Detail předmětu

Algoritmy umělé inteligence

FSI-VAIAk. rok: 2011/2012

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

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

Metody vyučování závisejí na způsobu výuky a jsou popsány článkem 7 Studijního a zkušebního řádu VUT.

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 dvou testů a splnění všech samostatných úkolů, které jsou průběžně zadávány. Celkem může student získat 40 bodů za cvičení a 60 bodů za zkoušku, celkem tedy max. 100 bodů. Hodnocení probíhá dle ECTS, tj. student musí získat alespoň polovinu bodů (20+30) pro úspěšné absolvování.

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)

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-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

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

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. Průběžný test.
6. Řešení problémově orientovaného projektu.
7. Rozklad problému na podproblémy, AND-OR graf, objektový návrh a implementace pomocí .NET.
8. Hraní her, minimax, alfa-beta prořezávání.
9. Řešení problémů umělé inteligence pomocí Prologu.
10. Řešení problémů pomocí genetických algoritmů.
11. Průběžný test.
12. Řešení vybraného praktického problému pomocí UI.
13. Obhájení semestrálních prací.