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 nabídne studentům přehled základních problémů umělé inteligence a přístupů k jejich řešení. Probírány budou především klasické úlohy z oblastí prohledávání stavového prostoru, multiagentních systémů, teorie her, plánování a strojového učení. Studenti však budou seznámeni i s moderními soft-computingovými přístupy k jejich řešení, jakými jsou evoluční algoritmy a umělé neuronové sítě.

Osnovy přednášek:

1.		Definice umělé inteligence, historie, Turingův test, racionální chování a uvažování.
2.		Stavový prostor a jeho heuristické prohledávání.
3.		Pokročilé metody prohledávání stavového prostoru: Hill climbing, Simulované žíhání, Tabu prohledávání, populační metody.
4.		Evoluční výpočetní techniky. Genetický algoritmus, operátory inicializace, křížení, mutace a reprodukce.
5.		Genetické programování, evoluce stromových struktur. Křížení a mutace podstromů.
6.		Problémy s omezujícími podmínkami (CSP) a heuristiky pro jejich řešení.
7.		Plánování. Stavový prostor plánovacího problému, plán, akce. Relaxace a abstrakce.
8.		Multiagentní systémy a jejich architektura. Vztah světa a agenta, typy agentů, utilitní funkce.
9.		Teorie her. Hry v normální formě, herní analýza. Paretovská optimálnost, Nashovo equilibrium.
10.		Hry v extenzivní formě, prohledávání herního stromu. Algoritmus Minimax, alfa-beta prořezávání.
11.		Strojové učení a Data Mining. Učení s učitelem a bez učitele. Klasifikace, regrese, shluková analýza.
12.		Umělé neuronové sítě. Perceptron, aktivační funkce, algoritmus zpětného šíření chyby. Samoorganizující se sítě.
13.		Další metody výpočetní inteligence, nové trendy.

Osnovy cvičení:

1.		Interaktivní nástroje pro umělou inteligenci
2.		Řešení úloh UI
3.		Řešení úloh UI
4.		Zadání programovací úlohy 1
5.		Konsultace úlohy 1
6.		Řešení úloh UI
7.		Řešení úloh UI
8.		Zadání programovací úlohy 2
9.		Konsultace úlohy 2
10.		Řešení úloh UI
11.		Zadání programovací úlohy 3
12.		Konsultace úlohy 3
13.		Rezerva, zápočet

Literatura:

1.		Russel S., Norvig P. : Artfcial Intelligence: A Modern Approach (4th Edition). Prentice Hall, 2020. ISBN 978-0134610993.
2.		Ghallab M., Nau D., Traverso P. : Automated Planning and Acting. Cambridge University Press, 2016. ISBN 978-1107037274.
3.		Lažanský J., Mařík V., Štěpánková O. : Umělá inteligence (1) - (6). Academia, 2013. ISBN 978-80-200-2267-9.

Požadavky:
Základní povědomí o algebře, statistice a algoritmizaci. Programování.

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

Předmět je zahrnut do těchto studijních plánů:

Plán Obor Role Dop. semestr BIK-IB.21 Informační bezpečnost 2021 PV 6