Τεχνητή Νοημοσύνη

Σύντομη περιγραφή

Το μάθημα «Τεχνητή Νοημοσύνη» καλύπτει δύο βασικούς άξονες: επίλυση προβλημάτων με αναζήτηση και αναπαράσταση γνώσης & συλλογισμό. Στο κομμάτι της αναζήτησης δουλεύονται τεχνικές τυφλής και ευρετικής αναζήτησης και το πώς μοντελοποιείται σωστά ένα πρόβλημα ώστε να λύνεται αποδοτικά. Στο κομμάτι της γνώσης, εξετάζονται μορφές αναπαράστασης όπως Κατηγορηματική Λογική Πρώτης Τάξεως, λογικός προγραμματισμός (Prolog), κανόνες παραγωγής, σημασιολογικά/σημαντικά δίκτυα και πλαίσια, μαζί με μηχανισμούς συλλογισμού σε αβεβαιότητα (π.χ. Bayes, συντελεστές βεβαιότητας) και ασάφεια (fuzzy σύνολα/κανόνες).

Tip – Τι χρειάζεται προσοχή

Μοντελοποίηση & ευρετικές: σωστός ορισμός καταστάσεων/τελεστών/στόχου και επιλογή ευρετικής που είναι “λογική” και οδηγεί σε αποδοτική αναζήτηση.
Λογική/Prolog & κανόνες: καθαρή διατύπωση γνώσης (προτάσεις, κανόνες, μετατροπές) και έλεγχος του τρόπου συλλογισμού/εκτέλεσης (π.χ. backtracking, στρατηγικές επίλυσης).

Τι κερδίζεις από αυτό το μάθημα

Πρακτικές δεξιότητες “AI thinking”: ικανότητα να σπάει ένα πρόβλημα σε κατάσταση–ενέργειες–στόχο και να επιλέγονται κατάλληλες στρατηγικές αναζήτησης.
Ισχυρό υπόβαθρο για συστήματα γνώσης: κατανόηση του πώς “γράφεται” και αξιοποιείται η γνώση (λογική, κανόνες, αβεβαιότητα/ασάφεια) σε εφαρμογές συλλογισμού και λήψης αποφάσεων.