情報科学部Faculty of Computer and Information Sciences
HUI213KA-CS-221（人間情報学 / Human informatics 200）人工知能Artificial Intelligence
藤田 悟Satoru FUJITA
授業コードなどClass code etc
| 学部・研究科Faculty/Graduate school | 情報科学部Faculty of Computer and Information Sciences |
| 添付ファイル名Attached documents | |
| 年度Year | 2022 |
| 授業コードClass code | J0540 |
| 旧授業コードPrevious Class code | |
| 旧科目名Previous Class title | |
| 開講時期Term | 秋学期授業/Fall |
| 曜日・時限Day/Period | 月5/Mon.5 |
| 科目種別Class Type | |
| キャンパスCampus | 小金井 / Koganei |
| 教室名称Classroom name | 各学部・研究科等の時間割等で確認 |
| 配当年次Grade | |
| 単位数Credit(s) | 2 |
| 備考（履修条件等）Notes | |
| 他学部公開科目Open Program | |
| 他学部公開（履修条件等）Open Program (Notes) | |
| グローバル・オープン科目Global Open Program | |
| 成績優秀者の他学部科目履修制度対象Interdepartmental class taking system for Academic Achievers | ○ |
| 成績優秀者の他学部科目履修（履修条件等）Interdepartmental class taking system for Academic Achievers (Notes) |
（１） 受講希望者 (受講検討中の者も含む) は、情報科学部学部Googleフォーム（https://forms.gle/ECvwxVe2NcxmrbTK9）で初回講義前までに希望申請をしてください。（※以下URLのご案内があるGoogleフォームとは異なるのでご注意ください。） （２） 以下のURLと教育開発支援機構事務局の案内に従って、履修希望の申請を行ってください。 https://www.hoseikyoiku.jp/risyu/index.html （３） 履修取消については、ご自身の所属学部の履修取消期間内に必ず同時に履修削除を行ってください。 |
| 実務経験のある教員による授業科目Class taught by instructors with practical experience | ○ |
| SDGsCPSDGs CP | |
| アーバンデザインCPUrban Design CP | |
| ダイバーシティCPDiversity CP | |
| 未来教室CPLearning for the Future CP | |
| カーボンニュートラルCPCarbon Neutral CP | |
| 千代田コンソ単位互換提供（他大学向け）Chiyoda Campus Consortium | |
| 選択・必修Optional/Compulsory | |
| カテゴリー（2022年度以降入学者）Category (2022~) | |
| カテゴリー（2021年度以前入学者）Category (~2021) | |
| カテゴリーCategory |
専門教育科目 専門科目 |
すべて開くShow all
すべて閉じるHide All
Outline (in English)
[Course outline]
Students learn the basic knowledge of artificial intelligence.
Artificial intelligence is an area for studying intelligent behaviors and thoughts by computer. Knowledge representation, inference, search and learning are important basic issues in artificial intelligence. This lecture introduces the brief history and the base of artificial intelligence and take practices for using the technologies.
[Learning objective]
Artificial intelligence is one of the most attracting areas of computer science. This course present the knowledge of the artificial intelligence neccessary for students who learn science.
[Learning activities outside of classroom]
Students will be expected to have completed the required assignments after each class. Your study time at home will be more than four hours for a class.
[Grading criteria / policy]
Your overall grade in the class will be decided based on the following
interim examination (40%)
final examination (60%)
We may give additional points for questions at class and homework.
授業で使用する言語Default language used in class
日本語 / Japanese
授業の概要と目的（何を学ぶか）Outline and objectives
人工知能という学問分野について、基礎知識を修得します。
人工知能は、計算機により、知的な振る舞いの再現を目指した学問分野です。
計算機上で知的行動を再現するための基盤技術として、様々な知識表現、推論手法、探索手法、学習手法が研究されてきました。本講義では、人工知能の基礎を理解することをテーマに、汎用な基盤技術に焦点を当てて解説と演習を行います。
到達目標Goal
人工知能という技術分野について、他の人に十分な説明を行うことができるようになります。特に、論理的な知識表現の方法、知識を用いた推論方法、探索木を用いた探索手法、新しい知識を得るための学習手法について、基礎的な考え方と、古典的な実現手法を学びます。
例題を通して、上記の手法について、具体的な操作手順を身に着けることができます。
この授業を履修することで学部等のディプロマポリシーに示されたどの能力を習得することができるか（該当授業科目と学位授与方針に明示された学習成果との関連）Which item of the diploma policy will be obtained by taking this class?
ディプロマポリシーのうち「DP4-2」に関連
授業で使用する言語Default language used in class
日本語 / Japanese
授業の進め方と方法Method(s)（学期の途中で変更になる場合には、別途提示します。 /If the Method(s) is changed, we will announce the details of any changes. ）
授業は、講義形式を基本としています。講義の中では、概念を教えるだけでなく、例題を用いて振る舞いを説明します。そして、例題の一部の形を変えた演習問題に取り組んでもらいます。また、より深い理解をするために、課題が提出されます。課題は、自宅にて復習として問題を解き、解答をレポート形式にまとめて提出してもらいます。演習や課題の正解解答について、授業時間内に説明・フィードバックすることで、理解を深めます。
アクティブラーニング（グループディスカッション、ディベート等）の実施Active learning in class (Group discussion, Debate.etc.)
あり / Yes
フィールドワーク（学外での実習等）の実施Fieldwork in class
なし / No
授業計画Schedule
授業形態/methods of teaching：対面/face to face
※各回の授業形態は予定です。教員の指示に従ってください。
第1回[対面/face to face]：人工知能とは何か/人工知能の歴史
本講義全体で学ぶ概要について説明します。
人工知能の歴史を学び、人工知能研究の背景、汎用AI・特化型AI等についての知識を学びます。
第2回[対面/face to face]：状態空間と探索
探索問題の基礎を学びます。深さ優先探索、幅優先探索などの探索手法の基本となるアルゴリズムを理解します。
第3回[対面/face to face]：探索プログラム
探索手法を実際のプログラムで実現し、オープンリストの大きさの変化を体験します。
第4回[対面/face to face]：最適探索手法
探索を効率化するための手法として、最適探索、最良解優先探索、A*アルゴリズムを学びます。
第5回[対面/face to face]：ゲームの理論
ゲーム理論の基本として、利得行列による戦略決定法を学びます。さらに、対戦ゲームの探索木に対する最良解を探索するミニマックス法やαβ枝刈り法などについて学びます。
第6回[対面/face to face]：確率とベイズの定理
確率について復習した後、条件付確率やベイズの定理を学びます。さらに、状態の確率的遷移もでるである確率システムについて学びます。
第7回[対面/face to face]：強化学習
世界の状態を報酬の形で徐々に学習する強化学習という概念と、Q学習について学びます。また、教師あり/なし学習と強化学習の関係を学びます。
第8回[対面/face to face]：中間試験
本講義の前半で学んだことについて、確認テストを実施します。
第9回[対面/face to face]：分類木
複数属性を持つものを、情報エントロピーによって効率的に分類する手法を学びます。
第10回[対面/face to face]：ニューラルネットワークの基礎
ニューラルネットワーク/深層学習の基本原理を学びます。順伝搬と逆伝搬による学習モデルを理解します。
第11回[対面/face to face]：ニューラルネットワークのプログラミング
ニューラルネットワークの簡単なプログラム構造を学び、人工知能システム構築の基礎を理解します。
第12回[対面/face to face]：自然言語処理
形態素解析、構文解析、意味解析、文脈解析などの自然言語処理の基本を学びます。
第13回[対面/face to face]：命題論理、述語論理
命題論値や述語論理に基づく論理的な推論手法について学びます。
第14回[対面/face to face]：まとめ
人工知能についての最近の話題や、倫理やプライバシー保護の問題も含めて、人工知能に関連する研究動向・社会動向を学びます。
授業時間外の学習（準備学習・復習・宿題等）Work to be done outside of class (preparation, etc.)
本授業の準備・復習等の授業時間外学習は、各週につき4時間を標準とします。
教科書として指定したテキスト、Web上の資料を事前に学習します。課題が与えられた場合には、解を導き、レポートにまとめて提出します。レポートは、解だでけなく、解を導き出した過程についても十分な説明を行うことが求められます。課題の解答については、翌週の授業内で解説します。
テキスト（教科書）Textbooks
イラストで学ぶ人工知能概論 改訂第2版
谷口忠大
講談社, 2020年
参考書References
エージェントアプローチ 人工知能 第2版
Stuart Russel, Peter Norvig
共立出版、2008年
成績評価の方法と基準Grading criteria
中間テストの成績を40%、期末試験の成績を60%とし、成績評価する。演習の取組状況、課題の提出状況について、加点することがあります。
学生の意見等からの気づきChanges following student comments
学生の理解を深めるために、演習を行います。
学生が準備すべき機器他Equipment student needs to prepare
情報機器使用(任意項目)
ネットワークを利用
演習にはノートPCを利用
その他の重要事項Others
本講義は複数クラスで内容を統一し、講義内容・教材を担当教員で共同で作成している。また、その内容は担当教員の企業での人工知能システムの研究開発に関する経験に基づく人工知能に関する講義である。