Předmět je základní jednotka výuky, jejímž prostřednictvím si student osvojí ucelenou část souboru znalostí a dovedností, potřebnou pro zvládnutí studijního oboru/specializace. Za věcný obsah předmětu zodpovídá garant předmětu. Časovou náročnost předmětu zhruba vyjadřuje atribut předmětu rozsah kontaktní výuky. Například rozsah = 2+2  značí, že předmět bude mít týdně dvě hodiny přednášek a dvě hodiny cvičení týdně. Na závěr semestru musí vyučující provést vyhodnocení, nakolik si ten který student osvojil poznatky a dovednosti, kterých měl během výuky nabýt. Jakým způsobem toto hodnocení vyučující provedou určuje atribut způsob zakončení. U předmětu lze definovat, že předmět je zakončen pouze zápočtem(Z), klasifikovaným zápočtem(KZ), pouze zkouškou(ZK), nebo zápočtem a zkouškou(Z,ZK). Náročnost úspěšného absolvování předmětu je vyjádřena ECTS kreditními body. Výuka předmětu probíhá během semestru. Opakovaně se předmět vyučuje vždy v zimním(Z), nebo v letním(L) semestru každého akademického roku. Výjimečně může předmět být nabízen studentům v obou semestrech(Z,L). Za organizační zajištění výuky zodpovídá přiřazená katedra, která zejména vytvoří časový rozvrh předmětu a zajistí pro předmět vyučující. Někteří přednáší a zkouší, jiní vedou cvičení a udělují zápočty.
Obsahová náplň a další organizační informace, týkající se předmětu je popsána pomocí různých popisných textů(anotace, týdenní osnova, literatura, apod.)
$DODATEK_POPIS

Anotace:
Předmět do hloubky pokrývá moderní přístupy a algoritmy, na nichž staví současná umělá inteligence. Studenti se seznámí s pokročilými technikami pro řešení úloh založenými na prohledávání a odvozování. Bude podán ucelený přehled formálních systémů pro modelování úloh, souvisejících řešících algoritmů a jejich praktické aplikace. Důraz bude kladen na logické uvažování v umělé inteligenci, které poskytuje různé garance, jako je například úplnost rozhodovacího procesu nebo přesné zdůvodnění rozhodnutí. Přednáška vychází z klasické učebnice umělé inteligence [1], přičemž rozšiřující materiál týkající se splnitelnosti, omezujících podmínek, automatického plánování a robotiky čerpá také ze specializovaných učebnic [2], [3], [4] a [6]. Vhodným studijním materiálem k přednášce jsou i české učebnice [5].

Osnovy přednášek:

1.		Řešení úloh prohledáváním
2.		Splňování omezujících podmínek [2]
3.		Konzistenční techniky pro splňování podmínek [2]
4.		Výroková splnitelnost (SAT) [4]
5.		Rozhodování v logických teoriích [4]
6.		Automatické plánování [3]
7.		Modelování úloh
8.		Uvažování v logice prvního řádu
9.		Reprezentace znalostí
10.		Uvažování s neurčitostí
11.		Rozhodování ve hrách
12.		Robotika [6]

Osnovy cvičení:

1.		Prohledávání
2.		Omezující podmínky
3.		Splnitelnost
4.		Plánování
5.		Modelování úloh
6.		Hry

Literatura:

[1]		Russel, S., Norvig, P.: Artificial Intelligence: A Modern Approach (3rd Edition), Prentice Hall, 2009.
[2]		Decher, R.: Constraint Processing, Morgan Kaufmann, 2003.
[3]		Ghallab, M., Nau, D., Traverso, P.: Automated Planning and Acting, Cambridge University Press, 2016.
[4]		Biere, A., Heule, M., Van Maaren, H., Walsh, T.: Handbook of Satisfiability, IOS Press, 2009.
[5]		Lažanský, J., Mařík, V., Štěpánková, O., a kolektiv: Umělá inteligence (1) - (6), Academia, 2000 - 2013.
[6]		LaValle, S.: Planning Algorithms / Motion Planning. Cambridge University Press, 2006.

Požadavky:
Předpokládají se znalosti odpovídající předmětu BI-ZUM: Základy umělé inteligence.

Informace o předmětu a výukové materiály naleznete na https://courses.fit.cvut.cz/MI-UMI/

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr MI-ZI.2018 Znalostní inženýrství PO 1 MI-SPOL.2016 Nespecifikovaný/á obor/specializace studia - Unspecified Branch/Specialisation of Study VO 1