本講義では先端的な人工知能技術について学びます.具体的には,講義の前半では,試行錯誤を通じて良好な解探索するアルゴリズムである進化計算,および,試行錯誤を通じて良好な行動戦略を獲得するアルゴリズムである強化学習について講義します.講義の後半では,高度な知識表現と推論の技術について講義し,問題解決や意思決定のための基礎について学びます.
本講義では,高度に知的なシステムを構築するための数理的・論理的知識と応用技術を横断的に修得させることをねらいとします.
本講義を履修することによって,以下の数理的知識と応用技術を習得させる.
1) 進化計算技術
2) 強化学習技術
3) 知識表現技術
4) 高次推論技術
進化計算,強化学習,ブラックボックス最適化,多目的最適化,弱教師あり学習,知識表現,演繹推論,帰納推論,仮説推論、制約充足,プランニング
✔ 専門力 | 教養力 | コミュニケーション力 | 展開力(探究力又は設定力) | 展開力(実践力又は解決力) |
講義はプロジェクタを使った講義と演習の併用によって進める。講義の配付資料は事前にWebページからダウンロードし、それに目を通しておくことを前提とする。
授業計画 | 課題 | |
---|---|---|
第1回 | イントロダクション | 講義の背景,目的の理解 |
第2回 | 関数最適化のための進化計算:遺伝的アルゴリズム | 関数最適化,遺伝的アルゴリズムの理解 |
第3回 | 関数最適化のための進化計算:進化戦略 | 進化戦略の理解 |
第4回 | 組合せ最適化のための進化計算 | 組合せ最適化のための遺伝的アルゴリズムの理解 |
第5回 | 多目的最適化のための進化計算 | 多目的最適化,多目的進化計算の理解 |
第6回 | 価値関数に基づく強化学習 | マルコフ決定過程環境,価値関数に基づく強化学習の理解 |
第7回 | 直接政策探索法に基づく強化学習 | 部分観測マルコフ決定環境,直接政策探索法の理解 |
第8回 | 深層強化学習 | 深層強化学習の理解 |
第9回 | 人工知能における知識表現と推論 | 人工知能における表現の役割.記号的AIとニューラルAI. |
第10回 | 論理による知識表現 | 構文論・意味論.論理的帰結. |
第11回 | 命題論理と制約プログラミング | 充足可能性判定(SAT).制約充足問題. |
第12回 | 述語論理と論理プログラミング | 導出原理.不動点意味論.手続き的意味論. |
第13回 | 常識推論 | 常識の表現.非単調推論.解集合プログラミング. |
第14回 | 行動と変化に関する推論 | 状況計算.イベント計算.計画作成・プランニング.様相論理. |
第15回 | アブダクションと帰納推論 | 仮説発見.プログラム合成.帰納論理プログラミング. |
教科書の指定はない。講義資料を配付する。
Artificial Intelligence - A Modern Approach (Third Edition, Prentice Hall) ほか
講義前半と講義後半の平均点を評価とする.講義前半は各講義で出題するレポートで評価する.講義後半は期末レポートで評価するほか,プレゼンテーション発表を加味することがある.
履修の条件を設けない.