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. 知識情報処理と問題解決
2. 探索手法
3. 知識表現(1)
4. 知識表現(2)
5. プラン生成
6. 非古典論理と非単調推論(1)
7. 非古典論理と非単調推論(2)
8. 中間試験
9. 機械学習(1)
10. 機械学習(2)
11. 分散人工知能とエージェント
12. ニューラルネットと進化的計算
13. まとめ
14. 期末試験

「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必ず本講義を履修すること．
• 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．
• 2021年度合格率(合格者/履修登録者)：理工学部54.8%　総合政策学部6.5%．