科目番号
教室
登録人数
履修登録方法
対面/遠隔
ESCI13020
[月3]地創棟508 [月4]地創棟508
抽選対象
対面授業
開講年度
期間
曜日時限
開講学部等
2024
第２ｸｫｰﾀｰ
月3〜4
理工学研究科工学専攻
講義コード
科目名[英文名]
単位数
R10095001
人工知能特論
2
担当教員[ローマ字表記]
遠藤 聡志
授業の形態
講義
アクティブラーニング
学生が自身の考えを発表する、学生が文献や資料を調べる
授業内容と方法
この授業では、 説明可能なAI: Explainable AI（XAI）についてテキストの輪読を行うことで理解する。
XAIとは、AIシステムがどのようにして特定の結果や決定に至ったのかを、人間が理解しやすい形で説明する技術やアプローチを指す。XAIの目的は、AIの意思決定プロセスを透明にし、それを人間が理解できるようにすることである。これにより、AIの判断を信頼し、その結果をより効果的に活用することができる。また、XAIはAIの責任と倫理の問題にも寄与する。AIがどのように決定を下したのかを理解することで、その決定が倫理的で公正であることを確認しやすくする。
＃現在はオンライン形式を想定している。
URGCC学習教育目標
問題解決力、専門性
達成目標
XAIの基本的な原則と手法を理解する。
異なる種類のAIアプローチにおける説明可能性の問題点を識別する。
AIの倫理的、法的考慮事項について知識を深める。
（Pythonを使用してAIモデルの解釈と評価を行う実践的なスキルを習得する。）
評価基準と評価方法
講義内のプレゼン内容（50％）、レポート（50％）により評価を行う。
履修条件
知能情報プログラム向けの講義である。
他プログラムからの履修希望については事前に相談してください。
授業計画
授業計画
第1回：講義ガイダンス
第2&3回：担当する内容の準備
第４＆５回：説明可能性と解釈可能性、AIの倫理、偏見と信頼性、線形モデルの説明可能性
第6&7回：非線形モデルの説明可能性、アンサンブルモデルの説明可能性
第8&9回：時系列モデルの説明可能性、自然言語処理の説明可能性
第１０&11回：What if シナリオを使ったモデルの公平性、DLの説明可能性
第１２＆13回：機械学習での対比的説明、予測不変性の特定によるモデル不可知の説明
第1４&15回：自身の研究におけるXAIの利用可能性について（全員によるshort presentation）
事前学習
参考となる資料の調査、プレゼンテーションの事前準備等必要に応じて指示する。
事後学習
輪読後の復習と最終回に向けたショートプレゼンの準備を行なって下さい。
教科書にかかわる情報
教科書
書名
実践XAI : 「説明可能なAI」 : 機械学習の予測を説明するためのPythonコーディング
ISBN
9784295016557
備考
Impress top gear
著者名
Pradeepta Mishra著 ; クイープ訳
出版社
インプレス
出版年
2023
NCID
教科書全体備考
参考書にかかわる情報
参考書全体備考
使用言語
日本語
メッセージ
オフィスアワー
mon 10:20-11:50
wed 10:20- 11:50
その他、メールにて個別に調整する。
メールアドレス
この項目は教務情報システムにログイン後、表示されます。
URL
ページの先頭へ