matematikai logika, valószínűség számítás, számítástechnika alapjai

A kötelező előtanulmányi rend az adott szak honlapján és képzési programjában található.

A tantárgy célkitűzése a mesterséges intelligencia területének rövid, ám igényes bemutatása. A felvezetés lépései: (1) az intelligens viselkedés számítási modellekkel való kifejezés problémaköre, (2) a mesterséges intelligencia formális és heurisztikus módszereinek elemzése és alkalmazása, (3) a gyakorlati megvalósítások módszerei és problémái.

A tárgy az informatikus hallgatók azokat a képességeit fejleszti, melyek révén képesek lesznek:
- tanulmányozni számítógép újszerű használatát,
- fejleszteni hatékony módszereket számítási problémák megoldására,
- megérteni számítástechnika/-tudomány technológiai / koncepcionális korlátjait
- intellektuálisan megérteni az algoritmus központi szerepét az informatikai rendszerekben.

1. Bevezető: MI problémák választéka, intelligencia és alapvető kérdések, mérnöki szemlélet, előzmények.

2. Egy minta feladat elemzése. Hogyan gazdálkodunk az információval. Mire van szükség, ha a feladat sem triviális, sem lehetetlen. A helyes absztrakció lépései. Mit nyertünk, mit adtunk fel érte? Mik a megoldás buktatói?

3. Intelligens rendszerek tervezése: ágensek, komponenseik, környezetek, architektúra és program kérdése, keresési tér és az alapvető ágenstípusok (viselkedése), mire számíthatunk egy ágens belsejében. Mit jelent intelligensnek lenni?

4. Problémamegoldás kereséssel: mik az intelligens rendszerek átfogó algoritmusai, alapvető matematikai absztrakciói.

Hogyan kell az eddig megismert algoritmusokat kreatívan alkalmazni intelligencia fokozása érdekében.

5. Paradigmaváltások szerepe - problémamegoldás kényszer-kielégítéssel. Problémamegoldás többágenses környezetben - keresés ellenséges környezetben.

6. Intelligencia alapvető komponense - a tudás: tudás formálizálása logikával. Mit jelent logikában következtetni. Több logika van, miben különböznek és mit nyújtanak.

7. Tudásmérnökség, ágensek logikai leírása és a problémamegoldás logikai következtetéssel. Paradigmaváltás felskálázás érdekében.

8. Tervkészítés, ha minden jól megy, és ha semmi sincs jól.

9. Intelligencia valóságban - hiányos, bizonytalan és változó tudás: bizonytalanság és valószínűség számítás. Valószínűségi hálók. Következtetés valószínűségi hálókban.

10. Más eszközök is vannak - fuzzy, evidencia, ... A temporális tudás kezelése. Racionalitás és hasznosság. Intelligencia, mint racionális döntés képessége.

11. Intelligencia alapvető mechanizmusa - a tanulás: alapvető fogalmak, alapvető feladatok. Döntési fák tanulása. Logikai hipotézisek tanulása. Neurális hálók tanulása.

12. Valószínűségi hálók tanulása, kernel gépek. Megerősítéses tanulás.

Előadástól külön időpontban egy nagy ZH, TVSZ szerinti pótlási lehetőséggel, a szükséges minimum szint 40% (azaz 20 pont). Félév közben egy házi feladat, amely egy megfelelően kialakított HF szerverről kérhető le. A feladathoz tartozó ütemezés a feladat lapján olvasható. A HF minősítése „nem felelt meg" (0 pont), ill. „megfelelt" (6-20 pont).

A félévi aláírás feltétele a ZH minimum 40%-os megírása és a házi feladat helyes megoldása és beadása "megfelelt" minősítéssel.

Igény esetén, megbeszélés alapján.

Stuart Russell és Peter Norvig: Mesterséges intelligencia korszerű megközelítésben, Panem Kiadó, Budapest, 1999

Stuart Russell és Peter Norvig: Mesterséges intelligencia korszerű megközelítésben, 2., átdolgozott kiadás, Panem Kiadó, Budapest, 2006

http://mialmanach.mit.bme.hu/aima/index