講義計画
- 確率と統計の基礎: 最先端の機械学習技術の数学的基盤
- 探索と最適化: 広大な探索空間から最適解を効率よく探索
- 機械学習: データの背後に潜む知識を発見
- 自然言語処理: 人工知能技術の応用例
# | 日付 | 内容 | 担当 |
---|---|---|---|
1 | 10/3 | 概要 | 杉山 |
2 | 10/10 | 最適化(連続1) | 佐藤 |
3 | 10/17 | 最適化(連続2) | 佐藤 |
4 | 10/24 | 最適化(探索) | 本多 |
5 | 10/31 | 確率と統計 | 本多 |
6 | 11/14 | 確率と統計 | 本多 |
7 | 11/21 | 確率と統計 | 本多 |
8 | 11/28 | 機械学習(教師付き学習) | 本多 |
9 | 12/5 | 機械学習(教師付き学習) | 佐藤 |
10 | 12/12 | 自然言語処理 | 宮尾 |
11 | 12/19 | 自然言語処理 | 宮尾 |
12 | 12/26 | 自然言語処理 | 宮尾 |
13 | 1/9 | 機械学習(強化学習) | 杉山 |
1 | 1/16 | 試験 | 佐藤 |
人工知能とは
1956年:"The Dartmouth Summer Research Project on Artificial Intelligence" にてArtificial Intelligenceという言葉が提唱された。
Watoson | Nature | AlphaGo |
---|---|---|
人工知能関連分野の発展
- 人工知能研究
- 1960年頃(1次ブーム):記号処理、論理推論
- 1980年頃(2次ブーム):エキスパートシステム
- ニューラルネット研究
- 1960年頃(1次ブーム):パーセプトロン(1層)
- 1990年頃(2次ブーム):誤差逆伝播ほう(多層)
- 機械学習研究
- 1995年頃〜:統計・凸最適化
- 1995年頃〜:ベイズ推論
- 2010年頃〜:深層学習
3種類の機械学習
- 教師付き学習:人間が教師となり、コンピュータの学習を手伝う。
- 教師なし学習:コンピュータが人間の手を介さずに自発的に学習する。
- 強化学習:ロボットが人間の手を介さずに自発的に意思決定を行う。
まとめ
- 人工知能:
- 知的なコンピュータシステムを作る
- 数学・プログラミング・実世界応用をつなぐ架け橋
- 探索:
- 広大な探索空間を効率よく探索
- 機械学習:
- データの背後に潜む知識を発見