Detail předmětu

Algoritmy umělé inteligence

FSI-VAIAk. rok: 2013/2014

Kurz seznamuje se základními přístupy k algoritmům umělé inteligence a klasickými metodami používanými v této oblasti. Důraz je kladen na automatické dokazování formulí, reprezentaci znalostí a řešení úloh. Použitelnost metod je demonstrována na řešení jednoduchých inženýrských problémů.

Jazyk výuky

čeština

Počet kreditů

5

Garant předmětu

prof. RNDr. Ing. Tomáš Březina, CSc.

Zajišťuje ústav

Ústav automatizace a informatiky (ÚAI)

Výsledky učení předmětu

Pochopení základních metod umělé inteligence a schopnost jejich implementace.

Prerekvizity

Předpokládá se znalost základních souvislostí z teorie grafů a objektově orientovaných
technologií.

Plánované vzdělávací činnosti a výukové metody

Předmět je vyučován formou přednášek, které mají charakter výkladu základních principů a teorie dané disciplíny. Cvičení je zaměřeno na praktické zvládnutí látky probrané na přednáškách.

Způsob a kritéria hodnocení

Požadavky pro udělení zápočtu: předložení funkčního softwarového projektu, který používá některou z probíraných implementací metod UI. Konkrétní specifikace probíhá na prvním cvičení. Kontrola postupu realizace projektu a konzultace jsou prováděny průběžně. Dále absolvování jednoho testu a splnění všech samostatných úkolů, které jsou průběžně zadávány. Celkem může student získat 40 bodů za cvičení (20 za projekt a 20 za test) a 60 bodů za zkoušku, celkem tedy max. 100 bodů. Hodnocení probíhá dle ECTS, tj. pro úspěšné absolvování musí student v každé části získat alespoň polovinu bodů (20 a 30).

Učební cíle

Cílem kurzu je seznámit studenty se základním prostředky umělé inteligence, s možnostmi a přiměřeností jejich použití při řešení inženýrských úloh.

Vymezení kontrolované výuky a způsob jejího provádění a formy nahrazování zameškané výuky

Účast na přednáškách je žádoucí, na cvičeních povinná. Výuka běží podle týdenních plánů. Způsob nahrazení zameškaných cvičení je plně v kompetenci vyučujícího.

Základní literatura

Russel, S. and Norvig, P. Artificial Intelligence: A Modern Approach, Global Edition. Pearson Education 2021. (EN)
Negnevitsky, M. Artificial Intelligence. A Guide to Intelligent Systems. Pearson Education 2011. (EN)
Bratko, I. Prolog Programming for Artificial Intelligence. Pearson Education Canada 2011. (EN)
Luger, G.F. Artificial Intelligence. Structures and Strategies for Complex Problem Solving. Addison-Wesley 2008. (EN)

Doporučená literatura

Mařík, V. a kol. Umělá inteligence 1 - 6. Praha, Academia. (CS)

Zařazení předmětu ve studijních plánech

  • Program M2A-P magisterský navazující

    obor M-MAI , 1. ročník, letní semestr, povinně volitelný
    obor M-MET , 1. ročník, letní semestr, povinný

  • Program M2I-P magisterský navazující

    obor M-AIŘ , 1. ročník, letní semestr, povinný
    obor M-AIŘ , 1. ročník, letní semestr, povinný

Typ (způsob) výuky

 

Přednáška

26 hod., nepovinná

Vyučující / Lektor

RNDr. Jiří Dvořák, CSc.

Osnova

1. Úvod, oblasti UI.
2. Řešení úloh: prohledávání stavového prostoru.
3. Řešení úloh: rozklad na podproblémy, metody hraní her.
4. Formální logické systémy, výroková logika, predikátová logika.
5. Zobecněná rezoluční metoda.
6. Predikátová logika a Prolog. Netradiční logiky.
7. Reprezentace znalostí formulemi predikátové logiky a pravidly.
8. Reprezentace znalostí sémantickými sítěmi, rámci a scénáři. Deklarativní a procedurální reprezentace.
9. Strojové učení.
10. Evoluční výpočetní techniky.
11. Inteligentní a reaktivní agenti.
12. Multiagentní systémy.
13. Další oblasti UI. Současný stav, perspektivy.

Cvičení s počítačovou podporou

26 hod., povinná

Vyučující / Lektor

Ing. Vítězslav Popovský

Osnova

1. Slepé metody prohledávání stavového prostoru – teoretický rozbor.
2. Slepé metody prohledávání stavového prostoru – objektový návrh implementace řešení pomocí .NET.
3. Informované metody prohledávání stavového prostoru - gradientní a., Dijkstrův a., a. uspořádaného prohledávání, teoretický rozbor.
4. A-star algoritmus – teoretický rozbor + objektový návrh řešení konkrétního vybraného problému.
5. Řešení problémově orientovaného projektu.
6. Rozklad problému na podproblémy, AND-OR graf.
7. Objektový návrh a implementace AND-OR grafu pomocí .NET.
8. Hraní her, minimax, alfa-beta prořezávání.
9. Řešení problémů umělé inteligence pomocí Prologu.
10. Průběžný test.
11. Řešení problémů pomocí genetických algoritmů.
12. Řešení vybraného praktického problému pomocí UI.
13. Obhájení semestrálních prací.