Praktisk tillämpning av teori och metodik i ett projekt, 3 hp
Den teoretiska modulen tar upp teoretiska ramverk och metoder från områdena artificiell intelligens (AI) och människa-AI-interaktion som kan användas för att utforma och utvärdera intelligenta interaktiva system och miljöer. Delar av innehållet i denna modul tillämpas i den praktiska modulen, som i huvudsak utgörs av ett projektarbete att utföras individuellt eller i grupp.
Aktuella trender i AI går ofta ut på att kombinera grundläggande teorier och metoder inom AI-området och mellan AI och andra områden som kognitionsvetenskap och samhällsvetenskap för att lösa aktuella samhällsutmaningar, och för att bygga mer avancerad AI. Denna kurs fokuserar på sådana trender i interaktiva intelligenta miljöer som inkluderar människor och AI-baserade system, och där intelligenta system och människor eftersträvar olika mål men förväntas samarbeta. Denna kurs på avancerad nivå antar ett forskningsperspektiv på teorier och metoder för interaktiva intelligenta system, vilket görs ur perspektivet att lösa samhällsutmaningar.
Studenten kommer att fördjupa sina kunskaper om forskningsfronten i AI i ämnesområden som kunskapsrepresentation och resonerande, maskininlärning, multiagentsystem och agentsamhällen, och få kunskaper om hur dessa metoder och teorier kan kombineras för att konstruera AI som är användbar för att människa och AI ska kunna samarbeta.
Studenten uppmuntras att engagera sig i en forskargrupp under kursen och fokusera särskilda utmaningar och olösta problem relaterade till interaktiva, intelligenta system som identifierats i aktuell forskning.
Förväntade studieresultat
Kunskap och förståelse Efter avslutad kurs ska studenten kunna:
(FSR 1) designa och förklara arkitekturer för intelligenta kontroller (rationella agenter) som är specifika för interaktiva, intelligenta system, och som inkluderar komplementära AI-teknologier,
(FSR 2) designa det interaktiva, intelligenta systemet för människa-AI samarbete, och redogöra för hur anpassning och personifiering sker,
(FSR 3) uppvisa fördjupad kunskap och förståelse för möjligheter och begränsningar hos existerande AI-teknologi.
Färdighet och förmåga Efter avslutad kurs ska studenten kunna:
(FSR 4) läsa och förklara innehållet i vetenskapliga artiklar i området interaktiva, intelligenta miljöer,
(FSR 5) demonstrera praktiska färdigheter i att utveckla och utvärdera interaktiva, intelligenta miljöer som inkluderar intelligenta kontroller och som samarbetar med människan.
Värderingar och förhållningssätt Efter avslutad kurs ska studenten kunna:
(FSR 6) värdera praktiska resultat kritiskt och jämföra dem med teoretiska, teknologiska och samhälleliga (t.ex. etiska, säkerhetsmässiga, integritetsmässiga, etc) förväntningar.
Behörighetskrav
Minst 90 hp varav 60 hp datavetenskap eller 120 hp inom ett program. Minst 15 hp programmering; 7,5 hp logik; kursen "5DV243 Artificiell intelligens" (eller motsvarande); och kursen "5DV181 Artificiell intelligens - metoder och tillämpningar" (eller motsvarande). Engelska för grundläggande behörighet för högskolestudier.
Undervisningens upplägg
Kursen består av föreläsningar, projektarbete i datorsalar och andra miljöer samt övningar i mindre grupper. Utöver det schemalagda arbetet krävs också individuellt arbete med materialet.
Examination
Modul 1, den teoretiska modulen (FSR 1-3) examineras genom en skriftlig salstentamen. På denna modul ges något av betygen Underkänd (U), Godkänd (G) eller Väl Godkänd (VG). .
Modul 2, den prakiska modulen (FSR 3-6) examineras genom ett projekt som antingen utförs individuellt eller i grupp enligt anvisningar som ges under kursen. Delar av projektarbetet kan bestå av fältstudier utanför universitetet i samarbete med näringsliv och/eller offentlig sektor och möten under projekttiden kan ske på plats hos en sådan organisation. På denna modul ges något av betygen Underkänd (U) eller Godkänd (G).
En student som underkänts på modul 2 men som regelbundet deltagit i en majoritet av projektaktiviteterna kan få en omexamination som täcker de delar som studenten har missat. Om en student varit helt inaktiv eller missat en majoritet av projektaktiviteterna så kan studenten examineras på modul 2 vid nästa kurstillfälle. Studenten har dock inte rättighet att fortsätta med samma projektarbete som vid ordinarie examination utan kommer få starta om projektet i samarbete med en ny studentgrupp och med ett nytt ämne.
På kursen som helhet ges något av betygen Underkänd (U), Godkänd (G) eller Väl Godkänd (VG). Betygets sätts först när de båda modulerna är godkända och betyget som sätts är detsamma som givits på Modul 1.
Anpassad examination Examinator kan besluta om avsteg från kursplanens examinationsform. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade studieresultat. Student som har behov av en anpassad examination ska senast 10 dagar innan examinationen begära anpassning hos Institutionen för datavetenskap. Examinator beslutar om anpassad examination som sedan meddelas studenten.
Övriga föreskrifter
Om kursplanen har upphört att gälla eller kursen slutat erbjudas garanteras en student som någon gång registrerats på kursen minst tre provtillfällen (inklusive ordinarie provtillfälle) enligt denna kursplan under en tid av maximalt två år från det att kursplanen upphört att gälla eller kursen slutat erbjudas.
