В курсе рассматриваются основные вопросы теории нечетких множеств и измерения нечеткости, необходимые для разработки и оптимизации интеллектуальных человеко-компьютерных систем. Человеко-компьютерные интеллектуальные технологии (гибридный интеллект, augmented intelligence, human-AI collaboration) включены в дорожные карты ведущих фондов (NSF/ Big Idea #1, DARPA/ Third wave AI technologies) и государственных программ ведущих стран в области ИИ (US National AI Research and Development Strategic Plan 2019 Update/ Strategy #2), открываются центры в ведущих университетах (Stanford/ Institute for Human-Centered AI) и компаниях (Google выступил одним из организаторов и спонсоров National AI Research Institute for Human-AI Interaction).

В рамках курса обсуждаются способы формализации нечеткой информации, проводится сравнение классической теории множеств и теории нечетких множеств. Рассматриваются соответствующие обобщения теории отношений и логического вывода, артикулируются их отличия от классических. Основное внимание уделяется оценке меры неопределенности соответствующих объектов и свойств степени нечеткости. Вводятся и новые, по отношению к классическим, понятия лингвистической переменной и полных ортогональных семантических пространств, изучаются их свойства. Большое внимание уделено практическим вопросам использования нечетких моделей в управлении и анализе информации (на примерах задач поиска и классификации). Изучаются вопросы устойчивости (робастности) нечетких моделей. Затрагиваются вопросы гибридного интеллекта (augmented intelligence) и основных сценариев его использования (персонализация общения с цифровым миром, оценка и мониторинг сложных процессов).