Sztuczna inteligencja
Informacje ogólne
Kod przedmiotu: | 3501-KOG-SI |
Kod Erasmus / ISCED: |
11.402
|
Nazwa przedmiotu: | Sztuczna inteligencja |
Jednostka: | Instytut Filozofii |
Grupy: | |
Punkty ECTS i inne: |
(brak)
|
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 |
Właścicielem praw autorskich jest Uniwersytet Warszawski.