Faglig innhold

Emnet starter med å beskrive metoder for problemløsning ved hjelp av heuristisk søk i tilstandsrom. Deretter beskrives forskjellige kunnskapspresentasjonsspråk og slutningsmekanismer for maskinell problemløsning. Representasjon i form av predikatlogikk, regler, rammer og semantiske nett behandles, og knyttes til hovedformene for resonnering - særlig regelbasert resonnering. Emnet behandler videre arkitekturer som integrerer forskjellige resonneringsmetoder, agentbaserte arkitekturer, samt arkitekturer for interaktiv problemløsning i et menneske-maskin samspill. Det gis anvendelseseksempler underveis for å belyse metodene.

Læringsutbytte

Kunnskaper: Kandidaten skal ha kunnskap om:

• historisk perspektiv av AI og dens fundament
• hovedprinsipper innen AI for problemløsning, inferens og kunnskapsrepresentasjon
• representasjon og resonnering ved propositional og predicate logikk
• uinformerte og heuristiske søkemetoder
• adversarialsøk
• begrensning tilfredshet ("constraint satisfaction") problemer og løsningsmetoder
• representasjon av planlegging problemer og løsningsmetoder
• multiagent miljø og spillteoriprinsipper og noen problemløsning metoder
• etikkrelaterte problemer i AI

Ferdigheter:

• ta beslutning om hvilke type intelligens og tilsvarende agent trengs i et bestemt agentmiljø
• design kunnskapsbaserte systemer gjennom bruk av passende representasjon, inferens og problemløsningsmetoder
• kunne identifisere type etiske problemer for et gitt problem.

Generell kompetanse:

• Kjenne fagfeltet AIs grunnlag hentet fra logikk og kognitive vitenskaper

Læringsformer og aktiviteter

Forelesninger, selvstudium, og øvinger. Et antall obligatoriske øvinger må bli godkjent for å kunne gå opp til eksamen.

Obligatoriske aktiviteter

• Øvinger

Anbefalte forkunnskaper

TDT4120 Algoritmer og datastrukturer og MA0301 Elementær diskret matematikk eller TDT4120 Algoritmer og datastrukturer og TMA4140 Diskret matematikk, eller tilsvarende.

Kursmateriell

Oppgis ved semesterstart.

Studiepoengreduksjon