Maszyna Turinga nie jest obiektem fizycznym. Jest to abstrakcyjny schemat dzia ania wed ug zadanego
algorytmu. Maszyna Turinga by a odpowiedzi na problem liczb nieobliczalnych. Test Turinga jest wzorowany
na grze „retro” w na ladownictwo. Zachowanie inteligentne maszyny na poziomie cz owieka we wszystkich
zadaniach poznawczych, wystarczaj cych do porozumiewania si z cz owiekiem, w taki sposób jak robi to
cz owiek.
Przetwarzanie jezyka naturalnego
Reprezentacja wiedzy
Automatyczne wnioskowanie
Uczenie si
Inteligentny agent – postrzega swoje otoczenie poprzez sensory, oddzialuje poprzez efektory.
Rodzaje agentow
- dzia aj cy na zasadzie odruchow
- dzia aj cy na zasadzie odruchow ze stanem wewn trznym
- ukierunkowany na cel
- ukierunkowany na u yteczno ci
Problem dobrze okre lony
- posiada stan pocz tkowy
- ma okre lony zbior akcji
- potrafi wykonac test osi gni cia celu
Poszukiwanie rozwi za – polega na przeszukiwaniu przestrzeni stanow
Kroki konieczne przy rozwi zaniu problemu:
-Sformu owanie celu,
-Okre lenie regu powoduj cych przej cie pomi dzy poszczególnymi stanami,
-Sformu owanie problemu,
-Poszukiwanie rozwi zania,
-Wykonanie sekwencji dzia

b

cej rozwi zaniem problemu.

Sposoby przeszukiwania:
- Wszerz,
- Z jednolitym kosztem,
- W g b,
- O ograniczonej g boko ci
- Z iteracyjnym pog bianiem,
- Dwukierunkowe.
Rachunek zda zajmuje si zwi zkami mi dzyzdaniowymi ujmowanymi w zdaniach z

onych

Rachunek kwantyfikatorów (rachunek predykatów) nazywa si rachunkiem wy szego rz du. Rachunek ten
jest rozszerzeniem rachunku zda o kwantyfikatory i predykaty
Semiotyka - ogólna teoria znaków ze szczególnym uwzgl dnieniem znaków tworz cych j zyk, czyli wyra enia
- semantyk
- syntaktyk
- pragmatyk
Regu y wnioskowania s wzorcami sposobu wnioskowania.
Modus ponens (Modus ponens, sposób wnioskowania przez twierdzenie stwierdzaj cy).
Modus tollens (Modus tollens, sposób wnioskowania przez twierdzenie zaprzeczaj cy)
Rachunek predykatów (rachunek kwantyfikatorów) jest rozszerzeniem
rachunku zda o:
- kwantyfikatory
- obiekty typu predykat
- formu y
Zalety uogólnionego Modus ponens:
- czy wiele ma ych kroków wnioskowania w jeden krok,
Unifikacja - polega na przekszta caniu dwóch zda , co daje w wyniku takie same zdania (je eli istnieje
podstawienie); pozwala na przekszta cenie wszystkich regu w bazie wiedzy do postaci kanonicznej.
Rozumowanie w przód (forward chaining): rozpoczyna si od zda zawartych w KB i generuje si nowe
konkluzje za pomoc regu y uogólnionego Modus Ponens, które mog by nast pnie zastosowane jako
przes anki w kolejnym kroku rozumowania.
Rozumowanie wstecz (backward chaining): zaczyna si od zdania, które nale y dowie , poszukuje si zdania-
implikacji, którego konkluzj jest udowadniane zdanie, a nast pnie próbuje si potwierdzi s uszno wszystkich
zda tworz cych przes ank tej implikacji.
Rachunek predykatów – podsumowanie
Rachunek ten umo liwia konstruowanie dowodów prawdziwo ci zda zawartych w danej KB
Uogólnione Modus Ponens stosuje unifikacj ; jest ono
naturaln i mocn regu rozumowania zarówno w przód, jak i wstecz.
Form kanoniczn dla Modus Ponens jest formu a Horna. Nie da si za jej pomoc reprezentowa wszystkich
zda , dlatego Modus Ponens nie jest zupe nym systemem dowodzenia.
Uogólniona rezolucja jest regu rozumowania, tworz

zupe ny system dowodu nie wprost. Wymaga to

zapisu zda w postaci normalnej, do której ka de zdanie daje si przekszta ci .
Rezolucja mo e by stosowana albo w formie (ka de zdanie jest alternatyw litera litera ów), albo w formie
(ka de zdanie jest w formie implikacji, której poprzednik jest koniunkcj atomów, a nast pnik jest alternatyw
atomów).

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

System doradczy – narz dzia komputerowe wspomagaj ce rozwi zywanie zada b

cych wcze niej domen

ekspertów.
System doradczy powinien:
zadawa pytania,
wyja nia mechanizm swojego rozumowania,
uzasadnia konkluzje, modyfikowa sposób wykonywania zada ,
Baza wiedzy zawiera ogólne informacje o dziedzinie wiedzy medycznej w okre lonym zakresie. Informacje
takie gromadzi si zwykle podczas d ugotrwa ej wspó pracy osób opracowuj cych baz wiedzy i specjalistów z
danej dziedziny.
Dzia anie uk adu wnioskuj cego polega na:
wyszukiwaniu regu
ustaleniu kolejno ci analizy wyszukanych regu ,
wykonaniu dzia

okre lonych przez regu y

uaktualnieniu bazy danych zmiennych.
Rodzaje wnioskowania:

rozumowanie w przód,

rozumowanie wstecz,
zasad rezolucji.
Uk ad obja niaj cy rozpoczyna dzia anie po zadaniu pytania przez u ytkownika.
Reprezentacja proceduralna polega na okre leniu zbioru procedur, których dzia anie reprezentuje wiedz o
dziedzinie
Reprezentacja deklaratywna polega na okre laniu specyficznych dla danej dziedziny faktów, i regu .
Stopie pewno ci (ang. Certeinty Factor, CF) wprowadza si do zapisu stwierdze w celu umo liwienia
zapisu stwierdze niepewnych, hipotez i przypuszcze .
Sie przekona jest acyklicznym (nie zawieraj cym cykli) grafem skierowanym sk adaj cym si z w

ów i

cz cych je ga zi skierowanych.

Sie neuronowa jest zbudowana z pewnej liczby elementów przetwarzaj cych nazywanych neuronami.
Podstaw budowy sieci jest system nerwowy cz owieka.
Tablice decyzyjne s sposobem reprezentacji wiedzy zapisanej w postaci regu . decyzyjna sk ada si z:
cz ci warunków,
zapyta i testów
cz ci dzia ania i wniosków
wyj z tablicy decyzyjnej.
Regu a elementarna to regu a nie zawieraj ca odpowiedzi „bez znaczenia” (oznaczanych przez „-”).
Regu a z

ona to regu a, która zawiera odpowiedzi „bez znaczenia”. Regu tak mo na rozwin

do postaci

kilku regu prostych.
Regu a sprzeczna to regu a zawieraj ca takie same przes anki ale inne konkluzje jak inna regu a w tej samej
tablicy.
Regu a nadmiarowa w tablicy decyzyjnej zostanie zdefiniowana regu a zawieraj ca ten sam zbiór warunków
jak inna regu a, oraz ten sam zbiór dzia

.

czenie regu polega na czeniu takich regu , które posiadaj identyczne ci gi dzia

i ró ni si

odpowiedziami tylko dla jednego warunku.
Dekompozycja tablicy decyzyjnej jest przeprowadzana w celu zrozumienia dzia ania ca ej tablicy.
Niepewno

jest definiowana jako brak dok adnej wiedzy, która pozwoli aby na wyci gni cie pewnych i

poprawnych konkluzji. Przyczyny:
- slabe przeslanki
- nieprecyzyjny jezyk
- nieznane dane
Prawdopodobie stwo bezwarunkowe (a priori) - ) mo e by stosowane wy cznie w przypadku, gdy nie ma
dodatkowych informacji
Prawdopodobie stwo warunkowe (a posteriori) – prawdopodobie stwo zdarzenia A wyst pi pod warunkiem
wystapienia zdarzenia B.
Regu a Bayesa umo liwia obliczenie nieznanych prawdopodobie stw na podstawie znanych
prawdopodobie stw. Niedoskona

ci wnioskowania bayerowskie, wnioskowanie bayesowskie wymaga

podania warto ci prawdopodobie stw, które s zwi zane z ocen cz owieka.
Sie przekonan – reprezentuje laczny rozklad prawdopodobie stwa dla danej dziedziny
Rodzaje wnioskowania w sieciach przekona :
Wnioskowanie diagnostyczne
Wnioskowanie przyczynowe
Wnioskowanie mi dzyprzyczynowe
Wnioskowanie mieszane
Zastosowanie sieci przekonan
Podejmowanie decyzji opartych na prawdopodobie stwach
Decydowanie jakie dodatkowe dowody zgromadzic
Ogolny model systemu wnioskowania
Element uczacy si
Element dzia aj cy
Element oceniajacy
Perceptron – najprostsza forma sieci neuronowej
Algorytm uczenia perceptronu

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Inicjalizacja
Aktywacja
Aktualizacja wag
Iteracja
Siec neuronowa sklada si z
Warstwy wej ciowej
Warstwy ukrytej – ukrywa swoje wyjscia ( nie wiemy jakie maja by )
Warstwy wyj ciowej
uczenie nienadzorowane (bez nauczyciela); na wej cia sieci podawane s ró ne zbiory danych i sie sama
decyduje (odkrywa), które warto ci s istotne i które warto ci mo na traktowa jako wzorce dla danych wej .
Uczenie poprzez wspó zawodnictwo (1) Neurony wspó zawodnicz mi dzy sob o to, aby by aktywowanym.
Algorytm ewolucyjne Jego celem by o nauczenie komputera tego co umie natura. Algorytm Hollanda bazuje na
operacjach przeprowadzanych na

cuchach binarnych.

Algorytmy genetyczne reprezentuj procesy iteracyjne, powszechn praktyk w przypadku AG jest zatrzymanie
algorytmu po zadanej liczbie iteracji i poszukiwanie najlepszego osobnika we wszystkich populacjach.
Operacja mutacji
-Mutacja polega na zmianie genów.
-Dzi ki mutacji zapobiega si zatrzymaniu algorytmu w lokalnych optimach.
Regu a rozmyta jest definiowana jako zdanie warunkowe o postaci:
IF x jest A
THEN y jest B
Wnioskowanie rozmyte - najcz ciej u ywana technika wnioskowania rozmytego nosi nazw metody
Mamdaniego. Metoda Mamdaniego polega na realizacji czterech kroków:
- rozmywaniu zmiennych wej ciowych,
- ocenie regu
- agregacji wyj regu

- wyostrzaniu

.

1. Test Turinga – szereg pyta zadawanych na komputerze na które „kto ” odpowiada. Na

podstawie odpowiedzi mo na stwierdzi czy rozmawia si z maszyn czy cz owiekiem.

2. Maszyna Turinga – stanowi najprostszy, wyidealizowany model matematyczny komputera,

zbudowany z ta my, na której zapisuje si dane, poruszaj cej si wzd

niej „g owicy”,

wykonuj cej proste operacje na zapisanych na ta mie warto ciach.

3. Zbiory rozmyte – zbiór warto ci A w pewnej przestrzeni X={x} co zapisujemy jako A X,

nazywamy zbiór punktów A={(µ

A

(x),x); x X} gdzie µ

A

: X

[0,1] to funkcja przynale no ci

zbioru rozmytego A.

4. Rozumowanie

W przód – dedukcyjne – od racji do nast pstwa (wnioskowanie, sprawdzenie)

Wstecz – redukcyjne – od nast pstwa do racji (t umaczenie, dowodzenie)

5. Neuron – posiada ustalon ilo

wej

odpowiednio wzmacniaj cych lub t umi cych sygna y

wej cia, z cze sumuj ce realizuj ce funkcj aktywacji oraz blok realizuj cy funkcj wyj cia.

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

6. Perceptron

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

7. Sieci neuronowe – uproszczony model biologicznego systemu nerwowego. Sk ada si z danej

liczby elementów przetwarzaj cych sygna y. Zalety: mo liwo

adaptacji, szybko

przetwarzania danych, prostota implementacji. Wady: trudno

implementacji wykorzystanego

modelu.

Rodzaje sieci:

i. Jednokierunkowe - sygna p ynie w jednym kierunku

ii. Rekurencyjne – wyst puje sprz

enie zwrotne

iii. sieci komórkowe (ze sprz

eniami wzajemnymi w najbli szym otoczeniu

neuronu)

8. Selekcja okre la sposób wy aniania z rozpatrywanej populacji zbioru rodziców, który

poddawany dzia aniu operacji genetycznych, daje zbiór dzieci. Sukcesja wyznacza dla
pokolenia rodziców i potomków nowa populacje bazowa dla kolejnego kroku algorytmu
genetycznego.

Przyk ady metod selekcji:

selekcja proporcjonalna, zwana równie metoda ruletki (nazwa pochodzi od najprostszej

realizacji algorytmicznej tego operatora), jest procesem, w którym chromosomy zostaj
powielone w stosunku zale nym (wprost proporcjonalnie) od warto ci, jakie przybiera dla nich
funkcja oceniaj ca; stosowanie tej metody jest mo liwe tylko wtedy, gdy funkcja oceniaj ca
przyjmuje wy cznie warto ci dodatnie;

selekcja turniejowa polega na powtarzaniu dwóch kroków: losowania par osobników wg

metody ruletki, po wylosowaniu pary, osobnik o wy szym przystosowaniu zostaje og oszony
zwyci zc i umieszczony w nowej populacji; proces jest kontynuowany a do ca kowitego
wype nienia populacji.

Przyk ady metod sukcesji:

sukcesja trywialna polega na tym, ze nowa populacja staje sie zbiór dzieci: P[t]:=D[t];
sukcesja elitarna przeprowadzana jest w dwóch krokach: najpierw wybiera sie z P[t-1]n

najlepszych chromosomów: Pn[t-1], nast pnie populacja P[t] jest tworzona przez wybór m
najlepszych chromosomów ze z czenia Pn[t-1][[t].

9. Krzy owanie – bior w nim udzia 2 osobniki rodzicielskie, w wyniku otrzymuje si jeden lub 2

osobniki potomne.

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Mutacja:

rozumowanie wstecz i w przód - wstecz: wychodzimy od zdania którego mamy dowie

. Szukamy

implikacji której konkulzj bedzie znane zdanie a potem staramy sie to udowodni , przed
wyciagnieciem wniosków sprawdza czego brakuje, potem okre la t rzecz brakuj

jako tymczasowy

cel
W przód - zaczyna od zdan zawartych w KB, a potem powstaj nowe konkluzje, wyci ga wnioski
kiedy tylko jest to mo liwe.
test turinga - test pozwalajacy ustali czy mamy do czynienia z cz owiekiem czy maszyna
maszyna turinga - jaki abstrakcyjny model komputera s

cy do wykonywania algorytmów

sieci neuronowe - nowoczesna metoda klasyfikacyji danych . Jej prototypem jest uk d nerwowy
istoty zywej.
perceptron - mog reprezentowa z

one funkcje logiczne, zast puj z

one binarne drzewa

decyzyjne
neuron - Element posiadaj cy wiele wejs i wyk

(dendryty i aksony). Przewodzi on informacj tylko

w jednym kierunku. Informacja (suma informacji) wej ciowa jest przekszta cana w informacj
wyj ciow za pomoc funkcji przej cia.
krzy ówka - operator procesu reprodukcji. Bior w nim udzia 2 rodzice, wynikiem jest 1 lub 2
potomków.
mutacja - zmiana conajmniej jednego bitu na przeciwny

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

selekcja za pomoc ruletki
zbiory rozmyte - rodzaj rozumowania niepewnego, taki wykresik 3 zbiorów z wyk adu numer 3,
definicja funkcji przynale no ci do zbioru

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m

Click to buy NOW!

PD

F-X

CHANG

E

w

w

w

.doc

u-trac

k.

co

m