基本情報/Basic Information

開講科目名 ／Class	人工知能Ⅱ／Artificial Intelligence Ⅱ
授業コード ／Class Code	B601691001
ナンバリングコード ／Numbering Code	DSCc402
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	2024年度／Academic Year
開講区分 ／Semester	後期／AUTUMN
曜日・時限 ／Day, Period	木1(後期)／THU1(AUT.)
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。 本科目は「人工知能Ⅰ」に引き続き，社会における様々な課題とそれを解くための人工知能（AI）技術について解説する。したがって「人工知能Ⅰ」の内容を理解していることが望ましい。 AIは確かに進歩が著しいが，あらゆるタスクをこなせるAIは未だに存在せず，あくまでも自らが直面する課題ごとに適切な種類のAIを注意深く選択する必要があること，また，AIを正しく利活用するためにはそもそも前提としてビジネス等のドメイン知識を深く身につけなければならないことについて，理解を促すような講義を行っていく。 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。講義においては，営利企業の現場におけるAI活用の難しさや面白さについても言及しながら，深みのある学びへと繋げていきたい。
到　達　目　標 ／Class Objectives	・AIの分類について説明できる。 ・AIを用いたさまざまなサービスや製品の例を挙げることができる。 ・AIの抱えるリスクについて説明できる。 ・AIの利活用に関する新聞や雑誌のニュースに興味を持ち，わからない点は自分で参考書やインターネットを用いて調べることができる。
授業のキーワード ／Keywords	人工知能，機械学習，深層学習（ディープラーニング），予測，データサイエンス，統計，情報，数理，コンピュータ
授業の進め方 ／Method of Instruction	パワーポイントの投影による講義を中心に行う。
履修するにあたって ／Instruction to Students	本科目は対面実施を基本とする。 小テスト実施日やレポート締切の告知を含め，講義に関する連絡，資料提供などはMoodleを用いる場合がある。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自己都合による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	復習と課題で１時間程度の授業時間外学習が目安である。
提出課題など ／Quiz,Report,etc	レポート課題については授業中に指示する。
成績評価方法・基準 ／Grading Method・Criteria	中間テスト（33.3%），レポート（33.3％），定期試験（33.3％）の割合で評価する。定期試験を受験しなかった場合は成績評価を行わない。なお授業の出席はとらない。
テキスト ／Required Texts	特に指定しない。必要に応じて補足資料を配布する。
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

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	授業内容の概要，前期「人工知能Ⅰ」との関連，成績評価方法，受講のルールについて説明。
2	第2回	知的な機械とは？（１）	ロボットの基本的特徴と機能を学ぶ。ロボットや飛行機，電車を無人で動かす共通技術である「制御」の面白さを見ていく。
3	第3回	知的な機械とは？（２）	ロボットの発展の歴史と現代社会での活躍を学ぶ。
4	第4回	デジタル・トランスフォーメーション（DX）とは？	社会を効率化し便利にするデジタル・トランスフォーメーション（DX）の成功例やAIとの関係性について，概観する。
5	第5回	AIの実運用の難しさ	前週に続き，AIおよびデジタル革新技術の実用化のプロセスと，その過程での様々な障害や難しさのリアルな実情を知る。
6	第6回	不確実性と意思決定（１）	天気や株価のように，周囲の環境はランダムに揺れ動き，完全には予測できないのが普通である。そんなとき合理的に意思決定する方法の基礎について考える。
7	第7回	不確実性と意思決定（２）	曖昧な状況を記述できる「ベイズ確率論」およびそれを用いた確率推論AIの仕組みを学ぶ。
8	第8回	理解度確認セッション	テストとその解説を通じて，ここまでの講義内容の理解度を確認する。
9	第9回	不確実性と意思決定（３）	情報が不足した状況では“ただ一つの正しい判断基準”というのは存在せず，複数の考え方がありうることを学ぶ。マキシミン基準など。
10	第10回	逐次的な意思決定（１）	これから一週間，旅行に行く。しかし1,2,‥‥,7日目それぞれの天気や混雑は当日の朝までわからない。このような状況で，毎日の観光プランをどう立てるのがベストか？こうした多段階の意思決定の理論を学ぶ。
11	第11回	逐次的な意思決定（２）	前週に続き，多段階の判断の最適化を学ぶ。また，音声認識など社会への具体的な応用について知る。
12	第12回	データで読む因果関係（１）	原因と結果の関係（＝因果関係）と単なる相関関係の違いを学ぶ。因果関係の理解はなぜAIの得意な「予測」よりもはるかに難しいのか，その理由を考える。
13	第13回	データで読む因果関係（２）	データから因果関係を読み解くための様々な分析技術を紹介する。社会科学，医学などでの適用例も見ていく。
14	第14回	AIと社会（１）	AIの社会実装の成功例およびその分類を行う。AIのせいで人間の雇用が減る，もうAIは人間を超えた，といったセンセーショナルなニュース・宣伝とどう向き合っていくべきかを考える。
15	第15回	AIと社会（２）	AIの抱える様々な倫理的・法的な問題とそれに対する政府の規制など，AIをとりまく社会の現状を俯瞰し，本講義の内容について総括する。