Reading Club Kognitive Systeme (WS 15/16)

General Information

  • For a general course description please read the corresponding pages from from the WIAI module guide.
  • You find administrative information  at UnivIS.
  • Participants should sign up for the course in the virtual campus.
  • This course addresses master students and doctoral students. If indicated, it is also open for bachelor students.
  • The course is usually in the winter term.

Topic: Künstliche Intelligenz - gestern, heute, morgen.

Gemeinsames Seminar mit Smart Environments (für BA und MA offen).

Künstliche Intelligenz (KI) ist der Teil der Informatik, in dem Algorithmen für solche Bereiche entwickelt und erforscht werden, in denen Menschen noch besser sind als Standard-Programme. Lange Zeit galt dies beispielsweise für Schach -- bis zum Durchbruch 1996, als Deep Blue den damaligen Großmeister Kasparov besiegte. Künstliche Intelligenz Forschung verfolgt einerseits ein ingenieurswissenschaftliches Ziel  -- das heisst, die Entwicklung von funktionalen und effizienten Algorithmen. Zum anderen wird ein erkenntnistheoretisches Ziel verfolgt: Wer KI Programme entwickelt, hat häufig den Anspruch, dass diese Programme auf der menschlichen Kognition verwandten Prinzipien basieren. Im Seminar werden wir uns anhand von Originalarbeiten mit den zentralen Ansätzen der KI auseinandersetzen. Dabei werden wir uns für jedes Thema sowohl mit den ersten Grundlagenarbeiten als auch mit aktuellen Weiterentwicklungen auseinandersetzen und diskutieren, wie sich diese Themengebiete in zukünftigen Anwendungen einsetzen lassen.

Recommended Reading / Links 

Wissensrepräsentation

Problemlösen und Planen

  • Newell, A., Shaw, J. C., & Simon, H. A. (1959, January). Report on a general problem-solving program. In IFIP Congress (pp. 256-264).
  • Green, C. (1969). Application of theorem proving to problem solving (No. SRI-TR-4). SRI INTERNATIONAL MENLO PARK CA ARTIFICIAL INTELLIGENCE CENTER.
  • Fikes, R. E., & Nilsson, N. J. (1972). STRIPS: A new approach to the application of theorem proving to problem solving. Artificial intelligence, 2(3), 189-208.
  • Haslum, P., & Geffner, H. (2014, May). Heuristic planning with time and resources. In Sixth European Conference on Planning.

Maschinelles Lernen

  • Michalski, R. S., Carbonell, J. G., & Mitchell, M. L. (1986). An Artificial Intelligence Approach. Understanding the Nature of Learning, 2, 3-26.
  • Muggleton, S. (1991). Inductive logic programming. New generation computing, 8(4), 295-318.
  • Hinton, G. E., Osindero, S., & Teh, Y. W. (2006). A fast learning algorithm for deep belief nets. Neural computation, 18(7), 1527-1554.

Presentations

  • What is knowledge representation
  • Cognitive aspects of knowledge representation
  • Automated Reasoning
  • The expert system Mycin
  • Strips Planning
  • Planning for the real world
  • Expertsystems and Mycin
  • Introduction to Machine Learning  [pdf]
  • Artificial neural networks [pdf]
  • Case-based reasoning [pdf]
  • Deep learning for image recognition [pdf]
  • Natural Language Processing [pdf]
  • Text understanding and Watson  [pdf]
  • Semantic Computing

Previous Topics

  • WS 14/15: Cognitive Models for Number Series Induction Problems  [Archiv Page]
  • SS 2014: Experimenting with a Humanoid Robot - Programming NAO to (Inter-)Act  [Archiv Page
  • SS 2013: An introduction into statistic data analysis with R  [Archiv Page] 
  • SS 2012: Transfer Learning  [Archiv Page] 
  • SS 2011: Emotion Mining in Images and Text  [Archiv Page] 
  • SS 2010: Aspects of Cognitive Robotics [Archiv Page] 
  • SS 2009: Reading Club Decision Support Systems [Archiv Page
  • WS 08/09: Algebraic Foundations of Functional Programming (together with Theoretical Computer Science) [Archiv Page]  
  • SS 2008: Similarity (together with Statistics) [Archiv Page]
  • SS 2007: Automated Theorem Proving with Isabelle (together with Theoretical Computer Science) [Archiv Page]
  • SS 2006: Support Vector Machines [Archiv Page]