到達目標
人工知能の基礎となる,知識工学,認知科学の概要を理解し,現段階における人工知能の有用性と限界性を理解する.
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 | 人工知能における「問題解決」について,概念と応用例を説明できる. | 人工知能における「問題解決」を説明できる. | 人工知能における「問題解決」を説明することがきない. |
評価項目2 | 伝統的な人工知能について,概念と応用例を説明することができる. | 伝統的な人工知能の概念を説明することができる. | 伝統的な人工知能の概念を説明することができない. |
評価項目3 | 最先端の人工知能の応用例について理解し説明することができる. | 最先端の人工知能の応用例を説明することができる. | 最先端の人工知能の応用例を説明することができない. |
学科の到達目標項目との関係
教育方法等
概要:
人工知能(Artificial Intelligence : AI)の中心的役割を果たしている知識工学,認知科学に関し,「機械の知」,「人間の知」という2つの観点から学び,現段階における人工知能の有用性と限界性を理解する.
授業の進め方・方法:
すべての内容は,学習・教育到達目標(B)<専門>およびJABEE基準1.2(d)(2)a)に対応する.
授業は講義形式で行なう.
「授業計画」における各週の「到達目標」はこの授業で習得する「知識・能力」に相当するものとする.
注意点:
<到達目標の評価方法と基準>
「到達目標」を網羅した問題を中間試験,定期試験で出題し,目標の達成度を評価する.達成度評価における各「知識・能力」の重みは概ね均等とする.合計点の60%の得点で,目標の達成を確認できるレベルの試験を課す.
<学業成績の評価方法および評価基準>
中間試験と定期試験の成績(後期中間,学年末の2回の試験の平均点)で評価する.再試験は行わない.
<単位修得要件>
学業成績で60点以上を取得すること.
<注意事項>
この授業では主に人工知能の知識,理論,応用技術を習得することを目的とするが,同時に,この研究分野にはどのような可能性と限界があるのか,またこの分野で今後何が求められているのかなどを学ぶ.また,授業の区切りごとに自己学習の確認として適宜課題を出すので,レポートとして必ず提出すること. 本教科は後に学習するヒューマンインターフェース(専攻科)と強く関連する教科である.
<あらかじめ要求される基礎知識の範囲>
本教科はデータ構造とアルゴリズムや計算機アーキテクチャの学習が基礎となる教科である.
授業計画
|
|
週 |
授業内容 |
週ごとの到達目標 |
後期 |
3rdQ |
1週 |
人工知能の概要,人工知能の応用分野 |
1.人工知能の歴史について理解できる.
|
2週 |
問題解決 |
2.人工知能における「問題解決」とは何かが理解できる.
|
3週 |
探索法1:縦型探索と横型探索,発見的探索法 |
3.盲目的探索の種類,特徴,アルゴリズムが理解できる.
|
4週 |
探索法2:最適解探索法と分岐限定法,Aアルゴリズム |
4.各種発見的探索法の特長とアルゴリズムが理解できる
|
5週 |
プロダクションシステムとエキスパートシステム |
5.プロダクションシステムが理解できる. 6.エキスパートシステムが理解できる.
|
6週 |
学習:古典的条件付けとオペラント条件付け |
7.伝統的な学習観が理解できる.
|
7週 |
思考1:ヒトの思考 |
8.人間の知の特徴が理解できる.
|
8週 |
後期中間試験 |
これまでに学習した内容を説明できる.
|
4thQ |
9週 |
思考2:推論 |
上記8
|
10週 |
思考3:意思決定 |
上記8
|
11週 |
ヒトの問題解決 |
9.認知科学的学習観が理解できる. 10.ヒトの問題解決方法が理解できる.
|
12週 |
協同問題解決と熟達化 |
上記9,10
|
13週 |
人工生命 |
11. 人工生命の概要について理解できる.
|
14週 |
ロボット |
12 ロボットの概要について理解できる.
|
15週 |
アンドロイドサイエンス |
13. アンドロイドサイエンスの概要について理解できる.
|
16週 |
|
|
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 | 課題 | 相互評価 | 態度 | 発表 | その他 | 合計 |
総合評価割合 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |
配点 | 100 | 0 | 0 | 0 | 0 | 0 | 100 |