460-2078/02 – Základy umělé inteligence (ZUI)

Cílem předmětu je seznámit studenty se základy teorie a praktických aplikacích umělé inteligence (AI). Cílem je získat následující znalosti: Student vysvětlí, jak se umělá inteligence vyvíjela od svého vzniku po současnost, a identifikuje klíčové milníky. Student definuje a rozlišuje mezi typy strojového učení (supervised, unsupervised, reinforcement) a vysvětlí základní terminologii včetně architektur neuronových sítí a praktických aplikací. Student vyjmenová a vymezí klíčové techniky a modely používané v NLP (zpracování přirozeného jazyka), včetně transformer modelů jako BERT a GPT. Student uvede příklady generativních modelů, a vysvětlí jejich principy a aplikace. Student analyzuje, jak přispívá AI v řešení konfliktů, optimalizaci a rozhodování, a dále stanoví důležitost interpretability modelů AI a popíše metody pro zlepšení transparentnosti a vizualizace. Cílem je získat následující dovednosti: Student navrhne a implementuje základní algoritmy strojového učení pro jednoduché aplikace. Student sestaví a trénuje základní neuronovou síť pro řešení specifického problému. Student využije techniky generativních modelů k řešení praktické úlohy, nebo k vytvoření jednoduché aplikace, např. chatbotu. Student provede analýzu dat a využije nástroje pro zlepšení pochopení a interpretovatelnost modelů AI.

Kurz by měl poskytnout studentům solidní základy v teorii a praktických aplikacích AI, zahrnující historii, klíčové koncepty, algoritmy, příklady využití generativní AI, přesah a souvislosti s robotikou, teorií her, kognitivními vědami a na závěr jasně definovat důležitost interpretability dat, a otázky budoucího vývoje a etické aspekty AI.

POOLE, David L. a MACKWORTH, Alan K. Artificial intelligence: foundations of computational agents. Second edition. Cambridge: Cambridge University Press, 2017. ISBN 978-1-107-19539-4. CHOLLET, François. Deep learning v jazyku Python: knihovny Keras, Tensorflow. 2., přepracované a rozšířené vydání. Přeložil Rudolf PECINOVSKÝ. Knihovna programátora. Praha: Grada Publishing, 2023. ISBN 978-80-271-5133-2. COECKELBERGH, Mark. Etika umělé inteligence. Dnešní svět. Praha: Filosofia, 2023. ISBN 978-80-7007-746-7. ANGELOV, Plamen (ed.). Handbook on computer learning and intelligence. New Jersey: World Scientific, [2022]. ISBN 978-981-124-604-3. BUDUMA, Nikhil. Fundamentals of deep learning: designing next-generation machine intelligence algorithms. Beijing: O'Reilly, 2017. ISBN 9781491925614.

Odevzdání průběžných úloh vypracovávaných na cvičeních, alternativně jednoho hlavního projektového úkolu. Absolvování závěrečné zkoušky.