Uniwersytet Warszawski - Centralny System UwierzytelnianiaNie jesteś zalogowany | zaloguj się
katalog przedmiotów - pomoc

Zaawansowane metody sztucznej inteligencji

Informacje ogólne

Kod przedmiotu: 1000-2M12ZMI Kod Erasmus / ISCED: 11.3 / (0612) Database and network design and administration
Nazwa przedmiotu: Zaawansowane metody sztucznej inteligencji
Jednostka: Wydział Matematyki, Informatyki i Mechaniki
Grupy: Przedmioty monograficzne dla III - V roku informatyki
Przedmioty obieralne dla informatyki
Punkty ECTS i inne: 6.00
zobacz reguły punktacji
Język prowadzenia: angielski
Rodzaj przedmiotu:

monograficzne

Skrócony opis:

W ostatnich latach spektakularnym sukcesem sztucznej inteligencji było zwycięstwo, stworzonego przez IBM, komputera Watson, w amerykańskim teleturnieju Jeopardy. Pokonanie ludzi w zadaniach wymagających wszechstronnej analizy tekstów o nieograniczonym zakresie tematycznym, a sformułowanych w języku naturalny, było możliwe dzięki synergii wyspecjalizowanych algorytmów i technik sztucznej inteligencji. Na wykładzie pokażemy, jak synteza tych (niezależnie rozwijanych) współczesnych metod pozwoliła na przeprowadzenie wnioskowania prowadzącego do zwycięstwa w prestiżowym teleturnieju.

Na laboratorium zajmiemy się tworzeniem aplikacji stosujących wybrane techniki sztucznej inteligencji przy użyciu systemu ABLE: Agent Building and Learning Environment. Ten stworzony przez IBM system oferuje bogaty zestaw algorytmów sztucznej inteligencji, przeznaczonych do realizacji rozmaitych typów wnioskowania i planowania.

Pełny opis:

W ostatnich latach jednym ze spektakularnych sukcesów sztucznej inteligencji było zwycięstwo komputera Watson w amerykańskim teleturnieju Jeopardy. Ten, stworzony przez IBM, system pokonał dwóch wcześniejszych mistrzów (ludzi) w zadaniach wymagających wszechstronnej analizy tekstów o nieograniczonym zakresie tematycznym, a sformułowanych w języku naturalnym. W trakcie teleturnieju Watson miał dostęp do 200 milionów stron i całej Wikipedii,

ale nie był podłączony do Internetu. Tak znakomity wynik jest rezultatem synergii wyspecjalizowanych algorytmów i technik sztucznej inteligencji. Na wykładzie pokażemy, jak synteza tych (niezależnie rozwijanych) współczesnych metod pozwoliła na przeprowadzenie wnioskowania prowadzącego do zwycięstwa w prestiżowym teleturnieju. W tym celu przedstawimy takie zaawansowane techniki sztucznej inteligencji jak:

- Systemy regułowe

- Sieci Rete

- Systemy rozmyte

- Metody planowania

- Autonomiczne przetwarzanie zdarzeń.

Istotnym wymogiem współczesnych systemów autonomicznych jest uzyskanie realistycznego modelu środowiska. Na wykładzie pokażemy nowe podejście do tego zagadnienia, uwzględniające zarówno niepełną, jak i sprzeczną informację.

Wykład będzie zilustrowany tak zróżnicowanymi zastosowaniami, jak symulowanie pola walki czy analiza sieci społecznych.

Na laboratorium zajmiemy się tworzeniem aplikacji stosujących wybrane techniki sztucznej inteligencji przy użyciu systemu ABLE: Agent Building and Learning Environment. Stworzony przez IBM ABLE jest otwartym środowiskiem wykorzystującym metody stosowane przez wiodące firmy komputerowe w tworzeniu komercyjnych systemów agentowych. Oferuje on bogaty zestaw algorytmów sztucznej inteligencji, przeznaczonych do realizacji rozmaitych typów wnioskowania i planowania. Zbudowany na bazie Javy, zawiera bibliotekę komponentów oraz zestaw narzędzi do budowania inteligentnych agentów za pomocą elementów uczenia maszynowego i wnioskowania.

Efekty uczenia się:

Wiedza

1. Ma podstawową wiedzę na temat architektury i możliwości współczesnych

środowisk do tworzenia systemów wieloagentowych, przedstawionych na

przykładzie platformy ABLE: Agent Building and Learning Environment,

stworzonej przez IBM.

2. Ma wiedzę na temat funkcjonalności poszczególnych modułów systemu ABLE,

odpowiedzialnych, między innymi, za: tworzenie i zarządzanie agentami,

tworzenie reguł modelujacych ich zachowanie, eksplorację danych oraz

uczenie. Moduły te wykorzystują najnowsze techniki sztucznej inteligencji.

3. Ma wiedzę na temat konfiguracji systemu wieloagentowego adekwatnej dla rozważanej dziedziny problemu, uwzględniającej proaktywność versus reaktywność agentów, typ i ilość agentów, wybór właściwych algorytmów.

Umiejętności

1. Potrafi zbudować funkcjonalny, inteligentny system z udostępnionych funkcjonalności/modułów: agentów, algorytmów, reguł.

2. Potrafi zaprojektować i zrealizować nowy komponent realizujacy dane zadanie systemu, na przykład nowy algorytm czy nowy system regułowy.

3. Potrafi odpowiednio do zadanego celu skonfigurować inteligentny system wieloagentowy.

Kompetencje

1. Zna ograniczenia własnej wiedzy i rozumie potrzebę dalszego

kształcenia, w tym zdobywania doładniejszej i bieżącej wiedzy dziedzinowej

(K_K01).

2. Potrafi precyzyjnie formułować pytania, służące pogłębieniu własnego

zrozumienia danego tematu (K_K02).

Metody i kryteria oceniania:

Kryteria oceniania:

Zaliczenie na podstawie zrealizowango w systemie ABLE studium przypadku.

Zajęcia w cyklu "Semestr letni 2018/19" (zakończony)

Okres: 2019-02-16 - 2019-06-08
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 15 godzin więcej informacji
Laboratorium, 15 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Barbara Dunin-Kęplicz
Prowadzący grup: Barbara Dunin-Kęplicz, Inga Rüb
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin

Zajęcia w cyklu "Semestr letni 2019/20" (jeszcze nie rozpoczęty)

Okres: 2020-02-17 - 2020-06-10
Wybrany podział planu:


powiększ
zobacz plan zajęć
Typ zajęć: Ćwiczenia, 15 godzin więcej informacji
Laboratorium, 15 godzin więcej informacji
Wykład, 30 godzin więcej informacji
Koordynatorzy: Barbara Dunin-Kęplicz
Prowadzący grup: Barbara Dunin-Kęplicz, Inga Rüb
Lista studentów: (nie masz dostępu)
Zaliczenie: Egzamin
Opisy przedmiotów w USOS i USOSweb są chronione prawem autorskim.
Właścicielem praw autorskich jest Uniwersytet Warszawski.