Vyučujúci

Zaradený v študijných programoch

Výsledky vzdelávania

Výsledky vzdelávania:
Vedomosti: Študenti získajú hlboké porozumenie AI technológií, ich praktického využitia a vhodnosti pre rôzne úlohy. Osvoja si rozdiely medzi dátami, informáciami a znalostnými systémami a pochopia princípy znalostného inžinierstva a expertných systémov v oblasti umelej a kognitívnej inteligencie.
Zručnosti: Študenti sa naučia identifikovať a analyzovať znalostne orientované úlohy v podnikových procesoch. Zvládnu proces získavania znalostí (knowledge elicitation) a ich prípravu na implementáciu v znalostných systémoch a expertných systémoch.
Kompetentnosti: Absolventi budú schopní kriticky hodnotiť a aplikovať AI riešenia v podnikovej sfére. Budú vedieť efektívne komunikovať medzi IT tímami a manažmentom, čím prispejú k lepšiemu využívaniu AI v rozhodovacích procesoch a digitálnej transformácii podniku.
Ako porozumieť AI zahrnutej do obchodných procesov v digitálnej ére?
Digitalizácia prináša veľké množstvo rôznych dát, ktoré by mali byť užitočné pre manažérske rozhodnutia. Nie je ľahké spracovať údaje konvenčnými informačnými systémami a musíme sledovať rýchly vývoj AI. Cieľom kurzu je pochopiť nástroje AI, prečo znalosti zohrávajú kľúčovú úlohu v mnohých aplikáciách AI a ako zachytiť znalosti v expertných systémoch. Je to dôležité nielen pre vývojárov IT, ale aj pre manažérov, obchodných analytikov a všetkých používateľov AI.
Výsledky vzdelávania:
Študenti získajú hlbší pohľad na technológie AI, ako fungujú v praxi a na aké typy úloh sú vhodné. Naučia sa rozlišovať údaje, informácie a znalosti, ako aj vlastnosti a reprezentácie znalostí používané v AI. Študenti budú schopní rozpoznať znalostne orientované úlohy v podnikových procesoch, porozumieť procesu licitácie znalostí a pripraviť ich na implementáciu do znalostného systému. Na záver sa študenti zoznámia s princípmi znalostného inžinierstva a významom expertných systémov v modernej umelej a kognitívnej inteligencii.

Stručná osnova predmetu

1. HISTÓRIA AI A VÝVOJ ODBOROV V AI
Úvod do umelej inteligencie, história, Alan Turing je dôležitá osoba v informatike a umelej inteligencii. Definícia a koncepty AI, význam AI v praxi, budúcnosť AI a niektoré etické aspekty používania AI.
2. TECHNOLÓGIE AI A ICH PRAKTICKÉ VYUŽITIE
Technológie AI: čo sa skrýva za pojmami ako strojové učenie, spracovanie prirodzeného jazyka, virtuálna realita, počítačové videnie, evolučný algoritmus, znalostné a expertné systémy atď. Klasifikácia technológií a ich využitie
3. ČO SÚ VEDOMOSTI A ICH VÝZNAM V AI
Vymedzenie pojmov inteligencia a vedomosti. Vymedzenie pojmov dáta, informácie, znalosti, kompetencie v podniku a ich súvislosť so štruktúrovaním v informatike (Beckmannova hierarchia). Nevyhnutnosť znalostí v algoritmoch AI. Hľadanie riešení problémov pomocou heuristiky.
4. RÔZNE POHĽADY NA KLASIFIKÁCIU VEDOMOSTÍ
Klasifikácia vedomostí z rôznych hľadísk. Explicitné vs. tiché znalosti (Nonaka, špirála Takeuchi), Ako externalizovať tiché znalosti. Životný cyklus znalostí v rámci podniku.
5. AKO MÔŽEME IMPLEMENTOVAŤ ZNALOSTI DO POČÍTAČA
Reprezentácia počítačových znalostí (od logiky k reprezentácii založenej na pravidlách; od sémantických sietí k reprezentácii založenej na rámcoch; procedurálna reprezentácia). Práca žiakov na zadaniach.
6. ZNALOSTNÝ SYSTÉM A SYSTÉM ODBORNÍKOV – ARCHITEKTÚRA A PRÁCA
Agent v AI, typy agentov a architektúra agentov založená na znalostiach. Význam deklaratívneho programovania v AI. Definícia a vlastnosti expertných systémov a krátky popis historických expertných systémov.
7. ZÁKLADNÉ PRINCÍPY ZNALOSTI – ZACHYTÁVANIE ZNALOSTÍ
Znalostné inžinierstvo. Význam získavania vedomostí. Osoby zapojené do procesu vývoja (úloha znalostného inžiniera, experta, softvérového inžiniera atď.) Ako rozpoznať znalostné úlohy v rámci podnikových procesov. Práca žiakov na zadaniach.
8. PROCES ZNALOSTNÉHO INŽINIERSTVA A ROZDIEL MEDZI INFORMAČNÝM SYSTÉMOM A EXPERTNÝM SYSTÉMOM
Hlavné fázy vývoja IT a špecifiká vývoja znalostných a expertných systémov. Dva prístupy k vývoju expertného systému (lineárny vs. prírastkový životný cyklus expertného systému). Ako zrušiť komunikačnú priepasť medzi manažérmi, používateľmi a IT vývojármi.
9. EXPERTNÉ SYSTÉMY -MINULOSŤ A BUDÚCNOSŤ V PRAXI
Príklady expertných systémov, motorov obchodných pravidiel a iných aplikácií znalostných systémov v súčasnej AI (vysvetliteľná AI)
10. KOGNITÍVNA VÝPOČTA A UMELÁ INTELIGENTNOSŤ
Definícia kognitívnych inteligentných systémov, ich význam ako nástrojov na spracovanie zložitých informácií, zlepšenie rozhodovania a prispôsobenie sa dynamickým prostrediam. Práca študentov na úlohách týkajúcich sa generatívnej AI a Synthesia
11. PRAKTICKÉ CVIČENIA V REPREZENTÁCII VEDOMOSTÍ
Študenti budú pracovať na praktických cvičeniach zameraných na rôzne prístupy k reprezentácii vedomostí na počítačoch. Navrhnú jednoduché obchodné pravidlá, doménové ontológie. Študenti budú analyzovať reálne prípadové štúdie implementácie umelej inteligencie v rôznych oblastiach (medicína, financie, priemysel, bezpečnosť).
12. PRÍPADOVÉ ŠTÚDIE A ETICKÉ ÚVAHY V AI
Zasadnutie bude zahŕňať diskusie o etických aspektoch AI, ako je zodpovednosť za rozhodnutia riadené AI, zaujatosť v algoritmoch a regulačné rámce v praxi. Študenti sa zapoja do kritickej analýzy a debaty o etických dilemách na konkrétnych príkladoch.
13. AI V OBCHODE A PRIEMYSLE – APLIKÁCIE A VÝZVY
Táto sekcia sa zameria na aplikácie AI v reálnom svete v podnikaní a priemysle a preskúma, ako spoločnosti využívajú AI na automatizáciu, rozhodovanie a inovácie. Kľúčovými témami budú marketing riadený AI, prediktívna analytika, optimalizácia dodávateľského reťazca a automatizácia služieb zákazníkom.

Odporúčaná literatúra

1. Negnevitsky, M., Artificial Intelligence A Guide to Intelligent Systems, Pearson, 2011
2. Norvig, P., Russell, S., Artificial Intelligence: A Modern Approach, Global Edition, 2021
3. Hurwitz, J.S., Kaufman, M., Bowles, A., Cognitive Computing and Big data analytics, John Wiley & Sons, Inc., 2015.
4. Giarratano, J. C., Riley, G., D. Expert Systems: Principles and Programming, Fourth Edition 4th Edition, 2004
5. Schreiber A.Th. and col., Methodology CommonKADS, web site: http://commonkads.org/ (available 25.10.2021)
6. Riley, G. CLIPS- A Tool for Building Expert Systems, 2013, Dostupné na: http://clipsrules.sourceforge.net/ (dostupné 20.10.2021)
7. Wooldridge, M. (2023). A brief history of artificial intelligence: What it is, where we are, and where we are going. Flatiron Books.
8. DIGNUM, V. (2024). Responsible artificial intelligence: How to develop and use AI in a responsible way. SPRINGER.
9. Pickover, C. A. (2024). Artificial Intelligence: An illustrated history. Union Square & Co.
10. Crawford, K. (2022). Atlas of AI: Power, politics, and the planetary costs of Artificial Intelligence. Yale University Press.

Podmienky na absolvovanie predmetu

- záverečná skúška - písomná forma, 70% (úspešné absolvovanie skúšky znamená získanie 51% z hodnotenia skúšky). Skúška pozostáva z dvoch častí: overenie teoretických vedomostí (test s rôznymi typmi otázok). Teoretická časť overuje dosiahnutú úroveň vzdelávacích výsledkov A., D, E, F, G. Druhá časť overuje praktickú zručnosť aplikovať teoretické poznatky v krátkom cvičení.
- samostatná práca a priebežný test počas kurzu 15%,
- práca v malých tímoch: vypracovanie a prezentácia témy seminára 15%,
Spolu: 30 %
Hodnotením samostatnej práce a hodnotením práce v tímoch sa rozvíjajú a hodnotia tieto vzdelávacie výsledky: B., C., D., G., H.

Pracovné zaťaženie študenta

3 credits x 26 hours= 78 hours
Study load distribution:
197 / 5 000
3 kredity x 26 hodín = 78 hodín
Študijné rozloženie záťaže:
Účasť na seminári: 26 hodín
Príprava na semináre: 26 hodín
Príprava projektu: 16 hodín
Príprava na záverečnú skúšku: 10 hodín

Jazyk, ktorého znalosť je potrebná na absolvovanie predmetu

English

Dátum schválenia: 21.03.2025

Dátum poslednej zmeny: 18.03.2025

Dátum schválenia: 21.03.2025

Dátum poslednej zmeny: 18.03.2025