1. Paradoks więźnia

•

Dylemat więźnia - problem w teorii gier. Jest oparty na dwuosobowej grze o niezerowej

sumie, w której każdy z graczy może zyskad zdradzając przeciwnika, ale obaj stracą jeśli obaj będą
zdradzad. Dylemat ten jest więc niekooperacyjną (o częściowym konflikcie) grą o sumie niezerowej,
ponieważ strategia konfliktu przeważa nad strategią pokojową: najwięcej można zyskad zdradzając, a
najwięcej stracid idąc na współpracę

Dwóch podejrzanych zostało zatrzymanych przez policję. Policja, nie mając wystarczających dowodów
do postawienia zarzutów, rozdziela więźniów i przedstawia każdemu z nich tę samą ofertę: jeśli
będzie zeznawad przeciwko drugiemu, a drugi będzie milczed, to zeznający wyjdzie na wolnośd, a
milczący dostanie dziesięcioletni wyrok. Jeśli obaj będą milczed, obaj odsiedzą 6 miesięcy za inne
przewinienia. Jeśli obaj będą zeznawad, obaj dostaną pięcioletnie wyroki. Każdy z nich musi podjąd
decyzję niezależnie i żaden nie dowie się czy drugi milczy czy zeznaje, aż do momentu wydania
wyroku. Jak powinni postąpid?

2. Modus tollens (modus tollendo tollens, łac. sposób zaprzeczający przy pomocy zaprzeczenia)

– wnioskowanie logiczne, reguła logiki mówiąca, że jeśli zaakceptujemy, że z X wynika Y oraz
że Y jest fałszywe, to musimy zaakceptowad też fałszywośd X.

Zastosowania: Jeżeli nie ma śladów uderzeo na zwłokach, a przy tym gdyby zmarły był bity przed
śmiercią, to by były ślady uderzeo na zwłokach, tedy nieprawda, że zmarły był bity przed śmiercią.

Modus tollendo ponens (łac. sposób potwierdzający przez zaprzeczenie) – tautologia rachunku zdao i
analogiczny schemat wnioskowania dedukcyjnego.

Tautologia rachunku zdao mówi, że jeśli uznajemy alternatywę i fałszywośd jednego z jej członów,
musimy uznad prawdziwośd drugiego członu.

Przykład:

p lub q,

nie p.

Zatem: q.

3. Sztuczna inteligencja (AI=Artificial Intelligence) - dziedzina wiedzy, która postawiła sobie za

celi przedmiot badao maszyny, które potrafiłyby rozwiązywad zadania, przy zachowaniu
których człowiek korzysta ze swojej inteligencji.

4. Algorytm wspinaczki górskiej - Strategia lokalnego poinformowanego przeszukiwania

określana jest poglądowo zdaniem: „Wspinanie się na Mt. Everest w gęstej mgle będąc
dotkniętym amnezją” . „Wspinanie się” oznacza wybór najlepiej ocenionego węzła
następnika, „gęsta mgła” określa lokalny charakter skraju drzewa przeszukiwania, „amnezja”
oznacza brak pamiętania przeszłych akcji i wcześniej odwiedzanych węzłów. Implementacja
tej strategii nosi nazwę „przeszukiwanie przez wspinanie” (ang. hill climbing). Największym
problemem algorytmu są maxima lokalne.

5. Algorytm ewolucyjny - algorytm wzorowany na biologicznej ewolucji, stosowany do zadao

optymalizacyjnych i modelowania.

Algorytm genetyczny - Poszukiwanie rozwiązania optymalnego według algorytmu genetycznego
odbywa się poprzez odpowiednie przekształcanie zbioru elementów (osobników) za pomocą tzw.
operatorów genetycznych. Zbiór elementów (osobników) w danej chwili czasu nazywany jest
pokoleniem, zbiór ten przekształcony za pomocą operatorów genetycznych stanowi kolejne
pokolenie; przekształcenie takie wykonuje się n-razy. Elementy (osobnicy) przekształcanego zbioru
należą do przestrzeni zadania i są potencjalnymi rozwiązaniami. Każdy element (osobnik) zawiera
informację stanowiącą jego genotyp, który jest przepisem na utworzenie w wyniku oddziaływania
środowiska fenotypu, czyli zbioru cech, na podstawie których funkcja oceniająca (funkcja
przystosowania), określa przystosowanie osobnika. Celem algorytmu genetycznego jest
maksymalizacja funkcji przystosowania, tzn. rozwiązaniem optymalnym jest osobnik o największej
wartości funkcji przystosowania.

Algorytm genetyczny składa się z:

•

inicjalizacji populacji początkowej – proces losowy

•

oceny przystosowania osobników w populacji za pomocą funkcji oceniającej

•

selekcji - określa sposób wyłaniania z rozpatrywanej populacji zbioru rodziców, który

poddawany działaniu operacji genetycznych, daje zbiór dzieci.

•

sukcesji - wyznacza dla pokolenia rodziców i potomków nową populację bazową dla

kolejnego kroku algorytmu genetycznego.

•

krzyżowania – łączenie części chromosomów rodziców celem uzyskania nowego osobnika.

•

mutacji - losowej zmiany chromosomu w celu uzyskania nowego osobnika

Lub

Algorytm mrówkowy - zaproponowany przez Marco Dorigo, jest probabilistyczną techniką
rozwiązywania problemów poprzez szukanie dobrych dróg w grafach. Jest on zainspirowany
zachowaniem mrówek szukających pożywienia dla swojej kolonii.

W prawdziwym świecie, mrówki poruszają się w sposób losowy; gdy znajdują pożywienie, wracają do
swojej kolonii pozostawiając ślad składający się z feromonów. Gdy inna mrówka natknie się na ten
ślad, przestaje poruszad się w sposób losowy i podąża za śladem w kierunku pożywienia.

Jednak po pewnym czasie feromony wyparowują, a więc siła ich działania maleje. Im dłuższa jest
trasa od pożywienia do kolonii, tym więcej mają czasu feromony aby wyparowad. Krótsze trasy
jednak zapewniają, iż siła działania feromonów będzie większa. Parowanie feromonów jest efektem
pozytywnym, bowiem pozwala to na odnajdywanie optymalnej trasy do pożywienia. Gdyby feromony
nie wyparowywały, każda kolejna trasa miałaby taką samą siłę jak poprzednia, przez co nie
dochodziłoby do odnalezienia optymalnego rozwiązania problemu.

Zatem, gdy jedna mrówka odnajdzie dobrą (krótką) drogę, inne mrówki będą podążad tą właśnie
drogą również zostawiając feromony, a więc zwiększając ich natężenie. Ostatecznie wszystkie mrówki
będą poruszad się tą samą, najlepszą drogą, a pozostałe drogi zostaną zapomniane (wyparują)

6. System ekspertowy(diagnostyczny) – pojęcie z zakresu sztucznej inteligencji oznaczające

system komputerowy, który emuluje proces podejmowania decyzji przez człowieka-eksperta.
Systemy ekspertowe rozwiązują złożone problemy na podstawie analizy baz wiedzy, a nie
realizację prostego algorytmu jak to ma miejsce w przypadku programów tradycyjnych.

7. Składniki systemu ekspertowego to:



szkielet systemu składający się z:

 interfejsu użytkownika - który umożliwia zadawanie pytao, udzielanie informacji

systemowi oraz odbieranie od systemu odpowiedzi i wyjaśnieo

 edytora bazy wiedzy - który pozwala na modyfikację wiedzy zawartej w systemie,

umożliwiając tym samym jego rozbudowę

 mechanizmu wnioskowania - który jest głównym składnikiem systemu ekspertowego

wykonującym cały proces rozumowania w trakcie rozwiązywania problemu
postawionego przez użytkownika

 mechanizmu wyjaśniającego - jednego z elementów interfejsu pomiędzy systemem a

użytkownikiem, który umożliwia użytkownikowi uzyskanie odpowiedzi dlaczego
system udzielił takiej, a nie innej odpowiedzi, albo dlaczego system zadał
użytkownikowi określone pytanie



baza wiedzy - jest to deklaratywna postad wiedzy ekspertów z danej dziedziny
zapisana za pomocą wybranego sposobu reprezentacji wiedzy, najczęściej reguł lub
ram



baza danych zmiennych - która jest pamięcią roboczą przechowującą pewne fakty
wprowadzone w trakcie dialogu z użytkownikiem; baza ta umożliwia odtworzenie
sposobu wnioskowania systemu i przedstawienie go użytkownikowi za pomocą
mechanizmu wyjaśniającego.

8. Test Turinga jest wzorowany na grze „retro” w naśladownictwo (imitation game).

W grze uczestniczyły cztery osoby: A (kobieta), B (mężczyzna), C (goniec) i D (sędzia).
Zadaniem sędziego było odgadnąd kto jest kim na podstawie zadawanych pytao.
Turing zastąpił A maszyną. Celem testu jest odgadnięcie tego czy sędzia rozmawia z maszyną
czy człowiekiem.

Warunki, aby komputer przeszedł test Turinga
• przetwarzanie języka naturalnego (komunikacja z rozmówcą)
• reprezentacja wiedzy
• automatyczne wnioskowanie z wykorzystaniem zgromadzonych informacji:
– do zadawania pytao
– do wyciągania wniosków (konkluzji)
• uczenie się, adaptacja do nowych okoliczności

Efekt Elizy – zjawisko przypisywania przez ludzi znaczenia i sensu znakom, słowom i zdaniom,
które takiego sensu same z siebie nie mają. Przykładem takiego efektu jest np.
interpretowanie przypadkowych wzorów pojawiających się w fusach po kawie na dnie
szklanki, czy tworzonych przez chmury na niebie jako obrazy, które przedstawiają jakieś
konkretne kształty.

Nazwa tego efektu pochodzi od pierwszego, naśladującego zwykłą konwersację programu o
nazwie ELIZA. Program ten wybierał pewne kluczowe słowa z wypowiedzi ludzi, a następnie
tworzył "odpowiedź" łącząc słowo kluczowe ze zwrotami z wcześniej wprowadzonej bazy
danych "otwartych zwrotów", takich jak "co to dla Ciebie znaczy", "zawsze ma sens", "Nie
znam" itp, co dawało czasami efekt "głębokiego znaczenia" odpowiedzi a czasami chęd jej
kontynuowania. Np. program Eliza na pytanie: "Czy jesteś człowiekiem" mógł dad odpowiedź:
"Byd człowiekiem... czy to coś znaczy..." albo "Co myślisz o mojej matce?" dawał odpowiedź:
"Nie znam twojej matki, opowiedz mi o niej coś więcej".

Efekt Elizy powoduje, że ludzi jest stosunkowo łatwo przekonad, że dana maszyna naprawdę
myśli i daje sensowne odpowiedzi, nawet jeśli te odpowiedzi są po prostu losowane z
wcześniej przygotowanego zbioru, pod warunkiem że dana osoba nie wie, że rozmawia z
maszyną. W przypadku gdy dana osoba wie, że może rozmawiad z maszyną, efekt Elizy traci
na znaczeniu.

9. Teoria gier – definiowana jako teoria podejmowania decyzji w warunkach interaktywnych

(gry strategicznej) lub inaczej matematyczna teoria sytuacji konfliktowych - została
stworzona przez J. von Neumanna, który stwierdził, że istota tej gry nie polega na próbie
odgadnięcia intencji gracza, lecz na skrywaniu własnych zamiarów. Podstawowym
założeniem teorii gier jest racjonalne działanie wszystkich podmiotów decyzyjnych (graczy).

Strategia - to zbiór wszystkich możliwych postępowao gracza, w każdej sytuacji w jakiej może

się znaleźd

10. Wiedza proceduralna - „wiedza jak“ opisuje jak wykonywad pewne zadania, realizowad

pewne czynności, zazwyczaj trudniejsza do werbalizacji, przykład: prowadzenie samochodu,
pływanie

Wiedza ta jest pozyskiwana przez doświadczenie, przekazywana przez innych trudna do
zaimplementowania do komputera.