Trender inom interaktiva intelligenta miljöer, 7,5 hp

Innehåll

Kursen är indelad i två moduler:

• MOM1 Theory and methodology 4.5 hp
• MOM2 Practical application of theory and methods in a project 3.0 hp

Den teoretiska modulen tar upp teoretiska ramverk och metoder från områdena artificiell intelligens (AI) och människa-datorinteraktion (HCI) som kan användas för att utforma och utvärdera intelligenta interaktiva system och miljöer. Delar av innehållet i denna modul tillämpas i den praktiska modulen, som i huvudsak utgörs av ett projektarbete att utföras individuellt eller i grupp.
 
Aktuella trender i AI går ofta ut på att kombinera grundläggande teorier och metoder inom AI-området och mellan AI och andra områden som kognitionsvetenskap och samhällsvetenskap för att lösa aktuella samhällsutmaningar, och för att bygga mer avancerad AI. Denna kurs fokuserar på sådana trender i interaktiva intelligenta miljöer som inkluderar människor och AI-baserade system, och där intelligenta system och människor eftersträvar olika mål men förväntas samarbeta. Denna kurs på avancerad nivå antar ett forskningsperspektiv på teorier och metoder för interaktiva intelligenta miljöer, vilket görs ur perspektivet att lösa samhällsutmaningar.
 
Studenten kommer att fördjupa sina kunskaper om forskningsfronten i AI i ämnesområden som kunskapsrepresentation och resonerande, maskininlärning, analys av naturligt språk, multiagentsystem och agentsamhällen, beräkningsbara sociala normer, etisk AI, och få kunskaper om hur dessa metoder och teorier kan kombineras för att konstruera AI som är användbar för att människa och AI ska kunna samarbeta i interaktiva intelligenta miljöer.
 
Studenten kommer även att få kunskap om hur teorier om människans aktivitet kan bidra till ramverk för människa-AI samarbete, användarmodellering, personanpassning och personifiering, exempelvis i "persuasive technology", beslutsstödsystem och digitala assistenter.
 
Studenten uppmuntras att engagera sig i en forskargrupp under kursen och fokusera särskilda utmaningar och olösta problem relaterade till interaktiva, intelligenta miljöer som identifierats i aktuell forskning.

Förväntade studieresultat

Kunskap och förståelse
Efter avslutad kurs ska studenten kunna:

• Designa och förklara arkitekturer för intelligenta kontroller (rationella agenter) som är specifika för interaktiva, intelligenta miljöer, och som inkluderar komplementära AI-teknologier (FSR 1)
  Designa den interaktiva, intelligenta miljön för människa-AI samarbete, och redogöra för hur anpassning och personifiering sker (FSR 2)
  Uppvisa fördjupad kunskap och förståelse för möjligheter och begränsningar hos existerande AI-teknologi (FSR 3)

Färdighet och förmåga
Efter avslutad kurs ska studenten kunna:

• Läsa och förklara innehållet i vetenskapliga artiklar i området interaktiva, intelligenta miljöer (FSR 4).
  Demonstrera praktiska färdigheter i att utveckla och utvärdera interaktiva, intelligenta miljöer som inkluderar intelligenta kontroller och som samarbetar med människan (FSR 5).

Värderingar och förhållningssätt
Efter avslutad kurs ska studenten kunna:

• Värdera praktiska resultat kritiskt och jämföra dem med teoretiska, teknologiska och samhälleliga (t.ex. etiska, säkerhetsmässiga, integritetsmässiga, ekonomiska, personliga, organisatoriska, etc) förväntningar (FSR 6)

Behörighetskrav

Univ: För att bli antagen måste du ha 90 högskolepoäng som inkluderar 60 högskolepoäng i datavetenskap eller tre års avklarade studier inom ett studieprogram (180 högskolepoäng).  I båda fallen krävs
* minst en kurs (7.5 hp)  i människa-datorinteraktion, och
* minst en kurs (7.5 hp) på avancerad nivå i artificiell intelligens, exempelvis: Artificiell intelligens - metoder och applikationer, Interaktivitet i smarta miljöer, eller Maskininlärning.

Engelska A/5 och svenska för grundläggande behörighet för högskolestudier (om kursen ges på svenska).

Undervisningens upplägg

Kursen består av föreläsningar, projektarbete i datorsalar och andra miljöer samt övningar i mindre grupper. Utöver det schemalagda arbetet krävs också individuellt arbete med materialet.

Examination

Modul 1, den teoretiska modulen (FSR 1-3) examineras genom en skriftlig salstentamen. På denna modul ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). För studerande som inte godkänns vid ordinarie provtillfälle anordnas ytterligare provtillfällen.
 
Modul 2, den prakiska modulen (FSR 3-6) examineras genom ett project som antingen utförs individuellt eller i grupp enligt anvisningar som ges under kursen.  Delar av projektarbetet kan bestå av fältstudier utanför universitetet i samarbete med näringsliv och/eller offentlig sektor och möten under projekttiden kan ske på plats hos en sådan organisation. På denna modul ges något av betygen Underkänd (U) eller Godkänd (G).
 
En student som underkänts på modul 2 men som regelbundet deltagit i en majoritet av projektaktiviteterna kan få en omexamination som täcker de delar som studenten har missat. Om en student varit helt inaktiv eller missat en majoritet av projektaktiviteterna så kan studenten examineras på modul 2 vid nästa kurstillfälle. Studenten har dock inte rättighet att fortsätta med samma projektarbete som vid ordinarie examination utan kommer få starta om projektet i samarbete med en ny studentgrupp och med ett nytt ämne.

På kursen som helhet ges något av betygen Underkänd (U), Godkänd (3), Icke utan beröm godkänd (4) eller Med beröm godkänd (5). Betygets sätts först när de båda modulerna är godkända och betyget som sätts är detsamma som givits på Modul 1.

En student som bedömts som godkänd på en examination kan inte delta i examination på nytt. En student som utan godkänt resultat har genomgått två prov för en kurs eller en del av en kurs, har rätt att få en annan examinator utsedd, om inte särskilda skäl talar emot det (HF 6 kap. 22 §). Begäran om ny examinator ställs till prefekten för Institutionen för datavetenskap.
 
Examination baserad på denna kursplan garanteras under två år efter studentens förstagångsregistrering på kursen. Detta gäller även om kursen lagts ned och denna kursplan upphört gälla.

Avsteg från kursplanens examinationsform kan göras för en student som har beslut om pedagogiskt stöd på grund av funktionsnedsättning. Individuell anpassning av examinationsformen ska övervägas utifrån studentens behov. Examinationsformen anpassas inom ramen för kursplanens förväntade studieresultat. Efter begäran av studenten ska kursansvarig lärare, i samråd med examinator, skyndsamt besluta om anpassad examinationsform. Beslutet ska sedan meddelas studenten.

TILLGODORÄKNANDE
Student har rätt att få prövat om tidigare utbildning eller motsvarande kunskaper och färdigheter förvärvade i yrkesverksamhet kan tillgodoräknas för motsvarande utbildning vid Umeå universitet. Ansökan om tillgodoräknande skickas in till Studentcentrum/Examina. Mer information om tillgodoräknande finns på Umeå universitets studentwebb, www.student.umu.se, och i högskoleförordningen (6 kap). Ett avslag på ansökan om tillgodoräknande kan överklagas (Högskoleförordningen 12 kap) till Överklagandenämnden för högskolan. Detta gäller såväl om hela som delar av ansökan om tillgodoräknande avslås.