Principy inteligentních systémů (FSI-SIS)

Cílem předmětu je seznámit se s různými přístupy k AI, získat přehled o současném stavu poznání, jaké jsou její hlavní oblasti a jak se vyvíjí. Studenti se naučí hlubší porozumění AI. Naučí se, jak navrhovat a implementovat AI systémy pro řešení konkrétních problémů. Seznámí se s matematickými modely a dozví se, jak je lze použít k pochopení AI systémů.

Pro tento kurz se předpokládá, že studenti mají základy jakéhokoli objektově-orientovaného programovacího jazyka a základy angličtiny.

Umělá inteligence (AI) je v posledních desetiletích jednou z nejrychleji se rozvíjejících oblastí informatiky a stává se nutností orientovat se v základních znalostech a dovednostech používání. V tomto předmětu chceme jít dál a ukázat, jak v některých případech ovládnout mysl stroje i z pohledu pochopení matematických definicí. Předmět Umělá inteligence poskytuje studentům základní a pokročilé znalosti v oblasti AI. Studenti se seznámí s různými přístupy k AI, včetně strojového učení, zpracování přirozeného jazyka a počítačového rozpoznávání. Naučí se, jak navrhovat a implementovat AI systémy včetně popisu matematických modelů z vybraných oblastí.

Hodnocení předmětu sestává z bodů za semestrální projekt (70 %) a z bodů za samostatné úlohy během semestru (30 %). Podmínkou udělení zápočtu je získání minimálně 50 % bodů ze semestrálního projektu. Za aktivní přínos ve výuce lze získat zvláštní ohodnocení.
Účast na přednáškách je žádoucí, účast ve cvičeních je povinná. Způsob náhrady zameškané výuky je plně v kompetenci cvičícího.

1. Úvod do umělé inteligence


2. Historie a aktuální stav poznání


3. Oblasti umělé inteligence


4. Strojové učení


5. Neuronové sítě


6. Principy kauzálního odvozování


7. Transformery


8. Zpracování přirozeného jazyka a velké jazykové modely


9. Metody pro vylepšení LLM


10. Chatboti


11. Komerční nástroje a jejich využití v praxi


12. Úskalí použití umělé inteligence


13. Rezerva přednášejícího

Počítačová cvičení jsou zaměřena na praktické zvládnutí látky probrané v tématech na přednáškách. Důraz je kladen na schopnost samostatné práce, tj. na řešení úloh s využitím AI a využívání interaktivních nástrojů pro AI.

1. Python a knihovny pro využití nástrojů umělé inteligence

2. - 10. Seznámení s interaktivními aplikacemi AI, řešení úloh s jejich využitím

11. Tvorba vlastního chatbota

12. - 13. Práce na semestrálním projektu, konzultace

MOHRI, M., ROSTAMIZADEH, A., TALWALKAR, A. Foundations of machine learning. Cambridge: MIT Press, 2012. ISBN 9780262018258.

DA SILVA, I. N. Artificial Neural Networks. Cham: Springer Nature, 2016. ISBN 9783319431628. Dostupné online z: https://doi.org/10.1007/978-3-319-43162-8.

LIU, A. C. C. a LAW, O. M. K. Artificial intelligence hardware design: challenges and solutions. Hoboken: Wiley, 2021. ISBN 978-1-119-81045-2.

TUNSTALL, L., WERRA, L., WOLF, T. a GÉRON, A. Natural language processing with transformers: building language applications with Hugging Face. Revised edition. Beijing: O'Reilly, 2022. ISBN 9781098136796.

ROTHMAN, D. a GULLI, A. Transformers for natural language processing: build, train, and fine-tune deep neural network architectures for NLP with Python, PyTorch, TensorFlow, BERT, and GPT-3. Second edition. Birmingham: Packt, 2022. ISBN 978-1-80324-733-5.

SCHÖLKOPF, B., JANZING, D. a PETERS, J. Elements of Causal Inference: Foundations and Learning Algorithms. 1. Cambridge: The MIT Press, 2017. ISBN 0262037319. Dostupné online.

KUBLIK, S. a SABOO, S. GPT-3: building innovative NLP products using large language models. Sebastopol: O´Reilly, 2022. ISBN 978-1-098-11362-9.

PECINOVSKÝ, Rudolf. Začínáme programovat v jazyku Python. 2. přepracované a rozšířené vydání. Praha: Grada Publishing, 2022. ISBN 978-80-271-3609-4.