Overordnede kursusmål
Målet er at introducere den studerende til fundamentale begreber og
teknikker indenfor symbolsk kunstig intelligens. I symbolsk kunstig
intelligens arbejder man med eksplicitte – sproglige eller logiske
– modeller af omverden. Dette giver visse fordele med hensyn til at
bygge systemer som kan lægge planer og ræsonnere logisk, samt giver
fordele omkring forklarlighed og sikkerhed. Desuden vil den
studerende blive introduceret til relationen mellem symbolske og
subsymbolske (konnektionistiske) teknikker i kunstig intelligens,
samt hvorledes disse kan kombineres. Målet med kurset er desuden at
gøre den studerende i stand til at anvende symbolske metoder og
kombinationer med subsymbolske metoder indenfor søgning,
vidensrepræsentation, planlægning, spil, multiagent-systemer,
social intelligens og chatbots.
Læringsmål
En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:
- Forklare forskellen på symbolske og subsymbolske teknikker
indenfor kunstig intelligens (AI)
- Forklare de respektive anvendelsesområder, fordele og ulemper
ved symbolsk og subsymbolsk kunstig intelligens
- Udvælge passende formelle modeller til at repræsentere
tilstande og transitioner i et givet domæne
- Analysere hvilke algoritmer og teknikker indenfor symbolsk
kunstig intelligens der er relevante i forhold til en given
anvendelse
- Implementere simple symbolske AI-metoder til søgning,
vidensrepræsentation, planlægning, spil, multiagent-systemer,
social intelligens og chatbots
- Anvende eksisterende symbolske AI-værktøjer til søgning,
vidensrepræsentation, planlægning, spil, multiagent-systemer,
social intelligens og chatbots
- Analysere hvilke teknikker – symbolske, subsymbolske eller en
kombination – der er nødvendige for at automatisere en given
opgave
- Integrere symbolske og subsymbolske teknikker i en autonom
agent, fx en fysisk robot
Kursusindhold
1. Modeller for sprog og viden: propositionelle tilstande, belief
states, epistemiske modeller, formelle ontologier, simple modeller
i sprogteknologi (NLP).
2. Algoritmer og værktøjer på modeller for sprog og viden:
STRIPS-planlægning, planlægningsværktøjer, chatbot-teknologi,
chatbot-værktøjer.
3. Multiagent-systemer og social AI: Modeller for koordination,
samarbejde og kommunikation. Theory of Mind og
multiagent-planlægning. Planlægning af dialoger.
4. Symbolsk vs subsymbolsk AI: Introduktion til symbolsk læring af
handlinger og dets styrker og svagheder i forhold til neurale
netværk og reinforcement learning. Introduktion til kombinationen
af symbolske og subsymbolske teknikker.
5. Anvendelser: State-of-the-art anvendelser af kombinationen af
symbolske og subsymbolske teknikker indenfor førerløse biler, bræt-
og computerspil, robotik m.m. Integration af samtlige kursets emner
til anvendelser indenfor socialt intelligente robotter med visuel
perception, sprog-forståelse og -syntese, planlægning til dialog og
menneske-maskine samarbejde.
Sidst opdateret
05. maj, 2020
