人工知能，HCI (1) - Kyoto U · 2017. 7. 9. · 最近の人工知能(AI)ブーム 2015 06 20 Pepper発売 2015 07 28 FLI Open letter 2015 07 31 りんなサービス開始 2015

情報科学基礎 2017年7月4日

人工知能，HCI (1)

西田豊明

Copyright © 2017 Toyoaki Nishida All Rights Reserved.

最近の人工知能(AI)ブーム

2015 06 20 Pepper発売2015 07 28 FLI Open letter 2015 07 31 りんなサービス開始2015 10 06 週刊エコノミスト特集：これだ！人工知能自動運転2015 10 07 NHK News Watch ２０２０年私たちの暮らしは？2015 10 12 $11M AI safety research program launched.2015 10 AlphaGoがEuropean Champion, Fan Huiに5-0で勝利2015 11 09 TensorFlow2015 12 11 OpenAI設立2016 02 11 NHK ＢＳ１スペシャル「ダボス会議２０１６仕事がない世界」2016 02 14 Google Self Driving Carがバスと接触事故2016 03 09～15 AlphaGoがイ・セドル九段に4-12016 03 23 MicrosoftがAIチャットボット、Tayを停止2016 04 28 Uno Social Barber （資生堂）2016 05 15 NHKスペシャル天使か悪魔か羽生善治人工知能を探る2016 05 17 週刊エコノミスト特集：ＡＩの破壊と創造 2016年５月17日号2016 05 19 Google Assistant / Home / Allo発表2016 05 20 OttoMottoのSelf Driving Truck計画2016 06 01 この1冊でまるごとわかる人工知能&IoTビジネス(日経BPムック) 2016 06 07 人工知能学会倫理綱領（案）公開2016 06 27 「ヤマト運輸」LINE公式アカウントに会話AIを活用した荷物問い合わせ機能を追加2016 06 28 総務省 AIネットワーク化の影響とリスク2016 06 30 Teslaオートパイロット死亡事故2016 07 04 NHK NEWS WEB 人工知能の進化リスクと可能性2016 07 06 産経２０２０年までに船も「無人」になるロールス・ロイスの「ロボット船」2016 07 12 NHKクロ現進化する人工知能ついに芸術まで！？2016 07 13 DARPA Challenge Tests AI as Cybersecurity Defenders

最近の人工知能(AI)ブーム

2016 07 21 ロボネコヤマト2016 07 21 特集フロントライン「ここまで来た！自動運転」NHK 経済フロントライン2016 07 22 ポケモンGO，日本で2016 07 26 Audiが自動運転に特化した子会社設立2016 07 26 蠕虫（ぜんちゅう）ロボット2016 07 28 ローソンAI2016 07 28 サイバーダイン米国進出2016 07 29 MITオンデマンドバス実験2016 08 17 FORD 2021年までに完全自動運転車を発売と発表2016 08 22 UberとVolvo、2021年の自動運転車発売に向け3億ドルを投資2016 08 25 self-driving taxiがシンガポールで運用開始2016 08 14 Uberの自動運転カーが公道デビュー2016 10 31 総務省AIネットワーク社会推進会議を設立2016 11 08 人工知能（ＡＩ）で東京大合格を目指す「東ロボくん」の開発断念2016 11 15 Google Neural Machine Translation2016 11 21 ネスレ日本，IBM Watsonを活用した顧客サービス「ネスレ・チャット・アシスタント」開始2016 12 12 ローソンとパナソニックはコンビニで商品の会計や袋詰めを自動化する無人レジの実用化発表2016 12 30 富国生命保険、ＡＩ活用の業務効率化で、医療保険など給付金査定部署の人員３割近く削減発表2017 01 25 日経のAI記者，決算サマリーを1日30本2017 03 02 LINE，クラウドAIプラットフォーム「Clova」を発表2017 03 13～14 総務省AIネットワーク社会推進フォーラム2017 03 24 Uber自動運転車アリゾナ州で事故に巻き込まれ，テストを一時中止．27日．相手車過失判明再開．2017 05 15 天使か悪魔か，人工知能 NHKスペシャル2017 05 20 第5回将棋電王戦第2局の勝者はPONANZA＞佐藤天彦叡王．Ponanzaはプロ棋士に負け知らず2017 05 29 ロボット警察官「Robocop」が、ドバイ警察に正式雇用2017 05 23-27 Ke Jie（柯潔） 0<3 AlphaGo，AlphaGoは引退へ2017 06 15 LINEがスマートスピーカー「WAVE」を発表，夏に1万円で先行版を販売と予定2017 07 02 IBM Watson ウィンブルドンで観客支援音声アシスタント「フレッド」

1. AIの歴史2. AIの主要原理3. 大きな流れの中で

人工知能って何？

賢さのレベル

知的アシスタント

翻訳機

いろいろな人工物いろいろな自然生命

ロボカー

自動車

調理ロボット

情報端末調理機

知覚，感情，運動，意識，記憶，学習，コミュニケーション，思考，意思

現代の人工知能

Google Translate

人工知能＋関連領域の歴史

2000

2010

2020

1990

1980

1970

～

1936 チューリングマシン1951 商用コンピュータ UNIVAC1956 Dartmouth Conferences1966 ELIZA / ALPAC Report1969 ARPA-net稼働1973 Lighthill report1974 MYCIN1975 Microsoft設立1976 Ethernet1982 Version Space / 第五世代コンピュータ1984 初代Machintosh発売1985 AARON1986 バックプロパゲーション1989 ALVINN1991 WWW実装1994 インターネットにショッピングモール1995 Windows 951997 Google Search / Deep Blueが世界チェスチャンピオンG. Kasparovを破る1999 SONY AIBO販売受付2000 ホンダASIMO2004 Facebook2006 Twitter / Hinton, 深層学習2007 iPhone発売2008 Android対応スマホ / Naoの研究機関・大学向け販売開始2011 IBM Watson / Siri / Google Self Driving Car / Kinect2015 Pepper発売2016 AlphaGoがイセドル九段に互先で4-1で勝利 / ポケモンGO


2000

2010

2020

1990

1980

1970

～


確立期

冬の時代①

黎明期

冬の時代②

繁栄期

http://hci.stanford.edu/winograd/shrdlu/

コンピュータグラフィクスでシミュレートされた「積み木の世界」で，英語表現を状況や変化と対応づけて理解して動作する「ことばがわかる」ロボットアームを実現した．

絵画という創造を要する領域でも，知覚に訴える表現の技法を捉えれば作品を生成できることを示した．創作のプロセスを理解するための研究として重要．http://www.scinetphotos.com/aaron.html

http://www.aaronshome.com/aaron/index.html

http://repository.cmu.edu/cgi/viewcontent.cgi?article=2874&context=compsci

ニューラルネットワークを使った画像認識によって，道路の視覚的特徴をハンドル操作に対応づけるレーン追跡方式の自律走行車の草分け．

https://www.research.ibm.com/deepblue/home/html/b.shtml

スーパーコンピュータで，かなり先まで駒の動きを予測し，膨大な可能性のなかから最善手を推定することで，チェスの世界チャンピオンに勝る棋力を実現できることを示した．

http://www.google.com/selfdrivingcar/reports/http://www.google.com/selfdrivingcar/

センサー情報，GPS情報，地図データを総合して，道路状況を認識しながら走行する．重い責任が問われる生活空間での実用レベルに達した人工知能の草分け．

クイズ番組で出題される問題文を読解し，膨大なデータに基づいて解答を生成する．解答の確信度に基づく戦略的な行動もする．2011年に人間のチャンピオンに勝った．

http://www-03.ibm.com/innovation/us/watson/index.shtml

汎用性が高く，天気予報やカレンダーなどのアプリとも連携する音声対話システム．iOSに組み込まれて一般消費者にリリースされ，実際に使われ始めた．

http://www.apple.com/jp/ios/siri/?cid=MAR-JP-GOOG-IPHONE

http://hci.stanford.edu/winograd/shrdlu/

http://www.scinetphotos.com/aaron.html

http://www.aaronshome.com/aaron/index.html

http://repository.cmu.edu/cgi/viewcontent.cgi?article=2874&context=compsci

https://www.research.ibm.com/deepblue/home/html/b.shtml

http://www.google.com/selfdrivingcar/reports/

http://www.google.com/selfdrivingcar/

http://www-03.ibm.com/innovation/us/watson/index.shtml

http://www.apple.com/jp/ios/siri/?cid=MAR-JP-GOOG-IPHONE

人工知能とは

知能

心

知能を持つマキナ

心を持つマキナ

• 『ロボット』 (Enthiran)http://www.masala-movie.com/robot/

• 『her/世界でひとつの彼女』 (her)http://her.asmik-ace.co.jp/movie01.html

• 『Ex Machina』http://trailers.apple.com/trailers/independent/exmachina/

最近の映画では…

知能とは何か，心とは何か？

人工知能学会編 2016

“Deus Ex Machina” (「機械仕掛けの神」)

http://www.masala-movie.com/robot/

http://her.asmik-ace.co.jp/movie01.html

http://trailers.apple.com/trailers/independent/exmachina/

スキーマ

現実

状況の観察者たち

Aさん

Bさん

Aさんのロボットスキーマ

X

Bさんのロボットスキーマ

スキーマ

スキーマ

知覚運動

自我情動意識

パーソナリティー意図

スキーマの弱い構造をもつ集まり

スキーマの獲得と適用と共有のためのメカニズム

学習

記憶

思考

コミュニケーション

人間や社会に関わるスキーマ

物理現象に関わるスキーマ

人工物に関わるスキーマ

基本的なスキーマ

いまの人工知能

知覚運動

自我情動意識

パーソナリティー意図

スキーマの弱い構造をもつ集まり

スキーマの獲得と適用と共有のためのメカニズム

学習

記憶

思考

コミュニケーション

人間や社会に関わるスキーマ

物理現象に関わるスキーマ

人工物に関わるスキーマ

基本的なスキーマ

スキーマ・マシンとしての人工知能

心の劇場：眼前のシーンの解釈，あるいは架空の状況イメージ

いまの人工知能

[西田豊明．AI,いまの実力— ヒトはどう付き合っていくべきか，金融ジャーナル，2016年9月号，pp. 98－101]

応用主な人工知能技術

ゲームプレイ知的探索，機械学習

話し相手，情報アシスタント，診断・アドバイス，エンタテインメント

音声言語対話，画像認識，機械学習

人間行動支援，教育，トレーニング

人間行動センシング，人間・人工物相互信頼，アナリティクス，機械学習

大量文書の活用自然言語処理（例，バイオNLP），Webからの情報抽出

フィンテックビッグデータ解析，時系列予測，不完全情報化での意思決定支援，自然言語処理，機械学習

物質製薬創成実験と機械学習の組み合わせで候補物質を効率的に検索，自然言語理解技術

サプライチェーン知的最適化，プランニング，意思決定，知覚，プランニング，機械学習

自動運転，自律機械知覚，プランニング，意思決定，知的制御，機械学習

マキナの発展の歴史の流れの中で

レベル１：自然の力を利用したマキナ

産業革命以前（～18世紀中期）は、自然の力を利用したからくりが中心だった。

マキナ (Machina). ラテン語で「機械」

レベル２：機械仕掛けのマキナ

産業革命（18世紀末期～）以来石炭やガソリンを動力源として大きな力を出せるようになった。

レベル３：電気仕掛けのマキナ

19世紀末期から、電気を使うことで比較的複雑な自動制御ができるようになった。電話が発明されたのもこの時期。

レベル４：コンピュータ制御のマキナ

20世紀後半から、コンピュータを使って、低コスト性と偏在性を備えた制御が可能になった。

レベル５：知覚を備えた知的なマキナ

21世紀になって、知覚と運動能力と学習機能を持つマキナが社会に広がり始めた。

レベル６：自律的なマキナ

いろいろな価値判断を自力で行いつつ、与えられたミッションを遂行する。

レベル７：心を持つマキナ

自分の価値感と自我意識を持ち、もはや人間と区別できない。

[西田豊明．AI,いまの実力— ヒトはどう付き合っていくべきか，金融ジャーナル，2016年9月号，pp. 98－101]

人工知能への懸念

時期イベント

19世紀～

・「フランケンシュタイン」(1913)，「すばらしい新世界」(1932)，「1984」(1949)，ロボット3原則(1950)，「2001年宇宙の旅」(1968)，「ターミネーター」(1984)などのフィクション

2004 ・ロボット倫理（Roboethics）に関する議論開始

2006 ・ Kurzweilが“Singularity is Near”刊行2008 ・ AAAIで人工知能の社会・倫理的側面に関わる議論開始

2011 ・ EPSRCがロボット開発5原則，7メッセージを公表2014 ・ AI100 のホストをStanford大学が受諾

・世界経済フォーラムでの人工知能に関わる懸念表明・人工知能学会倫理委員会設置

2015 ・総務省AIネットワーク化検討会議発足・ FLI Open Letter（自律兵器開発反対）

2016 ・米国ホワイトハウスが人工知能の未来への備えに関する意見募集・ NEDO人工知能戦略会議発足・内閣府人工知能と人間社会に関する懇談会・人工知能学会倫理綱領草稿公表・ Partnership on AI設立・ AI100 2015-2016報告書公表・総務省AIネットワーク推進会議発足・総務省ＡＩ開発ガイドライン策定のための論点公表・ IEEE標準化委員会，倫理的に調和した人工知能

2017 ・ Asilomar AI Principles公表・ EU議会でスマートロボットを民法適用対象にするための公的議論開始を決議


2000

2010

2020

1990

1980

1970

～


確立期

冬の時代①

黎明期

冬の時代②

繁栄期

機械学習

経験に基づいて自分の振る舞いを改良するアルゴリズム

データマイニング大量のデータに内在するパターンの発見

知識の表現と利用

専門家の知っていることを記述してコンピュータで実行させるための知識表現言語．

知的探索

プログラマが解法を知らないとき，コツを教えて可能性のある空間を効率的に探させる．

知的探索

2 4 6

3 5

7 1 8

2 4 6

3 5

7 1 8

2 6

3 4 5

7 1 8

2 4 6

3 5

7 1 8

2 4 6

3 1 5

7 8

1 2 3

8 4

7 6 5

状態集合:可能な盤面の集合初期状態:可能な盤面のうちの一つ、任意に与えられる。目標状態:整った状態基本操作:板を上下左右のうちの一方向に動かす(高々4通り)

?

[西田豊明: 人工知能の基礎, 丸善, 1999]

？

15パズル

8パズル

盤面数＝9!=362,880

盤面数＝16!≒2.09228×1013 （約21兆）

1年を365日とすれば，1年＝31,536,000秒なので1盤面/秒なら663,457年

問題分割法 — ゲーム

黒、白、黒、白と石が置かれ、次は黒の手番。


…OR分岐

AND/OR木

AND分岐

OR分岐

AND分岐

問題分割法 — ゲーム

黒、白、黒、白と石が置かれ、次は黒の手番。


…OR分岐

AND/OR木

… … … …

AND分岐

OR分岐

問題分割法 — 不定積分

dx

x

x

1

13

dxx

xxx

x

xx

23

22

3

2

1

32

1

2

dxxgxfxgxfdxxgxf )(')()()()(')(

1

)12(

11

12

31

32

3

xx

x

xx

x

dx

xx

xdx

x 1

12

3

1

1

1

3

22

OR分岐

dx

x 1

1

dx

xx

x

1

122

AND分岐


知識の記号的な表現と利用

講義室

表示装置演者

聴衆


共有表示


包含

包含

話す

表示

聴く

注目

操作

包含

共有表示

表示装置演者

聴衆

講義室




包含

包含

話す

表示

聴く

注目

操作

包含

共有表示

表示装置

演者

聴衆

講義室

1. このような表現なら，（トレーニングを受けた）人間にも，コンピュータにも理解し，その内容を利用できる．

2. このような表現だけでできることは何か？

3. ただし，表現の生成と解釈は人間が行う．

http://aitopics.org/publication/rule-based-expert-systems-mycin-experiments-stanford-heuristic-programming-project

知識の表現と利用

MYCIN (1972～1974開発，その後評価等) 伝染性の血液疾患の診断，抗生物質の推薦

ユーザインタフェース

推論エンジン

知識ベース

MYCIN

約600個のIF-THEN rule,

結論導出，説明

RULE145

IF:

1) 考慮中の治療がセファロチン，クリンダマイシン，エリスロマイシン，リンコマイシン，バンコマイシンのいずれかである

2) 患者の感染症診断が細菌性髄膜であるTHEN:

考慮中の治療は当該の細菌には全く(1.0)有効でない

RULE037

IF:

1) 細菌が十分な確度で同定できていない2) 細菌のグラム染色が陰性である3) 細菌の形状が棒状4) 細菌が有酸素

THEN:

細菌のクラスが，腸内細菌科であると強く(0.8)示唆される

… … …

非専門医＜診断結果65%＜専門医(80%)

http://aitopics.org/publication/rule-based-expert-systems-mycin-experiments-stanford-heuristic-programming-project

分類／予測器

機械学習とデータマイニング

- 機械学習AIシステムが経験を通して自らの振舞いや知識を改良するための手法

- データマイニング：データの中から法則性を推定する技術．

法則

データ分類／予測

トレーニング用

学習システム教師有／無


取引記録計測データ…

ニューラルネットワーク

― 多層フィードフォーワードネットワーク ―

分類器

多層フィードフォーワードネットワーク

法則

データ分類

トレーニング用

学習システム教師有

入力層

中間層

出力層

[西田 1999]

フィードフォーワード型ニューラルネットワーク

wji

入力層

中間層

出力層

oi netj=Σwjioi+θji

ユニットｊ

oj

oj(t+1)=fj(netj)

fj ：単調非減少，微分可能

θj：バイアス

[西田 1999]

ニューラルネットワークを構成するユニット（より一般的なもの）

wji

oinetj

=Σwjioi+θji

ユニットｊ

ojaj(t+1)

= F(aj(t), netj (t))

aj ：ユニット j の活性度

oj=fj(aj)

ユニットiからユニット j の

出力

[西田 1999]

排他的選言(exclusive OR)を計算するためのフィードフォーワード型ネットワーク

-3.3 -3.9

入力ユニット中間ユニット出力ユニット

－6.7

7.7

7.7

－6.7

14

c は，そのユニットへのバイアスが c であることを示す

x y z

0 0 0.0

0 1 1.0

1 0 1.0

1 1 0.0

x

y

z

[西田 1999]

誤差逆伝播

入力パターン p に対する出力層での誤差

が最小になるように，ユニットmからユニットnへの結合に対応づけられている重みwnm各ユニットnのバイアス θnを調節する．Epjは入力パターンpに対する出力ユニットjにおける誤差(希望出力tpjと実際の出力opjとの差の2乗の半分)である．

pに対するwnmへの修正：

pに対するθ nへの修正：n

p

np

nm

p

nmp

E

w

Ew

2

21 )(

j

pjpj

j

pjp otEE

[西田 1999]

誤差逆伝播の基本的な考え方

に注意すると

)( pnnpn

m

pnpmnmpn

netfo

ownet

pmpnpm

pn

p

nm

pn

pn

p

nm

p

nmp

oonet

E

w

net

net

E

w

Ew

pn

pn

p

pn

pn

pn

p

pn

p

np

net

Enet

net

E

E

pn

pn

p

net

E

ただし，

wnm

opm

ユニットn

opn

m

pnpmnmpn ownet )( pnnpn netfo

Ep

[西田 1999]

誤差逆伝播の基本的な考え方

ユニット n が隠れユニットのとき

ユニット n が出力ユニットのとき

wnm

om netn=Σwjioi+θji

ユニット n

on

on=fn(netn)

出力

wnmom netn=Σwjioi+θji

ユニット n

on

on=fn(netn) 出力

ユニットk

)(

2

1

'

2

pnnpnpn

pn

pn

pnpn

j

pjpj

pnpn

p

pn

netfotnet

oot

otnetnet

E

)('

)('

pnn

k

knpk

pnn

k pn

pk

pk

p

pn

pn

pn

p

pn

p

pn

netfw

netfo

net

net

E

net

o

o

E

net

E

[西田 1999]

実行例

-0.3 0.7

2

3

3

0

2

x

y

z

x y z

0 0 0.74

0 1 0.89

1 0 0.98

1 1 0.99

-0.5 -0.2

1.9

3.0

3.0

-0.0

1.8

x

y

z

x y z

0 0 0.61

0 1 0.81

1 0 0.97

1 1 0.97

10サイクル後

-0.8 -1.4

0.2

3.3

3.1

-0.1

1.8

x

y

z

x y z

0 0 0.29

0 1 0.52

1 0 0.60

1 1 0.61

100サイクル後

-2.3 -2.6

-3.6

5.9

5.9

-3.6

8.2

x

y

z

x y z

0 0 0.13

0 1 0.85

1 0 0.85

1 1 0.17

1000サイクル後

-3.3 -3.9

-6.7

7.7

7.7

-6.7

14

x

y

z

x y z

0 0 0.00

0 1 0.97

1 0 0.97

1 1 0.00

10000サイクル後

[西田 1999]

深層学習 (Deep Learning)

x1

x2

x3

x4

x5

xn

…

…

…

…

…

L1 L2 L3 L4 L5

• Deep Boltzmann Machine (DBM)では，自己符号化器 (Autoencoder)，深層1層ずつ階層ごとに学習していく（事前学習）

• Convolutional Neural Network (CNN)では，畳み込み層とプーリング層を交互に繰り返す

,


自己符号化器 (Autoencoder)

原データ(O)

2000

1000

原データ(R)

[Hinton 2006] Hinton G and Salakhutdinov, R. Reducing the Dimensionality of Data with Neural Networks, Science 313: 504-507

原データ(O)

2000

RBM1

RBM: Restricted Boltzmann Machine



原データ(O)

2000

1000

500

30

2000

1000

500

原データ(R)


原データ(O)

RBM1

RBM2

RBM3

Encoder

Decoder



原データ(O)

2000

1000

500

30

2000

1000

500

原データ(R)


原データ(O)

RBM1

RBM2

RBM3

Encoder

Decoder


[神嶌 2015] 神嶌（編）深層学習，近代科学社，2015

Convolutional Neural Network (CNN)

入力

畳み込み(Convolution)特徴抽出・符号化

プーリング(Pooling)画像内で現れる特徴の微小な位置変化に対する応答の普遍性

出力

References

[西田 2017d] 西田豊明，人工知能の歩み―第3次AIブーム，ブリタニカ国際年鑑2017．https://www.britannica.co.jp/products/jboy.html

[西田 2017c] 西田豊明，人工知能と技術倫理，電気評論，2017年5月号http://www.ehyo.sakura.ne.jp/page030.html

[西田 2017b] 西田豊明，人工知能スキーマ：人々は人工知能をどうとらえているか，視点，情報管理，Vol. 60, No. 1, pp. 50-55, 2017．https://www.jstage.jst.go.jp/article/johokanri/60/1/60_50/_html/-char/ja/

[西田 2017a] 西田豊明，人工知能の現状と展望，インターネット白書2017，2017年2月1日http://www.impressrd.jp/news/170201/NP

西田 2016] 西田豊明，人工知能の光と影（上）—日米欧，倫理問題対応急ぐ，日本経済新聞・経済教室，2016年9月6日．有料会員限定リンク：http://www.nikkei.com/paper/article/?b=20160906&ng=DGKKZO06882280V00C16A9KE8000

[人工知能学会 2016] 人工知能学会監修，松尾豊（編）,中島秀之,西田豊明,溝口理一郎,長尾真,堀浩一,浅田稔,松原仁,武田英明,池上高志,山口高平,山川宏,栗原聡：人工知能とは，近代科学社，2016年5月30日http://www.kindaikagaku.co.jp/information/kd0489.htm

[西田 2015] 西田豊明，人工知能がもたらす未来の「スマート」，CEL (Vol.111)，2015年11月02日http://www.og-cel.jp/search/1230453_16068.html

[西田 2014b] 西田豊明．人間力・社会力を強化する情報通信技術：人工知能を中心に，情報管理 Vol. 57, No. 8, pp. 517-530, 2014.http://dx.doi.org/10.1241/johokanri.57.517

[西田 2014a] 西田豊明．人工知能の社会実装がもたらし得ること．人工知能，29巻5号，pp. 524-532, 2014.http://ci.nii.ac.jp/naid/110009841788

[西田 2013] 西田豊明．人工知能とは(2)，人工知能学会誌，28巻2号，pp. 326-335, 2013.http://ci.nii.ac.jp/naid/110009594470

[西田 2012] 西田豊明．人工知能研究半世紀の歩みと今後の課題，情報管理 Vol. 55, No. 7, pp. 461-471, 2012.http://dx.doi.org/10.1241/johokanri.55.461

[西田 1999] 西田豊明: 人工知能の基礎, 丸善, 1999.

レポート課題 (1/2)

情報科学基礎論13～14回の成績は2回のレポートによって採点します．

社会に最も大きなインパクトを与えたと考える人工知能の研究に関わる文献を少なくとも1つあげ，技術の概要と今後の可能な展開について自分の考えを2000字以上で論じなさい．なお，文献の出典（Webの場合はそのURL）は必ず明示すること．採点にあたっては，深く，独自性が高い考察を評価します．

提出期日 7月10日（月） 17:00

提出方法 pdfファイルをPandAにアップロードに送付

Documents

人工知能，HCI (1) - Kyoto U · 2017. 7. 9. · 最近の人工知能(AI)ブーム 2015 06 20 Pepper発売 2015 07 28 FLI Open letter 2015 07 31 りんなサービス開始 2015