詳説　人工知能 アルファ碁を通して学ぶディープラーニングの本質と知識ベースシステム

数式を使わないでアルファ碁、深層学習、知識ベースの理論の本質がわかる!!

現在のAIブームの切っ掛けとなったアルファ碁の概念、仕組み、特徴の説明に焦点を当て、これを理解するための基礎知識として深層ニューラルネットワークと深層学習（ディープラーニング）を解説します。また、ディープラーニング型AIと知識ベース型AI（エキスパート・システムなど）の統合化の必要性を理解できます。

Chapter 1　人工知能とは−人の様々な知能をコンピュータ化できるか？

1.1　はじめに

1.2　人工知能の定義

1.3　人工知能の2つの潮流：知識ベースとディープラーニング

1.4　シンボリズムとコネクショニズムの比較

1.5　黎明期のAI：50〜60年代

1.5.1　コネクショニズム

1.5.2　シンボリズム

1.5.3　新しいAI研究の萌芽

1.6　知識ベース型AIの勃興期：70年代

1.6.1　コネクショニズム

1.6.2　シンボリズム

Chapter2　ディープラーニング−多層（深層）ニューラルネットワークによるデータ分類機

2.1　ディープラーニングの周辺

2.1.1　ディープラーニングの仕組み

2.1.2　「AI＝ディープラーニング」ではない

2.1.3　ディープラーニングの限界

2.1.4　ディープラーニングを正しく理解するには

2.2　ニューロンとニューロンモデル

2.2.1　ニューロンの仕組みと信号伝達のメカニズム

2.2.2　ニューロンモデルの考え方と仕組み

2.3　PDPモデルと認知科学

2.3.1　制約の働きの例

2.3.2　単語認識における同時相互制約の例

2.3.3　多数の知資源の相互作用

2.3.4　表現と学習

2.3.5　PDPモデルの一般的枠組み

2.3.6　刺激の等価性の問題

2.3.7　PDP批判

2.4　ディープラーニングとは

2.4.1　深層ニューラルネットワークとは

2.4.2　ディープラーニングによる処理の仕組み

2.4.3　バックプロパゲーションの仕組み

2.4.4　まとめ

2.5　畳み込み深層ニューラルネットワーク

2.5.1　視覚と階層仮説

2.5.2　ネオコグニトロン

2.5.3　バックプロパゲーションによる手書き文字認識システム

2.5.4　畳み込み深層ニューラルネットワーク

2.5.5　畳み込み深層ニューラルネットワークによる画像認識

2.5.6　系列データとリカレントニューラルネットワーク

2.6　まとめ

Chapter3　アルファ碁−ディープラーニング、モンテカルロ法と強化学習

3.1　囲碁とは

3.1.1　はじめに

3.1.2　ルールと打ち方

3.1.3　囲碁の対局について

3.2　モンテカルロ法とは

3.2.1　はじめに

3.2.2　乱数とその作り方

3.2.3　モンテカルロシミュレーションとは

3.2.4　モンテカルロ囲碁

3.3　アルファ碁の概要と仕組み−ディープラーニング、モンテカルロ木探索と強化学習

3.3.1　アルファ碁の構成要素

3.3.2　アルファ碁の学習と対局

3.3.3　アルファ碁のドメイン知識

3.3.4　アルファ碁のニューラルネットワーク

3.3.5　アルファ碁システム

3.3.6　アルファ碁のプロ棋士との対局と驚くべき棋力

3.3.7　アルファ碁の考察−アルファ碁はAIといえるか

3.4　アルファ碁ゼロ−強化学習のみのコンピュータ囲碁

3.4.1　アルファ碁ゼロの特徴

3.4.2　アルファ碁ゼロの仕組み

3.4.3　アルファ碁ゼロの自学習の成果と特徴−驚くべき進化

3.4.4　まとめ

3.5　この章のまとめ

Chapter4　知識ベースシステム−ディープラーニングとの統合を目指して

4.1　はじめに

4.2　ミンスキーの問題意識

4.3　コンピュータビジョンとディープラーニングの違い

4.4　知識の表現と推論

4.4.1　プロダクションシステム

4.4.2　意味ネットワーク

4.4.3　対象モデル

4.5　知識ベース型AIとディープラーニング型AIの統合について

4.6　まとめ

参考文献

索引