Algoritmy umělé inteligence (FSI-VAI-A)

Akademický rok 2021/2022
Garant: prof. Ing. Radomil Matoušek, Ph.D.  
Garantující pracoviště: ÚAI všechny předměty garantované tímto pracovištěm
Jazyk výuky: angličtina
Cíle předmětu:
Cílem kurzu je seznámit studenty se základními 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 algoritmizace, programování a základů matematické logiky a teorie pravděpodobnosti.
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: absolvování průběžných testů a předložení funkčního softwarového projektu, který používá některou z probíraných metod UI. Celkem může student získat 40 bodů za cvičení (20 za testy a 20 za projekt) 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:
    Přednáška  13 × 2 hod. nepovinná                  
    Cvičení s počítačovou podporou  13 × 2 hod. povinná                  
Osnova:
    Přednáška 1. Úvod do umělé inteligence.
2. Stavový prostor, neinformované prohledávání.
3. Informované prohledávání stavového prostoru.
4. Řešení problémů rozkladem na podproblémy, metody prohledávání AND/OR grafu.
5. Metody hraní her.
6. Úlohy se splňováním omezení.
7. Predikátová logika a rezoluční metoda.
8. Hornova logika a logické programování.
9. Netradiční logiky.
10. Reprezentace znalostí.
11. Reprezentace a zpracování neurčitosti.
12. Bayesovské a rozhodovací sítě.
13. Markovské rozhodovací procesy.
    Cvičení s počítačovou podporou 1. Úvodní motivační příklady.
2. Metody neinformovaného prohledávání stavového prostoru.
3. Metody informovaného prohledávání stavového prostoru.
4. Algoritmus A* a jeho modifikace.
5. Metody prohledávání AND/OR grafu.
6. Úlohy se splňováním omezení.
7. Metody hraní her.
8. Predikátová logika a rezoluční metoda.
9. Logické programování a jazyk Prolog.
10. Řešení úloh UI v Prologu.
11. Produkční a expertní systémy.
12. Bayesovské sítě.
13. Obhájení semestrálních prací.
Literatura - základní:
1. Russel, S. and Norvig, P. Artificial Intelligence: A Modern Approach, Global Edition. Pearson Education 2021.
2. Negnevitsky, M. Artificial Intelligence. A Guide to Intelligent Systems. Pearson Education 2011.
3. Bratko, I. Prolog Programming for Artificial Intelligence. Pearson Education Canada 2011.
4. Luger, G.F. Artificial Intelligence. Structures and Strategies for Complex Problem Solving. Addison-Wesley 2008.
Literatura - doporučená:
1. Russel, S., Norvig, P.: Artificial Intelligence. A Modern Approach. Prentice Hall 2010. https://people.engr.tamu.edu/guni/csce421/files/AI_Russell_Norvig.pdf
2. Poole, D.L. and Mackworth, A.K. Artificial Intelligence: Foundations of Computational Agents. Cambridge University Press 2023. https://artint.info/3e/html/ArtInt3e.html
Zařazení předmětu ve studijních programech:
Program Forma Obor Spec. Typ ukončení   Kredity     Povinnost     St.     Roč.     Semestr  
N-MAI-A prezenční studium --- bez specializace -- zá,zk 4 Povinně volitelný 2 1 L