Úvod do umelej inteligencie

2,408 views

Published on

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

Published in: Education
0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total views
2,408
On SlideShare
0
From Embeds
0
Number of Embeds
341
Actions
Shares
0
Downloads
8
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Úvod do umelej inteligencie

  1. 1. Úvod do umelej inteligencie Juraj Bednár
  2. 2. Úvod do umelej inteligencie Agenda nebude :) Čo je to inteligencia? Čo je to myslenie?
  3. 3. 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)
  4. 4. Inteligencia a myslenie <ul>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 . </ul>
  5. 5. Turingov test <ul>Posadiť človeka za stroj, pustiť chatovací program. Ak človek nerozozná program / stroj od iného človeka na druhej strane, prešiel Turingovým testom. <ul>Aplikácia: CAPTCHA </ul></ul>
  6. 6. Rozdelenie umelej inteligencie <ul>UI rieši množstvo problémov <ul>Získavanie, ukladanie a pracovanie so znalosťami Optimalizačné problémy Kreativita Plánovanie Učenie Spracovanie prirodzeného jazyka Pohyb a manipulácia Vnímanie </ul></ul>
  7. 7. Rozdelenie umelej inteligencie <ul><ul>Spoločenská inteligencia Silná inteligencia (úplná inteligencia) </ul>Prístupy <ul>Symbolová Subsymbolová Integračná </ul></ul>
  8. 8. Symbolová UI <ul>Predstava, že človek rozmýšľa pomocou symbolov – slov, ktoré skladá do tvrdení, vyhodnocuje ich pravdivosť a pod. Systémy založené na logike Databázy znalostí (napr. Cyc) </ul>Expertné systémy … a mnoho ďalších
  9. 9. Expertný systém <ul>Knowledge base (databáza znalostí) Working memory (databáza faktov, pracovná pamäť) “ Premýšľanie” zabezpečené pomocou aplikovania pravidiel nad fakty v pracovnej pamäti (a vytváranie nových faktov) </ul>
  10. 10. Expertný systém <ul>Priamy chod (forward chaining), spätný chod (backward chaining, prečo?) Voľné asociácie Hľadanie analógií Prehľadávanie … </ul>
  11. 11. Symbolová UI <ul>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 </ul>
  12. 12. Subsymbolová UI <ul>Inšpirovaná biológiou Má podobné vlastnosti ako ľudský mozog <ul>Učenie Plasticita mozgu, distribuovanosť informácie (slow degrading) </ul></ul>
  13. 13. Perceptrón
  14. 14. Perceptrón
  15. 15. Perceptrón
  16. 16. Multi-layer perceptrón
  17. 17. Učenie MLP <ul>Najpopulárnejšie pomocou backpropagation – algoritmus spätného šírenia chyby Tzv. učenie s učiteľom Existujú aj algoritmy, ktoré robia učenie neurónovej siete bez učiteľa </ul>
  18. 18. Do Androids Dream of 'lectronic Sheep? <ul><li>http://www.youtube.com/watch?v=AyzOUbkUf3M
  19. 19. Snívanie je na 21:35 </li></ul>
  20. 20. Iné typy neurónových sietí <ul>Radial basis functions Rekurentné neurónové siete … a Kohonenove mapy (SOM) </ul>
  21. 21. Kohonenove mapy
  22. 22. Kohonenove mapy <ul>Vizualizácia viacrozmerných dát zachovávajúca topológiu Odhaľovanie vnútornej štruktúry dát Clustering </ul>
  23. 23. Kohonenove mapy <ul><li>Výstupom je mapa neurónov
  24. 24. Najprv nastavíme náhodné hodnoty vektorov pre každý neurón v mape
  25. 25. Pre postupne zmenšujúce sa okolie nájdeme ku každému vstupnému vektoru najbližšieho reprezentanta a upravíme jeho okolie tak, aby sa blížilo vstupnému vektoru
  26. 26. Znižujeme rýchlosť učenia a okolie </li></ul>
  27. 27. Inteligentný dizajn?
  28. 28. Evolučné algoritmy <ul><li>Inšpirované evolúciou
  29. 29. Nevieme nájsť riešenie, ale keď nejaké riešenie máme, vieme povedať, aké je dobré (fitness funkcia)
  30. 30. Simulujeme evolúciu
  31. 31. Mutácia, párenie </li></ul>
  32. 32. Evolúcia <ul><li>Replikácia (kopírovanie)
  33. 33. Mutácia
  34. 34. Dedenie
  35. 35. Selekcia </li></ul>
  36. 36. Genetický algoritmus <ul><li>Vygeneruje náhodné riešenia
  37. 37. Zotriedi
  38. 38. Najlepšie prežijú a rozmnožia sa (váhovaná náhoda)
  39. 39. Prebehne mutácia
  40. 40. Po x generáciách môžeme mať optimálne riešenia </li></ul>
  41. 41. Genetický algoritmus <ul><li>Akú vlastnosť musí mať reprezentácia, resp. podstata problému?
  42. 42. Demo kandid
  43. 43. Perfect Word </li></ul>
  44. 44. Linky <ul><li>kandid.sf.net – evolučná grafika
  45. 45. FANN – http://leenissen.dk/fann/
  46. 46. CLIPS (tool for building expert systems) http://clipsrules.sourceforge.net/
  47. 47. Drools – rules/expert systém http://www.jboss.org/drools/
  48. 48. R Project – http://www.r-project.org/
  49. 49. Moderné neurónové siete (prednáška) – http://bit.ly/1a4sCj
  50. 50. Fusion Anomaly SOM – http://bit.ly/9TS8il
  51. 51. Perfect Word – http://bit.ly/bVuc8g </li></ul>

×