説明可能AI（XAI:explainable AI）の作り方とAIの業務への導入方法

～機械学習の説明性向上・精度向上の方法と失敗しないAI導入のコツ～

セミナー講師

長尾智晴（ながおともはる）　氏横浜国立大学　大学院環境情報研究院　YNU人工知能研究拠点長　/　教授（工学博士）

 ＜経歴、等＞　東京工業大学大学院出身．東京工業大学工学部助手・助教授を経て，2001年より現職．経産省NEDO「共進化AIプロジェクト」採択課題研究代表者，横浜国立大学発ベンチャー 株式会社マシンインテリジェンス取締役CTOを兼務． ＜研究＞　知能情報学／進化計算法／機械学習／感性情報処理／知的画像処理／医工連携工学など． ＜学会＞ 　情報処理学会，電子情報通信学会，人工知能学会，進化計算学会，IEEEなどに所属して各学会で活動中．

セミナー受講料

お1人様受講の場合　53,900円[税込]／1名1口でお申込の場合　66,000円[税込]／1口（3名まで受講可能）

受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

セミナープログラム

1　人工知能と機械学習　1.1　人工知能とは何か？〜定義・考え方の推移など〜　1.2　機械学習概論〜説明／事例に基づく学習など〜

2　深層学習（ディープラーニング）の現状と課題　2.1　ニューラルネットワーク概論〜NNの原理と学習の本質〜　2.2　深層学習の基礎と最近の手法〜深層学習の考え方・長所・短所〜　2.3　最近のAIの課題と説明できるAI：XAI〜現状のAIの課題と解決策〜

3　ブラックボックス系機械学習のXAI　3.1　学習済みの深層回路の可視化〜Grad-CAM・LIMEなど〜　3.2　特徴空間の自動構築と可視化〜AE・CAE・VAE・UMAPなどによる次元圧縮〜　3.3　可視化を前提とした深層学習〜GCM・判断根拠の提示〜　3.4　深層回路の構造単純化・最適化法〜進化計算法・勾配降下による方法〜　3.5　転移学習と浸透学習〜知識の転用による学習〜

4　ホワイトボックス系機械学習のXAI　4.1　特徴量の最適化による精度向上〜SVMなどの特徴量の最適化〜　4.2　処理過程が説明できる処理の自動構築〜処理ユニットの組合せ最適化〜　4.3　決定木などの処理の言葉による説明〜ルール集合による説明〜　4.4　小規模かつ高性能な回路の自動構築〜セル型回路の利用など〜

5　AIの業務への導入方法　5.1　AI導入時の注意点〜課題と解決策〜　5.2　AI人材の育成方法〜どの方法がベストか？〜

6　まとめ・AIよろず相談室　〜質疑応答とフリーディスカッション〜

付録1：代表的な機械学習法付録2：進化計算法の原理と特徴付録3：横浜国大・長尾研のご紹介