到達目標
知的な情報処理や情報システムの実現向けた人工知能技術の基礎を学ぶ。
人工知能の研究開発の系譜、これまで開発されてきた主要なアイディアや技術について、その概要を簡潔に説明できることを目指す。
ルーブリック
| 理想的な到達レベルの目安 | 標準的な到達レベルの目安 | 未到達レベルの目安 |
評価項目1
人工知能技術の基礎的事項の理解 | 教科書に掲げた諸事項の概要を説明することができる | 講義で取り上げた事項の概要を説明することができる | 講義で説取り上げた基本的な事項の一部が説明できる |
評価項目2
人工知能応用に係る考え方 | 独自の応用事例やその手掛かりを案出することができる | 応用事例の発展形のイメージなどを述べることができる | 主要な応用事例の一部が説明できる |
学科の到達目標項目との関係
教育方法等
概要:
知的な情報処理や情報システムの実現に向けて、その基盤となる人工知能の考え方と主要な要素技術について講義する。
授業の進め方・方法:
広範な人工知能関連技術の中から、着目すべき重要なアイディアや要素技術に着目し、その概要を理解することを目指す。
具体的には、記号知識をベースとした人工知能技術の領域から、問題解決における探索やアルゴリズム、種々の知識の取り扱い、知識を利用した推論システム、知識の獲得と学習、人工知能向きプログラミング言語、知識応用システムとその実現手法などを取り上げる予定。
注意点:
授業前は可能な範囲で予習を心がけ、授業後は学んだことを振り返り理解に努めてほしい。
授業の属性・履修上の区分
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
人工知能の目指すもの |
人工知能研究の来歴、問題解決の基本的な考え方などを理解する
|
2週 |
手際よく解を探す(1) |
探索による問題解決の基礎を理解する
|
3週 |
手際よく解を探す(2) |
問題の性質を考慮した探索技法などを理解する
|
4週 |
系統的に解を導く |
記号知識を用いる問題解決の考え方を理解する
|
5週 |
推論のアルゴリズム(1) |
一階述語論理に基づく問題解決の概要を理解する
|
6週 |
推論のアルゴリズム(2) |
導出法の概要を理解する
|
7週 |
ルール知識とプロダクションシステム(1) |
ルール知識を用いた問題解決システムの基礎を理解する
|
8週 |
ルール知識とプロダクションシステム(2) |
ルール処理の高速化、例外知識への対処法などの概要を理解する
|
4thQ |
9週 |
記憶のモデルと世界知識 |
フレームシステムや意味プリミティブなどの考え方を理解する
|
10週 |
不確実な知識の取り扱い |
知識に伴う不確実性や曖昧性への対処法の概要を理解する
|
11週 |
人工知能向きプログラミング言語 |
LispとPrologの概要を理解する
|
12週 |
第二次AIブームの華:エキスパートシステム |
知識応用システムの概要を知る
|
13週 |
知識ベースの作り方 |
知識工学からみた知識獲得と学習の概要を理解する
|
14週 |
記号知識とコネクショニズム |
ニューラルネットに代表されるパターン知識指向AI技術の考え方を理解する
|
15週 |
分散人工知能とエージェント |
分散人工知能におけるエージェント/マルチエージェントシステムの考え方とその応用事例を知る
|
16週 |
まとめ |
将来展望、講義内試験など
|
モデルコアカリキュラムの学習内容と到達目標
分類 | 分野 | 学習内容 | 学習内容の到達目標 | 到達レベル | 授業週 |
評価割合
| 試験 | 演習、小テストなど | 合計 |
総合評価割合 | 80 | 20 | 100 |
基礎的能力 | 40 | 10 | 50 |
分野横断的能力 | 40 | 10 | 50 |