Wprowadzenie do Sztucznej Inteligencjiusers.pja.edu.pl/~msyd/wyk-nai/intro1-pl.pdf ·...
Transcript of Wprowadzenie do Sztucznej Inteligencjiusers.pja.edu.pl/~msyd/wyk-nai/intro1-pl.pdf ·...
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Wprowadzenie do Sztucznej Inteligencji
(c) Marcin Sydow
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Sztuczna Inteligencja (AI - Artificial Intelligence)
Jednym z celów AI:
stworzenie maszyn, które potrafią myśleć.
(temat obecny w kulturze długo przed powstaniemkomputerów: Talos (stworzony przez Hefajstosa z brązu strażnikKrety), Golem, etc., “Cyberiada” i “Bajki robotów” StanisławaLema, etc.)
Dzisiaj: AI to szybko rozwijająca się dziedzina o wielupraktycznych zastosowaniach i tematach badawczych(rozumienie tekstu, mowy, obrazu; rozpoznawanie obiektów;wspomaganie decyzji; diagnostyka medyczna; prognozy, etc.)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Plan kursu
WprowadzenieElementy uczenia maszynowego
Podstawy uczenia maszynowego: taksonomiaPerceptron i podstawy sieci neuronowychProblem reprezentacji wiedzyProblem przetrenowania i ewaluacjiNaiwny klasyfikator Bayesa i inne klasyfikatory i regresoryGrupowanie
Elementy optymalizacji dyskretnejdyskretne problemy optymalizacyjnemetoda brute-forcepodejście zachłanneprzeszukiwanie lokalne (HC, SA, etc.)inne podejścia (np. algorytm genetyczny, etc.)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)
rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemów
adaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)
wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)
percepcja (widzenie, słyszenie)wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)
wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)wiedza (reprezentacja)
uogólnianie (zaobserwowanych przykładów)komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)
komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)komunikacja (język)
planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jakie są cechy inteligencji?
uczenie się (na przykładach)rozwiązywanie złożonych problemówadaptacja (do zmiennych warunków)wnioskowanie (na podstawie wiedzy i reguł)percepcja (widzenie, słyszenie)wiedza (reprezentacja)uogólnianie (zaobserwowanych przykładów)komunikacja (język)planowanie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Pełne spektrum: (zmysły-myślenie-działanie)
percepcja (sztuczne “zmysły”: systemy “widzące”, rozpoznawaniemowy i pisma, etc.)
wiedza (reprezentacja wiedzy: reguły, tabele decyzyjne, drzewadecyzyjne, ontologie)
“rozumowanie” (logika, automatyczne wyciąganie wniosków,dowodzenie twierdzeń)
uczenie się uczenie maszynowe: (ang. machine learning (ML)): znadzorem (klasyfikacja, regresja), bez nadzoru (np. grupowanie))
komunikacja przetwarzanie języka naturalnego (natural languageprocessing (NLP)): inteligentne wyszukiwanie informacji tekstowej,text mining, odpowiadanie na zapytania, tłumaczenie maszynowe,automatyczne zdobywanie wiedzy
planowanie i rozwiązywanie zadań (przeszukiwanie, heurystyki,systemy wielo-agentowe, ewolucyjne, etc.)
mobilność and manipulacja obiektami fizycznymi, ruch (robotyka)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Uczenie Maszynowe
Stanowi rozwiązanie dla tych intuicyjnych problemów, polega nasprawieniu by komputery:
uczyły się na przykładachstosowały do “rozumienia” świata hierarchię pojęćdefiniowalnych w relacji do innych pojęć
Podejście takie pozwala uniknąć problemu dokładnegospecyfikowania wiedzy.
Termin “głębokie uczenie maszynowe” (ang. deep learning)można rozumieć w uproszczeniu jako ten rodzaj uczeniamaszynowego, gdzie hierarchia pojęć dziedziny jest “głęboka”(tzn. ma wiele warstw abstrakcji).
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Interdyscyplinarność
Bardzo interdyscyplinarna:informatykamatematykalingwistykafilozofia(neuro)psychologiarobotykabiologia
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Narzędzia
logikarachunek prawdopodobieństwaoptymalizacjaekonomia i teoria gier
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Inne aspekty:
filozoficzny (Czy maszyna może “naprawdę” myśleć? itp.)teoretyczny (ograniczenia wynikające np. z twierdzeniaGoedel’a)etyczny (Czy rozwój AI niesie tylko pożytek człowiekowi?Czy może robić krzywdę? Czy może być szkodliwa dlaludzkości? A może już tak częściowo jest?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
HistoriaPodziały ze względu na:
stosowane podejścia i narzędziarozwiązywane problemy, zastosowania
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Strategie podejścia do AI
1 symboliczne (np. logika, reprezentacja)2 obliczeniowe (np. przeszukiwanie przestrzeni możliwych
rozwiązań)3 statystyczne (dane, Data Science, statystyka i
prawdopodobieństwo)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Przyklady zadań rozwiązywanych przez AI
przewidywanie pogodygrupowanie podobnych obiektówrozpoznawanie komend głosowychwczesne wykrywanie raka w badaniu diagnostycznymidentyfikacja twarzy na fotografii (lub wideo)wyjście z labiryntuułożenie prostej układanki (albo np. kostki Rubika)gra w szachy lub inna gręrozumienie języka, tłumaczenie, streszczanie, etc.autonomiczny robot wykonujący misję badawczą na Marsie
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Jak sprawdzać czy maszyna/algorytm jestinteligentny?
Przykłady:czy potrafi grać i wygrać w grę (np. warcaby, szachy)czy potrafi szybko rozwiązać złożoną łamigłówkęczy potrafi przewidzieć pogodę obserwując warunkiatmosferyczneczy potrafi rozpoznać człowieka po twarzy, lub jegoemocje, etc.?czy potrafi przebyć samodzielnie pewien dystans wprzestrzeni (pustynia, miasto?)czy potrafi udowodnić twierdzenie matematyczne?
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Test Turinga
Jednym z uznanych “testów” jest tzw. Test Turinga
A i B komunikują się w języku naturalnym (tekst)jeden z nich to człowiekdrugi to maszyna udająca człowiekaC obserwuje komunikacjęczy C potrafi rozróżnić człowieka od maszyny?
(oczywiście Test Turinga dotyczy tylko niektórych aspektów inteligencji)
żaden system nie przeszedł testu Turinga (jak dotąd)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Silna i słaba AI
słaba AI (wąskie aspekty, konkretne wybrane problemypraktyczne)
zdolność do rozwiązywania wąskich, specyficznychproblemówadaptacyjnośćuczeniereprezentacja wiedzy z pewnej dziedzinywnioskowanie
silna AI (inteligencja “uniwersalna”)powyższe, oraz:
świadomośćkreatywnośćauto-refleksja (nt. własnych ograniczeń, itp.)ewolucja
Silna AI jest wciąż raczej mrzonką...(i można zapytać jaki byłby cel tworzenia “silnej AI”)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poczatki AI
W poczatkowej fazie AI rozwiązywała problemy trudne dlaczłowieka, ale naturalne dla komputera: np. gra w szachy i innegry o prostych regułach, etc.
Problemy takie można opisać za pomocą niedużego zbioruformalnych/matematycznych reguł.
Prawdziwym wyzwaniem dla AI okazały się problemyintuicyjne/łatwe dla ludzi, ale trudne do ścisłego/formalnegoopisu (np. rozpoznawanie twarzy, mowy, obrazów, etc.)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Początki współczesnej AI
m.in. Alan Turing:teoria obliczeńmaszyna Turinga (programowalna maszyna zdolna douniwersalnych obliczeń manipulująca bitami: 0 i 1)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Początki AI
1956: Konferencja w Darthmouth College, m.in.: JohnMcCarthy, Marvin Minsky, Allen Newell, Arthur Samuel, andHerbert Simon...Zaczęto pisać programy które:
wygrywały w warcabysame udowadniały twierdzenia matematycznekomunikowały się po angielsku (pisemnie)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Historia
1958 perceptron (Rosenblatt)1960-te: DARPA, duże finansowanie1969 Minsky, publikacja "Perceptrons" (odkryto poważneograniczenia...)1970-te: “ochłodzenie” (“AI winter”)1980-te: “odrodzenie” systemy ekspertowe (wspomaganiedecyzji, wiedza ekspercka), backpropagation, sieciHopfielda1990-te: eksploracja danych, “inteligentna” diagnostykamedyczna
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Lub nieco inaczej
prehistoria (przed 1960 - pierwsze “nowoczesne”komputery)romantyzm (60-65) - optymistyczna wiara, że sztucznainteligencja dorówna ludzkiej w 10 lat...ciemność (65-70) - pesymizmrenesans (70-75) - powstają pierwsze praktyczne systemyeksperckiewspółpraca (75-80) - badania interdyscyplinarne: naukiścisłe, przyrodnicze, humanistyczne; środowiskaakademickie i przemysłowekomercjalizacja (80-)Ponowny renesans (głębokie uczenie, etc.) (2000-)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Niektóre spektakularne sukcesy AI
97 deep blue (wygrany pojedynek w szachy zarcymistrzem!)2005 DARPA grand challenge (131 mil pustyni!)2007 DARPA urban challenge (55 mil w mieście,rozpoznając znaki, przechodniów i ruch uliczny!)2011 system “IBM Watson” wygrywa z ludźmi na wizjitele-turniej “Jeopardy!”...
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Niektóre spektakularne sukcesy AI
97 deep blue (wygrany pojedynek w szachy zarcymistrzem!)
2005 DARPA grand challenge (131 mil pustyni!)2007 DARPA urban challenge (55 mil w mieście,rozpoznając znaki, przechodniów i ruch uliczny!)2011 system “IBM Watson” wygrywa z ludźmi na wizjitele-turniej “Jeopardy!”...
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Niektóre spektakularne sukcesy AI
97 deep blue (wygrany pojedynek w szachy zarcymistrzem!)2005 DARPA grand challenge (131 mil pustyni!)
2007 DARPA urban challenge (55 mil w mieście,rozpoznając znaki, przechodniów i ruch uliczny!)2011 system “IBM Watson” wygrywa z ludźmi na wizjitele-turniej “Jeopardy!”...
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Niektóre spektakularne sukcesy AI
97 deep blue (wygrany pojedynek w szachy zarcymistrzem!)2005 DARPA grand challenge (131 mil pustyni!)2007 DARPA urban challenge (55 mil w mieście,rozpoznając znaki, przechodniów i ruch uliczny!)
2011 system “IBM Watson” wygrywa z ludźmi na wizjitele-turniej “Jeopardy!”...
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Niektóre spektakularne sukcesy AI
97 deep blue (wygrany pojedynek w szachy zarcymistrzem!)2005 DARPA grand challenge (131 mil pustyni!)2007 DARPA urban challenge (55 mil w mieście,rozpoznając znaki, przechodniów i ruch uliczny!)2011 system “IBM Watson” wygrywa z ludźmi na wizjitele-turniej “Jeopardy!”...
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWWgryinteligentne samochodyinteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfony
wszechobecne kamery monitoringuwyszukiwarki WWWgryinteligentne samochodyinteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringu
wyszukiwarki WWWgryinteligentne samochodyinteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWW
gryinteligentne samochodyinteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWWgry
inteligentne samochodyinteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWWgryinteligentne samochody
inteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWWgryinteligentne samochodyinteligentne budynki
inteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWWgryinteligentne samochodyinteligentne budynkiinteligentne miasta
inteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWWgryinteligentne samochodyinteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWWgryinteligentne samochodyinteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?
Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Poza tym...
smartfonywszechobecne kamery monitoringuwyszukiwarki WWWgryinteligentne samochodyinteligentne budynkiinteligentne miastainteligentne przedmioty (internet of things)
gdzie jest kres tego procesu ?Czy proces niekontrolowanego rozwoju AI jest koniecznie dobrydla nas?)
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Literatura (przykłady)
Ogólnie o AI :G. Luger “Artificial Intelligence”
Sieci neuronowe, systemy ekspertowe, algorytmy genetyczne :M. Negnevitsky “Artificial Intelligence”
Uczenie maszynowe :P. Cichosz “Systemy Uczące się”Witten et al. “Data Mining”
NP-zupełność:Cormen et al. “Introduction to algorithms”
Optimisation :C.Papadimitriou “Combinatorial Optimisation”
Complexity:C.Papadimitriou “Complexity Theory”
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia
Przykładowe pytania kontrolne:
wymienić aspekty inteligencjitest Turingasilna AI/słaba AIelementy historiizastosowania współczesne AIpozytywne i negatywne aspekty rozwoju AI dla człowieka
Wprowadzeniedo SztucznejInteligencji
(c) MarcinSydow
Wstęp
Ewaluacja
Historia Dziękuję za uwagę.