ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ ΚΑΙ ΕΜΠΕΙΡΑ ΣΥΣΤΗΜΑΤΑ
Δημήτρης Αποστόλου
Το μάθημα αναφέρεται στην Τεχνητή Νοημοσύνη ως τομέα της επιστήμης της Πληροφορικής που ασχολείται με τη σχεδίαση και την υλοποίηση προγραμμάτων τα οποία είναι ικανά να μιμηθούν ανθρώπινες γνωστικές ικανότητες, εμφανίζοντας χαρακτηριστικά που αποδίδουμε συνήθως σε ανθρώπινη συμπεριφορά, όπως η επίλυση προβλημάτων, η μάθηση, η εξαγωγή συμπερασμάτων, κλπ. Το μάθημα καλύπτει σε εισαγωγικό επίπεδο τις δύο βασικές προσεγγίσεις της Τεχνητής Νοημοσύνης:
- Κλασική ή συμβολική: Βασίζεται στην κατανόηση των νοητικών διεργασιών και ασχολείται με τη προσομοίωση της ανθρώπινης νοημοσύνης προσεγγίζοντάς την με αλγορίθμους και συστήματα που βασίζονται στη γνώση χρησιμοποιώντας ως δομικές μονάδες τα σύμβολα (π.χ. συστήματα κανόνων).
- Υπολογιστική νοημοσύνη ή μη-συμβολική: Βασίζεται στη μίμηση της βιολογικής λειτουργίας του ανθρώπου όπως η διαδικασία της εξέλιξης των ειδών ή η λειτουργία του εγκεφάλου (π.χ. νευρωνικά δίκτυα, γενετικοί αλγόριθμοι).
Περιεχόμενα Μαθήματος:
- Περιγραφή προβλημάτων και αλγόριθμοι αναζήτησης λύσης.
- Αλγόριθμοι Τυφλής Αναζήτησης. Αλγόριθμοι Ευριστικής Αναζήτησης. Αλγόριθμοι Αναζήτησης σε Παίγνια Δύο Αντιπάλων.
- Ικανοποίηση Περιορισμών.
- Γενετικοί αλγόριθμοι.
- Βασικές αρχές αναπαράστασης γνώσης και συλλογιστικής.
- Προτασιακή και κατηγορηματική λογική.
- Συστήματα κανόνων.
- Λογική της γνώσης και της πεποίθησης.
- Αβεβαιότητα και ασάφεια.
- Στόχοι, ενέργειες και σχεδιασμός.
- Πλαίσια, και σημασιολογικά δίκτυα.
- Θεωρία της μαρτυρίας.
- Τεχνολογία έμπειρων συστημάτων.
- Εισαγωγή στη μηχανική μάθηση (δένδρα απόφαση, μάθηση κανόνων ταξινόμησης, μάθηση κατά Bayes, παλινδρόμηση, νευρωνικά δίκτυα, κανόνες συσχέτισης, ομαδοποίηση).
Το μάθημα αναφέρεται στην Τεχνητή Νοημοσύνη ως τομέα της επιστήμης της Πληροφορικής που ασχολείται με τη σχεδίαση και την υλοποίηση προγραμμάτων τα οποία είναι ικανά να μιμηθούν ανθρώπινες γνωστικές ικανότητες, εμφανίζοντας χαρακτηριστικά που αποδίδουμε συνήθως σε ανθρώπινη συμπεριφορά, όπως η επίλυση προβλημάτων, η μάθηση, η εξαγωγή συμπερασμάτων, κλπ. Το μάθημα καλύπτει σε εισαγωγικό επίπεδο τις δύο βασικές προσεγγίσεις της Τεχνητής Νοημοσύνης:
- Κλασική ή συμβολική: Βασίζεται στην κατανόηση των νοητικών διεργασιών και ασχολείται με τη προσομοίωση της ανθρώπινης νοημοσύνης προσεγγίζοντάς την με αλγορίθμους και συστήματα που βασίζονται στη γνώση χρησιμοποιώντας ως δομικές μονάδες τα σύμβολα (π.χ. συστήματα κανόνων).
- Υπολογιστική νοημοσύνη ή μη-συμβολική: Βασίζεται στη μίμηση της βιολογικής λειτουργίας του ανθρώπου όπως η διαδικασία της εξέλιξης των ειδών ή η λειτουργία του εγκεφάλου (π.χ. νευρωνικά δίκτυα, γενετικοί αλγόριθμοι).
Περιεχόμενα Μαθήματος:
- Περιγραφή προβλημάτων και
Το μάθημα αναφέρεται στην Τεχνητή Νοημοσύνη ως τομέα της επιστήμης της Πληροφορικής που ασχολείται με τη σχεδίαση και την υλοποίηση προγραμμάτων τα οποία είναι ικανά να μιμηθούν ανθρώπινες γνωστικές ικανότητες, εμφανίζοντας χαρακτηριστικά που αποδίδουμε συνήθως σε ανθρώπινη συμπεριφορά, όπως η επίλυση προβλημάτων, η μάθηση, η εξαγωγή συμπερασμάτων, κλπ. Το μάθημα καλύπτει σε εισαγωγικό επίπεδο τις δύο βασικές προσεγγίσεις της Τεχνητής Νοημοσύνης:
- Κλασική ή συμβολική: Βασίζεται στην κατανόηση των νοητικών διεργασιών και ασχολείται με τη προσομοίωση της ανθρώπινης νοημοσύνης προσεγγίζοντάς την με αλγορίθμους και συστήματα που βασίζονται στη γνώση χρησιμοποιώντας ως δομικές μονάδες τα σύμβολα (π.χ. συστήματα κανόνων).
- Υπολογιστική νοημοσύνη ή μη-συμβολική: Βασίζεται στη μίμηση της βιολογικής λειτουργίας του ανθρώπου όπως η διαδικασία της εξέλιξης των ειδών ή η λειτουργία του εγκεφάλου (π.χ. νευρωνικά δίκτυα, γενετικοί αλγόριθμοι).
Περιεχόμενα Μαθήματος:
- Περιγραφή προβλημάτων και
