現在、大企業・中小企業を問わず業務へのAIの導入が始まっています。深層学習 (ディープラーニング) の発展により、これまでAIを適用することができなかった業務へのAI導入も可能になりつつあります。一方、深層学習は処理がブラックボックスになるため業務で利用したり、製品で用いたりすることが難しいと言われています。このため、説明できるAI (XAI: eXplainable AI) 、さらに将来的には人と共に進化する共進化AI (CAI: Co-evolutional AI) が求められています。
　本セミナーでは、深層学習などの機械学習を企業の業務に導入したいと考えている方々を対象として、人工知能、機械学習、深層学習、説明できるAI、業務へのAI導入方法、AI人材の育成方法などについて、人工知能に初めて接する人でも聴けるように数式をほとんど使わずに平易に解説します。技術者の方でなくても「聴いて分る」セミナーを目指しますので、職種や専門性、予備知識のある/なしに関係なく、どうぞお気軽にご参加下さい。

1. 人工知能と機械学習
   1. 人工知能とは何か?
      - 定義・考え方の推移など –
   2. 機械学習概論
      - 説明/事例に基づく学習など –
2. 深層学習 (ディープラーニング) の現状と課題
   1. ニューラルネットワーク概論
      - NNの原理と学習の本質 –
   2. 深層学習の基礎と最近の手法
      - 深層学習の考え方・長所・短所 –
   3. 最近のAIの課題と説明できるAI:XAI
      - 現状のAIの課題と解決策 –
3. ブラックボックス系機械学習のXAI
   1. 学習済みの深層回路の可視化
      - Grad – CAM・LIMEなど –
   2. 特徴空間の自動構築と可視化
      - AE・CAE・VAEなどによる次元圧縮 –
   3. 可視化を前提とした深層学習
      - GCM・判断根拠の提示 –
   4. 深層回路の構造単純化・最適化法
      - 進化計算法・勾配降下による方法 –
   5. 転移学習と浸透学習
      - 知識の転用による学習 –
4. ホワイトボックス系機械学習のXAI
   1. 特徴量の最適化による精度向上
      - SVMなどの特徴量の最適化 –
   2. 処理過程が説明できる処理の自動構築
      - 処理ユニットの組合せ最適化 –
   3. 決定木などの処理の言葉による説明
      - ルール集合による説明 –
   4. 小規模かつ高性能な回路の自動構築
      - セル型回路の利用など –
5. AIの業務への導入方法
   1. AI導入時の注意点
      - 課題と解決策 –
   2. AI人材の育成方法
      - どの方法がベストか? –
6. まとめ・AIよろず相談室
   - 質疑応答とフリーディスカッション –
• 付録1:代表的な機械学習法
• 付録2:進化計算法の原理と特徴
• 付録3:横浜国大・長尾研のご紹介