「次世代ＡＩ」「脳科学に基づく人工知能技術」を支える１つとして、「ビッグ・データ」が欠かせません。「自己組織化」で、家庭用パソコンでも「大型のデータ」を「機械学習・ＡＩ」で扱えるようにします。Ｅｘｃｅｌを使って、大型データを自己組織化するための手順を解説。さらに、「機械学習・ＡＩ」への展開を目指します。

■「機械学習・AI」のイメージ ・大型データを「機械学習・AI」で解くために ・「機械学習・AI」の全体的なイメージ ・さらに「次のステップ」を目指したい方へ ■データを「場」として捉える ・「場」とは ・具体的な数理学での「場」（field） ■「自己組織化」の基礎 ・あいまいな状態を測る道具「隠れた次元」 ・「群の破れ」という考え方 ・「ハウスドルフ次元外測度」という考え方 ・ナスカの地上絵をAIで解く ■時間に依存しない「場」のモデルケース ・街道のモデルケース「佇まい」を考える ・峠のモデルケース「あやうい」を考える ■時間に依存する「場の風景」のモデルケース ・商いの風景（商店の売り上げのモデルケース） ・路の風景（人の脳波を使った景観のモデルケース） 「ふうけい」を考える ・「ハイリスク＆ハイリターン」を四分位数で解く ■「自己組織化」のための「多変数の合成理論」 ・「時間依存」と「時間非依存」 ・時間に依存しない状態（Biplotの理論） ・固有値問題（固有値、固有ベクトル、固有値分解、特異値分解） ・時間に依存する状態（Kalman Filterの理論） ・群の臨界点を求める「自己相関関数」