イラストで学ぶ　人工知能概論　改訂第2版

第1章 人工知能をつくり出そう
1.1 人工知能とは何か?
1.2 人工知能の歴史
1.3 人工知能を学ぶということ
ブックガイド1

第2章 探索(1)：状態空間と基本的な探索
2.1 状態空間表現
2.2 迷路からの状態空間構成
2.3 基本的な探索
2.4 ホイールダック2 号の迷路探索
コラム1 フレーム問題

第3章 探索(2)：最適経路の探索
3.1 最適経路の探索とヒューリスティックな知識
3.2 最適探索
3.3 最良優先探索
3.4 A*アルゴリズム
3.5 迷路を最適経路で抜けるホイールダック2号
コラム2 チューリングテストと中国語の部屋　

第4章 探索(3)：ゲームの理論
4.1 利得と回避行動
4.2 標準型ゲーム
4.3 展開型ゲーム
4.4 ゲームAIの実践的開発に向けて
コラム3 日常における均衡とメカニズムデザイン

第5章 計画と決定(1)：動的計画法
5.1 多段決定問題
5.2 動的計画法
5.3 ホイールダック2号「宝箱を拾ってゴール」
5.4 例：編集距離の計算
ブックガイド2

第6章 確率モデル(1)：確率とベイズ理論の基礎
6.1 環境の不確実性
6.2 確率の基礎
6.3 ベイズの定理
6.4 期待値と意思決定
6.5 確率分布のパラメータ推定

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
7.1 確率的生成モデルとグラフィカルモデル
7.2 確率システム：マルコフ決定過程
7.3 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

第8章 計画と決定(2)：強化学習
8.1 強化学習とは何か？
8.2 強化学習の理論
8.3 価値関数
8.4 学習方法の例：Q学習
8.5 強化学習の分類とその発展
コラム4 割引率と最適方策の変化

第9章 状態推定(1)：ベイズフィルタ
9.1 状態推定の問題
9.2 ベイズフィルタ
9.3 通路上のホイールダック2号の位置推定（ベイズフィルタ編）
9.4 部分観測マルコフ決定過程と状態推定の展開
コラム5 i.i.d.からPOMDPまで

第10章 状態推定(2)：粒子フィルタ
10.1 ベイズフィルタの問題点
10.2 モンテカルロ近似
10.3 粒子フィルタ
10.4 通路上のホイールダック2号の位置推定（粒子フィルタ編）
10.5 SLAM：自己位置と地図の同時推定
ブックガイド4

第11章 学習と認識(1)：クラスタリングと教師なし学習
11.1 クラスタリング
11.2 k-means法
11.3 混合分布モデルによるアプローチ
11.4 表現学習
コラム6 階層的クラスタリング
コラム7 ノンパラメトリックベイズ

第12章 学習と認識(2)：パターン認識と教師あり学習
12.1 機械学習とは
12.2 機械学習の共通問題
12.3 パターン認識
12.4 教師あり学習の基礎
コラム8 サポートベクトルマシンとカーネル法
ブックガイド5

第13章 学習と認識(3)：ニューラルネットワーク
13.1 ニューラルネットワークとパターン認識
13.2 ニューラルネットワークの基礎
13.3 畳み込みニューラルネットワーク
13.4 リカレントニューラルネットワーク
コラム9 generative adversarial networks
ブックガイド6

第14章 言語と論理(1)：自然言語処理
14.1 自然言語処理
14.2 形態素解析
14.3 構文解析
14.4 意味解析
14.5 単語と文章のベクトル表現
コラム10 tf-idf

第15章 言語と論理(2)：記号論理
15.1 記号論理
15.2 述語論理
15.3 節形式
コラム11 記号接地問題

第16章 言語と論理(3)：証明と質問応答
16.1 導出原理
16.2 述語論理による質問応答
16.3 スフィンクスの謎かけ
コラム12 プロダクションシステム
ブックガイド7

第17章 まとめ：知能を「つくる」ということ
17.1 ホイールダック2号の冒険：総集編
17.2 実世界知能と行動の創発
17.3 言葉の意味理解する発達知能
17.4 人工知能とこれからの未来
ブックガイド8