QuickSyllabus

人工知能 / Artificial Intelligence

単位数: 2. 担当教員: 乾健太郎, 鈴木潤. 開講年度: 2023. 科目ナンバリング: TEI-PRI310J. 開講言語: 日本語.

授業の目的・概要及び達成方法等

１．目的
人工知能技術の基礎を学ぶ

２．概要
人工知能は，さまざまな人間の知的活動を計算機上に実現することを目的とする研究領域である．講義では，知識，推論，知覚，言語といった人間の知的活動の根幹となる情報処理をどのように計算機で模倣するかという問いに重点をおいて，人工知能技術の基礎となる考え方や理論を概説する．また，人工知能研究分野の技術発展の歴史と最近の研究題材（深層学習など）についての基礎的事項を概説する．

３．達成目標
人工知能の基本的な諸概念，最近の研究成果の概要を理解し，その概要を簡潔に説明できるようになること．

４．授業形態
授業は基本的に講義室にて対面方式で行います．
授業に関するアナウンス，講義資料の共有，課題提出などはGoogle Classroomを利用します（クラスコード：3gqvpk7）．

授業の目的・概要及び達成方法等(Ｅ）

1. Course Objective
To learn the basics of technologies in the research field of Artificial Intelligence (AI).

2. Summary of Course
Artificial Intelligence research aims to realize the various intelligent behavior of human beings using artificial computer systems. In this course, students will learn the basic ideas and theories used in AI technology while specifically focusing on the question of how computers can imitate human processing of knowledge, reasoning, perception, and language. Students will also learn the fundamentals of historical developments and recent research topics (e.g., deep learning) in the research field of AI.

3. Course Goal
To acquire knowledge of essential concepts and recent achievements in the research field of Artificial Intelligence.

4. Format
Classes will basically be conducted face-to-face in the lecture room.
Google Classroom will be used for class announcements, sharing of lecture materials, and submission of assignments (class code: 3gqvpk7).

他の授業科目との関連及び履修上の注意

計算機学，情報数学，アルゴリズムとデータ構造を履修していることが望ましい．この講義は情報論理学，計算機ソフトウェア工学，システムソフトウェア工学，オートマトン・言語理論とも関連する．

他の授業科目との関連及び履修上の注意(Ｅ）

Courses including Computers, Information Mathematics, Algorithms, and Data Structures help to understand the lectures in this course. The course is also related to courses such as Logic, Computer Software, System Software, and Automaton and Formal Language.

授業計画

1．導入：人工知能のこれまでとこれから
2．問題の表現と解探索の方法
3．様々な探索アルゴリズム
4．知識に基づく探索
5．知識表現とプランニング
6．論理と推論
7．非単調推論
8．機械学習の基礎 (教師あり学習，分類問題)
9．深層学習/ニューラルネットワークの基礎
10．畳み込みネットワーク/画像認識
11．分散表現/言語モデル
12．系列変換モデル / 機械翻訳 / 対話システム
13．生成AI
14．人工知能の最先端研究トピック
15．まとめ：人工知能の未来

授業計画(Ｅ）

1. Introduction: Past, present, and future of AI
2. Representing and solving problems
3. Searching for problem-solving
4. Informed search strategies
5. Knowledge representation and planning
6. Logic and reasoning
7. Nonmonotonic reasoning
8. Foundations of machine learning (supervised learning, classification)
9. Foundations of deep learning / neural networks
10. Convolutional neural networks (image recognition)
11. Distributed representation / Language models
12. Sequence-to-sequence models / machine translation / dialogue system
13. Generative AI
14. Cutting-edge research topics in artificial intelligence
15. Wrap-up: AI in the future

授業時間外学修

授業時間は限られているので，自主学習が重要である．また，習熟度によっては専門用語や関連する題材を各自で調べる必要がある．

授業時間外学修（Ｅ）

The time frame is limited and therefore self-directed learning is important. Students are expected to learn technical terms and related topics by themselves.

成績評価方法及び基準

合否を含む成績は，最終レポート (最大90％)，出席状況，講義中の応答，演習課題など (10％以上) をもとに総合的に評価する．

成績評価方法及び基準(Ｅ）

Evaluation is performed comprehensively based on the final assignment (up to 90%), attendance, participation, and in-class small assignments.

教科書および参考書

エージェントアプローチ人工知能，第２版, S. Russell and P. Norvig, 共立出版 (2008) ISBN/ISSN: 9784320122154 資料種別:乾担当分参考書（良書ですが、買わなくても問題ありません）
深層学習による自然言語処理 (機械学習プロフェッショナルシリーズ), 坪井祐太, 海野裕也, 鈴木潤, 講談社 (2017) ISBN/ISSN: 9784061529243 資料種別:鈴木担当分参考書（買わなくても問題ありません）
IT Text 自然言語処理の基礎, 岡﨑直観, 荒瀬由紀, 鈴木潤, 鶴岡慶雅, 宮尾祐介, オーム社 (2022) ISBN/ISSN: 9784274229008 資料種別:鈴木担当分参考書（買わなくても問題ありません）

オフィスアワー

質問は随時メールで受け付ける．

オフィスアワー（Ｅ）

Questions are accepted at any time via email.