知識情報処理

「人工知能」をささえる基盤技術として 代表的な探索手法，知識表現，推論方式，機械学習を学び， これらの応用の可能性と限界について考察することを目的とする．

代表的な探索手法，知識表現，推論方式，機械学習を理解し， 知識情報処理の基礎知識を習得する．

1. ガイダンス(online) 90min
2. 知識情報処理と問題解決 4/16
3. 探索手法 4/23
4. 知識表現(1) 4/30
5. 復習1(online) 90min
6. 知識表現(2) 5/7 (5/21休講に対する補講)
7. プラン生成 5/14
8. 非古典論理と非単調推論(1) 5/28
9. 非古典論理と非単調推論(2) 6/4
10. 機械学習(1) 6/11
11. 復習2(online) 90min
12. 機械学習(2) 6/18
13. 分散人工知能とエージェント 6/25
14. ニューラルネットと進化的計算 7/2
15. 試験 7/9

「人工知能の基礎（第2版）」馬場口登，山田誠二著，Ohmsha，2015年． (第1版，昭晃堂，1999年も内容的にはほとんど同じ)

原則講義形式．

1. 「新 人工知能の基礎知識」 太原育夫著，サイエンス社，2008年．
2. 「人工知能 - エージェントアプローチ - 」 S.Russell and P.Norvig著， 古川康一訳，共立出版，1997年.
3. 「人工知能概論(第2版)」荒屋真二，共立出版　2004年．
4. 「マルチエージェントシステムの基礎と応用」，大内東他著，コロナ社，2002年．
5. 「人工知能」 本位田真一監修，松本一教他著，オーム社，2005年．
6. 「学習とニューラルネットワーク」熊沢逸夫著，森北出版，1998年．

授業中試験100%

• 知識情報処理実習を履修する人は本講義を履修するのが望ましい．
• 深層学習やデータサイエンスは本講義ではほとんどとりあげないので，これらを勉強したい人は別の講義を履修することをすすめる．
• 数理論理学，形式言語とオートマトン，データ構造とアルゴリズムを履修していることが望ましい． また，関連ある科目としては，グラフ・ネットワーク理論，データマイニングがあげられる．
• 数式や論理式は極力使わないで講義するが，それらの意味するところが理解できないと単位取得は難しい．