目次

イントロダクション

1　[知識編] 人工知能とは
1.1　そもそも人工知能をつくる目的は？
　「面倒くさい」が技術を進歩させる / ビジネスも「効率化」するのではなく「楽」をする
1.2　その人工知能「どの」人工知能？
　強い人工知能と弱い人工知能 / 「弱さ」にも種類がある
1.3　知能を得るには知識が必要
　思考が早い人工知能 ―第１次ブーム / 何を思考すればいい？ / 博識な人工知能 第２次ブーム / あいまいな知識は人間だけのもの / 知識だけで知能はできない
1.4　人間が頑張るから機械が学習するへ
　学習とは、パターンに分けること / パターンに分けるとは、知識を身につけること / 学習する人工知能 ―第３次ブーム


2　[実用編] 機械学習：問題を整理し解決する
2.1　問題を整理する
　課題のパターンを整理する / 課題設定を整理する
2.2　問題へのアプローチ
　人間も機械も、知らないものは知らない / アプローチのときは、三角関係を意識する
2.3　学習を評価する
　評価のために未知をつくりだす / 評価の落とし穴に注意 / 数値が悪くても「いい」場合がある / 評価のインパクトは％になる
2.4　推薦問題を考える


3　[発展編] 深層学習というブレイクスルー
3.1　深層学習は「どこが」すごいのか？
　特徴を捉えないと予測はできない / 脳みそをモデル化する / テクノロジーの進化は単独では成し得ない
3.2　深層学習は「どこで」すごいのか？


4　[実践編]ビジネスでＡＩを展開する
4.1　中を育てるのか 外に頼むのか
　データサイエンティストなのか 機械学習エンジニアなのか / ブーム最大の貢献は環境が整ったこと
4.2　機械学習に必要なものを知る
　（再び）ブーム最大の貢献は環境が整ったこと
4.3　機械学習なのか 統計なのか

エピローグ

著者プロフィール

• 巣籠悠輔（著者）

  （すごもり・ゆうすけ）
  電通・Google NY支社勤務を経て、株式会社情報医療のCTOとして創業に参画。医療分野での人工知能活用を目指す。2018年に Forbes 30 Under 30 Asia 2018 に選出。著書に『詳解 ディープラーニング』（マイナビ出版刊）等がある。