基礎から学ぶ人工知能の教科書(キソカラマナブジンコウチノウノキョウカショ)

人工知能を基礎から網羅的に学ぶ、やさしい教科書
本書は、人工知能とはなにか、また人工知能はどこまでが学習範囲なのか、という定義を含め、理論を一から丁寧に解説する入門書です。
深層学習が火付け役となった人工知能ブームによって、人工知能は多くの方にとって馴染みのある存在になってきました。しかし、「機械学習」「ニューラルネットワーク」「進化的計算」「自然言語処理」「画像認識」などの個別のトピックのみが取り上げられることも多く、人工知能全体の体系はよくわからない、という方も多いのではないでしょうか。
本書は、上述したようなトピックを網羅的に扱い、人工知能の全体像を解説する入門書です。数式はほとんど用いずに、できるだけ平易に概念が理解できる構成になっています。また、仕事で人工知能に関する知識が必要な方向けに、 Python を使った演習問題を各章に用意しています。

『基礎から学ぶ人工知能の教科書』 (小高知宏 著、オーム社、 2019 年刊) は、機械学習や 深層学習 だけでなく、知識表現と推論、進化的計算と群知能、自然言語処理、画像認識、エージェントと強化学習まで、人工知能を構成する技術を一冊で網羅的に概観する入門教科書です。数式をほとんど使わずに各技術のしくみを平易に説明する方針で書かれており、個別の手法を深掘りする前に、まず分野全体の地図を手に入れたい読者に向いています。

人工知能は深層学習だけではないという地図

深層学習が注目を集めるほど「人工知能 = 深層学習」という誤解も広がりやすくなりますが、人工知能は 1956 年のダートマス会議を起点とする研究分野で、記号処理に基づく知識表現やエキスパートシステム、生物進化を模した進化的計算、蟻や鳥の群れの振る舞いに学ぶ群知能など、発想の異なる技術系統が並走してきました。深層学習はそのうちニューラルネットワーク系統の延長線上にある一技術です。この見取り図があるかどうかで、新しい技術動向を歴史の文脈に位置づけられるかが変わります。本書が第 2 章をまるごと研究史 (ELIZA や SHRDLU 、パーセプトロン、チェスや囲碁の対戦プログラムから深層学習の登場まで) に割いているのは、この地図作りを重視しているためです。

全 12 章 288 ページの構成

全 12 章 288 ページの構成は、第 1 章「人工知能とは」と第 2 章の研究史で土台を作った後、第 3 章の機械学習 (k 近傍法、決定木とランダムフォレスト、 SVM) 、第 4 章の知識表現と推論、第 5 章のニューラルネットワーク、第 6 章の深層学習 (畳み込みニューラルネット、自己符号化器、 LSTM 、 GAN) 、第 7 章の進化的計算と群知能、第 8 章の自然言語処理 (形態素解析から Word2vec 、音声認識まで) 、第 9 章の画像認識、第 10 章のエージェントと強化学習、第 11 章の人工知能とゲームへと進み、第 12 章で分野の行き先を展望して締めくくります。各章末には章末問題が置かれ、版元の紹介によれば、仕事で人工知能の知識が必要な読者に向けて Python を使った演習問題も各章に用意されています。

対象読者と割り切った使い方

版元が対象に挙げるのは、初級プログラマやソフトウェアの初級開発者、情報系の学部・学科の学生、そして人工知能の網羅的な知識がほしい社会人です。数式を抑えた記述のため、確率統計や最適化の数理まで踏み込みたい読者、特定手法を実務投入できる水準まで掘り下げたい読者には物足りません。たとえば深層学習の実装力が目的なら『ゼロから作る Deep Learning 』のような 実装特化の本 が主役になり、本書は各論へ入る前の見取り図と割り切る使い方が適切です。

2019 年刊という時点の位置づけ

2019 年 9 月の刊行なので、扱う範囲は Word2vec や GAN のあたりまでで、その後に台頭した 大規模言語モデル や生成 AI は射程の外です。ただし本書の主眼である機械学習の基本概念、知識表現と推論、研究史の見取り図は時間で陳腐化しにくく、生成 AI を文脈込みで理解するための土台としてそのまま機能します。断片的に覚えた用語を体系に組み直したい社会人、講義の副読本を探す学生、人工知能分野の入り口を探す独学者にとって、最初の一冊に据える価値のある教科書です。