感性工學由廣島大學工學部的長町三生教授於1970年代初期開始發展。自那時起，感性工學結合了心理學測量法和多變量分析，並在1980年代中期引入了AI技術。在AI的應用中，有兩種主要方式：一種是通過多變量分析結果將大量數據以圖形形式呈現，並運用於設計與實務工作中，這是所謂的專家系統；另一種是突破多變量分析的局限，運用統計學習理論，特別是機械學習中的統計數理方法，來解決少樣本數、強相關等問題，並使形狀等統計量得到處理。隨著2020年代生成AI的興起，語義層面的文本分析和基於分析結果生成樣本圖像進而加速設計過程已成為可能。本課題專注於AI技術運用在感性工學手法的實踐。
【習得知識】
學習如何應用AI技術，如專家系統與統計學習理論在感性工學數據中的應用，並瞭解生成AI在語句意義解析、圖像生成等方面的應用。
一、感性工學的測量分析基礎手法概覽
1.1 SD法與尺度理論，統計分布
1.2 主成分分析（提取多維感性結構）
1.3 群集分析（形成代表性樣本群組，發現共通要素）
1.4 回歸分析（估算設計要素與感性之間的關係）
二、古典AI的應用：感性工學專家系統與設計過程的變革
2.1 專家系統的概念
2.2 感性工學專家系統的實例
2.3 如何構建簡單的感性工學專家系統
2.4 感性工學專家系統對設計過程的影響
三、統計學習理論的應用
3.1 少樣本問題的解決：部分最小二乘回歸（PLS回歸分析）
3.2 使用自組織神經網絡穩定化階層化群集分析：arboART
3.3 將形狀視為統計量：如何處理洗練的形狀。例如「曲線半徑為何？」，以及形態計量學在感性工學中的應用
3.4 當解釋變數高度相關時的解決方案：使用隨機森林進行回歸樹分析
四、生成AI的分析應用
4.1 深入語義層面的文本分析：BERT與LLM模型進行語義解析
4.2 基於感性工學分析結果，生成AI自動生成設計變化的方法
（目前正準備使其能在Google Colaboratory中進行實驗）
三建可為企業規劃專屬內訓課程，含客製化大綱、講師派遣與教材配套。