情報科学基礎 2018年7月3日

人工知能，HCI (1)

西田豊明

Copyright © 2018 Toyoaki Nishida All Rights Reserved.

最近の人工知能ブーム（人工知能の第三の波）

2015 06 20 Pepper発売2015 07 28 FLI Open letter 2015 07 31 りんなサービス開始2015 10 AlphaGoがEuropean Champion, Fan Huiに5-0で勝利2015 11 09 TensorFlow2016 02 11 NHK BS1スペシャル「ダボス会議２０１６ 仕事がない世界」2016 02 14 Google Self Driving Carがバスと接触事故2016 03 09～15 AlphaGoがイ・セドル九段に4-12016 03 23 MicrosoftがAIチャットボット、Tayを停止2016 06 27 「ヤマト運輸」LINE公式アカウントに会話AIを活用した荷物問い合わせ機能を追加2016 06 28 総務省 AIネットワーク化の影響とリスク2016 06 30 Teslaオートパイロット死亡事故2016 07 21 ロボネコヤマト2016 08 25 self-driving taxiがシンガポールで運用開始2016 08 14 Uberの自動運転カーが公道デビュー2016 11 04 Adobe sensei, AI（深層学習）を使ったイメージ編集2016 11 15 Google Neural Machine Translation2016 12 12 ローソンとパナソニックはコンビニで商品の会計や袋詰めを自動化する無人レジの実用化発表2016 12 30 富国生命保険、ＡＩ活用の業務効率化で、医療保険など給付金査定部署の人員３割近く削減発表2017 01 25 日経のAI記者，決算サマリーを1日30本2017 02 28 人工知能学会倫理指針公開2017 03 24 Uber自動運転車アリゾナ州で事故に巻き込まれ，テストを一時中止．27日．相手車過失判明再開．2017 04 07 Skype translatorに日本語（音声で通訳）が今年4月7日から追加2017 05 29 ロボット警察官「Robocop」が、ドバイ警察に正式雇用2017 05 23-27 Ke Jie（柯潔） 0<3 AlphaGo，AlphaGoは引退へ2017 07 30 Daimler-Boschが自律駐車ビル実証実験の発表2017 07 31 Amazon AWS Pollyによるエフエム和歌山のAIアナウンサーナナコがNHKで紹介される．2017 08 03 ＡＩキャラクターが中国共産党を批判サービス停止に，各社報道

赤：社会にインパクト橙：発表など

緑：AI賞賛報道青：AI中立報道灰：AI否定報道

最近の人工知能ブーム（人工知能の第三の波）

2017 08 09 銀行のチャットボット導入が欧州でトレンドに AIで顧客満足度向上（Forbes JAPAN）2017 08 15 フランスの自動運転バス。NAVYA社製。いまは補助員付きで運行2017 08 20 MIcrosoftの会話型音声認識システム,5.1％のエラーレートに達したことを発表2017 08 20 FLIが自律殺人兵器禁止のオープンレター公表2017 08 22 AIが価格調整 デジタルカルテル、法的責任だれに2017 08 26 IBMのAIが脳の血流画像から統合失調症を予測2017 09 01 ストーリーの人気を予測し、クオリティを評価する人工知能をディズニーが開発2017 09 06 USC ICTがホロコースト生存者とのVR対話をMUSEUM OF JEWISH HERITAGEで展示．2017 09 25 総務省「国際的な議論のためのAI開発ガイドライン案」の英語版を公開2017 10 05 Google Google Assistantを搭載したBluetoothイヤフォン「Pixel Buds」を発表．同時通訳可．2017 10 17 Sidewlk labs, Torontoでライドシェア型の「taxibot」ネットワーク構築計画発表2017 10 18 凸版印刷、AIを活用した農業効率化研究「人工知能未来農業創造プロジェクト」を開始2017 11 04 AI（渋谷みらい）が渋谷区に特別住民登録（日本初）2017 11 10 LINEが完全無線のBluetoothイヤホン「MARS」のティザー公開2017 11 13 Slaughterbot videoが公開2017 11 16 Boston Dynamicsが後ろ宙返りをするAtlasのビデオを公開2017 11 17 Stanford大学の機械学習アルゴリズムが人間の専門医より正確に肺炎を診断（IEEE Spectrum）2017 11 21 トヨタ自動車、第3世代のヒューマノイドロボットT-HR3を発表2017 11 21 JPLで世界トップクラスのドローンパイロット対AIのタイムトライアル，人間が辛勝2017 11 30 SBI生命とFiNC、人工知能による健康管理・生活習慣改善が行える「FiNC for SBI生命」を提供2017 11 30 「あと13年で5人に1人がロボットに仕事を奪われる」と，ニューズウィーク日本版2017 11 30 Stanford大学，地域の好みの政党、グーグルストリートビューの画像からAIで推定2017 12 12 IEEEからEthically Aligned Design （「倫理的に配慮されたデザイン」）v2が公開2017 12 15 ロボットが観光案内する「RoBoHoNと行く『ロボ旅』（京都）」をエースJTBが発売2017 12 18 CMUのAI Libratusが，ポーカー（無制限テキサスホールデム）最強のプロたちに勝ったと発表2017 12 22 ソフトバンクと三菱地所が自動運転バス「NAVYA ARMA」の試乗会を丸の内で開催2018 02 05 Intelがレーザーを照射によって網膜に直接映像を映し出すスマートグラス「Vaunt」を開発

いまどきのAI① すぐ身近にある② おもしろい③ 自分でも作れる④ たくさんある⑤ 日々進歩している

でも，あまり知られていない

Google Translate

Skype Translator

人工知能＋関連領域の歴史

2000

2010

2020

1990

1980

1970

～

1936 チューリングマシン1951 商用コンピュータ UNIVAC1956 Dartmouth Conferences1966 ELIZA / ALPAC Report1969 ARPA-net稼働1973 Lighthill report1974 MYCIN1975 Microsoft設立1976 Ethernet1982 Version Space / 第五世代コンピュータ1984 初代Machintosh発売1985 AARON1986 バックプロパゲーション1989 ALVINN1991 WWW実装1994 インターネットにショッピングモール1995 Windows 951997 Google Search / Deep Blueが世界チェスチャンピオンG. Kasparovを破る1999 SONY AIBO販売受付2000 ホンダASIMO2004 Facebook2006 Twitter / Hinton, 深層学習2007 iPhone発売2008 Android対応スマホ / Naoの研究機関・大学向け販売開始2011 IBM Watson / Siri / Google Self Driving Car / Kinect2015 Pepper発売2016 AlphaGoがイセドル九段に互先で4-1で勝利 / ポケモンGO

人工知能＋関連領域の歴史

2000

2010

2020

1990

1980

1970

～

1936 チューリングマシン1951 商用コンピュータ UNIVAC1956 Dartmouth Conferences1966 ELIZA / ALPAC Report1969 ARPA-net稼働1973 Lighthill report1974 MYCIN1975 Microsoft設立1976 Ethernet1982 Version Space / 第五世代コンピュータ1984 初代Machintosh発売1985 AARON1986 バックプロパゲーション1989 ALVINN1991 WWW実装1994 インターネットにショッピングモール1995 Windows 951997 Google Search / Deep Blueが世界チェスチャンピオンG. Kasparovを破る1999 SONY AIBO販売受付2000 ホンダASIMO2004 Facebook2006 Twitter / Hinton, 深層学習2007 iPhone発売2008 Android対応スマホ / Naoの研究機関・大学向け販売開始2011 IBM Watson / Siri / Google Self Driving Car / Kinect2015 Pepper発売2016 AlphaGoがイセドル九段に互先で4-1で勝利 / ポケモンGO

確立期

冬の時代①

黎明期

冬の時代②

繁栄期

http://hci.stanford.edu/winograd/shrdlu/

コンピュータグラフィクスでシミュレートされた「積み木の世界」で，英語表現を状況や変化と対応づけて理解して動作する「ことばがわかる」ロボットアームを実現した．

絵画という創造を要する領域でも，知覚に訴える表現の技法を捉えれば作品を生成できることを示した．創作のプロセスを理解するための研究として重要． http://www.aaronshome.com/aaron/index.html

http://repository.cmu.edu/cgi/viewcontent.cgi?article=2874&context=compsci

ニューラルネットワークを使った画像認識によって，道路の視覚的特徴をハンドル操作に対応づけるレーン追跡方式の自律走行車の草分け．

https://www.research.ibm.com/deepblue/home/html/b.shtml

スーパーコンピュータで，かなり先まで駒の動きを予測し，膨大な可能性のなかから最善手を推定することで，チェスの世界チャンピオンに勝る棋力を実現できることを示した．

http://www.google.com/selfdrivingcar/reports/http://www.google.com/selfdrivingcar/

センサー情報，GPS情報，地図データを総合して，道路状況を認識しながら走行する．重い責任が問われる生活空間での実用レベルに達した人工知能の草分け．

クイズ番組で出題される問題文を読解し，膨大なデータに基づいて解答を生成する．解答の確信度に基づく戦略的な行動もする．2011年に人間のチャンピオンに勝った．

http://www-03.ibm.com/innovation/us/watson/index.shtml

汎用性が高く，天気予報やカレンダーなどのアプリとも連携する音声対話システム．iOSに組み込まれて一般消費者にリリースされ，実際に使われ始めた． http://www.apple.com/jp/ios/siri/?cid=MAR-JP-GOOG-IPHONE

人工知能のいろいろな定義

中島秀之（公立はこだて未来大学） 人工的につくられた、知能を持つ実態。あるいはそれをつくろうとすることによって知能自体を研究する分野である武田英明（国立情報学研究所）

西田豊明（京都大学） 「知能を持つメカ」ないしは「心を持つメカ」である溝口理一郎（北陸先端科学技術大学院）人工的につくった知的な振る舞いをするためのもの（システ

ム）である長尾真（京都大学） 人間の頭脳活動を極限までシミュレートするシステムである堀浩一（東京大学） 人工的に作る新しい知能の世界である浅田稔（大阪大学） 知能の定義が明確でないので、人工知能を明確に定義できない松原仁（公立はこだて未来大学） 究極には人間と区別が付かない人工的な知能のこと池上高志（東京大学） 自然にわれわれがペットや人に接触するような、情動と冗談に

満ちた相互作用を、物理法則に関係なく、あるいは逆らって、人工的につくり出せるシステム

山口高平（慶應義塾大学） 人の知的な振る舞いを模倣・支援・超越するための構成的システム

栗原聡（電気通信大学） 人工的につくられる知能であるが、その知能のレベルは人を超えているものを想像している

山川宏（ドワンゴ人工知能研究所） 計算機知能のうちで、人間が直接・間接に設計する場合を人工知能と呼んで良いのではないかと思う

松尾豊（東京大学） 人工的につくられた人間のような知能、ないしはそれをつくる技術。人間のように知的であるとは、「気づくことのできる」コンピュータ、つまり、データの中から特徴量を生成し現象をモデル化することのできるコンピュータという意味である

「松尾豊『人工知能は人間を超えるか』（KADOKAWA）p.45より作成」，平成28年版 情報通信白書 第1部， p. 234http://www.soumu.go.jp/johotsusintokei/whitepaper/ja/h28/pdf/n4200000.pdf

人工知能：人間のように考え，人間のように接することのできるコンピュータ

知能の捉え方と人工知能のアプローチ

スキーマ：状況の心的モデル

いろいろなスキーマ

人間や社会に関わるスキーマ

物理現象に関わるスキーマ

人工物に関わるスキーマ

基本的なスキーマ

知能の捉え方と人工知能のアプローチ

スキーマ：状況の心的モデル

知覚運動

自我情動意識

パーソナリティー意図

いろいろなスキーマ

スキーマの獲得と適用と共有のためのメカニズム

学習

記憶

思考

コミュニケーション

人間や社会に関わるスキーマ

物理現象に関わるスキーマ

人工物に関わるスキーマ

基本的なスキーマ

知能の捉え方と人工知能のアプローチ

スキーマ：状況の心的モデル

知覚運動

自我情動意識

パーソナリティー意図

いろいろなスキーマ

スキーマの獲得と適用と共有のためのメカニズム

学習

記憶

思考

コミュニケーション

人間や社会に関わるスキーマ

物理現象に関わるスキーマ

人工物に関わるスキーマ

基本的なスキーマ

人工知能＋関連領域の歴史

2000

2010

2020

1990

1980

1970

～

1936 チューリングマシン1951 商用コンピュータ UNIVAC1956 Dartmouth Conferences1966 ELIZA / ALPAC Report1969 ARPA-net稼働1973 Lighthill report1974 MYCIN1975 Microsoft設立1976 Ethernet1982 Version Space / 第五世代コンピュータ1984 初代Machintosh発売1985 AARON1986 バックプロパゲーション1989 ALVINN1991 WWW実装1994 インターネットにショッピングモール1995 Windows 951997 Google Search / Deep Blueが世界チェスチャンピオンG. Kasparovを破る1999 SONY AIBO販売受付2000 ホンダASIMO2004 Facebook2006 Twitter / Hinton, 深層学習2007 iPhone発売2008 Android対応スマホ / Naoの研究機関・大学向け販売開始2011 IBM Watson / Siri / Google Self Driving Car / Kinect2015 Pepper発売2016 AlphaGoがイセドル九段に互先で4-1で勝利 / ポケモンGO

確立期

冬の時代①

黎明期

冬の時代②

繁栄期

機械学習

経験に基づいて自分の振る舞いを改良するアルゴリズム

データマイニング大量のデータに内在するパターンの発見

知識の表現と利用

専門家の知っていることを記述してコンピュータで実行させるための知識表現言語．

知的探索

プログラマが解法を知らないとき，コツを教えて可能性のある空間を効率的に探させる．

知的探索

2 4 6

3 5

7 1 8

2 4 6

3 5

7 1 8

2 6

3 4 5

7 1 8

2 4 6

3 5

7 1 8

2 4 6

3 1 5

7 8

1 2 3

8 4

7 6 5

状態集合:可能な盤面の集合初期状態:可能な盤面のうちの一つ、任意に与えられる。目標状態:整った状態基本操作:板を上下左右のうちの一方向に動かす(高々4通り)

?

[西田豊明: 人工知能の基礎, 丸善, 1999]

？

15パズル

8パズル

盤面数＝9!=362,880

盤面数＝16!≒2.09228×1013 （約21兆）

1年を365日とすれば，1年＝31,536,000秒なので1盤面/秒なら663,457年

問題分割法 — ゲーム

黒、白、黒、白と石が置かれ、次は黒の手番。

[西田豊明: 人工知能の基礎, 丸善, 1999]

…OR分岐

AND/OR木

AND分岐

OR分岐

AND分岐

問題分割法 — ゲーム

黒、白、黒、白と石が置かれ、次は黒の手番。

[西田豊明: 人工知能の基礎, 丸善, 1999]

…OR分岐

AND/OR木

… … … …

AND分岐

OR分岐

問題分割法 — 不定積分

−

+dx

x

x

1

13

( )−

+

+−

+

dxx

xxx

x

xx

23

22

3

2

1

32

1

2

−= dxxgxfxgxfdxxgxf )(')()()()(')(

1

)12(

11

12

31

32

3 ++

+−

−=

−

+

xx

x

xx

x

++

+−

−dx

xx

xdx

x 1

12

3

1

1

1

3

22

OR分岐

−dx

x 1

1 ++

+dx

xx

x

1

122

AND分岐

[西田豊明: 人工知能の基礎, 丸善, 1999]

知識の記号的な表現と利用

講義室

表示装置演者

聴衆

[西田豊明: 人工知能の基礎, 丸善, 1999]

共有表示

知識の記号的な表現と利用

包含

包含

話す

表示

聴く

注目

操作

包含

共有表示

表示装置演者

聴衆

講義室

[西田豊明: 人工知能の基礎, 丸善, 1999]

知識の記号的な表現と利用

[西田豊明: 人工知能の基礎, 丸善, 1999]

包含

包含

話す

表示

聴く

注目

操作

包含

共有表示

表示装置

演者

聴衆

講義室

1. このような表現なら，（トレーニングを受けた）人間にも，コンピュータにも理解し，その内容を利用できる．

2. このような表現だけでできることは何か？

3. ただし，表現の生成と解釈は人間が行う．

http://aitopics.org/publication/rule-based-expert-systems-mycin-experiments-stanford-heuristic-programming-project

知識の表現と利用

MYCIN (1972～1974開発，その後評価等) 伝染性の血液疾患の診断，抗生物質の推薦

ユーザインタフェース

推論エンジン

知識ベース

MYCIN

約600個のIF-THEN rule,

結論導出，説明

RULE145

IF:

1) 考慮中の治療がセファロチン，クリンダマイシン，エリスロマイシン，リンコマイシン，バンコマイシンのいずれかである

2) 患者の感染症診断が細菌性髄膜であるTHEN:

考慮中の治療は当該の細菌には全く(1.0)有効でない

RULE037

IF:

1) 細菌が十分な確度で同定できていない2) 細菌のグラム染色が陰性である3) 細菌の形状が棒状4) 細菌が有酸素

THEN:

細菌のクラスが，腸内細菌科であると強く(0.8)示唆される

… … …

非専門医＜診断結果65%＜専門医(80%)

分類／予測器

機械学習とデータマイニング

- 機械学習AIシステムが経験を通して自らの振舞いや知識を改良するための手法

- データマイニング：データの中から法則性を推定する技術．

法則

データ 分類／予測

トレーニング用

学習システム教師有／無

[西田豊明: 人工知能の基礎, 丸善, 1999]

取引記録計測データ…

ニューラルネットワーク

― 多層フィードフォーワードネットワーク ―

分類器

多層フィードフォーワードネットワーク

法則

データ 分類

トレーニング用

学習システム教師有

入力層

中間層

出力層

[西田 1999]

フィードフォーワード型ニューラルネットワーク

wji

入力層

中間層

出力層

oi netj=Σwjioi+θji

ユニットｊ

oj

oj(t+1)=fj(netj)

fj ：単調非減少，微分可能

θj：バイアス

[西田 1999]

ニューラルネットワークを構成するユニット（より一般的なもの）

wji

oinetj

=Σwjioi+θji

ユニットｊ

ojaj(t+1)

= F(aj(t), netj (t))

aj ： ユニット j の活性度

oj=fj(aj)

ユニットiから ユニット j の

出力

[西田 1999]

排他的選言(exclusive OR)を計算するためのフィードフォーワード型ネットワーク

-3.3 -3.9

入力ユニット 中間ユニット 出力ユニット

－6.7

7.7

7.7

－6.7

14

c は，そのユニットへのバイアスが c であることを示す

x y z

0 0 0.0

0 1 1.0

1 0 1.0

1 1 0.0

x

y

z

[西田 1999]

誤差逆伝播

入力パターン p に対する出力層での誤差

が最小になるように，ユニットmからユニットnへの結合に対応づけられている重みwnm各ユニットnのバイアス θnを調節する．Epjは入力パターンpに対する出力ユニットjにおける誤差(希望出力tpjと実際の出力opjとの差の2乗の半分)である．

pに対するwnmへの修正：

pに対するθ nへの修正：n

p

np

nm

p

nmp

E

w

Ew

−=

−=

2

21 )( −==

j

pjpj

j

pjp otEE

[西田 1999]

誤差逆伝播の基本的な考え方

に注意すると

( )

)( pnnpn

m

pnpmnmpn

netfo

ownet

=

+=

pmpnpm

pn

p

nm

pn

pn

p

nm

p

nmp

oonet

E

w

net

net

E

w

Ew

=

−=

−=

−=

pn

pn

p

pn

pn

pn

p

pn

p

np

net

Enet

net

E

E

=

−=

−=

−=

pn

pn

p

net

E−=

ただし，

wnm

opm

ユニットn

opn

( ) +=m

pnpmnmpn ownet )( pnnpn netfo =

Ep

[西田 1999]

誤差逆伝播の基本的な考え方

ユニット n が隠れユニットのとき

ユニット n が出力ユニットのとき

wnm

om netn=Σwjioi+θji

ユニット n

on

on=fn(netn)

出力

wnmom netn=Σwjioi+θji

ユニット n

on

on=fn(netn)出力

ユニットk

( )

( ) ( ) )(

2

1

'

2

pnnpnpn

pn

pn

pnpn

j

pjpj

pnpn

p

pn

netfotnet

oot

otnetnet

E

−=

−=

−

−=

−=

)('

)('

pnn

k

knpk

pnn

k pn

pk

pk

p

pn

pn

pn

p

pn

p

pn

netfw

netfo

net

net

E

net

o

o

E

net

E

=

−=

−=

−=

[西田 1999]

実行例

-0.3 0.7

2

3

3

0

2

x

y

z

x y z

0 0 0.74

0 1 0.89

1 0 0.98

1 1 0.99

-0.5 -0.2

1.9

3.0

3.0

-0.0

1.8

x

y

z

x y z

0 0 0.61

0 1 0.81

1 0 0.97

1 1 0.97

10サイクル後

-0.8 -1.4

0.2

3.3

3.1

-0.1

1.8

x

y

z

x y z

0 0 0.29

0 1 0.52

1 0 0.60

1 1 0.61

100サイクル後

-2.3 -2.6

-3.6

5.9

5.9

-3.6

8.2

x

y

z

x y z

0 0 0.13

0 1 0.85

1 0 0.85

1 1 0.17

1000サイクル後

-3.3 -3.9

-6.7

7.7

7.7

-6.7

14

x

y

z

x y z

0 0 0.00

0 1 0.97

1 0 0.97

1 1 0.00

10000サイクル後

[西田 1999]

画像処理の発展(～2010年頃)

t1990 2000 201019801970

内観に基づく素朴なアプローチ

幾何学的・物理学的・工学的な側面

顔検出，文字認識

SIFT（1999）

Bag of Visual Words（2003）

Caltech-101(2003)

Standard Visual Recognition Pipeline(2004～2012)

ImageNet(2009)

OpenGL

SURF（2006）

Kinect(2011)

知識

物理法則

幾何学的法則

信号処理

統計的パターン認識

特徴抽出（手動）

画像分類

（教師あり）クラス特徴

従来手法

特徴抽出（教師なし）

画像分類

（教師あり）クラス特徴

NNを用いた手法

音声・自然言語処理の発展(～2010年頃)

内観に基づく素朴なアプローチ

コーパスベース

ViaVoice（1999）Dragon Dictate

（1990）

Julius(2000)

NETtalk（1986）

ルールベース

LPC, HMM

自然言語処理

音声認識

DP, DPW

認識率80%

Juman(ver 1: 1993)

KNP(1994)

WordNet(1985～)

t1990 2000 201019801970

ルールベース

統計的パターン認識

ニューラルコンピューティングの発展(～2010年頃)

ヘブ則 (1949)

バックプロパゲーション(1986)

ボルツマンマシン(1985)

Deep belief network(2006)

RNN(1990)

t1990 2000 201019801970

パーセプトロン (1958)

Threshold logic (1943)

LSTM(1997)

ホップフィールドネットワーク(1982)

過学習勾配の消失

Neo Cognitron(1980)

CNN (LeNet-5)(1998)

冬の時代②冬の時代①

Autoencoder

深層学習のインパクト

CNN (1998)

RNN (1990)

DQN(2015)

“Word2Vec”: skip-gram+CBoW(2013)

GAN(2014)

LSTM (1997)

NMT(2016)

AlphaGo(2016)

Show and Tell(2015)

DCGAN(2015)

t2010

基礎

応用

2015

Chainer(2015)

SuperVision(2012)

Deep Belief Network (2006)

TensorFlow(2015)

Deep Boltzmann Machine(2009)

画像，映像認識（2013～）

音声認識（2012～）

感情推定

映像監視

医療診断，健康管理

遺伝子研究

商品売れ筋予測

金融，取引

ボット，会話型システム

SVMクラスタリング決定木相関ルール

エンドツーエンド（一貫）学習

創薬

現実の難問解決

表現学習（特徴自動設計）

限定されたタスクなら人間以上

リソース：

｛論文，ソフト，データ，勉強会｝がオープン

データからの統計に基づく模倣

深層学習 (Deep Learning)

x1

x2

x3

x4

x5

xn

…

…

…

…

…

L1 L2 L3 L4 L5

• Deep Boltzmann Machine (DBM)では，自己符号化器 (Autoencoder)，深層1層ずつ階層ごとに学習していく（事前学習）

• Convolutional Neural Network (CNN)では，畳み込み層とプーリング層を交互に繰り返す

,

低次の特徴 高次の特徴

系列変換モデル

〈文脈〉 単語 〈文脈〉

Word2vec (skip-gram+CBoW)

入力系列

（意味の）ベクトル空間 分散表現

埋め込み層

再帰層

BOS

出力系列 EOS

埋め込み層

出力層

再帰層

系列変換モデル

注意機構…どのベクトルを重視するか

記憶ネットワーク…記憶したい事例を書き込み，必要な時読み込む

End-to-end 記憶ネットワーク…入力情報変換，一般化，出力情報変換，応答を同時学習させる

[坪井＋．深層学習による自然言語処理，講談社，2017]

動的記憶ネットワーク…エピソード記憶による文脈処理

GAN (Generative Adversarial Nets，敵対的生成ネットワーク)

[Goodfellow 2014, 2016]

Generator

学習用データセット

Discriminator

「イミテーション」

「本物」

「識別結果」

まとめ

1. 人工知能の話題が沸騰．いまどきのAI：① すぐ身近にある，② おもしろい，③ 自分でも作れる，④ たくさんある，⑤ 日々進歩している．

2. 1956年から本格研究．揺籃期：ヒューリスティック探索，確立期：知識の表現と利用，繁栄期：機械学習とデータマイニングで特徴づけ．2回の「冬の時代」．

3. ヒューリスティック探索．プログラマが解法を知らないとき，コツを教えて可能性のある空間を 効率的に探させる．

4. 知識の表現と利用．専門家の知っていることを記述してコンピュータで実行させるための知識表現言語．

5. 機械学習．経験に基づいて自分の振る舞いを改良するアルゴリズム．6. データマイニング．大量のデータに内在するパターンの発見．

7. ニューラルコンピューティングの研究成果を取り入れた深層学習によって大幅な性能向上．

8. 周辺分野（音声，画像，IoT，…）を巻き込んだ技術的進展が大きなインパクト

References

[西田 2017g] 西田豊明（編），小特集「人工知能とインタラクション」，シミュレーション学会誌，Vol. 36, No. 4, 2017年12月号.[西田 2017f] 西田豊明，選択肢としての人工知能，情報管理 Vol. 60, No. 9, p. 655-661, 2017.

https://www.jstage.jst.go.jp/article/johokanri/60/9/60_655/_article/-char/ja[西田 2017e] 西田豊明，スキーマ・マシンとしての人工知能のインパクト，情報管理 Vol. 60, No. 5 p. 339-344, 2017.

https://www.jstage.jst.go.jp/article/johokanri/60/5/60_339/_html/-char/ja/

[西田 2017d] 西田豊明，人工知能の歩み―第3次AIブーム，ブリタニカ国際年鑑2017．https://www.britannica.co.jp/products/jboy.html

[西田 2017c] 西田豊明，人工知能と技術倫理，電気評論，2017年5月号http://www.ehyo.sakura.ne.jp/page030.html

[西田 2017b] 西田豊明，人工知能スキーマ：人々は人工知能をどうとらえているか，視点，情報管理，Vol. 60, No. 1, pp. 50-55, 2017．https://www.jstage.jst.go.jp/article/johokanri/60/1/60_50/_html/-char/ja/

[西田 2017a] 西田豊明，人工知能の現状と展望，インターネット白書2017，2017年2月1日http://www.impressrd.jp/news/170201/NP

西田 2016] 西田豊明，人工知能の光と影（上）—日米欧，倫理問題対応急ぐ，日本経済新聞・経済教室，2016年9月6日．有料会員限定リンク：http://www.nikkei.com/paper/article/?b=20160906&ng=DGKKZO06882280V00C16A9KE8000

[人工知能学会 2016] 人工知能学会監修，松尾 豊（編）,中島 秀之,西田 豊明,溝口 理一郎,長尾 真,堀 浩一,浅田 稔,松原 仁,武田 英明,池上 高志,山口 高平,山川 宏,栗原 聡：人工知能とは，近代科学社，2016年5月30日http://www.kindaikagaku.co.jp/information/kd0489.htm

[西田 2015] 西田豊明，人工知能がもたらす未来の「スマート」，CEL (Vol.111)，2015年11月02日http://www.og-cel.jp/search/1230453_16068.html

[西田 2014b] 西田豊明．人間力・社会力を強化する情報通信技術：人工知能を中心に，情報管理 Vol. 57, No. 8, pp. 517-530, 2014.http://dx.doi.org/10.1241/johokanri.57.517

[西田 2014a] 西田豊明．人工知能の社会実装がもたらし得ること．人工知能，29巻5号，pp. 524-532, 2014.http://ci.nii.ac.jp/naid/110009841788

[西田 2013] 西田豊明．人工知能とは(2)，人工知能学会誌，28巻2号，pp. 326-335, 2013.http://ci.nii.ac.jp/naid/110009594470

[西田 2012] 西田豊明．人工知能研究半世紀の歩みと今後の課題，情報管理 Vol. 55, No. 7, pp. 461-471, 2012.http://dx.doi.org/10.1241/johokanri.55.461

[西田 1999] 西田豊明: 人工知能の基礎, 丸善, 1999.

レポート課題 (1/2)

情報科学基礎論13～14回の成績は2回のレポートによって採点します．

社会に最も大きなインパクトを与えたと考える人工知能の研究に関わる文献を少なくとも1つあげ，技術の概要と今後の可能な展開について自分の考えを2000字以上で論じなさい．なお，文献の出典（Webの場合はそのURL）は必ず明示すること．採点にあたっては，深く，独自性が高い考察を評価します．

提出期日 7月9日（月） 17:00

提出方法 pdfファイルをPandAにアップロードに送付