学部・大学院区分
Undergraduate / Graduate
情報・博前
時間割コード
Registration Code
2560090
科目区分
Course Category
主専攻科目
科目名 【日本語】
Course Title
人工知能システム2
科目名 【英語】
Course Title
Artificial Intelligence Systems 2
コースナンバリングコード
Course Numbering Code
GSI166034J
担当教員 【日本語】
Instructor
武田 浩一 ○ 長尾 確 出口 大輔 笹野 遼平
担当教員 【英語】
Instructor
TAKEDA Koichi ○ NAGAO Katashi DEGUCHI Daisuke SASANO Ryohei
単位数
Credits
1
開講期・開講時間帯
Term / Day / Period
春2期 月曜日 4時限
Spring2 Mon 4
対象学年
Year
1年
1
授業形態
Course style

開講系(学部)・開講専攻(大学院)
Subject
知能システム学専攻
必修・選択
Required / Selected
選択


授業の目的 【日本語】
Goals of the Course(JPN)
人工知能(AI)は,人間の生活を安全で便利にするために欠くことのできない本質的に重要な学問分野である。AIを学ぶことで人間が不得意とする作業を,人間を上回る精度で遂行できる高度な情報システム(AIシステム)を実現することができる。本講義では,言語情報としての知識の表現やエージェントとの対話などを実現する人工知能の原理について教授する。
授業の目的 【英語】
Goals of the Course
Artificial intelligence (AI) is an essential academic discipline indispensable for making human life safer and more convenient.
By learning AI, you can build an advanced information system (AI system), which can perform tasks inadequate for humans beyond human accuracy. 
In this lecture, we will teach practical techniques of artificial intelligence - in particular, knowledge representation in the form of natural language text and dialog with agents.
到達目標 【日本語】
Objectives of the Course(JPN)
学生は,自然言語処理を中心にした言語情報の活用と人工知能への応用について理解することを目標とする。
到達目標 【英語】
Objectives of the Course
Students are expected to obtain understanding of natural language processing of textual (linguistic) information and its applications to AI systems.
授業の内容や構成
Course Content / Plan
本講義では自然言語処理を中心に人工知能システムの構築にかかわる主要な手法と事例を示し,人工知能を実現するシステムの特徴とその要素技術についての理解を深める。講義の前半では,計算機によるテキスト理解に向けた取り組みについて教授する。具体的には,述語項構造解析,文脈解析,ベクトルを用いた意味表現等について解説する。講義の後半では,大規模に実用化された人工知能システムの事例,身体性や環境とのインタラクション,言語理解など近年の発展が著しい分野にフォーカスして教授する。
〔計画〕
1. 単語意味表現
2. 述語項構造解析
3. 共参照・照応解析
4. 談話構造解析
5. 人工知能システムの発展と応用
6. 推薦システム
7. 知的エージェントの実現
8. 言語理解に向けて
In this lecture, we will introduce technical principles of building AI systems and examples by focusing on natural language processing. The first half of the lecture will cover textual understanding. In particular, predicate argument structure analysis, contextual processing, and semantic representations using vectors. The second half of the lecture will elaborate on recent development of large-scale AI system use cases, embodied cognition, interaction with environments, and language understanding.

[Plan]
1. Word semantic representations
2. Predicate-argument structure analysis
3. Co-reference analysis, anaphora resolution, and discourse structure analysis
4. Discourse structure analysis
5. Development of AI systems
6. Recommendation systems
7. Implementation of intelligent agents
8. Towards natural language understanding
履修条件・関連する科目
Course Prerequisites and Related Courses
前提とする履修条件はない。自然言語処理1,2と関連する講義内容を含む
成績評価の方法と基準
Course Evaluation Method and Criteria
課題レポートにより評価し,合計100点満点で60点以上を合格とする。
教科書・参考書
Textbook/Reference book
教科書は特にない。参考文献は講義の中で紹介する。必要に応じて参考資料を配布する。
課外学習等(授業時間外学習の指示)
Study Load(Self-directed Learning Outside Course Hours)
講義において説明した手法・理論を理解するためのレポート形式の課題を講義中に与え回収する。
授業開講形態等
Lecture format, etc.
新型コロナ感染症対策の状況に応じて、対面授業や遠隔授業を切換える。
遠隔授業(オンデマンド型)で行う場合の追加措置
Additional measures for remote class (on-demand class)
遠隔授業の場合にはTACTを利用した講義資料や課題の公開と提出を行う。