日本語 English
| 開講年度/ Academic YearAcademic Year |
20232023 |
| 科目設置学部/ CollegeCollege |
人工知能科学研究科/Graduate School of Artificial Intelligence and ScienceGraduate School of Artificial Intelligence and Science |
| 科目コード等/ Course CodeCourse Code |
VR476/VR476VR476 |
| テーマ・サブタイトル等/ Theme・SubtitleTheme・Subtitle |
|
| 授業形態/ Class FormatClass Format |
オンライン（全回オンライン）/Online (all classes are online)Online (all classes are online) |
| 授業形態（補足事項）/ Class Format (Supplementary Items)Class Format (Supplementary Items) |
|
| 授業形式/ Class StyleCampus |
|
| 校地/ CampusCampus |
他/OtherOther |
| 学期/ SemesterSemester |
秋学期/Fall semesterFall semester |
| 曜日時限・教室/ DayPeriod・RoomDayPeriod・Room |
火6･X209/Tue.6･X209 Tue.6･X209 |
| 単位/ CreditCredit |
22 |
| 科目ナンバリング/ Course NumberCourse Number |
AIR6400 |
| 使用言語/ LanguageLanguage |
日本語/JapaneseJapanese |
| 履修登録方法/ Class Registration MethodClass Registration Method |
科目コード登録/Course Code RegistrationCourse Code Registration |
| 配当年次/ Grade (Year) RequiredGrade (Year) Required |
配当年次は開講学部のR Guideに掲載している科目表で確認してください。配当年次は開講学部のR Guideに掲載している科目表で確認してください。 |
| 先修規定/ prerequisite regulationsprerequisite regulations |
|
| 他学部履修可否/ Acceptance of Other CollegesAcceptance of Other Colleges |
|
| 履修中止可否/ course cancellationcourse cancellation |
|
| オンライン授業60単位制限対象科目/ Online Classes Subject to 60-Credit Upper LimitOnline Classes Subject to 60-Credit Upper Limit |
|
| 学位授与方針との関連/ Relationship with Degree PolicyRelationship with Degree Policy |
|
| 備考/ NotesNotes |
|
| テキスト用コード/ Text CodeText Code |
VR476 |
Artificial intelligence, machine learning and neuroscience have evolved under close influence. This lecture will give you an overview of the basics of neuroscience in order to understand artificial intelligence, as well as a broad overview of recent developments in neuroscience itself.
Following the explosive development of deep learning in recent years, the actual similarity between artificial deep neural network and biological neural circuits has received a great deal of attention among neuroscientists. Various observational means for that purpose have been developed, and it has become possible to observe human mental activity non-invasively. The topics covered in this lecture are as follows: Relationship between biological neural circuits and deep learning, analysis by human psychological activity and machine learning for functional MRI data, quantitative understanding of brain functions that control vision and cognition, primate mental mechanism and artificial intelligence, brain mathematics. Front-line researchers give lectures in omnibus format on a wide range of topics.
※Please refer to Japanese Page for details including evaluations, textbooks and others.
人工知能、機械学習と神経科学は密接な影響関係の元で発展してきました。この講義では、人工知能を理解するための神経科学の基本的な理解を深めるとともに、神経科学自体の最近の進展までを広く概観します。
Artificial intelligence, machine learning and neuroscience have evolved under close influence. This lecture will give you an overview of the basics of neuroscience in order to understand artificial intelligence, as well as a broad overview of recent developments in neuroscience itself.
近年の深層学習の爆発的な発展を受けて、神経科学者の中で深層神経回路と生物の神経回路との実際の類似性が大きな注目を受けている。そのための様々な観測的手段も発達してきており、人間の精神活動も非侵襲的に観察することが可能となってきている。生物の神経回路と深層学習の関係、機能的MRIによる人間の心理活動と機械学習による解析、視覚と認知を司る脳機能の定量的な理解、霊長類の心のメカニズムと人工知能、脳の数理モデルなど、広い話題について第一線の研究者がオムニバス形式で講義を行う。
Following the explosive development of deep learning in recent years, the actual similarity between artificial deep neural network and biological neural circuits has received a great deal of attention among neuroscientists. Various observational means for that purpose have been developed, and it has become possible to observe human mental activity non-invasively. The topics covered in this lecture are as follows: Relationship between biological neural circuits and deep learning, analysis by human psychological activity and machine learning for functional MRI data, quantitative understanding of brain functions that control vision and cognition, primate mental mechanism and artificial intelligence, brain mathematics. Front-line researchers give lectures in omnibus format on a wide range of topics.
| 1 | 視覚情報の表現とシナプス学習則 |
| 2 | 視覚情報の表現とシナプス学習則 |
| 3 | 視覚情報の表現とシナプス学習則 |
| 4 | 機能的MRIによる人間の精神活動の非侵襲的観察：最近の知見と深層学習・機械学習との関わり |
| 5 | 機能的MRIによる人間の精神活動の非侵襲的観察：最近の知見と深層学習・機械学習との関わり |
| 6 | 機能的MRIによる人間の精神活動の非侵襲的観察：最近の知見と深層学習・機械学習との関わり |
| 7 | 強化学習を用いた霊長類の不安障害モデル |
| 8 | 強化学習を実現するシステムとしての大脳皮質－大脳基底核回路 |
| 9 | 自由エネルギー原理・予測符号化の観点から明らかにする大脳皮質の計算原理 |
| 10 | 意識の定義 錯視や症例をとおして |
| 11 | 意識の科学的探求 マカク猿の電気生理実験とマウスのオプトジェネティクス |
| 12 | 人工意識による意識の解明 意識の自然則と人工意識の主観テスト |
| 13 | 視覚と認知を司る脳機能の定量的理解 |
| 14 | 脳の理論モデルの解析 |
板書 /Writing on the Board
スライド（パワーポイント等）の使用 /Slides (PowerPoint, etc.)
上記以外の視聴覚教材の使用 /Audiovisual Materials Other than Those Listed Above
個人発表 /Individual Presentations
グループ発表 /Group Presentations
ディスカッション・ディベート /Discussion/Debate
実技・実習・実験 /Practicum/Experiments/Practical Training
学内の教室外施設の利用 /Use of On-Campus Facilities Outside the Classroom
校外実習・フィールドワーク /Field Work
上記いずれも用いない予定 /None of the above
授業時間外の学習に関する指示は，必要に応じて別途指示する。
| 種類 (Kind) | 割合 (%) | 基準 (Criteria) |
|---|---|---|
| 平常点 (In-class Points) | 100 |
最終レポート(Final Report)(10%) レポート(90%) |
| 備考 (Notes) | ||
なし/None
講義の内容の順番は前後する可能性がある。