• Nie Znaleziono Wyników

Podstawy Sztucznej Inteligencji (PSZT)

N/A
N/A
Protected

Academic year: 2021

Share "Podstawy Sztucznej Inteligencji (PSZT)"

Copied!
12
0
0

Pełen tekst

(1)

Podstawy Sztucznej Inteligencji (PSZT)

Wykład wprowadzający

Paweł Wawrzyński

(2)

PSZT, zima 2013, wykład 1 2

Plan

• W stronę definicji sztucznej inteligencji

• Gałęzie sztucznej inteligencji

• Sztuczna inteligencja - rys historyczny

(3)

PSZT, zima 2013, wykład 1 3

W stronę definicji sztucznej inteligencji (1/3)

• Dwa źródła motywacji do zajmowania się sztuczną inteligencją:

– psychologiczno-filozoficzna: jak to człowiek robi, że jest inteligentny?

– inżynierska: jak zbudować system wyręczający człowieka w czynnościach wymagających

inteligencji?

(4)

PSZT, zima 2013, wykład 1 4

W stronę definicji sztucznej inteligencji (2/3)

• Silna i słaba sztuczna inteligencja:

– Silna SI - cecha sztucznego systemu pozwalająca mu myśleć na poziomie

intelektualnym zbliżonym do człowieka a nawet go przewyższającym

– Słaba SI - zbiór metod rozwiązujących

problemy które, wykonywane przez człowieka,

są dla niego wymagające intelektualnie

(5)

PSZT, zima 2013, wykład 1 5

W stronę definicji sztucznej inteligencji (3/3)

• Definicja sztucznej inteligencji (Marvin Minsky, 1960):

– Sztuczna inteligencja jest nauką o maszynach realizujących zadania, które wymagają

inteligencji gdy są wykonywane przez

człowieka.

(6)

PSZT, zima 2013, wykład 1 6

Gałęzie sztucznej inteligencji (1/4) Wnioskowanie

• Podstawa: logika (w różnej formie)

• Zastosowania:

– Systemy eksperckie

– Systemy automatycznego dowodzenia twierdzeń

– Gry komputerowe

(7)

PSZT, zima 2013, wykład 1 7

Gałęzie sztucznej inteligencji (2/4) Przeszukiwanie

• Algorytmy ewolucyjne i genetyczne

• Algorytmy znajdujące optymalne

sekwencje, w tym algorytmy planowania

• Algorytmy wyboru ruchu w grze:

MIN-MAX, α - β

(8)

PSZT, zima 2013, wykład 1 8

Gałęzie sztucznej inteligencji (3/4) Uczenie maszynowe

• Uczenie się wiedzy deklaratywnej

• Uczenie proceduralne (ze wzmocnieniem)

• Sieci neuronowe

(9)

PSZT, zima 2013, wykład 1 9

Gałęzie sztucznej inteligencji (4/4) Systemy rozmyte

• W stronę wnioskowania tak jak to robi człowiek

• Rozmyte pojęcia

• Rozmyte reguły wnioskowania

(10)

PSZT, zima 2013, wykład 1 10

Sztuczna inteligencja / dziedziny pokrewne

• Inne gałęzie

– Inteligencja roju – Sztuczne życie – Kognitywistyka

• Nazwy oznaczające (prawie) to samo

– Inteligencja obliczeniowa

– Miękkie techniki obliczeniowe (Soft computing)

(11)

PSZT, zima 2013, wykład 1 11

Historia sztucznej inteligencji prekursorzy

• 1938 - maszyna Turing’a, pierwsze komp-y

programowalne: Z3 - 1941, Collosus - 1943, ENIAC - 1943

• 1943, Pits & McCullough, sieć neuronowa

• 1955, Newell & Simon, program Logic Theorist (38/52 pierwszych twierdzeń z Principia Matematica)

• 1956 - konferencja w Dartmouth, Minsky & McCarthy:

termin „sztuczna inteligencja”

• 1970 - Life Magazine - Marvin Minsky:

„Za 8 lat będziemy mieli maszyny z inteligencją porównywalną z ludzką

(12)

PSZT, zima 2013, wykład 1 12

Historia sztucznej inteligencji czasy współczesne

• Metody sztucznej inteligencji są przedstawiane w języku dziedzin pokrewnych: informatyki, matematyki, ekonomii, badań operacyjnych, teorii podejmowania decyzji itd.

• Metody sztucznej inteligencji przechodzą do zastosowań jako narzędzia z repertuaru informatyki. Występują w

analizie danych, wyszukiwarkach, robotyce przemysłowej, logistyce, rozpoznawaniu mowy, grach komputerowych, bankowych systemach inf. itd.

• Nowe pomysły są przedstawiane w sposób ścisły

• Nowe metody są niekiedy prezentowane pod szyldem innych, historycznie starszych dyscyplin

Cytaty

Powiązane dokumenty

Kraj Nano, wróg Ameryki, posiada rakiety, które sprzedał mu pułkownik West, będący Amerykaninem. Udowodnić wszelkimi sposobami, że pułkownik West

Jeśli nie jest spełniony warunek stopu, wróć do punktu 2, w przeciwnym razie zwróć najlepszego osobnika z P... Co m-ty krok

• Osobnik czyli fenotyp, kodowany przez pewien projekt - genotyp. • Przedmiotem krzyżowania i mutacji są

- „wszerz” znajduje najkrótsze rozwiązanie zużywając najmniej czasu ale potrzebuje dużo pamięci. - „w głąb” potrzebuje mało pamięci ale nie znajduje

wartości równej tej, która jest przypisana do bieżącego stanu.

• Należy znaleźć wektor parametrów aproksymatora, który minimalizuje wskaźnik jakości.. PSZT, zima 2013, wykład

rezolucji moż że by e być ć pochł poch łoni onię ęta przez inn ta przez inną ą klauzulę klauzul

• Okre Okreś ślona akcja jest analizowana jednak nie dlatego, lona akcja jest analizowana jednak nie dlatego, ż że prowadzi do e prowadzi do osi osią ągni gnię ęcia celu,