- 講義目的
「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.
- 到達目標
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.
- 各回ごとの授業内容(進捗状況によって変更する場合あり)
- 知識情報処理と問題解決
- 探索手法
- 知識表現(1)
- 知識表現(2)
- プラン生成
- 非古典論理と非単調推論(1)
- 非古典論理と非単調推論(2)
- 中間試験
- 機械学習(1)
- 機械学習(2)
- 分散人工知能とエージェント
- ニューラルネットと進化的計算
- まとめ
- 期末試験
- 教科書
「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)
- 授業方法
原則講義形式.
- 参考文献
- 「新 人工知能の基礎知識」 太原育夫著,サイエンス社,2008年.
- 「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.
- 「人工知能概論(第2版)」荒屋真二,共立出版 2004年.
- 「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.
- 「人工知能」 本位田真一監修,松本一教他著,オーム社,2005年.
- 「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.
- 成績評価方法・基準
授業中試験100%
- 履修にあたっての注意
-
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.