Mesterséges intelligencia

A tantárgy angol neve: Artificial Intelligence

Adatlap utolsó módosítása: 2007. június 15.

Tantárgy lejárati dátuma: 2015. január 31.

Budapesti Műszaki és Gazdaságtudományi Egyetem
Villamosmérnöki és Informatikai Kar

Villamosmérnöki Szak

Irányítástechnikai és robotinformatikai fő szakirány

Tantárgykód Szemeszter Követelmények Kredit Tantárgyfélév
VIMM5015 9 4/0/0/v 5 1/1
3. A tantárgyfelelős személy és tanszék Dr. Dobrowiecki Tadeusz Pawel,
A tantárgy tanszéki weboldala http://www.mit.bme.hu/oktatas/targyak/vimm5015/
4. A tantárgy előadója

Név:

Beosztás:

Tanszék, Int.:

Dobrowiecki Tadeusz

egyetemi docens

MIT

5. A tantárgy az alábbi témakörök ismeretére épít

matematikai logika, valószínűségszámítás, számítástechnika alapjai

6. Előtanulmányi rend
Ajánlott:

nincs

7. A tantárgy célkitűzése

A tantárgy célkitűzése a mesterséges intelligencia területének rövid, ám igényes bemutatása. A felvezetés lépései (1) az intelligens viselkedés számítási modellekkel való kifejezés problémái, (2) az intelligens számítógépes rendszer fogalma, (3) a mesterséges intelligencia formális és heurisztikus módszerei, (4) a gyakorlati megvalósítások módszerei és problémái, végül (5) az intelligens rendszerközösségek megvalósítási problémái. A célkitűzés lényeges komponense, hogy a hallgatók a mesterséges intelligencia módszertanát nem elszigetelten, hanem a többi - humán, informatikai és műszaki - ismereteikre támaszkodva és párhuzamokat vonva sajátítsák el.

8. A tantárgy részletes tematikája

A mesterséges intelligencia alapjai, története, jelenlegi helyzete.

Intelligens ágensek. Hogyan kell egy ágensnek működnie. Az intelligens ágensek struktúrája. Intelligens rendszerek környezete.

Problémamegoldás modellezése. Problémamegoldó ágensek. Tudás és a problémafajták. Cselekvéssorozatok generálása. Keresési stratégiák. A keresési stratégiák összehasonlítása. Heurisztikus függvények. Memóriakorlátos keresés. Iteratív javító algoritmusok.

Tudás és következtetés. Logikusan következtető ágensek. Tudásalapú ágens. Logikai előzmények áttekintése: Ítéletkalkulus. Helyesség és következtetés. Az ítéletkalkulus következtetési szabályai. A következtetés bonyolultsága. Elsőrendű logika. Az elsőrendű logika felhasználása, a kérdések megfogalmazása és a válaszok kinyerése. Következtetés elsőrendű logikában. Általánosított Modus Ponens. Előre és visszafelé haladó következtetés. Teljesség. Rezolúció. Rezolúciós stratégiák.

A tudás lefordítása cselekvéssé. Az ítéletlogikai ágens problémái. Egy egyszerű reflexszerű ágens és a korlátjai. A világ megváltozásának reprezentálása. Szituációs kalkulus. A cél-orientált ágens felé.

A tudásbázis építése. A kategóriák reprezentálása. Változás reprezentálása eseményekkel. Az idő, az időintervallumok és a cselekvés. Szubsztanciák és objektumok. Mentális események és mentális objektumok. Tudás és cselekvés.

Logikai következtető rendszerek. Előre haladó produkciós rendszerek. Keretrendszerek és szemantikus hálók. Öröklődés megvalósítása kivételkezeléssel. Többszörös öröklődés. Leíró logikák.

Tervkészítés. Egy egyszerű tervkészítő ágens. Tervkészítés szituációs kalkulusban. A tervkészítés alapvető reprezentációi. Egy részben rendezett tervkészítési algoritmus. Hierarchikus dekompozició. Erőforrás kényszerek. Tervkészítés és cselekvés. Feltételes tervkészítés. Egy egyszerű újratervező ágens. Összevont tervkészítés és végrehajtás.

Bizonytalan tudás és következtetés. Cselekvés bizonytalan tudás mellett. Valószínűség. Bayes tétel és a használata. Valószínűségi következtető rendszerek. Következtetés valószínűségi hálókban. A bizonytalan következtetés más megközelítései. Alapeseti (default) következtetés. Bizonytalan következtetés szabályalapú módszerekkel. Tudatlanság reprezentálása. Homályos jelentés reprezentálása: fuzzy halmazok és fuzzy logika. A hasznosság elmélet alapjai.

Tanulás. Tanuló ágensek általános modellje. Induktív tanulás. Döntési fák tanulása. Az általános logikai kifejezések tanulása. Formális tanuláselmélet. Tanulás neurális és valószínűségi hálókban. Hibavisszaterjesztéses tanulás. Valószínűségi hálókban történő tanulás Bayes módszerei. Megerősítéses tanulás. Genetikus algoritmusok és evolúciós programozás. Tudás szerepe a tanulásban. Magyarázatalapú tanulás. Releváns információt felhasználó tanulás. Induktív logikai programozás.

Kommunikáció, észlelés és cselekvés. Kommunikáció mint cselekvés. Kommunikáló ágensek típusai. A természetes nyelv megértésének szintjei és problémái. Párbeszédmegértés. A koherens párbeszéd struktúrája.

Filozófiai alapok. Az intelligens viselkedés megvalósításának lehetőségéről.

9. A tantárgy oktatásának módja (előadás, gyakorlat, laboratórium)

Előadás

10. Követelmények

a. A szorgalmi időszakban: félévközben egy nagy ZH, amely a félév utolsó hetén pótolható. A vizsgára bocsátás feltétele a ZH minimum 50%-os megírása.

b. A vizsgaidőszakban: írásbeli vizsga

c. Elővizsga: nincs

Osztályozás: 30-tól elégséges

43-tól közepes

56-tól jó

69-től jeles

c. Elővizsga:

nincs

11. Pótlási lehetőségek

Az aláírás megszerzésének feltételei a vizsgaidőszakban nem pótolhatók be.

12. Konzultációs lehetőségek

Igény esetén, megbeszélés alapján.

13. Jegyzet, tankönyv, felhasználható irodalom

Stuart Russell és Peter Norvig:

Mesterséges intelligencia korszerű megközelítésben, Panem Kiadó, Budapest, 1999

(bővebben ld. http://www.mit.bme.hu/~tade/pages/mikm.htm)

14. A tantárgy elvégzéséhez átlagosan szükséges tanulmányi munka

 

Kontakt óra

60

Félévközi készülés órákra

28

Felkészülés zárthelyire

12

Házi feladat elkészítése

 

Kijelölt írásos tananyag elsajátítása

25

..

 

Vizsgafelkészülés

25

Összesen

150

15. A tantárgy tematikáját kidolgozta

Név:

Beosztás:

Tanszék, Int.:

Dobrowiecki Tadeusz

egyetemi docens

MIT