Циљ предмета
Упознавање студената са основним концептима и техникама вештачке интелигенције и интелигентних система.
Исход предмета
Студенти ће бити оспособљени да препознају проблем који припада области вештачке интелигенције и интелигентних система и да на основу свог знања примене најподеснију и најефикаснију методу за његово решавање.
Садржај предмета
Теоријска настава
Класификација робота. Индустријски, аутономни и хуманоидни роботи. Диференцијални погон. Наменски рачунари. Сензори. Сензори растојања, инфрацрвени сензори близине, сензори на бази триангулације, ласерски скенери, камере. Реактивно понашање. Braitenberg-ово возило. Реакција на детекцију објекта. Реакција и скретање. Праћење линије употребом једног или два сензора тла. Праћење линије без градијента. Употреба коначних аутомата. Реактивно понашање са стањем. Кретање робота. Растојање, брзина, време и убрзање. Сегментирано и континуално кретање. Навигација Појам вештачке интелигенције. Преглед области и технологија вештачке интелигенције. Реални домети вештачке интелигенције. Теоријске основе вештачке интелигенције. Когнитивна психологија и неуро науке. Представљање знања. Логика и резоновање. Интелигентно претраживање. Интелигентно расуђивање. Soft computing. Машинско учење. Интелигентна анализа података. Интелигентни агенти. Мултиагентски системи. Рефлексни агенти. Агенти са циљевима. Екстракција информација и проналажење информација. Екстракција информација у обради 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 надзора. Коначни трансдуктори и њихове примене у препознавању именованих ентитета и релација међу њима. Системи засновани на правилима. Семантички веб. Интелигентни едукативни системи. Препознавање и обрада говора. Обрада и анализа слике. Децентрализовани агентски ситеми. Интелигентни управљачки системи.
Практична настава
Имплементација основног програма који управља роботом. Имплементација програма за обраду информација са сензора. Имплементација програма који Алгоритами претраживања обрађених на предавањима. Имплементација правила расуђивања уланчавањем унапред и уланчавањем 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.