この数年、人工知能におけるニューラルネットワーク（コネクショニズム）アプローチが驚異的なリバイバルを遂げています。深層学習（ディープラーニング）と呼ばれる今日のニューラルネットは、計算機の性能向上や利用可能な高品質のデータが増えたことに後押しされて発展してきましたが、その本質は必ずしもそこにはありません。実際には理論的考察に基づいた、アルゴリズム上の数多くの新しいアイデアが、深層学習の成功を可能にしています。
  このセミナーの前半では深層学習の現状をざっと紹介した後、ニューラルネットの基礎と機械学習のコンセプト、そして深層学習固有の理論的アイデアを解説します（大学1年程度の線形代数と微分法のさわりの部分と、確率の簡単な知識以外は仮定しません。）。後半では、幾つかの簡単な実験結果をお見せしながら、深層学習のさまざまな拡張や応用を紹介します。また、深層学習の理論的理解を得ようとこの数年様々に試みられている研究も紹介します。時間が許せば、基礎科学に適用できるセットアップも紹介できればと思います。