Seksjon for Intelligente Systemer Agnar Aamodt (Seksjonsleder) Keith Downing (Nestleder)
Hypen rundt A.I. in three to eight years we will have a machine with the general intelligence of an average human being. I mean a machine that will be able to read Shakespeare, grease a car, play office politics, tell a joke, and have a fight. At that point, the machine will start to educate itself with fantastic speed. In a few months it will be at genius level and a few months after that its powers will be incalculable. Marvin Minsky i 1970! Mer edruelig vurdering: Kan løse problemer og/eller interagere med mennesker innenfor avgrensede områder Kan ikke read Shakespeare, [ ], play office politics, tell a joke, and [ ] start to educate itself with fantastic speed ennå ;-)
Hva er Kunstig Intelligens? Software: Ekspertsystemer Lærende systemer, f.eks.: Anbefalingssystemer AI i spill Ansiktsgjenkjenning Naturlig språk Adapterende GUI... Hardware: Evolusjonær Maskinvare Adaptive løsninger Feiltollerante løsninger Autonome roboter Situasjonsforståelse Samarbeid Planleggingssystemer Hjernesimulering Selvorganiserende systemer Evolusjonære metoder
Hva jobber vi med på DIS? Teknologisk målsetting Utvikling av metoder for konstruksjon av smarte datasystemer, dvs. systemer som oppfører seg på måter som til dels kan kalles intelligente innenfor klart avgrensede områder. Vitenskapelig målsetting Økt forståelse av intelligente, interaktive og levende systemer relatert til komputasjonelle metoder for modellering og utvikling av slike systemer. Hvert år veileder Seksjon for Intelligente Systemer 20 25 M.Sc. studenter på vei mot disse områdene.
Organisering i 3 grupper Kunnskapsbaserte systemer Case-basert resonnering Kunnskapsmodellering Intelligente agenter Adaptive brukergrensesnitt Usikkerhetsbehandling/grafisk e modeller Bildebehandling/kunstig syn Maskinlæring/datamining. Selvorganiserende systemer Evolusjonære metoder Evolusjonær maskinvare Systemsbiologi Konneksjonisme Nevrovitenskap Kunstig liv Maskinlæring Språkteknologi Naturlig språklig fortåelse Beregnbar logikk Tekstmining Maskinoversettelse Maskinlæring BusTuc 31 ansatte: 11 heltidsstillinger 7 Deltid/Korttidskontrakter 13 PhD studenter 20 25 MSc studenter per år
Self-Organized Systems (SOS) Jørn Hokland Pauline Haddow Pinar Ozturk Keith Downing
Scientific Contributions Biology Neurophysiology Evolutionary Theory Immunology Social Insects Computer Science Artif Neural Networks Evolutionary Comp Artif Immune Sys Swarm Intelligence Biologically-Inspired Artificial Intelligence Engineering Contributions Telecom EE Cybernetics Op Research Chemistry
Scientific Goals Understanding intelligence and cognition as phenomena that emerge from two processes: a) evolution, b) the local interactions among simple elements (i.e. neurons) Understanding the sensorimotoric basis of cognition Engineering Goals Improving navigational abilities of robots via the computational modeling of conventional neuroscientific theories (particularly of the hippocampus, basal ganglia and cortex). Improving Machine Learning with Connectionist theories. Teaching robots to learn by imitation.
Methods Artificial neural networks - trained by unsupervised techniques and reinforcement learning. Evolutionary Algorithms - standard and coevolutionary variants. Evolutionary Hardware Adaptive robotics Multi-agent systems Swarm Intelligence
Fagplan - DIS Basisfag, Høst Logikk og resonnerende systemer Videregående fag, Høst Statistisk bildeanalyse og læring Kunnskapsrepresentasjon Maskinlæring og case-basert resonnering AI programmering Ca. ti teoriemner (3.75 Bt) Vår Metoder i kunstig intelligens Vår Datasyn Bildeteknikk Sub-symbolske AI-metoder Distribuert AI og intelligente agenter Intelligente brukergrensesnitt Naturlig språk grensesnitt
Eksempler på MSc-oppgaver (1)
Eksempler på MSc oppgaver (2)
Eksempler på MSc oppgaver (3)
Eksempler på MSc oppgaver (4) Bilde- og/eller Video-analyse (Her: Segmentere bilder av fisk i Mauritius)
Eksempler på MSc oppgaver (5)
Eksempler på MSc oppgaver (6) Improved decision support through experience capture and reuse
Eksempler på MSc oppgaver (7) Ting som ikke så lett lar seg fange på en slide: Metode-studier Neurale nett Case-basert resonering Bayes-nett State-of-the-art oppgaver Klassifikasjon Data-mining Text-mining Maskinoversettelse/Maskinlæring for forståelse av naturlig språk
Eksempler på MSc oppgaver (8) Fitness Evaluation
Hvor får man jobb med MSc fra DIS? Firma som etterspør generell (comp.sci.) kompetanse: Konsulentbransjen (Andreson, BearingPoint, whatever) Utvikler i SW-firma Firma som etterspør spesifikk DIS-kompetanse: Konsulentbransjen Utvikler i spesialiserte SW-firma Microsoft Statoil Kongsberg Aerospace Noen av de lokale spin-off selskapene fra DIS: LingIT: Naturlig språk tolkning og dialog Trollhetta: Bildeanalyse og beslutningsstøtte Internet Learning Systems:Nettbasert læring og undervisning Verdande Technology: Erfaringsoverføring i oljeboring