Umjetna inteligencija za digitalno stvaranje i interakciju

Prikazani su podaci za akademsku godinu: 2024./2025.

Laboratorijske vježbe

Opis predmeta

Široki pregled metoda umjetne inteligencije i primjena. Poznavanje osnova i upotrebe modernih sustava umjetne inteligencije: veliki jezični modeli, generativni modeli slika i 3D oblika, agentski sustavi. Posebna pažnja bit će dana primjenama u računalnoj grafici, virtualnim okruženjima i ostalim digitalnim interaktivnim sustavima.

Preduvjeti

-

Studijski programi

Sveučilišni diplomski
Vještine - dipl.studij_FER3 - 2. semestar (2. semestar)
Vještine - dipl.studij_FER3 - 2. semestar (2. semestar)
Vještine - dipl.studij_FER3 - 2. semestar (2. semestar)

Ishodi učenja

  1. Analizirati široki raspon metoda umjetne inteligencije i primjena
  2. Objasniti osnovna načela velikih jezičnih modela
  3. Objasniti osnovna načela generativnih modela slika i 3D oblika
  4. Objasniti osnovna načela potpomognutog učenja
  5. Razviti aplikacijski prototip korištenjem različitih metoda umjetne inteligencije
  6. Usporediti različite modele umjetne inteligencije u kontekstu ograničenja I izazova koje predstavljaju

Oblici nastave

Predavanja

Teoretska predavanja

Seminari i radionice

projekt izrade aplikacije koja primjenjuje umjetnu inteligenciju

Samostalni zadaci

Pripreme za predavanja

Multimedija i mreža

Preuzimanje sadržaja vezanih uz izvedbu kolegija

Način ocjenjivanja

Kontinuirana nastava Ispitni rok
Vrsta provjere Prag Udio u ocjeni Prag Udio u ocjeni
Seminar/Projekt 0 % 30 % 0 % 30 %
Međuispit: Pismeni 0 % 35 % 0 %
Završni ispit: Pismeni 0 % 35 %
Napomena / komentar

-

Tjedni plan nastave

  1. Uvod i upoznavanje s planom/ciljevima predmeta. Povijest i pregled primjene umjetne inteligencije u igrama, virtualnim okruženjima i inženjerstvu općenito.
  2. Klasične metode umjetne inteligencije.
  3. Osnove strojnog učenja i raspoznavanja uzoraka.
  4. Neuronske mreže i algoritam povratnog širenja.
  5. Uvod u velike jezične modele (Large Language Models -- LLMs) i chatbotove. Prominentni rani primjeri (GPT-1 i 2, BERT) i moderni veliki modeli (LLaMA, GPT-4 itd.). Vrednovanje točnosti i zakoni skaliranja. Instrukcijsko ugađanje.
  6. Učinkovito korištenje velikih jezičnih modela u praksi: strategije dekodiranja, prompt engineering. Skraćivanje, proširivanje, transformacija i analiza teksta. Ubrzavanje i prilagodba za praktične primjene: kvantizacija, podrezivanje i destilacija.
  7. Napredne metode korištenja velikih jezičnih modela: poboljšanja uz primjenu pretraživača teksta (RAG) i upotrebu alata (toolformeri), ugađanje i metoda PEFT, agentski sustavi. Uvod u multimodalne modele.
  8. Međuispit
  9. Generativni modeli slika i 3D oblika.
  10. Nove reprezentacije virtualnih scena: neuralna polja zračenja i Gaussian splatting.
  11. Uvod u programske agente. Programski agenti temeljeni na velikim jezičnim modelima.
  12. Osnove potpomognutog učenja (reinforcement learning).
  13. Osnove potpomognutog učenja -- nastavak.
  14. Ograničenja i izazovi moderne umjetne inteligencije. AI safety. Zaključak.
  15. Završni ispit.

Literatura

Georgios N. Yannakakis, Julian Togelius (2018.), Artificial Intelligence and Games, Springer

Izvedba

ID 269310
  Ljetni semestar
3 ECTS
R0 Engleski jezik
R1 E-učenje
30 Predavanja
5 Seminar
0 Auditorne vježbe
10 Laboratorijske vježbe
0 Konstrukcijske vježbe
0 Vježbe tjelesnog odgoja

Ocjenjivanje

90 izvrstan
75 vrlo dobar
65 dobar
50 dovoljan