Umetni inteligentni sistemi

Visokošolski učitelji: Dobrišek Simon

Opis predmeta

Pogoji za vključitev v delo oz. za opravljanje študijskih obveznosti:

• Zaključen dodiplomski študij na področju elektrotehnike ali sorodnih tehniških oziroma naravoslovno-matematičnih ved.
• Vpis v študijski program.
• Osnove linearne algebre, več-variabilne analize, optimizacije, statistike, verjetnostne teorije in računalniškega programiranja.

Vsebina:

• Uvod v umetne inteligentne sisteme: umetno zaznavanje, umetna inteligenca, mehko računanje, strojno učenje, avtonomni agenti in ambientalna inteligenca, pametni nadzorni sistemi.
• Inteligentno reševanje problemov: stanja problema in podproblemi, predstavitev problemov z grafi in algoritmi za preiskovanje grafov - izčrpno preiskovanje, hevristično preiskovanje.
• Zgled: samodejno sestavljanje.
• Z znanjem podprti sistemi: osnovne sestavine z znanjem podprtih sistemov, vmesnik človek-stroj, proceduralno in deklarativno znanje, proces sklepanja.
• Predstavitev znanja: predstavitev s produkcijskimi pravili, neizrazita logika, obrazca za prikaz znanja, ki temeljita na Petrijevih omrežjih.
• Sklepanje: metode sklepanje z veriženjem pravil, neizrazito logično sklepanja, verjetnostno sklepanje.
• Zgled: z znanjem podprt sistem strojnega vida.
• Znanje iz eksperimentalnih podatkov: več-variabilna regresije z umetnimi nevronskimi omrežji in stroji podpornih vektorjev.
• Več-agentni sistemi: inteligentni agenti, več-agentni sistemi, agentni komunikacijski jezik
• Zgled: več-agentna FIPA platforma

Cilji in kompetence:

Seznaniti študenta z osnovnimi matematičnimi in računalniškimi pristopi v umetni inteligenci, z zasnovami umetnih inteligentnih sistemov in s primeri izvedb takšnih sistemov.

Predvideni študijski rezultati:

Po zaključku tega predmeta bo študent zmožen izkazati znanje in razumevanje:

• gradnje sistemov, ki temelje na uporabi metod umetne inteligence,
• modeliranja določenih umskih sposobnosti človeka (reševanje splošnih problemov, učenje),
• metod preiskovanja grafov, vključevanja človekovega znanja v umetne inteligentne sisteme in iskanja zakonitosti v podatkih.

Uporaba znanja:

Pridobljeno znanje bo študent lahko uporabil pri gradnji inteligentnih sistemov, ki so podprti z bazami problemsko usmerjenega znanja in mehanizmi sklepanja, z možnostjo zaznavanja prostora in komuniciranja z govorom ter z možnostjo samo-učenja in prilagajanja na nove okoliščine.

Prenosljive spretnosti:

• uporabe literature ter drugih virov s področja umetne inteligence, strojnega učenja in mehkega računanja;
• porabe informacijske tehnologije: uporaba odprtokodnih razvojnih orodij (WEKA, CLIPS, FuzzyCLIPS), okolij za programiranje (Matlab, Netbeans), programskih jezikov (Java, Prolog);
• reševanja problemov: analiza problema, načrtovanje algoritma, implementacija programa in testiranje programa; in
• dela v skupini: organizacija in vodenje skupine, aktivno sodelovanje v skupini.

Metode poučevanja in učenja:

• predavanja,
• laboratorijske vaje in projekti,
• reševanje domačih nalog.

Gradiva

1. S. J. Russell, P. Norvig: Artificial Intelligence: A Modern Approach, Prentice Hall, 2010.
2. Mohri M., Rostamizadeh A., Talwalkar, A. : Foundations of Machine Learning, The MIT Press, 2012.
3. N. Pavešić, Razpoznavanje vzorcev: uvod v analizo in razumevanje vidnih in slušnih signalov, (3. popravljena in dopolnjena izd., 2 zv.), Založba FE in FRI, 2012