人工知能ブームのきっかけとなった深層学習 (ディープラーニング) は、多数の教師信号を学習させるだけで高精度の分類・変換器を作ることができる有効な手法ですが、処理がブラックボックスになり説明できないなどの業務上の問題点が明らかになりつつあります。また今後、企業がAIを用いる際はその処理内容を説明する責任が生じるため、「説明できるAI」に対するニーズが急速に高まりつつあります。
　本セミナーでは、深層学習の基礎と最近の手法、深層学習を「わかるAI」にする方法、AIを最適化する次世代の進化的機械学習などについて、専門外の方にも分かり易いように数式をほとんど使わずに説明します。また、AIを業務に導入する際の成功のコツ、やっていはいけないこと、AI人材育成方法などを、多くのAIコンサル経験をもつ講師が実際の導入事例に触れながら解説します。技術者の方々に加えて、総合職の方々のご参加も歓迎いたします。

1. 人工知能と機械学習
   1. 人工知能の考え方の推移 ～AIの世代交代～
   2. 機械学習の種類と方法 ～各手法の特徴と代表的な手法の概要～
2. 深層学習 (ディープラーニング) の基礎と応用
   1. 神経回路網の原理と学習法 ～パーセプトロンと誤差逆伝播法～
   2. 深層学習の基礎と実装方法 ～各種の深層化のための技法とライブラリ～
   3. 深層学習の最近の手法
      • GAN
      • YOLO
      • 転移学習
      • 蒸留
      • 浸透学習法
   4. 深層学習の問題点と対策
      • 深層学習の長所
      • 深層学習の短所
      • 深層学習の改善策
3. 説明できるAI ～ブラックボックスの見える化～
   1. 説明できるAIとは? ～説明性の定義と考え方～
   2. 学習済みの深層学習回路の解析手法 ～中間層やヒートマップの表示など～
   3. 入出力の関係性の解析手法
      • Atention
      • LIMEなど
   4. 深層学習回路の簡約化 ～回路網の圧縮方法など～
   5. 処理過程が理解し易い深層学習
      • GCM
      • EGCMなど
4. 説明できるAI ～ホワイトボックスの性能向上～
   1. 進化的機械学習の原理 ～進化計算法の原理と方法～
   2. 明確な特徴量の自動決定に基づく認識
      • 進化的画像認識
      • ACSYS
      • SIFTERなど
   3. 処理過程が明確な処理プロセスの自動生成
      • 進化的画像処理
      • CRAFT-ITなど
   4. 決定木・決定回路の処理フローの言葉による説明
      • EDEN
      • 自然言語による説明など
   5. 小規模かつ高性能な回路の自動設計 ～進化的セル型回路網など～
   6. 時系列予測と投資戦略の自動構築 ～説明できる時系列予測など～
5. 業務へのAI導入方法
   1. AI導入における基本8原則
      • AI導入時にありがちなこと・注意点など
   2. AIコンサル事例の紹介 ～AI導入の成功への鍵とは?～
6. まとめと質疑応答