Sztuczna Inteligencja [0800-SZIN]

Uprzejmie informuję, że w semestrze letnim 2025 roku prowadzę przez jeden semestr (30 godzin +24 godz laboratoria) wykład kursowy "Sztuczna Inteligencja". Wykłady odbywają się w czwartki, godz. 16:00-18:00, w sali B.2.30 (s.20), Instytutu Fizyki UMK.
Z powodu licznych konferencji związanych z AI w czerwcu 2025 kilka końcowych wykładów zrobimy wi nnym terminie lub zdalnie na moim Webexie. Proszę śledzić emaile wysyłane przez USOS. Jeśli są osoby, które nie są wpisane do USOS proszę mi podesłać informację. Zajęcia mają aż 6 punktów ECTS. W tym roku musimy radykalnie przeorganizować nasze zajęcia. Wstępne informacje o symbolicznym podejściu do AI (GOFAI) zostaną skrócone, spróbujemy znacznie więcej omawiać ostatnich doniesień. Zbieram nowości na moim Filpboard w kilku kategoriach, niektóre będę omawiał na wykładzie.

Wykładom towarzyszy pracownia komputerowa (24 godziny), prowadzona przez prof. Oleksandar Sokolova i prof. Tomasza Piotrowskiego z Katedry Informatyki Stosowanej.
Informacje z USOS są tutaj. Jeśli będzie taka potrzeba możemy też założyć forum dyskusyjne w Moodle.

Egzamin będzie w formie pisemnej, na końcu wielu wykładów są przykładowe ogólne pytania, na egzaminie będą bardziej szczegółowe. Bez szczegółowego przestudiowania notatek nie ma szans, by ten egzamin zdać. Przekonują się o tym co roku kolejni studenci.
Ponieważ egzamin będzie pisemny (mieszanie ustnych i pisemnych egzaminów nie pozwala na ich standaryzację), nie ma możliwości zdawania w innym terminie, ani przekładania, ani też zdawania po raz trzeci czy czwarty, aż do skutku. Przygotowanie i przeprowadzenie egzaminu zajmuje mi czas, a mam go bardzo mało. Nie będzie więc żadnych dodatkowych terminów! Nie będzie więc żadnych dodatkowych terminów!
Jeśli ktoś nie może zdawać w pierwszym terminie, pozostaje egzamin poprawkowy.

Termin egzaminu: 27.6.2025, g. 10:00, w sali B.2.30.
Wyniki z pierwszego terminu egzaminu w poprzednim roku nie były dobre ... niestety część osób nie brała udziału w zajęciach i liczyła na to, że szybko coś skopiuje w Internetu. W efekcie systemy produkcyjne w AI pomyliły im się z produkcją z podręcznika ekonomii.

Egzamin poprawkowy odbędzie się 11.09.2025 o godz. 10:00 w Sali B.2.30 .

Wyniki: (%punktów,ocena) = (90-100;5), (80-90;4+), (70-80;4), (60-70,3+), (50-60;3), (< 50;2).

Sztuczna inteligencja - szkic całości

Slajdy z 2024 roku.

A. GOFAI: Symboliczna sztuczna inteligencja

A1. Wprowadzenie do zagadnień AI | A2. Rozwiązywanie problemów | A3. Hurystyki, ludzkie myślenie, teoria systemów opartych na wiedzy | A4. Reprezentacja wiedzy i wnioskowanie | A5. Systemy wspomagające decyzje | A6. Wielkie projekty GOFAI: CyC, SOAR, architektury kognitywne.

B. Predykcyjna AI: uczenie maszynowe

B7. Niesymboliczne dane w systemach AI B8. Uczenie maszynowe (machine learning) | B9. Uczenie nienadozorowane | B10. Ucznenie strategii, RF | B11. Uczenie głębokie | B12. Narzędzia predykcyjnej sztucznej inteligencji |

C. Generatywna AI: uczenie maszynowe

C13. Język naturalny, próby w ramach NLP| C14. Transformery i duże modele językowe/multimodalne | C15. Modele dyfuzyjne i nowe algorytmy uczenia dużych modeli językowych. C16. HCI, interakcja człowiek-maszyna | C17. Globalne wyzwania i AI.

Notatki są w PDF i w 2025 roku będą zmieniane w czasie trwania wykładu. Sytuacja zupełnie się zmieniła, w czasie semestru zmienię całą strukturę i dodam kolejne wykłady.

Portale i nowości: Rządowy portal SI | Sztuczna Inteligencja - nowości (OPI) | Raporty State of AI | Historia AI | Dokąd zmierza inteligencja obliczeniowa? |
Polecam też nowości o AI/ML na mojej stronie Flipboard.
Liczne linki do ciekawych zagadnień dotyczących sztucznej inteligencji są tu: AI + Machine Learning oraz AI w NLP oraz architektury kognitywne i inteligencja obliczeniowa (głównie uczenie maszynowe).

• 1.1 Definicje AI.
• 1.2 Historia - skąd się to wzięło?
• 1.3 Status AI jako gałęzi nauki.
• 1.4 Kluczowe odkrycia (milestones), porażki i sukcesy.
• 1.5 Organizacje i literatura AI.

• 2.1 Rozwiązywanie problemów, skojarzenia i rozumowanie.
• 2.2 Reprezentacja problemu w przestrzeni stanów i reprezentacja redukcyjna.
• 2.3 Wiedza heurystyczna.
• 2.4 Przykłady: przesuwanki, gry planszowe, zagadki logiczne, optymalizacja.

Aplety demonstrujące szukanie, planowanie itd | Smart Moves: Intelligent Path Finding (Bryan Stout, Game Developer Magazine), oraz wersja interaktywna na github..

Nagranie, 3.03.2022.

• 3.1 Szukanie na ślepo, w głąb, ograniczona głębokość, iteracyjne pogłębianie IDDF, szukanie wszerz, dwukierunkowe BDS.
• 3.2 Szukanie heurystyczne I, podstawowe metody. Ocena procesów szukania, funkcja heurystyczna, szukanie zachłanne, UCS, programowanie dynamiczne, szukanie A*, IDA*.
• 3.3 Szukanie heurystyczne II, metody globalne i z ograniczeniami. Branch and Bound, algorytm Dijkstry, algorytmy minimalizacyjne, Monte Carlo, symulowane wyżarzanie, algorytmy genetyczne.

przesuwanka 15-tka
PathFinding visualization

• 4. Rozwiązywanie problemów: algorytmy przeszukiwania i optymalizacji. Reprezentacja problemu w przestrzeni stanów; reprezentacja redukcyjna; metody szukania; szukanie heurystyczne, przykłady programów opartych na szukaniu; szukanie a ludzkie myślenie.
• 4.1 Przykłady klasyczne: Teoretyk logiki. GPS, General Problem Solver, Geometra.
• 4.2 Gry z oponentem, podstawowe metody: strategia min-maxu, funkcje oceny heurystycznej, obcinanie alfa-beta, gry niedeterministyczne. Szukanie w grach: warcaby, szachy, myślenie: warcaby, inne gry, szachy, Go, pamięć i porcjowanie w szachach,
• 4.3 Złudzenia poznawcze, paradoksy myślenia, schematy myślenia, paradoks Monty Hall i inne.

  Wykład 4.3, nagranie.

Linki zewnętrzne: DARPA Urban Challenge, 3.11.2007 | Szachy z ciekawą wizualizacją

• 5. Reprezentacja wiedzy i wnioskowanie:
• 5.1 Rodzaje wiedzy - wstęp ogólny, rodzaje wiedzy, logika klasyczna, logika pierwszego rzędu. reprezentacja symboliczna, logika predykatów, logika rozmyta i przybliżona; systemy regułowe; reprezentacja proceduralna.
• 5.2 Logika rozmyta: funkcje przynależności, Logika przybliżona.
  Wykład 5.2, nagranie.

• 6. Sieci semantyczne i grafy wiedzy, systemy ekspertowe i agenci
• 6.1 Sieci semantyczne: zapis wiedzy i rozumowanie, sieci i mózgi, wymyślanie słów i kreatywność. Sieci rozchodzących się aktywacji, sieci semantyczne i grafy wiedzy. 6.2 Systemy produkcyjne, ramy, skrypty, mapy argumentów
• 6.3 Agenci GOFAI, nagranie wykładu 6.2 i 6.3., 10.04.2025.

• 7. Systemy wspomagające podejmowanie decyzji: akwizycja wiedzy; od zrobotyzowanej automatyzacji procesów po systemy kognitywne, konstrukcja systemów doradczych; przykłady zastosowań, wielkie systemy symboliczne, CYC, SOAR i Watson.
• 7.1 Systemy ekspertowe: teoria, przykłady.
• 7.2 Największe systemy GOFAI: IBM Watson, SOAR, CyC.
• 7.3 Architektury kognitywne

Zunifikowane teorie poznania. Architektura poznawcza człowieka;
Projekty SOAR, Cog

17.04.2025, zaczyna się Wielkanoc, więc nagrałem dwa wykłady, sprawdźcie też slajdy bo są nieco nowsze. Systemy ekspertowe są nadal ważne, mają liczne zastosowania, obecnie współpracują z dużymi modelami językowymi weryfikując ich skojarzenia i prowadząc rozumowanie na poziomie symbolicznym. Nie są łatwo dostępne i nie można ich używać tak łatwo jak generatywnej AI.
Nagrania wideo wykładów: 7.1 oraz 7.2.

• B01 Podstawy rachunku prawdopodobieństwa, tw. Bayesa i jego zastosowania .

  Dane w systemach AI: akwizycja, oczyszczanie, niepewność, rozkłady probabilistyczne, tw. Bayesa, rozpoznawanie wzorców i miary poprawności, reprezentacje wektorowe – Word2Vec, Glove, mechanizm uwagi.

• B02. Uczenie maszynowe - przegląd metod.

  Uczenie maszynowe: rodzaje, uczenie nadzorowane, uczenie nienadzorowane: wizualizacja wielowymiarowych danych, PCA, ICA, MDS, UMAP, t-SNE, manifolds. Drzewa decyzji, regresja, SVM, klasteryzacja-średnich, hierarchiczna, eksploracja danych i oceny podobieństwa, klasyfikacja i regresja z użyciem sieci neuronowych.

• B03. Generatywna sztuczna inteligencja.

  Pamięci skojarzeniowe, model Hopfielda i maszyny Boltzmanna, modele dyfuzyjne, przykłady generatywnej sztuki i muzyki.

Systemy Sztucznej Inteligencji rutynowo stosowane w praktyce medycznej, strona z mojego archiwum, pokazująca jak takie systemy wyglądały na początku XXI wieku. Strona Github OpenClinical.
Archiwalne dowody twierdzeń wykonane za pomocą komputera, strona "Automated Deduction at Argonne": 4 barwy, geometria rzutowa, hipoteza Robbinsa - po 60 latach prób matematyków udowodnił ją program komputerowy EQP! Teraz rozumujące programy generatywnej AI rozwiązują zadania z Olimpiady Matematycznej, ale z dowodami nadal są trudności.
Ciekawostka: Mind reader, czyli jasnowidzący komputer ...

• C1. Analiza języka naturalnego i duże modele językowe.
  Klasyczne podejście do NLP.
  Sekwencje, LSTM i Transformery.

• Promptologia.

• Tendencje w 2025 roku.

Dowiązania zewnętrzne: Rozumienie języka naturalnego oraz AI w szukaniu informacji i NLP.
Konkurs Loebnera, 100,000$ dla twórcy programu do konwersacji, który oszuka sędziów; odbywał się do 2019 roku! Teraz GPT-3.5 i nowsze systemy zdają ten test jak i test Ruringa bez kłopotów.

29.05.2025

Nie zdążymy zająć się BCI i filozoficznymi problemami AI.

BCI, Brain-Computer Interfaces

Polecam moje referaty tej stronie.

Początkowo wykłady z AI były częścią cyklu 6 wykładów związanych z kognitywistyką.

• Część I: Wstęp do kognitywistyki: natura umysłów, obszerny wstęp do zagadnień związanych z naukami poznawczymi, odbywa się w semestrze zimowym 2024/25 roku.
• Część II:Mózg i zachowanie Ogólny wstęp do zagadnień związanych z mózgiem i umysłem, wykład odbywa się w semestr letnim 2025 roku.
• Inne wykłady, w tym komputerowe modele zjawisk neuropsychologicznych. moje referaty Włodzisław Duch