人工知能

Artificial Intelligence

専門教育科目

−

工学部

3年

HETBK3MCA1

2単位

講義 (Lecture)

2024年度後期

(Fall semester)

礒川 悌次郎

工学部
電気電子情報工学科

日本語

目標9

金曜日10:30〜12:00, 6204室 (事前の連絡が望ましい)

isokawa@eng.u-hyogo.ac.jp

3◎／4〇／5〇

ー

ー

ー

講義目的：
現代の人工知能・ロボットなどの知的な機械を構築していくためには，従来の探索アルゴリズムのみならず生体の情報処理に基づく機械学習手法を広く学ぶことが重要である．
本講義では，経路探索およびゲーム木探索のアルゴリズムを習得するとともに脳の情報処理の基礎を学ぶ．また，信号・画像処理，パターン認識といった幅広い分野で利用されている機械学習の各種手法の原理を習得する．

到達目標：本講義の到達目標は，受講生が，
1) 経路探索やゲーム木探索などの探索アルゴリズムの原理とアルゴリズムが説明できること，
2) 進化計算やニューラルネットワーク，強化学習などの機械学習手法の原理とアルゴリズムが説明できること，
の２点である．

サブタイトル：古典人工知能から現代人工知能までを学ぶ
キーワード：経路探索，ゲーム木，機械学習，進化計算，ニューラルネットワーク，深層学習，強化学習

講義内容：講義前半では，経路探索やゲーム木探索などの探索アルゴリズムの原理について講義を行う．
後半では，生体，特に脳・神経系の情報処理の基礎を学ぶとともに，深層学習に代表される現代人工知能技術の基礎であるニューラルネットワークをはじめ，各種の機械学習法の基礎を講義する．

授業計画：
１．人工知能技術の過去・現在・未来
２．経路探索問題とそのアルゴリズム
３．ゲーム理論における探索アルゴリズム
４．機械学習の概要
５．進化計算とメタ・ヒューリスティック
６．進化計算に基づく最適化手法
７．ここまでのまとめと評価
８．脳・神経系の情報処理
９．階層型ニューラルネットワークと学習アルゴリズム
１０．深層学習と現代人工知能
１１．教師なし学習
１２．クラスタリング手法
１３．自己組織化特徴マップとその応用
１４．大脳基底核と強化学習
１５．強化学習の基礎と応用

この授業においては生成AIの利用を予定していないが，学生が利用する場合には参考文献が実在するかなど事実確認を必ず行うこと．

「人工知能原理」 加納・山田・遠藤著，コロナ社，2017

「イラストで学ぶ 人工知能概論 改訂第2版」 谷口忠大 著，講談社，2020
「あたらしい人工知能の教科書」多田智史 著，翔泳社，2016
「メカ屋のための脳科学入門」高橋宏友 著，日刊工業新聞社，2016
「続メカ屋のための脳科学入門」高橋宏友 著，日刊工業新聞社，2017
「自己組織化マップとその応用」徳高・大藪・堀尾・藤村・大北 編，シュプリンガー・ジャパン，2016
「入門パターン認識と機械学習」後藤・小林 共著，コロナ社，2014

【予習】授業に際して指示するテキストならびに配布された資料を事前読み込み（合計40時間）
【復習】講義内容の理解を深め定着させるためにテキストおよび配付資料を読み直し（合計20時間）

採用しない

成績評価の基準：講義目的・到達目標に記載する能力の到達度に基づき，S（90点以上），Ａ（80 点以上），B（70 点以上），C（60 点以上）による成績評価の上で単位を付与する．
成績評価の方法：講義中に行われる中間評価（第７回にて実施予定），定期試験（試験期間中に実施）に基づき成績評価を行う．

定期試験は，授業評価アンケートの教員コメント欄に試験結果に関するコメントもあわせて記載する．

該当しない