Wstep do AI

1. Wprowadzenie do AI

 Witold Kosiński   

wkos@ukw.edu.pl

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

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).

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)

SZTUCZNA 

INTELIGENCJA

(ARTIFICIAL 

INTELLIGENCE)

• Nauka o maszynach 

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

Wiele różnych, często sprzecznych definicji.

SZTUCZNA 

INTELIGENCJA

(ARTIFICIAL 

INTELLIGENCE)

• Maszyna jest 

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

Test 
Turinga

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.

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 .

  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. 

• 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

Test   IQ

Wstawić następny z zestawu A -F

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)

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.

Wykorzystywane techniki 

i modele

• Sieci neuronowe 
• Wnioskowanie, indukcja 

reguł

• Algorytmy ewolucyjne
• Systemy wieloagentowe 

(współpraca )

• Automaty komórkowe
• Metody przeszukiwania 

możliwych rozwiązań i ich 

optymalizacji...

CO OKAZAŁO SIĘ TRUDNE,

A CO ŁATWE

1961

Przykład zagadnienia 

praktycznego

• Znaleźć, odczytać 

i zapamiętać 
numer 
rejestracyjny 
samochodu na 
podstawie 
zdjęcia:

logoUKW .gif.lnk

Odczytywanie tablic 

rejestracyjnych (1)

Oryginalne zdjęcie

Usunięcie zbędnych szczegółów

Lokalizacja napisów

Odczytywanie tablic 

rejestracyjnych (2)

Wyselekcjonowany obszar

Lokalizacja znaków

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

 > 

classifier 

< Marks

 > 

classifier

 < not

         Marks

 > 

classifier

 < not

           Marks

> 

classifier

 < not

          Marks

> 

classifier

 < Marks

> 

classifier

 < not

          Marks

Rozpoznawanie twarzy

(nauka)

Rozpoznawanie twarzy

> Classifier > 

Marks

UWAGA: TEN OBRAZ

NIE NALEŻAŁ DO 

PRÓBKI 

TRENINGOWEJ!!!

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

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.