Tantárgy neve, kódja: Mesterséges intelligencia, MSC_INF_17_L
A Mesterséges Intelligencia tantárgy célja a mesterséges intelligencia alapvető tudásábrázolási módszereinek, keresési technikáinak bemutatása. Cél megismertetni a Mesterséges Intelligencia alapvető fogalmait, fő területeit, kialakulásának mérföldköveit, alkalmazási lehetőségeit.
A Mesterséges intelligencia fogalma, kutatási területei, fejlődésének mérföldkövei. A mesterséges intelligencia alkalmazási területei Probléma tér fogalma, szűkítésének lehetőségei. A problémák irányított gráffal történő szemléltetése: általános és speciális útkeresési problémák. Gráfreprezentáció: keresési feladat gráfokban. - gráfok, ÉS/VAGY gráfok. Kereső rendszer fogalma, részei, vezérlési stratégiák osztályozása, heurisztika szerepe. A mesterséges intelligencia reprezentációs modelljei, ezek közül részletesen: állapottér reprezentáció, probléma redukció, probléma dekompozíció, és gráfreprezentációik. Nem módosítható keresések. Lokális keresések (hegymászó algoritmus, tabu-keresés, szimulált hűtés), kommutatív rendszerek,. Visszalépéses keresés változatai és tulajdonságai. Az iteratívan mélyítő visszalépéses keresés. Korlatozás-kielégítés probléma Általános gráfkereső algoritmus és tulajdonságai. Csökkenő kiértékelő függvény és tulajdonságai. Nem-informált (szélességi keresés, mélységi gráfkeresés, egyenletes keresés) heurisztikus gráfkeresések (A mohó keresés, az A, A*, Ac algoritmus és tulajdonságai). Az A* algoritmus hatékonysága (jobban informáltság, megengedhető heurisztikák és megengedhető algoritmusok összehasonlítása a memória igény alapján, A* algoritmus futási ideje, B algoritmus). Kétszemélyes játékok reprezentálása, nyerő stratégia létezése. Minimax algoritmus és javításai (pl. alfabéta levágás) Evolúciós algoritmusok, osztályozása. Populáció, fittness függvény, kritérium függvény fogalmai. Evolúciós stratégiák, genetikus algoritmusok. Ágensek. Ágensek tulajdonságai (ideális racionális, autonóm), struktúrája, és kategóriái (reflexszerű, célorientált, hasznosságorientált).tanuló ágensek. Ágens és környezetének kapcsolata. Multi-ágens rendszerek. Kommunikáció ágensek között: kooperáló és versengő ágensek. Koordináció és kooperáció fogalmai. Swarm intelligencia, raj-intelligencia a természetben. Csoport és raj intelligencia kutatások. Robotika. Robot fogalma, fejlődésének mérföldkövei. Robothardver, érzékelők és aktuátorok. Érzékelés a robotikában, helymeghatározás, térképezés. Mozgástervezés: konfigurációs tér, celladekompozíció, szkeletonizációs módszer. Robotok felépítése, osztályozásai: manipulátorok, mobil robotok, humanoidok, androidok, geminoid. Robotok életterei és felhasználási területei, nano technológia, dinamikus markolatfelismerő, agyi ujjlenyomat, állatvilág és robotika kapcsolata. Intelligens épületek fogalma, csoportosítása, felhasználása Mesterséges neuronhálók. A mesterséges neuron, a topológia, a tanulási módszerek. Nevezetes topológiák (pl a Hopfield és a perceptron topológia). A perceptron és a backpropagation modell jellemzése és alkalmazásai. Észlelés és navigálás. Képalkotás, Képfeldolgozási műveletek, 3-D információ kinyerése. Navigálás és manipulálás látás segítségével. Navigálás és mozgástervezés. Beszédfelismerés. Fuzzy logika. Fuzzy rendszerek. Fuzzy modellek kidolgozása (Mamdani, Takagi-Sugeno, szabály-interpoláción alapuló). Fuzzy modellek paramétereinek optimalizálása. Az elméletben elsajátított kereső algoritmusok megvalósítása gyakorlati feladatokon keresztül. Nevezetes keresési problémák programozása - C++ vagy C# nyelven - hegymászó módszer, visszalépéses keresés, A* algoritmusok megvalósítása gyakorlati példákban( pl. Hanoi tornyai, 4 királynő elhelyezése, H királynő elhelyezése, vezér problémák.....) Nyerőstratégiás kétszemélyes játékos megvalósítása - NIM, Grundi mama, Nyerő stratégia keresése, játékgráf, részgráf elkészítése
Tudása:
- Az angol nyelvtudása eléri a képzéshez, az angol nyelvű szakirodalom megismeréséhez, a szakszöveg megértéshez, feldolgozásához, és a szakképzettséggel ellátható szakmai feladatokhoz elvégzéséhez szükséges, valamint a folyamatos szakmai önképzéshez szükséges szintet.
- Az informatikai szakmán belül, a specializációtól függően mélyebb elméleti és gyakorlati ismeretekkel rendelkezik az alábbiak közül egy vagy néhány területen: szoftvertervezés, rendszerszimuláció és -modellezés, kommunikációs hálózatok, mobil- és erőforrás-korlátos alkalmazások, számítógépes grafika és képfeldolgozás, kritikus és beágyazott rendszerek, médiainformatika, IT-biztonság, párhuzamos rendszerek, intelligens rendszerek, számításelmélet, adatbázisok.
- Képes törvényszerűségeket, összefüggéseket feltárni és megérteni.
- A megszerzett tudást képes alkalmazni és a gyakorlatban hasznosítani.
- Képes problémamegoldó technikákat használni a szoftver- és alkalmazásfejlesztés során.
- Képes az informatikához kapcsolódó tudományokban a megszerzett szakmai tapasztalat ismereti határairól származó információk, felmerülő új problémák, új jelenségek feldolgozására.
- A rutinproblémák felismerésén és megoldásán túl képes eredeti ötleteket felvetni.
- A műszaki, gazdasági és humán erőforrások informatikai kezelését képes rendszerben szemlélni.
- Képes informatikai rendszerek teljesítményelemzésére, analitikus, szimulációs és mérési módszerek használatára.
- Képes szakmai kooperációra az alkalmazói környezet szakértőivel.
- Megérti az alkalmazás követelményeit.
- Javaslatait az alkalmazói környezet szakértőinek el tudja magyarázni.
- Nyitott és elkötelezett az önművelésre, önfejlesztésre, az egyéni tudás, ismeret elmélyítésére, bővítésére a természettudományok, a mérnöki és informatikai tudományok területén.
- Kezdeményező a problémamegoldásban, képes megalapozott döntéseket hozni, nem tér ki a személyes felelősségvállalás elől.
- Fontosnak tartja az informatikai szakma közvetítését és saját tudásának átadását.
- Munkája során vizsgálja a kutatási, fejlesztési és innovációs célok kitűzésének lehetőségét és törekszik azok megvalósítására.
- Munkáját kreatívan, rugalmasan végzi, a problémákat felismeri és azokat intuícióra és módszerességre építve oldja meg.
- Alkalmas csoportban, egy-egy részterület szakértőjeként dolgozni, valamint csoportot felelősséggel irányítani.
Félévközi tanulmányi követelmények:
Vizsgára bocsájtás feltétele: A félév során a ZH-n szerezhető pontok minimum 51%-a . A szükséges pontokat 1 elméleti ZH-n (60perc) és 1 gyakorlati ZH-n (60 perc) szerezhetik meg a hallgatók. A ZH anyaga az órákon elhangzottakból összeállított elméleti és gyakorlati kérdéssor.
Vizsgakövetelmények:
A félévközi elméleti és gyakorlati anyagaiból összeállított elméleti kérdéssor kidolgozása. Vizsga ideje : 60 perc
Az ajánlott irodalom, a gyakorlatokon megírt programok, előadási anyag PPT-ben. A gyakorlatokon, minden hallgatónak külön, korszerű számítógépes hozzáférés biztosított. Az internetes források a hallgatók részére fenntartott számítógépes szolgáltató teremben hozzáférhetőek.
[1] Gubán Miklós (2014): Mesterséges intelligencia https://www.tankonyvtar.hu/hu/tartalom/tamop412A/2011-0003_02_mesterseges_intelligencia/adatok.html [2] Dr. Kovásznai Gergely, Dr. Kusper Gábor (2011): Mesterséges intelligencia https://www.tankonyvtar.hu/hu/tartalom/tamop425/0038_informatika_MestInt-HU/adatok.html"
Starkné Werner Ágnes: Mesterséges Intelligencia – Pannon Egyetemi Kiadó -2004 Russell- Norvig : Mesterséges Intelligencia modern megközelítésben Panem Kiadó – 2005 Fekete-Gregorics-Nagy: Bevezetés a Mesterséges Intelligenciába, LSI Oktatóközpont, ISBN 9635760159 Omar Hatamleh - Tilesch György: Mesterség és intelligencia - Vegyük kezünkbe sorsunkat az MI korában - LIBRI könyvkiadó KFT. ISBN: 9789634338291 - 2021 Brad Smith and Harry Shum: The Future Computed. Artificial Intelligence and its role in society, Micorsoft, 2018, ISBN 978-0-9997508-1-0 https://blogs.microsoft.com/blog/2018/01/17/future-computed-artificial-intelligence-role-society/"