合的に判断する．

教科書

特に定めない．必要な資料は講義において配布する．

参考書等

必要に応じて講義内で紹介する．

その他（授業外学習の指示・オフィスアワー等）

講義の効果を高めるため事前予習を課す場合がある．
履修登録者は，線形代数学，基礎的な確率・統計の内容についての予習用e-learning教材を視聴可能にする予定である。