Дисциплината Изкуствен интелект запознава студентите с фундаменталните концепции в съвременната теория и разглежда елементи от практическата реализация на основните методи в приложения с елементи на изкуствен интелект. Лекциите обхващат следните теми: Агенти. Интелигентни агенти. Решаване на проблеми чрез търсене. Планиране. Логика. Логически агенти. Вземане на решения в условия на размита/несигурна информация. Вероятностен подход. Машинно самообучение. Обучение на вероятностни модели. Комуникация, възприятие, действие. Съвременни средства за реализация системи с изкуствен интелект. Приложения (обработка на естествена реч, емоционална интелигентност, роботика, интерпретация на данни, експертни системи и др.). Философия и етика на изкуствения интелект.
Лабораторните упражнения разглеждат приложението на различни дискриминативни и генеративни методи за машинно обучение използвани при реализацията на модули от системи за изкуствен интелект. В т. ч. са вероятностни невронни мрежи (PNN), класификация с опорни вектори (SVM), смеси от Гаусови функции (GMM), локално-рекурентни вероятностни невронни мрежи (LR PNN, GLRPNN, pcLRPNN). В допълнение се дава понятие за скрити модели на Марков (HMM), самоорганизиращи се архитектури (SOM, LVQ), динамични мрежи на Бейс (DBN), конволюционни (CNN) и deep learning невронни мрежи (DNN), йерархични времеви памети (HTM) и др.
Студентите придобиват знание за принципите използвани при регресивен анализ и предсказване на стойности, и понятие за важността на анализа на грешката от регресия. Разглеждат се основните принципи залегнали в съвременните методи за оптимизация, в т.ч. еволюционни и генетични методи, и предимствата им и недостатъците им спрямо традиционните градиентни методи за оптимизация в приложения с елементи на изкуствен интелект. За целта се използват знания и умения свързани с програмиране на Python и MATLAB. Придобитите знания подпомагат дипломният проект, както и професионално профилиране към създаване на технологии с елементи на изкуствения интелект.
Изложението на тематиките по дисциплината надгражда знания придобити от предходни дисциплини: Дискретни структури, Синтез и анализ на алгоритми, Обектно-ориентирано програмиране, Програмни езици, Технология на програмирането и др.