Общие правила, цели курса

Team

• Владимир Иванов 
• Ирина Голицына 
• Алик Кириллович 
• Герман Лашевич

Rules

• No Laptops Open

• Grades / оценки
• Посещение лекций / практики

 

Оценка

• Тесты на лекциях (20%)
• Практические занятия (15%) 
  • посещение: 0 баллов,
  • работа: 1 балл
  • выпоненние заданий: 2 балла
  • +контрольные работы (до 5 баллов)
• Экзамен (65%)
• Доп. баллы: 
  • ответы на вопросы во время лекции
  • ...

Books:

1. Стюарт Рассел, Питер Норвиг. Искусственный интеллект: современный подход (AIMA-2), 2-е издание, 2007
   Stuart Russell, Peter Norvig. Artificial Intelligence: A Modern Approach,

2. Джордж Ф. Люгер. Искусственный интеллект. Стратегии и методы решения сложных проблем, 2005

 

Интеллектуальные информационные системы = системы с интеллектом ;)

Искусственный интеллект (AI)

AI = интеллект, проявляемый машинами или программами

Цель исследований AI состоит в разработке интелелктуальных агентов

 

Интеллектуальный агент

• воспринимает окружающую среду
• выполняет рациональные рассуждения
• выполняет действия, направленные на максимизацию шансов на успех

 

 

 

DISCUSSION 1:

• Какими свойствами должен обладать интеллектуальный агент?

• Какую структуру он должен иметь?

Проблемы AI

• reasoning

• knowledge representation

• planning

• learning

• natural language processing / understanding

• perception

• ...

Области знаний

• Math
• Computer Science
• Psychology
• Linguistics
• NeuroScience

История AI

• 1956 - Дартмут

• 60-е - эпоха расцвета

• 1974 - AI Winter 1

• 80-е - expert systems

• 1987 - AI Winter 2 (Lisp machines)

• 90-е - успешные коммерческие системы

• 1997 - Deep Blue

• 2011 - IBM Watson (Jeopardy)

Evaluation

Тесты на интеллектуальность

• Тест Тьюринга (1950)
• CAPTCHA
• другие тесты (предметная область)

Исходы тестов

• Optimal
• Strong super-human
• super-human
• sub-human

Тест Тьюринга

• Слабый AI
• Сильный AI

Китайская комната

Джон Сёрл,

Searle, John. R. (1980) Minds, brains, and programs. Behavioral and Brain Sciences 3 (3): 417-457

DISCUSSION 2:

Могут ли машины думать?

Направления

• Deduction / Reasoning (+)

• KR, KE, KM, Ontologies, Semantic Web (+)

• Planning / Scheduling (-)

• Learning (+)

• Natural Language Processing (+)

• Perception (-)

• Robotics (-)

 

Свойства окружения

• fully vs. partially observable

• deterministic vs. stochastic

• discrete vs. continuous

• benign vs. adversarial

Models and representations

Модели и представления (репрезентации)

DISCUSSION 3: features