|
授業の目標
|
|
|
ChatGPT、MidJourneyなどに代表される言語または画像を生成する"生成AI"が急速に普及し、それらを活用したシステムの社会への実装が進みつつある。一方で急速に普及したため、生成AIに対する世間の理解が追いついていないのが現状である。本授業では生成AIの概要、仕組みやそれを構成する技術について学ぶ。本授業を通じて、生成AIを正しく理解し、社会における問題の解決のために利活用するための技術とリテラシーを身につけることを目標とする。
|
|
|
|
到達目標
|
|
以下の二点を到達目標とする．
1. 生成AIを構成する技術・アルゴリズムについて説明できる．
2. 生成AIの動作を理解し、正しく利活用するためのリテラシーを身につける．
|
|
|
|
身につく能力
|
|
＜全学ディプロマ・ポリシー＞
○(1)各研究科・専攻の専門分野に応じた高度な専門知識
○(2)各研究科・専攻の専門分野に応じた研究開発能力
(3)高い水準の幅広い教養と倫理観
(4)高度な専門知識・研究開発能力・倫理観・幅広い教養を統合し、問題を発見し解決する能力
(5)高度な専門知識・研究開発能力・倫理観・幅広い教養を統合し、グローカルな視野をもって社会的・経済的価値を創出する力
|
|
|
授業の概要
|
|
|
ChatGPT、MidJourneyなどに代表される言語または画像を生成する"生成AI"が急速に普及し、それらを活用したシステムの社会への実装が進みつつある。これらの生成AIを正しく理解し、利活用していくには、それを構成する技術や動かすためのノウハウを身につけることが不可欠である。本授業では生成AIの概要、仕組みやそれを構成する技術について学ぶとともに、自らの関心のある分野におけるAI応用について調査・検討する。それらを通して生成AIを正しく理解し、社会における問題の解決のために利活用するための技術とリテラシーを身につける。
|
|
|
|
授業の計画
|
|
講義では生成AIを構成する技術やアルゴリズムの基礎、生成AI自体の概要や応用例について学ぶ。講義内ではGoogle colaboratoryを使った実習も適宜行う。講義内では講義の内容を振り返る小テストも実施する。
また各回冒頭にて自身の関心のある分野におけるAI論文をサーベイした結果を各自数分程度でプレゼンテーションしてもらう。頻度は各自数週に１回を予定している。最後にサーベイしてきた結果をまとめ、自身の興味のある分野におけるAIアプリケーションについて提案してもらう。その内容については最終日にて各自プレゼンテーションする。
第１週 イントロダクション（授業の方針、評価方法、ゴールについて）
最終課題・プレゼンテーションのための手引、論文サーベイの仕方
第２週 機械学習の概要・復習1 - 機械学習概論
第３週 機械学習の概要・復習2 - 深層ニューラルネットワークによる学習
第４週 深層学習モデルによる画像処理: CNN
第５週 深層学習モデルによる自然言語処理1: word2vec、RNN、LSTM
第６週 深層学習モデルによる自然言語処理2: TransformerとBERT
第７週 画像生成のための深層学習モデル1: オートエンコーダ、GAN
第８週 画像生成のための深層学習モデル2: 拡散モデル
第９週 強化学習1: 強化学習の概要とその技法
第１０週 強化学習2: 深層強化学習の技法
第１１週 転移学習
第１２週 大規模言語モデルの仕組み: GPT、RLHF、text-to-image画像生成のための技術
第１３週 生成AIを活用するための技術
第１４週 生成AIの利活用・問題点・法規制について
第１５週 最終プレゼンテーション
AIの分野は日進月歩であるため、情勢次第で内容を変更する可能性が高いことを留意されたい。
|
|
|
|
授業時間外学修の指示
|
|
・履修にあたっては各学科で学んだプログラミング、機械学習に関する内容を十分に復習しておくこと。
・講義内では技術・アルゴリズムの数学的な説明を数式を交えて行う。そのため履修にあたっては数学、特に解析学、線形代数、確率・統計を十分に復習しておくこと。
・特にAIの分野は日進月歩であるため、最新技術やその応用事例に好奇心を持って情報収集する習慣を身につけること
|
|
|
|
成績評価の方法
|
|
講義内小テスト: 20%
サーベイ課題: 30%
最終プレゼンテーション: 50%
サーベイ課題・最終プレゼンテーションにおける評価指標（ルーブリック）は初回講義にて提示する。
|
|
|
|
テキスト・参考書等
|
|
"テキスト:
特になし。以下の参考書を参考に作成した資料を用いて講義を行う。
参考書:
杉山 聡(著): 本質を捉えたデータ分析のための分析モデル入門（ソシム）3300円 ISBN-13: 978-4-8026-1377-4
Aurélien Géron (著) : scikit-learn、Keras、TensorFlowによる実践機械学習 第２版（オライリージャパン）
4800円 ISBN-13 : 978-4873119281
岡谷 貴之(著): 機械学習プロフェッショナルシリーズ 深層学習 改訂第２版（講談社）3300円 ISBN-13: 978-4-06-513332-3
齊藤 康毅(著): ゼロから作るDeep Learning 2 自然言語処理編（オライリージャパン）3960円 ISBN-13: 978-4-87311-836-9
齊藤 康毅(著): ゼロから作るDeep Learning 4 強化学習編（オライリージャパン）3960円 ISBN-13: 978-4-87311-975-5
齊藤 康毅(著): ゼロから作るDeep Learning 5 生成モデル編（オライリージャパン）3960円 ISBN-13: 978-4-8144-0059-1
松井 孝太、熊谷 亘(著): 機械学習プロフェッショナルシリーズ 転移学習（講談社）3740円 ISBN-13: 978-4-06-533293-1
必要に応じて資料を配布する。"
|
|
|
|
履修上の留意点
|
|
・Pythonによるプログラミングを行うため、学科で学んだプログラミング関係講義・演習の内容をよく復習しておくこと。
・経営システム工学科の専門科目である『機械学習』『シミュレーション』等と類似した内容となっているが、各トピックについてより高度な内容を本講で取り上げる予定である。各技術・アルゴリズムの数理に関しても触れる予定なので、履修にあたって解析学、線形代数、確率統計などについてもよく復習しておくこと。
|
|
|
|
資料
|
|
|
|
|
備考
|
|
|
経営システム工学科の専門科目『機械学習』『シミュレーション』の開講に伴い、本科目のシラバスの大幅変更を予定していたが、生成AIに関連する技術を網羅的に取り扱うという重要な意義を果たすため、当面マイナーチェンジに留めることにする。これらの専門科目を受講していた大学院生にとっては若干の内容の重複があるが、復習も兼ねて網羅的かつより高度なトピックを扱うことを留意した上で履修登録・受講されたい。
|
|