Sztuczna Inteligencja Reprezentacja wiedzy II

Slides:



Advertisements
Podobne prezentacje
Ewolucja, twórcze zakorzenienie i granice racjonalności
Advertisements

Włodzisław Duch Katedra Informatyki Stosowanej,
Wprowadzenie w problematykę związaną z twierdzeniem Gödla
Związki w UML.
Sieć jednokierunkowa wielowarstwowa
SIECI NEURONOWE Sztuczne sieci neuronowe są to układy elektroniczne lub optyczne, złożone z jednostek przetwarzających, zwanych neuronami, połączonych.
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Inteligencja Obliczeniowa Sieci dynamiczne cd.
Katedra Informatyki Stosowanej UMK
Inteligencja Obliczeniowa Perceptrony o dużym marginesie błędu
Inteligencja Obliczeniowa Perceptrony
Sztuczna Inteligencja 2.1 Metody szukania na ślepo
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch.
Sztuczna Inteligencja Analiza języka naturalnego Tłumaczenie maszynowe
11 RDF Wertykalne zastosowania XML-a. 22 RDF - Wprowadzenie Problemy Sieć jest nieczytelna dla programów komputerowych. Sieć zawiera zbyt wiele informacji.
Co UML może zrobić dla Twojego projektu?
Urządzenia sieciowe Topologie sieci Standardy sieci Koniec.
Pamięć deklaratywna: epizodyczna i semantyczna
Sztuczna Inteligencja Reprezentacja wiedzy I Logika rozmyta
Sztuczna Inteligencja Reprezentacja wiedzy I Reprezentacja logiczna
Sztuczna Inteligencja Reprezentacja wiedzy II: sieci semantyczne
Wykład 15 Neuropsychologia komputerowa
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: W. Duch.
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.
Mózg i umysł Mózg jest substratem, umożliwiającym powstanie umysłu.
Zastosowanie pamięci semantycznej we wspomaganiu decyzji medycznych
Pamięć semantyczna Część pamięci długotrwałej, w której przechowuje się podstawowe znaczenie słów i pojęć.
Metody Sztucznej Inteligencji w Sterowaniu 2009/2010 Metoda propagacji wstecznej Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania.
Wstęp do interpretacji algorytmów
Modele baz danych - spojrzenie na poziom fizyczny
Zastosowanie technologii CUDA w sztucznej inteligencji
Epidemie w sieciach złożonych
I. Informacje podstawowe
AI w grach komputerowych
Autor: Justyna Radomska
Systemy wspomagania decyzji
Modelowanie i Identyfikacja 2011/2012 Metoda propagacji wstecznej Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów Sterowania 1 Warstwowe.
Typy wykresów Bartosz Celiński.
XML – eXtensible Markup Language
POŚREDNIK Jak reprezentowana jest informacja w komputerze? liczby – komputer został wymyślony jako zaawansowane urządzenie służące do wykonywania.
Pamięć deklaratywna: semantyczna i epizodyczna
Rozwiązanie zadań do zaliczenia I0G1S4 // indeks
Wybrane zagadnienia relacyjnych baz danych
ZWIĄZKI MIĘDZY KLASAMI KLASY ABSTRAKCYJNE OGRANICZENIA INTERFEJSY SZABLONY safa Michał Telus.
SYSTEMY EKSPERTOWE I SZTUCZNA INTELIGENCJA
1. Współczesne generacje technologii
Politechniki Poznańskiej
UML W V ISUAL S TUDIO Mateusz Lamparski. UML D EFINICJA Unified Modeling Language (UML) to graficzny język do obrazowania, specyfikowania, tworzenia i.
Temat 4: Typy danych.
Grażyna Ziobro-Marcinkiewicz
Modelowanie Kognitywne
Wizualizacja Wikipedii Julian Szymański Julian Szymański Wydział Elektroniki Telekomunikacji i Informatyki Politechniki Gdańskiej Włodzisław Duch Katedra.
Projektowanie bazy danych z użyciem diagramów UML Obiektowe projektowanie relacyjnej bazy danych Paweł Jarecki.
Komputerowe wspomagania nauczania w Nanyang Technological University, Singapur Włodzisław Duch Katedra Informatyki Stosowanej UMK Nanyang Technological.
4 lipca 2015 godz pok września 2015 godz pok. 212.
Warstwowe sieci jednokierunkowe – perceptrony wielowarstwowe
Wstęp do interpretacji algorytmów
Metody sztucznej inteligencji – technologie rozmyte i neuronoweReguła propagacji wstecznej  Dr hab. inż. Kazimierz Duzinkiewicz, Katedra Inżynierii Systemów.
Zarządzanie projektami
Belief Nets Autor: inż. 2013r źródło tła:
Inteligencja Obliczeniowa Perceptrony o dużym marginesie błędu
Sztuczna Inteligencja Reprezentacja wiedzy II Ramy i inne
Włodzisław Duch Katedra Informatyki Stosowanej,
Systemy Ekspertowe i Sztuczna Inteligencja trudne pytania
Inteligencja Obliczeniowa Perceptrony
Sztuczna Inteligencja Reprezentacja wiedzy II: sieci semantyczne
Modele baz danych - spojrzenie na poziom fizyczny
Sztuczna Inteligencja Reprezentacja wiedzy I Logika przybliżona
Zapis prezentacji:

Sztuczna Inteligencja Reprezentacja wiedzy II Włodzisław Duch Katedra Informatyki Stosowanej UMK Google: Duch

Co było: Reprezentacja wiedzy - wstęp Logiczna reprezentacja wiedzy

Co będzie Sieci semantyczne Reprezentacje bezpośrednie Ramy Skrypty

Sieci semantyczne Główne idee: Sens symbolu lub koncepcji wynika z relacji z innymi symbolami i koncepcjami; ludzka pamięć jest siecią skojarzeń (Arystoteles) Informacja zawarta jest w węzłach sieci i łukach, łączących te węzły. Charles Peirce (1909) „existential graphs”; Quillian (1966) użył tej metody reprezentacji wiedzy do analizy sensu zdań. Logiczna reprezentacja własności: Isa(wróbel, ptak) Przykład: Isa(ćwirk, wróbel), lub wróbel(ćwirk) Posiada(wróbel, gniazdo)

Wiedza zapisana w sieci Każda koncepcja jest węzłem sieci. Powiązania pomiędzy węzłami są jawnie przedstawiane. Łuki mogę być różnych typów. Model pamięci epizodycznej. Ćwirk Wróbel Ptak Gniazdo wł. Gniazdo skrzydła jest ma posiada dziób zwierzę

Sieci i rozumowanie Węzły reprezentują: obiekty, typy lub klasy, zdarzenia, działania, epizody, miejsca, czasy ... Łuki reprezentują: podanie przykładu, podklasę, relację ISA; jest częścią czegoś; logiczne spójniki i, lub; działania, przyrządy ... Reprezentacja wspomaga rozumowanie: Pobudzenia koncepcji: aktywność rozszerza się od pobudzonego węzła na węzły z nim połączone, aż dojdzie do pożądanych własności. Podobnie do działania mózgu w czasie tworzenia skojarzeń i rozumowania; podobny model używany jest w psychologii do wyjaśniania czasów odpowiedzi. Umożliwia łatwe dziedziczenie koncepcji.

Przykłady Reprezentacja zdania: pewnego okropnego poranka lekarz został oskarżony przez prawnika o branie łapówek.

Przykłady Reprezentacja zdania: Przywódca ZSSR, L. Breżniew, otrzymał od prezydenta Nixona pięknego Cadillac’a.

Analiza logiczna Brak formalnej semantyki dla sieci. Brak jednoznacznej interpretacji. Interpretacja łuku X ISA Y może być: X podzbiorem Y; X częścią Y; X rodzajem Y ... Ograniczone możliwości ekspresji, brak kwantyfikatorów. Trudności w interpretacji wierzeń, nadawanie prawdziwości zdaniom, np.: Jasiu wierzy, że Święty Mikołaj mieszka na biegunie. Rozszerzenie możliwości sieci: węzeł sam może być siecią (dopuszczenie rekursji) w sieciach RTN (recursive transition networks), rekursywnych sieciach przejść. Sieci semantyczne to obrazkowa notacja logiczna.

Sieci i mózgi Brakuje opisu wiedzy ogólnej w postaci sieci semantycznej. Microsoft MindNet zawiera przykład: http://research.microsoft.com/nlp/Projects/MindNet.aspx Projekt powstał głównie z myślą o wspomaganiu tłumaczenia maszynowego. Sieci semantyczne propagują aktywację; każdy węzeł reprezentuje podsieć aktywacji neuronów w mózgu. Sieci aktywacji w mózgu są zarówno pobudzające jak i hamujące. Powstawanie pobudzeń w czasie czytania czy dialogu uaktywnia pamięć semantyczną i sieci semantyczne pozwalające na właściwą interpretację – inna „nie przychodzi do głowy”.