Applied AI　人工知能活用と「賢さ」の実装

関連サイト

本書の関連ページが用意されています。

• NextPublishingオフィシャルWebサイト

内容紹介

本書は「応用人工知能」という視点で、広がるAI応用の全体像は何なのかをまとめています。AIの変遷とこれからを解説することで、AI応用を志す人たちが知るべき道筋を示した一冊。

書誌情報

• 著者: 井田 昌之
• 発行日: 2022-08-26 (紙書籍版発行日: 2022-08-26)
• 最終更新日: 2022-11-11
• バージョン: 1.1.0
• ページ数: 276ページ(PDF版換算)
• 対応フォーマット: PDF, EPUB
• 出版社: 近代科学社Digital

対象読者

人工知能,教師あり学習,教師なし学習,Lisp,エキスパートシステム,Common Lisp,自然言語処理,ロボット,深層学習,Alpha Go,CNN,RNN,IoT,メタバースに興味がある人

著者について

井田 昌之

1981年、青山学院大学大学院理工学研究科経営工学専攻博士課程修了、同年同大学理工学部助手、専任講師、助教授を経て、1988年同大学付属情報科学研究センタ研究教育開発室助教授としてキャンパスネットワーク構築。1995年同大学国際政治経済学部へ移籍。97年同学部教授、2001年同大学大学院国際マネジメント研究科教授としてITおよびネットビジネス・EC基盤を担当。2010年学校法人青山学院理事・副院長、2020年3月定年退職、その後、非常勤講師としてIT、Global IT、応用AI、EC関連科目を複数大学で担当、また、教育機関でのIR指導にあたる。この間、1988年より6年間米国ANSI X3J13正員としてCommon Lisp規格制定に従事、1993年および2002年マサチューセッツ工科大学人工知能研究所客員教授、1999年Java言語仕様レビューア、フリーソフトウェア財団副理事長などを経験。商用言語処理系開発リーダ複数経験。2005年よりIAMSCU国際教育機関連盟理事を経験。この頃より、米国IT企業交流・起業支援ならびに新事業支援経験、ベトナムでのIT設計指導・大学教育経験多数、特に、2010年よりホーチミン自然科学大学、ハノイ工科大学にて正規科目を担当。JICA短期専門家として複数国でのIT最新技術導入を指導。
主要著書『UNIX詳説』、丸善、1984(のちにLinux詳説として改訂、2004)、『Common Lisp』、共訳、編著、共立出版、初版1985、改訂版1991、『Common Lisp オブジェクトシステム』、共著、共立出版、1989、『キャンパスネットワーキング』、分担執筆、共立出版、1990、『AI白書』、分担執筆、コンピュータエージ社、1991、『Xウィンドウとその仲間たち』、分担執筆、共立出版、1992、『Lisp原書第3版』、共訳、培風館、1992、『はやわかりJava』、共立出版、1996、『HTML詳説』、共立出版、1999、『情報の表現』、岩波講座マルチメディア情報学分担執筆、岩波書店、2000、『オープンソースがなぜビジネスになるか』、共著、毎日コミュニケーションズ、2006、『Elements of Net Business Ethics』、Cogeime(英語)、 2009、『Python・Colab・NLP入門―PythonとGoogle Colaboratoryではじめる自然言語処理―』、近代科学社、2021

目次

第1章　人工知能への期待

• 1.1　AIの定義の変遷とApplied AIの視点
• 1.2　現代のパラダイムシフトとAIへの期待
• 1.3　問題解決への自然な取り組みと、浮かび上がる人工知能の姿
• 1.4　見果てぬ夢とITフロンティア

第2章　歴史的展開とパイオニアリングの時代

• 2.1　フォンノイマンが描いた姿
• 2.2　60 年代に入っての巨人たちの模索：二つのアプローチとCS
• 2.3　AI活用の手探りといくつかの領域への帰結
• 2.4　Lispの役割
• 2.5　ハッカーと呼ばれた人たちとマサチューセッツ工科大学人工知能研究所

第3章　人工知能領域整理の試み

• 3.1　80年代の大きなうねりと整理されてきた基礎概念
• 3.2　Common Lisp
• 3.3　AIの冬とDARPAの支援
• 3.4　DARPAニューラルネットワークレポート
• 3.5　米国人工知能学会の時代の区切れ目
• 3.6　AI第三版　1992年　日本語訳は出版されなかった

第4章　90年代から今に続く人工知能の浸透

• 4.1　要素技術化という側面：ITとしての統合
• 4.2　与信管理と企業の意思決定、そしてビジネスルール
• 4.3　スケジューリング、数理計画と大規模システムの管理
• 4.4　エキスパートシステムはどうなったか
• 4.5　産業用ロボットと制御
• 4.6　自然言語処理

第5章　深層ニューラルネット(DNN)の実用化

• 5.1　80年代以前からの継承
• 5.2　深層ニューラルネットでの要素技法
• 5.3　ImageNetと画像認識
• 5.4　応用の展開：画像認識から他の領域へ
• 5.5　NLPとLSTM
• 5.6　畳み込みニューラルネット技術(CNN)
• 5.7　リカレントニューラルネットワーク技術(RNN)
• 5.8　2017年の衝撃：多数の「可能になった」事

第6章　「可能になった」から「より賢く」へ：それを支える諸技術の組合せ

• 6.1　DeepMindのAlphaGoその後
• 6.2　CNNとRNN、そして音声認識・音声入力
• 6.3　知的エージェントとJava、分散オブジェクト
• 6.4　カメラ画像の利用とAI
• 6.5　IT要素技術としての自然言語処理活用例
• 6.6　自動運転システムの発展
• 6.7　IoTとAI

第7章　人工知能活用の挑戦

• 7.1　課題は山積み
• 7.2　仮想空間での会話
• 7.3　ECとAI
• 7.4　ニューラルネット機械学習の業務への組み込み
• 7.5　ビジネス用途での挑戦すべき課題
• 7.6　ナレッジ管理
• 7.7　社会インフラとしての課題