授業情報/Course information

開講学期/Course Start 2017年度/Academic Year  後期/Second
開講曜限/Class period 水 /Wed  1 , 水 /Wed  2
授業区分/Regular or Intensive 週間授業
対象学科/Department 情報電子工学系学科 情報システム学コース・コンピュータ知能学コース
対象学年/Year 3年,4年
授業科目区分/Category 教育課程 主専門教育科目
必修・選択/Mandatory or Elective 選択
授業方法/Lecture or Seminar 講義及び演習
授業科目名/Course Title 人工知能/Artificial Intelligence
単位数/Number of Credits 2.0
担当教員名/Lecturer 工藤康生(情報電子工学系学科情報システム学コース)
時間割コード/Registration Code C4723
連絡先/Contact 工藤康生(工藤康生(V408
0143-46-5469
kudo@csse.muroran-it.ac.jp
*@を小文字に変更してください。) )
オフィスアワー/Office hours 工藤康生(工藤康生(水曜日 16:30-17:30) )
更新日/Date of renewal 2017/09/25
授業のねらい
/Learning Objectives
人工知能は,「知的に振る舞う」システムを実現することを目標とする研究分野であり,その内容は非常に幅広い.本講義では,人工知能に関わる知識情報処理として,「探索による問題解決」と「論理による知識表現と推論」に焦点を絞り,基礎的な概念および手法について学ぶ.
到達度目標
/Outcomes Measured By:
1.探索や論理に関する基礎的な概念・手法を理解する.(理解力)
2.探索や論理に関する基礎的な概念・手法を,問題解決および知識表現,論理的推論に用いることができる.(応用力)
授業計画
/Course Schedule
総授業時間数:24時間(16回×90分)

1週目 ガイダンス,人工知能の概要と歴史
2週目 問題の表現,問題解決プロセス
3週目 系統的探索:横形探索,縦形探索,反復深化探索
4週目 探索の複雑さ,節点の評価,分岐限定法
5週目 山登り法,最良優先探索
6週目 A*アルゴリズム
7週目 ゲームの木の探索:ミニマックス法,α-β法
8週目 中間試験
9週目 命題論理(1):論理式の構文と意味
10週目 命題論理(2):推論の形式,論理的帰結,形式的証明
11週目 一階述語論理(1):論理式と限量記号
12週目 一階述語論理(2):一階述語論理の意味論,スコーレム標準形
13週目 導出原理(1):エルブラン解釈,エルブランの定理
14週目 導出原理(2):導出原理,導出の制御戦略
15週目 論理プログラミングの基礎
(16週目)期末試験

教科書を予習していることを前提として講義を行うので,必ず予習すること.
教科書
/Required Text
新人工知能の基礎知識 太原育夫著 近代科学社 2008(ISBN:9784764903562)
教科書・参考書に関する備考 教科書に記載がない部分などについては,別途資料を配布する.
成績評価方法
/Grading Guidelines
・中間試験(50点満点)および期末試験(50点満点)の合計で60点以上を合格とする.
・中間試験と期末試験を両方受験し,かつ不合格だった学生に対して,1回だけ再試験を行う.再試験で合格した学生の成績は60点とする.

各到達度目標は以下のように評価する:
・目標1:中間試験,期末試験で探索や論理の基礎的な概念・手法に関する問題を出題し,達成度を評価する.
・目標2:中間試験,期末試験で問題解決および知識表現,論理的推論に関する問題を出題し,達成度を評価する.
履修上の注意
/Notices
不合格の場合は再履修すること.
教員メッセージ
/Message from Lecturer
・講義の中で,集合論およびグラフ理論,データ構造など,「情報数学」および「データ構造とアルゴリズム」で学んだ内容を用いる.必要な部分の説明は講義の中で行うが,あらかじめ復習しておくことが望ましい.
・ほとんどの回で,その回のまとめとなる演習課題を課す.
学習・教育目標との対応
/Learning and Educational Policy
この授業科目は情報システム学コース・コンピュータ知能学コースの学習目標の以下の項目に対応している.
情報技術者[コンピュータサイエンス]情報工学の基礎知識と応用能力を身につける。
関連科目
/Related course
・「情報数学」および「データ構造とアルゴリズム」の内容を習得していることが望ましい.
・「人工知能応用演習」に本講義に関連した演習がある.
No. 回(日時)
/Time (date and time)
主題と位置付け(担当)
/Subjects and instructor's position
学習方法と内容
/Methods and contents
備考
/Notes
該当するデータはありません
Active learning 1-1
/主体的学修(予復習,反転授業,小テスト,振り返り 等)
ほとんどの回で,その回のまとめとなる演習課題を課し,次の回で振り返りとして演習課題の解答・解説を行うので,各自で復習として課題に取り組むこと.
Active learning 1-2
/上記項目に係るALの度合い
15%~50%
Active learning 2-1
/対話的学修(グループ学習,協働,調査体験 等)
Active learning 2-2
/上記項目に係るALの度合い
該当なし
Active learning 3-1
/深い学修(複数科目の知識の総合化や問題解決型学修 等)
Active learning 3-2
/上記項目に係るALの度合い
該当なし