深層学習の見える化と次世代の「説明できるAI」〜AIの導入方法と差別化のコツ〜

ブラックボックスではない、根拠を「説明できるAI」へ！

講師

横浜国立大学 大学院環境情報研究院　教授　工学博士　長尾 智晴 先生

【専門】
　知能情報学／パターン認識と機械学習／知能ロボティクス／感覚知覚情報処理／知的画像処理／進化計算法／医工連携工学など「人と機械の知能」に関する広範囲な分野．文理融合研究や産学連携活動に力を入れており，企業等との共同研究は累計120社以上．

【略歴】
　東京工業大学大学院総合理工学研究科 物理情報工学専攻博士課程を中退して東京工業大学工学部附属像情報工学研究施設助手に就任．東京工業大学助教授を経て，2001年 横浜国立大学 大学院環境情報研究院教授．現在に至る．工学博士(東京工業大学）．大学発ベンチャー(株)マシンインテリジェンスを起業して取締役CTOを兼務中．YNU人工知能研究拠点・拠点長．

【本テーマ関連学協会での活動】
　情報処理学会，電子情報通信学会，電気学会，映像情報メディア学会，人工知能学会，進化計算学会，進化経済学会，医用画像情報学会，日本ロボット学会，日本医療情報学会，芸術科学会，計測自動制御学会，日本視覚学会，組織学会，IEEEに所属して各学会で活動中．

受講料

1名46,440円(税込（消費税8％）、資料・昼食付)
＊1社2名以上同時申込の場合 、1名につき35,640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

■ はじめに
　今や機械学習ツール・ライブラリを使えば誰でも深層学習（ディープラーニング）などの機械学習を手軽に試せる時代です．高い料金でAIベンダーに機械学習を外注するまでもなく，「機械学習は誰がやっても同じ」になりつつあり，他社に対する優位性を保つことが困難な状況です．そんな中でAIに関する自社の競争力を高めるためには，深層学習の効果的な利用方法や次世代のAI技術の導入を模索する必要があります．
　本セミナーは巷によくある「深層学習は素晴らしい！」，「Python言語で機械学習をやってみよう！」という類のセミナーではなく，これからAIを自社の業務で利用しようと考えている方や，深層学習を試してみたが処理がブラックボックスになって困っている，何か策はないだろうか？ とお考えの技術者，あるいは効果的なAI導入を考えている経営者の方などを対象に，機械学習，深層学習，昨今話題の「説明できるAI」，次世代の進化的機械学習，企業へのAI導入方法，導入事例などを，数式はほとんど使わず，平易に解説します．

■ 受講対象
　企業で機械学習の利用を考えている方など，
　人工知能や機械学習に興味のある方ならどなたでも受講可能です．

■ 本セミナーに参加して修得できること
・人工知能・機械学習の概要と将来展望
・神経回路網・深層学習の原理と問題点
・「説明できるAI」とは何か？
・進化的機械学習の基礎と応用
・AI導入時のポイント・導入成功のコツ

セミナー内容

１．人工知能と機械学習 
　1.1 人工知能の考え方の推移
　　〜AIの過去・現在・未来〜
　1.2 機械学習の種類と方法
　　〜教師あり／なし／半教師付き学習など〜

２．深層学習（ディープラーニング）の基礎と問題点 
　2.1 神経回路網の原理と学習法
　　〜階層型神経回路網の学習方法〜
　2.2 深層学習の基礎と実装方法
　　〜深層化の手法とライブラリ〜
　2.3 深層学習の最近の手法
　　〜知識の流用(転移・蒸留・浸透など)〜
　2.4 深層学習の問題点と対策
　　〜何が問題なのか？〜

３．「説明できるAI」 〜ブラックボックスの説明性向上〜 
　3.1 説明できるAIとは？
　　〜説明性の定義〜
　3.2 学習済みの深層回路と入出力の関係性の可視化
　　〜各層の強度や関係性の見える化〜
　3.3 深層回路の圧縮と簡約化
　　〜実装のための回路規模の縮小〜
　3.4 処理過程が理解し易い構造の深層学習
　　〜GCM・EGCMなど〜

４．「説明できるAI」 〜ホワイトボックスの精度向上〜 
　4.1 進化的機械学習の原理
　　〜進化計算法のキーポイント〜
　4.2 特徴量の最適化による簡潔な認識処理
　　〜進化計算による特徴量最適化〜
　4.3 処理過程が説明できる処理の自動生成
　　〜進化的画像処理など〜
　4.4 決定木・決定回路の処理の言葉による説明
　　〜処理を自然言語で説明する〜
　4.5 小規模かつ高性能な回路の自動設計
　　〜構造制約に基づく回路設計〜

５．業務へのAI導入方法 
　5.1 AI導入における基本８原則
　　〜やってはいけないこととは？〜
　5.2 AIコンサル事例のご紹介
　　〜AI導入の成功のコツとは？〜

６．まとめと質疑応答