“文系”ビジネスパーソンが知っておくべき「ＡＩの本質」はこれだ！深層学習で進化した“３つの力”は「認識」「生成」「制御」。「知能」って何？３＋１の学習バリエーションとは？「最適化」とは「条件×評価基準」。今後１０年間に「ＡＩ」によって何が起きるか。そもそもなぜビジネスに「ＡＩ」が必要か？

まえがき 第１章　「深層学習」で進化した"3つの力" 1-1 機械学習の限界を超えた「深層学習」 1-2 　3つの力 1 「認識」 深層学習の大きな強みは「汎化性能」 深層学習で自動運転が急速に進化 小売店の棚の状態を経時的に追うことが可能に 音声認識との組み合わせでロボット活用ハードルが下がった 1-3 　3つの力 2 「生成」 自分だけのキャラクターを自動で生成 アニメーションの背景生成作業が手描きの6分の1に 化合物を設計する 1-4　 3つの力 3 「制御」 ドローンから化学プラントまで 第２章　機械学習・深層学習の基本 2-1 「知能」とは何か 2-2 機械学習の基本 2-3 3＋1の学習バリエーション 学習1「教師あり学習」 学習2「強化学習」 学習3「教師なし学習」 「自己教師あり学習」 2-4 学習の具体例 2-5 ニューラルネットワークとは何か 第３章　AI技術をどのように活用するか 3-1 「画像認識」 画像認識はAIブームのメインストリーム 深層学習による画像認識は何がすごいのか 画像認識の基本原理と問題設定 実際の開発プロセスと注意点 画像認識より簡単な方法はないか データセットを作成する 3-2 「最適化」 「最適化」とは何か シンプルなホワイトボックス最適化 ソルバーを使った最適化の進め方 複雑なホワイトボックス最適化 ブラックボックス最適化 3-3 「異常検知」 「異常検知」とは何か 「見る異常」と「測る異常」 従来の自動検査では難しい対象も検査可能に センサーを使った異常検知 異常検知の理想と現実 3-4 「創薬」 創薬研究者の悩み AI創薬によるパラダイムシフト 深層学習を用いた生成とは？ 深層学習による分子生成技術 生成した分子を計算で評価 新型コロナウイルス感染症向けの創薬にも 第４章　AIの未来 4-1 今後10年間にAIによって何が起きるか 4-2 【AIの未来（1）】 シミュレーション×AI シミュレーションは"油田"になる 4-3 【AIの未来（2）】 超大規模学習 大規模データ事前学習時代の到来 大規模事前学習モデル＋蒸留 計算力の向上は今後も見込めるのか 最終章　なぜビジネスにAIが必要か 西川 徹 × 岡野原 大輔インタビュー コンピューターは人間の認識や処理性能を拡張する AI技術がプログラミングの概念を拡張 人間が価値観を与え、AIが試行錯誤する 人間は「家族的類似性」を認識できる 深層学習でものづくりの概念が変わる コンピューターの性能が上がると、人間も賢くなる 取れているデータだけで最適化しても局所解にしかならない AIも創造的作業が可能になり、人間と協働する あとがき