Introduktion til kunstig intelligens

• Forklare, anvende og implementere uinformerede og informerede søgeteknikker til løsning af AI-problemer
• Forklare, anvende og implementere søgeteknikker til kunstig intelligens i spil
• Designe, implementere, benchmarke og analysere søgeheuristikker og spil-evalueringsfunktioner
• Forklare og anvende logiske teknikker til repræsentation af viden og ræssonering
• Forklare, anvende og implementere inferensteknikker i udsagnslogik og første-ordenslogik
• Forklare de logiske metoder for opdatering af vidensbaser
• Forklare styrker og svagheder ved forskellige AI-teknikker indenfor søgning og logik
• Korrekt identificere den relevante AI-teknik til løsning af et givet problem
• Forklare anvendelsesområderne for kunstig intelligens, dets potentiale for samfundet samt dets begrænsninger
• Diskutere filosofiske, etiske, juridiske og samfundsmæssige konsekvenser af AI

Hvad er kunstig intelligens? Grundlaget for kunstig intelligens. Uinformeret søgning. Informeret/heuristisk søgning: A*, greedy best-first search. Ikke-determinisme og partiel observerbarhed. Adversarial search: spiltræer, Minimax, Monte-Carlo Tree Search. Vidensbaser i udsagnslogik og prædikatlogik. Inferensteknikker i udsagnslogik og prædikatlogik: modus ponens, forward og backward chaining, resolution, model-checking, SAT-solving. Basale strategier til opdatering af vidensbaser (belief revision). Filosofiske, etiske, juridiske og samfundsmæssige aspekter af kunstig intelligens.

02100/02101/02102/02312/02314/02105/01017/01019, eller ækvivalente kurser. Du skal have erfaring med algoritmer og datastrukturer, programmering, udsagnslogik og rekursive procedurer. Kurset kræver erfaring med implementation af ikke-trivielle algoritmer i et standard programmeringssprog som fx Java eller Python. Kurset kan tages af bachelorstuderende som opfylder de anbefalede forudsætninger.

Forelæsninger, øvelser og skriftlige afleveringer.