هوش مصنوعی پیشرفته
Advanced Artificial Intelligence
شماره درس: ۴۰۹۵۷.۱ | تعداد واحد: ۳ |
مقطع: کارشناسی ارشد | نوع درس: نظری |
پیشنیاز: – | همنیاز: – |
اهداف درس
هدف از این درس تکمیل دانش ارایه شده در درس هوش مصنوعی دوره کارشناسی در حوزه هوش مصنوعی کلاسیک و مبتنی بر دیدگاههای تحلیلی برگرفته از نظریههای منطقی است. تاکید اصلی در این درس به ترتیب بر سه زمینه نمایش دانش (Knowledge Representation)، روشهای خودکارسازی استدلال (Automated Reasoning) و برنامهسازی مقیدات (Constraint Programming) خواهد بود. در این راستا مجموعهای از نظامهای منطقی (مانند منطق مرتبه اول استاندارد، منطقهای موجه و زمانی، منطق باور، منطق احتمالاتی و …) هم از دیدگاه دلالت شناختی و هم از دیدگاه نظام استدلالی ارایه و روشهای موجود در خودکارسازی استدلال در چنین منطقهایی ارایه و حتیالمقدور زبانهای برنامه نویسی یا ابزارهای مناسب این حوزه معرفی خواهند شد. همچنین به تناسب موضوعات، تاریخچه و برخی مسایل فلسفی مورد نیاز در فهم بهتر دلایل چنین تنوع بالایی در نظامهای منطقی و استدلالی در هوش مصنوعی و همچنین برخی حوزههای کاربردی این مباحث مانند سیستمهای پرسش و پاسخ خودکار یا سیستمهای اثباتگر برنامهها معرفی خواهند شد.
ریز مواد
- مقدمه
- آشنایی با مفاهیم اصلی شامل مساله نمایش دانش و اهمیت و مشکلات آن، روشهای استدلال و اهمیت خودکارسازی آن
- تاریخچه و برخی دیدگاهها و مسایل فلسفی مرتبط
- مروری بر منطق گزارهها، نظام استدلالی آن، مساله ارضاپذیری و حل کنندههای آن (SAT Solvers)
- نمایش دانش و استدلال در منطق مرتبه اول (First-Order Logic - FOL)
- نحو و دلالت شناسی منطق مرتبه اول
- نظام استنتاج طبیعی، صحت و تمامیت منطق مرتبه اول
- سیستمهای اثبات خودکار قضایا
- استدلال مبتنی بر رزولوشن (Resolution)
- استدلال مبتنی بر فرازهای هورن (Horn Clauses)
- کنترل رویهای در استدلال، سیستمهای مبتنی بر قاعده و برنامهسازی منطقی
- روشهای ساختیافته و شیگرای نمایش دانش، منطقهای توصیف (Description Logics)
- اشیا و قابها
- وابستگیهای مفهومی، وراثت
- گرافهای مفهومی
- منطقهای توصیف
- روشهای استدلال مبتنی بر تابلو
- مقدمهای بر برنامهسازی بر محدودیتها
- استدلال ناهمگن (Nonmonotonic Reasoning)
- منطق پیش فرض (Default Logic)
- منطق خودشناختی (Autoepistemic Logic)
- استدلال در حضور ابهام، عدم قطعیت و درجهبندی باور
- منطقهای باور (Belief Logics) و استدلال در آنها
- منطق احتمالاتی (Probabilistic Logic)
- مدلهای کیفی (Qualitative Models) و شبکههای بیز
- منطق فازی (Fuzzy Logic)
- نمایش دانش و استدلال در دامنههای معنایی خاص
- منطقهای وجهی (Modal Logics)
- منطقهای زمانی (Temporal Logics)
- منطقهای فضایی (Spatial Logics)
- منطقهای مبتنی بر کردار (Action-Based Logics)
- برخی کاربردها در حوزههای مرتبط مانند سیستمهای چندعاملی و سیستمهای پرسش و پاسخ
- مروری بر رابطه متقابل منطق و نمایش دانش با نظریه بازی در مدلسازی و تحلیل سیستمهای چندعاملی
ارزیابی
- آزمون میان ترم (۵ نمره)
- آزمون پایان ترم (۶ نمره)
- تمرین (۲ نمره)
- پروژه (پیاده سازی مبتنی بر زبان برنامه سازی یا ابزار) (۳ نمره)
- مقاله پژوهشی و ارایه آن (۴ نمره)
مراجع
- R. J. Brachman and Hector J. Levesque (eds.), Knowledge Representation and Reasoning, Morgan Kaufman, 2004.
- F. van Harmelen, V. Lifschitz, B. Porter (eds.), Handbook of Knowledge Representation, Elsevier, 2008.