あたらしい脳科学と人工知能の教科書
翔泳社
著者：我妻幸長
はじめに
本書のAppendix 1のサンプルの動作環境とサンプルプログラムについて
Preface イントロダクション
0.1 本書の対象
0.2 本書の構成
0.3 本書の読み方
Chapter 1 脳科学と人工知能の概要
1.1 脳の概要
1.1.1 脳とは？
1.1.2 脳の驚異
1.1.3 脳の構造
1.2 脳科学の歴史
1.2.1 古代エジプト
1.2.2 古代ギリシア、ローマ
1.2.3 ルネッサンス、近世
1.2.4 19～20世紀
1.2.5 21世紀～
1.3 人工知能の概要
1.3.1 人工知能（AI）とは？
1.3.2 汎用人口知能と特化型人工知能
1.3.3 強いAIと弱いAI
1.3.4 人工知能の用途
1.3.5 人工知能の分類
1.3.6 ディープラーニングの躍進
1.3.7 自然言語処理
1.4 人工知能の歴史
1.4.1 第1次AIブーム：1950年代～1960年代
1.4.2 第2次AIブーム：1980年代～1990年代半ば
1.4.3 第3次AIブーム：2000年代～
1.4.4 人工知能の未来
1.5 Chapter 1のまとめ
1.6 小テスト：脳科学と人工知能の概要
1.6.1 演習
Chapter 2 脳の構造
2.1 概要：脳の構造
2.2 神経細胞とグリア細胞
2.2.1 神経細胞とグリア細胞の概要
2.2.2 神経細胞
2.2.3 グリア細胞の種類
2.3 脳の進化
2.3.1 原生動物
2.3.2 海綿動物
2.3.3 刺胞動物
2.3.4 棘皮動物
2.3.5 原索動物
2.3.6 脊椎動物
2.4 大脳皮質―脳葉と機能局在―
2.4.1 脳葉
2.4.2 大脳皮質
2.4.3 機能局在
2.5 大脳皮質―層構造―
2.5.1 大脳における灰白質と白質
2.5.2 大脳皮質の層構造
2.5.3 大脳皮質のコラム構造
2.6 大脳辺縁系
2.6.1 大脳辺縁系とは？
2.6.2 海馬
2.6.3 扁桃体
2.6.4 側坐核
2.6.5 帯状回、海馬傍回、視床下部
2.7 大脳基底核
2.7.1 大脳基底核とは？
2.7.2 線条体と淡蒼球
2.7.3 黒質と視床下核
2.8 小脳
2.8.1 小脳の形状
2.8.2 小脳の機能と特徴
2.9 間脳と脳幹
2.9.1 間脳とは？
2.9.2 脳幹とは？
2.10 Chapter 2のまとめ
2.11 小テスト：脳の構造
2.11.1 演習
Chapter 3 脳における演算と記憶
3.1 概要：脳における演算と記憶
3.2 神経細胞における演算
3.2.1 神経細胞のおける情報の流れ
3.2.2 神経細胞で行われる処理
3.3 シナプスと神経伝達物質
3.3.1 シナプスの仕組み
3.3.2 神経伝達物質
3.3.3 トライパータイトシナプス
3.3.4 動物の神経細胞とシナプスの数
3.4 神経細胞の種類
3.4.1 形態的分類
3.4.2 興奮性と抑制性
3.4.3 投射と介在
3.5 記憶のメカニズム
3.5.1 短期記憶と長期記憶
3.5.2 陳述記憶と非陳述記憶
3.5.3 小脳と記憶
3.5.4 ヘブ則と長期増強
3.6 Chapter 3のまとめ
3.7 小テスト：脳における演算と記憶
3.7.1 演習
Chapter 4 脳と人工知能
4.1 概要：脳と人工知能
4.2 人工ニューロン、人工ニューラルネットワーク
4.2.1 人口ニューロン
4.2.2 人口ニューラルネットワーク
4.2.3 バックプロパゲーションによる学習
4.2.4 ディープラーニング
4.2.5 再帰型ニューラルネットワーク（RNN）
4.2.6 ディープラーニングと脳の比較
4.3 畳み込みニューラルネットワークと視覚
4.3.1 視覚の経路
4.3.2 畳み込みニューラルネットワーク（CNN）とは？
4.3.3 畳み込み層
4.3.4 プーリング層
4.3.5 CNNと視覚野の比較
4.4 強化学習
4.4.1 強化学習とは？
4.4.2 Cart Pole問題
4.4.3 Cart Pole問題における報酬
4.4.4 Cart Pole問題のデモ
4.4.5 強化学習と大脳辺緑系、大脳基底核の比較
4.5 教師なし学習と大脳皮質
4.5.1 大脳皮質における処理の特徴
4.5.2 教師なし学習とは？
4.5.3 オートエンコーダ
4.5.4 生成モデル
4.5.5 主成分分析
4.5.6 ボルツマンマシン
4.6 過学習と汎化能力
4.6.1 知能と汎用性
4.6.2 過学習と汎化能力
4.6.3 汎化能力が高い例
4.6.4 汎化能力が低い例
4.6.5 過学習対策
4.7 Chapter 4のまとめ
4.8 小テスト：脳と人工知能
4.8.1 演習
Chapter 5「意識」の謎を探る
5.1 概要：「意識」の謎を探る
5.2 意識とは？
5.2.1 「意識」とは？
5.2.2 意識と脳の損傷
5.2.3 人工意識
5.2.4 意義の起源
5.3 意識はどこにあるのか？
5.3.1 大脳皮質の損傷と意識
5.3.2 盲視と意義
5.3.3 分離脳
5.3.4 意識はどこにあるのか？
5.4 複雑ネットワーク
5.4.1 複雑系とは？
5.4.2 複雑ネットワーク
5.4.3 スケールフリー性
5.4.4 スモールワールド性
5.4.5 クラスター性
5.4.6 線虫のコネクトーム
5.5 意識を扱う理論
5.5.1 意識の統合情報理論
5.5.2 グローバル・ニューロナル・ワークスペース理論
5.5.3 意識のハード・プロブレム
5.5.4 意識の創発
5.6 Chapter 5のまとめ
5.7 小テスト：「意識」の謎を探る
5.7.1 演習
Chapter 6 アルゴリズムによる「意識」の探究
6.1 概要:アルゴリズムによる「意識」の探究
6.2 脳を再現する試み
6.2.1 Blue Brain
6.2.2 ヒューマン・ブレイン・プロジェクト
6.2.3 ブレイン・イニシアティブ
6.2.4 Izhikevichによる大脳皮質のシミュレーション
6.2.5 全脳アーキテクチャ・イニシアティブ
6.2.6 スーパーコンピュータ「京」によるシミュレーション
6.3 セル・オートマトン
6.3.1 セル・オートマトンとは？
6.3.2 ライフゲーム
6.4 トーラス上のニューラルネットワーク
6.4.1 トーラス上へのニューロンの配置
6.4.2 使用するニューロン
6.4.3 投射ニューロンと介在ニューロン
6.4.4 興奮性ニューロンと抑制性ニューロン
6.4.5 実行結果
6.5 「恒常性」の導入
6.5.1 ネットワークの恒常性
6.5.2 実行結果
6.6 「馴化」の導入
6.6.1 ニューロンの馴化
6.6.2 実行結果
6.7 投射と介在／興奮と抑制
6.7.1 投射ニューロンがネットワークに与える影響
6.7.2 抑制性ニューロンがネットワークに与える影響
6.8 ヘブ則の導入
6.8.1 ネットワークにヘブ則を導入
6.8.2 実行結果
6.9 ネットワークに「意識」は宿るのか？
6.10 Chapter 6のまとめ
Chapter 7 脳科学と人工知能の未来
7.1 汎用人工知能は実現するのか？
アプローチ1 コンピュータ上における脳の再現
アプローチ2 生物をモデルにしない独自の人工知能
アプローチ3 進化論的なアプローチ
アプローチ4 ニューロモーフィックコンピュータ
クラークの三法則
7.2 AIと倫理
7.3 脳とAIの共存
7.4 最終テスト
7.4.1 演習
Appendix 1 シミュレーションの実行方法
AP1.1 シミュレーションを実行する
AP1.1.2 Gooleアカウントの用意
AP1.1.3 実行可能なシミュレーション
Appendix 2 さらに学びたい方のために
AP2.1 推薦書籍
AP2.2 著書
AP2.3 Udemyコース
AP2.4 YouTubeチャンネル
参考文献
おわりに
索引
著者プロフィール