説明可能AI(XAI)・共進化AI(CAI)の開発動向と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）】

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。