Кафедра алгоритмических языков ВМК МГУ

КУРС «ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ»

«Искусственный интеллект» – курс блока вариативных профессиональных дисциплин для студентов очной формы обучения по направлению подготовки «010400.62 Прикладная математика и информатика» в 7 семестре (кафедральные дисциплины; дисциплина по выбору кафедры алгоритмических языков).
Читается в 7 семестре
Лекции – 72 часа
Форма контроля – экзамен (в письменной форме), промежуточные коллоквиумы
За курс отвечает кафедра алгоритмических языков
Автор программы – профессор М.Г.Мальковский
Лектор – профессор М.Г.Мальковский

Аннотация

В курсе рассмотрены основные понятия, проблемы и перспективы научного направления «Искусственный интеллект (ИИ)».
Главные разделы курса знакомят с фундаментальными проблемами поиска решения задач, инженерии знаний, общения человека с интеллектуальными системами.
Серьезное внимание уделяется вопросам разработки и программной реализации систем ИИ.
Описываются инструментальные средства, приводятся многочисленные примеры их использования для реализации как отдельных алгоритмов, так и достаточно содержательных и полных модельных версий систем ИИ.

Содержание курса

Новые информационные технологии и Искусственный интеллект (ИИ). Традиционные средства программного обеспечения ЭВМ и системы ИИ. История развития и задачи работ в области ИИ. Тест Тьюринга. Моделирование окружающего мира и поведения человека. Интеллектуальная деятельность человека и ИИ. Основные школы психологии мышления.

Программное обеспечение работ по ИИ. Экспериментальный и эволюционный характер разработок систем ИИ, требования к программному обеспечению. Языки программирования для задач ИИ. Языки ЛИСП, ПЛЭНЕР.

Решение задач и искусственный интеллект. Представление задач в пространстве состояний. Стратегии поиска решения: методы полного перебора (поиск в ширину, поиск в глубину, поиск с увеличением глубины); эвристический поиск (алгоритм Дейкстры, алгоритм А*, допустимость алгоритма А*). Редукция задач. Поиск на игровых деревьях: дерево игры, минимаксная процедура, альфа-бета процедура. Поиск с учетом ограничений (бэктрекинг, локальные методы). Рассуждения в условиях неопределенности. Абдуктивный вывод. Планирование действий. Роботы и искусственный интеллект. Интеллектуальные агенты.

Проблема знаний. Методы представления знаний: процедурные представления, логические представления, семантические сети, фреймы, системы продукций. Интегрированные методы представления знаний. Метазнания в системах ИИ. Базы знаний. Приобретение (извлечение) знаний. Открытость знаний системы ИИ. Машинное обучение: символьное обучение, генетические алгоритмы.

Экспертные системы (ЭС). Области применения ЭС. Архитектура ЭС. База знаний, механизмы вывода, подсистемы объяснения, общения, приобретения знаний ЭС. Жизненный цикл экспертной системы.

Общение человека с системой ИИ. Искусственный интеллект и естественный язык. Естественный язык и естественность общения человека с системой ИИ. Понимание выражений естественного языка. Представление лингвистических знаний и методы анализа и синтеза текста. ИИ и прикладные системы обработки текста.

Литература и Web-источники

Основная литература

1. Мальковский М.Г. Конспект лекций по курсу «Искусственный интеллект»
[HTML] (http://al.cs.msu.ru/classes/ai2017)
2. Тихомиров О.К. Психология мышления. 4-е издание. – М.: Академия, 2008.
1-е издание, 1984. [DOC] (http://knigi.b111.org/nauka_i_ucheba/?book=MjAzMTkw)
3. Люгер Дж. Искусственный интеллект: стратегии и методы решения сложных проблем. 4-е издание. – М.: Вильямс, 2003.
[DJVU] (http://depositfiles.com/ru/files/vzsrb83pq )
4. Большакова Е.И., Груздева Н.В. Основы программирования на языке Лисп: Учебное пособие. – М.: МАКС Пресс, 2010. [PDF] (http://www.recyclebin.ru/BMK/LISP/lisp.html)
5. Большакова Е.И., Мальковский М.Г., Пильщиков В.Н. Искусственный интеллект: методы и алгоритмы эвристического поиска. – М.: МГУ, 2002. [HTML] (http://recyclebin.ru/BMK/II/ii.html)
6. Мальковский М.Г., Грацианова Т.Ю., Полякова И.Н. Прикладное программное обеспечение: системы автоматической обработки текстов. – М.: МГУ, 2000. [HTML] (http://knigosite.ru/library/books/46298)

Дополнительная литература

1. Пильщиков В.Н. Язык плэнер. – М.: Наука, 1983. [DJVU] (http://www.recyclebin.ru/BMK/PLANNER/planner.html)

2. Гладков Л.А., Курейчик В.В., Курейчик В.М. Генетические алгоритмы. – М.:Физматлит, 2006.

3. Ian Goodfellow, Yoshua Bengio, Aaron Courville Deep Learning – MIT Press, 2016
(http://www.deeplearningbook.org)

4. Джексон П. Введение в экспертные системы. – М.: Вильямс, 2000. [DOC] (http://www.twirpx.com/file/117162/)

5. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем. – С-Пб.: Питер, 2000. [DJVU] (http://www.twirpx.com/file/13533/)

6. Мальковский М.Г. Диалог с системой искусственного интеллекта. – М.: МГУ, 1985.

Файлы

AI-2017_PREFACE.rtf
AI-2017_Day_01.rtf
AI-2017_Day_02.rtf
AI-2017_Day_03.rtf
AI-2017_Day_04.rtf
AI-2017_Day_05.rtf
AI-2017_Day_06.rtf
AI-2017_Day_07.rtf
AI-2017_Day_08.rtf
AI-2017_Day_09.rtf
AI-2017_Day_10.rtf
AI-2017_Day_11.rtf
AI-2017_Day_12.rtf
AI-2017_Day_13.rtf
AI-2017_Day_14.rtf
AI-2017_Day_15.rtf
AI-2017_Day_16.rtf
AI-2017_Day_17.rtf
AI-2017_Day_18.rtf
AI-2017_Day_19.rtf