Úvod do umelej inteligencie
Upcoming SlideShare
Loading in...5
×
 

Úvod do umelej inteligencie

on

  • 2,527 views

Úvod do umelej inteligencie, prednáška v Progressbar.sk dňa 1. 9. 2010

Úvod do umelej inteligencie, prednáška v Progressbar.sk dňa 1. 9. 2010

Statistics

Views

Total Views
2,527
Views on SlideShare
2,185
Embed Views
342

Actions

Likes
0
Downloads
3
Comments
0

4 Embeds 342

http://www.progressbar.sk 276
http://www.bosomt.sk 61
https://www.progressbar.sk 3
http://webcache.googleusercontent.com 2

Accessibility

Categories

Upload Details

Uploaded via as OpenOffice

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

Úvod do umelej inteligencie Úvod do umelej inteligencie Presentation Transcript

  • Úvod do umelej inteligencie Juraj Bednár
  • Úvod do umelej inteligencie Agenda nebude :) Čo je to inteligencia? Čo je to myslenie?
  • Inteligencia a myslenie Inteligencia zahŕňa tieto s mysľou súvisiace schopnosti: Možnosť abstraktného myslenia Chápanie, Rozumenie Komunikácia, Plánovanie Argumentácia, Riešenie problémov Učenie (+ učenie z minulých skúseností)
  • Inteligencia a myslenie
      Egon Gál, rozhovor pre sme.sk (bit.ly/cMVqEa) Je možné, že stroje raz budú myslieť rovnako ako ľudia? Toto je otázka, ktorú si už v roku 1950 položil britský matematik Alan Turing, a tým vlastne naštartoval celú problematiku. Pritom ju označil za zle formulovanú otázku, pretože nevieme, čo je to stroj a čo to je myslieť, keďže naše pohľady na tieto dva pojmy sa stále menia. Povedal, že otázku je lepšie nahradiť testom .
  • Turingov test
      Posadiť človeka za stroj, pustiť chatovací program. Ak človek nerozozná program / stroj od iného človeka na druhej strane, prešiel Turingovým testom.
        Aplikácia: CAPTCHA
  • Rozdelenie umelej inteligencie
      UI rieši množstvo problémov
        Získavanie, ukladanie a pracovanie so znalosťami Optimalizačné problémy Kreativita Plánovanie Učenie Spracovanie prirodzeného jazyka Pohyb a manipulácia Vnímanie
  • Rozdelenie umelej inteligencie
        Spoločenská inteligencia Silná inteligencia (úplná inteligencia)
      Prístupy
        Symbolová Subsymbolová Integračná
  • Symbolová UI
      Predstava, že človek rozmýšľa pomocou symbolov – slov, ktoré skladá do tvrdení, vyhodnocuje ich pravdivosť a pod. Systémy založené na logike Databázy znalostí (napr. Cyc)
    Expertné systémy … a mnoho ďalších
  • Expertný systém
      Knowledge base (databáza znalostí) Working memory (databáza faktov, pracovná pamäť) “ Premýšľanie” zabezpečené pomocou aplikovania pravidiel nad fakty v pracovnej pamäti (a vytváranie nových faktov)
  • Expertný systém
      Priamy chod (forward chaining), spätný chod (backward chaining, prečo?) Voľné asociácie Hľadanie analógií Prehľadávanie …
  • Symbolová UI
      Narazila na problémy s učením (potrebný pomerne striktný formálny model znalostí) Ľudia “nerozmýšľajú” v symboloch, nie je biologicky plauzibilná. Množstvo reálnych aplikácií, dodnes sa používa Dokáže vysvetliť, prečo došla k danému záveru
  • Subsymbolová UI
      Inšpirovaná biológiou Má podobné vlastnosti ako ľudský mozog
        Učenie Plasticita mozgu, distribuovanosť informácie (slow degrading)
  • Perceptrón
  • Perceptrón
  • Perceptrón
  • Multi-layer perceptrón
  • Učenie MLP
      Najpopulárnejšie pomocou backpropagation – algoritmus spätného šírenia chyby Tzv. učenie s učiteľom Existujú aj algoritmy, ktoré robia učenie neurónovej siete bez učiteľa
  • Do Androids Dream of 'lectronic Sheep?
    • http://www.youtube.com/watch?v=AyzOUbkUf3M
    • Snívanie je na 21:35
  • Iné typy neurónových sietí
      Radial basis functions Rekurentné neurónové siete … a Kohonenove mapy (SOM)
  • Kohonenove mapy
  • Kohonenove mapy
      Vizualizácia viacrozmerných dát zachovávajúca topológiu Odhaľovanie vnútornej štruktúry dát Clustering
  • Kohonenove mapy
    • Výstupom je mapa neurónov
    • Najprv nastavíme náhodné hodnoty vektorov pre každý neurón v mape
    • Pre postupne zmenšujúce sa okolie nájdeme ku každému vstupnému vektoru najbližšieho reprezentanta a upravíme jeho okolie tak, aby sa blížilo vstupnému vektoru
    • Znižujeme rýchlosť učenia a okolie
  • Inteligentný dizajn?
  • Evolučné algoritmy
    • Inšpirované evolúciou
    • Nevieme nájsť riešenie, ale keď nejaké riešenie máme, vieme povedať, aké je dobré (fitness funkcia)
    • Simulujeme evolúciu
    • Mutácia, párenie
  • Evolúcia
    • Replikácia (kopírovanie)
    • Mutácia
    • Dedenie
    • Selekcia
  • Genetický algoritmus
    • Vygeneruje náhodné riešenia
    • Zotriedi
    • Najlepšie prežijú a rozmnožia sa (váhovaná náhoda)
    • Prebehne mutácia
    • Po x generáciách môžeme mať optimálne riešenia
  • Genetický algoritmus
    • Akú vlastnosť musí mať reprezentácia, resp. podstata problému?
    • Demo kandid
    • Perfect Word
  • Linky
    • kandid.sf.net – evolučná grafika
    • FANN – http://leenissen.dk/fann/
    • CLIPS (tool for building expert systems) http://clipsrules.sourceforge.net/
    • Drools – rules/expert systém http://www.jboss.org/drools/
    • R Project – http://www.r-project.org/
    • Moderné neurónové siete (prednáška) – http://bit.ly/1a4sCj
    • Fusion Anomaly SOM – http://bit.ly/9TS8il
    • Perfect Word – http://bit.ly/bVuc8g