Mange af de opgaver som Kunstig Intelligens søger at løse kan udføres af mennesker. Eksempler på disse opgaver er billedgenkendelse, taleforståelse, motorisk kontrol og forudsigelse af menneskelig adfærd. Selvom opgaverne som mennesker og maskiner søger at løse kan synes næsten ens kan de være forskellige i form af deres mål, træningsdata og tilgængelig processeringskraft. De underliggende beregninger og algoritmer anvendt i kunstig intelligens kan også være meget forskellige fra de som er implementeret i den menneskelige hjerne.

Dette kursus præsentere elementer af kognitionsvidenskab og neurovidenskab i et datavidenskabeligt perspektiv, som illustrerer hvordan den menneskelige hjerne processerer information og interagerer med omverdenen. En studerende, der fuldt ud har opfyldt kursets mål, vil kunne:

• Beskrive ligheder og forskelle mellem menneskelig og kunstig intelligens
• Designe og udføre mindre kognitionsvidenskabelige eksperimenter ved hjælp af fysiologiske og/eller adfærdsmålinger
• Analysere neurale modeller af visuel perception
• Beskrive prototype og eksemplar baserede modeller af hvordan mennesker og kunstig intelligens klassificerer genstande i generelle kategorier (begreber)
• Anvende Bayesianske modeller til at forstå menneskelig visuel perception
• Beskrive kvantitative modeller of motorisk kontrol (f. eks. interne modeller og Bayesiansk inferens), samt hvordan disse kan forklare kognitive fænomener
• Beskrive mekanismer i menneskelig social kognition
• Beskrive begreber indenfor kropslig kognition samt hvorledes disse er relevante for kunstig intelligens
• Anvende metoder fra kunstig intelligens på data fra eksperimenter i social kognition

Gennem forelæsninger og øvelser introducerer kurset elementer fra kognitionsvidenskab i relation til kunstig intelligens. De studerende vil få praktisk erfaring med eksperimentelle metoder indenfor kognitionsvidenskab og modeller af menneskelig adfærd. 10. september, 2024