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

前表紙
株式会社 オーム社, 2019/05/23 - 322 ページ

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

 

レビュー - レビューを書く

レビューが見つかりませんでした。

目次

Chapter1 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
11 はじめに
2
12 人工知能の定義
5
知識ベースとディープラーニング
11
14 シンボリズムとコネクショニズムの比較
20
5060年代
25
151 コネクショニズム
26
152 シンボリズム
29
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
163
31 囲碁とは
169
312 ルールと打ち方
171
313 囲碁の対局について
176
32 モンテカルロ法とは
179
322 乱数とその作り方
182
323 モンテカルロシミュレーションとは
184
324 モンテカルロ囲碁
185

153 新しいAI研究の萌芽
33
70年代
37
161 コネクショニズム
39
162 シンボリズム
40
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
53
21 ディープラーニングの周辺
55
212 AIディープラーニングではない
57
213 ディープラーニングの限界
59
214 ディープラーニングを正しく理解するには
61
22 ニューロンとニューロンモデル
63
222 ニューロンモデルの考え方と仕組み
67
23 PDPモデルと認知科学
71
231 制約の働きの例
73
232 単語認識における同時相互制約の例
74
233 多数の知資源の相互作用
75
234 表現と学習
77
236 刺激の等価性の問題
79
237 PDP批判
82
24 ディープラーニングとは
84
242 ディープラーニングによる処理の仕組み
87
243 バックプロパゲーションの仕組み
91
244 まとめ
99
25 畳み込み深層ニューラルネットワーク
100
251 視覚と階層仮説
101
252 ネオコグニトロン
105
253 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
115
254 畳み込み深層ニューラルネットワーク
128
255 畳み込み深層ニューラルネットワークによる画像認識
136
256 系列データとリカレントニューラルネットワーク
143
26 まとめ
160
325 モンテカルロ木探索法
189
33 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
198
331 アルファ碁の構成要素
201
332 アルファ碁の学習と対局
203
333 アルファ碁のドメイン知識
205
334 アルファ碁のニューラルネットワーク
208
335 アルファ碁システム
212
336 アルファ碁のプロ棋士との対局と驚くべき棋力
215
337 アルファ碁の考察アルファ碁はAIといえるか
218
34 アルファ碁ゼロ強化学習のみのコンピュータ囲碁
227
341 アルファ碁ゼロの特徴
228
342 アルファ碁ゼロの仕組み
234
343 アルファ碁ゼロの自学習の成果と特徴驚くべき進化
238
344 まとめ
243
35 この章のまとめ
245
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
249
41 はじめに
250
42 ミンスキーの問題意識
256
43 コンピュータビジョンとディープラーニングの違い
260
44 知識の表現と推論
268
441 プロダクションシステム
271
442 意味ネットワーク
274
443 対象モデル
278
45 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
287
46 まとめ
289
参考文献
291
索引
300
奥付
305
著作権

多く使われている語句

書誌情報