هوش مصنوعی و سیستم‌های خبره

درس هوش مصنوعی یکی از دروس تخصصی رشته کامپیوتر در مقطع کارشناسی است. این درس با عناوینی همچون «هوش مصنوعی و سیستم‌های خبره» و «مبانی و کاربردهای هوش مصنوعی» در دانشگاه‌های ایران ارائه می‌شود. مفاهیم مقدماتی و مباحث پایه هوش مصنوعی در این درس پوشش داده شده‌اند.

منبع اصلی درس هوش مصنوعی که در اکثر دانشگاه‌های برتر دنیا تدریس می‌شود، کتاب هوش مصنوعی استوارت راسل و پیتر نورویگ به نام «Artificial Intelligence: A Modern Approach» است.

اهداف دوره

در این دوره به معرفی جنبه‌های نظری و عملی هوش مصنوعی پرداخته میشود. هدف دوره هوش مصنوعی معرفی تکنیک‌هایی برای تصمیم گیری به صورت بهینه یا نزدیک به بهینه (near-optimal) در مسائل و محیط‌های مختلف است. در این درس به مفاهیمی نظیر جست‌وجو، حل مساله، نمایش دانش (knowledge) و استنتاج (inference) خواهیم پرداخت. همچنین جست‌وجو در محیط‌های غیرقطعی (uncertain)، نمایش دانش در این محیط‌ها و استنتاج احتمالاتی برای تصمیم گیری در این شرایط مطرح خواهد شد. به علاوه زمینه‌ی یادگیری ماشین مختصرا معرفی می‌شود. در نهایت آشنایی با تعدادی از حوزه‌های کاربردی هوش مصنوعی صورت خواهد گرفت.

جزئیات آموزش:

- مقدمه‌ای بر هوش مصنوعی و تاریخچه‌ی آن
- معرفی عامل‌های هوشمند
- جست‌وجوی ناآگاهانه (uninformed)
- جست‌وجوی اول-سطح (BFS) و جستجوی اول-عمق (DFS)
- جست‌وجوی عمق بخشی تکراری (Iterative Deepening)
- جست‌وجوی هزینه-یکنواخت (Uniform Cost Search)
- جست‌وجوی آگاهانه (informed)
- توابع ابتکاری قابل قبول (admissible) و سازگار (consistent)
- جست‌وجوی اول بهترین حریصانه (greedy best first search)
- الگوریتم *A و اثبات بهینگی
- خودکارسازی تولید توابع ابتکاری
- جست‌وجوی محلی (local) تپه‌نوردی (hill-climbing)، شبیه‌سازی ذوب (simulated annealing)، جست‌وجوی شعاعی محلی (local beam search) و الگوریتم ژنتیک (genetic algorithm)
- جستجوی محلی در فضای پیوسته: روش کاهش در راستای گرادیان (gradient descent)
- مسائل ارضای محدودیت (Constraint Satisfaction Problems)
- جست‌وجوی عقبگرد (backtrack)
- استفاده از تکنیک‌هایی نظیر LCV، MRV، بررسی جلورو (Forward Checking) ‌، MAC، AC3
- حل مسائل CSP با رویکرد جستجوی محلی
- جستجوی مقابله‌ای (adversarial)
- الگوریتم minimax و هرس آلفا-بتا
- الگوریتم expectiminimax
- یادگیری تقویتی (reinforcement learning)
- منطق (logic)
- منطق گزاره‌ای (propositional) و استنتاج (inference) در منطق گزاره‌ای (شامل روش رزولوشن (resolution)) منطق مرتبه اول (first-order) و استنتاج در منطق مرتبه اول
- مقدمه‌ای بر یادگیری ماشین (Machine Learning)
- شبکه‌های عصبی (Neural Networks)
- معرفی زمینه‌های کاربردی هوش مصنوعی پردازش زبان طبیعی (Natural Language Processing)
- بینایی ماشین (Computer Vision)
- رباتیک (robotics)