Τεχνητή Νοημοσύνη
Φώτιος Κόκκορας
Επίκουρος Καθηγητής
Μαθησιακά Αποτελέσματα
Το μάθημα στοχεύει στην σε βάθος κατανόηση της Τεχνητής Νοημοσύνης (ΤΝ) όπως αυτή εκφράζεται στην πορεία εξέλιξης της. Καλύπτεται τόσο η Κλασική (Συμβολική) ΤΝ, όπου το πρόβλημα περιγράφεται αφαιρετικά και τυποποιημένα με σύμβολα και συνδυάζεται με αλγορίθμους επίλυσης για να λυθεί, όσο και η Υπολογιστική (Computaonal) ΤΝ στην οποία γίνεται χρήση σύνθετων μαθηματικών μοντέλων και θεωριών, και στοιχεία ευφυίας προκύπτουν μέσω εκτενών μαθηματικών υπολογισμών. Με την ολοκλήρωση του μαθήματος οι φοιτητές/-τριες θα είναι σε θέση:
- να κατανοούν ποια είναι τα «στοιχεία νοημοσύνης» που υπάρχουν στις επιμέρους τεχνολογίες
- να περιγράφουν προβλήματα στο χώρο των καταστάσεων και να τα επιλύνουν με τον κατάλληλο αλγόριθμο αναζήτησης
- να αντιλαμβάνονται τις ιδιαιτερότητες κάθε αλγορίθμου αναζήτησης
- να κατανοούν την αναπαράσταση γνώσης με κανόνες και τη λειτουργία των συστημάτων βασισμένα σε κανόνες (έμπειρα συστήματα, συστήματα κανόνων)
- να σχεδιάζουν γενετικό αλγόριθμο για επίλυση προβλημάτων βελτιστοποίησης μεγάλης κλίμακας
- να αντιλαμβάνονται την έννοια της ασάφειας και τους μηχανισμούς ασαφούς συλλογιστικής και ασαφούς ελέγχου
- να κατανοούν τη βασική λειτουργία των απλών νευρωνικών δικτύων
Ενδεικτικό Περιεχόμενο Μαθήματος
- Κλασική Τεχνητή Νοημοσύνη:
- τυποποιημένη περιγραφή προβλημάτων
- τυφλοί αλγόριθμοι αναζήτησης
- ευρετικοί αλγόριθμοι αναζήτησης
- αλγόριθμοι σε ανταγωνιστικά “παίγνια”
- αναπαράσταση γνώσης & συλλογιστικές
- συστήματα γνώσης / έμπειρα συστήματα
- Υπολογιστική Τεχνητή Νοημοσύνη:
- Γενετικοί Αλγόριθμοι
- Ασαφής Λογική και Ασαφής Έλεγχος
- Τεχνητά Νευρωνικά Δίκτυα