Когнитивна роботика

Спецификација предмета:

Ознака предмета: 22 – EAI066
Број ЕСПБ: 6
Број часова активне наставе недељно: 3 часа предавања + 2 часа лабораторијско-рачунарских вежби
Студијски програм: МАС Вештачка интелигенција и машинско учење
Семестар: Трећи (III)
Кратак садржај предмета: Циљ предмета Когнитивна роботика је упознавање студената са основним теоријским концептима и идејама из различитих области и дисциплина, попут когнитивних неуронаука, рачунарске лингвистике и вештачке интелигенције, које су од значаја за изразито мултидисциплинарну област као што је когнитивна роботика. Ово укључује базично упознавање са изабраним увидима из когнитивних неуронаука који су послужили као инспирација за развој рачунарских когнитивно инспирисаних модела, упознавање са различитим методолошким приступима когнитивном моделовању и коначно упознавање са бројним конкретним алгоритмима и рачунарским моделима виших когнитивних процеса попут: меморије, пажње, учења, одлучивања и језика и њиховим конкретним реализацијама у појединим роботским системима.
Студенти ће бити оспособљени за теоријско разумевање и анализу савремених когнитивно инспирисаних техничких система и модела имплементираних у различитим сервисним и хуманоидним роботима, који испољавају одређени степен интелигентног понашања и покривају различите аспекте когнитивног система. Студенти ће такође бити оспособљени за самостално моделовање и рачунарску имплементацију различитих алгоритама који покривају широки спектар когнитивних фунцкионалности, значајних за функционисање робота у неструтурираном окружењу и остваривање природне и флексибилне интеракције човека и робота, укључујући разумевање природног говора, одлучивање у неизвесним окружењима, учење из интеракције, … Студенти ће се оспособити за имплементацију изабраних алгоритама у неком од програмских пакета попут MATLAB-а или у програмском језику Python. Садржај предмета је следећи:

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;
Когнитивне архитектуре –Класификација когнитивних архитектура; Критеријуми за евалуацију и поређење когнитивних архитектура; Примери постојећих когнитивних архитектура.
Језик i перцепција– Порекло, функција и структура језика; Вербална интеракција; Статистички приступи у моделовању језика (скривени Марковљеви модели и N-grami); 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.).
Меморија – 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.
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); Марковљев процес одлучивања, Делимично опсервабилни Марковљев процес одлучивања, Бихевиорална стабла.
Учење – Увиди из неурокогнитивних наука и бихејвиористичке психологије (асоцијативно учење – класично и инструментално условљавање); Учење са подстицајем (Reinforcement Learning);

Наставни кадар:

Наставник/наставници: доц. др Срђан Савић и виши научни сарадник др Бранислав Поповић
Сарадник/сарадници: асистент-мастер Андреј Чилаг, асистент –мастер Тања Берисављевић
Лаборант/лаборанти: /

Начин полагања испита:

У предиспитне обавезе, које се вреднују са 40 поена, убрајају се:

Домаћи задаци (ортогоналне пројекције) – 10 поена;
Пројекат – 30 поена;

Предиспитне обавезе се реализују током семестра.

Сви стечени поени са предиспитних обавеза важе до краја школске године. У случају преношења испита у наредну школску годину предиспитне обавезе се раде испочетка.

У испитне обавезе, које се испуњавају у испитном року, спада:

Писмени испит (задаци и теорија) – 60 поена.

Литература:

D. Vernon, C. von Hofsten, L. Fadiga, A Roadmap for Cognitive Development in Humanoid Robots, Springer-Verlag Berlin Heidelberg, 2010.
S. Russell, P. Norvig, Artificial Intelligence: A Modern Approach, 3rd Edition, Pearson Education, Inc, 2010.
R. S. Sutton, A. G. Barto: Reinforcement Learning – An Introduction. MIT Press, 2017
D. Jurafsky, J. H. Martin, Speech and Language Processing, 2nd Edition, Pearson Education, Inc, 2009.
Милан Гњатовић (2017) Увод у проналажење информација на вебу. Висока школа електротехнике и рачунарства струковних студија, Београд. ISBN 978-86-7982-257-4, http://www.gnjatovic.info/pronalazenjeinformacija
Norman, K. A., Detre, G., &Polyn, S. M. (2008). Computational models of episodic memory. In R. Sun (Ed.), The Cambridge handbook of computational psychology (p. 189–225). Cambridge University Press. https://doi.org/10.1017/CBO9780511816772.011
M. N. Jones, J. Willits, S. Dennis (2015). Models of Semantic Memory. In J. R. Busemeyer, Z. Wang, J. T. Townsend, and A. Eidels (Eds.), The Oxford Handbook of Computational and Mathematical Psychology, (p. 232-254), Oxford University Press, DOI: 10.1093/oxfordhb/9780199957996.013.11

Катедра за мехатронику, роботику и аутоматизацију

Факултет техничких наука

Трг Доситеја Обрадовића 6

Контакт телефон

Мејл адреса

Когнитивна роботика

Наши пријатељи

Пратите нас

Студентска такмичења

Корисни линкови