最先端のAI研究者が文系の人のために書いた、AIの今と未来がわかる本。一問一答方式で効率よくAIの真実を知ることができます。 人工知能（ＡＩ）にまつわる素朴な疑問や知っておくべきことを、第一線で活躍するＡＩの研究者が、最先端の研究を踏まえながら、ていねいに解説する一冊。 「ＡＩで人の仕事がなくなる」「ＡＩにいま投資しないと生き残れない」など、ＡＩの進化や普及にともなう不安を刺激する情報があふれているいま、ＡＩの仕組みや、強み・弱みを正しく知ることが求められています。 本書では、読者の疑問や知りたいことに応えるために、専門用語はもちろん、数学も、プログラミングの知識も必要としないように、一問一答方式で説明します。「効率よくＡＩの今と近未来を知ることができる本」です。 【本書でわかることの一部】 ・ＡＩの正体とは? ・なぜ人はＡＩに不思議なもの（神秘性）を感じるのか? ・何ができたらＡＩと呼べるのか? ・ＡＩはどうやって学ぶ? ・ＡＩは人の気持ちを理解できる? ・ＡＩが出した答えは信用してよい? ・どんなときにＡＩは間違う? ・ＡＩはどのように予測や決定の根拠を説明してくれる? ・ＡＩが感情を持つようになるって本当? ・ＡＩが人を差別するって本当? ・ＡＩの内部に潜む悪意とは? ・ＡＩがＡＩを作るってどういうこと? ・囲碁ＡＩどうしが対局したらどうなる? ・悪意のあるＡＩとそれを取り締まるＡＩを競わせるとは? ・世界でＡＩ研究をリードしているのは誰? ・ＡＩ研究の最前線。いまの課題は? ・ＡＩを使いこなすには? ・ＡＩにできること、できないことは? ・ＡＩに投資するには? そのタイミングは? ・近未来のＡＩはどうなる?　ほか 本書を読むことで、ＡＩの仕組みや得意・不得意などを正しく理解できるようになります。 また、ＡＩの研究者が何を考えているのか、これから先のＡＩとそれを取り巻く環境が、 どのように変わっていくかを知ることができます。 教養として、そしてビジネスで正しくAIを語れるようになるための必読書です。 最先端のAI研究者が文系の人のために書いた「AIの今と未来」がわかる本。数学やプログラミングの知識は不要。一問一答方式で効率よくAIの真実を知ることができます。 はじめに 第1章　「AIってスゴイ！」と思ってしまう理由 　1-1　なぜ人は「AIってスゴイ！」と思ってしまうのですか？ 第2章　AIの正体 　2-1　何ができたらAIと呼べるのですか？ 　2-2　AIが考える合理的とはどういうことですか？ 　2-3　AIはどうやって最高の一手を選ぶのですか？ 　2-4　AIはどうやって失敗から学ぶのですか？ 　2-5　どうしてAIには大量のデータが必要なのですか？ 第3章　AIはどのように進化してきたのか？ 　3-1　なぜ、いまAIが注目されているのですか？ 　3-2　AI研究が急拡大しているという根拠はなんですか？ 　3-3　昔のAIってどんなものだったのですか？ 　3-4　昔のAIと今のAIのちがいは何ですか？ 　3-5　機械学習って何ですか？ 第4章　AIはどこまで人に近づけるのか？ 　4-1　AIは人の気持ちを理解できますか？ 　4-2　AIが書いた文章に知性を感じるのはなぜですか？ 　4-3　AIが賢くなるのに人の知識は役立ちますか？ 第5章　AIは間違える 　5-1　どんなときにAIは間違うのですか？（その1） 　5-2　どんなときにAIは間違うのですか？（その2） 　5-3　どんなときにAIは間違うのですか？（その3） 　5-4　どんなときにAIは間違うのですか？（その4） 　5-5　AIが出した答えは信用してよいのでしょうか？ 第6章　AIの内部に潜む悪意とは？ 　6-1　AIを騙せるって本当ですか？ 　6-2　AIが人を差別するって本当ですか？ 　6-3　AIの予測や決定を信じてもらうには何が必要ですか？ 　6-4　AIはどのように予測や決定の根拠を説明してくれるのですか？ 　6-5　AIの予測や決定を信じてもらうために説明以外の方法はありますか？ 第7章　これからのAIはどうなる？ 　7-1　AIが感情を持つようになるって本当ですか？ 　7-2　AIがAIを作るってどういうことですか？ 　7-3　囲碁AI同士が対局したらどうなるのですか？ 　7-4　AIはどのようにリアルなフェイク画像を作るのですか？ 　7-5　AIはどのように不良品を見つけるのですか？ 第8章　AI研究の最前線 　8-1　AIの研究が急速に進んでいる理由を教えてください 　8-2　世界でAI研究をリードしているのはどこの国ですか？ 　8-3　最先端のAI研究に触れるにはどうすれば良いですか？ 　8-4　AI研究の成果はどのように評価されているのですか？ 　8-5　AI研究のいまの課題はなんですか？ 第9章　AIを使いこなすには？ 　9-1　AIプロジェクトに取り組むときの注意事項を教えてください 　9-2　AIプロジェクトで差をつけやすいポイントを教えてください 第10章　AI投資を成功させるには？ 　10-1　どんな領域のAIに投資すれば良いですか？ 　10-2　AIビジネスにチャレンジする際の注意事項を教えてください 第11章　近未来のAIはどうなるか？ おわりに 図版出典 参考文献

自然言語処理編

ディープラーニングの仕組み、言語や概念、映像を機械が理解する、ベイジアンネットと大脳皮質、なぜ人の常識は機械にとって難しい?汎用人工知能の実現への課題、どうすればうまく応用できるのか?応用が進む今の時代、改めて人工知能技術の全体像を見てみる。 第1章 人工知能はこうして生まれた 第2章 人工知能を体感してみよう 第3章 人工知能を支える基礎技術 第4章 人工知能はどう応用されているのか? 第5章 ディープラーニングは何がすごいのか? 第6章 人工知能の未解決問題と突破策 第7章 人工知能が溶け込んだ社会の将来像

グーグルエンジニアらへの取材に基づきその技術をやさしく解説 最新の事例から、将来のビジネスの変化を探る１冊 ディープラーニングは、人工知能や機械学習と何が違う？ この技術によって将来、ビジネスはどう変化する？ グーグルのエンジニアらへの取材に基づき、 その技術をやさしく解説するとともに 最新の事例から、将来のビジネスの変化を探る１冊。 　囲碁のプロ棋士に勝つ、クイズのチャンピオンに勝つ──、人工知能（ＡＩ）はこうした特定分野で象徴的な成果を上げてきました。しかし、最近ではＡＩが人々の生活や経済活動を改善して、世の中を変えていく可能性を示す実例が次々と出てきました。 　例えば、米グーグルは、ＡＩを使った「Google翻訳」の精度を大きく改善し、長年「実用的ではない」と言われてきた機械翻訳を日常生活では十分実用的なレベルへと引き上げました。また、同社はデータセンターにおけるサーバーなどの冷却電力を40％も削減しました。これもＡＩを活用して空調や窓の調節・開閉など約120の要素を制御し最適化した成果です。大手ＩＴ企業は次々と、画像認識、音声認識、翻訳といったＡＩ機能を安価に提供し始めており、いわば「蛇口をひねればＡＩがすぐ使える」時代が間もなく到来します。 　このＡＩの進化をけん引するのが、脳の神経回路が仕組みの原点にある「ディープラーニング」という技術です。本書では、グーグルのエンジニアらへの取材に基づき、このディープラーニング技術をやさしく解説。また、将来のビジネスがどう変わるのか、グーグルのサービスや日本企業の取り組み事例から探るとともに、その未来の姿に迫ります。 序 章 ディープラーニングがすべてのビジネスを変える 第1章 人工知能と機械学習とディープラーニングはどう違う? 第2章 ディープラーニングの仕組み 第3章 グーグルのディープラーニング活用事例 第4章 ディープラーニングで業務効率化、国内で続々始まる 第5章 データ×目的で整理し、活用の展開図を描こう 第6章 ディープラーニングが課題を解決する未来へ グーグルクラウド・マシンラーニング・グループ研究責任者のジア・リーさんに聞く 序章 ディープラーニングがすべてのビジネスを変える 　ビッグデータでディープラーニングが実力発揮 　トヨタは日米の全乗用車を通信対応に 　人工知能でイノベーションを生む時代に 　中小企業にも人工知能の恩恵 １章　超入門 人工知能と機械学習とディープラーニングはどう違う？ 　ディープラーニングは機械学習の一部 　機械学習は人間がプログラムを作らない 　コンピューターの発達がディープラーニングを可能に 「リサーチの洪水」のごとき人工知能の広がり 「モバイルファースト」から「ＡＩファースト」へ ２章　入門 ディープラーニングの仕組み 　機械学習「以外」の人工知能とは 　機械学習の基本 　機械学習といってもいろいろな手法がある 　ニューラルネットワークは脳の神経構造 　分類の仕方はコンピューターが自分で学んでいく 　ネット上の「遊び場」でニューラルネットを理解 　教師あり学習と強化学習 「アルファ碁」は強化学習をフル活用 ３章　グーグル事例編 グーグルのディープラーニング活用事例 ■未来へ向けて、広がるディープラーニングの活用 　話しかけて使う家庭のＡＩコンシェルジュ 　人間相手のように話が通じる？！ ■自動運転を支えるディープラーニング 　ディープラーニングでデータセンターを劇的に省エネ化 ■人間の目を超える、ものを見分ける画像認識 　写真を自動で分類する「Ｇｏｏｇｌｅフォト」 　お絵描きを人工知能が評価する「Ｑｕｉｃｋ，Ｄｒａｗ！」 　コンピューターも夢を見られるか？「ディープドリーム」の実験 　優れたアートや音楽を生み出す「マジェンタ」 　動画像の認識も！　「読唇術で人間の専門家に勝つ」 ■文章を理解するテキスト分析 　自動で返信メールの候補文を作る「Ｉｎｂｏｘ」 　迷惑メールフィルタの精度も格段に向上 　企業の情報検索をスムーズにする「グーグルスプリングボード」 ■話しかけるだけでコンピューターと意思疎通をする「音声認識」 　会話しながら人間をサポートする「Ｇｏｏｇｌｅ アシスタント」 　合成音声もピアノの曲も作成できる「ＷａｖｅＮｅｔ」 ■言語の壁を越える可能性が見えてきた「機械翻訳」 　ニューラルネットでＧｏｏｇｌｅ翻訳が進化 ■ディープラーニングの成果を手軽に使える「機械学習ＡＰＩ」 　カスタマイズしたディープラーニングを活用できる「テンソルフロー」 　ディープラーニングが向く領域、向かない領域 ４章　企業事例編 ディープラーニングで業務効率化、国内で続々始まる ■安藤ハザマ、トンネル工事の岩盤の堅さを判定 　掘削工事の自動的な最適化まで視野に ■クルマの写真から型式まで特定、オークネットＩＢＳ 　年間約５００万台の中古車データを活用 　クルマの向きが識別できず悩む 　中古車取引の活性化に貢献 ■エアロセンス、ドローン空撮データへ活用 　少ない教師データで自動車の台数検出システムを構築 　測量の効率を高めるマーカーを開発 ■Ｐｅａｃｈ、音声認識ＡＩで運航案内を24時間化 　人と人工知能の役割分担 ■三井住友ＦＧ、カード不正検知精度が劇的に向上 　コールセンターへは全席に導入 　データから答えは出てこない ５章　活用フレームワーク編 データ×目的で整理し、活用の展開図を描こう ■データ×目的による整理法 　先行する画像データの活用 　音声データはコールセンター中心 　まずはコスト削減から入るのが現実的 ■成功に必要な常識と人材の転換 　活用の展開図を描けるか 　必要な人材像は？ 　機械学習はコモディティー化、次の特別な存在は ６章　将来展望編 ディープラーニングが課題を解決する未来へ グーグルクラウド・マシンラーニング・グループ研究責任者のジア・リーさんに聞く 　技術革新の牽引役はディープラーニング 　人間は優秀、アルゴリズムの研究はまだまだ途上 　ディープラーニングは「データハングリー」 　現実世界の課題を解決することがＡＩ研究の目標 おわりに

簡単なExcel操作で、様々な人工知能技術を「体感」できます。機械学習のシミュレーションを追加した、待望の増補改訂版。 さまざまなAI技術を1冊に網羅 動かしながら学ぶ、本格入門書！ 本書は、人工知能の技術をはじめて学ぶための本です。 近年は機械学習・深層学習が注目を集めていますが 人工知能は各技術が相互に進化を促したり いろいろな技術を組み合わせたりして発展しています。 そこで本書では、下記のような 幅広い技術の基礎知識を網羅しています。 【本書で解説している技術】 ・機械学習／深層学習（概論） ・ニューラルネットワーク ・遺伝的アルゴリズム ・エキスパートシステム ・知識表現 ・ゲーム戦略など 独特の技術が多く使われている分野ですが、 Excelのサンプルプログラムを体験することで、 その技術を実感できるようになっています。 操作を繰り返すことでプログラムが 賢くなっていく様子は、人工知能技術への 大きな期待も感じさせます。 特に、人工知能分野で活躍したい学生や、 将来仕事で人工知能にかかわるかもしれない 理系職種の方におすすめの本です。 【Excelサンプルプログラム（一部）】 ・正解がわからなくても人工知能が自力で認識してくれる ・宣教師が「人食い人」に食われずに川を渡れるか？ ・簡単なカードゲームでコンピュータに挑戦！ ・人工知能にことばの意味を教えよう ・病院に行く前に人工知能に聞いてみよう ・犯人を捕まえろ！ 【目次】 第1章　人工知能は夢いっぱい 第2章　人間の脳を機械で真似る＝ニューラルネットワーク 第3章　人間のあいまい性を機械で扱う＝ファジィ 第4章　よいものが残る進化の法則をうまく使う＝遺伝的アルゴリズム 第5章　身の回りの問題をうまく解決するには＝問題解決 第6章　最も効率的な道筋をどう選ぶか＝探索法 第7章　相手がいるときの対処法＝ゲーム戦略 第8章　人間が学習する過程を機械で真似る＝機械学習 第9章　人間の知識を機械上で表現すれば人間の代わりになる＝知識表現とエキスパートシステム 第10章　人間の自律性を機械にもたせる＝エージェント 第11章　人工知能の草分け的コンピュータ言語＝Lisp 第12章　ものごとの関係を記述するコンピュータ言語＝Prolog 第1章　人工知能は夢いっぱい 　1.1　人工知能が人間を超える？ 　1.2　人工知能の研究テーマ 　1.3　人工知能技術の初歩的な考察 第2章　人間の脳を機械で真似る＝ニューラルネットワーク 　［体験してみよう］多少ゆがんだ文字でも人工知能なら正しく認識できる 　［体験してみよう］もっとゆがんだ文字でも人工知能なら正しく認識できる 　［体験してみよう］正解がわからなくても人工知能が自力で認識してくれる 　2.1　脳のモデルとニューラルネットワークの考え方 　2.2　パーセプトロン（Perceptron） 　2.3　ホップフィールドネットワーク（Hopfield Network） 　2.4　自己符号化器（Autoencoder） 　2.5　その他のニューラルネットワーク 第3章　人間のあいまい性を機械で扱う＝ファジィ 　［体験してみよう］「ちょっと高め／ちょっと低め」の感覚で空調を制御する 　［体験してみよう］あいまいな条件で目標値を維持する 　3.1　ファジィの考え方 　3.2　ファジィ推論 　3.3　ファジィ制御 　3.4　ファジィ関係 第4章　よいものが残る進化の法則をうまく使う＝遺伝的アルゴリズム 　［体験してみよう］遺産の適正な分配を要領よく行う 　4.1　遺伝的アルゴリズムの考え方 　4.2　遺伝的アルゴリズムの具体的考察 　4.3　遺伝的アルゴリズムの応用 第5章　身の回りの問題をうまく解決するには＝問題解決 　［体験してみよう］宣教師が「人食い人」に食われずに川を渡れるか？ 　5.1　問題解決法 　5.2　問題解決の具体的考察 第6章　最も効率的な道筋をどう選ぶか＝探索法 　［体験してみよう］最小コストで山の頂上まで登るときの経路を探せ 　6.1　探索法の分類 　6.2　系統的探索（Systematic Search） 　6.3　ヒューリスティック探索（Heuristic Search） 　6.4　探索法まとめ 第7章　相手がいるときの対処法＝ゲーム戦略 　［体験してみよう］簡単なカードゲームでコンピュータに挑戦！ 　7.1　Min-Max戦略 　7.2　αβ枝刈り 第8章　人間が学習する過程を機械で真似る＝機械学習 　［体験してみよう］人工知能にことばの意味を教えよう 　8.1　機械学習の基本的な考え方 　8.2　バージョン空間法（Version Space Method） 　8.3　深層学習（Deep Learning） 第9章　人間の知識を機械上で表現すれば人間の代わりになる＝知識表現とエキスパートシステム 　［体験してみよう］病院に行く前に人工知能に聞いてみよう 　9.1　知識表現（Knowledge Representation） 　9.2　エキスパートシステム（Expert System） 第10章　人間の自律性を機械にもたせる＝エージェント 　［体験してみよう］犯人を捕まえろ！ 　10.1　エージェントの古典的な問題 　10.2　エージェントの考え方 　10.3　マルチエージェント（Multi-Agent） 第11章　人工知能の草分け的コンピュータ言語＝Lisp 　11.1　リスト処理（List Processing） 　11.2　ラムダ計算（Lambda Calculus） 　11.3　Lisp言語 　11.4　Lisp処理系 第12章　ものごとの関係を記述するコンピュータ言語＝Prolog 　12.1　命題論理（Propositional Logic） 　12.2　述語論理（Predicate Logic） 　12.3　Prolog言語への発展 　12.4　Prolog言語 　12.5　Prolog処理系

これからの時代を生きるすべての人、必読！ ■■同僚に、上司に、取引先に、面接官に、 子供に、親に、知人に、 【AI（人工知能）ってなんですか？】と 聞かれたら、あなたは答えられますか？■■ 今や新聞やテレビで「AI（エーアイ）」（人工知能）という言葉を 見聞きしない日はありません。 「AIに仕事を奪われる」というフレーズもよく聞きます。 ですが、いざAIって何？と聞かれても、 「人工の知能って…？　何でもできるロボットみたいなもの…？」と しどろもどろになってしまう人が多いでしょう。 本書は、やさしい文章とイラストで、AIってなあに？というところから AIの歴史、機械学習、ディープラーニングなど、AIのキホンを最初から解説します。 数式なし、専門用語なし！　【誰でも・ゼッタイ】わかります。 それでいて、「機械学習」や「ディープラーニング」といった一歩踏み込んだ部分も説明し、 さらに実際にAIを仕事で活かすヒントになるような具体的なことも紹介します。 また、PART2では「AIとシゴト」と題して、 AIでこれからの仕事はどう変わるかを説明します。 そして実際にAIの導入で変わった・変わっていく仕事の一部 （コールセンター、教師、医師、農家、秘書…等々）を、 実例を挙げて解説しています。 人工知能を知りたいけれど、IT系ではない人、普通の入門書でも挫折してしまった人、 かたい文章を読み慣れない人、就職活動中の学生さん、転職を考えている社会人の方、 子供の将来の職業を憂う親御さんなど、とにかく【普通の人向けのAI入門書】です。 これからの時代を生きるすべての人、必読です！ ※本書はIT Search+で好評連載中の「教えてカナコさん！ これならわかるAI入門」 をもとに大幅加筆し（PART2はすべて書きおろし）、書籍化したものです。 https://news.mynavi.jp/itsearch/series/solution/_ai.html PART1　AIのキホン 　CHAPTER 01　AIってなあに？ 　CHAPTER 02　身近に存在するAI 　CHAPTER 03　AIが得意なこと・苦手なこと 　CHAPTER 04　AIの歴史 　CHAPTER 05　AIはなにをやってるの？ 　CHAPTER 06　機械学習ってなあに？ 　CHAPTER 07　ディープラーニングってなあに？ 　CHAPTER 08　AIが学習するってどういうこと？ 　CHAPTER 09　AIを使ってみよう！ PART2　AIとシゴト 　CHAPTER 01　AIで仕事はどう変わる？ 　CHAPTER 02　問い合わせ窓口／コールセンター 　CHAPTER 03　料理研究家 　CHAPTER 04　アナウンサー／声優 　CHAPTER 05　保育士／教師／塾講師 　CHAPTER 06　小説家 　CHAPTER 07　アニメーター 　CHAPTER 08　医師 　CHAPTER 09　農家 　CHAPTER 10　秘書 　CHAPTER 11　翻訳家 　CHAPTER 12　これからのAIと仕事

機械学習エンジニアを志望する人に、仕事の内容や必要な知識、なるための勉強法、採用されるための履歴書の書き方などを解説。 機械学習エンジニアになりたい人に 機械学習エンジニアを志望する人が増えています。 採用数も増えており、さまざまな就職・転職サイトで「機械学習エンジニア」の募集がされており、この数は今後さらに増えることが予想できます。 しかし、採用側の話を聞くと、志望する人の大半は求める能力に達していないというミスマッチが発生しています。 これは、「機械学習エンジニア」という仕事が誕生して間もないため、 どのような能力を必要とするのかをエンジニア側が理解していないことに原因があります。 【本書の構成】 本書は「仕事編」と「実務編」の２部構成です。 「仕事編」では、機械学習エンジニアになりたい人向けに、 その仕事内容や必要な知識レベル、なるための勉強法、採用されるための履歴書の書き方などを解説します。 「実務編」では、身の周りのAI技術や実務ノウハウ、各国の機械学習エンジニア事情について解説します。 また、実際に機械学習エンジニアとして働く人やゼロから機械学習の知識を身につけた方々のインタビューも掲載しています。 はじめに 第1部　仕事編 第1章　変化の激しいAI業界の全体像を知ろう 　―従来のエンジニアとAIエンジニアの違い 　―AIエンジニアの仕事 　―AIエンジニアの将来性は？ どんなキャリアプランを描ける？ 　―AI世界勢力図―各国のAI事情は？― 　―大手IT企業、ベンチャー企業、大学の状況は？ 　―AI/IoTで産業課題を解決し、教育分野に還元したい 大杉慎平 第2章　AI業界最新職種ガイド 　―AIエンジニア040AIエンジニアの仕事 　―データサイエンティスト 　―研究者 　―データアナリスト 　―セールスコンサルタント 　―AIエンジニアとアプリケーションエンジニアの違い 　―AI人材に必要なスキルリスト 第3章　AI人材になるための具体的行動計画 　―ホップステップジャンプ！ 段階別やることリスト 　―キャリアゴールを決め、「習うより慣れろ」の精神で進もう 　―就職・転職のために取得しておきたい資格試験 　―女性エンジニアよ、もっとAI分野に入ってこよう！ スザッナ・イリチ 第4章　勉強法Hack―Team AIが太鼓判を押すコンテンツリスト 　―勉強会に参加して業界の全体像をつかみ、勉強仲間を見つけよう 　―書籍やビデオコースで基礎理論を学習し、コーディングしてみよう 　―英語を勉強すると有利―お薦めの勉強法は？― 　―これだけは読んでおきたい！ お薦め書籍9選 　―お薦めのオンラインコース 　―Kaggleでコンペティションに参加し、実践力を磨こう 　―スクールやイベントを利用して集中的に学ぼう 　―Twitterで最新情報をチェックしよう 　―ブログ、Webサイト、その他 　―ゲームAIに魅了され、エンジニアの道へ 大渡勝己 第5章　いよいよ転職活動！後悔しないために 押さえておくべきポイント 　―AI関連企業について情報を収集しよう 　―AI職種に応募するのに適したサイト・エージェントは？ 　―AI業界にアピールできる履歴書・職務経歴書の書き方 　―面接・技術試験に向けて押さえておきたいポイントは？ 　column：AI業界でも女性が活躍する機会が広がる 第2部　実務編 第6章　私たちの身近にある、AI技術を用いたサービス・プロダクト 　―機械学習を使ったビジネスアプリケーション 　―画像データを用いた機械学習 　―動画データを用いた機械学習 　―テキストデータを用いた機械学習 　―音声データを用いた機械学習 　―時系列を使った機械学習 第7章　実務のためのノウハウ 　―ヒアリング 　―データドリブンレベルとサンプルデータのチェック 　―数理モデル選定 　―PoCで仮説検証 　―データ取得とユーザー視点の重要性 　―データ前処理 　―パラメータチューニングと仮説再検証 第8章　海外移住も夢じゃない？ 各国のAIエンジニア事情 　―憧れの地、アメリカシリコンバレー 　―意外と現実的？ シリコンバレーで就職活動 　―その他のアメリカの都市 　―スピード感と規模が桁違い中国のAI企業 　―その他の国々のAI企業事情 AI用語集

自社のシステムに人工知能の導入を検討している人が、人工知能システムの開発および運用・保守の一連のプロセスを把握できる。 自社システムに人工知能を導入したいときに読む本！ 機械学習をはじめとする人工知能への期待は増加していますが、 人工知能が搭載されたシステムを開発するプロジェクトマネージャの数は足りておらず、その数は今後さらに必要になっていきます。 また、大規模システムに人工知能が入るようになっていくと、それを運用・保守する仕事も必要となります。 大規模なシステムになるほど、「開発工程において何をするのか」を規定することが重要であり、 人工知能が搭載されたシステムの開発で行うことを体系的に理解しなければなりません。 本書では、人工知能システムを企画・開発し、運用・保守したい人向けに、 企画から運用までの一連のプロセスのノウハウを解説します。 【本書のポイント】 ・人工知能システムの開発を行うエンジニアやプロマネ向けのノウハウ集 ・人工知能システムの企画書や開発計画書が書けるようになる ・人工知能のトライアルを計画・実施できるようになる ・人工知能システムの開発および運用・保守の一連のプロセスを把握できる Chapter1 実用化されつつある人工知能 人工知能の定義 人工知能の歴史 人工知能の利用用途 認識の具体例 分析の具体例 対処の具体例 Chapter2 通常のシステムと人工知能システムの開発プロセスの違い 人工知能システムの開発プロセス 企画フェーズでの特徴 トライアルフェーズでの特徴 開発フェーズでの特徴 運用・保守フェーズでの特徴 Chapter3 人工知能システムの企画 目的の設定 システム構成の検討 業務フローの作成 データ選び スケジュール検討 運用・保守方針の検討 Chapter4 人工知能プロジェクトのトライアル トライアルのプロセス 分析内容定義 データ観察 モデル設計 データの加工 結果の評価（１）－評価指標の決定 結果の評価（２）－精度の評価 結果の評価（３）－解釈性の評価 結果の評価（４）－過学習度合いの評価 結果の評価（５）－CASE STYDYでの評価例 Chapter5 人工知能システムの開発 開発フェーズのプロセス要件定義工程（１）－計画作りー 要件定義工程（２）ー精度の確認ー 要件定義工程（３）ーデータ量の決定ー 要件定義工程（４）ー更新方法の決定ー 要件定義工程（５）ー学習データが少ないときの対応方法 要件定義工程（６）ー異常値処理方法の決定 設計工程 テスト工程 Chapter6 人工知能システムの運用・保守 人工知能を見守る 人工知能を育てる（１）－自動再学習ー 人工知能を育てる（２）－忘れさせるー 人工知能を育てる（３）－新しい知識を教えるー 人工知能と人の協調 付録 提案依頼書 開発提案書 トライアル分析提案書 トライアル分析報告書 WBS 機能要件定義書・非機能要件定義書 要件定義のためのデータ分析結果報告書

人工知能の全体像がわかる入門書。数式はほとんど用いずに平易に概念が理解できる構成。各章にPythonを使った演習問題を掲載。 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。

初学者向けの名著を大改訂！　ホイールダック２号は深層学習を手に入れた。ニューラルネットワーク・確率的生成モデルの章を新設！ ★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 1章 人工知能をつくり出そう 人工知能とは何か?／人工知能の歴史／人工知能を学ぶということ／ブックガイド1 2章 状態空間と基本的な探索 状態空間表現／迷路からの状態空間構成／基本的な探索／ホイールダック2 号の迷路探索／コラム1 3章 最適経路の探索 最適経路の探索とヒューリスティックな知識／最適探索／最良優先探索／A*アルゴリズム／迷路を最適経路で抜けるホイールダック2号／コラム2 4章 ゲームの理論 利得と回避行動／標準型ゲーム／展開型ゲーム／ゲームAIの実践的開発に向けて／コラム3 5章 動的計画法 多段決定問題／動的計画法／ホイールダック2号「宝箱を拾ってゴール」／編集距離の計算／ブックガイド2 6章 確率とベイズ理論の基礎 環境の不確実性／確率の基礎／ベイズの定理／期待値と意思決定／確率分布のパラメータ推定 7章 確率的生成モデルとナイーブベイズ 確率的生成モデルとグラフィカルモデル／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／ブックガイド3 8章 強化学習 強化学習とは何か？／強化学習の理論／価値関数／Q学習／強化学習の分類とその発展／コラム4 9章 ベイズフィルタ 状態推定の問題／ベイズフィルタ／位置推定（ベイズフィルタ編）／部分観測マルコフ決定過程と状態推定の展開／コラム5 10章 粒子フィルタ ベイズフィルタの問題点／モンテカルロ近似／粒子フィルタ／位置推定（粒子フィルタ編）／SLAM／ブックガイド4 11章 クラスタリングと教師なし学習 クラスタリング／k-means法／混合分布モデルによるアプローチ／表現学習／コラム6／コラム7 12章 パターン認識と教師あり学習 機械学習とは／機械学習の共通問題／パターン認識／教師あり学習の基礎／コラム8／ブックガイド5 13章 ニューラルネットワーク ニューラルネットワークとパターン認識／ニューラルネットワークの基礎／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／コラム9／ブックガイド6 14章 自然言語処理 自然言語処理／形態素解析／構文解析／意味解析／単語と文章のベクトル表現／コラム10 15章 記号論理 記号論理／述語論理／節形式／コラム11 16章 証明と質問応答 導出原理／述語論理による質問応答／スフィンクスの謎かけ／コラム12／ブックガイド7 17章 知能を「つくる」ということ ホイールダック2号の冒険：総集編／実世界知能と行動の創発／言葉の意味理解する発達知能／人工知能とこれからの未来／ブックガイド8

産業構造や企業戦略にインパクトを与える人工知能（ＡＩ）。米国における先端企業の実例や日本企業の取り組みを中心取材・紹介する。 ビジネスパーソンに役立つＡＩ解説書の決定版！ なぜ、これからの企業経営にＡＩ戦略が必要なのか？ ＡＩを導入しないままだと、どうなってしまうのか？ 実際にＡＩをビジネスへ生かすために必要なこととは何か？ 海外、国内企業の先進事例をケーススタディで解説しつつ、 ＡＩの可能性を探る、知的興奮に満ちた一冊。 ■天才棋士・羽生善治氏vs.ＡＩ研究の第一人者・松尾豊氏がスペシャル対談 「ディープラーニングの先の未来で起きること」 まさに“最高頭脳”同士の対談！松尾氏には、最新のＡＩで何ができるか、そしてこれから何が起こるかなどの疑問を直撃。羽生氏にはコンピュータ将棋と戦う、トーナメント戦への参戦を決めた決意などを訊きながら、わかりやすく“ＡＩ革命”を解きほぐしてもらいます。 ■海外企業の戦略はこれだ ・グーグルの現地取材、ＧＥ、マイクロソフト、シーメンス、ボッシュの戦略検証によって、世界先進企業が経営戦略へ、ＡＩをどう取り入れようとしているのかを浮き彫りにします。 ・オープン戦略、ＩｏＴ、インダストリー4.0など、“今”を理解するために必要なキーワードを完全網羅。 ・フィンテック革命とは何か？－欧米ではベンチャー企業がＡＩを使うことで、新たな金融サービスを生み出しています。日本にも影響を広げつつある、その変化について解説します。 ■日本企業最前線 ・トヨタ自動車、ＮＥＣ、富士通、日立製作所、ＮＴＴグループ、ソフトバンクグループ、コマツ、ヤフーなど、ＡＩを経営戦略に活用する企業を、東洋経済記者が徹底取材します。あなたの会社の参考になるケーススタディがあるかもしれません。 ・プリファードネットワークスなど、世界が注目する日本発ベンチャーが登場。 ・アルファ碁“圧勝”の理由とは？　ＡＩは作家になれるか？　などコラムも充実。 ・山田誠二・人工知能学会会長　などインタビューも読み応えがあります。 ■機械と共存するために ・ＡＩによる金融支配、人間の雇用代替の脅威が指摘される中、人間がＡＩと共存するためには何が必要か、分析します。 ■これで完璧！ＡＩブックガイド ・本書執筆陣の推薦などをもとに編集部が選んだ必読の14冊を紹介します。

初学者の方々に向けた、ディープラーニングの技術解説書。 2012年に一般画像分類コンテスト（ILSVRC）で衝撃的な性能を達成したAlexNetの登場以来、急速な進化を遂げているディープラーニング。現在の人工知能/AIの発展の中核を担っており、スマートフォンからIoT、クラウドに至るまで幅広い領域で、画像、音声、言語処理をはじめとした多くの対象分野に浸透し、目覚ましい進展をもたらしています。一方、その成長の過程は決して一筋縄ではなく、無数の試行錯誤がありました。 本書では、ディープラーニングの「今」に焦点を当て、「基本機能」を中核に技術面から可能な限り正確にまとめ、どのようなしくみで動いているのか、どのような問題に使えるのか、何が難しいのかまで平易に解説。 多くの問題を一つのアプローチ、アルゴリズムで解ける驚異的な技術。ディープラーニングが一段とパワーアップしていく将来につながる、長く役立つ原理、原則、考え方を平易に紐解く1冊です。

人工知能 人工知能と世界の見方 人工知能と社会

人工知能とは何か、何ができて、何がまだできないのか。人工知能の現状と未来、人とのかかわりについてわかりやすく解説。

機械学習のしくみを学ぶデータサイエンスの本質を理解する。 第1章 データサイエンスと機械学習 第2章 最小二乗法:機械学習理論の第一歩 第3章 最尤推定法:確率を用いた推定理論 第4章 パーセプトロン:分類アルゴリズムの基礎 第5章 ロジスティック回帰とROC曲線:学習モデルの評価方法 第6章 k平均法:教師なし学習モデルの基礎 第7章 EMアルゴリズム:最尤推定法による教師なし学習 第8章 ベイズ推定:データを元に「確信」を高める手法

【東京大学特任准教授 松尾 豊氏 推薦】 大人気「10秒で始める人工知能プログラミング学習サービス」の代表者がおくる、 人工知能プログラミングに必要な数学を、やさしく学ぶ参考書が登場！ キホンのキホンからおさらいするから、ニガテな人でも大丈夫！ 後半では、Pythonのコードを動かしてさらに理解を深められます！ ■本書の目的 ・人工知能関連の書籍に現れる数式への抵抗感をなくし、専門書を読むための数学基礎力をつけます。 ・いくつかの人工知能のアルゴリズムを理解し、数式の意味を理解できるようにします。 ■本書の特長 ・ゼロからおさらいするので、誰でも読めます。 ・人工知能プログラミングに必要な分野に特化しています。 ・演習問題や例題で、理解を深められます。 ■本書の対象読者 ・人工知能アルゴリズムを用いてモデリングをしているが、その根底のアルゴリズムはブラックボックスであり、数学を復習したい方。 ・人工知能アルゴリズムを体系的に学びたいが、数学を忘れており、専門書に現れる数式が理解できない方。 ・人工知能アルゴリズムに興味があるが、ハードルが高いと感じている方。 ■目次 CHAPTER 1　数学基礎 中学1 年から高校の数学を復習し、機械学習で使う数学の「入門レベル」を固めます。 CHAPTER 2　微分 微分の概念や表現方法を学びます。機械学習では「ディープラーニング（深層学習）」「ニューラルネットワーク」「最小2 乗法」「勾配降下法」「誤差逆伝播法」などで微分を活用します。 CHAPTER 3　線形代数 高校の範囲に大学1 年で学ぶ線形代数を加え、ベクトル・行列・線形変換を学びます。線形代数は膨大なデータや複雑なシステムを扱うのに役立ちます。 CHAPTER 4　確率・統計 確率・統計は「傾向を知り、限られたデータから全体像を予測する」ために、機械学習で活用されます。分散・尤度・正規分布などの難しい用語もやさしく学びます。 CHAPTER 5　実践編1 回帰モデルで住宅価格を推定してみよう 「データから住宅価格を推定する」ことを題材に、線形回帰モデルを理解します。 CHAPTER 6　実践編2 自然言語処理で文学作品の作者を当てよう 「文学作品を分析する」ことを題材に、自然言語を数学的に表現する方法などを学びます。 CHAPTER 7　実践編3 ディープラーニングで手書き数字認識をしてみよう 「手書きの数字を認識させる」ことを題材に、ディープラーニングの一種であるDNNを、画像認識から学びます。 東京大学特任准教授 松尾 豊氏 推薦！　人工知能プログラミングに必要な数学を、ゼロから抜け漏れなく、体系的に学ぶ！　数学を復習したいエンジニアに！ CHAPTER1　数学基礎 CHAPTER2　微分 CHAPTER3　線形代数 CHAPTER4　確率・統計 CHAPTER5　実践編1 回帰モデルで住宅価格を推定してみよう CHAPTER6　実践編2 自然言語処理で文学作品の作者を当てよう CHAPTER7　実践編3 ディープラーニングで手書き数字認識をしてみよう

データを利益に変える知恵とデザイン

本書では、機械学習の各コンセプトについて、理論的背景とPythonコーディングの実際を解説。初期の機械学習アルゴリズムから、ニューラルネットワーク(CNN/RNN)までの手法を取り上げます。Python関連ライブラリとしてはscikit‐learnやTensorFlowなどを使用。第2版では、第1版への読者のフィードバックを随所に反映し、ライブラリの更新に対応しました。13章以降はほとんど新規の書き下ろしです。本書は、機械学習を本格的に理解・実践するのに不可欠な一冊となっています。 「データから学習する能力」をコンピュータに与える 分類問題-単純な機械学習アルゴリズムのトレーニング 分類問題-機械学習ライブラリscikit‐learnの活用 データ前処理-よりよいトレーニングセットの構築 次元削減でデータを圧縮する モデルの評価とハイパーパラメータのチューニングのベストプラクティス アンサンブル学習-異なるモデルの組み合わせ 機械学習の適用1-感情分析 機械学習の適用2-Webアプリケーション 回帰分析-連続値をとる目的変数の予測〔ほか〕

個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を… 個人の地域密着型アウトドアショップがデジタルマーケティングで業績を飛躍的にアップさせていくストーリーに乗せて、DMの基礎を学ぶ

ディープラーニング活用なくしてビジネスの飛躍的成長なし

文科と理科両方の学生のために，統計的なものの考え方の基礎をやさしく解説するとともに，統計学の体系的な知識を与えるように，編集・執筆された．豊富な実際例を用いつつ，図表を多くとり入れ，視覚的にもわかりやすく親しみながら学べるよう配慮した． 第1章 統計学の基礎（中井検裕，縄田和満，松原 望） 第2章 1次元のデータ（中井検裕） 第3章 2次元のデータ（中井研裕，松原 望） 第4章 確率（縄田和満，松原 望） 第5章 確率変数（松原 望） 第6章 確率分布（松原 望） 第7章 多次元の確率分布（松原 望） 第8章 大数の法則と中心極限定理（中井検裕） 第9章 標本分布（縄田和満） 第10章 正規分布からの標本（縄田和満） 第11章 推定（縄田和満） 第12章 仮説検定（縄田和満，松原 望） 第13章 回帰分析（縄田和満） 統計数値表 練習問題の解答