Sztuczna Inteligencja i Systemy Ekspertowe.

Uprzejmie informuję, że w semestrze letnim 2021 roku prowadzę wykład kursowy (kod WDW) "Wstęp do Metod Sztucznej Inteligencji", przez jeden semestr (30 godzin).
Wykłady odbywają się w czwartki, godz. 8:30-10:00, na platformie Webex.
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.

• Część I: Wstęp do kognitywistyki: natura umysłów, obszerny wstęp do zagadnień związanych z naukami poznawczymi, odbywa się w semestrze zimowym 2020/21 roku.
• Część II:Mózg i zachowanie Ogólny wstęp do zagadnień związanych z mózgiem i umysłem, wykład odbywa się w semestr letnim 2021 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.

Egzamin będzie w formie pisemnej, na końcu wielu wykładów są przykładowe ogólne pytania, na egzaminie będą bardziej szczegółowe.
Egzamin: 24.06.2021, g. 8:30, zdalnie.
W tym pliku są numery pytań.
Lista pytań jest tutaj w formacie: nr indeksu i 10 numerów pytań. Każda odpowiedź będzie oceniana w skali 0-10 punktów, jest więc maksymalnie 100 punktów.
Pytania z numerami należy skopiować do swojego edytora, napisać odpowiedzi i wysłać mailem do mnie. Macie na to godzinę.

Wyniki z pierwszego terminu egzaminu 2021 są tutaj.

Egzamin poprawkowy odbędzie się w tradycyjnej formie 9/9/2021, g. 15:00, w sali 26. To duża sala więc można się w niej rozprzestrzenić. Ponieważ nie widziałem Was ani razu przed wejściem proszę pokazać dowód osobisty. .

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

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 | 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.
• 4.4 Podstawy rachunku prawdopodobieństwa, tw. Bayesa, klasyfikacja.

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.

29.05.2021; Webex 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.

6.05.2021

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

13.05.2021

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.

20.05.2021

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.

27.05.2021

CYCorp

• 10.1. Modele działania umysłu, architektury kognitywne, systemy oparte na wiedzy, Act-R, SOAR, Cog, i inne.

17.06.2021

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).

10.06.2021

12. Filozoficzne problemy sztucznej inteligencji

24.06.2021, egzamin.

• 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.