目次

第1章　人工知能とは

1.1　人工知能の概要

1.1.1　人工知能の位置づけ

1.1.2　人工知能とその隣接学問分野

1.2　人工知能分野内の諸領域

1.2.1　機械学習

1.2.2　進化的計算

1.2.3　群知能

1.2.4　自然言語処理

1.2.5　画像認識

1.2.6　エージェント

1.3　生活の基盤技術としての人工知能

1.4　人工知能の産業応用

1.5　人工知能の定義

1.5.1　人工知能に対するふたつの立場

1.5.2　なぜ人工知能技術は注目されるのか

 

第2章　人工知能研究の歴史

2.1　【1940s～】コンピュータ科学のはじまり

2.1.1　フォン・ノイマンとセル・オートマトン

2.1.2　チューリングテスト

2.2　【1956】ダートマス会議による人工知能分野の確立

2.3　【1960s～】自然言語処理システム

2.3.1　1965年：ワイゼンバウムのELIZA

2.3.2　1971年：ウィノグラードの積み木の世界（SHRDLU）

2.4　【1970s～】エキスパートシステム

2.5　【1960s～】パーセプトロンとバックプロパゲーション

2.5.1　人工ニューラルネットの誕生

2.5.2　パーセプトロン

2.5.3　バックプロパゲーション

2.6　【1950s～】チェス、チェッカー、囲碁の対戦プログラム

2.6.1　1950s～：チェッカープログラム

2.6.2　1990s～：チェスプログラム

2.6.3　2010s～：囲碁プログラム

2.7　【2010s～】深層学習の発見、ビッグデータ時代の到来

2.7.1　画像認識における深層学習によるブレークスルー

2.7.2　深層学習とビッグデータ

2.8　かつて人工知能だったシステム　－コンパイラ、かな漢字変換

2.8.1　コンパイラ

2.8.2　かな漢字変換

2.9　人工知能向けプログラミング言語の変遷

2.9.1　LISP

2.9.2　Prolog

2.9.3　Python

 

第3章　機械学習

3.1　機械学習の原理

3.1.1　機械学習とは

3.1.2　オッカムの剃刀とノーフリーランチ定理

3.1.3　さまざまな機械学習

3.2　機械学習の方法

3.2.1　教師あり学習、教師無し学習および強化学習

3.2.2　学習データセットと検査データセット

3.2.3　汎化と過学習

3.2.4　アンサンブル学習

3.3　k近傍法

3.4　決定木とランダムフォレスト

3.4.1　決定木

3.4.2　ランダムフォレスト

3.5　サポートベクターマシン（SVM）

 

第4章　知識表現と推論

4.1　知識表現

4.1.1　知識表現とは

4.1.2　意味ネットワーク

4.1.3　フレーム

4.1.4　プロダクションルールとプロダクションシステム

4.1.5　述語による知識表現

4.1.6　開世界仮説と閉世界仮説

4.2　エキスパートシステム

4.2.1　エキスパートシステムの構成

4.2.2　エキスパートシステムの実装

 

第5章　ニューラルネットワーク

5.1　階層型ニューラルネットワーク

5.1.1　人工ニューラルネットワークとは

5.1.2　人工ニューロン

5.1.3　パーセプトロン

5.1.4　階層型ニューラルネットワークとバックプロパゲーション

5.1.5　リカレントニューラルネット

5.2　さまざまなニューラルネットワーク

5.2.1　ホップフィールドネットワークとボルツマンマシン

5.2.2　自己組織化マップ

 

第6章　深層学習

6.1　深層学習とは

6.2　畳み込みニューラルネット

6.3　自己符号化器

6.4　LSTM

6.5　敵対的生成ネットワーク（GAN）

 

第7章　進化的計算と群知能

7.1　進化的計算

7.1.1　生物進化と進化的計算

7.1.2　遺伝的アルゴリズムと遺伝的プログラミング

7.2　群知能

7.2.1　粒子群最適化法

7.2.2　蟻コロニー最適化法

7.2.3　人工魚群アルゴリズム

 

第8章　自然言語処理

8.1　従来型の自然言語処理

8.1.1　自然言語処理の階層

8.1.2　形態素解析

8.1.3　構文解析

8.1.4　意味解析

8.1.5　統計的自然言語処理

8.1.6　機械翻訳

8.2　機械学習による自然言語処理

8.2.1　機械学習と自然言語処理

8.2.2　Word2vec

8.3　音声認識

8.3.1　音声の認識

8.3.2　音声応答システム

 

第9章　画像認識

9.1　画像の認識

9.1.1　画像認識の基礎

9.1.2　画像の特徴抽出

9.1.3　テンプレートマッチング

9.2　画像認識技術の応用

9.2.1　文字認識

9.2.2　顔認証

9.2.3　類似画像の検索

 

第10章　エージェントと強化学習

10.1　ソフトウェアエージェント

10.1.1　エージェントとセル・オートマトン

10.1.2　ソフトウェアエージェント

10.2　実体を持ったエージェント

10.2.1　ロボティックス

10.2.2　ロボットの身体性（身体性認知科学）

10.3　エージェントと強化学習

10.3.1　エージェントと機械学習

10.3.2　Q学習

 

第11章　人工知能とゲーム

11.1　チェスとチェッカー

11.1.1　初期のゲーム研究の成果　－探索とヒューリスティックに基づく方法－

11.1.2　DeepBlue

11.2　 囲碁と将棋

11.2.1　AlphaGo以前のAI囲碁プレーヤー

11.2.2　AlphaGo、AlphaGoZero、AlphaZero

11.2.3　将棋と深層学習

11.3　さまざまなAIゲームプレーヤー

11.3.1　Watsonプロジェクト

11.3.2　人工知能のコンピュータゲームへの応用

 

第12章　人工知能はどこに向かうのか

12.1　中国語の部屋　―強いAIと弱いAI―

12.2　フレーム問題

12.3　記号着地問題

12.4　シンギュラリティ