イラストで学ぶ　人工知能概論

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　人工知能の基本問題
　1.4　ホイールダック2号の冒険

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

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

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

第5章　多段決定(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

第6章　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　確率システム

第7章　多段決定(2)：強化学習
　7.1　強化学習とは何か？
　7.2　マルコフ決定過程
　7.3　割引累積報酬
　7.4　価値関数
　7.5　学習方法の例：Q学習

第8章　位置推定(1)：ベイズフィルタ
　8.1　位置推定の問題
　8.2　部分観測マルコフ決定過程
　8.3　ベイズフィルタ
　8.4　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）

第9章　位置推定(2)：粒子フィルタ
　9.1　ベイズフィルタの問題点
　9.2　モンテカルロ近似
　9.3　粒子フィルタ
　9.4　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）

第10章　学習と認識(1)：クラスタリング
　10.1　クラスタリング
　10.2　K-means法
　10.3　混合ガウス分布
　10.4　階層的クラスタリング
　10.5　低次元化

第11章　学習と認識(2)：パターン認識
　11.1　機械学習の基礎
　11.2　パターン認識
　11.3　回帰問題
　11.4　分類問題

第12章　言語と論理(1)：自然言語処理
　12.1　自然言語処理
　12.2　形態素解析
　12.3　構文解析
　12.4　Bag-of-Words表現

第13章　言語と論理(2)：記号論理
　13.1　記号論理
　13.2　述語論理
　13.3　節形式

第14章　言語と論理(3)：証明と質問応答
　14.1　導出原理
　14.2　述語論理による質問応答
　14.3　スフィンクスの謎かけ

第15章　まとめ：知能を「つくる」ということ
　15.1　ホイールダック2号の冒険：総集編
　15.2　身体の知
　15.3　記号の知
　15.4　人工知能と未来

付録　ニューラルネットワークの学習則の導出　
章末問題の解答
ブックガイド