2009 10 13 Wstęp do SI [w 01]id 26833 ppt

background image

Wstep do AI

1. Wprowadzenie do AI

Witold Kosiński

wkos@ukw.edu.pl

background image

Podejmowanie decyzji

Zagadnienia określane wspólną

nazwą „sztuczna inteligencja”
(AI), np.:

• sterowanie urządzeniami i

pojazdami

• podejmowanie decyzji

gospodarczych i finansowych

• diagnozy medyczne
• rozumienie języka naturalnego

(np. tłumaczenia)

• analiza obrazu i dźwięku

background image

ZAGADNIENIA AI

• Stworzenie maszyn o

inteligencji dorównującej
(przewyższającej) ludzką.

• Stworzenie maszyn

(algorytmów)
przejawiających tylko wąski
aspekt inteligencji (grających
w szachy, rozpoznających
obrazy, czy tworzących
streszczenia tekstu).

background image

Pewne definicje inteligencji z 1921, Journal of

Educational Psychology

• “

The ability to carry on abstract

thinking” (L. M. Terman)

“Having learned or ability to

learn to adjust oneself to the

environment” (S. S. Colvin)

“The ability to adapt oneself

adequately to relatively new

situations in life” (R. Pintner)

“A biological mechanism by

which the effects of a complexity

of stimuli are brought together

and given a somewhat unified

effect in behavior” (J. Peterson)

“The capacity to acquire

capacity” (W. Woodrow)

“The capacity to learn or to

profit by experience”

(W. F. Dearborn)

background image

SZTUCZNA

INTELIGENCJA

(ARTIFICIAL

INTELLIGENCE)

• Nauka o maszynach

realizujących zadania, które
wymagają inteligencji
wówczas, gdy są
wykonywane przez
człowieka.

Wiele różnych, często sprzecznych definicji.

background image

SZTUCZNA

INTELIGENCJA

(ARTIFICIAL

INTELLIGENCE)

• Maszyna jest

inteligentna, jeżeli
znajdujący się w
drugim
pomieszczeniu
obserwator nie
zdoła odróżnić jej
odpowiedzi od
odpowiedzi
człowieka.

Test
Turinga

background image

SZTUCZNA

INTELIGENCJA

(ARTIFICIAL

INTELLIGENCE)

Nauka o tym, w jakich
inteligentnych czynnościach
człowieka można obyć się bez
inteligencji.

Dział informatyki, którego
przedmiotem jest badanie reguł
rządzących inteligentnymi
zachowaniami człowieka,
tworzenie modeli formalnych
tych zachowań i - w rezultacie -
programów komputerowych
symulujących te zachowania.

background image

SZTUCZNA INTELIGENCJA

A INTELIGENCJA OBLICZENIOWA

Dział informatyki zajmujący

się problemami:

• trudnymi do modelowania

i rozwiązywania w sposób
ścisły, analityczny,

• niealgorytmizowalnymi,
• obliczalnymi, ale

nieefektywnie,

• algorytmizowalne, ale

wymagają użycia innych
niż klasyczne metod .

background image

INTELIGENCJA OBLICZENIOWA

Metody rozwiązywania takich

trudnych problemów dostarcza
rozwijany przez matematyków i
informatyków nowy kierunek
badań zwany

inteligencją

obliczeniową

. Jej rozwój datuje

się od lat 60-tych ubiegłego
wieku.

background image

• 1.Adaptacja
• 2.Korzystanie z doświadczenia
• 3.Korzystanie z wiedzy
• 4.Wyciąganie wniosków
• 5.Abstrakcyjne myślenie
• 6.Poczucie humoru
• 7.Samoświadomość
• 8. Zdolność planowania
• 9.Zdolność przewidywania
• 10. Selekcja informacji
• 11.Zdolność komunikacji
• 12.Uczenie się
• 13.Dokonywanie wyboru

Może być ciekawe wybrać te własności, które są wspólne

z inteligencją maszynową - sztuczną.

Własności charakteryzujące inteligencję
ludzką

background image

Test IQ

Wstawić następny z zestawu A -F

background image

HISTORIA AI - SZACHY

• ok. 1948 – pierwsze programy szachowe

• 1951 – A. Turing:

Nikt nie jest w stanie

ułożyć programu lepszego od własnego

poziomu gry

.

• 1967 – pierwsze zwycięstwo komputera nad

„profesjonalnym” szachistą podczas turnieju

• 1977 – pierwsze zwycięstwo nad mistrzem

klasy międzynarodowej (jedna partia w

symultanie)

• 1997 – Deep Blue wygrywa pełny mecz z

Kasparowem

(specjalny superkomputer 418-

procesorowy; wynik 3,5:2,5)

• 2003 – Deep Junior remisuje z Kasparowem

mecz na warunkach przez niego określonych

(8 zwykłych procesorów Intela 1,6 GHz; wynik 3:3)

background image

CO OKAZAŁO SIĘ TRUDNE,

A CO ŁATWE

Łatwe: zadania, do których
wystarcza moc obliczeniowa
(proste gry, np. warcaby) lub
zapamiętanie wielu przykładów.

Trudne: np. analiza języka
naturalnego, bardziej skomplikowane
gry (go), analiza obrazu.

background image

Wykorzystywane techniki

i modele

• Sieci neuronowe
• Wnioskowanie, indukcja

reguł

• Algorytmy ewolucyjne
• Systemy wieloagentowe

(współpraca )

• Automaty komórkowe
• Metody przeszukiwania

możliwych rozwiązań i ich

optymalizacji...

background image

CO OKAZAŁO SIĘ TRUDNE,

A CO ŁATWE

1961

background image

Przykład zagadnienia

praktycznego

• Znaleźć, odczytać

i zapamiętać
numer
rejestracyjny
samochodu na
podstawie
zdjęcia:

logoUKW .gif.lnk

background image

Odczytywanie tablic

rejestracyjnych (1)

Oryginalne zdjęcie

Usunięcie zbędnych szczegółów

Lokalizacja napisów

background image

Odczytywanie tablic

rejestracyjnych (2)

Wyselekcjonowany obszar

Lokalizacja znaków

Rozpoznawanie znaków:
- znajdowanie istotnych
cech liczbowych
- klasyfikacja na
podstawie cech
(systemy uczące się)

background image

>

classifier

< Marks

>

classifier

< not

Marks

>

classifier

< not

Marks

>

classifier

< not

Marks

>

classifier

< Marks

>

classifier

< not

Marks

Rozpoznawanie twarzy

(nauka)

background image

Rozpoznawanie twarzy

> Classifier >

Marks

UWAGA: TEN OBRAZ

NIE NALEŻAŁ DO

PRÓBKI

TRENINGOWEJ!!!

background image
background image

PROGRAM WYKŁADU

• Sieci neuronowe: przegląd struktur oraz

zastosowań, metody uczenia, propagacja
wsteczna błędu

• Logika rozmyta i liczby rozmyte
• Problemy optymalizacji i przeszukiwania,

klasyfikacja danych

• Algorytmy genetyczne: operatory, zastosowania

do optymalizacji

• Automaty i systemy komórkowe i mrówkowe
• Metody hybrydowe

background image

KRYTERIA ZALICZANIA

Ćwiczenia:

– Punkty z rozwiązanych zadań/ ew.colloquia.
– Co najmniej jeden projekt programistyczny
– Inne, ustalone przez prowadzących zajęcia

Wykład:

– Dwa colloquia (nieobowiązkowe)
– Egzamin pisemny, jeden termin poprawkowy,

trzeba mieć wcześniej zaliczone ćwiczenia

– Ocena co najmniej na 4.0 z ćwiczeń i

zaliczone w punktach colloquia na wykładzie

zwalnia z egzaminu (można mieć

zaproponowaną ocenę)

– Brak możliwości „warunkowego” pisania egz.


Document Outline


Wyszukiwarka

Podobne podstrony:
2009 10 13 Wstep do SI [w 01]id Nieznany
2009-10-13 Wstęp do SI [w 01], Sztuczna inteligencja
2009-10-13 Wstęp do SI [w 02], Sztuczna inteligencja
2009 10 27 Wstep do SI [w 03 04 Nieznany
2009 10 27 Wstęp do SI [w 03 04]
2009 12 15 Wstęp do SI [w 11 12]id 26842 ppt
2009 12 01 Wstep do SI [w 09 10 Nieznany (2)
2009 10 13
Wstęp do pedagogiki, WSTĘP DO PEDAGOGIKI 15.10.2011, WSTĘP DO PEDAGOGIKI
28.10.11, Wstęp do teorii komunikacji
28.10.11, Wstęp do teorii komunikacji
hoff - 30.10 ćw, wstep do religioznawstwa
Wstęp do archeologii19 01
J Chadzynski Wstep do analizy zespolonej id
WstĂŞp do Filozofii wykÂł.III - 20.10.2010, Wstęp do filozofii

więcej podobnych podstron