科目情報
7M992100
Artificial Intelligence: Applications & Safety / Artificial Intelligence: Applications & Safety
准教授 PHAN XUAN TAN
授業の概要
このコースでは、AIと機械学習(ML)についての集中的な探求を提供し、さまざまなドメインを通じてのそれらの変革的な役割に焦点を当てます。AIとMLの原理への導入に基づき、このコースは特にコンピュータビジョンにおける先進的な応用に深く潜り込み、これらの技術がヘルスケア、自動運転車、セキュリティシステムなどの分野をどのように革命しているかを示します。カリキュラムの残りは、AIの展開によってもたらされる重大な安全性および倫理的な課題に対処することに捧げられています。ディスカッションとケーススタディを通じて、学生たちはAIシステムに内在する潜在的なリスク、バイアス、倫理的ジレンマを検討し、これらの問題を軽減し、AI技術の責任ある使用を確保する戦略を学びます。
このコースでは、学生たちはグループに分かれて以下の活動を行います:
(1) 宿題として:論文を読み、プレゼンテーションを作成する
(2) クラスで:発表し、討論する

This course offers an intensive exploration of AI and Machine Learning (ML), focusing on their transformative roles across various domains. Building on an introduction to AI and ML principles, the course delves into advanced applications, particularly in computer vision, showcasing how these technologies are revolutionizing fields such as healthcare, autonomous vehicles, and security systems. The rest of the curriculum is dedicated to addressing the critical safety and ethical challenges posed by AI deployment. Through discussions and case studies students will examine the potential risks, biases, and ethical dilemmas inherent in AI systems, learning strategies to mitigate these issues and ensure the responsible use of AI technology.
In this course, students are divided into groups to:
(1) As home work: Read the papers, make presentations
(2) at the class: present and discuss
授業の目的
このクラスの目的は、AI技術が提示する機会と課題の両方について、学生に幅広い理解を提供することです。さらに、このクラスは、学生に論文読解スキル、プレゼンテーションスキルなどを装備することを目指しています。
達成目標
  1. 学生はAI(人工知能)と機械学習の基礎を理解することができます

  2. 学生は、コンピュータビジョンアプリケーションにおけるAIの広範囲にわたる応用を理解することができます。
  3. 学生は、人工知能システムの展開に伴う倫理的配慮と安全性の問題について、批判的思考を養うことができます。
達成目標との対応・割合

Presentation Discussion 合計
1. 20% 20% 40%
2. 15% 15% 30%
3. 15% 15% 30%
合計 50% 50% -
授業で使用する言語
英語
授業計画

授業計画 授業時間外課題(予習および復習を含む) 必要学習時間
1. 機械学習入門
MLの基本概念、特にニューラルネットワーク、勾配降下法、順伝播と逆伝播について調査します。
190分
2. 基本モデルとその応用。
基本モデル、特にCNN(畳み込みニューラルネットワーク)、LSTM(長短期記憶)と、実際の応用での役割について調査します。
190分
3. 高度なモデルとその応用。 最近の高度なモデル、特にNeRF(ニューラル放射場)、トランスフォーマーと、実際の応用での役割について調査します。 190分
4.
人工汎用知能
人工汎用知能(AGI)の基本概念、AIシステムがAGIとして定義されるための能力要件を調査し、現在のMLパラダイム下でAGIが開発される可能性を評価します。 190分
5.
AIアライメントの原則 I

年を経るごとに社会を変革するAIの方法を調査します。報酬の誤指定や手段的収束など、AI安全性の問題に関する基本的な理解を構築します。
190分
6.
AIアライメントの原則 II
AI安全性の追加的な問題と、それをどのように整合させるかを調査します。 190分
7. 各学生のプレゼンテーションと要約
学んだことをまとめ、将来に向けてどのように習得した知識を活用できるかなどについて述べます。
190分
8. n/a n/a 0分
9. n/a n/a 0分
10. n/a n/a 0分
11. n/a n/a 0分
12. n/a n/a 0分
13. n/a n/a 0分
14. n/a n/a 0分
合計 - - 1330分
評価方法と基準
成績の基準は、プレゼンテーションとコミュニケーション能力(50%)およびディスカッションスキル(50%)です。合計得点の60%以上が必要で、コースの単位を取得します。

<注意>
遅刻した学生は、遅延時間に関係なく授業を欠席とみなされます。
授業の総数の3分の1以上を欠席した場合、このコースの単位は付与されません。
病気、公共交通機関の遅延、学生証を忘れるなど、理由にかかわらず授業を欠席した場合も、欠席としてカウントされます。
試験・課題等のフィードバック
フィードバック方法 「その他」の具体的内容
授業内でフィードバックを行います。
教科書・参考書
Machine Learning Specialization (Coursera) - Stanford University
https://www.coursera.org/specializations/machine-learning-introduction#courses
履修登録前の準備
Linear Algebra
Calculus 1 and 2
オフィスアワー、質問・相談の方法
  • 水曜日のランチタイム中
    またはメールで:tanpx at shibaura-it at ac at jp
地域志向
地域志向ではない科目
社会的・職業的自立力の育成
  • 知識活用力を育成する科目
アクティブ・ラーニング科目
該当しない
実務経験のある教員による授業科目
実務経験 具体的内容
該当しない 該当しない
SDGs(持続可能な開発目標)関連項目
  • 9.産業と技術革新の基盤をつくろう
最終更新 : Sat Jun 29 04:38:38 JST 2024