授業科目

人工知能
Artificial Intelligence 

担当者

教授   斉藤 和巳
前 火3

単位

2

到達目標

基本的な人工知能の技法を身につけ、使えるようになり、探索戦略、知識表現と推論、機械学習を理解すること。
情報科学科のポリシーに従い、情報処理の多様な側面としての人工知能技法の習得を目的とする。発展科目の知能システム論(人工知能II)の履修しようと計画している者は、本基本科目を先に履修することが望ましい。

授業内容

人工知能の技法を身につけ、使えるようにする。具体的には、1) 基本課題として、人工知能の概要、最近の人工知能応用の成功例、知的な振る舞い(チューリングテスト、合理的と非合理的推論)、問題特性(完全と部分観測、単一と複数エージェント、決定的と非決定的、静的と動的、離散と連続)、エージェントの性質(自律と半自律、条件反射と目的ベースと効用ベース、知覚と環境インタラクションの重要性)などについて、2) 探索戦略として、問題空間(状態、ゴール、オペレータ)、探索による問題解決、因子表現(状態の変数化)、ブラインド探索(幅優先探索、深さ優先探索、反復深化探索)、ヒューリスティック探索(山登り法、最良優先探索、A*アルゴリズム)、探索の空間効率と時間効率、二人ゲーム(ミニ・マックス探索)、制約充足問題(バックトラック、局所探索)などについて、3) 知識表現と推論として、命題論理と述語論理、導出と定理証明、前向き推論と後ろ向き推論、確率的推論、ベイズの定理などについて、4) 機械学習、分類問題を含む多様な機械学習問題の定義と例題、帰納学習、ナイーブベイズ、決定木を含む統計的学習、教師あり学習(決定木、ニューラルネットワーク、SVM)、教師なし学習(EM、k平均法、自己組織化マップ)、強化学習(マルコフ決定過程、Q学習)、過学習問題、次元の呪い、性能評価(交差検証、ROC曲線)、モデル選択、学習理論などについて講義する。

授業計画

授業計画は下の通りであるが、進行具合によって配分を調整することもある。授業で用いるスライドのプリントやその他の説明資料を配布する。予習として、それらの説明資料に目を通しておくこと (2時間)。授業の終りに小テストを行い、その解答例も配布するするので、それを中心に復習すること (2時間)。
01. 人工知能問題の概要、最近の人工知能応用の成功例、知的な振る舞い、エージェントの性質
02. 問題空間、探索による問題解決、因子表現
03. ブラインド探索、ヒューリスティック探索、探索の空間効率と時間効率
04. 二人ゲーム、制約充足問題
05. 命題論理と述語論理、導出と定理証明、前向き推論と後ろ向き推論
06. 確率的推論、ベイズの定理
07. 中間演習
08. 分類問題を含む多様な機械学習問題の定義と例題、帰納学習
09. ナイーブベイズ、決定木を含む統計的学習
10. 教師あり学習(決定木、ニューラルネットワーク、SVM)
11. 教師なし学習(EM、k平均法、自己組織化マップ)
12. 強化学習(マルコフ決定過程、Q学習)
13. 過学習問題、次元の呪い、性能評価(交差検証、ROC曲線)、モデル選択、学習理論
14. 最終演習

授業運営

講義中心であるが、必要に応じてプログラムの実装を示す。また、講義内容は基本的な概念を説明するものであるが、関連した新しいトピックについて適宜紹介する。毎回の授業の終りに小テストを実施、あるいは宿題として与えるので、それによって理解度を確認する。

評価方法

単位取得のためには、課題に対して解答を提出することが必要である。
中間演習、最終演習の結果、普段の学習態度(積極的に質問をしているかなど)などを総合して評価する。

オフィスアワー

火曜日5時間目2-219、さらに時間が合えばいつでも可能。また、Eメールでも受け付ける。

参考書

Stuart Russel and Peter Norvig『エージェントアプローチ人工知能』第2版[共立出版]2008

Copyright© 2017 Kanagawa University. All Rights Reserved.