Τεχνητή Νοημοσύνη (Ε)

Το εργαστηριακό μάθημα στοχεύει στο να μάθει στους σπουδαστές να επιλύουν προβλήματα χρησιμοποιώντας τεχνικές επίλυσης που έχουν διδαχτεί στο θεωρητικό μάθημα, με τη βοήθεια προγραμματιστικών περιβαλλόντων: α) τη συναρτησιακή γλώσσα ΤΝ Common Lisp και β) το περιβάλλον ανάπτυξης εμπείρων συστημάτων CLIPS.

Στόχοι Μαθήματος

Το εργαστήριο αποτελείται από δυο κύκλους μαθημάτων: Στον 1ο κύκλο επιδιώκεται οι φοιτητές: Να κατανοήσουν τη συναρτησιακή γλώσσα Lisp που θεωρείται κατάλληλη για την ανάπτυξη αλγόριθμων αναζήτησης για την επίλυση προβλημάτων. Να κατανοήσουν τον πηγαίο κώδικα Common Lisp που υλοποιεί τον πρώτα σε βάθος αλγόριθμο αναζήτησης. Να γενικεύσουν τη χρήση της πρώτα σε βάθος αναζήτησης στην επίλυση οποιουδήποτε προβλήματος που μπορεί να περιγραφεί με χώρο καταστάσεων Να προσαρμόσουν τον κώδικα ώστε να υλοποιηθούν οι υπόλοιποι τυφλοί και ευριστικοί αλγόριθμοι επίλυσης προβλημάτων Στον 2ο κύκλο επιδιώκεται οι φοιτητές: Να κατανοήσουν το περιβάλλον ανάπτυξης εμπείρων συστημάτων CLIPS. Να κατανοήσουν την αλυσιδωτή εκτέλεση των κανόνων κατά την επίλυση απλών προβλημάτων. Να αποκτήσουν την ικανότητα αναπαράστασης της γνώσης ενός προβλήματος με κανόνες και να το επιλύουν στο περιβάλλον CLIPS. Να αποκτήσουν την ικανότητα να αξιολογούν τις εργαστηριακές εργασίες των συναδέλφων τους  με σταθερά κριτήρια αξιολόγησης.

Προαπαιτούμενες Γνώσεις

Βασικές Γνώσεις Δομών Δεδομένων και Αλγόριθμων και Πολυπλοκότητας

Περιεχόμενα

1. Η γλώσσα προγραμματισμού COMMON_LISP 2. Αλγόριθμοι Αναζήτησης – Μέρος Ι 3. Αλγόριθμοι Αναζήτησης – Μέρος ΙΙ 4. Ολοκλήρωση Αλγορίθμων Αναζήτησης 5. Επίλυση αποριών στην ανάπτυξη Αλγορίθμων Αναζήτησης 6. Συνεργατική Μάθηση 7. Το περιβάλλον ανάπτυξης εμπείρων συστημάτων CLIPS 8. Έμπειρα Συστήματα CLIPS 9. Έμπειρα Συστήματα