Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Sztuczna inteligencja

Informacje ogólne

Kod przedmiotu: 3501-KOG-SI
Kod Erasmus / ISCED: 11.402 Kod klasyfikacyjny przedmiotu składa się z trzech do pięciu cyfr, przy czym trzy pierwsze oznaczają klasyfikację dziedziny wg. Listy kodów dziedzin obowiązującej w programie Socrates/Erasmus, czwarta (dotąd na ogół 0) – ewentualne uszczegółowienie informacji o dyscyplinie, piąta – stopień zaawansowania przedmiotu ustalony na podstawie roku studiów, dla którego przedmiot jest przeznaczony. / (0613) Tworzenie i analiza oprogramowania i aplikacji Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Sztuczna inteligencja
Jednostka: Instytut Filozofii
Grupy:
Punkty ECTS i inne: (brak) Podstawowe informacje o zasadach przyporządkowania punktów ECTS:
  • roczny wymiar godzinowy nakładu pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się dla danego etapu studiów wynosi 1500-1800 h, co odpowiada 60 ECTS;
  • tygodniowy wymiar godzinowy nakładu pracy studenta wynosi 45 h;
  • 1 punkt ECTS odpowiada 25-30 godzinom pracy studenta potrzebnej do osiągnięcia zakładanych efektów uczenia się;
  • tygodniowy nakład pracy studenta konieczny do osiągnięcia zakładanych efektów uczenia się pozwala uzyskać 1,5 ECTS;
  • nakład pracy potrzebny do zaliczenia przedmiotu, któremu przypisano 3 ECTS, stanowi 10% semestralnego obciążenia studenta.

zobacz reguły punktacji
Język prowadzenia: polski
Założenia (opisowo):

Znajomość języka angielskiego, podstawowe umiejętności programowania

Skrócony opis:

Przedmiot ma na celu zaznajomienie studentów z klasycznymi technikami stosowanymi w informatyce do rozwiązywania problemów tradycyjnie rozumianej sztucznej inteligencji. Główne tematy to: inteligentni agenci, wnioskowanie w logice, przeszukiwanie, uczenie maszynowe, planowanie.

Pełny opis:

Podstawowym celem zajęć jest przedstawienie głównych idei, które pojawiły się w badaniach nad sztuczną inteligencją w ciągu ostatnich 50 lat. Idee te przyświecały próbom stworzenia inteligentnego agenta (robota), który zbiera informacje ze środowiska i podejmuje stosowne działania. Przejście od percepcji do działania wymaga reprezentacji wiedzy, rozumowania i wnioskowania (logicznego lub probabilistycznego), planowania i uczenia, a wdrażane było w logice lub sieciach neuronowych. Istotnym elementem zajęć będzie też omówienie założeń metodologicznych klasycznej sztucznej inteligencji i konkurencyjnych rozwiązań w postaci inteligencji ucieleśnionej i umiejscowionej.

Zakres poszczególnych tematów wspólny dla ćwiczeń i wykładu

1. Wprowadzenie: historia dyscypliny i pojęcie inteligentnego agenta.

2. Wnioskowanie w logice: Wnioskowanie wprzód i wstecz. Wnioskowanie przez rezolucję. Poprawność i zupełność procedur wnioskowania. Efektywność wnioskowania.

3. Planowanie.

4. Wiedza niepewna i rozumowanie probabilistyczne: twierdzenie Bayes’a i sieci bayesowskie

5. Uczenie: indukcja, systemy regułowe, sieci neuronowe

6. Problemy metodologiczne tradycyjnej sztuczna inteligencji: problem ramy w ujęciu logicznym i filozoficznym, krytyka Dreyfusa, inteligencja ucieleśniona i umiejscowiona

Literatura:

Literatura podstawowa:

Artificial Intelligence. A Modern Approach. Stuart J. Russell and Peter Norvig Prentice Hall. ISBN: 0-13-790395-2

Efekty uczenia się:

nabyta wiedza

- student zna podstawowe, klasyczne algorytmy stosowane do wnioskowania w sztucznej inteligencji [K_W01, K_W03, K_W04, K_W05, K_W06, K_W09]

- student zna zasady działania systemów planowania [K_W01, K_W03, K_W09]

- student zna zasady reprezentacji i wnioskowania o wiedzy niepewnej [K_W01, K_W03, K_W06, K_W09]

- student zna podstawowe metody uczenia maszynowego [K_W01, K_W03, K_W04, K_W06, K_W09]

- student potrafi wskazać najistotniejsze bariery, na jakie napotykają badania nad zbudowaniem inteligentnego agenta [K_W01, K_W03]

nabyte umiejętności

- student potrafi zapisać proste zdania w postaci stosownej reprezentacji logicznej i przeprowadzić w niej wnioskowanie [K_K01, K_U03, K_U08, K_U09]

- potrafi opisać metodę generowania planu założonego działania i wskazać na bariery tej metody [K_U03, K_U08]

- potrafi odróżnić i ocenić efektywność konkurencyjnych systemów uczenia maszynowego [K_U03, K_U08, K_U09]

- potrafi posługiwać się pojęciami używanymi przez badaczy sztucznej inteligencji [K_U01]

- potrafi wskazać i uzasadnić zalety i wady konkurencyjnych założeń metodologicznych w sztucznej inteligencji [K_U01, K_U08]

nabyte kompetencje społeczne

- student umie uważnie słuchać wypowiedzi innych osób, a także brać udział w dyskusji [K_K02, K_K07, K_K08, K_K09, K_K10, K_K11]

Metody i kryteria oceniania:

wykład: egzamin pisemny (100%)

ćwiczenia: aktywna praca na zajęciach

Liczba dopuszczalnych nieobecności podlegających usprawiedliwieniu: 2

Przedmiot nie jest oferowany w żadnym z aktualnych cykli dydaktycznych.
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.
ul. Banacha 2
02-097 Warszawa
tel: +48 22 55 44 214 https://www.mimuw.edu.pl/
kontakt deklaracja dostępności USOSweb 7.0.3.0-2b06adb1e (2024-03-27)