Techniki sztucznej inteligencji

Slides:



Advertisements
Podobne prezentacje
Data Mining w e-commerce
Advertisements

Włodzisław Duch Katedra Informatyki Stosowanej,
Mechanizm wnioskowania rozmytego
REGUŁOWO-MODELOWE SKORUPOWE SYSTEMY EKSPERTOWE Część 1
Charakterystyka systemów zarządzania w przedsiębiorstwie
SZTUCZNA INTELIGENCJA
Badania operacyjne. Wykład 1
Sztuczna Inteligencja Reprezentacja wiedzy II
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch.
METODOLOGIA W INFORMATYCE
Imperatywne modele obliczeń Copyright, 2003 © Jerzy R. Nawrocki Teoretyczne podstawy.
Definicje operacji.
Specjalność: Metody i systemy wspomagania decyzji II
Sztuczna Inteligencja Reprezentacja wiedzy II Systemy produkcyjne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
Sztuczna Inteligencja Reprezentacja wiedzy I Wstęp. Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
Inteligentne Systemy Informacyjne
INFORMAYZACJA PRZEDSIĘBIORSTW
Jakość systemów informacyjnych (aspekt eksploatacyjny)
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
SZTUCZNA INTELIGENCJA ARTIFICIAL INTELLIGENCE
Wstęp do programowania obiektowego
Algorytmika w drugim arkuszu maturalnym. Standardy wymagań I. WIADOMOŚCI I ROZUMIENIE I. WIADOMOŚCI I ROZUMIENIE II.KORZYSTANIE Z INFORMACJI II.KORZYSTANIE.
Wstęp do interpretacji algorytmów
5. Problemy lokalizacji w projektowaniu międzynarodowych struktur logistycznych – przegląd metod i technik.
Typy systemów informacyjnych
Projekt systemu ekspertowego Nazwa Grupa: Zespół:…… …… ……. ……..
AI w grach komputerowych
ALGORYTMY OPTYMALIZACJI
strukturalizacja powtarzalnych reguł postępowania
Moduł: Informatyka w Zarządzaniu
POŚREDNIK Jak reprezentowana jest informacja w komputerze? liczby – komputer został wymyślony jako zaawansowane urządzenie służące do wykonywania.
Pamięć deklaratywna: semantyczna i epizodyczna
„Zdolności a umiejętności”
Podstawowe informacje o maturze dla gimnazjalistów.
istotne cechy kryterium:
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
1. Współczesne generacje technologii
Projekt systemowy współfinansowany przez Unię Europejską ze środków
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
Do technik tych zalicza się: * sztuczne sieci neuronowe
PRZYGOTOWALI Bartosz Pawlik Daniel Sawa Marcin Turbiński.
ZAPIS BLOKOWY ALGORYTMÓW
Metoda studium przypadku jako element XI Konkursu Wiedzy Ekonomicznej
METODY PODEJMOWANIA DECYZJI
Zagadnienia AI wykład 1. Zaliczenie wykładu: Egzamin pisemny w formie testu Podręcznik do wykładu: Leszek Rutkowski Metody i techniki sztucznej inteligencji.
Systemy informatyczne wprowadzenie
Modelowanie Kognitywne
Nie jesteśmy w stanie odpowiedzieć na wszystkie wyzwania... ~ … ale jesteśmy Nie jesteśmy w stanie odpowiedzieć na wszystkie wyzwania... ~ … ale jesteśmy.
Ergonomia procesów informacyjnych
Adaptacyjne Systemy Inteligentne Maciej Bielski, s4049.
Budowa systemu informacyjnego
Dane – informacje - wiadomości Kodowanie danych i problem nadmiarowości.
4 lipca 2015 godz pok września 2015 godz pok. 212.
Systemy zarządzania przepływem pracy i systemy zarządzania procesami biznesowymi Karolina Muszyńska.
Wstęp do interpretacji algorytmów
Marek Fertsch Zarządzanie produktem - wykład 1. Wykład 1. Definicja zarządzania produktem. Kategorie produktów.
Wybrane zagadnienia inteligencji obliczeniowej Zakład Układów i Systemów Nieliniowych I-12 oraz Katedra Mikroelektroniki i Technik Informatycznych proponują.
SZTUCZNA INTELIGENCJA
 Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Metody sztucznej inteligencji – Technologie rozmyte i neuronoweSystemy.
KNW K Konwencjonalne oraz N Niekonwencjonalne metody W Wnioskowania.
GeneracjeTechnologia Architektura przetwarzania 0. Przekaźniki elektromechaniczne 1. Lampy elektronowe 2. Tranzystory 3. Układy scalone 3.5.Układy dużej.
Metody sztucznej inteligencji - Technologie rozmyte i neuronowe 2015/2016 Systemy rozmyte – wnioskowanie Mamdani’ego II © Kazimierz Duzinkiewicz, dr hab.
Systemy neuronowo – rozmyte
„Jeżeli nie znasz portu, do którego płyniesz i wiatry nie będą Ci sprzyjać”. Seneka.
Metoda WebQuest.
Wstęp do Informatyki - Wykład 6
Metody sztucznej inteligencji
Treści multimedialne - kodowanie, przetwarzanie, prezentacja Odtwarzanie treści multimedialnych Andrzej Majkowski informatyka +
Systemy eksperckie i sztuczna inteligencja
Zapis prezentacji:

Techniki sztucznej inteligencji Andrzej Macioł

Literatura http://www.lpa.co.uk/vrs_dem.htm Mulawka J., Systemy ekspertowe. WNT Warszawa 1996. Flasiński M., Wstęp do sztucznej inteligenji, PWN Warszawa 2011. Bubnicki Z., Wstęp do systemów ekspertowych. PWN, Warszawa 1990. Kasperski M. J., Sztuczna Inteligencja. Helion 2003 http://www.lpa.co.uk/vrs_dem.htm

Co to jest sztuczna inteligencja? Nauka o maszynach realizujących zadania, które wymagają inteligencji wówczas, gdy są wykonywane przez człowieka [Minsky 1963] Dziedzina informatyki dotycząca metod i technik wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej podczas tego wnioskowania [Feigenbaum 1977?]

Co to jest rozumowanie symboliczne? Posługiwanie się językiem składającym się ze słownika i gramatyki Wiedza w sztucznej inteligencji podobnie jak przedstawiona wiedza człowieka wyraża się w symbolach (słowach) i związkach zachodzących między nimi Sztuczne sieci neuronowe, algorytmy genetyczne to nie są metody sztucznej inteligencji w jej podstawowym rozumieniu

Stanowiska wobec AI wg R. Penrosa Myślenie zawsze polega na obliczeniach (kalkulacji) Świadomość jest cechą fizyczną działającego mózgu; procesy fizyczne można symulować obliczeniowo ale nie towarzyszy im świadomość Procesy fizyczne powodują w mózgu powstanie świadomości ale nie można ich symulować obliczeniowo Świadomości nie można wyjaśnić w żaden fizyczny, obliczeniowy czy inny naukowy sposób

Filozofia Sztucznej Inteligencji epistemologia filozofia języka filozofia umysłu logika matematyka filozofia matematyki psychologia kognitywna rozwoju dziecka Filozofia Sztucznej Inteligencji informatyka nauki o mózgu

Maszyna Turinga Abstrakcyjny schemat działania wedle zadanego algorytmu: Odczytaj zawartość komórki pamięci Zmień stan obiektu Zapisz nowy symbol do komórki Przejdź do zadanej komórki pamięci Powtórz cykl Maszyna Turinga to maszyna stanów dyskretnych

Test Turinga Co najmniej dwoje ludzi i jedna maszyna Żaden z uczestników testu nie widzi drugiego Jeden z ludzi jest sędzią i prowadzi dialog z pozostałymi uczestnikami Sędzia w wyniku prowadzonego dialogu ma ustalić kto jest człowiekiem a kto maszyną Każda maszyna, która „oszuka” sędziego spełni test Turinga

Zastosowania AI w gospodarce Systemy ekspertowe (eksperckie) zastosowania techniczne wojskowość medycyna ograniczone zastosowania biznesowe Systemy sterowania (technika) Systemy zarządzania regułami biznesowymi Symulacja komputerowa (systemy agentowe)

Co to jest system ekspertowy? Program komputerowy przeznaczony do rozwiązywania problemów decyzyjnych wyposażony w elektroniczny zapis wiedzy i niezależny od niej mechanizm wnioskowania podobny w działaniu do wnioskowania eksperta-człowieka. Do budowy systemów ekspertowych wykorzystuje się osiągnięcia tzw. sztucznej inteligencji.

Zarządzanie regułami biznesowymi Źródło: przezwyciężenie luki pomiędzy modelami procesów tworzonych w języku naturalnym przez kierownictwo przedsiębiorstwa i zrozumiałych dla niego, a sposobem ich zapisu w sposób zrozumiały dla informatycznych systemów zarządzania Zarządzanie regułami biznesowymi BRM, którego celem jest opis procesu jako zbiór reguł zrozumiały dla kierownictwa przedsiębiorstwa, a realizacją są Systemy Zarządzania Regułami Biznesowymi (BRMS) oraz Maszyny Wnioskujące (Business Rules Engine)

Definicja Reguły biznesowe umożliwiają ekspertom przepisanie strategii przedsiębiorstwa na poziom operacyjny przy pomocy prostych stwierdzeń, które następnie mogą zautomatyzować reakcje na zdarzenia wewnątrz i w otoczeniu przedsiębiorstwa Reguły definiują zachowanie przedsiębiorstwa jako zbiór stwierdzeń logicznych Podstawową zaletą takiego podejścia do opisu procesów jest prostota i elastyczność reguł biznesowych, co pozwala na ich łatwe zastosowanie w różnych instytucjach i do różnych celów

Przykłady zastosowań Systemy wspomagające zarządzanie kontaktami z klientem (reguły opisują w tym przypadku ofertę, jaką w sposób zindywidualizowany można kierować do różnych klientów) Systemy oceny klientów (np. oceny zdolności kredytowej, oceny wartości klienta)

Przykłady zastosowań Rozbudowane cenniki i regulaminy sprzedaży Systemy wspomagające zarządzanie łańcuchem dostaw (np. dobór dostawców) Kontrola kosztów i budżetowanie (reguły opisują zasady dekretowania kosztów, zasady budżetowania itp.)

Model reguł biznesowych

Objaśnienia do modelu

Tablica decyzyjna

Plan wykładu Wiedza Komputery wyposażone w wiedzę Metody zapisu wiedzy Metody pozyskiwania wiedzy Wnioskowanie w systemach sztucznych Zagadnienia praktyczne Przykłady zastosowań

Wiedza Płynne połączenie doświadczenia, ocen wartości, informacji o kontekście oraz analitycznego wglądu w zagadnienia, które zapewnia ramy dla oceny i włączania nowych doświadczeń i informacji Wiedza organizacji wywodzi się i jest charakterystyczna dla umysłów ludzi [Davenport i Prusak 1998]

Wiedza Cechą wiedzy jest porządek, którego poszukiwali filozofowie zajmujący się metafizyką czy jak wolimy to dzisiaj mówić ontologią, której zadaniem jest po prostu opisanie rzeczywistości, a więc tego co istnieje Tradycyjnym celem ontologii jest podział wiadomości o świecie (bycie) na kategorie definiujące rzeczy składające się na niego Wiedza składa się z uporządkowanych opisów, relacji i procedur

Wiedza człowieka (eksperta) wiedza milcząca (tacit knowledge) – wiem jak postępować w danych okolicznościach ale nie wiem dlaczego i nie potrafię tego wyjaśnić asocjacyjna wiedza empiryczna – znam wiele przykładów i umiem je wykorzystać do wnioskowania wiedza głęboka – dokładnie wiem dlaczego (oczywiście w pewnej ontologii)

Wiedza - reprezentacja reprezentacja proceduralna – określenie zbioru procedur, których działanie reprezentuje wiedzę o dziedzinie (np. procedura wyznaczania ekstremum funkcji) reprezentacja deklaratywna, polegająca na określeniu zbioru specyficznych dla rozpatrywanej dziedziny faktów i reguł

Komputery wyposażone w wiedzę Systemy ekspertowe to „programy z wiedzą” Sam program realizuje procedury wnioskowania i ew. obliczania, objaśniania, uczenia, komunikowania Wiedza zapisana jest w osobnych zbiorach i poza tym, że może być poszerzana przez program (uczenie) jest od niego niezależna

Przykład: tabela decyzyjna Klient jest wiarygodny T Klient nie jest wiarygodny Klient płaci gotówką Klient dokonuje przedpłaty Klient płaci przelewem Wartość kontraktu jest duża Wartość kontraktu jest mała Decyzja ostateczna: sprzedać po cenie standardowej X Decyzja ostateczna: przyznać klientowi upust Decyzja ostateczna: odrzucić ofertę

If "Klient jest wiarygodny" And " Klient płaci przelewem" And "Wartość kontraktu jest duża" Then "przyznać klientowi upust” If "Klient jest wiarygodny" And " Klient płaci przelewem" And "Wartość kontraktu jest mała" Then "sprzedać po cenie standardowej„ If "Klient nie jest wiarygodny" And " Klient płaci przelewem" And "Wartość kontraktu jest duża" Then konkluzja = "odrzucić ofertę„ If " Klient płaci gotówką" And "Wartość kontraktu jest duża" Then "przyznać klientowi upust„ If " Klient płaci gotówką" And "Wartość kontraktu jest mała" Then "sprzedać po cenie standardowej„ If " Klient dokonuje przedpłaty" And "Wartość kontraktu jest duża" Then "przyznać klientowi upust„ If " Klient dokonuje przedpłaty " And "Wartość kontraktu jest mała" Then "sprzedać po cenie standardowej"

Przykład: fasety Nr faktu Opis 1 Klient jest wiarygodny 2 Klient nie jest wiarygodny 3 Klient płaci gotówką 4 Klient dokonuje przedpłaty 5 Klient płaci przelewem 6 Wartość kontraktu jest duża 7 Wartość kontraktu jest mała 8 Decyzja wstępna: sprzedać towar 9 Decyzja ostateczna: sprzedać po cenie standardowej 10 Decyzja ostateczna: przyznać klientowi upust 11 Decyzja ostateczna: odrzucić ofertę

Przykład:baza wiedzy (przesłanki) 1 2 3 jeżeli Klient płaci gotówką to Decyzja wstępna: sprzedać towar Klient dokonuje przedpłaty Klient płaci przelewem i Klient jest wiarygodny Klient nie jest wiarygodny Decyzja ostateczna: odrzucić ofertę Wartość kontraktu jest duża Decyzja ostateczna: przyznać klientowi upust Wartość kontraktu jest mała

For k = 1 To LiczbaReguł prawda1 = True l = 1 Do prawda = False For ll = 1 To LiczbaFaktów If fakty(ll) = przeslanki(k, l) Then prawda = True End If Next If Not prawda Then prawda1 = False l = l + 1 Loop Until IsEmpty(przeslanki(k, l)) If prawda1 Then fakty(LiczbaFaktów) = konkluzje(k) LiczbaFaktów = LiczbaFaktów + 1