Sztuczna inteligencja wprowadzenie - Slawomir...
Transcript of Sztuczna inteligencja wprowadzenie - Slawomir...
-
Sztuczna inteligencja
wprowadzenie
Sawomir Samolej
Slajdy zostay przygotowane na podstawie materiaw
opublikowanych na
(http://wazniak.mimuw.edu.pl/
http://wazniak.mimuw.edu.pl/
-
Leszek Rutkowski
Metody i techniki sztucznej inteligencji
PWN, 2009.
Literatura
-
Naturalna ludzka inteligencja:
Inteligencja jest zdolnoci do
(poprawnego, sprawnego itd.)
rozwizywania zada intelektualnych, ktre
zazwyczaj uchodz za trudne.
Sztuczna inteligencja:
Sprawne rozwizywanie zada, ktre wedug
powszechnej opinii wymagaj inteligencji,
jeli s wykonywane przez czowieka
Definicje (1)
-
Koncepcje sztucznej inteligencji
System inteligentny to:
system, ktry myli jak czowiek,
system, ktry myli racjonalnie,
system, ktry zachowuje si jak czowiek,
system, ktry zachowuje si racjonalnie.
-
Saba sztuczna inteligencja:
rozwizywanie trudnych zada w sposb
umoliwiajcy praktyczne zastosowania.
Mocna sztuczna inteligencja:
zdolno do mylenia w sposb w pewnym
stopniu dajcy si porwnywa z myleniem
ludzkim.
Definicje (2)
-
Sztuczna inteligencja w sabym rozumieniu
moe by traktowana jako ga informatyki.
Jest zbliona do szeregu innych pokrewnych
dyscyplin, takich jak automatyczne sterowanie,
robotyka czy statystyka. Wanymi rdami
inspiracji dla inteligentnych technik
obliczeniowych s niektre osignicia nauk
nietechnicznych, takich jak biologia i
psychologia.
Sztuczna inteligencja jako
dyscyplina nauk technicznych
-
Przeszukiwanie -
znajdowanie zadowalajcych rozwiza bez penego
przegldania wszystkich moliwoci, a wic
dokonanie niewyczerpujcego przeszukiwania
przestrzeni rozwiza. Wiele zada praktycznych, dla ktrych naley znale rozwizania
speniajce pewne ustalone kryteria i ograniczenia, mona potraktowa
jako konkretne przypadki oglnego zadania przeszukiwania.
Przeszukiwana przestrze obejmuje potencjalne rozwizania zadania
(take niekompletne, nie speniajce ogranicze, niskiej jakoci) i w
interesujcych praktycznie przypadkach jest zbyt dua, aby przy uyciu
maksymalnych dostpnych obecnie i w wyobraalnej przyszoci mocy
obliczeniowych rozwaenie kadego jej elementu mogo by
przeprowadzone w akceptowalnym czasie.
Zadania sztucznej inteligencji (1)
-
Wnioskowanie
jest procesem stosowania regu wnioskowania w
sposb skutecznie i efektywnie prowadzcy do
okrelonego celu wnioskowania, ktrym zazwyczaj
jest uzyskania pewnego docelowego stwierdzenia. Wnioskowanie jest procesem przetwarzania wiedzy, w wyniku ktrego na
podstawie pewnego zbioru znanych stwierdze wyprowadza si nowe
stwierdzenia. Wnioskowanie wykonywane przez czowieka moe
przebiega zarwno w sposb formalny, w ktrym wszystkie stwierdzenia
zapisane s w ustalonym precyzyjnym jzyku, wyprowadzanie nowych
stwierdze rzdzi si ustalonymi precyzyjnie reguami, jak i nieformalny,
w ktrym stwierdzenia formuowane s w jzyku naturalnym, a
wyprowadzanie nowych stwierdze odbywa si ze znacznym udziaem
intuicji. SI stosuje wnioskowanie formalne.
Zadania sztucznej inteligencji (2)
-
Uczenie si -
proces zmiany zachodzcej w systemie na podstawie
dowiadcze, ktra prowadzi do poprawy jego
jakoci dziaania rozumianej jako sprawno
rozwizywania stojcych przed systemem zada. Zdolno do uczenia si jest powszechnie uwaana za jeden z
najwaniejszych przejaww inteligencji. Przez uczenie si rozumiemy, w
najprostszym ujciu, zdobywanie wiedzy lub umiejtnoci (a take
doskonalenie dotychczas posiadanej wiedzy lub umiejtnoci), na
podstawie wspomagajcych informacji, takich jak dowiadczenia czy
przykady...
Zadania sztucznej inteligencji (3)
-
Ukadanie planu lekcji
Gra w szachy
Dowodzenie twierdze
Sterowanie mobilnym robotem
Diagnostyka medyczna
Przykady zada sztucznej
inteligencji
-
Wprowadza si alfabet jzyka Symbole staych: oznaczane za pomoc liter a, b, c...
Symbole zmiennych: oznaczane za pomoc liter .x, y, z
Symbole funkcyjne: oznaczane za pomoc liter f, g, h,; kady symbol funkcyjny
ma ustalon liczb argumentw.
Symbole predykatowe: oznaczane za pomoc liter P, Q, R; kady symbol
predykatowy ma ustalon liczb argumentw.
Operatory logiczne: (negacja), (koniunkcja), (alternatywa), (implikacja),
(rwnowano).
Kwantyfikatory: kwantyfikator oglny , kwantyfikator szczegowy .
Nawiasy: (,), w razie potrzeby take inne.
System wnioskowania (1)
-
Wprowadza si formuy atomowe i zoone
z zastosowaniem symboli predykatowych,
staych, zmiennych i operatorw logiki
Wprowadza si semantyk jzyka logiki
jak przypisa formuom znaczenie
System wnioskowania (2)
-
Wprowadza si system wnioskowania - formalny aparat umoliwiajcy prowadzenie procesu
wnioskowania - wyprowadzania nowych formu z pewnego
pocztkowego zbioru znanych formu, nazywanego baz
wiedzy.
Systemy wnioskowania dla jzyka logiki predykatw
obejmuj dwa skadniki.
Aksjomaty: formuy, ktrych prawdziwo przyjmowana
jest bez dowodu.
Reguy wnioskowania: wzorce opisujce dozwolone
sposoby bezporedniego wyprowadzania nowych formu
ze znanych formu.
System wnioskowania (3)
-
Wiedza pochodzca od czowieka moe by niedoskonaa.
Stosujc do takiej wiedzy metody zakadajce doskona wiedz
(tradycyjne systemy wnioskowania) jestemy naraeni na
uzyskiwanie wnioskw, ktre nie musz by prawdziwe i o
ktrych prawdziwoci nie potrafimy nic powiedzie. Celowe jest
w zwizku z tym wyposaanie systemw wnioskujcych na
podstawie niedoskonaej wiedzy w specjalne mechanizmy jej
przetwarzania, dziki ktrym bdzie moliwe charakteryzowanie
rodzaju i stopnia niedoskonaoci wiedzy pochodzcej od
czowieka, a take nowej wiedzy wyprowadzonej na jej
podstawie przez system wnioskujcy.
Wnioskowanie na podstawie
niepewnej wiedzy (1)
-
niepewno: prawdziwo niektrych stwierdze nie jest pewna,
niepeno: niektre prawdziwe stwierdzenia nie s znane, lecz
nie mona z tego powodu zakada ich nieprawdziwoci,
niedokadno: przynaleno do niektrych relacji,
odpowiadajcych predykatom wystpujcym w stwierdzeniach,
nie jest znana dokadnie. W przypadku wiedzy niepewnej mamy do czynienia ze stwierdzeniami , o ktrych w
oglnym przypadku nie mona powiedzie z pewnoci, e s prawdziwe albo
faszywe. Potrzebne s w tym celu jakie metody charakteryzowania stopnia
przekonania o prawdziwoci stwierdze - zarwno nalecych do pocztkowej bazy
wiedzy, jak i uzyskiwanych w wyniku gosowania. Niepeno wiedzy oznacza, e
status prawdziwoci pewnych stwierdze potrzebnych do wnioskowania nie jest znany.
Moe to wymaga zaoenia ich prawdziwoci w celu przeprowadzenia wnioskowania,
lecz z pozostawieniem moliwoci rewizji tego wnioskowania, gdyby nastpnie
pojawia si wiedza zaprzeczajca temu zaoeniu. Niedokadno polega na
niemoliwoci precyzyjnego odrnienia w dziedzinie, na temat ktrej zapisujemy
wiedz, obiektw nalecych do pewnej relacji od obiektw do niej nienalecych.
Rodzaje niedoskonaoci wiedzy
-
wnioskowanie probabilistyczne: metoda przetwarzania wiedzy niepewnej
oparta na bezporednim wykorzystaniu rachunku prawdopodobiestwa, w
ktrej poszczeglnym stwierdzeniom przypisuje si prawdopodobiestwo ich
prawdziwoci,
stopnie pewnoci: metoda przetwarzania wiedzy niepewnej, w ktrej
poszczeglnym stwierdzeniom przypisuje si liczbowe stopnie pewnoci
wyraajce subiektywne przekonanie czowieka o ich prawdziwoci,
teoria Dempstera-Schaffera: metoda przetwarzania wiedzy niepewnej, w
ktrej prawdopodobiestwa prawdziwoci przypisuje si tylko wybranym
stwierdzeniom bazowym, a ocen wiarygodnoci innych stwierdze
przeprowadza si na podstawie ich zwizkw ze stwierdzeniami bazowymi,
logika rozmyta: metoda przetwarzania wiedzy niedokadnej, w ktrej
rozwaa si czciow przynaleno do relacji,
logiki niemonotoniczne: metody przetwarzania wiedzy niepenej, w ktrych
dopuszcza si, e pojawienie si nowych stwierdze moe anulowa
wyprowadzenie wczeniejszych formu.
Metody przetwarzania niedoskonaej wiedzy
-
wnioskowanie probabilistyczne: metoda przetwarzania wiedzy niepewnej
oparta na bezporednim wykorzystaniu rachunku prawdopodobiestwa, w
ktrej poszczeglnym stwierdzeniom przypisuje si prawdopodobiestwo ich
prawdziwoci,
stopnie pewnoci: metoda przetwarzania wiedzy niepewnej, w ktrej
poszczeglnym stwierdzeniom przypisuje si liczbowe stopnie pewnoci
wyraajce subiektywne przekonanie czowieka o ich prawdziwoci,
teoria Dempstera-Schaffera: metoda przetwarzania wiedzy niepewnej, w
ktrej prawdopodobiestwa prawdziwoci przypisuje si tylko wybranym
stwierdzeniom bazowym, a ocen wiarygodnoci innych stwierdze
przeprowadza si na podstawie ich zwizkw ze stwierdzeniami bazowymi,
logika rozmyta: metoda przetwarzania wiedzy niedokadnej, w ktrej
rozwaa si czciow przynaleno do relacji,
logiki niemonotoniczne: metody przetwarzania wiedzy niepenej, w ktrych
dopuszcza si, e pojawienie si nowych stwierdze moe anulowa
wyprowadzenie wczeniejszych formu.
Metody przetwarzania niedoskonaej wiedzy
-
Logika rozmyta
Logika rozmyta zostaa wprowadzona jako metoda reprezentacji i
przetwarzania wiedzy o charakterze jakociowym. Podstawow
zalet logiki rozmytej jest stworzenie cisej interpretacji wiedzy o
charakterze zdroworozsdkowym, ktra bazuje na pojciach
intuicyjnych lub kolokwialnych, takich jak wysoki wzrost,
wysokie dochody, niska cena, dua prdko itp. Pojcia
takie mog by wykorzystane w poczeniu z reguami podobnymi
jak w systemach wnioskowania w tradycyjnej logice.
-
Punktem wyjcia jest pojcie zbioru rozmytego, ktre jest
uoglnieniem pojcia zbioru. Rozwamy zbir wartoci .
Kady podzbir moe by opisany za pomoc funkcji
charakterystycznej , zdefiniowanej nastpujco:
Z kolei zbir rozmyty A bdcy podzbiorem D ma t cech,
e elementy mog do niego nalee tylko czciowo (w
pewnym stopniu). Odpowiednikiem funkcji charakterystycznej
jest funkcja przynalenoci , przyjmujca wartoci
.Warto 0 funkcji przynalenoci oznacza, e
element nie naley do zbioru , za warto wiksza od zera
oznacza przynaleno do .
Definicja zbioru rozmytego
-
Wnioskowanie jest procesem polegajcym na
sprawdzaniu moliwoci wyprowadzenia formuy ze
zbioru innych formu, przy znanych reguach.
Wnioskowanie rozmyte przebiega wedug takiego
samego schematu jak wnioskowanie w logice
klasycznej, z tym e definicje regu wnioskowania
ulegaj modyfikacjom uwzgldniajcym konieczno
posugiwania si wartociami prawdziwoci z
zakresu [0,1].
Wnioskowanie rozmyte
-
Regulator obserwuje liczbowe wartoci wielkoci wejciowe. Wartoci te s
nastpnie poddawane rozmywaniu: s zamieniane na ich jakociowe odpowiedniki
- wartoci lingwistyczne, na przykad may, redni i duy. (Formalnie rzecz
ujmujc, dla kadej wielkoci wejciowej i dla kadej z jej wartoci lingwistycznych
definiujemy opisujc j funkcj zdaniow). Wynikiem rozmywania jest utworzenie
wielu stwierdze, typu x1 jest mae, ktrych stopie prawdziwoci wynika z
wartoci funkcji zdaniowych dla obserwowanych wartoci wejciowych.
Regulator FLC jest wyposaony w zestaw regu, ktrych czci przesankowe s
koniunkcjami stwierdze, za konkluzjami s stwierdzenia (rozmyte) o wielkoci
wyjciowej.
Prosty regulator rozmyty (FLC)
-
Symulacja FLC sterowanie przyspieszeniem
odlego prdko przyspieszenie
maa Maa due-
rednia Maa mae-
dua Maa mae-
maa rednia due+
rednia rednia mae-
dua rednia mae-
maa Dua mae+
rednia Dua due-
dua Dua mae-
-
Rozwamy trzy przypadki wielkoci
wejciowych:
odlego prdko
30 50
odlego prdko
100 50
odlego prdko
30 65
1.
2.
3.
-
Wartoci lingwistyczne s dla tych
przypadkw nastpujce (odczytujemy je z
wykresw funkcji przynalenoci): odlego prdko
maa 0,6 0,3
rednia 0,4 0,7
dua 0 0
odlego prdko
maa 0 0,3
rednia 1 0,7
dua 0 0
odlego prdko
maa 0,6 0
rednia 0,4 1
dua 0 0
1
2
3
-
Reguy wraz ze stopniem prawdziwoci
konkluzji
odlego prdko przyspieszenie min(odlego,
prdko)
maa Maa due- 0,3
rednia Maa mae- 0,3
maa rednia due+ 0,6
rednia rednia mae- 0,4
odlego prdko przyspieszenie min(odlego,
prdko)
maa rednia due+ 0,3
rednia rednia mae- 0,7
odlego prdko przyspieszenie min(odlego,
prdko)
maa rednia due+ 0,6
rednia rednia mae- 0,4
1
2
3
-
Po dokonaniu wyostrzenia przyspieszenie
samochodu w przykadowych przypadkach ma
wynosi:
1 0.15
2 0.14
3 0,305
-
Sieci Neuronowe
Sieci neuronowe s jedn z wielu moliwych realizacji
aproksymatora regresyjnego. Swoj popularno zawdziczaj
w pewnej mierze analogiom biologicznym mona w nich
upatrywa niezwykle uproszczonych modeli naturalnych
struktur neuronowych. Przykadem sieci neuronowych, chyba
najbardziej rozpowszechnionym, jest perceptron
wielowarstwowy.
-
Dziaanie sieci neuronowej (1)
Wze grafu sieci odpowiada pojedynczemu neuronowi. Krawd
odpowiada poczeniu midzy neuronami (tzw. poczenie
synaptyczne) jest skierowana od wyjcia jednego do wejcia
drugiego neuronu, co odpowiada jednokierunkowemu
przepywowi danych.
Neuron dziaa w taki sposb, e dokonuje si waonego
sumowania wartoci wej, obliczajc warto hi, zwan
pobudzeniem:
Wyjcie neuronu powstaje w wyniku
podania pobudzenia na funkcj aktywacji :
typowo:
-
Dziaanie sieci neuronowej (2)
Neurony zgrupowane s w warstwy w taki sposb, e midzy
neuronami tej samej warstwy nie ma pocze, a poczenia
wystpuj jedynie midzy neuronami ssiadujcych warstw.
Wyrnia si warstw neuronw wyjciowych (zwan krtko
warstw wyjciow), ktrych wyjcie jest jednoczenie wyjciem z
sieci. Pozostae warstwy s nazywane ukrytymi, gdy wyjcia
neuronw w nich si znajdujcych nie s widoczne na wyjciu
sieci.
Dla neuronw wyjciowych mona przyj, e funkcja aktywacji
jest funkcj liniow.
-
Waciwoci sieci neuronowych
Sie neuronowa jest uniwersalnym aproksymatorem.
Moe by nauczona jak ma aproksymowa.
Zastosowania:
Sterowanie
Rozpoznawanie
-
Inne aparaty matematyczne
sztucznej inteligencji
Zbiory przyblione
Algorytmy ewolucyjne
Systemy neuronowo-rozmyte
-
Wspczesne praktyczne
zastosowanie SI (1) Technologie oparte na logice rozmytej powszechnie stosowane do np.
sterowania przebiegiem procesw technologicznych w fabrykach w warunkach "braku wszystkich danych".
Systemy ekspertowe systemy wykorzystujce baz wiedzy (zapisan w sposb deklaratywny) i mechanizmy wnioskowania do rozwizywania problemw.
Maszynowe tumaczenie tekstw systemy tumaczce nie dorwnuj czowiekowi, robi intensywne postpy, nadaj si szczeglnie do tumaczenia tekstw technicznych.
Sieci neuronowe stosowane z powodzeniem w wielu zastosowaniach cznie z programowaniem "inteligentnych przeciwnikw" w grach komputerowych.
Uczenie si maszyn dzia sztucznej inteligencji zajmujcy si algorytmami potraficymi uczy si podejmowa decyzje bd nabywa wiedz.
Eksploracja danych omawia obszary, powizanie z potrzebami informacyjnymi, pozyskiwaniem wiedzy, stosowane techniki analizy, oczekiwane rezultaty.
http://pl.wikipedia.org/wiki/Logika_rozmytahttp://pl.wikipedia.org/wiki/Danehttp://pl.wikipedia.org/wiki/System_ekspertowyhttp://pl.wikipedia.org/wiki/T%C5%82umaczenie_automatycznehttp://pl.wikipedia.org/wiki/Sie%C4%87_neuronowahttp://pl.wikipedia.org/wiki/Uczenie_maszynowehttp://pl.wikipedia.org/wiki/Eksploracja_danych
-
Wspczesne praktyczne
zastosowanie SI (2) Rozpoznawanie obrazw stosowane s ju programy rozpoznajce osoby na
podstawie zdjcia twarzy lub rozpoznajce automatycznie zadane obiekty na zdjciach satelitarnych.
Rozpoznawanie mowy i rozpoznawanie mwcw stosowane ju powszechnie na skal komercyjn.
Rozpoznawanie pisma (OCR) stosowane ju masowo np. do automatycznego sortowania listw, oraz w elektronicznych notatnikach.
Sztuczna twrczo istniej programy automatycznie generujce krtkie formy poetyckie, komponujce, aranujce i interpretujce utwory muzyczne, ktre s w stanie skutecznie "zmyli" nawet profesjonalnych artystw, w sensie, e nie rozpoznaj oni tych utworw jako sztucznie wygenerowanych.
W ekonomii, powszechnie stosuje si systemy automatycznie oceniajce m.in. zdolno kredytow, profil najlepszych klientw, czy planujce kampanie reklamowe. Systemy te poddawane s wczeniej automatycznemu uczeniu na podstawie posiadanych danych (np. klientw banku, ktrzy regularnie spacali kredyt i klientw, ktrzy mieli z tym problemy).
http://pl.wikipedia.org/wiki/Rozpoznawanie_obraz%C3%B3whttp://pl.wikipedia.org/wiki/Rozpoznawanie_mowyhttp://pl.wikipedia.org/w/index.php?title=Rozpoznawanie_m%C3%B3wc%C3%B3w&action=edit&redlink=1http://pl.wikipedia.org/wiki/OCRhttp://pl.wikipedia.org/wiki/Palmtophttp://pl.wikipedia.org/w/index.php?title=Sztuczna_tw%C3%B3rczo%C5%9B%C4%87&action=edit&redlink=1http://pl.wikipedia.org/wiki/Zdolno%C5%9B%C4%87_kredytowa
-
Poraki SI (1)
Nie udao si zbudowa:
Programw skutecznie wygrywajcych w niektrych grach. Jak dotd nie ma programw skutecznie wygrywajcych w go, bryda sportowego i polskie warcaby, mimo e podejmowano prby ich pisania. Trzeba jednak przyzna, e programy do gry w szachy, w ktre zainwestowano jak dotd najwicej wysiku i czasu spord wszystkich tego rodzaju programw, osigny bardzo wysoki poziom, ogrywajc nawet mistrza wiata Garriego Kasparowa w maju 1997.
Programu, ktry by umia idealnie naladowa czowieka, rozmawiajc przy uyciu tekstu i potrafiby przej test Turinga. Istniej programy do konwersacji z komputerem, ale kady czowiek, ktry mia z nimi wczeniej do czynienia, w krtkim czasie jest w stanie zorientowa si, e rozmawia z maszyn, a nie innym czowiekiem.
http://pl.wikipedia.org/wiki/Gohttp://pl.wikipedia.org/wiki/Bryd%C5%BC_sportowyhttp://pl.wikipedia.org/wiki/Warcaby_polskiehttp://pl.wikipedia.org/wiki/Warcaby_polskiehttp://pl.wikipedia.org/wiki/Szachyhttp://pl.wikipedia.org/wiki/Garri_Kasparowhttp://pl.wikipedia.org/wiki/Garri_Kasparowhttp://pl.wikipedia.org/wiki/1997http://pl.wikipedia.org/wiki/Test_Turingahttp://pl.wikipedia.org/wiki/Chatbothttp://pl.wikipedia.org/wiki/Chatbot