# Lekcia 1: Úvod do predmetu Umelá inteligencia

- Pojmem "umelá inteligencia"
    - Je schopnosť strojov vykonávať úlohy, ktoré obvykle vyžadujú ľudskú inteligenciu, ako napr. rozprávanie reči, rozhodovanie a učenie sa z vlastných skúseností.
    - V podstate ide o systém, ktorý dokáže:
        1. Analyzovať dáta
        2. Usudzovať na základe tejto analýzy
        3. Prispôsobiť sa novým situáciám v priebehu času

- História a súčasnosť tohto odboru
    - [Šachový automat (Turek)](http://www.vystava.sav.sk/wp-content/uploads/%C5%A0achov%C3%BD-automat-W.-von-Kempelena.pdf)
    - Veda o UI existuje cca viac ako pol storočia.

- Základné prúdy umelej inteligencie
    - Symbolický funkcionalizmus:
        1. Reprezentácia problému a inteligentné prehľadávanie pristoru stavov,
        2. Logika,
        3. Vety prirodzeného jazyka.
    - Konekcionizmus:
        - Inteligencia vyplýva z prepojenia veľkého počtu jednoduchých výpočtových jednotiek.
        - Myšlienka (inšpirovaná mozgom), základná jednotka je model neurónu.
        - Hlavnou vetvou sú neuronové siete.
        - Skúma zdanlivo chaotické prepojenia.
    - Robotický funkcionalizmus:
        - Koncentruje na funkcionalitu modelovaného systému.
        - Inteligentným správanie je interakcia medzi entitami: _systém_, _prostredie_, _úloha_.

- Turingov test, problémy testu, jeho modifikácie
    - Otázka testu: _"Môže stroj myslieť?"_
    - _Mysliaci počítač_ je taký, ktorého chovanie nebudeme schopný rozoznať od človeka.
    - Test je imitačná hra (rozlíšenie 2 ľudí podľa pohlavia).
    - Test spočíva v tom, že imitátorom človeka by bol počítač.
    - Doteraz žiadnemu programu sa **nepodarilo** splniť.
    - Modifikácie:
        1. Komunikácia medzi hráčmi:
            - Ľudský vyšetrovateľ komunikuje s dvoma hráčmi, _A_ a _B_.
            - Ak vyšetrovateľ nedokáže určiť, ktorý hráč je počítač a ktorý je človek, tak počítač zložil test.
            - Ak je počítač nerozoznateľný od človeka vo všeobecnom rozhovore o prirodzenom jazyku, musí sa dostať do inteligencie na úrovni človeka.
        2. Simulácia iba jednej z mnohých schopností človeka (schopnosť jazyka v písanej forme).
        3. Simulácia všetkých ľudských schopností (spĺňa iba pokročilý humanoidní robot).
    - Problémy:
        1. Pôvodnosť - počítač nemyslí, pretože myslenie je spojené s pôvodnosťou. Z počítača však dostaneme iba modifikáciu toho, co doň vložíme.
        2. Niekedy tieto testy môžu zisťovať to, _či počítač sa správa viac ako človek_, ako to, _či je inteligentný_.
        3. Paradox čínskej izby - splnenie testu ešte nemusí znamenať myslenie a uvedomovanie si.
        4. Dokonalosť - počítač môže byť odhalený práve tým, že nerobí chyby, počíta rýchlejšie.

---

# Lekcia 2: Riešenie problémov - vyjadrenie problému

- Vyjadrenie problému v AI (začiatočný stav, množina operátorov, stavový priestor, cieľový test, cena cesty)
    - Začiatočný stav - v ňom sa agent nachádza.
    - Množina operátorov - opisujú aký stav vznikne vykonaním akcie v danom stave.
    - Stavový priestor - množina všetkých dosiahnuteľných stavov zo začiatočného stavu ľubovoľnou postupnosťou akcií.
    - Cieľový test:
        - Testuje, či sa dosiahol cieľ.
        - Predstavuje hodnotenie nejakého stavu alebo hodnotenie cesty v stavovom priestore.
        - Môže byť daný:
            1. _explicitne_ - ako množina stavov,
            2. _implicitne_ - vlastnosťou stavu.
    - Cena cesty:
        - Súčet cien jednotlivých akcií na ceste.
        - Pri viacerých riešeniach daného problému, pomocou ceny cesty nájdeme riešenie, ktoré pozostáva z menšieho počtu alebo lacnejších akcií.
    - **cena riešenia** = **cena cesty k riešeniu** _+_ **cena hľadania**

- Základné problémy pre algoritmy hľadania riešenia
    - Hľadanie riešenia je prístup, pri ktorom nevychádzame z algoritmu riešenia problému. Vychádzame z algoritmu ako riešenie hľadať.
    - Problém **nie** je algoritmicky riešiteľný pre neefektívnosť alebo preto, že algoritmus nepoznáme.
    
- Neinformatívne hľadanie - prehľadávanie do šírky, stratégia rovnomernej ceny
    - Prehľadávanie do šírky:
        - Rozvinie sa koreňový uzol, potom všetky uzly vzniknuté jeho rozvitím, potom sa rozvijú všetky ich nasledovníci atď...
        - V strome hľadania sa expandujú všetky uzly v hĺbke `d` skôr ako sa rozvijú uzly v hĺbke `d + 1`.
        - Patrí medzi systematické stratégie.
            - Nevynechá ani jeden uzol.
            - Žiadny uzol sa nevyberie dvakrát.
        - Ak riešenie existuje, pri hľadaní sa **určite nájde**, t.j. stratégia je **úplná**.
        - Pri hľadaní sa nájde _najplytkejšie_ riešenie.
    - Stratégia rovnomernej ceny (_uniform - cost search_):
        - Na expanziu sa vyberie vždy uzol, ktorý je na najlacnejšej ceste.
        - Optimálne riešenie sa nájde vždy, ak sa pri postupe nezníži, napr. súčet cien aplikácie operátov a pod.

- Obojsmerné hľadanie
    - Môže sa použiť iba keď máme problém, ktorého riešením je cesta a cieľový stav je známy.
    - Musí byť splnená podmienka existencie inverzných operátorov.
    - Stratégia:
        1. Od počiatočného stavu bude hľadanie postupovať vpred smerom k cieľovému stavu (priame hľadanie),
        2. Od cieľového stavu bude hľadanie postupovať vzad (inverzné operátory) smerom k počiatočnému stavu (spätné hľadanie),
        3. Ak oba procesy vygenerujú ten istý stav, nájde sa cesta spájajúca počiatočný stav s cieľovým.
    - Problémy:
        1. _Ak sa dajú definovať inverzné operátory, **nie** je ich výpočet zložitejší?_
        2. _Ako postupovať aj je viacej cieľových stavov?_
        2. Ak sú ciele dané implicitne, je ťažko nájsť predchodcov.

- Prehľadávanie do hĺbky a jeho modifikácie
    - V strome hľadania sa najprv expanduje uzol, ktorého hĺbka je **najväčšia**. Keď sa narazí na uzol bez nasledovníkov, dôjde k navracaniu (_back tracking_), teda hľadanie sa vráti k expanzii uzlov na plytších úrovniach.
    - Často rýchlejší ako prehľadávanie do šírky.
    - Nezaručuje nájdenie riešenia (hlavne pri problémoch) - je **neúplná**.
    - Hľadanie sa nemusí orientovať smerom k optimálnemu riešeniu.
    - Modifikácie:
        - Ohraničené prehľadávanie do hĺbky:
            - Zamedzí, aby riešenie uviazlo hlboko v strome.
            - Stanoví sa hraničná hĺbka, do ktorej sa bude hľadať.
        - Cyklicky sa prehlbujúce hľadanie:
            - Postupne vyskúša všetky možné hraničné hĺbky - od najmenšej po najväčšiu.
        - Hľadanie do hĺbky s návratom:
            - Pri výbere uzla na skúmanie sa generuje iba jeden jeho nasledovník, ktorá ak nie je listový uzol sa ďalej skúma, inak sa vráti k najbližšiemu nerozvitému uzlu.
            - Šetrí pamäť a nevygeneruje uzly napravo od cesty.
            - Nemožno použiť žiadnu doplňujúcu informáciu na výber najlepšieho nasledovníka, lebo sa vždy vygeneruje iba jeden.

---

# Lekcia 3: Heuristické prehľadávanie, Genetické algoritmy, Hry ako problém hľadania

- Lačné hľadanie
    - Aaa

- Algoritmus A*
    - Aaa

- Heuristiky zmenšujúce priestor stavov
    - Aaa

- Genetické algoritmy
    - Aaa

- Herné problémy, algoritmus Min-Max
    - Aaa

---

# Lekcia 4: Znalosti

- Znalosti
    - Aaa

- Vlastnosti znalostných systémov
    - Aaa

- Reprezentácia znalosti (vyjadriteľnosť, použiteľnosť, začleniteľnosť)
    - Aaa

- Logika, výroková logika, predikátová logika
    - Aaa

- Pravidlá
    - Aaa

- Sémantické siete, ontológie
    - Aaa

---

# Lekcia 5: Vnímanie - Rozpoznávanie vzorov

- Aplikácie rozpoznávania vzorov
    - Aaa

- Príznakové rozpoznávanie
    - Aaa

- OCR systémy
    - Aaa

- Časti OCR systémov
    - Aaa

- Príznaky a spôsoby výberu príznakov
    - Aaa

---

# Lekcia 6: Strojové učenie - Rozhodovacie stromy

- Čo reprezentujú rozhodovacie stromy
    - Aaa

- Rozhodovacie stromy a strojové učenie
    - Aaa

- Prepis stromu na pravidlá
    - Aaa

- Výber vlastností pre tvorbu ulov
    - Aaa

- Klasifikačná chyba
    - Aaa

- Pravidlá pre ukončenie rekurzie tvorby stromov
    - Aaa

---

# Lekcia 7: Strojové učenie, Naive Bayes, Q-learning

- Oblasti využitia strojového učenia
    - Aaa

- Biflovanie, induktívne učenie sa
    - Aaa

- Naivný Bayesovský klasifikátor
    - Aaa

- Typy strojového učenia
    - Aaa

---

# Lekcia 8: Strojové učenie - Regresia

- Lineárna regresia
    - Aaa

- Residual sum of squares (RSS)
    - Aaa

- Stupne polynómu - komplexnosť modelu
    - Aaa

- Pridanie ďalších parametrov
    - Aaa

---

# Lekcia 9: Spracovanie prirodzeného jazyka (NLP)

- Predspracovanie textu
    - Aaa

- Tokenizázia
    - Aaa

- Lematizácia
    - Aaa

- Stop slová
    - Aaa

- POS tagging
    - Aaa