Циљ и исход предмета
Упознавање са идејама које су се појавиле током истраживања и развоја у вештачкој интелигенцији у току њеног педесетогодишњег развоја, а кроз уједињавајућу идеју интелигентног агента. Разумевање начина изградње вештачко-интелигентних ентитета. По завршетку курса, студент има основна знања о вештачко-интелигентним системима (VI). У стању је да одреди шта се може урадити VI pristupom. У стању је да одреди проблеме за чије решавање се примењују VI приступи. Зна карактеристике разматраних VI метода. Може да предложи начин решавања проблема, а за неке проблеме и да изабере и реализује одговарајући VI метод. Припремљен је за уже, стручне предмете из области вештачке интелигенције и рачунарске интелигенције.
Теоријска настава
Појам вештачке интелигенције. Преглед области и технологија вештачке интелигенције. Реални домети вештачке интелигенције. Теоријске основе вештачке интелигенције. Когнитивна психологија и неуро-науке. Представљање знања. Интелигентно претраживање. Математичке, рачунарске и статистичке методе у вештачкој интелигенцији. Интелигентно расуђивање. Soft computing. Машинско учење. Примена вештачке интелигенције. Интелигентна анализа података. Интелигентни агенти. Мултиагентски системи. Рефлексни агенти. Агенти са циљевима. Екстракција информација и проналажење информација. Екстракција информација у оквиру обраде природног језика. Прецизност и одзив. Препознавање именованих ентитета. Приступ заснован на правилима. Приступ заснован на машинском учењу. Метода скривених Марковљевих модела. Метода максималне ентропије. Екстракција информација без надзирања. Коначни трансдуктори и њихове примене у препознавању именованих ентитета и релација међу њима. Системи засновани на правилима. Семантички веб. Интелигентни едукативни системи. Технологије вештачке интелигенције. Препознавање и обрада говора. Обрада природног језика. Роботика. Обрада слике. Неуронске мреже.
Практична настава
Имплементација алгоритама претраживања обрађених на предавањима. Имплементација правила расуђивања уланчавање унапред и уланчавање уназад. Софтверска окружења за развој интелигентних система. Алати за сегментацију текста и токенизацију. Рад са софтвером отвореног кода spaCy. Примери експертских система заснованих на правилима у различитим доменима. Примери проблема који се решавају помоћу неуронских мрежа: класификација, кластеризација, предвиђање, препознавање, апроксимација и моделирање система. Употреба алата отвореног кода за дубоко учење TensorFlow, Torch, Keras, Caffe. Области примене неуронских мрежа: медицина, финансије, производња, одбрана, друштвене науке.