Cilj predmeta
Upoznavanje studenata sa osnovnim konceptima i tehnikama veštačke inteligencije i inteligentnih sistema.
Ishod predmeta
Studenti će biti osposobljeni da prepoznaju problem koji pripada oblasti veštačke inteligencije i inteligentnih sistema i da na osnovu svog znanja primene najpodesniju i najefikasniju metodu za njegovo rešavanje.
Sadržaj predmeta
Teorijska nastava
Klasifikacija robota. Industrijski, autonomni i humanoidni roboti. Diferencijalni pogon. Namenski računari. Senzori. Senzori rastojanja, infracrveni senzori blizine, senzori na bazi triangulacije, laserski skeneri, kamere. Reaktivno ponašanje. Braitenberg-ovo vozilo. Reakcija na detekciju objekta. Reakcija i skretanje. Praćenje linije upotrebom jednog ili dva senzora tla. Praćenje linije bez gradijenta. Upotreba konačnih automata. Reaktivno ponašanje sa stanjem. Kretanje robota. Rastojanje, brzina, vreme i ubrzanje. Segmentirano i kontinualno kretanje. Navigacija Pojam veštačke inteligencije. Pregled oblasti i tehnologija veštačke inteligencije. Realni dometi veštačke inteligencije. Teorijske osnove veštačke inteligencije. Kognitivna psihologija i neuro nauke. Predstavljanje znanja. Logika i rezonovanje. Inteligentno pretraživanje. Inteligentno rasuđivanje. Soft computing. Mašinsko učenje. Inteligentna analiza podataka. Inteligentni agenti. Multiagentski sistemi. Refleksni agenti. Agenti sa ciljevima. Ekstrakcija informacija i pronalaženje informacija. Ekstrakcija informacija u obradi prirodnog jezika. Preciznost i odziv. Prepoznavanje imenovanih entiteta. Pristup zasnovan na pravilima. Pristup zasnovan na mašinskom učenju. Metoda skrivenih Markovljevih modela. Metoda maksimalne entropije. Ekstrakcija informacija bez nadzora. Konačni transduktori i njihove primene u prepoznavanju imenovanih entiteta i relacija među njima. Sistemi zasnovani na pravilima. Semantički veb. Inteligentni edukativni sistemi. Prepoznavanje i obrada govora. Obrada i analiza slike. Decentralizovani agentski sitemi. Inteligentni upravljački sistemi.
Praktična nastava
Implementacija osnovnog programa koji upravlja robotom. Implementacija programa za obradu informacija sa senzora. Implementacija programa koji Algoritami pretraživanja obrađenih na predavanjima. Implementacija pravila rasuđivanja ulančavanjem unapred i ulančavanjem unazad. Softverska okruženja za razvoj inteligentnih sistema. Alati za segmentaciju teksta i tokenizaciju. Rad sa softverom otvorenog koda spaCy. Primeri ekspertskih sistema zasnovanih na pravilima u različitim domenima. Primeri problema koji se rešavaju pomoću neuronskih mreža: klasifikacija, klasterizacija, predviđanje, prepoznavanje, aproksimacija i modeliranje sistema. Upotreba alata otvorenog koda za duboko učenje TensorFlow, Torch, Keras, Caffe. Oblasti primene neuronskih mreža: medicina, finansije, proizvodnja, odbrana, društvene nauke.