Τεχνητή Νοημοσύνη και εφαρμογές στον Πολιτισμό

Αρχική / Προπτυχιακές Σπουδές / Μαθήματα / Ζ εξάμηνο / Τεχνητή Νοημοσύνη και εφαρμογές στον Πολιτισμό

ET714 Τεχνητή Νοημοσύνη και εφαρμογές στον Πολιτισμό

Διδάσκων: Δημήτρης Κοσμόπουλος

Στόχος του μαθήματος είναι να γνωρίσουν οι φοιτητές τα είδη προβλημάτων σε εφαρμογές πληροφορικής στον πολιτισμό, που επιλύονται από την Τεχνητή Νοημοσύνη καθώς και τις μεθόδους με τις οποίες τα αντιμετωπίζει. Σημαντικό βάρος δίνεται επίσης στους επιμέρους κλάδους και τις εφαρμογές της Τεχνητής Νοημοσύνης, καθώς επίσης και στα εργαλεία προγραμματισμού που χρησιμοποιεί.

Με την επιτυχή ολοκλήρωση του μαθήματος ο φοιτητής / τρια, uα διαθέτει προχωρημένες γνώσεις γύρω από τους τύπους των προβλημάτων της τεχνητής νοημοσύνης καθώς και των μεθόδων που εφαρμόζονται σε κάθε περίπτωση Θα διαθέτει δεξιότητες ανάπτυξης προγραμμάτων σε κατάλληλες γλώσσες και πλατφόρμες υψηλού επιπέδου τα οποία θα υλοποιούν τις παραπάνω μεθόδους (Matlab – python). Θα έχει την ικανότητα ανάλυσης προβλημάτων και εφαρμογών που απαιτούν την χρήση μεθόδων τεχνητής νοημοσύνης. Θα έχει την ικανότητα εφαρμογής καταλλήλων μεθόδων τεχνητής νοημοσύνης ανάλογα με το πρόβλημα που αντιμετωπίζει.

Ζητήματα που καλύπτονται:

  • Εισαγωγή στην Τεχνητή Νοημοσύνη.
  • Μαθηματικό υπόβαθρο
  • Ευφυείς πράκτορες (intelligent agents).
  • Λύση προβλημάτων με πράκτορες αναζήτησης (search agents). Απληροφόρητες στρατηγικές αναζήτησης: breadth-first search, uniform-cost search, depth-first search, depth-limited search, iterative deepening depth-first search, bi-directional search.
  • Ευρετικές στρατηγικές αναζήτησης: greedy best-first search, A*-search.
  • Αλγόριθμοι τοπικής αναζήτησης (local search): hill-climbing, simulated annealing, local beam search, genetic algorithms.
  • Προβλήματα ικανοποίησης περιορισμών (constraint satisfaction problems). Αλγόριθμοι για λύση προβλημάτων ικανοποίησης περιορισμών: backtracking, forward-checking, back-jumping, conflict-directed back-jumping, heuristics, consistency levels, arc consistency.
  • Πράκτορες για αναπαράσταση γνώσης και συλλογιστική. Προτασιακή λογική και λογική πρώτης τάξης. Χρήση της προτασιακής και της λογικής πρώτης τάξης για αναπαράσταση γνώσης.
  • Σχεδιασμός βάσεων γνώσεων, οντολογίες, παραδείγματα από διάφορες εφαρμογές.
  • Συμπερασμός στη λογική πρώτης τάξης: κανόνες συμπερασμού, unification, forward and backward chaining, resolution, theorem proving.
  • Σύντομη εισαγωγή στο λογικό προγραμματισμό, τη γλώσσα Prolog και το λογικό προγραμματισμό με περιορισμούς.

Προτεινόμενα συγγράμματα

Περίγραμμα μαθήματος