Huvudområden och successiv fördjupning:
Datavetenskap: Grundnivå, har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
Kognitionsvetenskap: Grundnivå, har mindre än 60 hp kurs/er på grundnivå som förkunskapskrav
Kursen ger en bred introduktion till artificiell intelligens (AI) och dess historiska utveckling från ett datavetenskapligt och tekniskt perspektiv. Kursen fokuserar särskilt på samspelet mellan människa och AI-teknologi. Den vänder sig till studenter som vill få en förståelse för hur AI-teknologierna faktiskt fungerar och vad de har för fundamentala begränsningar.
Modul 1, teori, 5,5 hp. Modulen ger en bred introduktion till klassisk såväl som icke-klassisk AI och deras historiska utveckling. Den behandlar fundamentala problem och utmaningar med AI även från ett filosofiskt och människocentrerat perspektiv. Med utgångspunkt i mänsklig kognition, kommunikation och förkroppsligat agerande introduceras motsvarande AI-metoder, tekniker och deras teoretiska grund. Syftet med AI-tekniker varierar från artificiell perception av den fysiska och sociala miljön, klassifikation av objekt, inlärning från små och stora datamängder, resonerande med motstridig information, beslutsfattande, förklara bakgrunden till slutsatser för människor eller andra AI-system och förutsäga konsekvenserna av egna eller andras handlingar och beslut. De sociala och humanistiska aspekterna av AI introduceras också. Till exempel, inom artificiell social intelligens manifesterad i interaktionen med människor så blir mänskliga värden som transparens, tillit, rättvisa och hur biaser byggs in och förstärks av stor betydelse.
Modul 2, praktik, 2 hp. I modulen så illustreras och tillämpas några av koncepten, teorierna och metoderna som behandlades i Modul 1. Den här modulen består av uppgifter där studenterna utvecklar sin förståelse för och färdighet i att tillämpa AI-metoder. Studenterna får även tillämpa och utveckla sin programmeringsfärdighet genom enklare programmeringsuppgifter.
Förväntade studieresultat
Kunskap och förståelse Efter avslutad kurs ska studenten kunna:
(FSR 1) Ge en överblick över fältet artificiell intelligens, dess historia, fundamentala frågeställningar, utmaningar och huvudsakliga inriktningar.
(FSR 2) Beskriva grundläggande koncept, metoder och teorier för rationella agenter.
(FSR 3) Förklara varför förkroppsligad kognition och situeradhet är relevanta för artificiell intelligens.
(FSR 4) Förklara grundläggande koncept, metoder och teorier för kunskapsrepresentation, automatiserat resonerande, beslutsfattande och planering.
(FSR 5) Förklara grundläggande koncept, metoder och teorier för maskininlärning.
(FSR 6) Förklara grundläggande koncept, metoder och teorier för stora språkmodeller (LLM:er) och generativ artificiell intelligens.
(FSR 7) Förklara de huvudsakliga skillnaderna mellan olika AI-metoder i termer av teknologi, samhälleliga tillämpningar, begränsningar och hur de kompletterar varandra i hybrida AI-tillämpningar.
Färdighet och förmåga Efter avslutad kurs ska studenten kunna:
(FSR 8) Tillämpa AI-koncept, -metoder och -teorier för att konstruera enklare intelligenta programvarusystem.
Värderingsförmåga och förhållningssätt Efter avslutad kurs ska studenten kunna:
(FSR 9) Bedöma AI-metoders begränsningar.
(FSR 10) Diskutera hur mänskliga och sociala värden relaterar till AI-koncept, -metoder och -teorier.
(FSR 11) Analysera och diskutera konsekvenserna av AI-teknologi för individen, samhället och miljön.
Behörighetskrav
Minst 7,5 hp programmering och 7,5 hp datastrukturer och algoritmer.
Undervisningens upplägg
Undervisning består av föreläsningar och datorbaserade övningsuppgifter. Utöver schemalagda aktiviteter krävs även självständigt arbete med materialet.
Examination
Examinationen av Modul 1 (FSR 1-7) sker via en skriftlig salstentamen. Betygsskalan är Underkänd (U), Godkänd (G) eller Väl Godkänd (VG).
Examinationen av Modul 2 (FSR 8-11) sker via inlämningsuppgifter som redovisas både muntligt och skriftligt samt seminarier. Betygsskalan är Underkänd (U) eller Godkänd (G).
På kursen som helhet används betygsskalan Underkänd (U), Godkänd (G) eller Väl Godkänd (VG). När båda modulerna är avklarade sätts betyget på kursen som helhet till samma som betyget 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
Kursen kan inte ingå i en examen samtidigt som kursen 5DV124 eller 5DV201 or 5DV243.
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.
