Elementy kognitywistyki III: Modele i architektury poznawcze

Wielkość: px
Rozpocząć pokaz od strony:

Download "Elementy kognitywistyki III: Modele i architektury poznawcze"

Transkrypt

1 Elementy kognitywistyki III: Modele i architektury poznawcze Wykład I: Pomieszanie z modelem w środku

2 Czym jest kognitywistyka? Dziedzina zainteresowana zrozumieniem procesów, dzięki którym mózg (zwł. ludzki) realizuje złożone zadania poznawcze, jak: percepcja, uczenie się, zapamiętywanie, myślenie, przewidywanie, rozwiązywanie problemów, podejmowanie decyzji. Kognitywistyka wykorzystuje modele kognitywne do naukowych wyjaśnień jednego lub więcej z ww. procesów oraz wyjaśnień ich współdziałania

3 Czym jest model? Używamy terminu "model" w następującym sensie: obiekt A* jest modelem pewnego obiektu A dla obserwatora B w takim zakresie, w jakim obserwator B jest w stanie wykorzystać A* by odpowiedzieć na interesujące go pytania dotyczące A. (M. Minsky)

4 Czym jest kognitywistyka? Dziedzina zainteresowana zrozumieniem procesów, dzięki którym mózg (zwł. ludzki) realizuje złożone zadania poznawcze, jak: percepcja, uczenie się, zapamiętywanie, myślenie, przewidywanie, rozwiązywanie problemów, podejmowanie decyzji. Kognitywistyka wykorzystuje modele kognitywne do naukowych wyjaśnień jednego lub więcej z ww. procesów oraz wyjaśnień ich współdziałania

5 Czym jest model? Niemalże wszystko może być modelem wszystkiego innego: mapa Ziemia Googlemapa mapa opis to, co opisywane opis obraz (model?) mentalny obraz (model?) mentalny świat rzeczywisty obraz anatomiczny kota kot (egzemplarz, typ) kot (egzemplarz) kot (typ) metafora zjawisko opisywane

6 Czym jest model? Niemalże wszystko może być modelem wszystkiego innego: Język formalny (teoriomnogościowy) model - świat Tekst angielski polski przekład sytuacja opisywana Węzły SnePS pojęcia - Sein-correlates Specyfikacja program - proces

7 Modele w nauce Rosenblueth & Wiener: The Role of Models in Science naukowcy zastępują pewien fragment wszechświata modelem o podobnej, ale prostszej strukturze: abstrakcja i szczegóły implementacyjne modele formalne symboliczne ujęcie wyidealizowanej sytuacji modele materialne reprezentują złożone (materialne) systemy

8 Pomieszanie z modelem w środku Wartofsky (1966) dowolne dwa obiekty współdzielą pewną własność (pozostają w pewnej relacji) relacja modelowania jest triadyczna: M(S,x,y) M(S,x,y) =def S traktuje P(x) jako reprezentację P(y) modele istnieją cokolwiek może być modelem czegokolwiek innego niemniej istnieją obiekty, które wyróżniamy jako modele innych obiektów

9 Pomieszanie z modelem w środku, cd. konwencja: nic, co jest modelem nie może być modelem samego siebie relacja modelowania jest asymetryczna: model musi być mniej bogaty, niż to, co modelowane B.C. Smith: The Correspondence Continuum model problemu program w terminach tego modelu Zbudować model pojmować świat w określony sposób

10 Pomieszanie z modelem w środku świat rzeczywisty model opis modelu luka (nie do przekroczenia?) świat model język Russellowski i ciąg korespondencji por. umysł świat

11 Model poznawczy teoria dot. poznania ludzkiego przyjmująca postać sformalizowaną Cechy modeli poznawczych: sformułowane w języku matematyki/programowania (vs. modele pojęciowe) uzyskujemy je z wykorzystanie podstawowych zasad poznania (vs. modele statystyczne) dostarczają powiązania pomiędzy zachowaniem a neuronalnymi podstawami (vs. modele neuronowe)

12 Modelowanie i jego etapy logicznie poprawne konsekwencje zdolne do precyzyjnych ilościowych przewidywań wykorzystywane praktycznie Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie założeń w precyzyjnym języku dodatkowe założenia szacowanie parametrów na podstawie danych empirycznych porównywanie przewidywań konkurujących modeli

13 Ocena modeli zdolność naśladowania obserwowalnego zachowania ludzi jakość modelu traktowanego jako fragment teorii: niedookreślenie przez dane empiryczne liczne wybory dotyczące przetwarzania uniwersalność schematów obliczeniowych poziomy abstrakcji integralność architekturalna modelu architektury poznawcze

14 Bibliografia The MIT Encyclopedia of the Cognitive Sciences, R.A. Wilson, F.C. Keil (red.), The MIT Press, Anderson J., How Can the Human Mind Occur in the Physical Universe?, Oxford U.P., Carruthers P., The Architecture of the Mind, Oxford UP, Harnish R., Minds, Brains, Computers, Russell S.J., Norvig P., Artificial Intelligence a Modern Approach, Prentice Hall, 1995.

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład II: Modele pojęciowe Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe) przeformułowanie

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład VII: Modelowanie uczenia się w sieciach neuronowych Uczenie się sieci i trening nienaruszona struktura sieci (z pewnym ale ) nienaruszone

Bardziej szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja

Elementy kognitywistyki II: Sztuczna inteligencja Elementy kognitywistyki II: Sztuczna inteligencja Piotr Konderak Zakład Logiki i Filozofii Nauki p.203b, Collegium Humanicum konsultacje: wtorki, 16:00-17:00 kondorp@bacon.umcs.lublin.pl http://konderak.eu

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)

Bardziej szczegółowo

Wstęp do kognitywistyki

Wstęp do kognitywistyki Wstęp do kognitywistyki Wykład I: Kognitywistyka z lotu ptaka Piotr Konderak konsultacje: poniedziałki, 11:10-12:40, p. 205 Strona przedmiotu: http://konderak.eu/wkg10.html W historii intelektualnej wszystko

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład IV: Reprezentacje jako Modele symboliczne I: Rachunek predykatów, Sieci semantyczne Gwoli przypomnienia: Kroki w modelowaniu kognitywnym:

Bardziej szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD XII: Modele i architektury poznawcze Architektury poznawcze Architektura poznawcza jako teoria poznania ludzkiego Anderson (1993): Architektura

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 8/9: Trwałe reprezentacje mentalne; Schematy

Wstęp do kognitywistyki. Wykład 8/9: Trwałe reprezentacje mentalne; Schematy Wstęp do kognitywistyki Wykład 8/9: Trwałe reprezentacje mentalne; Schematy Reprezentacje trwałe Pojęcia poznawcza reprezentacja świata, schematyczne reprezentacje zbioru obiektów, np. kategorii naturalnych,

Bardziej szczegółowo

Wprowadzenie do teorii systemów ekspertowych

Wprowadzenie do teorii systemów ekspertowych Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z

Bardziej szczegółowo

Elementy kognitywistyki:

Elementy kognitywistyki: Wykład I: Elementy kognitywistyki: język naturalny Kognitywistyka, poznanie, język. Uwagi wprowadzające. Po raz pierwszy w historii można coś napisać o instynkcie uczenia się, mówienia i rozumienia języka.

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność

Bardziej szczegółowo

INTUICJE. Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998)

INTUICJE. Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998) PARADYGMAT INTUICJE Zespół norm, wzorców, reguł postępowania, które zna każdy naukowiec zajmujący się daną nauką (Bobrowski 1998) PIERWSZE UŻYCIA językoznawstwo: Zespół form deklinacyjnych lub koniugacyjnych

Bardziej szczegółowo

Kognitywistyka, poznanie, język. Uwagi wprowadzające.

Kognitywistyka, poznanie, język. Uwagi wprowadzające. Wykład I: Elementy kognitywistyki: język naturalny Kognitywistyka, poznanie, język. Uwagi wprowadzające. Po raz pierwszy w historii można coś napisać o instynkcie uczenia się, mówienia i rozumienia języka.

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych

Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są

Bardziej szczegółowo

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa

Jacek Skorupski pok. 251 tel konsultacje: poniedziałek , sobota zjazdowa Jacek Skorupski pok. 251 tel. 234-7339 jsk@wt.pw.edu.pl http://skorupski.waw.pl/mmt prezentacje ogłoszenia konsultacje: poniedziałek 16 15-18, sobota zjazdowa 9 40-10 25 Udział w zajęciach Kontrola wyników

Bardziej szczegółowo

Główne problemy kognitywistyki: Reprezentacja

Główne problemy kognitywistyki: Reprezentacja Główne problemy kognitywistyki: Reprezentacja Wykład 4 Reprezentacja a koncepcje rozszerzonego umysłu i rozszerzonego narzędzia Andrzej Klawiter http://www.amu.edu.pl/~klawiter klawiter@amu.edu.pl Rozszerzone

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu

Wstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu Wstęp do kognitywistyki Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu Sztuczna inteligencja...to próba zrozumienia i wyjaśnienia jednostek inteligentnych. Specyfika SI polega na metodzie: wyjaśnianie

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK

Bardziej szczegółowo

Wprowadzenie do Sztucznej Inteligencji

Wprowadzenie do Sztucznej Inteligencji Wprowadzenie do Sztucznej Inteligencji Wykład 1 Studia Inżynierskie Dlaczego badania nad sztuczną inteligencją? Próba zrozumienia istot inteligentnych - lepsze poznanie samego siebie (filozofia, psychologia)

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład IX: Architektury poznawcze (symboliczne) II: Soar Soar - przegląd Soar (Start Operator And Result, od 1983) John Laird, Allen Newell,

Bardziej szczegółowo

Sztuczna Inteligencja i Systemy Doradcze

Sztuczna Inteligencja i Systemy Doradcze Sztuczna Inteligencja i Systemy Doradcze Wprowadzenie Wprowadzenie 1 Program przedmiotu Poszukiwanie rozwiązań w przestrzeni stanów Strategie w grach Systemy decyzyjne i uczenie maszynowe Wnioskowanie

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 7: Psychologia poznawcza: nietrwałe reprezentacje mentalne

Wstęp do kognitywistyki. Wykład 7: Psychologia poznawcza: nietrwałe reprezentacje mentalne Wstęp do kognitywistyki Wykład 7: Psychologia poznawcza: nietrwałe reprezentacje mentalne Reprezentacje poznawcze Reprezentacja poznawcza umysłowy odpowiednik obiektów (realnie istniejących, fikcyjnych,

Bardziej szczegółowo

Sztuczna inteligencja - wprowadzenie

Sztuczna inteligencja - wprowadzenie Sztuczna inteligencja - wprowadzenie Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Sztuczna inteligencja komputerów - wprowadzenie Kontakt: dr inż. Dariusz Banasiak, pok.

Bardziej szczegółowo

Plan. Struktura czynności myślenia (materiał, operacje reguły)

Plan. Struktura czynności myślenia (materiał, operacje reguły) Myślenie Pojęcie myślenia Plan Struktura czynności myślenia (materiał, operacje reguły) Funkcje myślenia Rola myślenia w rozwiązywaniu problemów (pojęcie problemu i jego rodzaje, fazy rozwiązywania, przeszkody)

Bardziej szczegółowo

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz WIEDZA prawda komunikat symbol DANE fałsz kod INFORMACJA (nie tyko w informatyce) liczba znak forma ENTROPIA przekaz wiadomość Czy żyjemy w erze informacji? TAK Bo używamy nowego rodzaju maszyn maszyn

Bardziej szczegółowo

Główne problemy kognitywistyki: Reprezentacja

Główne problemy kognitywistyki: Reprezentacja Główne problemy kognitywistyki: Reprezentacja Wykład dziesiąty Hipoteza języka myśli (LOT): źródła i założenia Andrzej Klawiter http://www.amu.edu.pl/~klawiter klawiter@amu.edu.pl Filozoficzne źródła:

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 5: Rewolucja kognitywna?

Wstęp do kognitywistyki. Wykład 5: Rewolucja kognitywna? Wstęp do kognitywistyki Wykład 5: Rewolucja kognitywna? Schizma dwie metodologie, dwa obszary zainteresowań: adaptacja i życie znaczenie i umysł interpretacja celu, miejsce znaczenia ciało i umysł: te

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ SZTUCZNA INTELIGENCJA dwa podstawowe znaczenia Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące się), pewną dyscyplinę badawczą (dział

Bardziej szczegółowo

Modelowanie danych, projektowanie systemu informatycznego

Modelowanie danych, projektowanie systemu informatycznego Modelowanie danych, projektowanie systemu informatycznego Modelowanie odwzorowanie rzeczywistych obiektów świata rzeczywistego w systemie informatycznym Modele - konceptualne reprezentacja obiektów w uniwersalnym

Bardziej szczegółowo

KIERUNEK: KOGNITYWISTYKA

KIERUNEK: KOGNITYWISTYKA KIERUNEK: KOGNITYWISTYKA Plan studiów pierwszego stopnia Cykl kształcenia 2018-2021 Rok akademicki 2018/2019 Zbo zaliczenie bez oceny Z zaliczenie z oceną E egzamin Jeżeli wykłady odbywają się równolegle

Bardziej szczegółowo

Archeologia kognitywna

Archeologia kognitywna Wstęp Kognitywistyka Bibliografia Wstęp do archeologii 24 maja 2012 Wstęp Kognitywistyka Bibliografia Plan prezentacji 1 Kognitywistyka Kognitywistyka czyli nauki o poznaniu Baza wiedzy i mapa kognitywna

Bardziej szczegółowo

Z punktu widzenia kognitywisty: język naturalny

Z punktu widzenia kognitywisty: język naturalny Z punktu widzenia kognitywisty: język naturalny Wykład I: Czym jest język? http://konderak.eu/pwk13.html Piotr Konderak kondorp@bacon.umcs.lublin.pl p. 205, Collegium Humanicum konsultacje: czwartki, 11:10-12:40

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 6: Psychologia poznawcza

Wstęp do kognitywistyki. Wykład 6: Psychologia poznawcza Wstęp do kognitywistyki Wykład 6: Psychologia poznawcza Sześciokąt nauk kognitywnych I. Psychologia poznawcza Poznanie to zdolność człowieka do odbierania informacji z otoczenia i przetwarzania ich w celu

Bardziej szczegółowo

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Architektura umysłu Pojęcie używane przez prawie wszystkie współczesne ujęcia kognitywistyki Umysł Przetwornik informacji 2 Architektura

Bardziej szczegółowo

Reprezentacje poznawcze

Reprezentacje poznawcze Reprezentacje poznawcze Reprezentacja poznawcza umysłowy odpowiednik obiektów (realnie istniejących, fikcyjnych, hipotetycznych). Zastępuje swój obiekt w procesach przetwarzania informacji. Reprezentacje

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

KOGNITYWISTYKA PROGRAM OBOWIĄZUJĄCY STUDENTÓW Z REKRUTACJI OD ROKU 2012/2013. Rok I Semestr I

KOGNITYWISTYKA PROGRAM OBOWIĄZUJĄCY STUDENTÓW Z REKRUTACJI OD ROKU 2012/2013. Rok I Semestr I KOGNITYWISTYKA PROGRAM OBOWIĄZUJĄCY STUDENTÓW Z REKRUTACJI OD ROKU 2012/2013 A. NAZWA KIERUNKU STUDIÓW: KOGNITYWISTYKA B. POZIOM KSZTAŁCENIA: STUDIA JEDNOLITE MAGISTERSKIE C. PROFIL KSZTAŁCENIA: OGÓLNOAKADEMICKI

Bardziej szczegółowo

Świat rzeczywisty i jego model

Świat rzeczywisty i jego model 2 Świat rzeczywisty i jego model Świat rzeczywisty (dziedzina problemu) Świat obiektów (model dziedziny) Dom Samochód Osoba Modelowanie 3 Byty i obiekty Byt - element świata rzeczywistego (dziedziny problemu),

Bardziej szczegółowo

Wstęp do kognitywistyki

Wstęp do kognitywistyki Wstęp do kognitywistyki Wykład szósty W poszukiwaniu metody badania umysłu. Druga rewolucja w wiedzy o poznaniu i powstanie kognitywistyki Andrzej Klawiter http://www.staff.amu.edu.pl/~klawiter klawiter@amu.edu.pl

Bardziej szczegółowo

Kognitywistyka: odkrywanie labiryntu umysłu z różnymi nićmi Ariadny w ręku

Kognitywistyka: odkrywanie labiryntu umysłu z różnymi nićmi Ariadny w ręku Kognitywistyka: odkrywanie labiryntu umysłu z różnymi nićmi Ariadny w ręku Piotr Konderak kondorp@bacon.umcs.lublin.pl Zakład Logiki i Filozofii Nauki WFiS UMCS Kognitywistyka: odkrywanie labiryntu umysłu

Bardziej szczegółowo

Logika i semiotyka. Znak jest Triadą... Wykład III: (Charles Sanders Peirce)

Logika i semiotyka. Znak jest Triadą... Wykład III: (Charles Sanders Peirce) Logika i semiotyka Wykład III: Znak jest Triadą... (Charles Sanders Peirce) Charles Sanders Peirce *1839, 1914 twórca pragmaty(cy)zmu i semiotyki inspiracje: Kant, Th. Reid krytyczna filozofia zdrowego

Bardziej szczegółowo

Projektowanie Zorientowane na Użytkownika (UCD)

Projektowanie Zorientowane na Użytkownika (UCD) Agnieszka Porowska Kognitywistyka, UAM Tworzenie modeli mentalnych w procesie budowania stron i aplikacji webowych metodą projektowania zorientowanego na użytkownika 4 PFK, 10.01.09 Projektowanie Zorientowane

Bardziej szczegółowo

Główne problemy kognitywistyki: Reprezentacja

Główne problemy kognitywistyki: Reprezentacja Główne problemy kognitywistyki: Reprezentacja Wykład 1 Wprowadzenie do problemu reprezentacji Andrzej Klawiter http://www.amu.edu.pl/~klawiter klawiter@amu.edu.pl Pojęcie reprezentacji (1) Słowo 'reprezentacja'

Bardziej szczegółowo

M T E O T D O ZI Z E E A LG L O G R O Y R TM

M T E O T D O ZI Z E E A LG L O G R O Y R TM O ALGORYTMACH I METODZIE ALGORYTMICZNEJ Czym jest algorytm? Czym jest algorytm? przepis schemat zestaw reguł [ ] program ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające

Bardziej szczegółowo

P. KOŁODZIEJCZYK, Związek logiki kwantyfikatorów rozgałęzionych i teorii sieci semantycznych...

P. KOŁODZIEJCZYK, Związek logiki kwantyfikatorów rozgałęzionych i teorii sieci semantycznych... 1 Tytuł: Związek logiki kwantyfikatorów rozgałęzionych i teorii sieci semantycznych w badaniach nad sztuczną inteligencją Autor: Piotr Kołodziejczyk; pkolodziejczyk@interia.pl Źródło: http://kognitywistyka.net;

Bardziej szczegółowo

Percepcja, język, myślenie

Percepcja, język, myślenie Psychologia procesów poznawczych Percepcja, język, myślenie Wprowadzenie w problematykę zajęć. Podstawowe pojęcia. W 1 1.Wprowadzenie w problematykę zajęć. Podstawowe pojęcia. 2. Historia psychologii poznawczej.

Bardziej szczegółowo

Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej

Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej Cyfrowość i analogowość Wst pny zarys tematyki Wstępny zarys tematyki metodologicznofilozoficznej Motywacja 1. Nawet w dziedzinie problemów jasno określonych, kodowanych adekwatnie do możliwości maszyn

Bardziej szczegółowo

Nazwa przedmiotu: METODY SZTUCZNEJ INTELIGENCJI W ZAGADNIENIACH EKONOMICZNYCH Artificial intelligence methods in economic issues Kierunek:

Nazwa przedmiotu: METODY SZTUCZNEJ INTELIGENCJI W ZAGADNIENIACH EKONOMICZNYCH Artificial intelligence methods in economic issues Kierunek: Nazwa przedmiotu: METODY SZTUCZNEJ INTELIGENCJI W ZAGADNIENIACH EKONOMICZNYCH Artificial intelligence methods in economic issues Kierunek: Forma studiów: Informatyka Stacjonarne Rodzaj przedmiotu: obowiązkowy

Bardziej szczegółowo

[1] [2] [3] [4] [5] [6] Wiedza

[1] [2] [3] [4] [5] [6] Wiedza 3) Efekty dla studiów drugiego stopnia - profil ogólnoakademicki na kierunku Informatyka w języku angielskim (Computer Science) na specjalności Sztuczna inteligencja (Artificial Intelligence) na Wydziale

Bardziej szczegółowo

ZARZĄDZANIE WYMAGANIAMI ARCHITEKTONICZNYMI

ZARZĄDZANIE WYMAGANIAMI ARCHITEKTONICZNYMI ZARZĄDZANIE WYMAGANIAMI ARCHITEKTONICZNYMI XVIII Forum Teleinformatyki mgr inż. Michał BIJATA, doktorant, Wydział Cybernetyki WAT Michal.Bijata@WAT.edu.pl, Michal@Bijata.com 28 września 2012 AGENDA Architektura

Bardziej szczegółowo

Modelowanie i Programowanie Obiektowe

Modelowanie i Programowanie Obiektowe Modelowanie i Programowanie Obiektowe Wykład I: Wstęp 20 październik 2012 Programowanie obiektowe Metodyka wytwarzania oprogramowania Metodyka Metodyka ustandaryzowane dla wybranego obszaru podejście do

Bardziej szczegółowo

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka Modelowanie jako sposób opisu rzeczywistości Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka 2015 Wprowadzenie: Modelowanie i symulacja PROBLEM: Podstawowy problem z opisem otaczającej

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład X/XI: Architektury poznawcze (symboliczne) III: GLAIR/SNePS GLAIR/SNePS - przegląd GLAIR/SNePS (Grounded Layered Architecture with Integrated

Bardziej szczegółowo

Ontologie, czyli o inteligentnych danych

Ontologie, czyli o inteligentnych danych 1 Ontologie, czyli o inteligentnych danych Bożena Deka Andrzej Tolarczyk PLAN 2 1. Korzenie filozoficzne 2. Ontologia w informatyce Ontologie a bazy danych Sieć Semantyczna Inteligentne dane 3. Zastosowania

Bardziej szczegółowo

O tzw. metaforze komputerowej

O tzw. metaforze komputerowej Marcin Miłkowski, IFiS PAN O tzw. metaforze komputerowej 18/11/08 Plan prezentacji Czy komputacjonizm to ujęcie metaforyczne? Kryteria adekwatności wyjaśnień obliczeniowych: Epistemiczne Mechanistyczne

Bardziej szczegółowo

Technologie obiektowe

Technologie obiektowe WYKŁAD dr inż. Paweł Jarosz Instytut Informatyki Politechnika Krakowska mail: pjarosz@pk.edu.pl LABORATORIUM dr inż. Paweł Jarosz (3 grupy) mgr inż. Piotr Szuster (3 grupy) warunki zaliczenia Obecność

Bardziej szczegółowo

METODY I TECHNIKI BADAŃ SPOŁECZNYCH

METODY I TECHNIKI BADAŃ SPOŁECZNYCH METODY I TECHNIKI BADAŃ SPOŁECZNYCH Schemat poznania naukowego TEORIE dedukcja PRZEWIDYWANIA Świat konstrukcji teoret Świat faktów empirycznych Budowanie teorii Sprawdzanie FAKTY FAKTY ETAPY PROCESU BADAWCZEGO

Bardziej szczegółowo

Główne problemy kognitywistyki: Reprezentacja

Główne problemy kognitywistyki: Reprezentacja Główne problemy kognitywistyki: Reprezentacja Wykład 1 Wprowadzenie do problemu reprezentacji Andrzej Klawiter http://www.amu.edu.pl/~klawiter klawiter@amu.edu.pl Źródło pojęcia reprezentacji Słowo 'reprezentacja'

Bardziej szczegółowo

Wprowadzenie dosystemów informacyjnych

Wprowadzenie dosystemów informacyjnych Wprowadzenie dosystemów informacyjnych Projektowanie antropocentryczne i PMBoK Podejście antropocentryczne do analizy i projektowania systemów informacyjnych UEK w Krakowie Ryszard Tadeusiewicz 1 Właściwe

Bardziej szczegółowo

Baza danych przestrzennych modelowa reprezentacja fragmentu świata rzeczywistego

Baza danych przestrzennych modelowa reprezentacja fragmentu świata rzeczywistego PROJEKTOWANIE BAZ DANYCH PRZESTRZENNYCH Zgodne z ogólną metodologią projektowania baz danych Baza danych przestrzennych modelowa reprezentacja fragmentu świata rzeczywistego Proces budowy bazy danych wymaga

Bardziej szczegółowo

Badania operacyjne. Michał Kulej. semestr letni, Michał Kulej () Badania operacyjne semestr letni, / 13

Badania operacyjne. Michał Kulej. semestr letni, Michał Kulej () Badania operacyjne semestr letni, / 13 Badania operacyjne Michał Kulej semestr letni, 2012 Michał Kulej () Badania operacyjne semestr letni, 2012 1/ 13 Literatura podstawowa Wykłady na stronie: www.ioz.pwr.wroc.pl/pracownicy/kulej Trzaskalik

Bardziej szczegółowo

Sylabus. Zastosowanie analizy EEG i potencjałów wywołanych w neuronauce. EEG and the analysis of evoked potentials in neuroscience.

Sylabus. Zastosowanie analizy EEG i potencjałów wywołanych w neuronauce. EEG and the analysis of evoked potentials in neuroscience. Sylabus Nazwa przedmiotu (w j. polskim i angielskim) Nazwisko i imię prowadzącego (stopień i tytuł naukowy) Zastosowanie analizy EEG i potencjałów wywołanych w neuronauce. EEG and the analysis of evoked

Bardziej szczegółowo

Z punktu widzenia kognitywisty: język naturalny

Z punktu widzenia kognitywisty: język naturalny Z punktu widzenia kognitywisty: język naturalny Wykład V: Język w umyśle, świat w umyśle O obiektach Podejście zdroworozsądkowe: intuicyjna charakterystyka obiektów i stanów rzeczy Ale mówi się również

Bardziej szczegółowo

Systemy Agentowe główne cechy. Mariusz.Matuszek WETI PG

Systemy Agentowe główne cechy. Mariusz.Matuszek WETI PG Systemy Agentowe główne cechy Mariusz.Matuszek WETI PG Definicja agenta Wiele definicji, w zależności od rozpatrywanego zakresu zastosowań. Popularna definicja: Jednostka obliczeniowa (program, robot),

Bardziej szczegółowo

Załącznik Nr 4. odniesienie do obszarowych efektów kształcenia w KRK. kierunkowe efekty kształceniaopis WIEDZA

Załącznik Nr 4. odniesienie do obszarowych efektów kształcenia w KRK. kierunkowe efekty kształceniaopis WIEDZA Załącznik Nr 4. Odniesienie kierunkowych efektów kształcenia do obszarowych efektów kształcenia dla obszaru lub obszarów kształcenia przyporządkowanych temu kierunkowi Kognitywistyka z racji tradycji badawczych

Bardziej szczegółowo

Roman Schulz WYKŁADY Z PEDAGOGIKI OGÓLNEJ. Tom III Logos edukacji

Roman Schulz WYKŁADY Z PEDAGOGIKI OGÓLNEJ. Tom III Logos edukacji Roman Schulz WYKŁADY Z PEDAGOGIKI OGÓLNEJ Tom III Logos edukacji TORUŃ 2009 SPIS TREŚCI Słowo wstępne... 9 I. Z problematyki teorii poznania... 11 1. Poznanie i jego poznanie... 11 2. Epistemologia: jej

Bardziej szczegółowo

Umysł-język-świat 2012

Umysł-język-świat 2012 Umysł-język-świat 2012 Wykład II: Od behawioryzmu lingwistycznego do kognitywizmu w językoznawstwie Język. Wybrane ujęcia [Skinner, Watson i behawioryzm] Język jest zespołem reakcji na określonego typu

Bardziej szczegółowo

Piotr Kulicki Katolicki Uniwersytet Lubelski Jana Pawła II Instytut Filozofii Teoretycznej Katedra Podstaw Informatyki

Piotr Kulicki Katolicki Uniwersytet Lubelski Jana Pawła II Instytut Filozofii Teoretycznej Katedra Podstaw Informatyki Piotr Kulicki Katolicki Uniwersytet Lubelski Jana Pawła II Instytut Filozofii Teoretycznej Katedra Podstaw Informatyki Modalności w praktyce informatycznej Lublin, 17 listopada 2009 Interesująca opinia

Bardziej szczegółowo

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich)

Algorytmy i bazy danych (wykład obowiązkowy dla wszystkich) MATEMATYKA I EKONOMIA PROGRAM STUDIÓW DLA II STOPNIA Data: 2010-11-07 Opracowali: Krzysztof Rykaczewski Paweł Umiński Streszczenie: Poniższe opracowanie przedstawia projekt planu studiów II stopnia na

Bardziej szczegółowo

Diagramy przypadków użycia. WYKŁAD Piotr Ciskowski

Diagramy przypadków użycia. WYKŁAD Piotr Ciskowski Diagramy przypadków użycia WYKŁAD Piotr Ciskowski Diagram przypadków użycia definiowanie wymagań systemowych graficzne przedstawienie przypadków użycia, aktorów, związków między nimi występujących w danej

Bardziej szczegółowo

Sieci neuronowe i ich ciekawe zastosowania. Autor: Wojciech Jamrozy III rok SMP / Informatyka

Sieci neuronowe i ich ciekawe zastosowania. Autor: Wojciech Jamrozy III rok SMP / Informatyka Sieci neuronowe i ich ciekawe zastosowania Autor: Wojciech Jamrozy III rok SMP / Informatyka Klasyczna algorytmika Sortowanie ciągu liczb Czy i ile razy dane słowo wystąpiło w tekście Najkrótsza droga

Bardziej szczegółowo

Nauczanie problemowe w toku zajęć praktycznych

Nauczanie problemowe w toku zajęć praktycznych Nauczanie problemowe w toku zajęć praktycznych Ewa Piotrowska Wykład oparty na podręczniku: Praktyczna nauka zawodu Ornatowski, J. Figurski Nauczanie problemowe znajduje zastosowanie: w nauczaniu teoretycznych

Bardziej szczegółowo

Metodologia badań psychologicznych

Metodologia badań psychologicznych Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Psychologia jako nauka empiryczna Wprowadzenie pojęć Wykład 5 Cele badań naukowych 1. Opis- (funkcja deskryptywna) procedura definiowania

Bardziej szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD X: Sztuczny neuron Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD X: Sztuczny neuron Koneksjonizm: wprowadzenie 1943: Warren McCulloch, Walter Pitts: ogólna teoria przetwarzania informacji oparta na sieciach binarnych

Bardziej szczegółowo

Wprowadzenie. Karolina Karmaza

Wprowadzenie. Karolina Karmaza Avant. The Journal of the Philosophical-Interdisciplinary Vanguard Volume II, Number 1/2011 www.avant.edu.pl Wprowadzenie Karolina Karmaza Tom Froese jest jednym z tych nowoczesnych filozofów, którzy widzą

Bardziej szczegółowo

ODWZOROWANIE RZECZYWISTOŚCI

ODWZOROWANIE RZECZYWISTOŚCI ODWZOROWANIE RZECZYWISTOŚCI RZECZYWISTOŚĆ RZECZYWISTOŚĆ OBIEKTYWNA Ocena subiektywna OPIS RZECZYWISTOŚCI Odwzorowanie rzeczywistości zależy w dużej mierze od możliwości i nastawienia człowieka do otoczenia

Bardziej szczegółowo

Sylabus. Rozproszone Systemy Poznawcze (Distributed Cognitive Systems) Dr. Leonardi Giuseppe

Sylabus. Rozproszone Systemy Poznawcze (Distributed Cognitive Systems) Dr. Leonardi Giuseppe Sylabus Nazwa przedmiotu (w j. polskim i angielskim) Nazwisko i imię prowadzącego (stopień i tytuł naukowy) Rozproszone Systemy Poznawcze (Distributed Cognitive Systems) Dr. Leonardi Giuseppe Rok i semestr

Bardziej szczegółowo

JAKIEGO RODZAJU NAUKĄ JEST

JAKIEGO RODZAJU NAUKĄ JEST JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów

Bardziej szczegółowo

Wykład I. Wprowadzenie do baz danych

Wykład I. Wprowadzenie do baz danych Wykład I Wprowadzenie do baz danych Trochę historii Pierwsze znane użycie terminu baza danych miało miejsce w listopadzie w 1963 roku. W latach sześcdziesątych XX wieku został opracowany przez Charles

Bardziej szczegółowo

SZTUCZNA INTELIGENCJA

SZTUCZNA INTELIGENCJA Instytut Automatyki, Robotyki i Informatyki Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis Literatura SZTUCZNA INTELIGENCJA Modelowanie problemów za

Bardziej szczegółowo

Ogólna metodologia nauk SYLABUS A. Informacje ogólne. Semiotyka kognitywna, Konceptualizacja i definiowanie

Ogólna metodologia nauk SYLABUS A. Informacje ogólne. Semiotyka kognitywna, Konceptualizacja i definiowanie Ogólna metodologia nauk SYLABUS A. Informacje ogólne Nazwa jednostki prowadzącej kierunek Nazwa kierunku studiów Poziom kształcenia Profil studiów Forma studiów Kod przedmiotu Język przedmiotu Rodzaj przedmiotu

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi

Bardziej szczegółowo

Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego

Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis Elementy uczenia maszynowego Literatura [1] Bolc L., Zaremba

Bardziej szczegółowo

Algorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3

Algorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 Algorytmy wspomagania decyzji Czyli co i jak 2018 andrzej.rusiecki@pwr.edu.pl andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3 O co chodzi? Celem przedmiotu jest ogólne zapoznanie się z podstawowymi

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

Najprostszy schemat blokowy

Najprostszy schemat blokowy Definicje Modelowanie i symulacja Modelowanie zastosowanie określonej metodologii do stworzenia i weryfikacji modelu dla danego układu rzeczywistego Symulacja zastosowanie symulatora, w którym zaimplementowano

Bardziej szczegółowo

Prawdopodobieństwo i statystyka

Prawdopodobieństwo i statystyka Wykład VIII: Przestrzenie statystyczne. Estymatory 1 grudnia 2014 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji r(x, Z) = 0, 986 Wprowadzenie Przykład: pomiar z błędem Współczynnik korelacji

Bardziej szczegółowo

badania empiryczne podejścia & proces badawczy [warto mieć z tyłu głowy]

badania empiryczne podejścia & proces badawczy [warto mieć z tyłu głowy] badania empiryczne podejścia & proces badawczy [warto mieć z tyłu głowy] na początku każdego procesu poznawczego stoją różne założenia teoretyczne i hipotezy które mogą być ukryte/nieświadome metody badawcze

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: nnehrebecka@wne.uw.edu.pl - strona internetowa: www.wne.uw.edu.pl/nnehrebecka - dyżur: wtorek 18.30-19.30 sala 302 lub 303 - 80% oceny: egzaminy -

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka

Stanisław Cichocki. Natalia Nehrebecka Stanisław Cichocki Natalia Nehrebecka - adres mailowy: scichocki@o2.pl - strona internetowa: www.wne.uw.edu.pl/scichocki - dyżur: po zajęciach lub po umówieniu mailowo - 80% oceny: egzaminy - 20% oceny:

Bardziej szczegółowo

TWORZENIE GRY. projektowanie konstruowanie. użycie. R. Duke, Gaming the Future s Language, SAGE Publications, New York, 1974

TWORZENIE GRY. projektowanie konstruowanie. użycie. R. Duke, Gaming the Future s Language, SAGE Publications, New York, 1974 TWORZENIE GRY Projektowanie gry jest połączeniem naśladownictwa istniejących już formatów gier, nieuchwytnej, ale prawdziwej sztuki i pewnych zasad projektowania, z których część jest już dobrze określona

Bardziej szczegółowo

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada

Stanisław Cichocki. Natalia Nehrebecka Katarzyna Rosiak-Lada Stanisław Cichocki Natalia Nehrebecka Katarzyna Rosiak-Lada 1. Sprawy organizacyjne Zasady zaliczenia 2. Czym zajmuje się ekonometria? 3. Formy danych statystycznych 4. Model ekonometryczny 2 1. Sprawy

Bardziej szczegółowo

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016

Systemy pomiarowo-diagnostyczne. Metody uczenia maszynowego wykład I dr inż. 2015/2016 Systemy pomiarowo-diagnostyczne Metody uczenia maszynowego wykład I dr inż. Bogumil.Konopka@pwr.edu.pl 2015/2016 1 Wykład I - plan Sprawy organizacyjne Uczenie maszynowe podstawowe pojęcia Proces modelowania

Bardziej szczegółowo

Projektowanie systemów informatycznych. Roman Simiński siminskionline.pl. Modelowanie danych Diagramy ERD

Projektowanie systemów informatycznych. Roman Simiński siminskionline.pl. Modelowanie danych Diagramy ERD Projektowanie systemów informatycznych Roman Simiński roman.siminski@us.edu.pl siminskionline.pl Modelowanie danych Diagramy ERD Modelowanie danych dlaczego? Od biznesowego gadania do magazynu na biznesowe

Bardziej szczegółowo

Umysł-język-świat. Wykład XII: Semantyka języka naturalnego

Umysł-język-świat. Wykład XII: Semantyka języka naturalnego Umysł-język-świat Wykład XII: Semantyka języka naturalnego Znaczenie Intuicyjnie najistotniejszy element teorii języka Praktyczne zastosowanie teorii lingwistycznej wymaga uwzględnienia znaczeń postulaty

Bardziej szczegółowo

METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych

METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych METODOLOGIA BADAŃ przypomnienie kluczowych zagadnień dot. metodologii konstrukcja planu pracy do ustalonych tematów zadanie: opracowanie własnego projektu badawczego przygotowanie konspektu pracy (max

Bardziej szczegółowo

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski

Narzędzia statystyczne i ekonometryczne. Wykład 1. dr Paweł Baranowski Narzędzia statystyczne i ekonometryczne Wykład 1 dr Paweł Baranowski Informacje organizacyjne Wydział Ek-Soc, pok. B-109 pawel@baranowski.edu.pl Strona: baranowski.edu.pl (w tym materiały) Konsultacje:

Bardziej szczegółowo

KIERUNKOWE EFEKTY KSZTAŁCENIA

KIERUNKOWE EFEKTY KSZTAŁCENIA Załącznik nr 4 do uchwały Senatu PK nr 104/d/11/2017 z dnia 22 listopada 2017 r. Politechnika Krakowska im. Tadeusza Kościuszki w Krakowie Nazwa wydziału lub wydziałów: Wydział Fizyki, Matematyki i Informatyki

Bardziej szczegółowo

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI

Bardziej szczegółowo