Na těchto stránkách najdete (doufám) všechny potřebné informace jednak ke zdárnému absolvování předmětu a jednak (a to zejména) ke snadnému uvedení do problematiky kognitivních systémů a jejich specifických vlastností. Předmět si klade za cíl poskytnout ucelený a přehledný obraz současných paradigmat umělých kognitivních systémů s přihlédnutím především k jejich praktické aplikaci v oblasti umělé inteligence a inteligentního software. Důraz je kladen zejména na pochopení základních technik strojového učení (Machine Learning), rozhodování (Decision Making), řešení problémů (Problem Solving) a částečně také reprezentace znalostí.
Co můžete od předmětu očekávat?
Přednášející je veden snahou především ukázat cesty k pochopení fundamentálních principů, na kterých stojí dnešní umělá inteligence. Možná budete místy i zklamáni, že přednášené metody a postupy nejsou nijak úžasně komplikované, nicméně jejich výběr je zvolen tak, aby reprezentovaly důležité problémy, se kterými se strojová inteligence potýká, a také aby dovolovaly samostudiem postupovat k sofistikovanějším metodám, které jsou od nich odvozeny. Často budeme také diskutovat o charakteru řešených problémů - takové diskuse by měly ukázat, že mnohdy tkví podstata problému v něčem jiném, než se na první pohled zdá...
Co naopak očekávat nelze?
Nečekejte prozrazení zázračných návodů na to, jak udělat z počítače geniální myslící entitu. Dokonce se nebudeme věnovat ani složitým moderním algoritmům, neboť jsou většinou teoreticky velmi komplikované a jejich vysvětlení by zabralo mnoho času a zároveň jsou obvykle jen hodně vyladěnými verzemi základních postupů (kterým se v předmětu věnujeme).
Předpoklady úspěšného absolvování
Nejdůležitějším předpokladem je samozřejmě chuť do práce. Jde o ryze přírodovědný předmět, a tak pochopitelně nestačí se naučit zpaměti text přednášek - je třeba "prozřít", pochopit podstatu... Některé přednášené techniky jsou matematicky poněkud náročnější a mohou tedy vyžadovat např. domácí studium příslušných partií aplikované matematiky. Budeme se opírat především o poznatky z lineární algebry (matice, vektory, prostory) a statistiky (pravděpodobnost) a občas využijeme matematické analýzy (např. derivace).
Velice žádoucí dovedností je schopnost studovat odborné materiály v angličtině. Jelikož v oboru umělé inteligence obecně chybí odborná literatura v českém jazyce, prakticky všechny materiály jsou anglicky. Pro technika – zvláště v oboru informatiky a výpočetní techniky – by však v dnešní době měla být angličtina druhou přirozeností...
Poznámka na okraj
V minulých letech valná většina průšvihů, které skončily špatnou známkou nebo nějak hůř, vyplynula z toho, že dotyčný student nechal řešení objevivšího se problému na poslední chvíli. Udělám vše, co je v mých silách, abych vám v případě komplikací se studiem předmětu pomohl, ale řešte se mnou své problémy včas...
Přeju vám hodně úspěchů při studiu.
Kamil Ekštein
(přednášející)