Umělá inteligence

6. Umělá inteligence

Garantující pracoviště: Katedra teoretické informatiky a matematické logiky
Oborový garant: Prof. RNDr. Roman Barták, Ph.D.

Zaměření:

– inteligentní agenti

– strojové učení

– robotika

Absolvent oboru Umělá inteligence dokáže aplikovat a dále rozvíjet různé techniky návrhu inteligentních systémů, jako je automatické řešení úloh, řízení autonomních agentů (jak virtuálních, tak fyzických), plánování, strojové učení a dolování dat. Je schopen analyzovat a formálně popsat komplexní rozhodovací problém, navrhnout vhodnou řešící techniku a tuto techniku také implementovat.

Povinné předměty

Povinně volitelné předměty

Je požadováno splnění povinně volitelných předmětů z následujícího seznamu v rozsahu alespoň 60 kreditů:

Doporučené volitelné předměty

Státní závěrečná zkouška

Ke dvěma povinným okruhům společným pro všechny obory si student vybere tři okruhy podle zvoleného zaměření. Minimálně dva okruhy musí být ze zvoleného zaměření (zaměření Inteligentní agenti má jeden z těchto okruhů povinný), třetí okruh je možné zvolit z jiného zaměření oboru. Celkem tedy každý student dostane pět otázek.

Zaměření: Inteligentní agenti

Zkušební okruhy

1. Reprezentace znalostí (povinný okruh pro zaměření Inteligentní agenti)

2. Řešení úloh a plánování

3. Neprocedurální programování

4. Multi-agentní systémy

5. Přírodou inspirované počítání

Zkušební požadavky

1. Reprezentace znalostí
Formální systémy, logika 1. řádu, jazyk, axiomy, odvozovací pravidla. Výroková logika, sémantika, tautologie a splnitelnost, dokazatelnost. Normální tvary formulí. Strojové dokazování vět, model checking, dopředné a zpětné řetězení, rezoluční metoda a unifikace.

Podmíněná nezávislost, Bayesovské sítě, výpočet v Bayesovské síti, naivní Bayesovský klasifikátor, rozhodovací grafy, markovské rozhodovací procesy, zpětnovazebné učení, částečně pozorovatelné markovské rozhodovací procesy, podmíněná markovská pole.

Doporučené předměty

2. Řešení úloh a plánování
Reprezentace znalostí: stavový prostor, produkční systémy, reprezentace pomocí logiky. Prohledávací algoritmy; stromové, grafové a lokální prohledávání, heuristiky. Řešení SAT problémů a splňování omezujících podmínek. Modelování problémů. Automatické plánování; plánovací doména a problém, plánovací operátory. Základní plánovací techniky a algoritmy; heuristiky; rozšíření plánovacích algoritmů. Plánování a rozvrhování.

Doporučené předměty

3. Neprocedurální programování
Odlišnost procedurálního a neprocedurálního způsobu programování. Principy funkcionálního a logického programování. Lambda kalkulus, syntax, principy redukce. Churchova a Rosserova vlastnost a konsistence kalkulu. Věty o pevném bodu. Normální tvar objektů. Typovaný lambda kalkul. Substituce a unifikace. Hornovy klauzule, SLD-rezoluce a logické programy. Čistý Prolog, negace definovaná neúspěchem, obecné logické programy. Postačující podmínky ukončení výpočtu. Implementace Prologu. Logické programování s omezujícími podmínkami.

Doporučené předměty

4. Multi-agentní systémy
Architektura autonomního agenta; percepce, mechanismus výběru akcí, paměť; psychologické inspirace. Metody pro řízení agentů; symbolické a konekcionistické reaktivní plánování, hybridní přístupy. Problém hledání cesty; navigační pravidla, reprezentace terénu. Komunikace a znalosti v multiagentních systémech, ontologie, řečové akty, FIPA-ACL, protokoly. Distribuované řešení problémů, kooperace, Nashova ekvilibria, Paretova efektivita, alokace zdrojů, aukce. Etologické motivace, modely populační dynamiky. Metody pro učení agentů; zpětnovazební učení, základní formy učení zvířat. Metodologie návrhu, jazyky a prostředí multiagentních systémů.

Doporučené předměty

5. Přírodou inspirované počítání
Genetické algoritmy, genetické a evoluční programování. Teorie schémat, pravděpodobnostní modely jednoduchého genetického algoritmu. Evoluční strategie, diferenciální evoluce, koevoluce, otevřená evoluce. Rojové optimalizační algoritmy. Memetické algoritmy, hill climbing, simulované žíhání. Aplikace evolučních algoritmů (evoluce expertních systému, neuroevoluce, řešení kombinatorických úloh, vícekriteriální optimalizace).

Doporučené předměty

Zaměření: Strojové učení

Zkušební okruhy

1. Strojové učení a jeho aplikace

2. Neuronové sítě

3. Dobývání znalostí

Zkušební požadavky

1. Strojové učení a jeho aplikace
Strojové učení; prohledávání prostoru verzí, učení s učitelem a bez učitele, pravděpodobnostní přístupy, zpětnovazební učení, teoretické aspekty strojového učení. Evoluční algoritmy; základní pojmy a teoretické poznatky, hypotéza o stavebních blocích, koevoluce, aplikace evolučních algoritmů. Strojové učení v počítačové lingvistice. Pravděpodobnostní algoritmy pro analýzu biologických sekvencí; hledávání motivů v DNA, strategie pro detekci genů a predikci struktury proteinů.

Doporučené předměty

2. Neuronové sítě
Neurofyziologické minimum. Modely pro učení s učitelem, algoritmus zpětného šíření, strategie pro urychlení učení, regularizační techniky a generalizace. Asociativní paměti, Hebbovské učení a hledání suboptimálních řešení, stochastické modely. Umělé neuronové sítě založené na principu učení bez učitele. Modulární, hierarchické a hybridní modely neuronových sítí. Genetické algoritmy a jejich využití při učení umělých neuronových sítí.

Doporučené předměty

3. Dobývání znalostí
Základní paradigmata dobývání znalostí. Příprava dat, výběr atributů a metody pro analýzu jejich relevance. Metody pro dobývání znalostí; asociační pravidla, přístupy založené na principu učení s učitelem a klastrová analýza. Metody pro extrakci charakteristických diskriminačních pravidel a měření jejich zajímavosti. Reprezentace, vyhodnocování a vizualizace získaných znalostí. Modely a evaluace vyhledávání informací. Využití technik pro dobývání znalostí a vyhledávání informací v praxi.

Doporučené předměty

Zaměření: Robotika

Zkušební okruhy

1. Lokalizace a mapování

2. Řídící systémy

3. Robotické systémy

4. Plánování a navigace

Zkušební požadavky

1. Lokalizace a mapování
Základní typy lokalizace. Pravděpodobnostní lokalizace, částicové filtry, metody Monte-Carlo. Reprezentace prostředí, reprezentace map, problém korespondence, mapování v dynamickém prostředí. Vztah lokalizace a mapování, SLAM.

Doporučené předměty

2. Řídící systémy
Řídící systém robota. Zpracování signálu, rozpoznávání, feature matching and tracking. Systémy pro modelování, virtuální robotika, simulátory. Distribuované algoritmy, systémy řízení pro multirobotické systémy, komunikace, synchronizace, koordinace. Softwarová realizace, programování pro specifické běhové prostředí, ladící prostředky a postupy.

Doporučené předměty

3. Robotické systémy
Základní kinematický a dynamický model, reverzní kinematika a dynamika. Nízkoúrovňový hardware a software, vestavěné systémy. Typy senzorů a aktuátorů, principy a typické oblasti použití. Vysokoúrovňové robotické systémy a jejich řízení: manipulátory, mobilní robotika, autonomní robotika.

Doporučené předměty

4. Plánování a navigace
Základní navigační postupy: dead-reckoning, odometrie, triangulace a trilaterace, inerciální navigace. Navigační a prohledávací algoritmy. Plánování akcí, formulace plánovacího problému, základní plánovací algoritmy, plánování s časem a zdroji.

Doporučené předměty