Artificial Intelligence Ⅰ

Course Title

Course Title in English

Artificial Intelligence Ⅰ

Course Type

Major Courses／Teacher training courses

−

Eligible Students

School of Engineering

Target Grade

1Year

Course Numbering Code

HETBA1MCA1

Credits

2.00Credits

The course numbering code represents the faculty managing the subject, the department of the target students, and the education category (liberal arts / specialized course). For detailed information, please download the separate manual from the upper right 'question mark'.

Type of Class

講義 (Lecture)

Eligible Year/Semester

Fall semester 2026

(Fall semester)

Instructor

Teijiro Isokawa

Affiliation

工学部

Language of Instruction

Japanese

Related SDGs

9

Office Hours and Location

⾦曜⽇10:30〜12:00, 姫路工学キャンパス 6204室 (事前の連絡が望ましい)

Contact

isokawa@eng.u-hyogo.ac.jp

Corresponding Diploma Policy

A double circle indicates the most relevant DP number and a circle indicates the associated DP.

Corresponding Undergraduate School DP

1◎／2〇／3〇

Corresponding Graduate School DP

ー

Corresponding University-Wide DP

N/a

Academic Goals of Teacher Training Course

Ability to keep polishing

Course Objectives and Learning Outcome

講義⽬的
人工知能とは，人間をはじめとする生物が持つ知能や知的な行動を計算機（コンピュータ）により実現することを目的とした学問分野である．
これまでに知的な行動を実現するための基盤的な技術として，状態空間に基づく経路探索手法，探索木を用いた探索手法，不確実性を取り扱う確率論，外部から新しい知識を習得するための学習手法などの研究がなされている．
本講義では，このような手法とその実現方法について学び，人工知能の基本的な技法を習得することを目的とする．

到達⽬標
本講義の到達⽬標は，
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) ニューラルネットワーク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．

Subtitle and Keywords of the Class

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

Course Overview and Schedule

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，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
第１回：人工知能の概要：人工知能とは何か？，人工知能の歴史，人工知能の基本問題
第２回：状態空間と基本的な探索：状態空間モデル，離散・連続システム，探索アルゴリズム
第３回：最適経路の探索その１：探索問題の設定，最適探索
第４回：最適経路の探索その２：最良優先探索，A*アルゴリズム
第５回：ゲームの理論その１：ゲーム理論，標準型ゲーム
第６回：ゲームの理論その１：展開型ゲーム，ミニマックス戦略，α-β法
第７回：動的計画法：多段計画問題，動的計画法のアルゴリズム，編集距離の計算
第８回：確率とベイズ理論の基礎その１：確率の基礎，ベイズの定理
第９回：確率とベイズ理論の基礎その２：確率分布の推定
第１０回：クラスタリングと教師なし学習その１：k-means法，混合ガウス分布
第１１回：クラスタリングと教師なし学習その２：表現学習手法
第１２回：パターン認識と教師あり学習その１：機械学習，回帰問題
第１３回：パターン認識と教師あり学習その２：分類問題
第１４回：パターン認識と教師あり学習その３：多層ニューラルネットワーク
第１５回：パターン認識と教師あり学習その４：モデル評価（交差検証，ハイパーパラメータ最適化，グリッドサーチ）

In-person/Remote Classification

In-person

Implementation Method and Remote Credit Limit Application

Uses of Generative AI

Limited permission for use

Precautions for using Generative AI

「生成ＡＩの利用にあたっては『本学の教育における生成ＡＩの取扱いについて（学生向け）』の記載内容について留意すること。

この授業においては、以下の範囲において、生成ＡＩの利用を許可し、これ以外の範囲での利用は禁止する。
生成ＡＩの利用については各担当担当教員の指示に従うこと。
各担当教員が認める範囲を超えて生成ＡＩを利用したことが判明した場合は、単位を認定しない、又は認定を取り消すことがある。
生成ＡＩの出力した内容について、事実関係の確認や出典・参考文献を確認・追記することが重要である。
また、生成ＡＩによる出力結果をそのまま課題・レポートとして提出してはならない。
また，各担当担当教員の許可なく講義資料の全部または一部を電子ファイルまたは画像等として生成ＡＩに入力することを禁止する。

(利用可の範囲)
利用許容範囲については、各担当担当教員より提示される条件に従うものとする。

Textbook

「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

References

「あたらしい人工知能の教科書」多田智史著，翔泳社，2016
「人工知能原理」加納・山田・遠藤著，コロナ社，2017
「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

Contents and Estimated Time for Pre- and Post- Learning (Preparation and Review)

【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）

Contents of Active Learning

採⽤しない

Grading Criteria and Methods

成績評価の基準・方法
授業後に実施する理解度確認テスト（10％），中間試験（40％）および期末試験（50％）の成績に基づき理解度を評価する。
その理解度に基づき、S（90点以上）、Ａ（80点以上）、B（70点以上）、C（60点以上）による成績評価のうえ、単位を付与する。

How to Disclose Assignments and Exam Results

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．

Precautions and Requirements for Course Registration

Practical Education

該当しない

Remarks

In cases where any differences arise between the English version and the original Japanese version, the Japanese version shall prevail as the official authoritative version.

Syllabus data