Sztuczna inteligencja 0800-BK-SZIN

1. Wstęp do metod AI: kluczowe zagadnienia AI; definicje, status AI; sprzęt do obliczeń, kontekst historyczny, najważniejsze odkrycia, wielkie projekty, obecna sytuacja.

2. Rozwiązywanie problemów: algorytmy przeszukiwania i optymalizacji. Reprezentacja problemu w przestrzeni stanów; reprezentacja redukcyjna; metody szukania; szukanie heurystyczne, przykłady programów opartych na szukaniu; szukanie a ludzkie myślenie.

3. Reprezentacja wiedzy i wnioskowanie: rodzaje wiedzy; reprezentacja symboliczna, logika predykatów, logika rozmyta i przybliżona; systemy regułowe; reprezentacja proceduralna.

4. Sieci semantyczne i grafy wiedzy; ramki i skrypty, agenci programowi, programy oparte na szukani i ich ograniczenia, zastosowania w grach, od szachów po StarCraft.

5. Systemy wspomagające podejmowanie decyzji: akwizycja wiedzy; od zrobotyzowanej automatyzacji procesów po systemy kognitywne, konstrukcja systemów doradczych; przykłady zastosowań, wielkie systemy symboliczne, CYC, SOAR i Watson.

6. Rozumienie języka naturalnego, podejście symboliczne i reprezentacje subsymboliczne, brak jednoznaczności, semantyka i rola kontekstu, klasyfikacja wypowiedzi, tłumaczenie maszynowe, koneksjonizm.

7. Dane w systemach AI: akwizycja, oczyszczanie, niepewność, rozkłady probabilistyczne, tw. Bayesa, rozpoznawanie wzorców i miary poprawności, reprezentacje wektorowe – Word2Vec, Glove, mechanizm uwagi.

8. Uczenie maszynowe: rodzaje, uczenie nadzorowane, drzewa decyzji, regresja, SVM, oceny podobieństwa, klasyfikacja i regresja z użyciem sieci neuronowych, pamięci skojarzeniowe, model Hopfielda i maszyny Boltzmanna.

9. Uczenie nienadzorowane: klasteryzacja, --średnich, hierarchiczna, eksploracja danych i wizualizacja, PCA, ICA, MDS, UMAP, t-SNE, manifolds.

10. Uczenie ze wzmocnieniem, procesy Markova, HMM, strategie i zastosowania w grach, robotyce, rozumowaniu.

11. Uczenie głębokie, architektura sieci konwolucyjnych, zastosowania do analizy obrazu.

12. Transformery, duże modele językowe i mulitmodalne, modele działania (Large Behavioral Models), generatywna sztuczna inteligencja, GANy i inne modele.

13. Narzędzia: HugginFace i inne repozytoria, projekty na GitHub, małe lokalne modele SLM.

14. Interakcja człowiek-maszyna, modele umysłu, zunifikowane teorie poznania i autonomiczne LMMy, interpretowalność.

15. Globalne wyzwania, najważniejsze systemy, odkrycia dzięki AI, automatyzacja kreatywności, wpływ na społeczeństwo i gospodarkę.