Είσοδος

Τεχνητή Νοημοσύνη

Γενικά στοιχεία

 

 
Περιγραφή

Η ερμηνεία της ευφυούς συμπεριφοράς του ανθρώπου (όπως τουλάχιστον αντιλαμβανόμαστε εμείς την ευφυή συμπεριφορά) είναι σίγουρα μία από τις μεγάλες προκλήσεις της επιστημονικής έρευνας και ένα από τα άλυτα ζητήματα που απασχολούν ένα ευρύ σύνολο της επιστημονικής κοινότητας. Στο πλαίσιο αυτό, στην Επιστήμη των Υπολογιστών μελετάται ο τρόπος με τον οποίο επιτυγχάνεται ευφυής συμπεριφορά με τη χρήση υπολογιστικών μέσων. Το πεδίο αυτό έρευνας ονομάζεται Τεχνητή Νοημοσύνη. Είναι ενδιαφέρον, τόσο από θεωρητική σκοπιά γιατί συνδυάζει πολλά πεδία των μαθηματικών προσπαθώντας να απαντήσει σε θεωρητικά ερωτήματα, όσο και από πρακτική σκοπιά γιατί οι αλγόριθμοι, οι τεχνολογίες και τα συστήματα που αναπτύσσονται στο πλαίσιο της Τεχνητής Νοημοσύνης χρησιμοποιούνται σε πολλές περιοχές, από τα οικονομικά και την εκπαίδευση έως τον Παγκόσμιο Ιστό και την ψυχαγωγία.

Στόχος του μαθήματος είναι η εισαγωγή στις βασικές αρχές και τις τεχνολογίες της Τεχνητής Νοημοσύνης. Μελετώνται αλγόριθμοι επίλυσης προβλημάτων με αναζήτηση, βασικοί φορμαλισμοί αναπαράστασης γνώσης, μέθοδοι συλλογιστικής, μοντέλα διαχείρισης αβεβαιότητας και μηχανικής μάθησης, τεχνολογίες και εργαλεία ανάπτυξης συστημάτων Τεχνητής Νοημοσύνης. Τα θέματα αυτά καλύπτονται σε 13 διαλέξεις, κατά τις οποίες οι σπουδαστές έχουν τη δυνατότητα να έρθουν σε επαφή με τα βασικά θεωρητικά ζητήματα, αλλά και με εργαλεία που χρησιμοποιούνται στην πράξη για την ανάπτυξη συστημάτων Τεχνητής Νοημοσύνης.

Οι διαλέξεις θα γίνονται στην Αίθουσα 2, στο Νέο Κτίριο Ηλεκτρολόγων Μηχανικών κάθε Παρασκευή στις 09:45-12:30, σύμφωνα με τον προγραμματισμό που φαίνεται στην ενότητα  Πρόγραμμα.

 

Ύλη

Στο πλαίσιο του μαθήματος καλύπτονται τα παρακάτω θέματα:

1. Επίλυση προβλημάτων στο χώρο καταστάσεων

Περιγραφή Προβλημάτων στο Χώρο Καταστάσεων, Περιγραφή με Αναγωγή, Αλγόριθμοι Αναζήτησης, Χαρακτηριστικά, Αλγόριθμοι Τυφλής Αναζήτησης, Αναζήτηση Πρώτα σε Βάθος, Αναζήτηση Πρώτα σε Πλάτος, Αναζήτηση Επαναληπτικής Εκβάθυνσης, Αναζήτησης Διπλής Κατεύθυνσης, Ευριστικοί Μηχανισμοί, Αλγόριθμοι Αναρρίχησης Λόφων, Προσομοιούμενη Ανόπτηση, Αναζήτηση με Απαγορευμένες Καταστάσεις, Αναζήτηση Πρώτα στο Καλύτερο, Ανάπτυξη Αλγορίθμων για Παίγνια, Αλγόριθμος Α*, Αλγόριθμος Minimax, Αλγόριθμος AlphaBeta.

2. Αναπαράσταση γνώσης και συλλογιστική

Η έννοια της Γνώσης, Τυπική Αναπαράσταση Γνώσης, Συλλογιστική, Ο ρόλος της Λογικής, Λογική Πρώτης Τάξης και Προτασιακή Λογική, Σύνταξη, Σημασιολογία, Ερμηνεία, Ικανοποιησιμότητα, Μοντέλα Γνώσης, Πραγματολογία, Λογική Συμπερασμασματολογία, Κατηγορηματική και Υπονοούμενη Γνώση, Γεγονότα, Διαδικασία Συλλογιστικής στην Προτασιακή Λογική με τη Μέθοδο της Ανάλυσης, Αναλυθέντα, Διαδικασία Συνεπαγωγής, Διαχείριση Μεταβλητών και Ποσοδεικτών, Ανάλυση για Λογική Πρώτης Τάξης, Skolemization, Δισεπιλυσιμότητα, Θεώρημα Ορισμός προτάσεων Horn, Αναλυθέντα για προτάσεις Horn, Ανάλυση SLD, η Γλώσσα PROLOG, Γεγονότα και Κανόνες, Στρατηγικές Αναζήτησης, Άρνηση σαν Αποτυχία, Βασικές Λειτουργίες Συστήματων Παραγωγής, Κανόνες Παραγωγής, Συστήματα Εξαγωγής Συμπερασμάτων, Έμπειρα Συστήματα, Το Σύστημα Κανόνων CLIPS, Παραδείγματα και Εφαρμογές, Αντικειμενοστραφής Αναπαράσταση, Αντικείμενα, Πλαίσια, Σημασιολογικά Δίκτυα, Εννοιολογικοί Γράφοι, Περιγραφικές Λογικές.

3. Ατελής γνώση και μηχανική μάθηση

Αβέβαια και Ασαφή Γεγονότα, Νόμος του Bayes, Συντελεστές Βεβαιότητας, Θεωρία Depster-Shafer, Ασαφής Λογική και Θεωρία Ασαφών Συνόλων, Ασαφής Συλλογιστική, Παραδείγματα, Μάθηση με Επίβλεψη, Μάθηση χωρίς Επίβλεψη, Μοντέλα Νευρωνικών Δικτύων, Νευρωνικά Δίκτυα Πρόσθιας Τροφοδότησης, Μνήμες Συσχέτισης, Νευρωνικά Δίκτυα Βασισμένα σε Ανταγωνισμό.

4. Εφαρμογές συστημάτων Τεχνητής Νοημοσύνης και μελλοντικές κατευθύνσεις

Επίδειξη Συστημάτων Τεχνητής Νοημοσύνης και Εφαρμογών, Παρουσίαση Ανοικτών Ερευνητικών Θεμάτων και Μελλοντικών Κατευθύνσεων.

Για τον προγραμματισμό των διαλέξεων που καλύπτουν την παραπάνω ύλη, βλέπε στην ενότητα Πρόγραμμα.

 

Βιβλιογραφία

Βασικό υλικό μαθήματος

  1. Τεχνητή Νοημοσύνη, Γ' Έκδοση, Ι.Βλαχάβας, Π.Κεφαλάς, Ν. Βασιλειάδης, Φ.Κόκκορας και Η. Σακελλαρίου. Εκδόσεις Β. Γκιούρδα, Θεσσαλονίκη 2006 (διανέμεται στο πλαίσιο του μαθήματος).
  2. Russell and Norvig, Τεχνητή Νοημοσύνη - Μια Σύγχρονη Προσέγγιση, Κλειδάριθμος, 2004 (διανέμεται στο πλαίσιο του μαθήματος)
  3. Αναπαράσταση οντολογικής γνώσης και συλλογιστική, Γ. Στάμου, διαθέσιμο στο Αποθετήριο «Κάλλιπος» [http://repository.kallipos.gr/handle/11419/4225].
  4. Σημειώσεις - Διαφάνειες διαλέξεων.

Επιπλέον υλικό

  1. Knowledge Representation and Reasoning, Ronald Brachman, Hector Levesque, Elsevier, 2004

Σύνδεσμοι

  1. SWI Prolog
  2. CLIPS

Εργασίες

Κάθε σπουδαστής θα παραδώσει 2 σειρές ασκήσεων (ατομικές) και 3 θέματα (σε ομάδες των 2 ατόμων), οι εκφωνήσεις και οι ημερομηνίες παράδοσης των οποίων φαίνονται στην Ενότητα Εργασίες. Η παράδοση των εργασιών θα γίνεται ΜΟΝΟ σε ηλεκτρονική μορφή μέσω του δικτυακού τόπου του μαθήματος, σύμφωνα με τις οδηγίες που αναφέρονται στην εκφώνηση (pdf files για τις αναφορές και zip files όταν επιπλέον παραδίδεται κώδικας).

 

Mέθοδοι αξιολόγησης

Ο τελικός βαθμός υπολογίζεται σαν το άθροισμα των βαθμών των γραπτών εξετάσεων και των εργασιών. Το άριστα στις γραπτές εξετάσεις είναι 7 και στις εργασίες 4 (από 0.5 μονάδες η κάθε σειρά ασκήσεων και 1 μονάδα το κάθε θέμα).

 

Διδάσκοντες

Γιώργος Στάμου

 

Βοηθοί

Αλέξανδρος Χορταράς, Μιχάλης Γιαζιτζόγλου, Enrique Matos Alfonso, Αντώνης Κορκοφίγκας

 

Βαθμολογία

Βαθμολογία Σεπτεμβρίου 2017

 

 



Συγχρηματοδότηση
από την Ε.Ε.