Emne - Introduksjon til kunstig intelligens - TDT4136
Introduksjon til kunstig intelligens
Om
Om emnet
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
- etikk relaterte 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 øvinger og et prosjekt. Et antall obligatoriske øvinger må bli godkjent for å kunne gå opp til eksamen.
Obligatoriske aktiviteter
- Øvinger
Mer om vurdering
Ved utsatt eksamen (kontinuasjonseksamen) kan skriftlig eksamen bli endret til muntlig eksamen. Skriftlig eksamen blir bare på engelsk da undervisning, slides og boka, og øvrige material er på engelsk alle sammen. Studentene kan svare på norsk.
Anbefalte forkunnskaper
TDT4120 Algoritmer og datastrukturer. MA0301 Elementær diskret matematikk, eller tilsvarende.
Kursmateriell
Oppgis ved semesterstart.
Studiepoengreduksjon
| Emnekode | Reduksjon | Fra |
|---|---|---|
| IT2702 | 3,7 sp | Høst 2007 |
| IT272 | 3,7 sp | Høst 2007 |
| MNFIT272 | 3,7 sp | Høst 2007 |
| TDT4135 | 3,7 sp | Høst 2007 |
| SIF8015 | 3,7 sp | Høst 2007 |
| TDT4170 | 3,7 sp | Høst 2007 |
| SIF8031 | 3,7 sp | Høst 2007 |
| IMT3103 | 7,5 sp | Høst 2018 |
Fagområder
- Datateknikk
- Informatikk
Kontaktinformasjon
Emneansvarlig/koordinator
Faglærere
Ansvarlig enhet
Eksamen
Eksamen
Ordinær eksamen - Høst 2022
Skriftlig skoleeksamen
Oppgitt rom kan endres og endelig plassering vil være klar senest 3 dager før eksamen. Du finner din romplassering på Studentweb.