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


–– Reguła odrywania (modus ponens)Reguła odrywania (modus ponens)

–– Unifikacja (uzgadnianie)Unifikacja (uzgadnianie)

–– Rezolucja (strategie rezolucyjne)Rezolucja (strategie rezolucyjne)


–– 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


–– Reguły produkcjiReguły produkcji

–– RamyRamy


–– Cykl „Cykl „stimulusstimulus--responseresponse” („” („recognizerecognize--actact”)”)

–– Dopasowywanie wzorców (ang. Dopasowywanie wzorców (ang. patternpattern matchingmatching))

–– Sterowanie agendą zadańSterowanie agendą zadań


–– 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


–– Rolnictwo, przemysł, usługi, handelRolnictwo, przemysł, usługi, handel

–– Nauka, medycynaNauka, medycyna

–– WojskowośćWojskowość

©©AMAM

Automatyczne (maszynowe) uczenie sięAutomatyczne (maszynowe) uczenie się


–– Drzewa decyzyjne, drzewa probabilistyczneDrzewa decyzyjne, drzewa probabilistyczne

–– Reguły decyzyjne, sztuczne sieci neuronoweReguły decyzyjne, sztuczne sieci neuronowe


–– Algorytm ID3 (Algorytm ID3 (QuinlanQuinlan), C4.5), C4.5

–– AnalogiaAnalogia

–– DopasowanieDopasowanie

–– Uogólnienie i specyfikacjaUogólnienie i specyfikacja


–– 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


•• 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


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


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


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


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


–– Logika predykatówLogika predykatów

–– Lista operatorów (akcji)Lista operatorów (akcji)

–– Tablica trójkątna (ang. triangle Tablica trójkątna (ang. triangle

tabletable))

–– MakrooperatoryMakrooperatory


–– Strategia „Strategia „leastleast--commitmentcommitment””

–– MeansMeans--EndsEnds AnalysisAnalysis

–– Procedura regresji operatorówProcedura regresji operatorów

–– Przeszukiwanie „wzdłuŜ” (ang. Przeszukiwanie „wzdłuŜ” (ang.

lengthlength--firstfirst searchsearch))


–– 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)


–– 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


–– Sieci semantyczneSieci semantyczne

–– Ramy, scenariusze, skojarzeniaRamy, scenariusze, skojarzenia


–– Przeszukiwanie przekrojowe, ukierunkowane sieciPrzeszukiwanie przekrojowe, ukierunkowane sieci


–– 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


–– 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


–– Rastrowa, dyskretyzacjaRastrowa, dyskretyzacja

–– Opis kształtu, wektorowaOpis kształtu, wektorowa


–– Wygładzanie, generacja otoczkiWygładzanie, generacja otoczki

–– Segmentacja, Segmentacja, triangularyzacjatriangularyzacja


–– Kontrola jakości wyrobów w ESP (Kontrola jakości wyrobów w ESP (RobotikerRobotiker, Portugalia), Portugalia)

–– ZAPP ZAPP -- ocena tusz wieprzowychocena tusz wieprzowych


–– 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.

Wprowadzenie do Sztucznej Inteligencji

Documents

Transcript of Wprowadzenie do Sztucznej Inteligencji