Preskoči na glavni sadržaj

Uvod u umjetnu inteligenciju

ISVU: 251798•5 ECTS•Ljetni semestar

Osnovne informacije

Organizacijska jedinica
Centar za kognitivnu znanost
Satnica
  • Predavanja: 45 sati
  • Laboratorijske vježbe: 15 sati

Nastavnici

Cilj

Postoje mnogi kognitivni zadatci koji su jednostavni za ljude, ali izuzetno teški za računala. Umjetna inteligencija (UI) razvija sustave koji rješavaju takve vrste problema. Tradicionalan pristup umjetnoj inteligenciji temeljen je na ideji o simboličkoj reprezentaciji znanja i zaključivanju kao manipulaciji simbolima. Alternativni pristupi temelje se na oponašanju modela koje nalazimo u prirodi. Cilj kolegija jest upoznati studente s različitim pristupima te dati pregled metoda za rješavanja problema umjetne inteligencije, uključivo metoda za prikaz znanja, zaključivanje, rješavanje problema pretraživanjem, automatsko zaključivanje, učenje i optimizaciju.

Sadržaj

  1. UI problemi i primjene. Definicije umjetne inteligencije i Turingov test. Agenti i okoline.
  2. Problem pretraživanja prostora stanja. Slijepo pretraživanje (u širinu, u dubinu, u dubinu s iterativnim produbljivanjem).
  3. Heuristike i usmjereno pretraživanje (usponom na vrh, općenito najbolji-prvi). Pretraživanje Minimax i alfa-beta podrezivanje. Zadovoljavanje ograničenja (postupak vraćanja i metode lokalne pretrage). Pretraživanje A*. Usnopljeno pretraživanje.
  4. Logika kao način predstavljanja znanja (ontološko i epistemološko opredjeljenje). Formalizacija rečenica prirodnoga jezika u predikatnoj logici. Rezolucijsko pravilo u propozicijskoj logici. Rezolucijsko pravilo u predikatnoj logici.
  5. Ekspertni sustavi zasnovani na logici. Redukcija ili svođenje na logičko programiranje.
  6. Opisne logike i ontologije. Semantičke mreže. Nemonotono zaključivanje. Prostorno-vremensko zaključivanje.
  7. Zaključivanje na temelju primjera. Učenje na temelju primjera i modela. Planiranje. Ekspertni sustavi zasnovani na pravilima.
  8. Međuispit.
  9. Faktori izvjesnosti. Neizraziti skupovi i neizrazita logika. Neizrazito zaključivanje (neizrazite propozicije, neizrazite relacije i neizrazite implikacije). Sustavi neizrazitog zaključivanja. Neizrazito kodiranje i dekodiranje.
  10. Probabilistički pristupi (Bayesove mreže, Markovljeve mreže). Bayesovsko zaključivanje.
  11. Zadatci i primjene strojnog učenja. Pristupi i paradigme strojnog učenja. Naivan Bayesov klasifikator. Stabla odluke (ID3, C4.5).
  12. Okolina, nagrada i vrijednosna funkcija. Markovljevi procesi odlučivanja. Postupci aproksimativnoga dinamičkog programiranja (Q-učenje).
  13. Perceptron (paradigme učenja, hebbovsko učenje, natjecateljsko učenje, Boltzmannovo učenje). Višeslojan perceptron (propagiranje pogreške unazad, problem dodjele nagrade, propagiranje pogreške unazad kroz vrijeme).
  14. Filozofska pitanja.
  15. Završni ispit.

Ishodi učenja

  1. Definirati osnovne pojmove umjetne inteligencije.
  2. Razlikovati simboličke i konektivističke pristupe umjetnoj inteligenciji.
  3. Ocijeniti primjenjivost pojedinih pristupa umjetne inteligencije (npr. logika, pravila, strojno učenje) na zadanom problemu.
  4. Predložiti sustav računalnog rasuđivanja temeljen na izrazitoj logici (npr. propozicijska, predikatna, opisna).
  5. Predložiti sustav računalnog rasuđivanja temeljen na neizrazitoj logici.
  6. Predložiti sustav računalnog rasuđivanja temeljen na pravilima.
  7. Recommend a computer reasoning system based on probabilistic reasoning.
  8. Recommend a suitable state search method for various types of optimization problems.
  9. Recommend a suitable machine learning approach and method for a given problem.
  10. Explain the philosophical aspects of artificial intelligence.

Metode podučavanja

Predavanja, Laboratorij

Metode ocjenjivanja

Pohađanje nastave, Kolokvij, Pismeni ispit

Obavezna literatura

  1. Stuart J. Russell, Peter Norvig, Artificial Intelligence: A Modern Approach, Prentice-Hall, 2020.
  2. Elaine Rich, Kevin Night: Artificial Intelligence, McGraw-Hill, 1990.
  3. Rolf Pfeifer, Christian Scheier: Understanding Intelligence, MIT Press, 1999.

Dopunska literatura

  1. Editors of Scientific American, Understanding Artificial Intelligence, Grand Central Publishing, 2002.
  2. Blay Whitby: Artificial Intelligence, Oneworld Publications, 2003.
  3. George F. Luger: Artificial Intelligence: Structures and Strategies for Complex Problem Solving. Addison-Wesley, 2008.