Kybernetika a umělá inteligence

Předmět je náhradou za:

Kybernetika a umělá inteligence (X33KUI)

Přednášející:

Cvičící:

Předmět zajišťuje:

katedra kybernetiky

Anotace:

Jedná se o úvodní obecný předmět umožňující studentům pochopit cíle a metody kybernetiky a umělé inteligence a zařadit jednotlivé dílčí partie probírané v bakalářské etapě do hlubšího kontextu studovaného oboru. V přehledu jsou uvedeny základní principy teorie informace, řízení, rozhodování a znalostního inženýrství v rozsahu, který je nezbytným základem pro studium většiny předmětů bakalářského studia.

Nejdůležitějším rysem předmětu je jednotící koncepční přístup k mnoha na první pohled různorodým součástem kybernetiky a umělé inteligence.

Požadavky:

Osnova přednášek:

1. Systémy a modely v kybernetice. Kybernetika, teorie systémů a umělá inteligence

2. Teorie řízení jako součást kybernetiky. Zpětnovazební řízení v kybernetice

3. Základy teorie informace: základní pojmy, signál, kódování, informace

4. Sdružená a podmíněná entropie a její vlastnosti. Střední vzájemná informace

5. Komunikační kanál a jeho kapacita. Kódy a kódování. Princip maxima entropie

6. Rozhodování za neurčitosti a rizika. Statistické a Bayesovské rozhodování

7. Základy teorie her, pravidlo minimaxu

8. Rozpoznávání a vnímání. Příznakové a strukturální klasifikátory. Shluková analýza

9. Cíle umělé inteligence. Reprezentace úloh, stavový prostor a jeho prohledávání

10. Logika z pohledu umělé inteligence. Využití logiky při formalizaci řešení úloh

11. Reprezentace znalostí. Algoritmizace: formální jazyky, automaty, Turingovy stroje

12. Heuristické znalosti. Expertní systémy a řízení. Distribuované znalostní systémy

13. Znalostní inženýrství a získávání znalostí. Adaptivní a učící se algoritmy

14. Aplikace umělé inteligence: robotika, problémy systémové integrace, diagnostika

Osnova cvičení:

1. Úvod, zápis, bezpečnost. Turingův test. Zadání úloh

2. Aktuální problémy kybernetiky I - demonstrace konkrétních aplikací v Gerstnerově lab.

3. Aktuální problémy kybernetiky II - demonstrace konkrétních aplikací v centru strojového vnímání

4. Teorie informace. Jak se měří informace? Signál, kódování, reálné příklady

5. Entropie a její použití. Odhady entropie. Princip maxima entropie

6. Kapacita diskrétního a spojitého kanálu. Souvislost komunikační a termodynamické entropie

7. Jevy podmíněné a nezávislé - příklady. Statistické charakteristiky a jejich použití při rozhodování. Bayesovské rozhodování a podmínky jeho použití

8. Samostatná práce I

9. Samostatná práce II

10. Referáty

11. Matematická logika jako nástroj pro reprezentaci znalostí. Co dokáže Prolog?

12. Softwarové nástroje pro strojové učení, neuronové sítě a genetické algoritmy

13. Expertní systémy, praktické cvičení I

14. Expertní systémy, praktické cvičení I

Cíle studia:

Studijní materiály:

[1] Mařík, V.; Štěpánková, O.; Lažanský, J.: Umělá inteligence I. Academia, Praha, 1997

[2] Kotek, Z.; Vysoký, P.; Zdráhal Z.: Kybernetika. SNTL, Praha, 1990

[3] Rich, E.; Knight, K.: Artificial Intelligence. Mc-Graw Hill, 1991

Poznámka:

Rozsah výuky v kombinované formě studia: 14+4

Typ cvičení: s, c, p

Předmět je nabízen také v anglické verzi.

Další informace:

Pro tento předmět se rozvrh nepřipravuje

Předmět je součástí následujících studijních plánů:

• Kybernetika a měření-bakalářský blok (povinný předmět)
• Kybernetika a měření-bakalářský blok (povinný předmět)