人工智慧(Artificial Intelligence)
教師: 于天立

2016/03/30 ~ 2016/05/17
13小時/7週 (報名結束)

摘要

人工智慧可分為強人工智慧及弱人工智慧。強人工智慧著重於模擬人類智能,而弱人工智慧則著重於類似智能的應用表現。達成智能的表現有許多方法,其中一種快速有效的方法即為搜尋,也是這門課的重點。本課程將給予人工智慧一般性的介紹,並且深入探索三種常用的搜尋:不利用問題特性的uninformed search,使用問題特性的informed search,及針對零和對局的adversarial search。課程中除了講解各種搜尋的技術之外,也會同時探討它們的優缺點及應用範圍,使同學易於應用其相關技術。
另外,常使用在專家系統中的邏輯也將於此次課程一併介紹。我們會從最基本的證言邏輯開始,進而介紹現實生活中相當實用的一階邏輯,並著重在其中系統性的推論過程,同時我們還會介紹不同推論演算法的特性及它們的能力。最後,將會介紹人工智慧常用的邏輯性語言prolog, 以及它的實作,讓同學們能在本次課程中,對人工智慧領域有更進一步的認識。

課程目標

本課程有兩大課程目標:

  1. 使同學了解如何以搜尋達成人工智慧
  2. 使同學能將相關技術應用到自己的問題上

授課教師

于天立(Tian-Li,Yu)

于天立教授1997年於臺大電機系取得學士學位,2000年赴美國伊利諾大學香檳分校深造,分別於2003及2006年取得計算機科學碩士學位及博士學位。畢業後憑著一股熱忱,決定回國貢獻所長,於2007年回到母系任職至今。于教授的研究領域含括一般性的演化計算(evolutionary computation)和遺傳演算法(genetic algorithm),主要研究目的是為了解和設計competent GA. 細部的研究領域包括遺傳演算法中的model building, linkage learning, and facet-wise modeling。總的來說,人工智慧及機器學習也是其研究興趣。

課程進度表

第1週:Introduction & Intelligent agents

第2週:Uninformed search

第3週:Informed search

第4週:Beyond classical search

第5週:Adversarial search

第6週:Propositional Logic

第7週:First Order Logic

評分標準

稍後公布

通過標準


課程及格標準:60分滿分:100分

先修科目或先備能力

  1. 對人工智慧無止盡的熱情
  2. 演算法及資料結構的基礎知識

建議參考書目

建議同學可以先觀看下列精選影片

  1. Deep Blue defeated Garry Kasparov in 1997
    http://www.youtube.com/watch?v=NJarxpYyoFI

  2. Watson defeated Jeopardy! In 2010
    http://www.youtube.com/watch?v=WFR3lOm_xhE

  3. RoboCup
    http://www.youtube.com/watch?v=XLKKbz2mNyo

  4. ROBO-ONE
    https://www.youtube.com/watch?v=fwqdExjBF9M