Wstep do AI

1. Wprowadzenie do AI

Witold Kosiński

[e-mail]

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.