人工知能特論 _ﾒﾃﾞｨｱ併用

授業科目名

人工知能特論 _ﾒﾃﾞｨｱ併用

(英語名)

Advanced Lecture for Artificial Intelligence

科目区分

ー

コース応⽤科⽬(データ科学コース)

対象学生

情報科学研究科

学年

1年

ﾅﾝﾊﾞﾘﾝｸﾞｺｰﾄﾞ

KIIMD5MCA1

単位数

2.0単位

ナンバリングコードは授業科目を管理する部局、学科、教養専門の別を表します。詳細は右上の？から別途マニュアルをダウンロードしてご確認ください。

授業の形態

講義 (Lecture)

開講時期

2026年度後期

担当教員

笹嶋宗彦、湯本高行

所属

情報科学研究科

授業での使用言語

日本語

関連するＳＤＧｓ目標

目標9

ｵﾌｨｽｱﾜｰ・場所

講義後
商科C情報科学研究棟4階研究室(笹嶋，湯本)

連絡先

sasajima@sis.u-hyogo.ac.jp
yumoto@sis.u-hyogo.ac.jp

対応するディプロマ・ポリシー(DP)・教職課程の学修目標

二重丸は最も関連するDP番号を、丸は関連するDPを示します。

学部DP

ー

研究科DP

2◎／1〇

全学DP

ー

教職課程の学修目標

ー

講義目的・到達目標

講義目的
　人工知能技術のうち、人工知能システムの構築および自然言語処理について理解することを目的とする。

到達目標

人工知能システムによる問題解決の原理を説明できる。
自然言語処理とそれを用いた代表的な手法を説明したり、実際に使用したりすることができる。

授業のサブタイトル・キーワード

講義内容・授業計画

講義内容
　本講義では、人工知能技術のうち、人工知能システムの構築および自然言語処理について学ぶ。人工知能システムについては、それを構成する知識、問題解決、インタフェースの3つの面から学ぶことを目的とする。具体的にはオントロジー工学(実世界の分析、知識の構築と活用技術)、推論と探索(問題解決の基本技術)、対話型インタフェース(音声対話システムなど)について紹介する。自然言語処理は人間が日常的に使う言語をコンピュータで処理する技術である。自然言語処理については、形態素解析をはじめとした言語理解のための基盤技術を扱う。さらに、ニューラルネットワークを自然言語処理技術についても取り上げる。

なお，最新の人工技能技術の社会応用例を学ぶために，外部企業からゲスト講師を招くことがある．その場合には，下記のトピックの順序や，内容そのものを変更する場合がある．

また，全講義を通じて，パソコンを利用しての講義を行うことがある．利用や必要な準備(ソフトウェアのインストールなど)について出来る限り予告するが，毎回，持参することが望ましい．

授業計画

イントロダクション：人工知能とは
知的対話システム(1)
知的対話システム(2)
知識の記号化(1)
知識の記号化(2)
企業における人工知能技術活用(1)
企業における人工知能技術活用(2)
企業における人工知能技術活用(3)
企業における人工知能技術活用(4)
企業における人工知能技術活用(5)
自然言語処理の概要
文章のベクトル表現
文章を系列として扱うニューラルネット
大規模言語モデル
自然言語に関する発展的話題

対面・遠隔の別

遠隔（配信先）

実施方法及び遠隔上限適用対象の別

当授業は、神戸商科キャンパスから同時配信により神戸情報科学キャンパスにも配信します。そのため、『対面・遠隔の別』欄では「遠隔」となっていますが、神戸商科キャンパスで受講する院生は「対面」授業となります。

生成ＡＩの利用

利用する場面を限定し許可

生成ＡＩ注意点

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。生成AIの利用については担当教員の指示に従うこと。
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・論文として提出してはならない。

教科書

適宜資料を配布する。

参考文献

山田育矢他：大規模言語モデル入門，技術評論社 (2023)
他にも授業中に適宜指⽰する。

事前・事後学習（予習・復習）の内容・時間の目安

毎回の講義で次回について予告するので，それに応じて予習することが望ましい．技術的な講義については当該技術について調べる事．企業等ゲストスピーカーによる講義の場合は該当企業の研究開発の焦点，得意分野，その他予告されたトピックについて調べる事．目安は2時間．
また，次回の講義までに行うべき事後学習についても同様である．技術的な講義の場合には，当日講義された技術について復習すること．企業等のゲストスピーカーによる講義の場合は，レポート提出に備えて講義をまとめておくこと．目安は2時間．

アクティブ・ラーニングの内容

講義の回によってはグループディスカッションやグループでの課題製作を行うことがある．

成績評価の基準・方法

担当教員ごとに出題するレポートによって評価する．
前半：笹嶋(50％)，後半：湯本(50％)
その他，ゲストスピーカーによる講義の場合については，課題提出が求められた場合，それも評価対象とする．ゲストスピーカーによる課題については，講義の実施された期間の担当教員の評価にそれを組み入れる．
受講態度については原則として評価しないが，必要と判断した場合には，担当教員間で協議の上，評価し，総合成績に加点または減点する．

課題・試験結果の開示方法

期中の課題については，優秀なものについて，模範解答として全体に紹介することがある．
期末の課題については，成績について質問があれば，個別に対応する．

履修上の注意・履修要件

機械学習特論、プログラミング演習の内容を十分に理解していることを前提とする。

実践的教育

該当しない

備考

講師の都合により，講義の内容や順番が変わる可能性があります．初回のオリエンテーションにて，講義内容を予告します．

英語版と日本語版との間に内容の相違が生じた場合は、日本語版を優先するものとします。

シラバス情報