駒澤大学 シラバス照会

 履修コード/科目名称  074401 / 心理学特講ⅢA
 開講年度・期  2020年 前期  開講曜日・時限  金曜日 1時限
 単位数  2
 付記  ◎予
 主担当教員氏名(カナ)  浅川 伸一(アサカワ シンイチ)
 副担当教員氏名(カナ)  
 授業概要 本授業では人工知能に用いられる技術の詳細を検討しながら,その心理学的意味を考えることにします。最終的な目標としては人間と機械の2つ知性はどうすれば構成可能であるかを議論するための素地を提供することを目指します。自動運転が可能となり,囲碁の世界チャンピオンを破り,自動翻訳の精度が向上し,スマートスピーカーが普及するなど AI 技術は毎日のように報道されています。 これらの技術はニューラルネットワークモデルに基づいています。とりわけディープラーニング(深層学習)技術は現在の人工知能の根幹をなしています。現在は第 3 次ニューラルネットワークブームと呼ばれますが 3 度のブーム とも心理学者が火付け役でした。2014年から始まった現在のブームも心理系出身の研究者 が先導しました。加えてディープマインドの共同創設者デミス・ハサビスは認知科学出です。 このように人工知能と心理学とは同じことを別の側面から理解しようとしているとさえ言 えます。このような背景を考慮すれば知的活動の解明を目標とする諸分野において心理学 学徒の貢献が期待されていると考えます。
 到達目標(ねらい) 深層学習(ディープラーニング)についての基礎的事項を理解することを目標とします。
 授業スケジュール
第 1 回
授業の計画・内容 1. イントロダクション:AI 人工知能と心理学との関係。それぞれの捉え方,考え方を考えます。背景となる知識を共有し,キーワードを示します。
2. 人工知能の歴史
準備学習
(予習・復習等)
人工知能について受講者それぞれの考え方,感じ方をお聞きしますので,簡潔に答えられるように準備して下さい。 90分
第 2 回
授業の計画・内容 1. 神経科学 vs. 認知科学 vs. 人工知能 vs 心理学: 周辺分野の知識を概観します
2. 機械学習 vs ニューラルネットワーク vs ディープラーニング
準備学習
(予習・復習等)
授業中に指示します 90分
第 3 回
授業の計画・内容 機械学習概論
準備学習
(予習・復習等)
授業中に指示します 90分
第 4 回
授業の計画・内容 ニューラルネットワークの基礎
準備学習
(予習・復習等)
授業中に指示します 90分
第 5 回
授業の計画・内容 畳込みニューラルネットワーク
準備学習
(予習・復習等)
授業中に指示します 90分
第 6 回
授業の計画・内容 畳込みニューラルネットワーク(2)
準備学習
(予習・復習等)
授業中に指示します 90分
第 7 回
授業の計画・内容 敵対的生成ネットワーク,変分自動符号器
準備学習
(予習・復習等)
授業中に指示します 90分
第 8 回
授業の計画・内容 画風変換,表現学習
準備学習
(予習・復習等)
授業中に指示します 90分
第 9 回
授業の計画・内容 リカレントニューラルネットワーク
準備学習
(予習・復習等)
授業中に指示します 90分
第 10 回
授業の計画・内容 意味表現と注意
準備学習
(予習・復習等)
授業中に指示します 90分
第 11 回
授業の計画・内容 強化学習
準備学習
(予習・復習等)
授業中に指示します 90分
第 12 回
授業の計画・内容 強化学習(2)
準備学習
(予習・復習等)
授業中に指示します 90分
第 13 回
授業の計画・内容 強化学習の発展
準備学習
(予習・復習等)
画像認識と自然言語処理の融合 90分
第 14 回
授業の計画・内容 メタ学習,世界知識
準備学習
(予習・復習等)
授業中に指示します 90分
第 15 回
授業の計画・内容 精神医学と神経心理学の理解へ向けて
準備学習
(予習・復習等)
授業中に指示します 90分
 履修上の留意点等 Q. 楽勝科目ですか?それともガチ科目ですか?
A. 履修者と相談して決めます。理想は面白い科目です。

Q. 数学オンチなのですが
A. 数学を求めてはいません。ですが数学の知識があれば理解は深まります。

Q. プログラムができる必要がありますか?
A. できた方が良いですが,必要要件ではありません。実習は行います。

Q. ノートパソコンを持ってきた方が良いですか?
A. できれればそうしてください。実習室が確保できれば実習室で開講します

Q. 履修登録しないでモグることはできますか?
A. はい。問題ありません。歓迎します。

Q. 就職の役に立ちますか?
A. 絶対に役立ちます! AI 関係の資格が存在します。在学中に取得すれば就職には有利だと思います。
 成績評価の方法
60 % 試験
20 % レポート
20 % 小テスト
平常点





 教科書/テキスト
Web 上で公開予定です。各自でダウンロードするなどしてください。
 参考書
 図書館蔵書検索 図書館蔵書検索
ディープラーニング、ビッグデータ、機械学習 あるいはその心理学 (新曜社, 2014)
Python で体験する深層学習 (コロナ社, 2016)
人工知能学大事典 (人工知能学会編、共立出版 2017)
深層学習教科書 ディープラーニング G 検定(ジェネラリスト) 公式テキスト(監修:日本ディープラーニング協会, 共著, 翔泳社, 2018)
 学生による授業アンケート結果等による授業内容・方法の改善について 授業中に指示します
 関連リンク
 実務経験がある教員による授業科目
 アクティブラーニング型の授業科目