Kunstmatige intelligentie houdt zich bezig met de onderliggende principes van intelligent gedrag in natuurlijke of kunstmatige systemen. Deze cursus behandelt kunstmatige intelligentie vanuit het perspectief van een ‘intelligente computationele agent’. Wie of wat die agent precies is, een computer, een thermostaat of iets heel anders, blijft open, maar de agent handelt in en reageert op een omgeving op een intelligente manier. Je zult kennismaken met een aantal van de belangrijkste principes en technieken voor het ontwikkelen van computationele agents, bijvoorbeeld om zoekproblemen en planningsproblemen op te lossen, of om agents te laten redeneren over beschikbare kennis. Bovendien leer je hoe een agent kan leren uit gegevens door gebruik te maken van moderne machine learning algoritmen.

Je maakt kennis met een aantal methoden en technieken uit de kunstmatige intelligentie op het gebied van zoeken, redeneren, leren en plannen. Na bestudering van deze cursus kun je:
- de structuur van een agent system beschrijven, en kun je de consequenties van keuzes in een eenvoudig agent system beredeneren,
- verschillende zoektechnieken (A*, iterative deepening, branch and bound) beschrijven en deze toepassen om een concreet zoekprobleem op te lossen,
- problemen formaliseren door middel van features en constraints en technieken gebruiken om deze geformaliseerde problemen computationeel efficiënt op te lossen,
- een Bayesiaans netwerk handmatig specificeren en daaruit kansen uitrekenen,
- een beschrijving van een aantal (supervised) leertechnieken geven en de verschillen daartussen, en deze ook toepassen op een kleine dataset,
- een planningsprobleem representeren in formele logica en dat oplossen door middel van planningsalgoritmen,
- representaties gebruiken om relationele problemen te representeren en op te lossen.

Aanmelden voor deze cursus is mogelijk als je minimaal de propedeuse hebt afgerond en kennis en vaardigheden van de volgende onderwerpen op peil en actueel zijn:
- getallen en verzamelingen,
- algebra,
- functies en grafieken,
- vergelijkingen en ongelijkheden.

Kijk voor meer informatie over hoe je kunt testen of deze voorkennis op peil is, of hoe je die kunt verbeteren op: https://www.ou.nl/web/open-universiteit/basiskennis-wiskunde-voor-informatica.

Daarnaast wordt verondersteld dat je reeds bekend bent met de belangrijkste begrippen uit de statistiek, propositielogica, verzamelingenleer, en predicatenlogica.

Het cursusmateriaal bestaat uit het boek Artificial Intelligence: Foundations of Computational Agents van Poole en Mackworth, en een werkboek met opgaven en uitwerkingen.

Digitaal groepstentamen met open vragen.

De noodzakelijke voorkennis met betrekking tot statistiek kan worden opgedaan in de cursus Lineaire Algebra en Stochastiek (IB0602); voorkennis met betrekking tot logica kan worden opgedaan in de cursus Logica (IB3602). Deze cursussen zijn ook via Kies op Maat te volgen.

Voor verdere info over de cursus zie: http://www.ou.nl/studieaanbod/IB2802 

Deze cursus is ook te volgen als onderdeel van de minor Fundamenten van de AI die in september 2024 weer start. De volgorde van die minor is:
september-november: Lineaire algebra en stochastiek (zonder begeleiding)
november-februari: Logica (met begeleiding)
februari-april: Kunstmatige intelligentie (met begeleiding)

Deze cursus is onderdeel van de premaster van de Master Artificial Intelligence bij de Open Universiteit. Voor uitgebreide informatie over deze masteropleiding zie: http://www.ou.nl/studieaanbod/maai

Voor vragen over eventuele toelating tot deze opleiding neem contact op met de studieadviseur via studieadvies.informatica@ou.nl.