Umjetna inteligencija

Opis predmeta

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.

Opće kompetencije

Studenti će imati pregled metoda i tehnika umjetne inteligencije kao i različitih pristupa tom području. Razumjet će prednosti i mane različitih pristupa te prepoznati probleme u kojima bi bilo adekvatno primijeniti pojedine metode umjetne inteligencije. Studenti će steći praktično iskustvo u razvoju programskih rješenja za različite probleme umjetne inteligencije, uključivo pretraživanje prostora stanja, igranje igara, automatsko zaključivanje, logičko programiranje, neuronske mreže i biološki inspirirana optimizacija.

Ishodi učenja

  1. definirati osnovne pojmove umjetne inteligencije
  2. razlikovati simboličke i konektivističke pristupe umjetnoj inteligenciji
  3. primijeniti algoritme pretraživanja prostora stanja i algoritme biološki inspirirane optimizacije na jednostavnije probleme
  4. primijeniti logičko programiranje za rješavanje jednostavnijih logičkih problema
  5. primijeniti postupke automatskog zaključivanja na jednostavnije logičke probleme
  6. usporediti različite pristupe prikazivanju nejasnog znanja
  7. ocijeniti primjenjivost pojedinih pristupa umjetne inteligencije na danom problemu
  8. rezimirati filozofske aspekte umjetne inteligencije

Oblici nastave

Predavanja

Predavanja se odvijaju kroz 13 tjedana po 3 školska sata. Predavanja su podijeljena u dva perioda. Nakon prvog perioda održava se međuispit, a nakon drugog završni ispit.

Provjere znanja

Međuspit i završni ispit; kratke provjere znanja nekoliko puta kroz semestar.

Laboratorijske vježbe

Četiri laboratorijska zadatka koje studenti rješavaju samostalno te demonstriraju nastavniku odnosno asistentu.

Konzultacije

Tjedne konzultacije.

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Napomena / komentar Udio u ocjeni
Laboratorijske vježbe 25 % 25 % 25 % 25 %
Kratke provjere znanja 0 % 5 % 0 % 0 %
Međuispit: Pismeni 0 % 35 % 0 %
Završni ispit: Pismeni 0 % 35 %
Ispit: Pismeni 50 % 37.5 %
Ispit: Usmeni 37.5 %
Napomena / komentar

Ispit na ispitnom roku provodi se u pismenom i usmenom obliku koji zajedno nose 75% bodova. Studenti na pismenom ispitu moraju zadovoljiti prag od 50% da bi mogli pristupiti usmenom ispitu.

Tjedni plan nastave

  1. Pregled područja umjetne inteligencije. Povijesni razvoj. Smjerovi razvoja i najnoviji trendovi. Odnosi s drugim područjima. Pojam inteligencije i Turingov test.
  2. Rješavanje problema pretraživanjem prostora stanja. Tehnike slijepog pretraživanja.
  3. Tehnike usmjerenog pretraživanja. Algoritam A*. Problem zadovoljavanja uvjeta. Igranje igara. Algoritam minimaks.
  4. Znanje i zaključivanje. Logika prvog reda. Dokazivanje teorema. Unifikacija. Rezolucijsko pravilo.
  5. Logičko programiranje. Prolog.
  6. Semantičke mreže, okviri i pravila. Ontologije. Ekspertni sustavi.
  7. Obrada prirodnog jezika.
  8. Međuispit.
  9. Nepouzdano znanje i zaključivanje. Modeli temeljeni na teoriji vjerojatnosti. Bayesova shema. Neizrazita logika i neizrazito zaključivanje.
  10. Uvod u strojno učenje. Naivan Bayesov klasifikator. Stabla odluke.
  11. Pojačano učenje.
  12. Konektivistički pristup umjetnoj inteligenciji. Neuronske mreže. Algoritam perceptrona. Algoritam propagacije pogreške unazad.
  13. Računalna inteligencija. Genetski algoritam. Algoritam kolonije mrava.
  14. Filozofski temelji UI. Sažetak.
  15. Završni ispit.

Studijski programi

Sveučilišni preddiplomski
Programsko inženjerstvo i informacijski sustavi (modul)
Izborni predmeti (6. semestar)
Računarska znanost (modul)
(6. semestar)

Literatura

Stuart Russell and Peter Norvig (2009.), Artificial Intelligence: A Modern Approach, Prentice Hall, London
Rolf Pfeifer and Christian Scheier (2001.), Understanding Intelligence, The MIT Press

Predavanja

Laboratorijske vježbe