実務で活用するための
説明可能AI(XAI)・共進化AI(CAI)の開発動向企業の業務への効果的なAI導入方法 
~深層学習の見える化と説明,説得力があり信頼されるAIの実現方法~
【WEB受講(Zoomセミナー)】

人工知能・機械学習,ディープラーニングの原理・問題点,深層学習などのブラックボックス系機械学習のXAI,決定木などホワイトボックス系機械学習のXAI,AIの業務への導入ノウハウについて,分かりやすく解説する特別セミナー!!
講師
横浜国立大学 大学院環境情報研究院 教授・YNU人工知能研究拠点長(工学博士)
長尾 智晴 先生
日時
2022/12/21(水)10:00〜17:00
会場
※本セミナーはWEB受講のみとなります。
会場案内
受講料 (消費税率10%込)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
テキスト
講師
横浜国立大学 大学院環境情報研究院 教授・YNU人工知能研究拠点長(工学博士)
長尾 智晴 先生
日時
2022/12/21(水)10:00〜17:00
会場
※本セミナーはWEB受講のみとなります。
会場案内
受講料 (消費税率10%込)1名:49,500円 同一セミナー同一企業同時複数人数申込みの場合 1名:44,000円
テキスト
受講形式
WEB受講のみ
 ※本セミナーは、Zoomシステムを利用したオンライン配信となります。


受講対象
人工知能や機械学習,深層学習(ディープラーニング)とその活用にご関心がある方,
企業の業務で機械学習を利用したいと考えている方,AIに関する企画や事業をお考えの方など。
AIや機械学習に不慣れな方も歓迎致します。


予備知識
数式は極力使わずに平易に解説するため特に予備知識はなくても大丈夫です。


習得知識
1)人工知能と機械学習の現状と課題
2)深層学習の原理とキーポイント
3)説明可能AI(XAI:eXplainable AI)
4)共進化AI(CAI:Co-evolutional AI)
5)企業の業務へのAIの効果的な導入方法


講師の言葉
 昨今,高性能な機械学習法として深層学習(ディープラーニング)が注目され,企業でも利用される機会が増えてきましたが,深層学習で作られる深層回路は一般に複雑で説明性が著しく低く,製品・サービスや製造現場などで深層学習を利用する際にコンプライアンス上の大きな問題が生じています。このため,深層学習などの機械学習の説明性を高める「説明可能AI(XAI)」が必要とされています。
また,XAIによって機械の考えを人が理解できるようになると,人から機械への知識の供与や人と機械との協力が生じ,人と機械の知能が共に発展する「共進化AI(CAI)」の実現が近づきます。
本セミナーでは,NEDO共進化AIプロジェクトで先端的なXAI・CAIの研究を実施中の講師が,XAIやCAIの研究開発の最新動向と,自身の産学連携活動を基にした企業での効果的なAI導入方法について,AIの初学者の方や専門外の方にも分かり易い解説を行ないます。また,最後の時間帯では,広い話題で質疑応答・議論を行なう「AIよろず相談」も実施します。機械学習の方法論や導入方法などについてご関心がおありの方はどなたでも奮ってご参加下さい。

プログラム

1. 人工知能・機械学習・深層学習
 1.1 人工知能超入門
   ~人工知能とは?・AI世代・AIの最近の課題など~
 1.2 機械学習のキーポイント
   ~機械学習の種類と方法・教師あり/なし学習など~
 1.3 深層学習の原理と長所・短所
   ~人工神経回路網・深層学習・特徴・最近の手法など~

2. 説明可能AI(XAI)と共進化AI(CAI)
 2.1 説明可能AI(XAI)とは?
   ~機械学習の説明性と精度・ブラック/ホワイトボックスなど~
 2.2 XAIの業務での利用例のご紹介
   ~企業でのXAIの必要性と意義・XAIの利用例など~
 2.3 XAIから共進化AI(CAI)へ
   ~人と機械の共進化・NEDO共進化プロジェクトなど~

3. 深層学習等のブラックボックス系機械学習によるXAI
 3.1 学習済みの深層回路の処理の可視化法
   ~Grad-CAM・LIME・GCMなど~
 3.2 次元圧縮によるデータ・特徴量の解析
   ~AE・CAE・VAE・UMAPなど~
 3.3 深層回路の構造単純化・最適化法
   ~Pruning・確率勾配・NASなど~
 3.4 処理過程がわかり易い深層回路
   ~浅いNNの利用・入力変数最適化など~
 3.5 既存知識の利用と転用
   ~転移学習・蒸留・浸透学習など~

4. 決定木等のホワイトボックス系機械学習によるXAI
 4.1 特徴量・前処理・処理プロセスの最適化による精度向上
   ~進化的最適化の利用など~
 4.2 処理過程が説明できる処理の自動構築
   ~進化的画像処理など~
 4.3 決定木などの処理の言葉による説明
   ~決定木・決定ネットワークなど~

5. AIの業務への導入方法
 5.1 AI導入時の注意点
   ~陥りがちな誤解・有効な利用方法など~
 5.2 AI人材の育成方法
   ~有効な方法・AI導入が成功する企業とは?~

6. 質疑応答とAIよろず相談
   ~質疑とフリーディスカッション~

付録A 代表的な機械学習法
付録B 進化計算法の概要
付録C 長尾研・YNU人工知能研究拠点のご紹介


講師紹介
略歴
東京工業大学大学院出身 
東京工業大学工学部助手 助教授を経て2001年より現職。
横浜国立大学発ベンチャー(株)マシンインテリジェンス取締役CTOを兼務中。

所属学会・協会
人工知能学会,情報処理学会,電子情報通信学会,進化計算学会,IEEEなどに所属。
各省庁の各種委員会委員・審査委員などを歴任。