Paweł Garbacz

Podczas swoich zajęć dotyka następujących treści:

Teoretyczne podstawy reprezentacji wiedzy

1. Podstawowe pojęcia i dystynkcje semiotyczne
2. Reprezentacja wiedzy jako tworzenie modelu rzeczywistości „zrozumiałego” dla maszyn
3. Logika opisowa
4. Języki reprezentacji wiedzy: RDF, RDFS, OWL i SKOS
5. Język kwerend SPARQL
6. Zasady FAIR

Ontologia w praktyce

1. Edytor ontologiczny Protege
2. Język kwerend SPARQL w praktyce na odstawie zasobów DBPedii
3. Basic Formal Ontology (BFO) i Open Biological and Biomedical Ontology (OBO) Foundry
4. Zasady FAIR
5. Analiza wybranych projektów ontologicznych
6. Język walidacji SHACL
7. Pakiety Pythona dedykowane grafom semantycznym (RDFLib, OWLReady)

Historia AI

1. Czym jest i nie jest SI
2. Definicje SI
3. SI jako dyscyplina interdyscyplinarna
4. Alan Turing i pojęcie inteligentnej maszyny
5. Pierwsze próby stworzenia sztucznego neuronu (neuron MCP) i sieci neuronowej (perceptron, SNARC)
6. 1956 – powstanie kognitywistyki i SI i złoty wiek SI (1956 – 1974)
7. Maszyny dowodzące twierdzenia
8. Systemy oparte na wiedzy
9. Sieć neuronowa oparta na algorytmie propagacji wstecznej
10. Głębokie sieci neuronowe od 2011 roku
11. Planowanie i rozumowanie
12. Scenariusze, strategie, i zagrożenia związane ze sztuczną inteligencją

Dowodzenie twierdzeń

1. Historia programów dowodzących twierdzenia
2. Automatyczne dowodzenie twierdzeń w ramach logiki pierwszego rzędu z identycznością (Prover9)
3. Automatyczne tworzenie modeli (Mace4)
4. Wolfram Alpha – automatyczne rozwiązywanie zadań matematycznych i nie tylko

Prowadzi również seminarium Bazy wiedzy i automatyczne wnioskowanie, w ramach którego studenci przygotowują prace dyplomowe.