Algoritmy umělé inteligence (FSI-VAI-K)

Akademický rok 2018/2019
Garant: prof. Ing. Radomil Matoušek, Ph.D.  
Garantující pracoviště: ÚAI všechny předměty garantované tímto pracovištěm
Jazyk výuky: čeština
Cíle předmětu:
Cílem kurzu je seznámit studenty se základním prostředky umělé inteligence, s možnostmi a přiměřeností jejich použití při řešení inženýrských úloh.
Výstupy studia a kompetence:
Pochopení základních metod umělé inteligence a schopnost jejich implementace.
Prerekvizity:
Předpokládá se znalost základních souvislostí z teorie grafů a objektově orientovaných technologií.
Obsah předmětu (anotace):
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.
Metody vyučování:
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. 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).
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.
Typ (způsob) výuky:
    Konzultace  1 × 17 hod. nepovinná                  
    Řízené samostudium  1 × 35 hod. povinná                  
Osnova:
    Konzultace 1. Úvod, oblasti UI.
2. Neinformované prohledávání stavového prostoru.
3. Informované metody prohledávání.
4. Reprezentace znalostí pravidly, produkční systémy.
5. Evoluční metody prohledávání.
6. Řešení problémů rozkladem na podproblémy, metody prohledávání AND/OR grafu.
7. Metody hraní her.
8. Reprezentace znalostí formulemi predikátové logiky, rezoluční metoda.
9. Hornova logika a Prolog. Netradiční logiky.
10. Reprezentace znalostí sémantickými sítěmi, rámci, scénáři a objekty.
11. Strojové učení.
12. Inteligentní a reaktivní agenti.
13. Multiagentní systémy.
    Řízené samostudium 1. Neinformované metody prohledávání stavového prostoru – teoretický rozbor.
2. Neinformované metody prohledávání stavového prostoru – objektový návrh implementace řešení.
3. Informované metody prohledávání stavového prostoru - gradientní algoritmus, Dijkstrův algoritmus, algoritmus uspořádaného prohledávání, teoretický rozbor.
4. A-star algoritmus – teoretický rozbor, objektový návrh implementace řešení.
5. Řešení problémů pomocí genetických algoritmů.
6. Rozklad problému na podproblémy, AND/OR graf.
7. Objektový návrh a implementace AND/OR grafu.
8. Hraní her, minimax, alfa-beta prořezávání.
9. Formule predikátové logiky, rezoluční metoda.
10. Řešení problémů umělé inteligence pomocí Prologu.
11. Zápočtový test.
12. Řešení vybraného praktického problému pomocí UI.
13. Obhájení semestrálních prací.
Literatura - základní:
1. Kim W.Tracy, Peter Bouthoorn: Object-oriented Artificial Intelligence Using C++
2. Edward A. Bender: Mathematical Methods in Artificial Intelligence
Literatura - doporučená:
1. F.Zbořil a kol.: Umělá inteligence (skriptum VUT)
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
M2I-K kombinované studium M-AIŘ Aplikovaná informatika a řízení P pro absolventy B-AIŘ zá,zk 5 Povinný 2 1 L
M2I-K kombinované studium M-AIŘ Aplikovaná informatika a řízení -- zá,zk 5 Povinný 2 1 L