シラバス参照

授業情報／Course information

科目名／Course: 人工知能Ⅰ／Artificial Intelligence Ⅰ
科目一覧へ戻る 2022/09/09 現在

授業基本情報
科目名（和文）
／Course		 人工知能Ⅰ
科目名（英文）
／Course		 Artificial Intelligence Ⅰ
時間割コード
／Registration Code		 24271301
学部（研究科）
／Faculty		 情報工学部
学科（専攻）
／Department		 人間情報工学科
担当教員（○：代表教員）
／Principle Instructor （○） and Instructors		 ○伊藤　照明
オフィスアワー
／Office Hour		 伊藤　照明(月曜日3限，事前にメールで連絡してください．)
開講年度
／Year of the Course		 2022年度
開講期間
／Term		 前期
対象学生
／Eligible Students		 1年,2年,3年,4年
単位数
／Credits		 2
授業概要情報
更新日
／Date of renewal		 2022/02/23
使用言語
／Language of Instruction		 日本語
オムニバス
／Omnibus		 該当なし
授業概略と目的
／Cource Description and Objectives		 人間の知能を計算機で構成することを目的とした人工知能の基礎について扱う．人工知能の多様な分野を概観しつつ，その導入レベルについての基礎知識を理解することを目的とする．
履修に必要な知識・能力・キーワード
／Prerequisites and Keywords		 履修に必要な知識・能力・キーワード：確率・統計の基本的知識、アルゴリズムとプログラミングに関する基礎知識．
履修上の注意
／Notes		 講義終了時に出題されるレポート課題に取り組み、全課題を提出することが履修の必要条件となる．
授業ではMicrosoft Teamsを使用しますので、授業開始日までに使えるように準備をしておくこと．
教科書
／Textbook(s)		 人工知能概論、荒屋真二著、共立出版
参考文献等
／References		 イラストで学ぶ人工知能概論、谷口忠大著、講談社
人工知能の基礎、馬場口 登, 山田 誠二著、オーム社
あたらしい人工知能の教科書、多田 智史著、翔泳社
基礎から学ぶ人工知能の教科書、小高 知宏、オーム社
自主学習ガイド
／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework		 教科書や下記の参考書を用いて，予習・復習を積極的に行うこと．また，講義で示した課題等でも必ず自らの手で計算してみること．
資格等に関する事項
／Attention Relating to Professional License		 なし
アクティブラーニングに関する事項
／Attention Relating to Active Learning
実務経験に関する事項
／Attention Relating to Operational Experiences
備考
／Notes		 ①授業形態：本授業はすべてオンライン（リアルタイム）授業にて実施する
②アクティブラーニング：本授業は以下のアクティブラーニングを実施する
・課題（宿題）
・プレゼンテーション
授業計画詳細情報
No. 単元（授業回数）
／Unit (Lesson Number)		 単元タイトルと概要
／Unit Title and Unit Description		 時間外学習
／Preparation and Review		 配付資料
／Handouts
1 1 [ガイダンス]
・授業計画について説明する
・習得目標を説明する
・参加のための準備について説明する
・課題と評価
2 2 [コンピュータの歴史]
・コンピュータの出発点を学ぶ。
・コンピュータの歴史を学ぶ。
・コンピュータ技術の現状を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
3 3 [人工知能の歴史]
・人工知能の出発点を学ぶ。
・３つの人工知能ブームを学ぶ。
・人工知能の基本問題を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
4 4 [状態空間と基本的な探索]
・状態空間表現による問題設定を学ぶ。
・状態空間表現による水差し問題を学ぶ。
・状態空間表現による８パズル問題を学ぶ。
・探索木と探索グラフを学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
5 5 [最適経路の探索]
・問題解決における探索法の意義を学ぶ。
・網羅的探索法を学ぶ。
・発展的探索法を学ぶ。
・ゲームにおける探索法を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
6 6 [プロダクションルール]
・プロダクションシステムの構成を学ぶ。
・知識表現を学ぶ。
・プロダクションルールを学ぶ。
・エキスパートシステムを学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
7 7 [セマンティックネットワーク]
・意味ネットワークによる知識表現を学ぶ。
・意味ネットワークによる推論を学ぶ。
・フレームによる知識表現を学ぶ。
・例として編集距離の計算を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
8 8 [一階述語論理]
・述語論理による知識表現を学ぶ。
・述語論理による推論を学ぶ。
・導出と定理証明を学ぶ。
・ファジィ論理を学ぶ。
 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
9 9 [自然言語処理]
・自然言語理解を学ぶ。
・構文解析を学ぶ。
・意味解析を学ぶ。
・音声認識・音声理解を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
10 10 [画像処理]
・画像処理の基礎を学ぶ。
・画像認識を学ぶ。
・画像理解を学ぶ。
・画像合成を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
11 11 [推論]
・演繹・帰納推論を学ぶ。
・ベイズ理論を学ぶ。
・ベイジアンネットワークを学ぶ。
・定性推論を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
12 12 [機械学習]
・教師あり学習を学ぶ。
・教師なし学習を学ぶ。
・演繹学習を学ぶ。
・帰納学習を学ぶ。
・強化学習を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
13 13 [ニューラルネットワーク]
・パーセプトロンを学ぶ。
・階層型ニューラルネットワークを学ぶ。
・バックプロパゲーションを学ぶ。
・深層学習を学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
14 14 [進化的計算]
・進化的計算の分類を学ぶ。
・遺伝的アルゴリズムを学ぶ。
・遺伝的プログラミングを学ぶ。
・進化的プログラミングを学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
15 15 [知的エージェント・インテリジェントWEB]
・知的エージェント・マルチエージェント技術について学ぶ。
・WEBインテリジェンスを学ぶ。
・セマンティックWEB・オントロジーを学ぶ。
・マルチエージェント指向I/Fを学ぶ。		 講義前の予習と、講義後の復習を十分に行い、講義で出題されるレポート課題に取り組み、講義内容を十分に理解すること．
16 16 [まとめ]
最終レポート提出
授業評価詳細情報
到達目標及び観点／Learning Goal and Specific Behavioral Viewpoints
No. 到達目標
／Learning Goal		 知識・理解
／Knowledge & Undestanding		 技能・表現
／Skills & Expressions		 思考・判断
／Thoughts & Decisions		 伝達・コミュニケーション
／Communication		 協働
／Cooperative Attitude
1 人工知能の歴史を振り返り、現在の人工知能ブームに至るまでの過程について説明できる（E) ○ ○ ○ ○
2 状態空間表現による問題の定式化と、基本的な探索手法を用いた問題解決について説明できる（E) ○ ○ ○ ○
3 代表的な知識表現法として、プロダクションルール、意味ネットワーク、フレーム、一階述語論理、ファジイ論理について説明できる（E) ○ ○ ○ ○
4 人工知能で用いられる多様な知識メディアである自然言語、音声、画像などによる知的処理が説明できる（E) ○ ○ ○ ○
5 人工知能の代表的な手法である、機械学習、ニューラルネットワーク、進化的計算、セマンティックWEBテクノロジー、エージェント技術などについての説明ができる（E) ○ ○ ○ ○
成績評価方法と基準／Evaluation of Achievement
※出席は2/3以上で評価対象となります。
No. 到達目標
／Learning Goal		 定期試験
／Exam.		 受講姿勢 課題レポート
1 人工知能の歴史を振り返り、現在の人工知能ブームに至るまでの過程について説明できる（E) ○ ○
2 状態空間表現による問題の定式化と、基本的な探索手法を用いた問題解決について説明できる（E) ○ ○
3 代表的な知識表現法として、プロダクションルール、意味ネットワーク、フレーム、一階述語論理、ファジイ論理について説明できる（E) ○ ○
4 人工知能で用いられる多様な知識メディアである自然言語、音声、画像などによる知的処理が説明できる（E) ○ ○
5 人工知能の代表的な手法である、機械学習、ニューラルネットワーク、進化的計算、セマンティックWEBテクノロジー、エージェント技術などについての説明ができる（E) ○ ○
評価割合（％）
／Allocation of Marks		 30 70

科目一覧へ戻る