| 開講学期／Course Start | 2024年度／Academic Year 後期／Second |
|---|---|
| 開講曜限／Class period | 火/Tue 3 , 火/Tue 4 , 火/Tue 5 , 火/Tue 6 |
| 授業区分／Regular or Intensive | 週間授業 |
| 対象学科／Department | 情報電子工学系専攻情報システム学コース |
| 対象学年／Year | 1年 , 2年 |
| 授業科目区分／Category | 博士前期課程 大学院自専攻科目 |
| 必修・選択／Mandatory or Elective | 選択 |
| 授業方法／Lecture or Seminar | 講義科目 |
| 授業科目名／Course Title | 知能システム特論／Advanced Intelligent System |
| 単位数／Number of Credits | 2 |
| 担当教員名／Lecturer | 倉重 健太郎 (システム理化学科数理情報システムコース) |
| 時間割コード／Registration Code | MS302 |
| 連絡先／Contact | 倉重 健太郎(倉重 健太郎(教員室:R302, kentarou[at]muroran-it.ac.jp)) |
| オフィスアワー／Office hours | 倉重 健太郎(倉重 健太郎(水曜日 16:30-17:00)) |
| 実務経験／Work experience |
| 更新日／Date of renewal | 2024/08/02 |
|---|---|
| 授業のねらい ／Learning Objectives |
本講義では，生き物の知能に関する基礎知識を紹介しつつ機械゜への知能の実装手法に関して学ぶ．古典的なAIと比較しつつ環境とのインタラクションを重要視した新しいAIについて学び，新しい概念である身体性認知科学を紹介する． This course introduces the fundamental knowledge of living thing intelligence and provides concrete method to try to realize machine intelligence. By the comparision between old AI and new AI which takes interaction with environment seriously, the course introduces Embodiment Cognitive Science which is the new paradigm of machine intelligence. |
| 到達度目標 ／Outcomes Measured By: |
・機械知能に対する代表的なアプローチについて体系的に理解できる． ・具体的な手法の概要および運用について理解できる． -To understand typical approaches to machine intelligence systematically. -To understand a outline of concrete methods and a way to treat the methods. |
| 授業計画 ／Course Schedule |
総授業時間数 22.5時間 (Total hours 22.5hrs) 第1回: 知能の研究 第2回: 古典的人工知能と認知科学の基礎 第3回: 古典的人工知能と認知科学の根本的な問題 第4回: 身体性認知科学：基本概念 第5回: 適応行動のためのニューラルネットワーク 第6回: ブライテンベルグビークル 第7回: サブサンプションアーキテクチャ 第8回: 人工進化と人工生命 第9回: その他のアプローチ 第10回: 自律エージェントの設計原理 第11回: 並列緩結合プロセスの原理 第12回: センサ－モータ協調の原理 第13回: チープデザイン，冗長性，生態学的バランスの原理 第14回: 価値の原理 第15回: 人間の記憶：事例研究 Week 1: The Study of Intelligence Week 2: Foundations of Classical Artificial Intelligence and Cognitive Science Week 3: The Fundamental Problems of Classical Artificial Intelligence and Cognitive Science Week 4: Embodied Cognitive Science Basic Concepts Week 5: Neural Networks for Adaptive Behavior Week 6: Braitenberg Vehicles Week 7: The Subsumption Architecture Week 8: Artificial Evolution and Artificial Life Week 9: Other Approaches Week 10: Design Principles of Autonomous Agents Week 11: The Principle of Parallel Loosely Coupled Processes Week 12: The Principle of SensoryMotor Coordination Week 13: The Principles of Cheap Design Redundancy and Ecological Balance Week 14: The Value Principle Week 15: A Case Study 各回の学修時間の目安は、事前・事後合わせて４時間必要です。 For each 90 minute class, students are expected to undertake an additional 4 hours of self study. |
| 参考書等 ／Required Materials |
知の創成 : 身体性認知科学への招待(ISBN:4320120329) |
| 成績評価方法 ／Grading Guidelines |
・レポートにより成績を決定する。 ・上記の成績が、100点満点中60点以上の場合合格とする。 The score of each student is evaluated by the result of report. A score of 60% or better is required to pass the course. |
| 学習・教育目標との対応 ／Learning and Educational Policy |
この授業科目は情報電子工学系専攻の情報システム学コースと知能情報学コースの学習・教育目標の全ての項目に対応している。 This course is relate to all the educational policies of Computer Systemics Course and Intelligent Informatics Cource in Division of Information and Electronic Engineering. |
| 備考 ／Notes |
この講義は日本語で行う。 The official language of this course is Japanese. 本科目は，数理データサイエンス教育プログラムの科目におけるデータサイエンス科目群に含まれ，科学・工学におけるデータを中心とした情報学的アプローチを学ぶます。DSポイント：2ポイント The content of this course is the informatics approach to science and engineering. The course is supported by Mathematical and Data Science Education Program of Muroran Institute of Technology. |
| 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（反転授業，小テスト，振り返り 等） |
|
|---|---|
|
Active learning 1-2 ／上記項目に係るALの度合い |
該当なし |
|
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 |