基本情報/Basic Information

開講科目名 ／Class	人工知能Ⅰ／Artificial Intelligence Ⅰ
授業コード ／Class Code	B601681001
ナンバリングコード ／Numbering Code	DSCc301
開講キャンパス ／Campus	ﾎﾟｰﾄｱｲﾗﾝﾄﾞ
開講所属 ／Course	経営学部／Business Administration
年度 ／Year	2025年度／Academic Year
開講区分 ／Semester	前期／SPRING
曜日・時限 ／Day, Period	火4(前期)／TUE4(SPR.)
単位数 ／Credits	2.0
主担当教員 ／Main Instructor	金澤　拓也／KANAZAWA　TAKUYA
遠隔授業 ／Remote lecture	No

担当教員情報/Instructor Information

教員名 ／Instructor	教員所属名 ／Affiliation
金澤　拓也／KANAZAWA　TAKUYA	経営学部／Business Administration

授業の方法 ／Class Format	対面授業（講義）
授業の目的 ／Class Purpose	本講義は，経営学部のＤＰに示す，「企業を始めとした多様な組織の事業計画・経営戦略の策定に必要なデータを収集し，意思決定に必要な課題をシステマティックに分析し，合理的な解決を図るのに必要な知識や技能を修得する」ことを目指す。 人工知能（AI）は人間がするような知的な情報処理を機械に行わせることを目的とする分野である。近年のAI技術の進歩と普及は目覚ましく，今後はIT技術者だけでなく多くの社会人にとって必須の教養となっていくと予想される。そこで本科目では，AIの歴史/現代社会への広がり/多様なAI技術の分類と使いわけ，といった内容について順を追って学習する。 ただし，AIを実際に作って動かすためのAIプログラミング自体については解説しない。 なお，この科目の担当者は，企業でAIとデータサイエンスの産業応用について研究開発を行った実務経験のある教員である。講義では，経験を生かした実践的な学びへと繋げていきたい。
到　達　目　標 ／Class Objectives	・AIや機械学習が何を目指す分野なのか理解する。 ・AIが得意なことと苦手なことについて説明できる。 ・現代の代表的なAI技術にどんなものがあるか，複数の例を挙げて説明できる。 ・AIの歴史上の特筆すべき技術革新を具体的に説明できる。
授業のキーワード ／Keywords	人工知能，機械学習，自動化，DX，コンピュータ
授業の進め方 ／Method of Instruction	主に講義形式で進める。 必要に応じて，授業内容を補足するプリントを随時配布する。
履修するにあたって ／Instruction to Students	講義に関する連絡，資料提供などは主にMoodleを通じて行う。本科目のMoodle上のページから転送されるメールを必ず確認すること（確認しないことによって生じる不利益は履修者自身の責任による）。また，授業中にアナウンスした連絡事項を欠席で聞き逃した場合も，不利益は履修者自身の責任とする。
授業時間外に必要な学修内容・時間 ／Required Work and Hours outside of the Class	復習で１時間程度の授業時間外学習が必要である。
提出課題など ／Quiz,Report,etc	授業中に指示する。
成績評価方法・基準 ／Grading Method・Criteria	毎回の授業中に出席確認を兼ねて簡単な理解度チェックを行う（詳細は授業中に説明する）。これを合計30％とし，期末試験を70%として，総合的に評価する。 欠席が多い者は最大で30点のマイナスとなるので注意せよ。
テキスト ／Required Texts	特定のテキストは使用しない。
参考図書 ／Reference Books	・谷口忠大　『イラストで学ぶ人工知能概論　改訂第２版』　講談社　2020年　2,860円 ・岡嶋裕史，吉田雅裕　『はじめてのAIリテラシー』　技術評論社　2021年　1,848円 ・野口竜司　『文系AI人材になる ― 統計・プログラム知識は不要』　東洋経済新報社　2019年　1,760円 ・小高知宏　『人工知能入門　第２版』　共立出版　2023年　2,640円 ・赤穂昭太郎ほか　『応用基礎としてのデータサイエンス』　講談社　2023年　2,860円 ・齋藤政彦ほか　『データサイエンス講座１　データサイエンス基礎』　培風館　2021年　2,420円

No.	回 ／Time	主題と位置付け ／Subjects and position in the whole class	学習方法と内容 ／Methods and contents	備考 ／Notes
1	第1回	ガイダンス	教員の自己紹介，授業内容の概要，成績評価方法，受講のルールなどについての説明。
2	第2回	イントロダクション: AIとは？	AIの定義やAI分野の全体像を知る。なぜAIを学ぶ必要があるのか，社会で役立つAIとは何か，を考える。
3	第3回	コンピュータの概要とその歴史(1)	コンピュータの発展史，ノイマン型コンピュータの定義，およびデジタルとアナログのデータの違いについて理解する。
4	第4回	コンピュータの概要とその歴史(2)	近年のIT/AI分野を特徴づけるクラウドコンピューティングとエッジコンピューティングという潮流について議論する。
5	第5回	アルゴリズムとは何か(1)	AIもつきつめればその本質はアルゴリズムである。そもそもアルゴリズムとは何か，どんな問題を解くことができるのか，優れたアルゴリズムの特徴とは何か，を学ぶ。
6	第6回	アルゴリズムとは何か(2)	アルゴリズムの性能の評価基準やコンピュータ(AI)による画像処理の基礎アルゴリズムを紹介する。
7	第7回	AIの歴史(1)	1950年代から21世紀にいたるまでのAI研究の歴史を知る。脳細胞（ニューロン）がAIではどう模倣されているかを学ぶ。
8	第8回	AIの歴史(2)	エキスパートシステムなどの過去のAIブームの概略を学び，昔のAIと現在のAIの違いを理解する。日本からのAI分野への貢献を学ぶ。
9	第9回	推論，探索，最適化(1)	知的な情報処理の基礎である，論理的な推論と探索について学ぶ。
10	第10回	推論，探索，最適化(2)	探索を高度化するためのいくつかの戦略を通じて，力任せの総当たりよりもはるかに高速に望ましい解を見つけ出す探索手法を学ぶ。
11	第11回	推論，探索，最適化(3)	ゲームを題材にとり，推論・探索・最適化とヒューリスティクスについて学ぶ。先手必勝・後手必勝を判断する方法やツリー・サーチを理解する。
12	第12回	推論，探索，最適化(4)	連続/離散的な最適化手法の分類およびAIと最適化の関係を学ぶ。
13	第13回	生物の戦略にヒントを得たAI(1)	生命は地球上の過酷な環境を「自然淘汰による進化」や「大きな群れの形成」といった多彩な戦略によって生き抜いてきた。ここからヒントを得たAI技術について学ぶ。
14	第14回	生物の戦略にヒントを得たAI(2)	前週に続き，遺伝的アルゴリズムや群知能といった生物学的AI（メタヒューリスティクスの一種）の内容と特徴を学ぶ。
15	第15回	まとめ	今学期の学習内容を振り返り，総括する。