人工知能

人間の知能を機械（コンピュータ）で実現しようとする工学的な立場から「人工知能」を講義する。近年、人工知能が関連する分野は、情報処理やロボットといった工学のみならず、論理学、数学、生物・生理学、認知科学、物理学、社会科学などの学問領域にも広がり、現在も発展を続けている。したがって、数学的な基礎理論の構成から現場の応用システムの構築まで、幅広い学問知識、思考能力、情報処理能力が必要とされる。本講義では、なるべく人工知能の各応用に共通で基礎的な理論や技法を学習する。

達成目標

1.	木探索とグラフ探索のための探索法を理解する（授業計画の2〜4)。
2.	組合せ最適化問題の近似解法を理解する（授業計画の5〜6)。
3.	エキスパートシステム構築のベースとなる知識表現と推論法（述語論理、プロダクションシステム、フレーム、ベイズネット）を理解する（授業計画の7〜11)。
4.	機械学習法のいくつかの基本的技法（ID3、ニューラルネットワークモデル、Ｑ学習）を理解すること（授業計画の12〜14)。

授業計画

1.	人工知能とは：人工知能の定義、研究分野、歴史
2.	盲目的探索と発見的探索：木探索、状態空間、深さ優先探索、幅優先探索、最適探索、最良優先探索、A*アルゴリズム
3.	AND/ORグラフの探索：評価フェーズ、展開フェーズ
4.	ゲーム木の探索：ミニマックス法、αβ法
5.	組合せ最適化問題の近似解法(I)：シミュレーテッド・アニーリング法
6.	組合せ最適化問題の近似解法(II)：遺伝的アルゴリズム
7.	述語論理による推論(I)：１階述語論理
8.	述語論理による推論(II)：節形式、三段論法、導出原理
9.	プロダクションシステム：IF-THENルール、黒板モデル
10.	フレーム推論：フレーム表現(is-a,part-of)、クラス概念、デーモンによる推論
11.	不確実性を扱う推論：信頼性係数、ベイズネット
12.	帰納学習(I)：決定木の学習、ID3アルゴリズム
13.	帰納学習(II)：階層型ニューラルネットワークモデル、誤差逆伝播法
14.	強化学習：マルコフ決定過程、Ｑ学習
15.	期末試験

評価方法と基準

教科書・参考書

●教科書　　特に定めない。

●参考書　　
白井良明著、「人工知能の理論-増補」、コロナ社
馬場口登、山田誠二著、「人工知能の基礎」、昭晃堂
新田克己著、「人工知能概論」、培風館

開講部	工学部
開講学科	情報工学科
開講学年	3年次
開講時期	前期
単位数	2
単位区分	選択
系列区分	専門
講義区分	講義

L0440300

授業の概要

達成目標

授業計画

評価方法と基準

教科書・参考書

履修前の準備

オフィスアワー

環境との関連