Veštačka inteligencija – odabrana poglavlja

Osnovni cilj predmeta je upoznati studente sa aktuelnim istraživačkim pravcima u domenu Veštačke inteligencije (VI) i osposobiti studente za samostalni istraživački rad u izabranoj oblasti VI (oblast bira svaki student pojedinčano). Ostvarenje ovog osnovnog cilja, biće realizovano kroz sledeće podciljeve koji se odnose na osposobljavanje studenata za:
– selekciju i kritičku analizu relevantne literature u izabranoj oblasti VI,
– sintezu postojećeg znanja u izabranoj oblasti i identifikovanje mogućih pravaca istraživanja,
– primenu metoda i tehnika izabrane oblasti VI za rešavanje aktulenih istraživačkih i praktičnih problema,
– komunikaciju rezultata istraživanja u izabranoj oblasti VI, kroz pisanje radova za naučne konferencije i časopise.

Studenti će steći uvid u aktulene istraživačke pravce u VI i biti osposobljeni da u izabranoj oblasti VI:
– samostalno selektuju relevantnu literaturu, kritički je analiziraju, sumiraju postojeća znanja i identifikuju moguće pravce daljih istraživanja
– formulišu istraživačke ciljeve i pitanja i definišu odgovarajuću metogologiju istraživanja
– razviju praktično rešenje (softver) za identifikovani problem, zasnovano na metodama i tehnikama izabrane oblasti VI
– evaluiraju razvijeno rešenje i prezentuju ga istraživačkoj zajednici

Pregled aktuelnih istraživačkih tema u domenu VI. Metodologija istraživanja u domenu VI i njene specifičnosti.
Mašinsko učenje: Metode i tehnike nadgledanog i nenadgledanog mašinskog učenja. Duboke neuronske mreže: Arhitekture (konvolucione, rekurentne, generativne). Napredne tehnike i alati za obučavanje mreža i optimizaciju hiperparametara. Primena za prepoznavanje slika, obradu prirodnog jezika i u specifičnim domenima (npr. medicina, obrazovanje).
Objašnjiva (explainable) VI: lokalne i globalne metode za generisanje objašnjenja.
Obrada prirodnog jezika: Pretprocesiranje i transformacija teksta. Klasifikacija teksta. Identifikovanje tema u tekstu. Semantička anotacija teksta. Jezički modeli zasnovani na dubokim neuronskim mrežama.
Bajesovska analiza podataka: Pregled najnovijih istraživačkih pravaca u primeni tehnika zaključivanja zasnovanih na Bajesovom pravilu, za naprednu analizu podataka. Pregled i analiza softverskih alata za Bajesovsku analizu podataka. Primena Bajesovske analize u alatima za razvoj softvera.
Sistemi zasnovani na pravilima: napredne metode i tehnike, primene u različitim domenima, primeri dobrih i loših praksi. Ekspertni sistemi. Fazi ekspertni sistemi. Mehanizmi za objašnjavanje. Sistemi poslovnih pravila i integracija sa poslovnim informacionim sistemima.
VI etika: Osnovni principi VI etike. VI etika u praksi. Opasnosti koje donosi VI.
VI i održivi razvoj: Primena VI u aplikacijama bitnim za održivi razvoj. Održivost razvoja VI.
Samostalno istraživanje u izabranoj oblasti VI, kroz pregled i sistematizaciju relevantne literature, razvoj sopstvenog rešenja za identifikovani istraživački problem i pisanje rada kroz koji će razvijeno rešenje biti prezentovano.

1. Russell, S. & Norvig, P. (2020). Artificial Intelligence – A Modern Approach; the 4th Edition, Pearson.
2. Goodfellow, I., Bengio, Y., Courville, A. (2016). Deep Learning.MIT Press.
3. Lane, H., Howard, C., & Hapke, H. (2019). Natural Language Processing in Action. Understanding, analyzing, and generating text with Python. Manning.
4. Raschka, S. & Mirjalili, V. (2019). Python machine learning, 3rd edition. Packt Publishing.
5. Gianfagna, L., & Cecco, D. A. (2021). Explainable AI with Python Springer.
6. Saibene, A., Assale, M., & Giltri, M. (2021). Expert systems: definitions, advantages and issues in medical field applications.Expert Systems with Applications, 177, 114900.
7. Otter, D. W., Medina, J. R., & Kalita, J. K. (2021). A Survey of the Usages of Deep Learning for Natural Language Processing.IEEE Transactions on Neural Networks and Learning Systems, 32(2), 604–624.
8. Furia, C. A., Feldt, R., & Torkar, R.(2019). Bayesian data analysis in empirical software engineering research. IEEE Transactions on Software Engineering 47(9), 1786-1810.
9. Bader, J., Kim, S.S., Sifei Luan, F., Chandra, S., & Meijer, E. (2021).AI in Software Engineering at Facebook.IEEE Software 38(4), 52-61.
10. van Wynsberghe, A. (2021). Sustainable AI: AI for Sustainability and the sustainability of AI.AI and Ethics, 1(3), 213–218. https://doi.org/10.1007/s43681-021-00043-6