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
笹野 遼平 ○ 長尾 確 出口 大輔 是津 耕司
担当教員 【英語】
Instructor
SASANO Ryohei ○ NAGAO Katashi DEGUCHI Daisuke ZETTSU Koji
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マルチモーダルAI,モデル連携等について教授する。
授業の目的 【英語】
Goals of the Course
Artificial intelligence (AI) is an essential and important academic field that makes human life safer and more convenient. By studying AI, it is possible to create advanced information systems (AI systems) that can perform tasks that humans are not good at with a higher degree of accuracy than humans. In this lecture, we will teach you about knowledge representation as linguistic information, multimodal AI, model collaboration, etc.
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や マルチモーダルAI,モデル連携等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 an understanding of the use of language information centered on natural language processing, multimodal AI, model collaboration, etc.
授業の内容や構成
Course Content / Plan
本講義では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。具体的には,単語意味表現,マルチモーダルAI,述語項構造解析,分散機械学習,共参照・照応解析,大規模言語モデル,モデル連携等について解説する。

〔計画〕
1. 単語意味表現
2. マルチモーダルAI
3. 述語項構造解析
4. 分散機械学習
5. 共参照・照応解析
6. 大規模言語モデル
7. モデル連携1
8. モデル連携2
In this lecture, we will introduce the major methods and examples of building AI systems, and deepen the understanding of the characteristics of systems that realize AI and their elemental technologies. Specifically, we will explain word meaning representation, multimodal AI, predicate-argument structure analysis, distributed machine learning, coreference and anaphora resolution, large language models, and model collaboration.

[Plan]
1. Word semantic representations
2. Multimodal AI
3. Predicate-argument structure analysis
4. Distributed Machine Learning
5. Coreference and anaphora resolution
6. Large language models
7. Model Collaboration 1
8. Model Collaboration 2
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.
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)