Ta predmet obravnava izbrane ideje in metode umetne inteligence, ki so posebej zanimive ali praktično uporabne. Te metode so zato pomembne s stališča zahtevnejše uporabe računalnikov, pa tudi kot modeli delovanja inteligence pri ljudeh. Našli bomo odgovore na spodnja vprašanja:
- Kako sestaviti plan za dano nalogo, ki jo skupaj rešuje množica agentov, npr. robotov ali drugih naprav, kjer lahko operacije potekajo sočasno? Na take probleme naletimo v logistiki, izdelavi urnikov ali organizaciji obsežnih operacij.
- Kako se lahko agent, npr. robot, v povsem neznanem okolju nauči dosegati svoje cilje, pri čemer mora obenem odkriti tudi zakonitosti svojega okolja?
- Kako lahko računalnik avtomatsko sestavi nov program, če so podani le primeri podatkov in rezultatov tega programa? Spoznali bomo algoritme za avtomatsko programiranje s primeri.
- Kako lahko rešujemo optimizacijske probleme po vzoru naravne evolucije -- z naravno selekcijo, kjer preživijo le najboljši? Na tem principu delujejo genetski algoritmi.
- Kako lahko računalnik po »zdravi pameti« predvidi potek dogodkov, kot ljudje v vsakdanjem življenju: brez števil, diferencialnih enačb in numeričnih fizikalnih modelov? Navadno za vsakdanje življenje zadošča »naivna«, intuitivna fizika, ki se je naučijo že otroci iz vsakdanjih izkušenj.
Vsebina: prostorsko učinkoviti preiskovalni algoritmi, učinkovito planiranje z delno urejenostjo, spodbujevano učenje, genetski algoritmi, kvalitativno sklepanje in modeliranje, induktivno logično programiranje, meje učljivosti – česa se je v omejenem času možno naučiti in česa ne.
- nosilec: Ivan Bratko