シラバス参照
|
シラバス参照
|
| 科目名／Course: 人工知能Ⅰ／Artificial Intelligence Ⅰ | |
| 科目一覧へ戻る | 2026/03/23 現在 |
| 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(メールにて質問を受け付けます) |
| 開講年度 ／Year of the Course |
2026年度 |
| 開講期間 ／Term |
前期集中 |
| 対象学生 ／Eligible Students |
2年,3年,4年 |
| 単位数 ／Credits |
2.0 |
| 更新日 ／Date of renewal |
2026/03/09 |
|---|---|
| 科目ナンバリング ／Course Numbering |
履修案内を参照 |
| 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上で実現することを目的とした「人工知能」の基礎を扱う。人工知能の多様な発展分野を概観し、その導入レベルにおける広範な基礎知識を体系的に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] 人工知能に対する強い興味・関心に加え、論理的思考力を有していること。 [キーワード] 人工知能（AI）、探索、知識表現、機械学習、深層学習 |
| 履修上の注意 ／Notes |
講義内で出題されるレポート課題に取り組み、全ての課題を提出することが単位修得（評価対象）の必須条件となる。また、授業運営にはMicrosoft Teamsを使用するため、毎回の講義時に支障なく利用できるよう各自準備を整えておくこと。 ①授業形態：本授業は対面で実施するが、講義ではTeamsによるオンライン環境を利用する。 ②授業準備：Microsoft Teamsのほか、レポート作成やデータ集計のためにWord、Excelを使用する。授業開始日までにアカウントの設定および動作確認を完了させ、毎回の授業で携行・利用できる状態にしておくこと |
| 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 |
馬場口 登、山田 誠二『人工知能の基礎（第2版）』オーム社, 2021年 多田 智史『あたらしい人工知能の教科書（第2版）』翔泳社, 2023年 小高 知宏『基礎から学ぶ人工知能の教科書』オーム社, 2021年 |
| 自主学習ガイド ／Expected Study Guide outside Coursework/Self-Directed Learning Other Than Coursework |
指定の教科書や参考文献を活用し、予習・復習を自律的に行うこと。特に講義で示されたアルゴリズムや計算課題については、実際に自らの手で解法をトレースし、理解の定着を図ること。 |
| 資格等に関する事項 ／Attention Relating to Professional License |
特になし |
| アクティブラーニングに関する事項 ／Attention Relating to Active Learning |
本授業では、能動的な学習を促進するために以下のアクティブラーニングを採用している。 ・レポート課題：講義内容に関連したリサーチおよびレポート作成。 |
| 実務経験に関する事項 ／Attention Relating to Operational Experiences |
研究機関での実務経験のある教員が、その実務経験を生かして専門分野と関連した問題を提示する。 |
| 授業改善アンケートへのレスポンス （2025年度以前は「備考」） ／Response to Course Evaluations |
| 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、習得目標、および参加準備（環境設定等）について説明する。また、課題提示と評価基準を明確にする。 |
シラバスを熟読し、全体の学習フローを把握しておくこと。 | シラバス |
| 2 | 2 | [コンピュータの歴史] コンピュータの出発点と発展の歴史を辿り、現在の計算機技術の立ち位置と現状を理解する。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 3 | 3 | [人工知能の歴史] AIの起源から3つのブーム（推論・知識・データ）を概観し、人工知能における基本問題を整理する。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 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。例として「水差し問題」や「8パズル」を用い、探索木と探索グラフの基礎を理解する。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 5 | 5 | [最適経路の探索] 問題解決における探索法の意義、網羅的探索から発展的探索（A*等）、およびゲーム戦略における探索手法を学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 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、知識表現の基礎、およびエキスパートシステムへの応用について学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 7 | 7 | [セマンティックネットワーク] 意味ネットワークやフレームによる知識表現と推論を学ぶ。例として編集距離の計算などを扱う。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 8 | 8 | [一階述語論理] 述語論理による知識表現、導出と定理証明、および曖昧さを扱うファジィ論理について学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 9 | 9 | [自然言語処理] 構文解析・意味解析といった自然言語理解の基礎から、音声認識・音声理解の仕組みまでを概観する。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 10 | 10 | [画像処理] 画像処理の基礎理論から、画像認識、画像理解、および画像合成（生成）のプロセスを学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 11 | 11 | [推論] 演繹・帰納推論のほか、ベイズ理論、ベイジアンネットワーク、および定性推論の手法を学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 12 | 12 | [機械学習] 教師あり／なし学習、強化学習、および演繹／帰納学習の定義と代表的な手法を体系的に学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 13 | 13 | [ニューラルネットワーク] パーセプトロンから階層型ニューラルネットワーク、バックプロパゲーション、最新の深層学習までを学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 14 | 14 | [進化的計算] 進化的計算の分類を整理し、遺伝的アルゴリズム（GA）や遺伝的プログラミングの基礎を学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 15 | 15 | [知的エージェント・インテリジェントWEB] マルチエージェント技術、Webインテリジェンス、セマンティックWebやオントロジーの概念を学ぶ。 |
講義の予習復習を十分に行い、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。 | 適宜配布 |
| 16 | 16 | [達成度試験] 本講義で扱った人工知能の基礎理論、各分野の活用技術、および事例に関する知識定着を確認する総括的評価を行う。 |
講義全体の内容を復習し、試験に備えること。 |
| 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) | ○ | ○ | ○ | ○ |
| No. |
到達目標 ／Learning Goal |
定期試験 ／Exam. |
受講姿勢 | 課題レポート | 達成度試験 | ||
|---|---|---|---|---|---|---|---|
| 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 |
40 | 50 | 10 | ||||