Wprowadzenie do Sztucznej Inteligencji
Transcript of Wprowadzenie do Sztucznej Inteligencji
11
©©AMAM
Wprowadzenie do Sztucznej Wprowadzenie do Sztucznej
InteligencjiInteligencji
Wykład 1Wykład 1
Informatyka Studia InŜynierskieInformatyka Studia InŜynierskie
©©AMAM
Dlaczego badania nad sztuczną inteligencją?Dlaczego badania nad sztuczną inteligencją?
•• Próba zrozumienia istot inteligentnych Próba zrozumienia istot inteligentnych -- lepsze poznanie lepsze poznanie
samego siebie (filozofia, psychologia)samego siebie (filozofia, psychologia)
•• Wyzwanie dla badaczy Wyzwanie dla badaczy -- konstrukcja inteligentnych maszynkonstrukcja inteligentnych maszyn
•• Nieograniczone moŜliwości zastosowań praktycznychNieograniczone moŜliwości zastosowań praktycznych
22
©©AMAM
Geneza badań nad sztuczną inteligencjąGeneza badań nad sztuczną inteligencją
•• StaroŜytne początki w badaniach nad logiką formalnąStaroŜytne początki w badaniach nad logiką formalną
•• Koniec lat 50Koniec lat 50--tych XX w. prawdziwy impuls do rozwoju z tych XX w. prawdziwy impuls do rozwoju z
chwilą stworzenia pierwszego komputerachwilą stworzenia pierwszego komputera
•• Pojawienie się terminu „sztuczna inteligencja” Pojawienie się terminu „sztuczna inteligencja” -- rok 1956rok 1956
•• Obecnie uwaŜana za jedną z najistotniejszych dziedzin nauki Obecnie uwaŜana za jedną z najistotniejszych dziedzin nauki
obok biologii molekularnej i inŜynierii genetycznej, obok biologii molekularnej i inŜynierii genetycznej,
informatyki kwantowejinformatyki kwantowej
©©AMAM
Inteligencja Inteligencja -- próba definicjipróba definicji
•• Czy jest to jakaś pojedyncza własność, cecha, czy raczej zbiór pCzy jest to jakaś pojedyncza własność, cecha, czy raczej zbiór pewnych ewnych
umiejętności?umiejętności?
•• W jakim stopniu jest wyuczona, a w jakim wrodzona?W jakim stopniu jest wyuczona, a w jakim wrodzona?
•• Co tak naprawdę dzieje się w trakcie uczenia?Co tak naprawdę dzieje się w trakcie uczenia?
•• Czym w gruncie rzeczy jest kreatywność? Czym intuicja?Czym w gruncie rzeczy jest kreatywność? Czym intuicja?
•• Czy inteligencja moŜe być stwierdzona jedynie na podstawie Czy inteligencja moŜe być stwierdzona jedynie na podstawie
obserwacji zachowania, czy wymaga raczej poznania jakiś obserwacji zachowania, czy wymaga raczej poznania jakiś
„wewnętrznych” mechanizmów?„wewnętrznych” mechanizmów?
•• Jak wiedza jest reprezentowana w systemie nerwowym i czy płyną zJak wiedza jest reprezentowana w systemie nerwowym i czy płyną z
tego jakieś wnioski odnośnie budowy inteligentnych maszyn?tego jakieś wnioski odnośnie budowy inteligentnych maszyn?
•• Czym jest samoświadomość i czy ma znaczenie dla inteligencji?Czym jest samoświadomość i czy ma znaczenie dla inteligencji?
•• Czy w ogóle moŜliwe jest stworzenie inteligentnych maszyn, czy Czy w ogóle moŜliwe jest stworzenie inteligentnych maszyn, czy
inteligencja wymaga raczej bogactwa doznań i doświadczeń, które inteligencja wymaga raczej bogactwa doznań i doświadczeń, które są są
dostępne jedynie w realnie istniejącym świecie?dostępne jedynie w realnie istniejącym świecie?
33
©©AMAM
Definicje sztucznej inteligencjiDefinicje sztucznej inteligencji
•• [[Sztuczna inteligencjaSztuczna inteligencja to automatyzacja] zdolności przypisanych to automatyzacja] zdolności przypisanych
ludzkiemu myśleniu, zdolności taki jak podejmowanie decyzji, ludzkiemu myśleniu, zdolności taki jak podejmowanie decyzji,
rozwiązywanie problemów, uczenie się... [rozwiązywanie problemów, uczenie się... [BellmanBellman, 1978], 1978]
•• Sztuczna inteligencjaSztuczna inteligencja to badania prowadzone w kierunku to badania prowadzone w kierunku
stworzenia komputerów, które myślą ... maszyn posiadających stworzenia komputerów, które myślą ... maszyn posiadających
umysł. [umysł. [HaugelandHaugeland, 1985], 1985]
•• Sztuczna inteligencjaSztuczna inteligencja to sztuka tworzenia maszyn zdolnych do to sztuka tworzenia maszyn zdolnych do
wykonywania działań, wymagających od człowieka zaangaŜowania wykonywania działań, wymagających od człowieka zaangaŜowania
inteligencji. [inteligencji. [KurzweilKurzweil, 1990], 1990]
•• Sztuczna inteligencjaSztuczna inteligencja to badania mające na celu stworzenie to badania mające na celu stworzenie
komputerów posiadających umiejętności, w których człowiek jest komputerów posiadających umiejętności, w których człowiek jest
obecnie lepszy. [obecnie lepszy. [RichRich i i KnightKnight, 1991], 1991]
©©AMAM
Definicje sztucznej inteligencji c.d.Definicje sztucznej inteligencji c.d.
•• Sztuczna inteligencjaSztuczna inteligencja to badanie zdolności umysłowych za pomocą to badanie zdolności umysłowych za pomocą
modeli obliczeniowych. [modeli obliczeniowych. [CharniakCharniak i i McDermottMcDermott, 1985], 1985]
•• Sztuczna inteligencjaSztuczna inteligencja to studia nad modelami obliczeniowymi, które to studia nad modelami obliczeniowymi, które
umoŜliwiają percepcję, wnioskowanie i działanie. [umoŜliwiają percepcję, wnioskowanie i działanie. [WinstonWinston, 1992], 1992]
•• Sztuczna inteligencjaSztuczna inteligencja to badania mające na celu opis i symulację to badania mające na celu opis i symulację
inteligentnego zachowania w kategoriach procesów obliczeniowych.inteligentnego zachowania w kategoriach procesów obliczeniowych.
[[SchalkoffSchalkoff, 1990], 1990]
•• Sztuczna inteligencjaSztuczna inteligencja jest gałęzią informatyki, zajmującą się jest gałęzią informatyki, zajmującą się
automatyzacją inteligentnego zachowania.[automatyzacją inteligentnego zachowania.[LugerLuger i i StubblefieldStubblefield, 1993], 1993]
44
©©AMAM
ludzkieludzkie racjonalneracjonalne
zachowaniezachowanie
(działanie)(działanie)
myśleniemyślenie
(wnioskowanie)(wnioskowanie)
Definicje sztucznej inteligencji c.d.Definicje sztucznej inteligencji c.d.
[[CharniakCharniak i i McDermottMcDermott, 1985], 1985]
[[WinstonWinston, 1992], 1992]
[[SchalkoffSchalkoff, 1990], 1990]
[[LugerLuger i i StubblefieldStubblefield, 1993], 1993]
[[BellmanBellman, 1978], 1978]
[[HaugelandHaugeland, 1985], 1985]
[[KurzweilKurzweil, 1990], 1990]
[[RichRich i i KnightKnight, 1991], 1991]
©©AMAM
Koncepcje sztucznej inteligencjiKoncepcje sztucznej inteligencji
„Silna” sztuczna inteligencja „Silna” sztuczna inteligencja -- system inteligentny, to system inteligentny, to
taki, który jest bezpośrednim odzwierciedleniem taki, który jest bezpośrednim odzwierciedleniem
inteligencji człowiekainteligencji człowieka
„Słaba” sztuczna inteligencja„Słaba” sztuczna inteligencja -- system inteligentny, to taki, system inteligentny, to taki,
który działa który działa racjonalnieracjonalnie (koncepcja systemowa).(koncepcja systemowa).
55
©©AMAM
Systemowa koncepcja sztucznej inteligencjiSystemowa koncepcja sztucznej inteligencji
Idealistyczna koncepcja racjonalnościIdealistyczna koncepcja racjonalności
System funkcjonuje racjonalnie, jeśli wykonuje właściwe System funkcjonuje racjonalnie, jeśli wykonuje właściwe czynności (akcje, operacje), tzn. działa w sposób czynności (akcje, operacje), tzn. działa w sposób gwarantujący osiągnięcie celu, przy przyjętych gwarantujący osiągnięcie celu, przy przyjętych załoŜeniach.załoŜeniach.
©©AMAM
Działać jak człowiek: Działać jak człowiek: Test Test TuringaTuringa
66
©©AMAM
Test Test TuringaTuringa
Mechanizmy niezbędne w teście Mechanizmy niezbędne w teście TuringaTuringa::
•• zdolność do przetwarzania języka naturalnegozdolność do przetwarzania języka naturalnego
•• zdolność do reprezentowania wiedzyzdolność do reprezentowania wiedzy
•• zdolność do automatycznego wnioskowaniazdolność do automatycznego wnioskowania
•• zdolność uczenia sięzdolność uczenia się
Mechanizmy niezbędne w „pełnym” teście Mechanizmy niezbędne w „pełnym” teście TuringaTuringa::
•• zdolność do rozpoznawania obrazówzdolność do rozpoznawania obrazów
•• zdolność poruszania się i przemieszczania obiektów zdolność poruszania się i przemieszczania obiektów
(zdolności manualne)(zdolności manualne)
©©AMAM
Test Test TuringaTuringa -- charakterystykacharakterystyka
•• Badanie porównawcze Badanie porównawcze zachowania istoty rozumnejzachowania istoty rozumnej w kontekście w kontekście
pewnego zbioru pytań; standard pozwalający wykryć inteligencję pewnego zbioru pytań; standard pozwalający wykryć inteligencję
bez odwoływania się do "prawdziwej natury” inteligencji, bez odwoływania się do "prawdziwej natury” inteligencji,
wykorzystujący jedyny dostępny "wzorzec"wykorzystujący jedyny dostępny "wzorzec"
•• Zignorowanie wątpliwości dotyczących wewnętrznych procesów Zignorowanie wątpliwości dotyczących wewnętrznych procesów
maszyny, towarzyszących maszyny, towarzyszących inteligentnemu zachowaniuinteligentnemu zachowaniu i jego i jego
świadomości bądź braku świadomości podejmowanych decyzjiświadomości bądź braku świadomości podejmowanych decyzji
•• Eliminacja jakichkolwiek tendencji do preferowania inteligencji Eliminacja jakichkolwiek tendencji do preferowania inteligencji
organizmów Ŝywych nad inteligencję maszyn poprzez ograniczenie organizmów Ŝywych nad inteligencję maszyn poprzez ograniczenie
kontaktu jedynie do zdalnej formy wymiany informacjikontaktu jedynie do zdalnej formy wymiany informacji
77
©©AMAM
Test Test TuringaTuringa -- charakterystykacharakterystyka
•• Ograniczenie Ograniczenie badań zachowaniabadań zachowania jedynie do zadań o charakterze jedynie do zadań o charakterze
symbolicznym; nie są sprawdzane moŜliwości percepcji symbolicznym; nie są sprawdzane moŜliwości percepcji
zmysłowej ani umiejętności manualne, choć uwaŜane są za zmysłowej ani umiejętności manualne, choć uwaŜane są za
istotny przejaw ludzkiej inteligencjiistotny przejaw ludzkiej inteligencji
•• Ograniczenie pojęcia inteligencji jedynie do jej ludzkiej postacOgraniczenie pojęcia inteligencji jedynie do jej ludzkiej postaci; i;
Czy inteligencja maszynowa lub jakakolwiek inna nie moŜe mieć Czy inteligencja maszynowa lub jakakolwiek inna nie moŜe mieć
zupełnie odmiennej formy (inny, nieznany nam rodzaj zupełnie odmiennej formy (inny, nieznany nam rodzaj
inteligencji)?inteligencji)?
©©AMAM
Myśleć jak człowiek: Myśleć jak człowiek: CognitiveCognitive sciencescience
KognitywistykaKognitywistyka (ang. (ang. cognitivecognitive science) science) –– opisopis
i modelowanie ludzkiego sposobu myślenia, i modelowanie ludzkiego sposobu myślenia,
jego procesu poznania i inteligentnego zachowania.jego procesu poznania i inteligentnego zachowania.
Metody:Metody:
•• introspekcjaintrospekcja
•• eksperymenty neurologiczne i psychologiczneeksperymenty neurologiczne i psychologiczne
88
©©AMAM
Myśleć racjonalnie: Myśleć racjonalnie: tradycje logikitradycje logiki
Język logiki formalnej Język logiki formalnej -- precyzyjna notacja/forma wyraŜania opisów precyzyjna notacja/forma wyraŜania opisów
wszystkich obiektów i związków między nimi.wszystkich obiektów i związków między nimi.
Zalety:Zalety:
Twierdzenie Twierdzenie GödlaGödla -- moŜliwe jest zbudowanie programu, który moŜliwe jest zbudowanie programu, który
znajdzie rozwiązanie kaŜdego problemu logicznego, o ile ono istnznajdzie rozwiązanie kaŜdego problemu logicznego, o ile ono istnieje ieje
(jeśli nie istnieje, to nie wiemy czy program się zatrzyma!).(jeśli nie istnieje, to nie wiemy czy program się zatrzyma!).
Wady:Wady:
Trudno wyrazić wiedzę nieformalną w języku logiki, szczególnie zTrudno wyrazić wiedzę nieformalną w języku logiki, szczególnie zaś aś
wiedzę niepewną, niepełną i nieprecyzyjną.wiedzę niepewną, niepełną i nieprecyzyjną.
Praktyczna realizacja programu rozwiązującego realne problemy Praktyczna realizacja programu rozwiązującego realne problemy
logiczne jest obecnie niemoŜliwa ze względu na wymagania zasobowlogiczne jest obecnie niemoŜliwa ze względu na wymagania zasobowe.e.
©©AMAM
Działać racjonalnie: Działać racjonalnie: racjonalny systemracjonalny system
Systemowa sztuczna inteligencja Systemowa sztuczna inteligencja -- studiowanie i konstruowanie studiowanie i konstruowanie
racjonalnych systemów (agentów) sztucznej inteligencji.racjonalnych systemów (agentów) sztucznej inteligencji.
Racjonalne działanieRacjonalne działanie to zachowanie prowadzące właściwą drogą do to zachowanie prowadzące właściwą drogą do
osiągnięcia celu; działanie poprawne przy przyjętych załoŜeniachosiągnięcia celu; działanie poprawne przy przyjętych załoŜeniach i i
postawionym celu.postawionym celu.
Racjonalne działanie to coś więcej niŜ racjonalne Racjonalne działanie to coś więcej niŜ racjonalne
myślenie/wnioskowanie:myślenie/wnioskowanie:
•• logiczne wnioskowanie logiczne wnioskowanie -- warunek dostateczny (ale nie konieczny!) warunek dostateczny (ale nie konieczny!)
racjonalnego zachowaniaracjonalnego zachowania
•• racjonalne działanie bez wnioskowania (np. natychmiastowa reakcjracjonalne działanie bez wnioskowania (np. natychmiastowa reakcja a
mistrza gry w szachy)mistrza gry w szachy)
•• racjonalne działanie bez moŜliwości prowadzenia wnioskowania racjonalne działanie bez moŜliwości prowadzenia wnioskowania
(przymus działania bez moŜliwości wnioskowania!)(przymus działania bez moŜliwości wnioskowania!)
99
©©AMAM
Działać racjonalnie: Działać racjonalnie: racjonalny systemracjonalny system
Zalety koncepcji racjonalnego agenta:Zalety koncepcji racjonalnego agenta:
•• większy poziom ogólności większy poziom ogólności -- racjonalne myślenie nie jest jednym racjonalne myślenie nie jest jednym
sposobem osiągnięcia racjonalnego zachowania,sposobem osiągnięcia racjonalnego zachowania,
•• moŜliwa do weryfikacji i realizacji w praktyce ze względu na moŜliwa do weryfikacji i realizacji w praktyce ze względu na
precyzyjną i kompletną definicję.precyzyjną i kompletną definicję.
Wszystkie (sześć) zdolności potrzebnych w teście Wszystkie (sześć) zdolności potrzebnych w teście TuringaTuringa to cechy to cechy
niezbędne równieŜ w osiągnięciu racjonalnego działania.niezbędne równieŜ w osiągnięciu racjonalnego działania.
Obecny poziom technologii uniemoŜliwia pełną realizację systemowObecny poziom technologii uniemoŜliwia pełną realizację systemowej ej
koncepcji sztucznej inteligencji w skomplikowanych środowiskach koncepcji sztucznej inteligencji w skomplikowanych środowiskach
stąd stąd koncepcja ograniczonej racjonalnościkoncepcja ograniczonej racjonalności -- właściwego działania w właściwego działania w
sytuacji ograniczonych zasobów obliczeniowych (pamięci i/lub czasytuacji ograniczonych zasobów obliczeniowych (pamięci i/lub czasu).su).
©©AMAM
Obszary zastosowań sztucznej inteligencjiObszary zastosowań sztucznej inteligencji
•• GryGry
•• Automatyczne wnioskowanie i dowodzenie Automatyczne wnioskowanie i dowodzenie
twierdzeńtwierdzeń
•• Systemy eksperckieSystemy eksperckie
•• Przetwarzanie języka naturalnegoPrzetwarzanie języka naturalnego
•• Rozpoznawanie obrazówRozpoznawanie obrazów
•• Planowanie działań i robotykaPlanowanie działań i robotyka
•• Automatyczne (maszynowe) uczenie sięAutomatyczne (maszynowe) uczenie się
1010
©©AMAM
GryGry
•• Reprezentacja wiedzyReprezentacja wiedzy
–– Przestrzeń stanów gryPrzestrzeń stanów gry
•• Metody wnioskowaniaMetody wnioskowania
–– Algorytmy przeszukiwania Algorytmy przeszukiwania
grafów przestrzeni stanówgrafów przestrzeni stanów
–– Przeszukiwanie baz danychPrzeszukiwanie baz danych
(np. dla końcówek szachowych)(np. dla końcówek szachowych)
–– Maszynowe uczenie sięMaszynowe uczenie się
•• UwagiUwagi
–– Przejrzysta struktura formalna Przejrzysta struktura formalna
problemuproblemu
–– Mała ilość wiedzy formalnej Mała ilość wiedzy formalnej
niezbędnej do rozwiązania niezbędnej do rozwiązania
problemuproblemu
•• Pierwsze zastosowaniaPierwsze zastosowania
–– Szachy:Szachy:
** CharlesCharles BabbageBabbage -- AnalyticalAnalytical
EngineEngine
** ClaudeClaude ShannonShannon (1950) (1950) -- opis opis
algorytmualgorytmu
** Alan Alan TuringTuring -- opis algorytmuopis algorytmu
** Arthur Samuel (1963) Arthur Samuel (1963) --
program uczący sięprogram uczący się
–– WarcabyWarcaby
–– Układanka 16Układanka 16--pozycyjnapozycyjna
–– Kółko i krzyŜykKółko i krzyŜyk
©©AMAM
Automatyczne wnioskowanie i dowodzenie Automatyczne wnioskowanie i dowodzenie
twierdzeńtwierdzeń•• Reprezentacja wiedzyReprezentacja wiedzy
–– Rachunek zdańRachunek zdań
–– Rachunek predykatówRachunek predykatów
•• Metody wnioskowaniaMetody wnioskowania
–– Reguła odrywania (modus ponens)Reguła odrywania (modus ponens)
–– Unifikacja (uzgadnianie)Unifikacja (uzgadnianie)
–– Rezolucja (strategie rezolucyjne)Rezolucja (strategie rezolucyjne)
•• Pierwsze zastosowaniaPierwsze zastosowania
–– LogicLogic TheoristTheorist (Newell&Simon’63)(Newell&Simon’63)
–– GPS GPS -- GeneralGeneral Problem Problem SolverSolver (Newell&Simon’66)(Newell&Simon’66)
–– ArtificialArtificial MatematicianMatematician
•• Dziedziny współczesnych zastosowańDziedziny współczesnych zastosowań
–– Projektowanie i weryfikacja układów techniki cyfrowej (AURA’83, Projektowanie i weryfikacja układów techniki cyfrowej (AURA’83, MRS’90)MRS’90)
–– Synteza i weryfikacja poprawności programów komputerowych (alg. Synteza i weryfikacja poprawności programów komputerowych (alg. RSA’84) RSA’84)
–– Sterowanie złoŜonymi systemamiSterowanie złoŜonymi systemami
1111
©©AMAM
Systemy eksperckieSystemy eksperckie
•• Reprezentacja wiedzyReprezentacja wiedzy
–– Reguły produkcjiReguły produkcji
–– RamyRamy
•• Metody wnioskowaniaMetody wnioskowania
–– Cykl „Cykl „stimulusstimulus--responseresponse” („” („recognizerecognize--actact”)”)
–– Dopasowywanie wzorców (ang. Dopasowywanie wzorców (ang. patternpattern matchingmatching))
–– Sterowanie agendą zadańSterowanie agendą zadań
•• Pierwsze zastosowaniaPierwsze zastosowania
–– DENDRAL (Stanford’60) DENDRAL (Stanford’60) -- struktura cząsteczek związków organ.struktura cząsteczek związków organ.
–– MYCIN (Stanford’70) MYCIN (Stanford’70) -- diagnoza i terapia infekcji bakteryjnych krwidiagnoza i terapia infekcji bakteryjnych krwi
–– PROSPECTOR PROSPECTOR -- geologia (ocena złóŜ surowców)geologia (ocena złóŜ surowców)
–– XCON XCON -- konfiguracja komputerów firmy VAXkonfiguracja komputerów firmy VAX
•• Dziedziny współczesnych zastosowańDziedziny współczesnych zastosowań
–– Rolnictwo, przemysł, usługi, handelRolnictwo, przemysł, usługi, handel
–– Nauka, medycynaNauka, medycyna
–– WojskowośćWojskowość
©©AMAM
Automatyczne (maszynowe) uczenie sięAutomatyczne (maszynowe) uczenie się
•• Reprezentacja wiedzyReprezentacja wiedzy
–– Drzewa decyzyjne, drzewa probabilistyczneDrzewa decyzyjne, drzewa probabilistyczne
–– Reguły decyzyjne, sztuczne sieci neuronoweReguły decyzyjne, sztuczne sieci neuronowe
•• Metody wnioskowaniaMetody wnioskowania
–– Algorytm ID3 (Algorytm ID3 (QuinlanQuinlan), C4.5), C4.5
–– AnalogiaAnalogia
–– DopasowanieDopasowanie
–– Uogólnienie i specyfikacjaUogólnienie i specyfikacja
•• Pierwsze zastosowaniaPierwsze zastosowania
–– METAMETA--DENDRALDENDRAL
–– TEREZJASZ (współpraca z systemem eksperckim MYCIN)TEREZJASZ (współpraca z systemem eksperckim MYCIN)
•• Zastosowania współczesneZastosowania współczesne
–– Systemy oparte na bazach wiedzy (Systemy oparte na bazach wiedzy (systsyst. eksperckie, . eksperckie, systsyst. doradcze, robotyka). doradcze, robotyka)
–– Eksploracja i odkrywanie wiedzy z duŜych bazach danychEksploracja i odkrywanie wiedzy z duŜych bazach danych
1212
©©AMAM
Automatyczne (maszynowe) uczenie sięAutomatyczne (maszynowe) uczenie się
•• Uczenie sięUczenie się to konstruowanie i zmiana reprezentacji to konstruowanie i zmiana reprezentacji
doświadczonych faktów [R.Michalski, 1986].doświadczonych faktów [R.Michalski, 1986].
•• Uczenie sięUczenie się to wykorzystywanie doświadczeń z przeszłości to wykorzystywanie doświadczeń z przeszłości
w celu doskonalenia działania w bieŜącym stanie i w celu doskonalenia działania w bieŜącym stanie i
rozwiązywania aktualnych problemów [rozwiązywania aktualnych problemów [BolcBolc, 1992]., 1992].
•• Uczeniem sięUczeniem się systemu jest kaŜda autonomiczna zmiana w systemu jest kaŜda autonomiczna zmiana w
systemie zachodząca na podstawie doświadczeń, która systemie zachodząca na podstawie doświadczeń, która
prowadzi do poprawy jakości jego działania [Cichosz, prowadzi do poprawy jakości jego działania [Cichosz,
2000].2000].
©©AMAM
Automatyczne (maszynowe) uczenie sięAutomatyczne (maszynowe) uczenie się
Kryteria podziału systemów uczących się:Kryteria podziału systemów uczących się:
•• forma reprezentacji wiedzyforma reprezentacji wiedzy
•• sposób wykorzystywania wiedzysposób wykorzystywania wiedzy
•• źródło postać informacji trenującejźródło postać informacji trenującej
•• mechanizm nabywania i doskonalenia wiedzymechanizm nabywania i doskonalenia wiedzy
1313
©©AMAM
Automatyczne (maszynowe) uczenie sięAutomatyczne (maszynowe) uczenie się
Podział systemów uczących się ze względu na Podział systemów uczących się ze względu na formę formę
reprezentacji wiedzyreprezentacji wiedzy::
•• systemy subsymboliczne,systemy subsymboliczne,
•• systemy symboliczne.systemy symboliczne.
Podział systemów uczących się ze względu na Podział systemów uczących się ze względu na postać postać
informacji trenującejinformacji trenującej::
•• uczenie się bez nadzoru (ang. uczenie się bez nadzoru (ang. unsupervisedunsupervised learninglearning),),
•• uczenie się z nadzorem (ang. uczenie się z nadzorem (ang. supervisedsupervised learninglearning),),
•• uczenie się ze wzmocnieniem (ang. uczenie się ze wzmocnieniem (ang. reinforcementreinforcement learninglearning))
©©AMAM
Automatyczne (maszynowe) uczenie sięAutomatyczne (maszynowe) uczenie się
Podział systemów uczących się ze względu na Podział systemów uczących się ze względu na sposóbsposób
wykorzystywania wiedzywykorzystywania wiedzy::
•• klasyfikacja,klasyfikacja,
•• aproksymacja,aproksymacja,
•• podejmowanie decyzji,podejmowanie decyzji,
•• modelowanie środowiska.modelowanie środowiska.
1414
©©AMAM
Automatyczne (maszynowe) uczenie sięAutomatyczne (maszynowe) uczenie się
Podział systemów uczących się ze względu na Podział systemów uczących się ze względu na mechanizmmechanizm
nabywania wiedzynabywania wiedzy::
•• na podstawie instrukcji (ang. na podstawie instrukcji (ang. fromfrom instructioninstruction, by , by beingbeing toldtold),),
•• przez analogię (ang. by przez analogię (ang. by analogyanalogy),),
•• przez indukcję (ang. przez indukcję (ang. inductiveinductive learninglearning),),
–– na przykładach (ang. na przykładach (ang. fromfrom examplesexamples),),
–– przez obserwację i odkrywanie (ang. przez obserwację i odkrywanie (ang. fromfrom observationobservation andand discoverydiscovery),),
•• przez dedukcję (ang. by przez dedukcję (ang. by deductiondeduction),),
•• przez wyjaśnianie (ang. przez wyjaśnianie (ang. explanationexplanation--basedbased learninglearning).).
©©AMAM
Planowanie działań i robotykaPlanowanie działań i robotyka
•• Reprezentacja wiedzyReprezentacja wiedzy
–– Logika predykatówLogika predykatów
–– Lista operatorów (akcji)Lista operatorów (akcji)
–– Tablica trójkątna (ang. triangle Tablica trójkątna (ang. triangle
tabletable))
–– MakrooperatoryMakrooperatory
•• Metody wnioskowaniaMetody wnioskowania
–– Strategia „Strategia „leastleast--commitmentcommitment””
–– MeansMeans--EndsEnds AnalysisAnalysis
–– Procedura regresji operatorówProcedura regresji operatorów
–– Przeszukiwanie „wzdłuŜ” (ang. Przeszukiwanie „wzdłuŜ” (ang.
lengthlength--firstfirst searchsearch))
•• Pierwsze zastosowaniaPierwsze zastosowania
–– STRIPS (Fikes’71)STRIPS (Fikes’71)
–– ABSTRIPS (Sacerdoti’74)ABSTRIPS (Sacerdoti’74)
–– NONLIN (Nilsson’80)NONLIN (Nilsson’80)
–– NOAH (Sacerdoti’75NOAH (Sacerdoti’75--77)77)
•• Dziedziny współczesnych zastosowańDziedziny współczesnych zastosowań
–– Systemy planowania podróŜySystemy planowania podróŜy
–– Automatyczne linie produkcyjneAutomatyczne linie produkcyjne
–– Sterowanie robotówSterowanie robotów
–– Szeregowanie procesów produkcjiSzeregowanie procesów produkcji
1515
©©AMAM
Planowanie działań i robotyka c.d.Planowanie działań i robotyka c.d.
PlanowaniePlanowanie to jest techniką rozwiązywania problemów z dziedziny to jest techniką rozwiązywania problemów z dziedziny
AI, polegającą na określeniu ciągu akcji (operacji) jakie naleŜyAI, polegającą na określeniu ciągu akcji (operacji) jakie naleŜy
podjąć, aby przejść z zadanego stanu początkowego do stanu podjąć, aby przejść z zadanego stanu początkowego do stanu
końcowego będącego celem.końcowego będącego celem.
SystemSystem
PlanowaniaPlanowania
DziałańDziałań
Stan początkowyStan początkowy
SSii
Stan końcowyStan końcowy
SSgg
Zbiór operatorówZbiór operatorów
{{OOii}}
P l a nP l a n
©©AMAM
Planowanie działań i robotyka c.d.Planowanie działań i robotyka c.d.
•• Charakterystyka problemów planowaniaCharakterystyka problemów planowania
–– Bardzo złoŜona reprezentacja stanu problemuBardzo złoŜona reprezentacja stanu problemu
–– Niepewność i niepełność informacjiNiepewność i niepełność informacji
–– Przestrzeń przeszukiwań o znacznym rozmiarzePrzestrzeń przeszukiwań o znacznym rozmiarze
–– Występowanie konfliktów w trakcie przeszukiwania na Występowanie konfliktów w trakcie przeszukiwania na
skutek niejawnych interakcji pomiędzy operatorami/akcjamiskutek niejawnych interakcji pomiędzy operatorami/akcjami
•• Wykorzystywane metodyWykorzystywane metody
–– Dekompozycja problemu (częściowa lub całkowita)Dekompozycja problemu (częściowa lub całkowita)
–– Planowanie nieliniowePlanowanie nieliniowe
–– Planowanie hierarchicznePlanowanie hierarchiczne
–– Strategia „Strategia „leastleast--commitmentcommitment””
1616
©©AMAM
Przetwarzanie języka naturalnegoPrzetwarzanie języka naturalnego
•• Reprezentacja wiedzyReprezentacja wiedzy
–– Sieci semantyczneSieci semantyczne
–– Ramy, scenariusze, skojarzeniaRamy, scenariusze, skojarzenia
•• Metody wnioskowaniaMetody wnioskowania
–– Przeszukiwanie przekrojowe, ukierunkowane sieciPrzeszukiwanie przekrojowe, ukierunkowane sieci
•• Pierwsze zastosowaniaPierwsze zastosowania
–– ELIZA (Weizenbaum’66) ELIZA (Weizenbaum’66) -- psycholog terapeutapsycholog terapeuta
–– PARRY (Colby’75) PARRY (Colby’75) -- model paranoikamodel paranoika
–– STUDENT (Bobrow’86) STUDENT (Bobrow’86) -- znaczenie pojedynczych słówznaczenie pojedynczych słów
–– SHRDLU (Winogad’73) SHRDLU (Winogad’73) -- rozmowy o świecie klockówrozmowy o świecie klocków
•• Dziedziny współczesnych zastosowańDziedziny współczesnych zastosowań
–– Rozpoznawanie mowy (częściowe) i pisma oraz ich translacjaRozpoznawanie mowy (częściowe) i pisma oraz ich translacja
–– RobotykaRobotyka
–– SterowanieSterowanie
©©AMAM
Przetwarzanie języka naturalnegoPrzetwarzanie języka naturalnego
Podstawowy problem:Podstawowy problem:
Zgromadzenie i zorganizowanie wiedzy kontekstowej Zgromadzenie i zorganizowanie wiedzy kontekstowej
(powszechnie dostępnej i potocznej!) w taki sposób, aby (powszechnie dostępnej i potocznej!) w taki sposób, aby
mogła zostać uŜyta do automatycznego rozumienia języka mogła zostać uŜyta do automatycznego rozumienia języka
naturalnego.naturalnego.
Poziomy przetwarzania języka naturalnego:Poziomy przetwarzania języka naturalnego:
•• sygnałowy,sygnałowy,
•• fonetyczny,fonetyczny,
•• fonematyczny,fonematyczny,
•• sylabiczny,sylabiczny,
•• frazeologiczny,frazeologiczny,
•• syntaktyczny,syntaktyczny,
•• semantyczny,semantyczny,
•• pragmatyczny.pragmatyczny.
1717
©©AMAM
Rozpoznawanie obrazówRozpoznawanie obrazów
•• Reprezentacja wiedzyReprezentacja wiedzy
–– Rastrowa, dyskretyzacjaRastrowa, dyskretyzacja
–– Opis kształtu, wektorowaOpis kształtu, wektorowa
•• Metody wnioskowaniaMetody wnioskowania
–– Wygładzanie, generacja otoczkiWygładzanie, generacja otoczki
–– Segmentacja, Segmentacja, triangularyzacjatriangularyzacja
•• Pierwsze zastosowaniaPierwsze zastosowania
–– Kontrola jakości wyrobów w ESP (Kontrola jakości wyrobów w ESP (RobotikerRobotiker, Portugalia), Portugalia)
–– ZAPP ZAPP -- ocena tusz wieprzowychocena tusz wieprzowych
•• Dziedziny współczesnych zastosowańDziedziny współczesnych zastosowań
–– Robotyka, zautomatyzowana produkcjaRobotyka, zautomatyzowana produkcja
–– Diagnostyka medyczna (obrazowa)Diagnostyka medyczna (obrazowa)
–– Nawigacja, kryminalistykaNawigacja, kryminalistyka
©©AMAM
Podstawowe zagadnienia dotyczące budowy Podstawowe zagadnienia dotyczące budowy
systemów sztucznej inteligencjisystemów sztucznej inteligencji
ReprezentacjaReprezentacja wiedzy jest to sposób przedstawienia wiedzy jest to sposób przedstawienia
całego zakresu wiedzy niezbędnej dla inteligentnego całego zakresu wiedzy niezbędnej dla inteligentnego
zachowania w formalnym języku, to znaczy takim, którym zachowania w formalnym języku, to znaczy takim, którym
moŜe posługiwać się komputer.moŜe posługiwać się komputer.
PrzeszukiwaniePrzeszukiwanie jest techniką rozwiązywania problemów, jest techniką rozwiązywania problemów,
polegającą na systematycznej eksploracji przestrzeni polegającą na systematycznej eksploracji przestrzeni
stanów (hipotez rozwiązania) problemu, to znaczy analizie stanów (hipotez rozwiązania) problemu, to znaczy analizie
wszystkich kolejnych i alternatywnych (równoległych) wszystkich kolejnych i alternatywnych (równoległych)
kroków pojawiających się w procesie rozwiązywania kroków pojawiających się w procesie rozwiązywania
problemu.problemu.
1818
©©AMAM
KognitywizmKognitywizm a a konekcjonizmkonekcjonizm w sztucznej w sztucznej
inteligencjiinteligencji
KognitywizmKognitywizm
Opis i modelowanie procesów poznawczych jest Opis i modelowanie procesów poznawczych jest
moŜliwy na poziomie symbolicznym (paradygmat von moŜliwy na poziomie symbolicznym (paradygmat von
Neumanna).Neumanna).
KonekcjonizmKonekcjonizm
Opis i modelowanie procesów poznawczych za Opis i modelowanie procesów poznawczych za
pomocą duŜej liczby maksymalnie uproszczonych pomocą duŜej liczby maksymalnie uproszczonych
jednostek przetwarzających, połączonych w jednostek przetwarzających, połączonych w
skomplikowane sieci i realizujących przetwarzanie skomplikowane sieci i realizujących przetwarzanie
subsymboliczne (przetwarzanie rozproszone i subsymboliczne (przetwarzanie rozproszone i
równoległe).równoległe).
©©AMAM
KognitywizmKognitywizm w sztucznej inteligencjiw sztucznej inteligencji
FizycznyFizyczny system symboli system symboli to zbiór elementów to zbiór elementów
zwanych symbolami, będących fizycznymi wzorcami, zwanych symbolami, będących fizycznymi wzorcami,
które mogą występować jako składniki elementów które mogą występować jako składniki elementów
innego typu zwanych wyraŜeniami (lub strukturami innego typu zwanych wyraŜeniami (lub strukturami
symbolicznymi).symbolicznymi).
Hipoteza Fizycznego Systemu SymboliHipoteza Fizycznego Systemu Symboli
Fizyczny system symboli ma niezbędne i wystarczające środki Fizyczny system symboli ma niezbędne i wystarczające środki
do wygenerowania inteligentnego działania (do wygenerowania inteligentnego działania (NewellNewell, Simon’76)., Simon’76).
1919
©©AMAM
LiteraturaLiteratura
1. 1. CharniakCharniak, D. , D. McDermottMcDermott, , IntroductionIntroduction to to ArtificialArtificial
IntelligenceIntelligence, , AddisonAddison WesleyWesley, 1985., 1985.
2. G.F. 2. G.F. LuggerLugger, W.A. , W.A. StubblefieldStubblefield, , ArtificialArtificial IntelligenceIntelligence
andand thethe Design Design ofof ExpertExpert SystemsSystems, , TheThe
Benjamin/Benjamin/CummingsCummings PublPubl. . CompComp. . IncInc., 1989.., 1989.
3. E. 3. E. RichRich, , ArtificialArtificial IntelligenceIntelligence, , McGrawMcGraw HillHill, 1983., 1983.
4. E. 4. E. RichRich, , KnightKnight, , ArtificialArtificial IntelligenceIntelligence, , McGrawMcGraw HillHill, ,
1991.1991.
5. S. J. Russell, P. 5. S. J. Russell, P. NorvigNorvig, , ArtificialArtificial IntelligenceIntelligence. A . A
Modern Modern ApproachApproach. . PrenticePrentice Hall, Hall, UpperUpper SaddleSaddle RiverRiver, ,
New New YerseyYersey, 1994., 1994.