Sztuczna inteligencja

Podstawowe informacje

Przedmiot poświęcony jest podstawowym zagadnieniom sztucznej inteligencji.
Szczegółowe tematy obejmują reprezentację wiedzy i wnioskowanie, automatyczne planowanie, przeszukiwanie przestrzeni stanów w grach, systemy regułowe oraz uczenie maszynowe i sztuczne sieci neuronowe.

Strona przedmiotu na Moodle

Prowadzący

dr inż. Artur Michalski
Wykłady i laboratoria
dr hab inż. Agnieszka Ławrynowicz
Wykłady (reprezentacja wiedzy i wnioskowanie, uczenie maszynowe) i laboratoria
dr inż. Jędrzej Potoniec
Laboratoria, gra i system zgłaszania graczy
mgr inż. Maksymilian Marcinowski
Laboratoria (uczenie maszynowe)

Harmonogram wykładów

Wykłady odbywają się w środy o 11:45-13:15 w sali CW 8 (online do odwołania)

Literatura

Podstawowa

  1. Stuart Russell and Peter Norvig. 2016. Artificial Intelligence: A Modern Approach (3rd ed.). Prentice Hall Press, Upper Saddle River, NJ, USA

Uzupełniająca

  1. Dana Nau, Malik Ghallab, and Paolo Traverso. 2004. Automated Planning: Theory & Practice. Morgan Kaufmann Publishers Inc., San Francisco, CA, USA. (szczególnie ‘classical planning‘)
  2. Mauricio Salatino, Mariano De Maio, Esteban Aliverti. Mastering JBoss Drools 6 Paperback, Packt Publishing 2016
  3. Franz Baader, Diego Calvanese, Deborah L. McGuinness, Daniele Nardi, and Peter F. Patel-Schneider. 2010. The Description Logic Handbook: Theory, Implementation and Applications (2nd ed.). Cambridge University Press, New York, NY, USA. (rozdział 1 i 2, dostępne online)
  4. Aurélien Géron. Uczenie maszynowe z użyciem Scikit-Learn i TensorFlow. Helion, 2018
  5. Ian Goodfellow and Yoshua Bengio and Aaron Courville. Deep Learning, MIT Press, http://www.deeplearningbook.org, 2016
  6. Francois Chollet. Deep Learning. Praca z językiem Python i biblioteką Keras. Helion, 2019

Popularnonaukowa

  1. Bostrom, Nick (2016). Superinteligencja. Scenariusze, strategie, zagrożenia. Helion.

Zasady oceniania

Wykład

Ocena na podstawie dwóch kolokwiów o równej wadze przeprowadzonych na wykładzie.

Laboratorium

Materiał nauczany na laboratorium jest podzielony na trzy moduły ćwiczeń laboratoryjnych oraz projekt, który przebiega równolegle do ćwiczeń w trakcie semestru.

Moduł Punkty
Automatyczne planowanie 20
Reprezentacja wiedzy, wnioskowanie, systemy eksperckie / regułowe 20
Uczenie maszynowe i sztuczne sieci neuronowe 20
Gra 40+do 10 punktów za turniej

W przypadku modułu Automatyczne Planowanie zaliczenie odbywa się na zajęciach poprzez rozwiązanie quizzu i zadania przy komputerze. Zadanie można wykonywać w zespołach dwuosobowych.
Zaliczenie modułów Reprezentacja wiedzy, wnioskowanie, systemy eksperckie / regułowe polega na wykonaniu ćwiczenia na laboratorium bądź też do dwóch tygodni po ostatnich zajęciach z danego modułu).
Moduł Uczenie maszynowe i sztuczne sieci neuronowe jest zaliczany na podstawie notebooków Jupytera w trakcie laboratoriów lub też do dwóch tygodni po ostatnich zajęciach z tego modułu.
Wykonanie projektu (Gra) jest obowiązkowe przynajmniej w podstawowej wersji aby zaliczyć laboratorium.
Punkty za turniej są przydzielane w następujący sposób: ostatni zgłoszony przez drużynę gracz bierze udział w turnieju w obrębie grupy laboratoryjnej (w systemie każdy-z-każdym). Za uzyskanie pierwszego miejsca każdy z członków drużyny otrzymuje po 10 punktów, drugiego – 7, a trzeciego – 5. Pozostałe drużyny nie otrzymują punktów za turniej. Po zakończeniu turnieju wewnątrzgrupowego punktowane drużyny wezmą udział w niezobowiązującym turnieju międzygrupowym.
Możliwe jest również uzyskanie dodatkowych punktów (0-5 pkt) z laboratorium za trwały wkład w rozwój przedmiotu.  Przykładowe działania obejmują poprawę błędów wykorzystywanego oprogramowania, opracowanie nowych, nietrywialnych zadań itp.  Przed przystąpieniem do pracy należy skonsultować się z prowadzącym laboratorium, który wstępnie oceni przydatność danego działania.

Skala ocen

Liczba punktów Ocena
[0;50] 2,0
(50;60] 3,0
(60;70] 3,5
(70;80] 4,0
(80;90] 4,5
(90;∞) 5,0