Sztuczna Inteligencja i Systemy Ekspertowe.

Uprzejmie informuję, że w semestrze letnim 2020 roku prowadzę wykład kursowy (kod WDW) "Wstęp do Metod Sztucznej Inteligencji", przez jeden semestr (30 godzin).
Wykłady odbywają się we wtorki, godz. 12:15-13:45, w sali COK-A w budynku Instytutu Fizyki UMK, ul. Grudziądzka 5.
Uwaga: Wiosną 2020 ze względu na pandemię COVID-19 będziemy się spotykać wirtualnie na platformie WebeX we wtorki o 11:30.
Wykładom towarzyszy pracownia komputerowa (24 godziny), prowadzona przez prof. Oleksandar Sokolova i dr Tomasza Piotrowskiego z Katedry Informatyki Stosowanej.
Informacje z USOS są tutaj, a tu jest forum dyskusyjne i link do informacji w Moodle.

Jest to część cyklu 6 wykładów związanych z kognitywistyką.

table
• Część I: Wstęp do kognitywistyki: natura umysłów, obszerny wstęp do zagadnień związanych z naukami poznawczymi, odbywa się w semestrze zimowym 2019/20 roku.
• Część II:Mózg i zachowanie Ogólny wstęp do zagadnień związanych z mózgiem i umysłem, wykład odbywa się w semestr letnim 2020 roku.
• Część III: Przetwarzanie informacji przez mózgi, rozumienie funkcji poznawczych na poziomie cybernetycznym, odbywał się w semestr letnim 2013 roku (chwilowo 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. Orientacyjny plan książek o kognitywistyce nie był od lat aktualizowany. Oprócz notatek zamieszczonych na tej stronie wystawiłem jeszcze do każdego wykładu parę stron z pisanej (a raczej od dawna nie pisanej ...) książki z bardziej szczegółowymi notatkami. Trzeba klikać na nazwy rozdziałów.
Kilikajcie, a znajdziecie (... w większości starocie)!

Egzamin będzie w formie pisemnej, na końcu wielu wykładów są przykładowe pytania.
Egzamin: 2 lipiec 2020, g. 10:00, zdalnie (Moodle). Egzamin poprawkowy zapalanujemy we wrześniu, o godzinie ??:00, w COK lub zdalnie, zależnie od sytuacji.
Wyniki pierwszego terminu (liczba uzyskanych punktów, max=10) wyślę przez pocztę USOS.

Sztuczna inteligencja i symboliczne modele działania umysłów

Notatki są w PowerPoint i będą zmieniane w czasie trwania wykładu.
Liczne odwołania do ciekawych zagadnień dotyczących sztucznej inteligencji AI + Machine Learning oraz AI w NLP oraz architektur kognitywnych są na inteligencji obliczeniowej.
Polecam też nowości o AI/ML na mojej stronie Flipboard.

• 1.1 Definicje AI.
• 1.2 Historia - skąd się to wzięło?
• 1.3 Kluczowe zagadnienia AI.
• 1.4 Status AI jako gałęzi nauki.
• 1.5 Porażki i sukcesy sztucznej inteligencji.

Dowiązania zewnętrzne: Dokąd zmierza inteligencja obliczeniowa? | Polski wortal AI | Kognitywistyka.net | Historia AI |

• 2.1 Inteligentne działanie jako rozważanie różnych możliwości.
• 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.

• 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.

15-tka, applet

• 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.

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

• 5.1 Rodzaje wiedzy - wstęp ogólny i najprostsze reprezentacje. Reprezentacja logiczna, logika pierwszego rzędu.
• 5.2 Logika rozmyta: funkcje przynależności, Logika przybliżona.

14.04.2020; Webex 21.04, podsumowanie wykładów 2-5

• 6.1 Sieci semantyczne: zapis wiedzy i rozumowanie, rozumienie tekstów, sieci i mózgi, semantyczna przestrzeń neuronalna, kreatywność do wymyślania słów.
• 6.2 Systemy produkcyjne, ramy, skrypty, mapy argumentów.
• 6.3 Agenci.

14-28.04.2020

• 7.1 Jak to zrobić?
• 7.2 Tłumaczenie maszynowe, przykłady programów NLP i słowa w sieciach neuronowych..

5-13.05.2020

Dowiązania zewnętrzne: Rozumienie języka naturalnego oraz AI w szukaniu informacji i NLP.
Konkurs Loebnera, 100,000$ dla twórcy programu do konwersacji, który oszuka sędziów; odbywa się co roku!

• 8.1 SE: teoria i wstęp.
• 8.2 Systemy ekspertowe w praktyce.

12-19.05.2020

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 ...

• 9.0 IBM Watson i CyC - podstawy.
• 9.2 CyC - Zastosowania.

25.05.2020

CYCorp

• 10.1. Ogólne uwagi na temat modelowania umysłu, Act-R, systemy oparte na wiedzy
• 10.2 Modele umysłu: SOAR, Cog, i inne.

2-9.06.2020

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

11.  Uczenie maszynowe (machine learning)

Najważniejsze metody uczenia maszynowego: sieci neuronowe, dogłębna analiza informacji w bazach danych (data mining).

16.06.2020

12. Filozoficzne problemy sztucznej inteligencji

16.06.2020, podsumowanie Webex.

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

Podsumowanie debaty: czy komputery mogą myśleć w formie posterów.