シラバス参照
|
シラバス参照
|
| 科目名／Course: 人工知能Ⅱ／Artificial Intelligence II | |
| 科目一覧へ戻る | 2026/03/23 現在 |
| 科目名（和文） ／Course |
人工知能Ⅱ |
|---|---|
| 科目名（英文） ／Course |
Artificial Intelligence II |
| 時間割コード ／Registration Code |
24271401 |
| 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 |
後期集中 |
| 対象学生 ／Eligible Students |
3年,4年 |
| 単位数 ／Credits |
2 |
| 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 |
コンピュータに人間のような知能を持たせ、その知的能力を計算機上で実現することを目指して研究が進められている人工知能は、日に日に身近な技術となり、様々な分野への活用が期待されている。本講義では、人工知能を理解するために欠かせない工学的基礎概念とその方法論について解説する。さらに、代表的な活用分野（言語、音声、画像、制御、最適化、推論）に的を絞り、それぞれの分野における活用事例について自ら調査、発表、議論を行うことで、人工知能の本質を能動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] ・人工知能とテクノロジーの融合に対する強い興味・関心。 ・関連分野の研究や資料を自ら調査し、その内容を論理的に整理・分析できるリサーチスキル。 [キーワード] 自然言語処理、音声認識、画像理解、ヒューマノイドロボット、機械学習、深層学習 |
| 履修上の注意 ／Notes |
人工知能１を受講していることが望ましい． 講義内で割り当てられる担当論文に対するプレゼンテーション課題、および非担当論文に関するレポート課題の両方に取り組み、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、Teamsによるオンライン環境を利用する。 ②授業準備：本授業ではMicrosoft Teams、Word、 Excelを使用する。授業開始日までにアカウントの設定や利用環境を準備し、授業時に使えるように準備をしておくこと。 |
| 教科書 ／Textbook(s) |
なし。資料を適宜配布する。 |
| 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 |
人工知能は多角的な視点が求められ、かつ極めて変化の速い発展途上の学術分野である。そのため、履修者は受動的な学習にとどまらず、主体的に多様な関連領域（工学、倫理、社会実装等）へ関心を広げ、常に探究心を持って授業に臨むことが強く期待される。 また、本講義では知識の習得に加え、それらを言語化し批判的に検討する「アウトプットのプロセス」を重視する。具体的には、割り当てられた担当論文のプレゼンテーション準備、および非担当論文に対する課題レポートの作成を常に念頭に置いて受講すること。 |
| 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：非担当論文に関するリサーチとレポート作成。 ・プレゼンテーション課題：担当論文に関するプレゼンテーション発表。 |
| 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] 授業の進め方、習得目標、および事前準備について説明する。また、レポート・発表課題、評価方法、達成度試験の基準を提示し、学習の見通しを立てる。 |
シラバスを熟読し、全体の流れを把握しておくこと。 | 適宜配布 |
| 2 | 2 | [人工知能の定義と意義] 人工知能の歴史と定義、主要な方法論を概観する。現代のものづくりや社会における人工知能の役割を理解し、本講義を学ぶ意義を明確にする。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 3 | 3 | [人工知能の主要手法] 言語（形態素解析・Transformer）、音声（音響モデル）、画像（CNN）、制御（強化学習）、最適化（遺伝的アルゴリズム）、推論（ベイズ推論・ロジック）などの各領域における主要なAI技術を概観し、それぞれの分野における活用手法の基礎を学ぶ。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 4 | 4 | [人工知能の導入事例] 産業界における代表的な成功事例を提示し、次回以降の各論に向けた具体的なイメージを形成する。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 5 | 5-6 | [言語分野への応用] 文脈の理解や新たな文章の生成など、自然言語処理（NLP）分野における人工知能技術について解説・議論を行う。例：形態素解析、単語分散表現（Word2Vec）、Transformer（BERT/GPTの基礎）等。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 6 | 7-8 | [画像分野への応用] 物体認識、映像解析、および画像生成といったコンピュータビジョン分野における人工知能技術について解説・議論を行う。例：畳み込みニューラルネットワーク（CNN）、物体検出（YOLO等）、セグメンテーション等。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 7 | 9-10 | [音声分野への応用] 音源分離、音声認識、およびテキスト読み上げなど、インターフェース技術としての音声処理AIについて解説・議論を行う。例：短時間フーリエ変換、隠れマルコフモデル（HMM）、音声合成（TTS）等。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 8 | 11-12 | [制御分野への応用] 自動車の自動運転、産業用機械、ロボットなどの知的制御に活用される人工知能技術について解説・議論を行う。例：強化学習（DQN等）、PID制御とAIの融合、パスプランニング等。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 9 | 13-14 | [最適化分野への応用] 資源配分、品質管理、設備運用などの最適化問題に活用される人工知能技術（進化計算や強化学習等）について解説・議論を行う。例：遺伝的アルゴリズム（GA）、粒子群最適化、数理最適化等。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 10 | 15 | [推論分野への応用] 機械学習を用いたデータ予測や、複雑な意思決定を支援する推論技術の活用について解説・議論を行う。例：ベイズ統計・推論、決定木、知識グラフ、論理プログラミング等。 |
担当論文のプレゼンテーション準備、及び非担当論文に対するレポート作成を念頭に置いて各回の講義を受講し、内容の深い理解に努めること。 | 適宜配布 |
| 11 | 16 | [達成度試験] 本講義で扱った基礎理論、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。 |
全体の復習を行うこと。 |
| 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 | 言語分野における人工知能活用技術について理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | |||
| 2 | 画像分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | |||
| 3 | 音声分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | |||
| 4 | 制御分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | |||
| 5 | 最適化分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | |||
| 6 | 推論分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ |
| No. |
到達目標 ／Learning Goal |
定期試験 ／Exam. |
受講姿勢 | 課題レポート | 課題発表・議論 | 達成度試験 | |
|---|---|---|---|---|---|---|---|
| 1 | 言語分野における人工知能活用技術について理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | ||
| 2 | 画像分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | ||
| 3 | 音声分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | ||
| 4 | 制御分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | ||
| 5 | 最適化分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | ||
| 6 | 推論分野における人工知能活用技術の理解し、その概要を説明できる（E) | ○ | ○ | ○ | ○ | ||
|
評価割合（％） ／Allocation of Marks |
40 | 30 | 20 | 10 | |||