Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

Zagadnienia AI wykład 1. Zaliczenie wykładu: Egzamin pisemny w formie testu Podręcznik do wykładu: Leszek Rutkowski Metody i techniki sztucznej inteligencji.

Podobne prezentacje


Prezentacja na temat: "Zagadnienia AI wykład 1. Zaliczenie wykładu: Egzamin pisemny w formie testu Podręcznik do wykładu: Leszek Rutkowski Metody i techniki sztucznej inteligencji."— Zapis prezentacji:

1 Zagadnienia AI wykład 1

2 Zaliczenie wykładu: Egzamin pisemny w formie testu Podręcznik do wykładu: Leszek Rutkowski Metody i techniki sztucznej inteligencji Wydawnictwo Naukowe PWN Prezentacje do wykładu będą sukcesywnie umieszczane na stronie: http://merlin.fic.uni.lodz.pl/MSkulimowski/  For students Zaliczenie laboratorium: Kolokwium + projekty

3 Co to jest inteligencja? Inteligencja to ogólna zdolność adaptacji do nowych warunków i wykonywania nowych zadań (W.Stern) Inteligencja to zdolność rozwiązywania problemów (J.Piaget) Inteligencja to zdolność do aktywnego przetwarzania informacji, przekształcania ich z jednej formy w inną poprzez operacje logiczne. Inteligencja to zdolność uczenia się (G.Ferguson).

4 Co to jest sztuczna inteligencja (AI)? Sztuczna inteligencja jest nauką o maszynach realizujących zadania, które wymagają inteligencji, gdy są wykonywane przez człowieka (M. Minsky) Sztuczna inteligencja stanowi dziedzinę informatyki dotyczącą metod i technik wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej podczas takiego wnioskowania (E. Feigenbaum) Sztuczna inteligencja obejmuje rozwiązywanie problemów sposobami wzorowanymi na naturalnych działaniach i procesach poznawczych człowieka za pomocą symulujących je programów komputerowych (R.J. Schalkoff)

5 Kiedy możemy uznać, że program lub maszyna jest inteligentna? W roku 1960 Alan Turing zaproponował następujący test. Za pomocą klawiatury i monitora zadajemy te pytania maszynie. Czas trwania testu 5 minut. Test Turinga Jeżeli maszyna przekona 33% sędziów, że jest człowiekiem wówczas test jest zaliczony. Można wówczas stwierdzić ze maszyna (program) jest inteligentna. Czy taki test jest wystarczający?

6 Maszyna, która przejdzie test Turinga może być w stanie symulować ludzkie zachowanie konwersacyjne, lecz może to być znacznie mniej niż prawdziwa inteligencja. Maszyna może zwyczajnie używać sprytnie wymyślonych reguł. Główne zastrzeżenia do testu Turinga Maszyna może być inteligentna nie posiadając ludzkiej umiejętności prowadzenia rozmowy. Wielu ludzi mogłoby nie być w stanie zaliczyć takiego testu.

7 Czy istnieje maszyna (program), która zaliczyła test Turinga? Nie istnieje!* Proste programy konwersacyjne są w stanie sprawić, że ludzie wierzą, że rozmawiają z żywym człowiekiem. 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.

8 Czy istnieje maszyna (program), która zaliczyła test Turinga?

9

10 Eugene Goostman…? http://www.princetonai.com W sobotę 7 czerwca 2014 Eugene Goostman podawał się za 13- letniego chłopca i przekonał 33 proc. sędziów, że jest człowiekiem. Jako pierwszy w historii przeszedł test Turinga!?

11 Chiński pokój (John Searle) „Załóżmy, że skonstruowaliśmy komputer, który zachowuje się, jakby rozumiał język chiński. Innymi słowy, komputer bierze chińskie znaki jako podstawę wejściową i śledzi zbiór reguł nimi rządzący (jak wszystkie komputery), koreluje je z innymi chińskimi znakami, które prezentuje jako informację wyjściową”. Załóżmy, że ten komputer ten łatwo przechodzi test Turinga, tzn. przekonuje Chińczyka, że jest Chińczykiem. „Searle proponuje, żeby założyć, iż to on sam siedzi wewnątrz komputera. Innymi słowy, on sam znajduje się w małym pokoju, w którym dostaje chińskie znaki, konstruuje książkę reguł, a następnie zwraca inne chińskie znaki, ułożone zgodnie z tymi regułami. Searle zauważa, że oczywiście nie rozumie ani słowa po chińsku, mimo iż wykonuje powierzone mu zadanie”.

12 Jakie są praktyczne zastosowania sztucznej inteligencji? 1. Technologie i systemy oparte na logice rozmytej 2. Systemy ekspertowe 3. Sieci neuronowe 4. Robotyka 5. Przetwarzanie mowy i języka naturalnego W czasie naszego wykładu ograniczymy się do punktów 1 i 3.

13 Technologie i systemy oparte na logice rozmytej Mają zastosowania w sytuacjach kiedy nie posiadamy wystarczającej wiedzy o modelu matematycznym rządzącym danym zjawiskiem… …oraz tam gdzie zbudowanie takiego modelu jest nieopłacalne lub nawet niemożliwe. Technologie oparte na logice rozmytej znajdują zastosowanie m.in. w bazach danych, sterowaniu, modelowaniu i przetwarzaniu języka naturalnego.

14 Paweł zarabia 5 tys. złotych. Paweł ma 25 lat. Paweł kupił 2 kg jabłek. Paweł w ciągu wakacji 3 dni spędził nad morzem. Paweł zarabia dużo. Paweł jest młody. Paweł kupił trochę jabłek. Paweł w ciągu wakacji był krótko nad morzem. Określenia precyzyjne. Przypisanie 0 lub 1 jest jednoznaczne. Określenia nieprecyzyjne. Przypisanie 0 lub 1 nie jest jednoznaczne. Logika „tradycyjna” Logika rozmyta Na czym polega różnica między logiką „tradycyjną” i logiką rozmytą?

15 Rozmyty świat Czy to jest pudełko zawierające niebieskie kulki? Czy to jest pudełko zawierające czerwone kulki? Czy to jest pudełko zawierające niebieskie/czerwone kulki?

16 Brak czerwonych kulek Tylko czerwone kulki 0 1 Bez rozmycia Między stanami 0 i 1 możliwe są stany pośrednie….

17 Pudełko nie zawiera czerwonych kulek (0). Pudełko zawiera znikomą ilość czerwonych kulek. Pudełko zawiera trochę czerwonych kulek. Pudełko zawiera sporo czerwonych kulek. Pudełko zawiera przeważnie czerwone kulki. Tak, pudełko zawiera tylko czerwone kulki (1). Rozmycie

18 Logika „klasyczna” Logika rozmyta 01 Tylko dwie wartości: prawda i fałsz 01 Wartości z przedziału [0,1] Zanim poznamy logikę rozmytą musimy poznać teorię zbiorów rozmytych…

19 Zbiory - powtórzenie Zbiór to kolekcja, wielość obiektów. Pojęcie zbioru jest podstawowe i niedefiniowalne. Określenie zbioru musi być jednoznaczne w tym sensie, że musi być jasne czy dany konkretny obiekt należy do tego zbioru. Obiekt który należy do zbioru jest nazywany elementem zbioru. Zbiór definiujemy przez podanie jego elementów.

20 Przykład A = {0, 10, -5, 7} B = ø C = {{1},1,{{1},{3}}} D = {x  R: x>4} E = zbiór zielonych samochodów F = zbiór latających słoni W przypadku każdego z tych zbiorów łatwo określić czy dany obiekt należy do zbioru czy nie należy. 7A7A 3D3D

21 Zbiory rozmyte Istnieją zbiory w przypadku których określenie przynależności danego konkretnego obiektu nie jest jednoznaczne. Przykład A = zbiór młodych ludzi B = zbiór szybkich samochodów C = zbiór wysokich drzew W przypadku takich zbiorów możemy mówić o stopniu przynależności. Można powiedzieć, że osoba w wieku 35 lat należy do zbioru A w większym stopniu niż osoba w wieku 80 lat. Przykład

22 Definicja Zbiorem rozmytym A w pewnej (niepustej) przestrzeni X, co zapisujemy jako A  X nazywamy zbiór par A={(x,  A (x)): x  X} gdzie  A : X  [0,1] jest funkcją przynależności zbioru rozmytego A. Funkcja ta każdemu elementowi x  X przypisuje jego stopień przynależności do zbioru rozmytego A. Dla ustalenia uwagi określmy tzw. obszar rozważań (ang. the universe of the discourse). Nazywać go będziemy przestrzenią lub zbiorem i oznaczymy przez X.

23 1)  A (x)=1 oznacza pełną przynależność elementu x do zbioru rozmytego A, tzn. x  A. 2)  A (x)=0 oznacza brak przynależność elementu x do zbioru rozmytego A, tzn. x  A. 3) 0<  A (x)<0 oznacza częściową przynależność elementu x do zbioru rozmytego A. Możemy wyróżnić 3 przypadki: Jeżeli X jest przestrzenią o skończonej liczbie elementów X={x 1,x 2,…,x 3 } To zbiór rozmyty A oznaczamy następująco

24 Jeżeli X zawiera nieskończoną liczbę elementów to zbiór rozmyty A  X symbolicznie zapisujemy jako Przykład Niech X=N (zbiór liczb naturalnych) Zbiór liczb naturalnych „bliskich liczbie 12” określamy następująco:

25 Przykład Niech X=R (zbiór liczb rzeczywistych) Zbiór liczb rzeczywistych „bliskich liczbie 12” (oznaczmy go przez A) określamy wykorzystując następującą funkcję przynależności: Zatem

26 Przykład Niech X=R (zbiór liczb rzeczywistych) Zbiory rozmyte liczb rzeczywistych „bliskich liczbie” 12 można też określić inaczej wykorzystując inną funkcję przynależności:

27 Przykład Sformalizujmy teraz określenie „temperatura wody odpowiednia do kąpieli”. Zbiór rozważań: X=[15, 16,…, 24, 25] Zbiór rozmyty: Inna możliwość:

28 Koniec wykładu 1


Pobierz ppt "Zagadnienia AI wykład 1. Zaliczenie wykładu: Egzamin pisemny w formie testu Podręcznik do wykładu: Leszek Rutkowski Metody i techniki sztucznej inteligencji."

Podobne prezentacje


Reklamy Google