Uniwersytet Warszawski - Centralny System Uwierzytelniania
Strona główna

Zaawansowane metody sztucznej inteligencji

Informacje ogólne

Kod przedmiotu: 1000-2M12ZMI
Kod Erasmus / ISCED: 11.3 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. / (0612) Database and network design and administration Kod ISCED - Międzynarodowa Standardowa Klasyfikacja Kształcenia (International Standard Classification of Education) została opracowana przez UNESCO.
Nazwa przedmiotu: Zaawansowane metody sztucznej inteligencji
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty obieralne dla informatyki
Przedmioty obieralne na studiach drugiego stopnia na kierunku bioinformatyka
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: angielski
Rodzaj przedmiotu:

monograficzne

Skrócony opis:

W ostatnich latach spektakularnym sukcesem sztucznej inteligencji było zwycięstwo, stworzonego przez IBM, komputera Watson, w amerykańskim teleturnieju Jeopardy. Pokonanie ludzi w zadaniach wymagających wszechstronnej analizy tekstów o nieograniczonym zakresie tematycznym, a sformułowanych w języku naturalny, było możliwe dzięki synergii wyspecjalizowanych algorytmów i technik sztucznej inteligencji. Na wykładzie pokażemy, jak synteza tych (potencjalnie niezależnie rozwijanych) współczesnych metod pozwoliła na przeprowadzenie wnioskowania prowadzącego do zwycięstwa w prestiżowym teleturnieju.

Na laboratorium zajmiemy się tworzeniem aplikacji stosujących wybrane techniki sztucznej inteligencji przy użyciu systemu ABLE: Agent Building and Learning Environment. Ten stworzony przez IBM system oferuje bogaty zestaw algorytmów sztucznej inteligencji, przeznaczonych do realizacji rozmaitych typów wnioskowania i planowania.

Pełny opis:

W ostatnich latach jednym ze spektakularnych sukcesów sztucznej inteligencji było zwycięstwo komputera Watson w amerykańskim teleturnieju Jeopardy. Ten, stworzony przez IBM, system pokonał dwóch wcześniejszych mistrzów (ludzi) w zadaniach wymagających wszechstronnej analizy tekstów o nieograniczonym zakresie tematycznym, a sformułowanych w języku naturalnym. W trakcie teleturnieju Watson miał dostęp do 200 milionów stron i całej Wikipedii, ale nie był podłączony do Internetu. Tak znakomity wynik jest rezultatem synergii bardzo różnorodnych i wysoko wyspecjalizowanych algorytmów, technik sztucznej inteligencji i złożonych metod wnioskowania. Na wykładzie pokażemy, jak synteza tych (potencjalnie niezależnie rozwijanych) współczesnych metod pozwoliła na przeprowadzenie wnioskowania prowadzącego do zwycięstwa w prestiżowym teleturnieju. W tym celu przedstawimy takie zaawansowane techniki sztucznej inteligencji jak:

- Systemy regułowe

- Sieci Rete

- Systemy rozmyte

- Metody planowania

- Autonomiczne przetwarzanie zdarzeń.

Istotnym wymogiem współczesnych systemów autonomicznych jest uzyskanie realistycznego modelu środowiska. Na wykładzie pokażemy też nowe podejście do tego zagadnienia, uwzględniające zarówno niepełną, jak i sprzeczną informację.

Na laboratorium zajmiemy się tworzeniem aplikacji stosujących wybrane techniki sztucznej inteligencji przy użyciu systemu ABLE: Agent Building and Learning Environment. Stworzony przez IBM ABLE jest otwartym środowiskiem wykorzystującym metody stosowane przez wiodące firmy komputerowe w tworzeniu komercyjnych systemów agentowych. Oferuje on bogaty zestaw algorytmów sztucznej inteligencji, przeznaczonych do realizacji rozmaitych typów wnioskowania i planowania. Zbudowany na bazie Javy, zawiera bibliotekę komponentów oraz zestaw narzędzi do budowania inteligentnych agentów za pomocą elementów uczenia maszynowego i wnioskowania.

Literatura:

Celem wykładu jest przekazanie unikalnej wiedzy dotyczącej zagadnień, o których nie można przeczytać w podręcznikach sztucznej inteligencji. Dlatego wykorzystywane są wszelkie dostępne źródła wiedzy, w tym blog naukowy wyjaśniający nietrywialne działanie sławnego algorytmu RETE, którego pierwsze wersje powstały w latach siedemdziesiątych zeszłego stulecia, czy seria artykułów rozszyfrowujących działanie systemu Watson. Materiały te są udostępniane w trakcie wykładu.

Efekty uczenia się:

Wiedza

1. Ma podstawową wiedzę na temat architektury i możliwości współczesnych

środowisk do tworzenia systemów wieloagentowych, przedstawionych na

przykładzie platformy ABLE: Agent Building and Learning Environment,

stworzonej przez IBM.

2. Ma wiedzę na temat funkcjonalności poszczególnych modułów systemu ABLE,

odpowiedzialnych, między innymi, za: tworzenie i zarządzanie agentami,

tworzenie reguł modelujacych ich zachowanie, eksplorację danych oraz

uczenie. Moduły te wykorzystują najnowsze techniki sztucznej inteligencji.

3. Ma wiedzę na temat konfiguracji systemu wieloagentowego adekwatnej dla rozważanej dziedziny problemu, uwzględniającej proaktywność versus reaktywność agentów, typ i ilość agentów, wybór właściwych algorytmów.

Umiejętności

1. Potrafi zbudować funkcjonalny, inteligentny system z udostępnionych funkcjonalności/modułów: agentów, algorytmów, reguł.

2. Potrafi zaprojektować i zrealizować nowy komponent realizujacy dane zadanie systemu, na przykład nowy algorytm czy nowy system regułowy.

3. Potrafi odpowiednio do zadanego celu skonfigurować inteligentny system wieloagentowy.

Kompetencje

1. Zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego

kształcenia, w tym zdobywania doładniejszej i bieżącej wiedzy dziedzinowej

(K_K01).

2. Potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego

zrozumienia danego tematu (K_K02).

Metody i kryteria oceniania:

Kryteria oceniania:

Podstawą zaliczenia ćwiczeń jest udział w prezentacji jednego z tematów wykładu, na podstawie dostarczonych materiałów.

Zaliczenie laboratorium oraz ocena z przedmiotu na podstawie zrealizowanego w systemie ABLE studium przypadku.

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)