1. komponenta

Vrsta nastave	Ukupno
Predavanja	30
Auditorne vježbe	15

* Opterećenje je izraženo u školskim satima (1 školski sat = 45 minuta)

CILJ KOLEGIJA: Stjecanje temeljnog znanja o svim područjima umjetne inteligencije (UI) te primjena neke od odabranih metoda UI u izradi odabranog inteligentnog sustava.

NASTAVNI SADRŽAJI:
1. Uvod u umjetnu inteligenciju. Definicija inteligencije. Područje računarstva - umjetna inteligencija. Klasifikacija područja umjetne inteligencije. Definicija inteligentnog sustava. Metode evaluacije: Turingov test i Searlova kineska soba. Povijesni razvoj. Simbolički i konektivistički pristup. Umjetna inteligencija danas. Metode prikaza znanja. Taksonomija shema.
2. Rješavanje problema pretraživanjem prostora stanja. Slijepo i usmjereno pretraživanje. Heurističke funkcije. Metoda pretraživanja A*.
3. Matematička logika i automatsko dokazivanje teorema. Sintaksa i semantika jezika za prikaz znanja. Propozicijski račun. Predikatni račun. Rezolucijsko zaključivanje. Rezolucijske strategije.
4. Uvod u obradu prirodnog jezika.
5. Ekspertni sustavi. Produkcijska pravila. Struktura i komponente ekspertnog sustava. Tipovi ekspertnih sustava: ulančavanje prema naprijed i unatrag. Primjeri ekspertnih sustava.
6. Uvod u neuronske mreže. Umjetni neuron, građa funkcije i njegov biološki uzor. Definicija neuronske mreže. Učenje mreže. Vrste mreža i namjena.
7. Prikaz nepouzdanog znanja. Probabilističko zaključivanje. Dempster-Shaferova teorija. Neizrazita logika za prikaz i zaključivanje s nepouzdanim znanjem.

1. S. J. Russell, P. Norvig: Artificial Intelligence: A Modern Approach, 2nd edition
2. N. J. Nilsson: Artificial Intelligence: A New Synthesis
3. R. Shinghal: Formal Concepts in Artificial Intelligence

Obavezni predmet - Redovni Studij - Računarstvo i matematika