Pobieranie prezentacji. Proszę czekać

Pobieranie prezentacji. Proszę czekać

SZTUCZNA INTELIGENCJA FUNDAMENTY I MODELE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej.

Podobne prezentacje


Prezentacja na temat: "SZTUCZNA INTELIGENCJA FUNDAMENTY I MODELE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej."— Zapis prezentacji:

1 SZTUCZNA INTELIGENCJA FUNDAMENTY I MODELE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Katedra Automatyki i Inżynierii Biomedycznej Laboratorium Biocybernetyki Kraków, al. Mickiewicza 30, paw. C3/205 Google: Adrian Horzyk

2 Fundamenty działania INTELIGENCJI Definicja inteligencji wydaje się być nadal bardzo rozmyta jak mgławica w kosmosie, która jeszcze pod wpływem grawitacji nie zdążyła utworzyć gwiazdy mogącej dać światło dla rozwoju inteligencji sztucznej. Zewnętrzne przejawy inteligencji ludzkiej w niewielkim stopniu odkrywają przed nami tajemnice jej działania. Zgłębienie tajemnic działania inteligencji leży w próbie zrozumienia działania biologicznego mózgu – na razie jedynego tworu dysponującego działającą inteligencją.

3 Logiczne fundamenty działania INTELIGENCJI Inteligencję próbowano zdefiniować na bazie LOGIKI i MATEMATYKI, tworząc systemy regułowe i języki, tj. LISP, PROLOG, Haskell, Jess. Dogłębna analiza wszystkich możliwych przypadków i reguł jest jednak niewykonalna ze względu na zbyt dużą złożoność obliczeniową – tzw. kombinatoryczną eksplozję. Brak sukcesu tego podejścia w modelowaniu inteligencji otworzył drogę dla innych podejść do jej modelowania.

4 Wiedza jako fundament działania INTELIGENCJI Uświadomiono sobie, iż inteligencja wymaga wiedzy, więc na różne sposoby w systemach informatycznych próbuje się modelować i reprezentować wiedzę, lecz okazało się to być równie trudnym zadaniem jak modelowanie inteligencji. W wyniku tego powstały systemy gromadzące fakty, reguły, obiekty powiązane relacjami, poprzez ramy i systemy ekspertowe, które w zamyśle ich twórców miały gromadzić wiedzę ekspertów. Niestety do tej pory nie uzyskano zadowalających efektów, porównywalnych z ludzką wiedzą.

5 Systemy i architektury kognitywne Architektury kognitywne są próbą stworzenia komputerowych modeli integrujących wiedzę, funkcje poznawcze i schematy działania ludzkiego umysłu. Dzielimy je na na 3 grupy:  Architektury symboliczne – oparte na funkcjonalnym rozumieniu procesów poznawczych,  Architektury emergentne – oparte na modelach konekcjonistycznych,  Architektury hybrydowe – wykorzystujące zarówno modele neuronowe, jak i reguły symboliczne.

6 Achitektury kognitywne Architektury kognitywne wykorzystują różne modele pamięci oraz mechanizmy tworzenia, uczenia i adaptacji tych struktur:

7 Techniki rozwiązywania problemów 1.Metodą prób i błędów – badając różne przypadki z możliwością wycofywania się i badania innych ścieżek z przestrzeni rozwiązań. 2.Kombinatoryczne – poprzez przeszukiwanie całej przestrzeni potencjalnych rozwiązań (problem eksplozji kombinatorycznej). 3.Przeszukiwanie kierowane informacją (informed search / heuristic search) – wykorzystuje dodatkowe informacje umożliwiające kierowanie procesem wyszukiwania w najbardziej obiecujących kierunkach zawężając w taki sposób przestrzeń poszukiwań. Heurystyki – metody poszukiwania rozwiązań na podstawie przypuszczeń co do kierunków ich poszukiwania bez gwarancji ich odnalezienia. W Odysei kosmicznej 2001, nazwa inteligentnego komputera HAL pochodziła od Heuristically programmed ALgorithmic computer. W przeszukiwaniu często stosuje się funkcję kosztu, wyróżniając sytuację początkową i końcową oraz stany przejściowe, dopuszczalne czynności/akcje, zwane operatorami.

8 Techniki rozwiązywania problemów 4.Metoda poprawiania rozwiązania – polega na losowym ustawieniu sytuacji wyjściowej oraz próbie poprawienia rozwiązania poprzez wprowadzanie drobnych zmian, a następnie ocenianie wyników takich działań na podstawie funkcji dopasowania. Problemy: minima lokalne, równiny (plateaux), grzebienie (ridges). Rozwiązania: A) wielokrotny restart z różnych losowych punktów startowych, B) symulowane wyżarzanie (simulated annealing), C) algorytmy genetyczne i metody ewolucyjne, D) metody Monte Carlo wykorzystujące elementy losowe, E) metoda A* umożliwiająca poprawianie rozwiązania, F) przeszukiwanie on-line związane ze stopniowym dostarczaniem danych (podobnie jak w przyrodzie), co umożliwia zmiany kierunków poszukiwań, gdy dostarczamy kolejne, nowe dane. 5.Regułowe i logiczne – z wykorzystaniem reguł, logiki formalnej, aksjomatów, dowodzenia.

9 AI KIEDY NADEJDZIE? ZAKRES MODELOWANIA INTELIGENCJI I NAZEWNICTWO: Artificial Intelligence Artificial General Intelligence Computational Intelligence Weak Artificial Intelligence Swarm Intelligence Collaborative Intelligence Business Intelligence Knowledge Discovery Strong Artificial Intelligence Associative Artificial Intelligence Human-Level Artificial Intelligence


Pobierz ppt "SZTUCZNA INTELIGENCJA FUNDAMENTY I MODELE Adrian Horzyk Akademia Górniczo-Hutnicza Wydział Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej."

Podobne prezentacje


Reklamy Google