イラストで学ぶ 人工知能概論 改訂第 2 版

★初学者向けの名著を 100 ページ増の大改訂! ホイールダック 2 号は深層学習を手に入れた!★
・全面的に記述を見直すも、第 1 版との連続性を最大限保ち、ますますパワーアップ!
・「ニューラルネットワーク」の章を新設し、深層学習の歴史的位置づけ、CNN、RNN をわかりやすく解説した!
・「確率的生成モデル」の章を新設し、強化学習・状態推定・教師なし学習などに関わる解説に芯を通すことができた!

まずは、この 1 冊から始めよう!

【主な内容】
第 1 章 人工知能をつくり出そう
第 2 章 探索 (1):状態空間と基本的な探索
第 3 章 探索 (2):最適経路の探索
第 4 章 探索 (3):ゲームの理論
第 5 章 計画と決定 (1):動的計画法
第 6 章 確率モデル (1):確率とベイズ理論の基礎
第 7 章 確率モデル (2):確率的生成モデルとナイーブベイズ
第 8 章 計画と決定 (2):強化学習
第 9 章 状態推定 (1):ベイズフィルタ
第 10 章 状態推定 (2):粒子フィルタ
第 11 章 学習と認識 (1):クラスタリングと教師なし学習
第 12 章 学習と認識 (2):パターン認識と教師あり学習
第 13 章 学習と認識 (3):ニューラルネットワーク
第 14 章 言語と論理 (1):自然言語処理
第 15 章 言語と論理 (2):記号論理
第 16 章 言語と論理 (3):証明と質問応答
第 17 章 まとめ: 知能を「つくる」ということ

探索から確率モデル、強化学習、状態推定、機械学習、自然言語処理、記号論理までを 1 冊で見渡す、大学向けの人工知能の教科書の改訂版です。『イラストで学ぶ 人工知能概論 改訂第 2 版』は谷口 忠大 著で、講談社 (イラストで学ぶシリーズ) から 2020 年 12 月 22 日に発行されました。版元は教科書としての利用を想定した書籍と位置づけ、紹介文では初学者向けの本を大改訂し、「ニューラルネットワーク」「確率的生成モデル」の章を新設して全面的に記述も見直したと説明しています。本文では、ロボットのホイールダック 2 号が迷路や通路で課題に取り組む例が、章をまたいで何度も登場します。

全 17 章で探索、確率、学習、言語と論理を順にたどる構成

第 1 章「人工知能をつくり出そう」で人工知能とは何かとその歴史を整理したあと、第 2 章から第 4 章が探索 (状態空間と基本的な探索、最適経路の探索、ゲームの理論)、第 5 章が動的計画法による計画と決定です。第 6 章と第 7 章で確率とベイズ理論の基礎、確率的生成モデルとナイーブベイズを固め、第 8 章で強化学習、第 9 章と第 10 章でベイズフィルターと粒子フィルターによる状態推定へ進みます。第 11 章から第 13 章は学習と認識の章で、クラスタリングと教師なし学習、パターン認識と教師あり学習、ニューラルネットワークを扱います。第 14 章から第 16 章は言語と論理の章で、自然言語処理、記号論理、証明と質問応答を取り上げ、最後の第 17 章はホイールダック 2 号の冒険の総集編から始まるまとめの章です。章の間にはフレーム問題、チューリングテストと中国語の部屋、記号接地問題などを題材にしたコラムと、次に読む本を紹介するブックガイドが挟まれています。

改訂第 2 版で加わったニューラルネットワークと確率的生成モデルの章

新設の第 13 章は、ニューラルネットワークとパターン認識の関係から入り、基礎、畳み込みニューラルネットワーク、リカレントニューラルネットワークへ進み、コラムで generative adversarial networks に触れます。もう 1 つの新設章である第 7 章は、確率的生成モデルとグラフィカルモデル、確率システムとしてのマルコフ決定過程、ナイーブベイズモデルによるスパムメールフィルターを扱います。楽天ブックスの書誌に載る版元の紹介文は、この章によって強化学習、状態推定、教師なし学習などに関わる解説に一本の筋を通せたと述べています。第 8 章は 強化学習 を扱い、マルコフ決定過程は第 7 章の確率システムの節にも出てきます。

不確かさを確率で扱う視点と、言葉をベクトルで表す視点

ロボットの位置推定では、センサーの値にも移動の結果にもずれが混じります。ベイズフィルターは、観測のたびに、ロボットがどこにいそうかを表す確率分布を更新していく枠組みで、粒子フィルターはその分布を多数の標本で近似し、計算しにくい場合にも扱えるようにする手法です。目次では、第 10 章がモンテカルロ近似から粒子フィルターへ進み、自己位置と地図を同時に推定する SLAM の節で閉じています。言語の側では、第 14 章が形態素解析、構文解析、意味解析を経て単語と文章のベクトル表現に至り、コラムで tf-idf を取り上げます。第 14 章の単語と文章のベクトル表現は、単語を数値の 埋め込みベクトル として表す考え方です。

人工知能を初めて体系的に学ぶ大学生に向く理由と、向かない目的

版元は本書を初学者向けの教科書と位置づけており、確率の基礎、ベイズの定理、期待値と意思決定も第 6 章で順に導入されます。目次に特定のプログラミング言語やライブラリの使い方を扱う章はありません。2020 年 12 月の刊行時点の内容で、目次に大規模言語モデルを扱う章はありません。機械学習と深層学習の本の選び方は、機械学習と深層学習の本の選び方 の記事で扱っています。

本書は、版元が初学者向けの教科書と位置づける 17 章の本です。