Skip to content

Introduction to Artificial Intelligence (UUI)

Credits: 5 ( Lectures: 2, Practical lessons: 2)
Semester: LS
Ending: zp; zk
Guarantor: Psutka Josef
Lecturer: Psutka Josef
Practical lesson lecturer: Šmídl Luboš

Annotation

Course objectives:
The course explains a basic approaches used in artificial intelligence at solution of cybernetic tasks. The predominant part of the course will be aimed at problem solving, computer games and knowledge representation and reasoning. 

Requirements on student
Activity at seminars. Solution of AI tasks on PC, understanding of basic themes of lectured matter. 

Content
1.-3. The use of artificial intelligence (AI) techniques in cybernetics. The basic approaches of AI - machine recognition, machine learning, machine understanding, machine perception etc.
4.-5. Problem-solving, backtracking, breadth-first search, depth-first search. Informed strategies, A star strategy, heuristic function, hill climbing search, Beam, Branch & Bound. Handling special constrains.
6. Game playing, Minimax algorithm, alpha-beta pruning. Examples.
7. Knowledge representation and reasoning. Statement logic; inference in statement logic, resolution. Examples.
8. First-order logic, basic terminology; natural language and first-order logic, conversion of natural language sentences into the first-order logic formulas. Examples.
9.-10. Inference in first-order logic, unification, conjunctive normal form for firts-order logic. The resolution inference rule. Resolution strategies. Prolog.
11. Production systems. Structure of production system, base of knowledge, production rules. Control strategies, bottom-up and bottom-down strategy. Examples
12. Representation of knowledge by semantic nets, frames and scenarios. Examples
13. Conclusion of the course.

Syllabus

1.-3. Úvod. Motivace vzniku a využití metod umělé inteligence v kybernetice. Základní přístupy - strojové vnímání, rozpoznávání, učení, porozumění atd.
4.-5. Automatické řešení úloh. Metoda backtracking. Metoda prohledávání grafů (stromů), slepé a informované strategie. Prohledávání do šířky. Prohledávání do hloubky. Heuristická funkce, prohledávání s heuristickou funkcí, algoritmus A star. Prohledávání typu "Hill climbing", Beam, Branch & Bound. Řešení úloh při respektování souboru omezení.
6. Hraní her. Procedura MINIMAX s možností vyčerpávajícího prohledávání. Alfa - beta procedura s prořezáváním. Příklady
7. Reprezentace znalostí. Výrokový počet, ekvivalence formulí. Pravidla inference výrokové logiky. Rezoluční metoda ve výrokové logice. Příklady.
8. Predikátový počet 1. řádu, základní terminologie. Interpretace formule. Příklady. Přirozený jazyk a predikátová logika. Převod věty přirozeného jazyka do formule predikátové logiky 1. řádu. Příklady.
9.-10. Inference v predikátovém počtu 1. řádu. Obecná rezoluční metoda, převod formule do klauzulární formy. Pravidlo rezoluce a unifikační algoritmus. Odvozování znalostí pomocí rezoluční metody. Strategie generování rezolvent. Příklady.
11. Produkční systémy. Báze znalostí a báze dat. Řídicí mechanismus. AND/OR rozhodovací stromy. Dopředný a zpětný režim odvozování. Příklady.
12. Sémantické sítě, dědičnost v sémantických sítích. Rámce a scénáře. Příklady.
13. Uzavření přednáškového cyklu.



Requirements

Aktivní účast na cvičeních. Samostatné vyřešení úloh na PC. Porozumění základním tématům odpřednášené látky. 



Literature