Τεχνητή Νοημοσύνη (Θ) (Ν1-6010-TH)

Κατερίνα Γεωργούλη

Περιγραφή

Στο πλαίσιο του μαθήματος διδάσκονται τα παρακάτω: Ιστορική Αναδρομή, Βασικές έννοιες, Αναπαράσταση γνώσης, Επίλυση Προβλημάτων, Τυφλοί Αλγόριθμοι αναζήτησης, Ευριστικοί Αλγόριθμοι αναζήτησης, Συλλογιστική, Συστήματα Παραγωγής, Τεχνικές εξαγωγής συμπερασμάτων και Έμπειρα Συστήματα, Μάθηση Μηχανής, Δένδρα Απόφασης,  Νευρωνικά Δίκτυα, Γενετικοί Αλγόριθμοι,  Νοήμονες Πράκτορες.

CC - Αναφορά - Μη Εμπορική Χρήση - Παρόμοια Διανομή

Ενότητες

Εισαγωγή στο Αντικείμενο της Τεχνητής Νοημοσύνης, Ιστορική Αναδρομή και Παρουσίαση σύγχρονων ερευνητικών τάσεων και πεδίων εφαρμογής.

Στόχοι Ενότητας

Εξοικείωση των φοιτητών με έννοιες που αφορούν τον συγκεκριμένο  επιστημονικό χώρο.

Λέξεις Κλειδιά

Τεχνητή Νοημοσύνη

Στην ενότητα αυτή παρουσιάζεται ο ορισμός και η περιγραφή προβλημάτων στο χώρο καταστάσεων ώστε να είναι εφικτή η αναζήτηση λύσεων με τη βοήθεια αλγόριθμων μέσα στο χώρο αναζήτησης.

Στόχοι Ενότητας

Οι φοιτητές να αποκτήσουν την ικανότητα να περιγράφουν το χώρο καταστάσεων ενός προβλήματος και να το ορίζουν ανάλογα ώστε να είναι εφικτή η εύρεση της λύσης του.

Λέξεις Κλειδιά

Κόσμος προβλήματος, χώρος καταστάσεων, χώρος αναζήτησης, λύση προβλήματος

Θα παρουσιαστεί η γενική προσέγγιση εύρεσης λύσης με έναν γενικό αλγόριθμο αναζήτησης όπου θα διευκρινιστούν οι όροι που προσδιορίζουν τη διαδικασία  αναζήτησης.

Στόχοι Ενότητας

Οι εκπαιδευόμενοι να κατανοήσουν πλήρως τις έννοιες της τρέχουσας κατάστασης ενός προβλήματος, του μετώπου αναζήτησης, ενός μονοπατιού και της ουράς μονοπατιών καθώς και τη διαδικασία που ακολουθεί ένας αλγόριθμος με βάση αυτά ώστε να αναπτύξει βήμα-βήμα το δένδρο αναζήτησης και να σχηματίσει το μονοπάτι-λύση που οδηγεί στο στόχο του προβλήματος.

Λέξεις Κλειδιά

Αλγόριθμος αναζήτησης, δένδρο αναζήτησης, ουρά αναζήτησης, μέτωπο αναζήτησης, κλειστό σύνολο.

Θα παρουσιαστεί η προσέγγιση εύρεσης λύσης σε χώρο καταστάσεων με τυφλούς αλγόριθμους αναζήτησης και θα παρουσιαστούν αναλυτικά οι πιο γνωστοί τυφλοί αλγόριθμοι αναζήτησης με ικανό αριθμό μελετών περίπτωσης.

Στόχοι Ενότητας

Οι φοιτητές να μπορούν να ερμηνεύσουν τα βήματα που ακολουθεί κάθε ένας από τους τυφλούς αλγορίθμους για να βρει τη λύση σε ένα πρόβλημα που περιγράφεται με χώρο καταστάσεων, να μπορεί να τα αποτυπώσει με κάποιον από τους τρόπους που θα παρουσιαστούν στο πλαίσιο του μαθήματος και να μπορεί να εκτιμήσει την αποτελεσματικότητά τους.

Λέξεις Κλειδιά

Τυφλοί αλγόριθμοι αναζήτησης, πρώτα σε βάθος αναζήτηση, πρώτα σε πλάτος αναζήτηση.

Θα παρουσιαστούν αναλυτικά οι πιο γνωστοί ευριστικοί αλγόριθμοι αναζήτησης.

Στόχοι  

Οι φοιτητές να μπορούν να ερμηνεύσουν τα βήματα που ακολουθεί κάθε ένας από τους ευριστικούς αλγορίθμους για να βρει τη λύση σε ένα πρόβλημα που περιγράφεται με χώρο καταστάσεων,  να κατανοήσουν την κρισιμότητα επιλογής κατάλληλου ευριστικού κριτηρίου και να μπορεί να τα αποτυπώσουν τα βήματα με κάποιον από τους τρόπους που θα παρουσιαστούν στο πλαίσιο του μαθήματος.

Λέξεις Κλειδιά

Ευριστικοί  αλγόριθμοι αναζήτησης, ευριστική συνάρτηση, Αναρρίχηση, Ακτινωτή Αναζήτηση , Πρώτη καλύτερη , Άλφα-Άστρο - Α*.

Η επίλυση ενός προβλήματος με κατάλληλη διαχείριση της γνώσης που διαθέτουμε για αυτό, βασίζεται στην εξαγωγή λογικών συμπερασμάτων. Στην  αυτή παρουσιάζεται η εξαγωγή συμπερασμάτων με τη εφαρμογή έγκυρων και μη έγκυρων συλλογισμών και συλλογισμών κάτω  από αβεβαιότητα και ασάφεια.

Στόχοι Ενότητας

Να γίνουν πλήρως κατανοητές οι διαφορετικές συλλογιστικές προσεγγίσεις για την εξαγωγή συμπερασμάτων ώστε στη συνέχεια να είναι κατανοητή η αναπαράσταση της γνώσης υπό μορφή  συλλογισμών μέσα σε συστήματα βασισμένα στη γνώση.

Λέξεις Κλειδιά

Γνώση, Επαγωγή, Παραγωγή, Απαγωγή, Modus Ponens, Κύκλοι Euler.

Σε προβλήματα κυρίως του πραγματικού κόσμου, η καταλληλότητα της επιλεγμένης αναπαράστασης της γνώσης που το περιγράφει είναι θεμελιώδους σημασίας. Στο συγκεκριμένο κεφάλαιο παρουσιάζονται  οι βασικές λογικές και δομημένες μέθοδοι αναπαράστασης βεβαίας γνώσης και εξηγείται η καταλληλότητα της κάθε μιας για συγκεκριμένο είδος γνώσης.

Στόχοι Ενότητας

Η  ενότητα αυτή στοχεύει στην παρουσίαση των γνωστότερων μεθόδων αναπαράστασης γνώσης ώστε στη συνέχεια οι φοιτητές να είναι σε θέση να επιλέξουν την  καταλληλότερη από αυτές για την επίλυση ενός συστήματος βασισμένου στη γνώση.

Λέξεις Κλειδιά

Κατηγορηματικός λογισμός, Σημασιολογικά Δένδρα, Πλαίσια, Κανόνες.

Παρουσίαση του χώρου των συστημάτων βασισμένων στη γνώση με επικέντρωση στα συστήματα κανόνων. Η χρήση κανόνων για την αναπαράσταση της διαδικαστικής και επεισοδιακής γνώσης ενός προβλήματος είναι μια από της βασικές προσεγγίσεις  για  την επίλυση προβλημάτων βασισμένων στη γνώση στο πλαίσιο της Τεχνητής Νοημοσύνης. Στην  αυτή  παρουσιάζονται τα χαρακτηριστικά των συστημάτων κανόνων και ο τρόπος λειτουργίας τους. Μεγάλη σημασία δίνεται στη διεξοδική παρουσίαση παραδειγμάτων λειτουργίας της προς τα εμπρός και προς τα πίσω αλυσιδωτής εκτέλεσης κανόνων.

Στόχοι Ενότητας

Να εξοικειωθούν οι φοιτητές με τη δομή και τη λειτουργία των συστημάτων βασισμένων στη γνώση και ιδιαίτερα με τα έμπειρα συστήματα κανόνων.

Λέξεις Κλειδιά

Συστήματα βασισμένα στη Γνώση, Έμπειρα συστήματα, Βάση γνώσης, Ενεργός μνήμη, Συμπερασματική μηχανή, σύνολο σύγκρουσης, Προς τα εμπρός αλυσιδωτή εκτέλεση κανόνων, Προς τα πίσω αλυσιδωτή εκτέλεση κανόνων.

Στο κεφάλαιο αυτό παρουσιάζεται η τεχνολόγηση εμπείρων συστημάτων. Παρουσιάζεται η δομή και η λειτουργία τους, η συγκέντρωση και τεχνολόγηση της γνώσης καθώς και περιπτώσεις εφαρμογών τους. Ιδιαίτερη περίπτωση αφορά η τεχνολόγηση της αβέβαιης και ασαφούς γνώσης που παρουσιάζεται στο τέλος του κεφαλαίου με μικρά παραδείγματα.

Στόχοι Ενότητας

Να κατανοήσουν οι φοιτητές τις ομοιότητες και τις διαφορές του σχεδιασμού και της ανάπτυξης των εμπείρων συστημάτων έναντι αυτών που έχουν διδαχθεί στο πλαίσιο των μαθημάτων σχεδιασμού και ανάπτυξης πληροφοριακών συστημάτων. Επίσης επιδιώκεται να αποκτήσουν μια πρώτη αντίληψη από τη διαχείριση της αβέβαιης και της ασαφούς γνώσης σε περιβάλλοντα εμπείρων συστημάτων κανόνων

Λέξεις Κλειδιά

Απόκτηση γνώσης, Αβέβαια γνώση, Συντελεστής βεβαιότητας, Ασαφής Συλλογιστική, Συνάρτηση συνεπαγωγής.

Η επίλυση προβλημάτων με ευφυείς προσεγγίσεις βασίζεται στη χρήση μεθόδων μηχανικής μάθησης. Στην  αυτή παρουσιάζεται η έννοια της μηχανικής μάθησης και μια από τις βασικότερες μέθοδοι της, τα δένδρα απόφασης και του αλγόριθμου ID3 που χρησιμοποιεί καθώς και ικανός αριθμός παραδειγματικών περιπτώσεων εφαρμογής. Η  ολοκληρώνεται με σύντομη αναφορά στη συλλογιστική βασισμένη σε περιπτώσεις.

Στόχοι Ενότητας

Να γίνει σαφές που στοχεύει η μηχανική μάθηση, ποιες μέθοδοι μάθησης εφαρμόζονται στα βασικότερα από τα είδη συστημάτων που την απαρτίζουν και να γίνει κατανοητό σε βάθος πώς μπορεί να χρησιμοποιηθεί η επαγωγική συλλογιστική μέθοδος στο πλαίσιο της μηχανικής μάθησης με την χρήση δένδρων αποφάσεων και η απαγωγική συλλογιστική στο πλαίσιο των συστημάτων που διαχειρίζονται περιπτώσεις.

Λέξεις Κλειδιά

Μηχανική Μάθηση, Δένδρα αποφάσεων, Αλγόριθμος ID3, Συλλογιστική Βασισμένη σε περιπτώσεις.

Εισαγωγή στα Νευρωνικά δίκτυα. Παρουσίαση του  Perceptron και τις αρχιτεκτονικές Νευρωνικών Δικτύων με ενδιάμεσα επίπεδα.  Διαφορετικοί τρόποι εκμάθησης Νευρωνικών Δικτύων,  Back propagation Δίκτυα, Δίκτυα Kohonen, Δίκτυα  Hopfield. Εφαρμογές Τεχνητών Νευρωνικών Δικτύων σήμερα.

Στόχοι Ενότητας

Εξοικείωση με το χώρο των νευρωνικών δικτύων και των εφαρμογών τους.

Λέξεις Κλειδιά

Perceptron, Συνάρτηση ενεργοποίησης, Κανόνας εκμάθησης, Δίκτυα Back propagation, Δίκτυα Kohonen, Δίκτυα  Hopfield.

Εισαγωγή στους γενετικούς αλγορίθμους ως μεθόδου επίλυσης προβλημάτων με αναλυτική περιγραφή της λειτουργίας τους. Παρουσίαση εφαρμογών γενετικών αλγορίθμων.

Στόχοι Ενότητας

Να εξοικειωθούν οι φοιτητές με τον εξελικτικό προγραμματισμό και να είναι σε θέση να σχεδιάσουν έναν γενετικό αλγόριθμο, επιλέγοντας αναπαράσταση και γενετικούς τελεστές για την επίλυση ενός προβλήματος.

Λέξεις Κλειδιά

Αναπαραγωγή πληθυσμό, Συνάρτηση καταλληλότητας, Γενετικοί τελεστές, ελιτισμός.

Οι νοήμονες πράκτορες αποτελούν σύγχρονα συστήματα Τεχνητής Νοημοσύνης όπου δυνητικά μπορούν να χρησιμοποιηθούν επιλεκτικά και σε συνδυασμό μέθοδοι αναπαράστασης γνώσης και επίλυσης προβλημάτων με ή χωρίς χρήση μηχανικής μάθησης μεταξύ αυτών που  παρουσιάστηκαν στα παραπάνω κεφάλαια. Με γνώμονα αυτό, παρουσιάζονται οι διαφορετικές τυπικές αρχιτεκτονικές των νοημόνων πρακτόρων, γίνεται αναφορά στα πολυπρακτορικά συστήματα και παρουσιάζονται εφαρμογές τους.

Στόχοι Ενότητας

Κατανόηση των διαφορών των Νοημόνων πρακτόρων από άλλες εφαρμογές υποστήριξης. Αναγνώριση των διαφορών μεταξύ των διαφορετικών τύπων πρακτόρων και πολύ-πρακτορικών συστημάτων.

Λέξεις Κλειδιά

Ευφυείς πράκτορες, Πολυπρακτορικά Συστήματα

Στην ενότητα αυτή πραγματοποιείται αναλυτική παρουσίαση του χώρου της επεξεργασίας φυσικής γλώσσας, τα πεδία εφαρμογής της, του λεξικού, της συντακτικής ανάλυσής της και  των προβλημάτων επεξεργασίας που παρουσιάζονται σε σύγκριση με την επεξεργασία μιας τεχνητής γλώσσας με παραδείγματα ορθής και προβληματικής επεξεργασίας. Γίνεται εισαγωγή στην κατανόηση κειμένου και στην αντιμετώπιση προβλημάτων ασάφειας που μπορούν να προκύψουν κατά την πραγματολογική ανάλυσή του και πώς αυτά θα μπορούσαν να επιλυθούν. Τέλος παρουσιάζονται γνωστές εφαρμογές επεξεργασίας φυσικής γλώσσας.

Στόχοι Ενότητας

Να γίνει κατανοητός ο τρόπος επεξεργασίας της φυσικής γλώσσας και των δυνατοτήτων των συστημάτων που βασίζονται σε αυτήν.

Λέξεις Κλειδιά

Λεξικό Γλώσσας, Γραμματική Γλώσσας, Σημασιολογική Ανάλυση, Πραγματολογική Ανάλυση, Κατανόηση Γλώσσας

Ανοικτό Ακαδ. Μάθημα

Ανοικτά Ακαδημαϊκά Μαθήματα
Επίπεδο: A+

Αρ. Επισκέψεων :  6210
Αρ. Προβολών :  45642

Ημερολόγιο

Ανακοινώσεις

  • - Δεν υπάρχουν ανακοινώσεις -