Βιοσήματα (καταγραφή, ψηφιακή επεξεργασία, ανάλυση και μοντελοποίηση, επισκόπηση και αυτόματος έλεγχος). Bασικές Αρχές Ηλεκτροφυσιολογίας. Βασικές αρχές Γνωστικής Νευροφυσιολογίας και Νευροπληροφορικής (σύγχρονες απεικονιστικές τεχνικές, εξαγωγή, διαχείριση και ανάλυση των πειραματικών δεδομένων). Εισαγωγή στη Θεωρία Νευρωνικής Μοντελοποίησης των διαφόρων συστημάτων και ανώτερων νοητικών λειτουργιών. Εφαρμογές στη Διαχείριση Ψηφιακών Μέσων. Εύχρηστες διεπαφές ανθρώπου-υπολογιστή. Συναρμογή εγκεφαλικής δραστηριότητας με υπολογιστικά περιβάλλοντα. 

Ενημερώσεις για την Εκπόνηση Διπλωματικών Εργασιών

Αντικείμενο του μαθήματος είναι ο Σημασιολογικός Ιστός, ο οποίος αποτελεί το επόμενο μεγάλο βήμα εξέλιξης στο διαδίκτυο. Η ανάπτυξη του Παγκόσμιου Ιστού (World Wide Web) κατέστησε το διαδίκτυο προσβάσιμο σε εκατομμύρια χρήστες, επιτρέποντας την απρόσκοπτη δημοσιοποίηση και πρόσβαση σε έγγραφα στο διαδίκτυο. Η εκρηκτική ανάπτυξη του Παγκόσμιου Ιστού δημιούργησε προβλήματα "πληροφοριακής υπερφόρτισης". Η παγκόσμια ερευνητική κοινότητα έχει στραφεί εδώ και αρκετά χρόνια σε μία νέα κατεύθυνση εξέλιξης του ιστού, η οποία ονομάζεται "Σημασιολογικός Ιστός " (Semantic Web) και περιλαμβάνει τη σαφή αναπαράσταση του νοήματος των πληροφοριών και των εγγράφων, επιτρέποντας την αυτόματη επεξεργασία και ενοποίηση διαδικτυακών πόρων από "έξυπνα" προγράμματα-πράκτορες. Ο Σημασιολογικός Ιστός θα επιτρέψει τον γρήγορο και ακριβή εντοπισμό πληροφοριών στον παγκόσμιο ιστό καθώς και την ανάπτυξη ευφυών διαδικτυακών πρακτόρων οι οποίοι θα διευκολύνουν την επικοινωνία μεταξύ πληθώρας ετερογενών ηλεκτρονικών συσκευών με πρόσβαση στο διαδίκτυο. Η κεντρική ιδέα είναι η ύπαρξη δεδομένων στον ιστό, οριζόμενων και συνδεδεμένων με έναν τρόπο που να επιτρέπει την αποδοτική ανακάλυψη, αυτοματοποίηση, ενσωμάτωση και επαναχρησιμοποίηση τους μέσω διαφόρων εφαρμογών χωρίς να είναι απαραίτητη η ανθρώπινη παρέμβαση.

Εισαγωγή στους Ευφυείς Πράκτορες. Διαφορετικές θεωρήσεις πρακτόρων. Χαρακτηριστικά. Πολυπρακτορικά συστήματα. Προτυποποίηση. Αφηρημένες Αρχιτεκτονικές πρακτόρων: Λογικοί πράκτορες. BDI πράκτορες. Αντιδραστικοί πράκτορες. Υβριδικοί πράκτορες. Πολυπρακτορικά Συστήματα: πρωτόκολλα επικοινωνίας, Θεωρία πράξεων λόγου, Γλώσσες επικοινωνίας πρακτόρων, ΚQML και FIPA ACL. Πρωτόκολλα αλληλεπίδρασης πρακτόρων. Αρχιτεκτονική μαυροπίνακα. Πρωτόκολλο σύναψης συμβολαίων. Διαπραγμάτευση. Δημοπρασίες. Πολυπρακτορικός Σχεδιασμός. Εφαρμογές Πρακτόρων. 

Αντικείμενα του μαθήματος είναι οι τομείς της Τεχνητής Νοημοσύνης: α) Αυτοματοποιημένος Σχεδιασμός Ενεργειών (Automated Planning), β) Χρονοπρογραμματισμός (Scheduling) και γ) Ικανοποίηση Περιορισμών (Constraint Satisfaction). Ο Αυτοματοποιημένος Σχεδιασμός Ενεργειών αφορά την έρευνα και την ανάπτυξη συστημάτων (λογισμικού ή υλικού) που αυτοματοποιούν την διαδικασία εύρεσης μιας ακολουθίας ενεργειών, οι οποίες όταν εκτελεστούν από κάποιο πράκτορα (βιολογικό, λογισμικό ή μηχανικό), οδηγούν στην επίτευξη κάποιων προκαθορισμένων στόχων. Ο Χρονοπρογραμματισμός αφορά την ανάπτυξη αλγορίθμων και την εφαρμογή τους σε συστήματα τα οποία καταστρώνουν προγράμματα για την ανάθεση ενός συνόλου από εργασίες (π.χ. μαθήματα ενός Πανεπιστημιακού Τμήματος) σε ένα σύνολο από μηχανές (Αίθουσες) ώστε να βελτιστοποιείται κάποιο κριτήριο. Η Ικανοποίηση Περιορισμών είναι η επιστημονική περιοχή που ασχολείται με τη διαδικασία ανάθεσης τιμών σε ένα σύνολο από μεταβλητές, με τέτοιο τρόπο ώστε να ικανοποιείται ένα σύνολο από περιορισμούς. Οι παραπάνω τομείς αποτελούν ενεργές κατευθύνσεις έρευνας της επιστήμης της Τεχνητής Νοημοσύνης για αρκετές δεκαετίες και έχουν εφαρμοστεί σε αρκετές βιομηχανικές και άλλες εφαρμογές. Αν και οι μέθοδοι που έχουν προταθεί στα πλαίσια των τριών αυτών περιοχών αντιμετωπίζουν διαφορετικά είδη προβλημάτων, πολύ συχνά ενσωματώνονται σε ολοκληρωμένα συστήματα (π.χ. διαχείρισης πόρων) όπου συνεργάζονται συχνά για την επίτευξη των επιθυμητών αποτελεσμάτων. Το μάθημα κάνει μια εισαγωγή στις ερευνητικές περιοχές του Αυτοματοποιημένου Σχεδιασμού Ενεργειών, του Χρονοπρογραμματισμού και της Επίλυσης Περιορισμών, αναλύει τις μεθόδους αναπαράστασης της γνώσης που διευκολύνουν την κωδικοποίηση των προβλημάτων και παρουσιάζει αλγορίθμους και μεθοδολογίες επίλυσης. Στα πλαίσια του μαθήματος γίνονται συχνά αναφορές στις πρακτικές προεκτάσεις των θεωρητικών εννοιών, παρουσιάζονται πρακτικές εφαρμογές των μεθοδολογιών και γίνεται εκτενής αναφορά στα σημεία συνεργασίας των τριών ερευνητικών περιοχών.

Artificial Intelligence (AI) has taken central stage in our imagination of the future. It raises fundamental questions about what it is to be human, what machines can do, and what the chances and risks of this technological development are. This course addresses the fundamental questions directly and seriously; both those that the general public is concerned about, and the ones people who develop AI are facing.

Why should there be a ‘philosophy of’ for AI? The first reason is that intelligenceis central to our human self-image; it is the feature that distinguishes us from other animals, or from inanimate matter. The second reason is that AI faces conceptual challenges, when it tries to get machines to ‘think’, ‘understand’, ‘learn’, ‘represent’, ‘choose’, ‘pursue a goal’, ‘be flexible’, ‘experience’, etc. – what do these expressions mean, and can machines have such properties? The third reason is the concern about the ethics of AI, where again we face conceptual challenges and risks that come with AI. Is that future with AI a future we really want?

 - Το μάθημα θα γίνει στα Ελληνικά. Τα κείμενα θα είναι στα Αγγλικά - 

This course will be co-taught with Professor Peter Boltuc "CSC 470/PHI 470: Topic: Philosophy of Artificial Intelligence" at the University of Illinois, Springfield 

Εισαγωγή στη Ρομποτική και τον προγραμματισμό ευφυών κινητών ρομπότ.

Αντικείμενο του μαθήματος είναι ο τομέας της Τεχνητής Νοημοσύνης που ονομάζεται Μηχανική Μάθηση η οποία αφορά μεθόδους αναπαράστασης και αλγορίθμους για την εξαγωγή διαφόρων ειδών γνώσης από δεδομένα. Οι εφαρμογές της είναι διάφορες, κυρίως στην ανάλυση δεδομένων, συχνά στα πλαίσια συστημάτων υποστήριξης αποφάσεων. Εφαρμογή της σε μεγάλες βάσεις δεδομένων αποτελεί η Εξόρυξη Δεδομένων (Data Mining) ή Ανακάλυψη Γνώσης σε Βάσεις Δεδομένων (Knowledge Discovery in Databases).