知能システム
| 科目分野 | 理工学部 |
|---|---|
| 選必区分 | 選択 |
| 担当教員 ［ローマ字表記］ |
永田 裕一 [NAGATA YUICHI] |
| 授業形態 | 講義 |
授業の目的
知能システムの実現は容易ではなく，人間を凌駕するような知能を実現できた人工知能の応用領域はかぎられている．本講義では，知能を計算機上に実現することがいかに困難な作業であるのかを種々の視点から浮き彫りにすると共に，それを克服することを目指して提案されている最近の人工知能技術を理解させることを目指す．
授業概要
知能を計算機やロボットの上に実現することがいかに困難な作業であるのかを種々の視点から浮き彫りにすると共に，その実現を目指して研究が進められている最近の人工知能手法を理解させることを目的とする．本講義では，現実的な知能システムを構築するための有望な要素技術として，強化学習および進化計算による学習・最適化手法ならびにニューラルネットによる関数近似手法に焦点を合わせ，それらの原理，応用および限界について講述する．
到達目標
- 知能システムのトップダウン的な構築の限界を説明できる．
- 知能システムの創発的な構築のための要素技術である強化学習，進化計算および関数近似などの各手法のうち，代表的な手法の原理，応用方法および限界を説明できる．
授業計画
- 知能システムの実現はなぜ難しいのか?
- 知能システムの創発的設計
- 強化学習の基礎:マルコフ決定過程
- 強化学習の基礎:動的プログラミング
- 強化学習の基礎:基本的な学習手法
- 強化学習に基づく知能システムの設計
- 中間試験
- 知能システムと関数近似:行動政策の関数近似
- 知能システムと関数近似:テーブル表現とCMAC
- 知能システムと関数近似:ニューラルネット
- 知能システムと関数近似:ファジィシステム
- 進化計算に基づく知能システムの設計:進化戦略
- 進化計算に基づく知能システムの設計:実数値遺伝的アルゴリズム
- 進化計算に基づく知能システムの設計:遺伝的プログラミング
- 知能システムの最新の話題から
教科書
特に指定しない．
キーワード
人工知能, 機械学習, 最適化, 強化学習, 進化計算
