今さら聞けない！人工知能の現状と動向

〜基礎・全体像の理解から活用方法、留意点まで〜

人工知能で今できること、今はできないことを知り、これからの開発やビジネスに活かすセミナー！

講師

沖電気工業（株）情報通信事業本部
ソフトウェアセンター ソフトウェアエンジニアリング部
シニアスペシャリスト／エバンジェリスト　博士（工学） 五味 弘 先生

【講師紹介】
三重大学非常勤講師、群馬工業高等専門学校非常勤講師、情報処理学会シニア会員、三重大学リサーチフェロー

受講料

1名41,040円(税込（消費税8％）、資料付)
＊1社2名以上同時申込の場合 、1名につき30,240円
＊学校法人割引 ；学生、教員のご参加は受講料50％割引。

セミナーポイント

　人工知能とはコンピュータで人間の知能を模倣させて、人間の活動を代替させるコンピュータシステムであり、過去のブームを得て、最近も大流行している技術である。さらに人工知能はコンピュータ技術だけでなく、ビジネスとしても大きな話題になっている。しかし一方で人工知能という言葉がバズワード化し、人工知能が何であるかを踏まえずに、薔薇色の夢物語のまま、話が進んでいる状況にもなっている。
　そこでまず本講演では人工知能が何であるかを示し、その歴史を遡って、現在の人工知能の現状を掴む。そして人工知能で今できることと、今はできないことを明確に知り、これからの人工知能との付き合い方を決める。
　次に人工知能の開発とはどのようなものであり、開発をどのように進めていくのか、今までの開発とどう違うのか、逆にどこが今までの開発と同じなのかを見ていく。人工知能の開発の例として、将棋を取り上げ、評価関数や先読み、枝刈り、機械学習の実装を見ていくが、これらの技術は他の人工知能システムにも応用が利く汎用的な人工知能技術である。また人工知能の企画や要求分析、さらにデバッグや作った人工知能プログラムの評価から拡張までを見ていく。

■この講座を受講して得られる情報・知見：
　この講座を通して、人工知能が何であるかを知り、ビジネスへの活かし方、そしてその開発方法を学ぶ。人工知能の企画から要求分析、設計、実装、デバッグ、評価までを学び、実際の人工知能の開発に臨めるようになることを目標とする。

・人工知能の基礎:人工知能の定義から分類、使い分け、歴史
・人工知能の開発:将棋プログラム、オブジェクト指向、評価関数、先読み、枝刈り、機械学習
・人工知能の企画から要求、実装:企画、要求分析、開発全般、デバッグ、評価

セミナー内容

1. 人工知能をゼロから学ぶ（人工知能の基礎）
　1.1人工知能ってなんだろう（人工知能の定義）
　(1) 人工知能に必要なものは（人工知能の必要条件）
　(2) 何があれば人工知能なのか（人工知能の十分条件）
　1.2 色々とある人工知能（人工知能の分類）
　(1) 昔ながらの人工知能と最近の人工知能（記号処理と非記号処理の比較）
　(2) 記号処理って何？（記号処理の定義）
　(3) 記号処理における面倒な問題（記号処理のフレーム問題）
　(4) 記号処理でない人工知能とは（非記号処理）
　(5) 人工知能の使い分けの方針（人工知能の使い分け）
　(6) 人工知能の使い分けのコツ（規則と特徴）
　(7) 人工知能の別の分類（強い人工知能と弱い人工知能）
　1.3 人工知能のお仕事（人工知能の役割）
　(1) 人工知能は見分ける（認識）
　(2) 人工知能は探す（探索）
　(3) 人工知能は考える（推論）

2. 人工知能はどのように発展してきたのか
　2.1 人工知能のはじまり（第1次人工知能ブーム）
　2.2 人工知能の2回目の春（第2次人工知能ブーム）
　2.3 そして最近のブームへ（第3次人工知能ブーム）
　(1) 繰り返される人工知能ブーム
　(2) 人工知能の事例といえば（Deep Blue, Watson, AlphaGO）
　(3) 機械学習こそ人工知能（機械学習と深層学習の流行）
　(4) これからの人工知能は？（人工知能の未来）
　
3. 人工知能を作ってみる（人工知能の開発　〜クラス設計から実装まで）
　3.1 人工知能をオブジェクト指向で作る（人工知能とオブジェクト指向）
　(1) 人工知能プログラムで将棋を作る（人工知能と将棋）
　(2) オブジェクト指向とうまくつきあう（オブジェクト指向の定義とコツ）
　(3) オブジェクト指向で人工知能を作る（人工知能のクラス設計）
　(4) 結局オブジェクト指向はどうなのか？（オブジェクト指向の利点と欠点）
　3.2 人間の思考を真似る（人間の思考とは）
　(1) 将棋棋士はどのように考えているのか（将棋棋士の思考による盤面評価）
　(2) 人工知能はどのように考えているのか（人工知能の思考による盤面評価）
　(3) この盤面は有利なのか、不利なのか（評価関数）
　(4) 人間と人工知能の違い（人間の評価関数と人工知能の評価関数）
　3.3 先の先まで読む（先読み）
　(1) 先読みの考え方（ミニマックス法）
　(2) 先読みをどのように作るのか（再帰プログラムによる実装）
　(3) 先読みは面倒で大変（ミニマックス法の欠点）
　3.4 効率よく先読みするために（枝刈り）
　(1) 手抜きのテクニック（評価関数とミニマックス、枝刈りの適用範囲）
　(2) 正当な手抜き、でも大したことはない（アルファベータ法）
　(3) 危険な手抜き、でも効果は大きい（前向き枝刈り）
　(4) どこを深く読むのか（深読み　〜先読みと枝刈りの制御）
　(5) 水平線の向こう側（水平線効果）
　3.5 人工知能は学習する（機械学習）
　(1) 人工知能が学習するものは（評価関数とパラメータの調整）
　(2) 教師よりも賢くなる方法（強化学習）
　(3) 進化の行く末（遺伝的アルゴリズム）
　(4) 統計と確率で勝つ（モンテカルロ法）

4. 人工知能を企画から実装するコツ（人工知能の開発　〜企画から評価まで）
　4.1 人工知能の企画と要求分析のコツ（人工知能の企画と要求）
　(1) ミニ将棋を例題にとって（ミニ将棋の例）
　(2) ミニ将棋の企画や要求は面倒で大変（ミニ将棋の企画と要求）
　4.2 人工知能のデバッグは大変だがコツがある（人工知能のデバッグ）
　(1) 再帰プログラムはスタックでいっぱい（再帰プログラムのデバッグ）
　(2) 機械学習はブラックボックス？（機械学習のデバッグ）
　4.3 作った人工知能プログラムはどうなのか？（人工知能プログラムの評価）
　(1) 普通のプログラムと見た場合の評価（ソフトウェア工学的評価）
　(2) 人工知能として良いものか？（人工知能的評価）
　(3) どうしてこんな人工知能プログラムになったのか（評価の原因分析）
　(4) 人工知能の拡張　〜人間を目指して（人工知能の未来）

5. 再考、人工知能（まとめ）

＜質疑応答＞