Странице предмета

1) Увод – Дефиниција основних појмова; Одабрани увиди из когнитивних неуронаука (структура и функционалности људског когнитивног система); Одабране теме из филозофије вештачке интелигенције (Слаба и јака вештачка интелигенција, Тјурингов тест, Метафора мозга као рачунара, Елиза, Аргумент кинеске собе, ...); Типови вештачких когнитивних агената и окружења; Симболички и статистички методолошки приступ когнитивном моделовању; Основи теорије вероватноће и теорије графова. 2) Когнитивне архитектуре – Класификација когнитивних архитектура; Критеријуми за евалуацију и поређење когнитивних архитектура; Примери постојећих когнитивних архитектура. 3) Језик и перцепција– Порекло, функција и структура језика; Вербална интеракција; Статистички приступи у моделовању језика (скривени Марковљеви модели и Н-грами); Дефинисање основних елемената обраде природног језика при интеракцију између човека и машине; Управљање дијалогом; Контекстно-независне граматике; Разумевање природног говора (Репрезентација знања, контекстно-зависна обрада дијалошких чинова); Извлачење информација из текста (претраге докумената, контекстно-зависно предвиђање упита, класификација текста и препознавање домена дијалога). Технике за екстракцију релевантних обележја из различитих типова дискретних сигнала (аудио, видео, тактилни итд.). 3) Меморија и разумевање – Увиди из когнитивних неуронаука (структура и функционалности меморије, однос дуготрајне и радне меморије и механизма пажње); Когнитивно инспирисани приступ моделовању меморије робота; Складиштење информација и репрезентација знања; Контекстно-зависно извлачење информација из меморије (типови стимуланса, активација меморије и приоритизација садржаја); Контекстно зависна интерпретација стимуланса (разумевање); Примери рачунарских модела семантичке, епизодне и радне меморије у роботици. 4) Закључивање, одлучивање и планирање акција –Представљање знања и закључивање у присуству неизвесности (Бајесове мреже); Пробабилистичко закључивање у времену (Динамичке Бајесове мреже, Скривени Марковљеви модели, Калманов филтер); Основи теорије одлучивања; Марковљев процес одлучивања (Динамичко програмирање, Белманова једначина), Делимично опсервабилни Марковљев процес одлучивања. 5) Учење – Увиди из неурокогнитивних наука и бихејвиористичке психологије (асоцијативно учење – класично и инструментално условљавање); Учење са подстицајем (Реинфорцемент Леарнинг); Учење на основу временских разлика (Темпорал Дифференце Леарнинг).