K-INFO
HU
EN
Login

Artificial Intelligence

Mesterséges intelligencia
A tantárgyleírás hatályossága
Hatályosság kezdete:
Hatályosság vége:
Subject name (Hungarian, English)
Mesterséges intelligencia
Artificial Intelligence
Subject code BMEVIMM5015
Subject type
Training Level
Course types and hours (weekly/semester)
Course type lecture tutorial laboratory
hours (weekly) 4 0 0
type (linked/independent)
Assessment type vizsga
Credits 5
Subject coordinator
Dr. Dobrowiecki Tadeusz Pawel
position: egyetemi docens
Responsible department
Faculty
Subject website http://www.mit.bme.hu/oktatas/targyak/vimm5015/
Primary curriculum type
Direct prerequisites – Strong prerequisite none
Direct prerequisites – Weak prerequisite none
Direct prerequisites – Parallel prerequisite none
Direct prerequisites – Milestone prerequisite none
Direct prerequisites – Exclusion none

Objectives

Programme

A mesterséges intelligencia alapjai, története, jelenlegi helyzete.

Intelligens ágensek. Hogyan kell egy ágensnek működnie. Az intelligens ágensek struktúrája. Intelligens rendszerek környezete.

Problémamegoldás modellezése. Problémamegoldó ágensek. Tudás és a problémafajták. Cselekvéssorozatok generálása. Keresési stratégiák. A keresési stratégiák összehasonlítása. Heurisztikus függvények. Memóriakorlátos keresés. Iteratív javító algoritmusok.

Tudás és következtetés. Logikusan következtető ágensek. Tudásalapú ágens. Logikai előzmények áttekintése: Ítéletkalkulus. Helyesség és következtetés. Az ítéletkalkulus következtetési szabályai. A következtetés bonyolultsága. Elsőrendű logika. Az elsőrendű logika felhasználása, a kérdések megfogalmazása és a válaszok kinyerése. Következtetés elsőrendű logikában. Általánosított Modus Ponens. Előre és visszafelé haladó következtetés. Teljesség. Rezolúció. Rezolúciós stratégiák.

A tudás lefordítása cselekvéssé. Az ítéletlogikai ágens problémái. Egy egyszerű reflexszerű ágens és a korlátjai. A világ megváltozásának reprezentálása. Szituációs kalkulus. A cél-orientált ágens felé.

A tudásbázis építése. A kategóriák reprezentálása. Változás reprezentálása eseményekkel. Az idő, az időintervallumok és a cselekvés. Szubsztanciák és objektumok. Mentális események és mentális objektumok. Tudás és cselekvés.

Logikai következtető rendszerek. Előre haladó produkciós rendszerek. Keretrendszerek és szemantikus hálók. Öröklődés megvalósítása kivételkezeléssel. Többszörös öröklődés. Leíró logikák.

Tervkészítés. Egy egyszerű tervkészítő ágens. Tervkészítés szituációs kalkulusban. A tervkészítés alapvető reprezentációi. Egy részben rendezett tervkészítési algoritmus. Hierarchikus dekompozició. Erőforrás kényszerek. Tervkészítés és cselekvés. Feltételes tervkészítés. Egy egyszerű újratervező ágens. Összevont tervkészítés és végrehajtás.

Bizonytalan tudás és következtetés. Cselekvés bizonytalan tudás mellett. Valószínűség. Bayes tétel és a használata. Valószínűségi következtető rendszerek. Következtetés valószínűségi hálókban. A bizonytalan következtetés más megközelítései. Alapeseti (default) következtetés. Bizonytalan következtetés szabályalapú módszerekkel. Tudatlanság reprezentálása. Homályos jelentés reprezentálása: fuzzy halmazok és fuzzy logika. A hasznosság elmélet alapjai.

Tanulás. Tanuló ágensek általános modellje. Induktív tanulás. Döntési fák tanulása. Az általános logikai kifejezések tanulása. Formális tanuláselmélet. Tanulás neurális és valószínűségi hálókban. Hibavisszaterjesztéses tanulás. Valószínűségi hálókban történő tanulás Bayes módszerei. Megerősítéses tanulás. Genetikus algoritmusok és evolúciós programozás. Tudás szerepe a tanulásban. Magyarázatalapú tanulás. Releváns információt felhasználó tanulás. Induktív logikai programozás.

Kommunikáció, észlelés és cselekvés. Kommunikáció mint cselekvés. Kommunikáló ágensek típusai. A természetes nyelv megértésének szintjei és problémái. Párbeszédmegértés. A koherens párbeszéd struktúrája.

Filozófiai alapok. Az intelligens viselkedés megvalósításának lehetőségéről.

A tantárgy célkitűzése a mesterséges intelligencia területének rövid, ám igényes bemutatása. A felvezetés lépései (1) az intelligens viselkedés számítási modellekkel való kifejezés problémái, (2) az intelligens számítógépes rendszer fogalma, (3) a mesterséges intelligencia formális és heurisztikus módszerei, (4) a gyakorlati megvalósítások módszerei és problémái, végül (5) az intelligens rendszerközösségek megvalósítási problémái. A célkitűzés lényeges komponense, hogy a hallgatók a mesterséges intelligencia módszertanát nem elszigetelten, hanem a többi - humán, informatikai és műszaki - ismereteikre támaszkodva és párhuzamokat vonva sajátítsák el.

Learning outcomes

Ez a tantárgy a KKK rendeletben meghatározott, következő kompetenciák fejlesztését szolgálja:

Knowledge

No learning outcomes recorded.

Skills

No learning outcomes recorded.

Attitudes

No learning outcomes recorded.

Autonomy and responsibility

No learning outcomes recorded.

Oktatási módszertan

Előadás

Tanulástámogató anyagok

Not provided.

Recommended preliminary knowledge for completing the subject

Knowledge type competencies
(azon előzetes ismeretek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
matematikai logika, valószínűségszámítás, számítástechnika alapjai
Skill type competencies
(azon előzetes képességek és készségek összessége, amelyek megléte nem kötelező, de a tantárgy eredményes teljesítését nagyban elősegíti)
nincs
Recommended (non-compulsory) preliminary competencies
(azon ajánlott (nem kötelező) előzetesen megszerzendő kompetenciák összessége, amelyek jelentősen hozzájárulnak a tantárgy eredményes teljesítéséhez)
matematikai logika, valószínűségszámítás, számítástechnika alapjai
General rules
Követelmények: a. A szorgalmi időszakban: félévközben egy nagy ZH, amely a félév utolsó hetén pótolható. A vizsgára bocsátás feltétele a ZH minimum 50%-os megírása. b. A vizsgaidőszakban: írásbeli vizsga c. Elővizsga: nincs Osztályozás: 30-tól elégséges 43-tól közepes 56-tól jó 69-től jeles c. Elővizsga: nincs Pótlási lehetőségek: Az aláírás megszerzésének feltételei a vizsgaidőszakban nem pótolhatók be.
Assessment methods
In-term assessments

No detailed assessments provided.

Weight of in-term assessments

No weights provided.

Exam-period assessments

No detailed assessments provided.

Weight of exam elements

No weights provided.

Grade calculation

No grade thresholds provided.

Attendance requirements

No attendance requirements provided.

Rules for retake and resubmission

Not provided.

Short description

Not provided.

Detailed description

Not provided.

Recommended courses
nincs
Workload to complete the subject

No workload breakdown provided.

Validity of subject requirements
Requirements valid from:
Requirements valid until:
Curriculum placement

No curriculum placements recorded for this subject version.