Sztuczna Inteligencja [0800-SZIN]

Uprzejmie informuję, że w semestrze letnim 2025 roku prowadzę przez jeden semestr (30 godzin +24 godz laboratoria) wykład kursowy "Sztuczna Inteligencja". Wykłady odbywają się w czwartki, godz. 14:00-16:00, w sali B.2.30 (s.20), Instytutu Fizyki UMK.
Z powodu licznych konferencji związanych z AI w czerwcu 2025 kilka końcowych wykładów zrobimy wi nnym terminie lub zdalnie na moim Webexie. Proszę śledzić emaile wysyłane przez USOS. Jeśli są osoby, które nie są wpisane do USOS proszę mi podesłać informację. Zajęcia mają aż 6 punktów ECTS. W tym roku musimy radykalnie przeorganizować nasze zajęcia. Wstępne informacje o symbolicznym podejściu do AI (GOFAI) zostaną skrócone, spróbujemy znacznie więcej omawiać ostatnich doniesień. Zbieram nowości na moim Filpboard w kilku kategoriach, niektóre będę omawiał na wykładzie.

Wykładom towarzyszy pracownia komputerowa (24 godziny), prowadzona przez prof. Oleksandar Sokolova i prof. Tomasza Piotrowskiego z Katedry Informatyki Stosowanej.
Informacje z USOS są tutaj. Jeśli będzie taka potrzeba możemy też założyć forum dyskusyjne w Moodle.

Egzamin będzie w formie pisemnej, na końcu wielu wykładów są przykładowe ogólne pytania, na egzaminie będą bardziej szczegółowe. Bez szczegółowego przestudiowania notatek nie ma szans, by ten egzamin zdać. Przekonują się o tym co roku kolejni studenci.
Ponieważ egzamin będzie pisemny (mieszanie ustnych i pisemnych egzaminów nie pozwala na ich standaryzację), nie ma możliwości zdawania w innym terminie, ani przekładania, ani też zdawania po raz trzeci czy czwarty, aż do skutku. Przygotowanie i przeprowadzenie egzaminu zajmuje mi czas, a mam go bardzo mało. Nie będzie więc żadnych dodatkowych terminów! Nie będzie więc żadnych dodatkowych terminów!
Jeśli ktoś nie może zdawać w pierwszym terminie, pozostaje egzamin poprawkowy.

Termin egzaminu: ??.6.2025, g. 15:00, w sali COK-A.
Wyniki z pierwszego terminu egzaminu w poprzednim roku nie były dobre ... niestety część osób nie brała udziału w zajęciach i liczyła na to, że szybko coś skopiuje w Internetu. W efekcie systemy produkcyjne w AI pomyliły im się z produkcją z podręcznika ekonomii.

Egzamin poprawkowy odbędzie się ??.09.2025 o godz. 15:00 w Sali COK A .

Wyniki: (%punktów,ocena) = (90-100;5), (80-90;4+), (70-80;4), (60-70,3+), (50-60;3), (< 50;2).

Sztuczna inteligencja - szkic całości

Slajdy z 2024 roku.

Symboliczna sztuczna inteligencja

1. Wprowadzenie do zaganień AI | 2. Rozwiązywanie problemów | 3. Hurystyki, ludzkie myślenie | 4. Reprezentacja wiedzy i wnioskowanie | 5. Systemy wspomagające decyzje |

Sieci neuronowe

6. Niesymboliczne dane w systemach AI 7. Język naturalny | 8. Uczenie maszynowe (machine learning) | 9. Uczenie nienadozorowane | 10. Ucznenie strategii | 11. Uczenie głębokie | 12. Transformery i generatywna AI | 13. A HREF="#Tools">Narzędzia sztucznej inteligencji | 14. HCI, interakcja człowiek-maszyna | 15. Globalne wyzwania i AI.

Notatki są w PDF i w 2024 roku będą zmieniane w czasie trwania wykładu. Sytuacja zupełnie się zmieniła, w czasie semestru będę dodawał kolejne wykłady.

Portale i nowości: Rządowy portal SI | Sztuczna Inteligencja - nowości (OPI) | Raporty State of AI | Historia AI | Dokąd zmierza inteligencja obliczeniowa? |
Polecam też nowości o AI/ML na mojej stronie Flipboard.
Liczne linki do ciekawych zagadnień dotyczących sztucznej inteligencji są tu: AI + Machine Learning oraz AI w NLP oraz architektury kognitywne i inteligencja obliczeniowa (głównie uczenie maszynowe).

• 1.1 Definicje AI.
• 1.2 Historia - skąd się to wzięło?
• 1.3 Status AI jako gałęzi nauki.
• 1.4 Kluczowe odkrycia (milestones), porażki i sukcesy.
• 1.5 Organizacje i literatura AI.

• 2.1 Rozwiązywanie problemów, skojarzenia i rozumowanie.
• 2.2 Reprezentacja problemu w przestrzeni stanów i reprezentacja redukcyjna.
• 2.3 Wiedza heurystyczna.
• 2.4 Przykłady: przesuwanki, gry planszowe, zagadki logiczne, optymalizacja.

Aplety demonstrujące szukanie, planowanie itd | Smart Moves: Intelligent Path Finding (Bryan Stout, Game Developer Magazine), oraz wersja interaktywna na github..

Nagranie, 3.03.2022.

• 3.1 Szukanie na ślepo, w głąb, ograniczona głębokość, iteracyjne pogłębianie IDDF, szukanie wszerz, dwukierunkowe BDS.
• 3.2 Szukanie heurystyczne I, podstawowe metody. Ocena procesów szukania, funkcja heurystyczna, szukanie zachłanne, UCS, programowanie dynamiczne, szukanie A*, IDA*.
• 3.3 Szukanie heurystyczne II, metody globalne i z ograniczeniami. Branch and Bound, algorytm Dijkstry, algorytmy minimalizacyjne, Monte Carlo, symulowane wyżarzanie, algorytmy genetyczne.

przesuwanka 15-tka
PathFinding visualization

• 4. Rozwiązywanie problemów: algorytmy przeszukiwania i optymalizacji. Reprezentacja problemu w przestrzeni stanów; reprezentacja redukcyjna; metody szukania; szukanie heurystyczne, przykłady programów opartych na szukaniu; szukanie a ludzkie myślenie.
• 4.1 Przykłady klasyczne: Teoretyk logiki. GPS, General Problem Solver, Geometra.
• 4.2 Gry z oponentem, podstawowe metody: strategia min-maxu, funkcje oceny heurystycznej, obcinanie alfa-beta, gry niedeterministyczne.
• 4.3 Szukanie, gry i ludzkie myślenie, warcaby, szachy, myślenie: warcaby, inne gry, szachy, Go, pamięć i porcjowanie w szachach, złudzenia poznawcze, paradoksy myślenia, podstawy rachunku prawdopodobieństwa, tw. Bayesa, paradoks Monty Hall i inne.
• 4.4 Podstawy rachunku prawdopodobieństwa, tw. Bayesa, klasyfikacja.

Linki zewnętrzne: DARPA Urban Challenge, 3.11.2007 | Szachy z ciekawą wizualizacją

• 5. Reprezentacja wiedzy i wnioskowanie: rodzaje wiedzy; reprezentacja symboliczna, logika predykatów, logika rozmyta i przybliżona; systemy regułowe; reprezentacja proceduralna.
• 5.1 Rodzaje wiedzy - wstęp ogólny i najprostsze reprezentacje. Reprezentacja logiczna, logika pierwszego rzędu.
• 5.2 Logika rozmyta: funkcje przynależności, Logika przybliżona.

Podsumowanie wykładów 2-5

• 6. Sieci semantyczne i grafy wiedzy; ramki i skrypty, agenci programowi, programy oparte na szukani i ich ograniczenia, zastosowania w grach, od szachów po StarCraft.
• 6.1 Sieci semantyczne: zapis wiedzy i rozumowanie, rozumienie tekstów, sieci i mózgi, semantyczna przestrzeń neuronalna, wymyślanie słów i kreatywność. Sieci rozchodzących się aktywacji, LLMy i sieci semantyczne.
• 6.2 Systemy produkcyjne, ramy, skrypty, mapy argumentów.
• 6.3 Agenci GOFAI.

  Nagrane komentarze do slajdów: 6.1 Sieci semantyczne oraz komentarze do slajdów 6.2 i 6.3 .

25.04.2024

• 6. Systemy wspomagające podejmowanie decyzji: akwizycja wiedzy; od zrobotyzowanej automatyzacji procesów po systemy kognitywne, konstrukcja systemów doradczych; przykłady zastosowań, wielkie systemy symboliczne, CYC, SOAR i Watson.
• 7.1 SE: teoria i wstęp.
• Dane w systemach AI: akwizycja, oczyszczanie, niepewność, rozkłady probabilistyczne, tw. Bayesa, rozpoznawanie wzorców i miary poprawności, reprezentacje wektorowe – Word2Vec, Glove, mechanizm uwagi.
• 7.2 Systemy ekspertowe w praktyce.
• 7.3 Superekspert IBM Watson.

8.05.2024. Potraktujemy duże systemy ekspertowe tylko pobieżnie, chociaż nadal próbują utrzymać swoje znaczenie są trudno dostępne.
Nagranie wykładu: 7.1 i 7.2 oraz 7.3 i 7.4

Systemy Sztucznej Inteligencji rutynowo stosowane w praktyce medycznej, archiwum opencclinical.org.
Dowody twierdzeń wykonane za pomoca komputera: 4 barwy, geometria rzutowa, hipoteza Robbinsa - po 60 latach prób matematyków udowodnił ją program komputerowy EQP!
Gregory Chaitin twierdzi, że matematyka powinna być quasi-empiryczna, czyli tylko nieco mniej empiryczna niż fizyka ...
Mind reader, czyli jasnowidzący komputer ...
CYCorp

• 8. Modele GOFAI działania umysłu: architektury kognitywne, teoria Newella-Simona, systemy oparte na wiedzy, Act-R, SOAR, Cog i inne.

Zunifikowane teorie poznania. Architektura poznawcza człowieka;
Projekty SOAR, Cog

• 9.1 Jak to zrobić za pomocą GOFAI?
• 9.2 Tłumaczenie maszynowe i przykłady starszych programów NLP i słowa w sieciach neuronowych..
• Promptologia.

25.05.2024

Dowiązania zewnętrzne: Rozumienie języka naturalnego oraz AI w szukaniu informacji i NLP.
Konkurs Loebnera, 100,000$ dla twórcy programu do konwersacji, który oszuka sędziów; odbywał się do 2019 roku! Teraz GPT-3.5 i nowsze systemy zdają ten test bez kłopotów.

• 10.1 Najważniejsze metody uczenia maszynowego: sieci neuronowe, dogłębna analiza informacji w bazach danych (data mining).
• 10.2 Uczenie maszynowe - zastosowania.
• 10.3 Transformery, uwaga i algorytm GPT.

1. Rozumienie języka naturalnego, podejście symboliczne i reprezentacje subsymboliczne, brak jednoznaczności, semantyka i rola kontekstu, klasyfikacja wypowiedzi, tłumaczenie maszynowe, koneksjonizm.
2. Uczenie maszynowe: rodzaje, uczenie nadzorowane, drzewa decyzji, regresja, SVM, oceny podobieństwa, klasyfikacja i regresja z użyciem sieci neuronowych, pamięci skojarzeniowe, model Hopfielda i maszyny Boltzmanna.
3. Uczenie nienadzorowane: klasteryzacja, --średnich, hierarchiczna, eksploracja danych i wizualizacja, PCA, ICA, MDS, UMAP, t-SNE, manifolds.
4. Uczenie ze wzmocnieniem, procesy Markova, HMM, strategie i zastosowania w grach, robotyce, rozumowaniu.
5. Uczenie głębokie, architektura sieci konwolucyjnych, zastosowania do analizy obrazu.

• Wielkie modele językowe i multimodalne
• Promptologia.
• Transformery, duże modele językowe i mulitmodalne, modele działania (Large Behavioral Models), generatywna sztuczna inteligencja, GANy i inne modele.
• Narzędzia: HugginFace i inne repozytoria, projekty na GitHub, małe lokalne modele SLM.
• Interakcja człowiek-maszyna, modele umysłu, zunifikowane teorie poznania i autonomiczne LMMy, interpretowalność.
• Globalne wyzwania, najważniejsze systemy, odkrycia dzięki AI, automatyzacja kreatywności, wpływ na społeczeństwo i gospodarkę.
• Przykłady zastosowań.
• Najnowsze modele i ich możliwości.

13.06.2024

26.06.2024, egzamin g. 15:00

Nie zdążymy zająć się BCI i filozoficznymi problemami AI.

BCI, Brain-Computer Interfaces

Polecam swoje slajdy na tej stronie.

• Szkic teorii umysłu (2001, ale nadal aktualny), i Neurokognitywne teorie świadomości (z Wstępu do Kognitywistyki).
• Referaty: Filozofia umysłu a sztuczna inteligencja, kognitywizm, przyszłość sztucznej inteligencji.

Podsumowanie debaty: czy komputery mogą myśleć w formie posterów.

Początkowo wykłady z AI były częścią cyklu 6 wykładów związanych z kognitywistyką.

• Część I: Wstęp do kognitywistyki: natura umysłów, obszerny wstęp do zagadnień związanych z naukami poznawczymi, odbywa się w semestrze zimowym 2022/23 roku.
• Część II:Mózg i zachowanie Ogólny wstęp do zagadnień związanych z mózgiem i umysłem, wykład odbywa się w semestr letnim 2024 roku.
• Część III: Przetwarzanie informacji przez mózgi, rozumienie funkcji poznawczych na poziomie cybernetycznym. Ten wykład odbywał się w semestr letnim 2013 roku, ale teraz nie jest prowadzony.
• Część IV: Sztuczna inteligencja i systemy ekspertowe, uwzględniający również symboliczne modele działania umysłów, odbywa się w semestr letnim 2017 roku.

  Dwa poniższe wykłady wymagają pewnego przygotowania matematycznego.

• Część V: Sieci neuronowe, wykład ma charakter nieco bardziej matematyczny (kod wykładu: WDX) i dotyczy formalnych modeli sieci neuronowych, odbywa się w semestr letnim 2017 roku.
• Część VI: Neuropsychologia komputerowa, dotyczy komputerowych modeli pozwalających na zrozumienie zjawisk neuropsychologicznych (chwilowo nie prowadzony).

Wszystkich wykładów można wysłuchać w miarę niezależnie.