概要

AIの基礎理論を探索・確率・学習・言語の4軸で体系的に習得する

想定読者

AIの仕組みを原理から理解したい学部生・独学者。プログラミング経験はあるが数学的な背景知識が薄い人が最初の一冊として手に取るケース

こんな人には向いていない

• 深層学習のAPI利用に特化した実装速習を求める人——本書は理論的背景に重点を置いており、PyTorchやTensorFlowのコードハンズオンは含まない
• 強化学習や確率的生成モデルをすでに業務で扱っているエンジニア——改訂で追加された章の内容は入門〜中級水準であり、実装上の詳細を補う必要がある
• 数式展開を深く追いたい研究者——イラスト中心の構成上、証明の厳密さよりも直感的理解を優先しており、理論書としての深みは別書に譲る

読了後にできるようになること

• 状態空間探索・ゲーム理論・動的計画法など古典AI手法の設計思想を説明できる
• ベイズ理論と確率的生成モデルの関係を整理し、ナイーブベイズの動作原理を理解できる
• 強化学習とベイズフィルタ(カルマンフィルタ・粒子フィルタ)の枠組みを統一的に把握できる
• CNN・RNNを含む深層学習の位置づけをAI全体のアーキテクチャ史として語れる
• 自然言語処理・記号論理・証明系の基礎概念を一連の流れで理解できる

本書のキー概念(章解説)

• 第 1 章 人工知能をつくり出そう — AI概論の導入。本書全体の地図として最初に通読する
• 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 — 強化学習の基盤となる章。第8章と合わせて読むと理解が深まる
• 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 — 改訂第2版で新設。機械学習の確率的な見方を補強する核心章
• 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 — 改訂第2版で新設。CNN・RNNを含み、深層学習の歴史的位置づけを解説
• 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 — 各章で得た概念を統合する俯瞰章。通読後の整理に有効

ハイライト

• 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(改訂第2版で追加された2章が本書の独自性を高めている点が最も端的に表れている箇所)

編集メモ

入力データにQiita記事・楽天ランキング情報なし。書誌のみで判定。概論テキストとして教育機関での採用実績が説明文から示唆されるが、シグナル数値が取得できないためsupplementaryとする

読む前に押さえておきたいこと

• 高校数学レベルの確率・統計の基礎(条件付き確率、期待値)
• プログラムの制御フロー(ループ・再帰)の読み書き経験

学習のコツ

• 第1章で全体像を把握した後、関心領域に直行できる設計になっている。深層学習を早く知りたい読者は第13章から先読みし、後から第5〜12章で理論的文脈を補う読み方が有効
• 第5章(動的計画法)と第8章(強化学習)はセットで読む。動的計画法の直感を先に持つと強化学習の更新式が腑に落ちやすい
• 第6〜7章(ベイズ理論・確率的生成モデル)は後続の状態推定・教師なし学習の基礎言語になるため、飛ばさずに丁寧に読むことを推奨する
• 各章末の『ホイールダック2号』キャラクターによる要約は、章の核心概念を口語で振り返る設計になっており、通読後の復習に活用できる