Administrativ information
| Titel | Introduktion till återuppväxten av AI och ML |
| Varaktighet | 45–60 |
| Modul | C |
| Typ av lektion | Föreläsning |
| Fokus | Teknik – Framtida AI |
| Ämne | Inledning |
Nyckelord
Turingtest, AI-födsel, återuppkomst av AI, AI-definition,
Lärandemål
- Förstå framväxten av AI
- Kunskap om händelser som leder till AI-vintrar
- Raionale nyckelfaktorer som är ansvariga för återuppkomsten av AI
Förväntad förberedelse
Lärande händelser som ska slutföras innan
- Föreläsning: Introduktion till människocentrerad AI
- Föreläsning: Slutsats och förutsägelse
- Föreläsning: Beslutsträd
- Föreläsning: Neurala nätverk
- Föreläsning: Grunderna för djupinlärning
- Föreläsning: Konvolutionella neurala nätverk
- Föreläsning: Transformatornät
- Föreläsning: Introduktion Allmänt Förklarbar AI
Obligatoriskt för studenter
- Maskininlärningskoncept
- Begrepp för djupinlärning
Valfritt för studenter
Ingen.
Referenser och bakgrund för studenter
Ingen.
Rekommenderas för lärare
Ingen.
Lektionsmaterial
Instruktioner för lärare
Målet med denna föreläsning är att ge studenterna en kort historia av AI och de händelser/utvecklingar som har lett till en explosion av AI-tillämpningar och den aktuella vågen av AI-forskning, investeringar och uppmaningen till AI-reglering. Det bör bana väg för mer djupgående studier av avancerade AI-koncept, teknisk utveckling och lagstiftningsutveckling som kommer att forma framtida AI. Föreläsningen ska:
- Presentera en kronologisk tidslinje för AI-utvecklingen från tidigare till nuvarande
- Använd verkliga exempel för att illustrera AI-markörer genom tiderna
- Fokus på effekterna och riktningen av AI-forskning som leder till den nuvarande vågen av AI-tillämpningar
- Ägna särskild uppmärksamhet åt den senaste tidens explosion av AI, dess allestädes närvarande karaktär och behovet av att fokusera på etiska överväganden
Konturer
| Varaktighet | Beskrivning | Begrepp | Verksamhet | Material |
|---|---|---|---|---|
| 10 min | AI:s födelse: spåra de första begreppen AI | AI i grekisk mytologi, automotoner, tidig science fiction, 3 lagar om robotik (Asimov), frågor som driver AI, kategoriserar AI | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 5 min | Evenemang & utveckling som leder till den första AI-vintern | Formell logik och AI, tänkande maskiner, turing test, tidiga framgångshistorier (Arthur Samuel checkers program 1955), tidig maskinöversättning, Dartmouth sommarprojekt (1956), Rosenblatt perceptron (1957), fall av anslutningism (Minsky & Papert 1969), Lighthill rapport (1973) | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 5 min | Evenemang och utveckling som leder till den andra AI-vintern | Expertsystem (DENDRAL, MYCIN 1972), japansk femte generationens projekt (1982), Backpropagation (1986), tidig karaktärsigenkänning (LeNet-1 1989), kommersialisering av AI, begränsningar av expertsystem, långsamma framsteg i neruell nätverksutveckling (Support Vector, Bayesian stil metoder) | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 10 min | Stordata: hur insamlingen av stordata har påverkat AI och maskininlärning | WEB 2.0 och explosion av data, kunskapsflaskhals (Halevy et al. 2009), tillväxt av sociala medier (halvstrukturerade och ostrukturerade data), mobil enhets- och hälsodata, sensorbaserade internetaktiverade enheter (IOT), kapplöpning för att extrahera meningsfulla data | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 10 min | Återuppstått av AI: hur data och beräkningskraft har gett upphov till en ny våg av allestädes närvarande AI och uppmaningen till reglering | GPU-baserad beräkning (CUDA 2012), ökning av personliga assistenter (Google, Apple, Amazon, Microsoft), AlexNet (ImageNet 2012), Google Brain (2012), Tensor Processing Units (2016), AlphaGo & AlphaFold (2016, 2020), självkörande bilar Waymo (2020), EU AI Act (2021) | Undervisade sessioner och exempel | Föreläsningsmaterial |
| 5 min | Slutsats, frågor och svar | Sammanfattning | Slutsatser | Föreläsningsmaterial |
Erkännanden
Masterprogrammet Human-Centered AI har samfinansierats av Fonden för ett sammanlänkat Europa i Europeiska unionen inom ramen för Grant CEF-TC-2020–1 Digital Skills 2020 EU-IA-0068.