plik


ÿþInformatyka inspirowana biologi Jacek Kluska Politechnika Rzeszowska 2011 Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 1 / 17 Plan 1 Mózg a komputer 2 Od neurofizjologii do sztucznych sieci neuronowych 3 Rozizanie problemu przez programowanie czy przez uczenie ? 4 Ewolucja naturalna i sztuczna 5 Sztuczna ewolucja: odkrywanie praw fizyki na podstawie eksperymentów 6 Sztuczna ewolucja w odkrywaniu reguB dla potrzeb medycznych 7 Systemy zBo|one: inteligencja roju, samoorganizacja 8 Systemy zBo|one: inteligencja roju (mrówki, pszczoBy, ...) 9 Systemy zBo|one: przykBad wykorzystania inteligencji mrówek 10 Podsumowanie - zastosowania sztucznej inteligencji i eksploracji danych 11 Czy wszystkie algorytmy musz wynika z na[ladowania natury ? Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 2 / 17 Mózg a komputer Mózg Komputer Logika  mikka ? Logika dwuwarto[ciowa Sieci neuronowe Sprzt cyfrowy Uczenie Programy Praca równolegBa Praca szeregowa Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 3 / 17 Mózg a komputer = c.d. Superkomputer (2010) Mózg Kora mózgowa (3 mm), Tianhe-1A (Droga Mleczna), 0.01 mm..1 m, 100 000 km Chiny (!), 1015 synaps, 7 168 µP graficz. Nvidia, 14 Ä = 1..2 ms: neurony s 336 proc. Intel. 4.04 MW, 88 zadziwiajco wolne ! mln USD. Mózg: 1018 op/s (10 op " 2.507 " 1015 operacji 1015 synaps " 100 Hz) zmiennoprzecinkowych/s. StopieD wspóBbie|no[ci w |ywych sieciach neuronowych jest niewspóBmiernie wikszy od stopnia wspóBbie|no[ci w najnowocze[niejszych systemach wieloprocesorowych. Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 4 / 17 Od neurofizjologii do sztucznych sieci neuronowych Model; McCulloch, Pitts, 1943 Neuron biologiczny Uczenie; Hebb, 1949 Perceptron; Rosenblatt,1958 Adaline, MadaLine; Widrow, 1960  Perceptrons “!; Minsky, Papert, 1969 Rozpoznawanie mowy; Grossberg, 1970 Rozpoznawanie znaków; Fukushima, 1978 Sprz|enia zwrotne; Hopfield, 1982 Samoorganizacja; Kohonen (1977-1987)  Parallel Distributed Processing ‘!; yródBo: http://commons.wikimedia.org/wiki Rumelhart, McClelland, 1986 /File:Complete neuron cell diagram pt.svg LVQ, RBF, PNN, ... Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 5 / 17 Rozizanie problemu przez programowanie czy przez uczenie ? Bardzo proste zadanie Dane (a, b, c) = (1, -9, 20) i równanie: ax2 + bx + c = 0. Szukamy x1, x2. ANN Podej[cie klasyczne Architektura sieci i sposób Algorytm rozwizujcy uczenia ’! uczenie: problem ’! program Dla wielu danych uczcych: komputerowy {(a, b, c) , (x1, x2)}, zmieniaj " = b2 - 4ac, parametry sieci neuronowej if " 0, then x1 = . . ., dotd, a| sie osignie bBd x2 = . . ., else ... minimalny. Wynik: x1 = 4, x2 = 5 Wynik: x1 = 3.99, x2 = 5.01 Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 6 / 17 Ewolucja naturalna i sztuczna Ewolucja sztuczna Ewolucja naturalna Ewolucja populacji rozwizaD Ch. Darwin 1859, On the Origin of problemu poprzez: Species by Means of Natural Selection. selekcj, Selekcja naturalna - podstawa krzy|owanie, ewolucji biologicznej. mutacj, Miar sukcesu jest dostosowanie reprodukcj. (fitness) na poziomie osobników w Strategie ewolucyjne i algorytmy populacji lub genów. genetyczne, Organizmy posiadajce korzystne Programowanie genetyczne, cechy maj wiksz szans na prze|ycie i rozmna|anie, co Zastosowania: prowadzi do zwikszania czsto[ci optymalizacja, wystpowania  korzystnych systemy decyzyjne, genów w populacji. klasyfikatory. Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 7 / 17 Sztuczna ewolucja: odkrywanie praw fizyki na podstawie eksperymentów #1 III prawo Keplera 2 T = c " a3, T - okres obiegu planety, a - maks. odlegBo[ planety od [rodka masy ukBadu SBoDce-planeta, c = (2À)2 / (G (M + m)), , G - staBa grawitacji, M - masa SBoDca, m - masa planety, Planeta a T = a3/2 1 Wenus 0.72 0.61 Wynik GEP 2 Ziemia 1.00 1.00 Komputer sam =Ò! 3 Mars 1.52 1.84 napisze program 4 Jowisz 5.20 11.90 w jzyku K: 5 Saturn 9.53 29.40 2 T = c " a3 6 Uran 19.10 83.50 Wynik: Dwa chromosomy (h = 7, t = 8): (+*-Qaa+aaaaaaaa + a+a+-**aaaaaaaa) Ô! T = a3/2 Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 8 / 17 Sztuczna ewolucja: odkrywanie praw fizyki na podstawie eksperymentów #2 GP: Without any prior knowledge about physics, kinematics, or geometry, we can discover Hamiltonians, Lagrangians, and other laws ... Schmidt M., Lipson H. (2009), Distilling Free-Form Natural Laws from Experimental Data, Science, Vol. 324, No. 5923, pp. 81-85. GP: Regresja symboliczna Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 9 / 17 Sztuczna ewolucja w odkrywaniu reguB dla potrzeb medycznych Czy mo|emy wytBumaczy powkBania pooperacyjne ? Rak szyjki macicy (chemioterapia, radioterapia, operacja) (yródBo: B. Obrzut, WpByw zakresu operacji na wyniki leczenia raka szyjki macicy FIGO IA2-IIB, OWN, PoznaD 2008) Dane (Wojewódzki Szpital Specjalistyczny w Rzeszowie, Kliniczny OGiP): 93 rekordy, 31 zmiennych: BMI, choroby, operacje, OM, HP, G, FIGO, ... Problem: Wykry reguBy wyja[niajce powstawanie powikBaD pooperacyjnych. Wynik GEP: 14 reguB, bBd 7%: 1. If {otyBo[ II stopnia} '" {nadci[nienie '" cukrzyca}, then y = 1, 2. If {BMI w normie} '" {Chorób nie byBo} '" {FIGO nie jest typu IIB} '" {OM 3}, then y = 1, (...) Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 10 / 17 Systemy zBo|one: inteligencja roju, samoorganizacja Systemy zBo|one - trudno opisywalne metodami klasycznej matematyki. Niektóre cechy: emergencja; zachowanie caBo[ci nie wynika wprost z zachowania jego cz[ci skBadowych, trudno ustali granice systemu, zachowania mog by chaotyczne, maj dynamik i pami (historia zachowaD decyduje o obecnym i przyszym zachowaniu), s to systemy otwarte (nie posiadaj równowagi energetycznej lecz mog by stabilne), komponenty systemu zBo|onego tak|e mog by systemami zBo|onymi, zwizki midzy elementami skBadowymi mog by nieliniowe i niestacjonarne. Inteligencja roju: zachowania emergentne; dziaBania niezale|ne i równolegBe. Samoorganizacja: pojedynczy osobnik nie ma inteligencji lecz czerpie informacje na temat otoczenia i swojej roli nie od zwierzchnika, lecz z niezliczonych interakcji z innymi osobnikami. DziaBania jednostki przynosz korzy[ci caBej spoBeczno[ci. Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 11 / 17 Systemy zBo|one: inteligencja roju (mrówki, pszczoBy, ...) yródBo: http://www.pestcontrolrx.com, http://www.birdminds.com/Starling.php, http://www.newsweek.pl/ Mrówki Szybko odnajduj najkrotsz drog do po|ywienia ( losowy wywiad robotnic, komunikacja za pomoc stopniowo wyparowujcych feromonów, samowzmacniajcy si szlak optymalny). PszczoBy Bez szefa kolektywnie decyduj gdzie zaBo|y nowy ul (wywiad robotnic, taniec, kompromis midzy decyzj trafn i szybk). Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 12 / 17 Systemy zBo|one: przykBad wykorzystania inteligencji mrówek TSP problem (M. Dorigo)  AntNet usprawnia funkcjonowanie ruterów w sieci Internet: pakiet informacji jest wirtualn mrówk odnajdujc najkrótsz drog do celu. American Air Liquide (USA): 100 zakBadów produkcyjnych i 6 000 odbiorców gazy dla medycyny i przemysBu. System informatyczny analizuje komunikaty od ci|arówek (mrówek). Wirtualne mrówki w centralnym komputerze kieruj caB sieci transportow. Odszukanie wBa[ciwej drogi zajmuje 1 sek dla 2.5 tryliona kombinacji ( normalny algorytm dla PC przy 1 mln dróg/sek, potrzebowaBby 77 140 lat!). Podobne systemy: sie supermarketów Migros (Szwajcaria), producent makaronów Barilla (WBochy). Usprawnienie nawizywania poBczeD midzy centralami telefonicznymi; oprogramowanie zostawia wirtualne feromony na ka|dej z central, poBczenia unikaj central obleganych (British Telecom, Hewlett-Packard, Bristol, GB). Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 13 / 17 Podsumowanie - zastosowania sztucznej inteligencji i eksploracji danych Ilo[ danych na [wiecie ro[nie zaskakujco (numeryczne, tekstowe, dzwikowe, obrazowe, multimedialne). Z danych mo|na odkrywa wiedz. Warto tworzy oprogramowanie oparte na obserwacjach zachowania organizmów |ywych: sztuczne sieci neuronowe (bez sprz|eD zwrotnych, ze sprz|eniami zwrotnymi, uczone pod nadzorem lub bez nadzoru), algorytmy ewolucyjne (programowanie genetyczne, programowanie ekspresji genów), algorytmy oparte na zachowaniu roju (mrówek, pszczóB, ptaków, ryb, ...), systemy wieloagentowe. Stworzone oprogramowanie warto wykorzysta do rozwizywania problemów: optymalizacji wielokryterialnej, klasyfikacji i grupowania, regresji klasycznej i regresji symbolicznej. Stworzone przez komputer modele mog mie posta: czarnych, szarych lub biaBych skrzynek (sprzt cyfrowy, programy komputerowe, drzewa decyzyjne, wyra|enia matematyczne, ...). Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 14 / 17 Podsumowanie - zastosowania sztucznej inteligencji i eksploracji danych - c.d. Rozpoznawanie ludzi na podstawie ich cech fizycznych (biometria): twarz, linie papilarne, tczówka oka, ksztaBt dBoni, gBos, . . . Rozpoznawanie obrazów, pisma, mowy, stanu emocjonalnego czBowieka, woli czBowieka niepeBnosprawnego, ... Wykrywanie niebezpiecznych Badunków w prze[wietlonym baga|u, odró|nianie  swój-przeciwnik w akcjach bojowych. Systemy wspomagania decyzji: diagnostyka medyczna (wykrywanie ryzyka pooperacyjnego, przewidywanie wystpienia choroby we wczesnym stadium). Diagnostyka techniczna i sterowanie inteligentne: automatyzacja zrobotyzowanych gniazd i caBych linii produkcyjnych; autonomiczne roboty latajce, naziemne i podwodne. Wspomaganie decyzji mened|erskich (prognozowanie decyzji kupna lub sprzeda|y, ocena ryzyka, wiarygodno[ci kredytobiorców, ...). Identyfikacja zagro|eD ze strony terrorystów, |ywioBów natury. Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 15 / 17 Podsumowanie - zastosowania sztucznej inteligencji i eksploracji danych - c.d. Systemy biologiczne stanowi zródBo inspiracji dla informatyków, in|ynierów, lekarzy, |oBnierzy, biznesmenów, ... Mo|emy mie ogromne korzy[ci wynikajce z obserwacji natury oraz zastosowaniu algorytmów inspirowanych biologi w oprogramowaniu, czasami nawet sprztu, zwBaszcza przy rozwizywaniu trudnych problemów z zakresu: optymalizacji, rozpoznawania (identyfikacji), diagnostyki i prognozowania, poszukiwania  dobrych modeli realnego [wiata, w tym modeli systemów zBo|onych, modeli ewolucji i rozwoju. Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 16 / 17 Czy wszystkie algorytmy musz wynika z na[ladowania natury ? Nie musz (...) SVM S. Ramaswamy, P. Tamayo, R. Rifkin, at al. (2001),  Multiclass cancer diagnosis using tumor gene expression signatures , PNAS, vol. 98 no. 26, 15149-15154. Jacek Kluska (Politechnika Rzeszowska) Informatyka inspirowana biologi 2011 17 / 17

Wyszukiwarka

Podobne podstrony:
The Genetic Program Program A Commentary on Maynard Smith on Information in Biology
01 Informacyjny Å‚ad gospodarczy
t informatyk12[01] 02 101
informator biologia zasad szk zaw1
informator biologia gim
Technik informatyk12[01] Z3 u
Technik informatyk12[01] Z4 n
t informatyk12[01] 03 101
technik informatyk12[01] O1 u
Matura biologia 2011 Próbna matura z 12 01 2011 Arkusz klucz ARKUSZE
TiS T 01 Transport informacje wprowadzajÄ…ce

więcej podobnych podstron