Finner retningen …
Finner retningen …
3 svar totalt, inkludert svar fra Karakterweb.
Laster botkontroll.
Gjennomsnittlig svar: ingen svar
Gjennomsnittlig svar: Noe dårlig
1 svarGjennomsnittlig svar: Litt vanskelig
1 svarGjennomsnittlig svar: Litt stor
1 svar3 av 3 svar er hentet fra Karakterweb, resten er avgitt her.
KARAKTERFORDELING · H 2025
50 kandidater
Alle delene må normalt være bestått. Karakterfordelingen over gjelder emnet samlet.
Kilde: Felles studentsystem (FS) via NTNU, slik den var publisert for høsten 2026. NTNU er ikke ansvarlig for innholdet på denne siden.
NTNU sin egen emnebeskrivelse — læringsutbytte, innhold og vurderingsform.
Kurset *Kognitive systemer* har som mål å gi en dypere forståelse av det mangfoldige spekteret av kognitive evner og funksjoner som finnes hos levende vesener, spesielt mennesker, som setter en standard for hva vi kan forvente av kunstige intelligente systemer. Den første tredjedelen av kurset fokuserer på å utforske hva kognisjon er, mens de påfølgende delene tar for seg utfordringene med å implementere menneskelignende kognisjon i tekniske systemer. Kurset gir en omfattende oversikt over den historiske utviklingen av kognitive teorier og teknologier, fra både tekniske, filosofiske og psykologiske perspektiver, og beveger seg videre mot moderne tilnærminger i kunstig intelligens.
Kurset introduserer ulike tilnærminger til realisering av kognitive evner i kognitive arkitekturer, og dekker både klassiske og moderne systemer. Det legges vekt på det brede spekteret av kognitive ferdigheter og de unike utfordringene dette skaper for kunstige systemer. Hovedtemaer inkluderer ulike former for resonnering og læring, persepsjon og planlegging, og avsluttes med en kritisk analyse av dagens påstander om intelligensnivået i avanserte AI-arkitekturer.
Kunnskap: Dette emnet gir en omfattende introduksjon til sentrale begreper, teorier og eksperimentelle funn innen menneskelig kognisjon og kunstig intelligens. I starten utforsker vi grunnleggende kognitiv vitenskap, som omfatter sentrale filosofiske og psykologiske teorier, før vi går videre til kunstige kognitive systemer. Kurset undersøker beregningsmodeller for tanken og deres implementering i utvalgte kognitive arkitekturer, inkludert både klassiske symbolske tilnærminger og moderne teknikker. Temaene inkluderer resonnering, persepsjon, fuzzy-logikk, ikke-deduktiv og probabilistisk resonnering, samt utvalgte aspekter av maskinlæring og kunstige nevrale nettverk.
Ferdigheter:Etter fullført kurs vil studentene kunne anvende og kritisk sammenligne ulike metoder og tilnærminger til kognisjon innen kunstig intelligens. De vil få praktisk erfaring med å analysere og evaluere kognitive modeller og systemer som er relevante for AI-applikasjoner.
Generell kompetanse: Gjennom forelesninger, veiledninger og studiet av sentrale publikasjoner utvikler studentene kompetanse til å delta i informerte diskusjoner, evaluere ulike AI-metoder og ta beslutninger innen feltet intelligente systemer. Praktiske øvelser og teoretiske oppgaver vil gi studentene ferdigheter til å bidra meningsfullt til forskning og utvikling innen AI og kognitiv vitenskap. Studentene vil også få et historisk perspektiv på AI og kognitiv vitenskap, inkludert utvalgte aspekter av sinnets filosofi og praktiske anvendelser innenfor beliggende AI.
Midtsemesterprøve: avholdes i løpet av eller etter den syvende uken av semesteret
Skriftlig skoleeksamen: avholdes i desember
Gjennom semesteret vil det bli gitt 5 obligatoriske øvinger.
Adgang til midtsemesterprøve: 1 av 2 obligatoriske øvinger må være bestått
Adgang til skriftlig skoleeksamen: 2 av 4 obligatoriske øvinger må være bestått
Alle delvurderinger i emnet må være bestått for å få karakter i emnet. Ved frivillig gjentak må ikke hele emnet tas på nytt.
Ved utsatt eksamen (kontinuasjonseksamen) i august kan skriftlig eksamen bli endret til muntlig.
Eksamen blir kun gitt på engelsk, men studentene kan svare på norsk om de foretrekker det.
A: Forelesninger, B: veiledningstimer / kollokvier der studentenes spørsmål diskuteres og forelesningstemaene utdypes. C: Selvstudium / lesing og hjemmeoppgaver.
Et antall obligatoriske øvelser må være godkjent for å kunne gå opp til midtveis- og avsluttende eksamen.
Kilde: Felles studentsystem (FS) via NTNU, slik den var publisert for høsten 2026. NTNU er ikke ansvarlig for innholdet på denne siden.
Hva burde andre vite før de tar dette? Anonymt, ingen innlogging.
Basert på hvor kandidatene til eksamen var registrert (DBH).
Emner som tas i de samme studieprogrammene som TDT4137.
| Semester | Kandidater | Snitt | Stryk |
|---|---|---|---|
| Høst 2025 | 50 | C (3.46) | 0 % |
| Høst 2024 | 47 | C (3.00) | 8,5 % |
| Høst 2023 | 152 | B (3.80) | 2 % |
| Vår 2023 | 135 | C (3.32) | 0 % |
| Høst 2021 | 127 | C (3.30) | 7,9 % |
| Høst 2020 | 169 | – | 23,1 % |
| Høst 2019 | 157 | C (3.20) | 9,6 % |
| Høst 2018 | 160 | C (2.81) | 12,5 % |
| Høst 2017 | 154 | C (3.01) | 7,8 % |
| Høst 2016 | 140 | C (2.71) | 7,1 % |
| Høst 2015 | 124 | C (2.63) | 5,7 % |
| Høst 2014 | 71 | C (2.61) | 9,9 % |