• Nie Znaleziono Wyników

Sztuczna inteligencja

N/A
N/A
Protected

Academic year: 2021

Share "Sztuczna inteligencja"

Copied!
24
0
0

Pełen tekst

(1)

Sztuczna inteligencja

Mianem sztucznej inteligencji (ang. Artificial Intelligence — AI ) mo˙zna okre´sli´c dziedzin

e֒ wiedzy zajmuj ac֒

a֒ si

e֒ poszukiwaniem technik rozwi

azywania — i ich֒

formalnym sformu lowaniem pozwalaj

acym na implementacj֒

e֒ maszynow

a֒ — problem´ow trudnych, czyli takich kt´ore ludzie rozwi

azuj֒

a֒ — mniej lub bardziej wysilaj

ac sw´oj intelekt — ale kt´orych dok ladnego i og´olnego algorytmu֒

rozwi

azania nie potrafi֒

a֒ poda´c.

Nie jest to precyzyjna definicja.

Czy to jest trudny problem:

98731269868414316984251684351 × 985316846315968463198643541684? A to:

”M

e˙zu, kup ladny kawa lek wo lowiny na piecze´n!”֒

Problem naprawd

e֒ mega trudny: przela´c wod

e֒ ze szklanki do pojemnika.

Dok ladniej: maj

ac pod l֒

aczon֒

a֒ do komputera kamer

e֒ wideo (niech b

edzie dwie)֒

i mechaniczn

a֒ rek

e֒ z palcami i przegubami, napisz program zdolny podnie´s´c ze stolika szklank

e֒ z wod

a, i przela´c wod֒

e֒ do pojemnika. Dowoln

a֒ szklank e.֒

Z dowolnego stolika. Do dowolnego pojemnika.

Wprowadzenie do sztucznej inteligencji — co to jest AI? 1

(2)

Czym jest a czym nie jest inteligencja?

Pojecie inteligencji,֒

lub jej braku, bywa czesto nadu˙zywane.֒

Inteligentnym budynkiem nazywa sie֒ budynek

wyposa˙zony w system

automatycznego sterowania

ogrzewaniem.

Jednocze´snie cz

esto g lupim (czyli: pozbawionym֒

inteligencji) nazywa si

e֒ program komputerowy, poprawiaj

acy na bie˙z֒

aco b l֒

edy pope lniane przez֒

(inteligentnego) cz lowieka w pisanym przez niego tek´scie, gdy program ten pope lni okazjonaln

a֒

pomy lk

e֒ i zaproponuje niew la´sciwy wyraz.

Wprowadzenie do sztucznej inteligencji — co to jest AI? 2

(3)

Co jest istot

a inteligencji naturalnej?

֒ Komputery s

a֒ tanie i szybkie, maj

a֒ pot

e˙zne i niezawodne pami֒

eci, a przy tym s֒

a֒

dok ladne, nie myl a֒ si

e֒ (no, powiedzmy), i nie m ecz֒

a֒ si

e, zachowuj֒

ac swoj֒

a֒

dok ladno´s´c przez wiele godzin pracy. W czym wi

ec problem, co jest takiego֒

w inteligencji cz lowieka, z czym maj

a֒ trudno´sci komputery?

Cze´s֒ ciowo, problem tkwi w la´snie w tej wytrwa lej i niezawodnej dok ladno´sci!

Ludzie rozwi azuj֒

a֒ trudne problemy stosuj

ac abstrakcj֒

e — wielopoziomow֒

a֒

analiz

e֒ problemu i zdolno´s´c nieschematycznej dekompozycji problemu, tzn.

rozbijania wi

ekszego problemu na mniejsze. Ich my´slenie cechuje elastyczno´s´֒ c

— zmienny punkt widzenia i my´slenie wielokierunkowe. S

a֒ zdolni do efektywnego rozpoznawania wzorc´ow, kojarzenia fakt´ow, oraz wykorzystywania analogii.

Komputery natomiast maj

a֒ trudno´sci z rozpoznawaniem odmiennych sytuacji, zmian

a֒ sposobu my´slenia, i dostosowaniem go do sytuacji. Algorytmy rozpoznawania wzorc´ow mog

a֒ by´c efektywne je´sli s

a֒ bardzo wyspecjalizowane, ale wtedy przestaj

a֒ dzia la´c gdy tylko zmienia si

e֒ sytuacja.

Wprowadzenie do sztucznej inteligencji — co to jest AI? 3

(4)

AI-entuzja´sci i AI-sceptycy

Sztuczna inteligencja ma swoich zwolennik´ow i oponent´ow. Oponenci AI twierdz

a, ˙ze sztucznej inteligencji nie da si֒

e֒ skonstruowa´c, poniewa˙z inteligencja ma charakter nieobliczeniowy, i jest wy l

aczn֒

a֒ domen

a֒ ludzkiego umys lu. Za´s istniej

ace systemy praktyczne najwyra´zniej nie maj֒

a֒ nic wsp´olnego z prawdziw a֒

inteligencj

a, skoro s֒

a֒ oparte na programach komputerowych, a te jedynie wykonuj

a֒ operacje na liczbach i symbolach.

Sztuczna inteligencja ma charakter uciekaj

acego celu. Gdy niekt´ore zadania֒

stawiane dawniej przed t

a֒ nauk

a֒ zosta ly rozwi

azane, oponenci AI stwierdzili, ˙ze֒

rozwi

azania tych problem´ow nie wymaga ly inteligencji, tylko by ly zwyczajnie֒

nieznane.

Przydatny by lby obiektywny test, pozwalaj

acy stwierdzi´c, czy stworzono֒

sztuczn

a֒ inteligencj e.֒

Wprowadzenie do sztucznej inteligencji — co to jest AI? 4

(5)

Test Turinga (ca 1950)

Nale˙zy skonstruowa´c system zamkni

ety w odizolowanym pomieszczeniu֒

i po l

aczony z niezale˙znym obserwatorem terminalem komunikacyjnym (typu֒

teletype). Operator mo˙ze komunikowa´c si

e֒ z systemem w j

ezyku naturalnym,֒

zadawa´c pytania, itp. Jednocze´snie drugi terminal l

aczy operatora z drugim֒

pomieszczeniem, gdzie przy terminalu siedzi cz lowiek. Je´sli operator nie b

edzie֒

m´og l na podstawie odpowiedzi uzyskiwanych od obu partner´ow definitywnie stwierdzi´c kt´ory z nich jest systemem komputerowym, a kt´ory ˙zywym

cz lowiekiem, to system komputerowy nale˙zy uzna´c za inteligentny.

Pomimo up lywu czasu test zachowuje aktualno´s´c, tzn. nie stworzono systemu, kt´ory by ten test bezdyskusyjnie zaliczy l.

Wprowadzenie do sztucznej inteligencji — test Turinga 5

(6)

Konkursy zwi

azane z testem Turinga

֒ Test Turinga jest pewn

a֒ abstrakcj

a֒ i nie ma jednoznacznych regu l. Jednak podejmowane s

a֒ pr´oby jego praktycznej implementacji i zaliczenia testu.

Na przyk lad, w 1990 roku Hugh Loebner ufundowa l nagrod e֒

$100,000 i z loty medal dla pierwszego komputera, kt´orego odpowiedzi w procedurze stanowi

acej wersj֒

e֒ testu Turinga, bed֒

a֒ wystarczaj

aco nieodr´o˙znialne od odpowiedzi cz lowieka.֒

Regulaminy tych konkurs´ow definiuj

a֒ tre´s´c i zakres komunikacji mi

edzy֒

uczestnikami a s

edziami konkursu. Jednak ostatecznie to s֒

edziowie decyduj֒

a֒ czy partner w konwersacji jest cz lowiekiem czy maszyn

a. Zatem o wyniku takiego֒

konkursu mo˙ze zdecydowa´c pomy lka (niedostateczna inteligencja?) s

edziego.֒

Na przyk lad, w innym konkursie zorganizowanym w 2014 dla uczczenia 60-tej rocznicy ´smierci Turinga 33% s

edzi´ow uzna lo za cz lowieka rosyjski program֒

Eugene Goostman udaj

acy ukrai´nskiego ch lopca. Organizator konkursu og losi l,֒

˙ze test Turinga zosta l pokonany, co zosta lo wielokrotnie skrytykowane.

W 2011 program Watson (IBM) pokona l dw´och finalist´ow-ludzi i wygra l $1M w grze telewizyjnej Jeopardy!, gdzie prowadz

acy podaje has lo-sugesti֒

e,֒

a uczestnicy musz

a֒ potwierdzi´c jego zrozumienia przez sformu lowanie pytania.

Wprowadzenie do sztucznej inteligencji — test Turinga 6

(7)

Szachy komputerowe

Szachy s a֒ gr

a֒ wymagaj ac֒

a֒ inteligencji i od zawsze stanowi ly wyzwanie

i naturalny poligon dla technologii sztucznej inteligencji. Jednym z pierwszych programist´ow szach´ow komputerowych by l Alan Turing, kt´ory nie by l jednak w stanie uruchomi´c swojego programu na ˙zadnym komputerze, ale wykonywa l go przez r

eczn֒

a֒ symulacj e.֒

W 1957 roku Herb Simon, jeden z pionier´ow sztucznej inteligencji przewidzia l,

˙ze w ci

agu 10 lat komputer zostanie mistrzem szachowym.֒

Istotnie si

e֒ przeliczy l. Po wielu latach wysi lk´ow nad budow

a֒ algorytm´ow,

program´ow, i specjalizowanych komputer´ow do gry w szachy, dopiero w 1997 po raz pierwszy komputer szachowy Deep Blue pokona l mistrza ´swiata Gary

Kasparowa w jednym meczu. Nie oznacza lo to jednak pe lnego zwyci

estwa֒

komputer´ow nad lud´zmi w szachach. Przez kolejnych 10 lat szereg kolejnych budowanych program´ow walczy lo z najlepszymi szachistami ze zmiennym powodzeniem. W roku 2006 program Deep Frits pokona l w turnieju mistrza

´swiata Wladimira Kramnika. Od tego czasu zainteresowanie rozgrywkami najlepszych program´ow z lud´zmi zacz

e lo spada´c, co w jaki´s spos´ob sygnalizuje֒

zako´nczenie tej walki zwyci

estwem komputer´ow.֒

Wprowadzenie do sztucznej inteligencji — szachy i inne gry 7

(8)

Inne gry

Mo˙znaby powiedzie´c, ˙ze gry s

a֒ dla sztucznej inteligencji czym´s takim jak wy´scigi samochodowe dla przemys lu motoryzacyjnego. Od zawsze stanowi ly wyzwanie dla badaczy i programist´ow. Gdy jedna gra zostawa la rozpracowana

— bad´z teoretycznie, b֒

ad´z przez si lowe przeszukiwanie po l֒

aczone ze sprytnymi֒

technikami — zainteresowanie przenosi lo si

e֒ na inne gry.

W warcabach program po raz pierwszy pokona l mistrza ´swiata w roku 1994.

Nieco p´o´zniej warcaby zosta ly rozpracowane teoretycznie. Je´sli obie strony graj a֒

optymaln

a֒ strategi

a, to gra ko´nczy si֒

e֒ remisem.

W grze Othello najlepsze programy dominuj

a֒ nad lud´zmi i rywalizacja nie ma sensu. Odwrotnie w grze go (1000 p.n.e.), gdzie liczba mo˙zliwych ruch´ow jest tak du˙za, ˙ze sensowna strategia musi by´c oparta na analizie logicznej, przewaga si ly obliczeniowej znika, i najlepsze programy graj

a֒ na poziomie amatorskim.

Ciekawy wynik zosta l osi agni֒

ety w grze Backgammon, gdzie program֒

TDGammon (1992) osi agn֒

a l֒ poziom mistrzowski, dzi

eki zdolno´sci uczenia si֒

e,֒

a nie tylko implementacji najlepszych znanych strategii. Strategie odkryte przez program zosta ly p´o´zniej przyj

ete przez ludzi.֒

Wprowadzenie do sztucznej inteligencji — szachy i inne gry 8

(9)

Silna i s laba sztuczna inteligencja

W zwi

azku z potencjaln֒

a֒ mo˙zliwo´sci

a֒ zbudowania sztucznej inteligencji sformu lowano dwa poziomy realizacji tego celu.

• Hipoteza silnej sztucznej inteligencji postuluje mo˙zliwo´s´c zbudowania systemu rzeczywi´scie inteligentnego, zdolnego my´sle´c jak cz lowiek

i posiadaj

acego umys l.֒

• Hipoteza s labej sztucznej inteligencji polega na budowie system´ow, kt´ore potrafi lyby dzia la´c i rozwi

azywa´c problemy w warunkach pe lnej֒

z lo˙zono´sci ´swiata rzeczywistego, tak jakby umys l posiada ly i my´sla ly.

Rozr´o˙znienie tych dw´och postulat´ow ma g l´ownie charakter filozoficzny i etyczny.

Wprowadzenie do sztucznej inteligencji — zadania 9

(10)

Cele AI

W praktyce, celem bada´n i prac in˙zynierskich w zakresie sztucznej inteligencji s a:֒

→ opracowanie obliczeniowej (algorytmicznej) teorii inteligencji, funkcjonowania ludzkiego m´ozgu, pami

eci, ´swiadomo´sci, emocji, instynkt´ow, itp.֒

W tym sensie sztuczna inteligencja ma zwi

azek z biologi֒

a, psychologi֒

a,֒

filozofi

a, jak r´ownie˙z matematyk֒

a֒ i informatyk

a, ale tak˙ze innymi֒

dziedzinami nauki i wiedzy.

→ budowa inteligentnych system´ow (komputerowych) do skutecznego rozwi

azywania trudnych zagadnie´n, zdolnych funkcjonowa´c w normalnym֒

´swiecie

W tym sensie sztuczna inteligencja musi wsp´o lpracowa´c, poza informatyk a,֒

z robotyk

a, mechanik֒

a, mechatronik֒

a֒ i szeregiem dziedzin in˙zynierskich.

Wprowadzenie do sztucznej inteligencji — zadania 10

(11)

Zadania do rozwi

azania

֒ Pomiedzy innymi, sztuczna inteligencja musi zmierzy´c si֒

e֒ z nast epuj֒

acymi֒

zadaniami:

• reprezentacja wiedzy aby m´oc przyjmowa´c pojawiaj

ace si֒

e֒ informacje o ´swiecie, rozumie´c je, konfrontowa´c z ju˙z posiadan

a֒ wiedz a֒

• wnioskowanie aby wyci

aga´c wnioski z pojawiaj֒

acych si֒

e֒ informacji, i podejmowa´c decyzje o dalszych dzia laniach

• uczenie si

e dla dostosowania si֒

e֒ do nowo pojawiaj

acych si֒

e֒ okoliczno´sci, nieprzewidzianych przez tw´orc´ow systemu, pojmowania nowych zjawisk, itp.

• rozumienie j

ezyka naturalnego jest praktycznie niezb֒

edna aby mo˙zna֒

by lo praktycznie sprawdzi´c zdolno´sci systemu sztucznej inteligencji

• pos lugiwanie si

e wizj֒

a w celu samodzielnego pozyskiwania wiedzy֒

o ´swiecie

• robotyka czyli praktyczna konstrukcja systemu zdolnego porusza´c si e֒

i wykonywa´c dzia lania w ´swiecie rzeczywistym

Wprowadzenie do sztucznej inteligencji — zadania 11

(12)

Wprowadzenie do sztucznej inteligencji — zadania 12

(13)

Reprezentacja wiedzy

Problem reprezentacji wiedzy jest centralny dla wszystkich dziedzin i technik sztucznej inteligencji. Sprowadza si

e֒ on do stworzenia j

ezyka umo˙zliwiaj֒

acego֒

wyra˙zanie fakt´ow, relacji, zale˙zno´sci, dzia la´n, ich w lasno´sci, znaczenia, skutk´ow, i innych informacji o problemie i jego otoczeniu, kt´ore maj

a֒ lub mog

a֒ mie´c zwiazek z jego rozwi֒

azywaniem.֒

Problemem jest wyb´or i u˙zycie dobrego j

ezyka reprezentacji wiedzy.֒

Zastosowanie w la´sciwego j

ezyka cz֒

esto umo˙zliwia i znacznie u latwia znalezienie֒

najprostszego i/lub najlepszego rozwi

azania, podczas gdy zastosowanie֒

niew la´sciwego j

ezyka mo˙ze je znacznie utrudni´c lub uniemo˙zliwi´c.֒

Dobra reprezentacja wiedzy ma r´ownie˙z znaczenie dla efektywno´sci pracy cz lowieka nad problemem. Dobry j

ezyk reprezentacji pozwala rozumie´c si֒

e֒

nawzajem ludziom — fachowcom reprezentuj

acym r´o˙zne dziedziny wiedzy,֒

pracuj

acym wsp´olnie nad problemem.֒

Wprowadzenie do sztucznej inteligencji — reprezentacja wiedzy 13

(14)

Wprowadzenie do sztucznej inteligencji — reprezentacja wiedzy 14

(15)

Zastosowania — komunikacja w j

ezyku naturalnym

֒ Technologie przetwarzania j

ezyka naturalnego:֒

• ”rozumienie” tekstu, zamiana tekstu na reprezentacj

e֒ formaln a֒

• maszynowe t lumaczenie

• ekstrakcja informacji

• odpowiadanie na pytania

• klasyfikacja tekstu, filtrowanie spamu, itp.

Technologie przetwarzania mowy:

• rozpoznawanie j

ezyka m´owionego (ASR)֒

• synteza mowy (TTS)

• systemy dialogowe

Wprowadzenie do sztucznej inteligencji — zastosowania 15

(16)

Zastosowania — percepcja wizualna

• rozpoznawanie obiekt´ow, znak´ow

• segmentacja sceny

• rekonstrukcja 3D

• klasyfikacja obraz´ow

Wprowadzenie do sztucznej inteligencji — zastosowania 16

(17)

Zastosowania — robotyka

Robotyka l

aczy ze sob֒

a֒ elementy mechaniki i elektroniki (mechatronika), oraz sztucznej inteligencji.

Gdy przyst

epujemy do budowy robot´ow i ich testowania w ´swiecie rzeczywistym,֒

napotykamy problemy daleko wykraczaj

ace poza opracowan֒

a֒ teori e.֒

Zagadnienia, istniej

ace technologie, zastosowania:֒

• planowanie dzia la´n

• sterowanie pojazdami (chodz

acymi, je˙zd˙z֒

acymi, lataj֒

acymi)֒

• systemy ratunkowe

• roboty spo leczne — opieka nad lud´zmi jej wymagaj

acymi֒

Wprowadzenie do sztucznej inteligencji — zastosowania 17

(18)

Wprowadzenie do sztucznej inteligencji — zastosowania 18

(19)

Historia AI — lata 50-te XX wieku

• idee XIX-wieczne (i wcze´sniejsze): filozofia, logika, prawdopodobie´nstwo, badania nad funkcjonowaniem m´ozgu ludzkiego

• lata 50-te XX wieku: powstanie AI zwi

azane jest z powstaniem informatyki,֒

jezyk programowania LISP (McCarthy)֒

• rozwi

azywanie lamig l´owek, gry, klasyczne problemy typu:֒

”ma lpa i banany,”

”misjonarze i ludo˙zercy,” i inne

• wczesne systemy: GPS (Newell, Shaw, Simon), program do gry w warcaby (Samuel)

• modele teoretyczne: perceptron (Minsky)

Wprowadzenie do sztucznej inteligencji — historia 19

(20)

Historia AI — trzeci kwarta l XX wieku

• pojawienie si

e֒ metod sformalizowa- nych opartych na logice

• zwi

azek z rozwojem robotyki: me-֒

tody percepcji, planowanie dzia la´n, uczenie si

e֒

• po pocz

atkowym wybuchu entuzja-֒

zmu zwi

azanym z powstaniem wielu֒

metod i nadziejach na szybkie osi a-֒

gniecie cel´ow AI nadesz lo zrozumie-֒

nie problem´ow z lo˙zono´sci i bariery kombinatorycznej

• niedostatki logiki klasycznej: po- trzeba rozumowania przybli˙zonego i robienia za lo˙ze´n w braku pewnej in- formacji

• rozumowanie oparte na zdrowym rozsadku

Wprowadzenie do sztucznej inteligencji — historia 20

(21)

Historia AI — ostatni kwarta l XX wieku

• zastosowania praktyczne, r´ownie˙z komercyjne

• dowodzenie twierdze´n i obliczenia symboliczne

• rozumienie j

ezyka naturalnego, automatyczne t lumaczenie tekst´ow,֒

rozumienie mowy

• automatyczne programowanie: konstrukcja i weryfikacja program´ow

• analiza informacji wizyjnej i sterowanie robotami (pojazdami) autonomicznymi

• eksperckie systemy doradcze dla wielu dziedzin: medycyna, geologia, projektowanie in˙zynierskie, ekonomia, finanse, itp.

• uczenie si e֒

Wprowadzenie do sztucznej inteligencji — historia 21

(22)

Historia AI — wiek XXI

Na razie prowizoryczna, wiek XXI jeszcze si

e֒ nie sko´nczy l ...

• Silny rozw´oj metod numerycznych, np. dla zagadnie´n CSP, zaskakuj ace֒

spektakularne wyniki, rozwi

azanie niekt´orych zagadnie´n trudnych w czasie֒

wielomianowym, lub wr

ecz liniowym, np. algorytm GSAT.֒

W tym kontek´scie nabieraj

a֒ znaczenia algorytmy poddaj

ace si֒

e֒

zr´ownoleglaniu.

• Silny rozw´oj metod statystycznych, np. przetwarzanie j

ezyka naturalnego֒

oparte na korpusach, i inne zastosowania.

• Rozw´oj metod opartych na modelach probabilistycznych, procesach Markowa, uczenie si

e֒ ze wzmocnieniem, itp.

• Zwi

azki z ekonomi֒

a֒ (inteligentny agent musi dzia la´c racjonalnie i ekonomicznie), teori

a֒ gier, itp.

• Metody reprezentacji wiedzy oparte na ontologiach prze˙zywaj

a֒ w XXI wieku odrodzenie i rozwijaj

a֒ si

e֒ praktycznie w kontek´scie Internetu, tzw. Semantic Web Initiative.

Wprowadzenie do sztucznej inteligencji — historia 22

(23)

• Nadal popularne s

a֒ podej´scia agentowe, w r´o˙znych kontekstach

• Pojawiaj a֒ si

e֒ nowe dziedziny zastosowa´n, np. roboty spo leczne.

• Dalsze dziedziny oddzielaj a֒ si

e֒ od sztucznej inteligencji i zaczynaj

a ˙zy´c֒

w lasnym ˙zyciem, np. dr

a˙zenie danych.֒

• Sztuczna inteligencja przenika do ˙zycia praktycznego w r´o˙znych postaciach, od inteligentnych asystent´ow w pakietach oprogramowania, inteligentne systemy obs lugi klient´ow, systemy wspomagaj

ace obs lug֒

e֒ r´o˙znych system´ow, np. kierowanie samochodami, do system´ow przeznaczonych do dzia lania na polu walki.

• Coraz wi

ecej zastosowa´n sztucznej inteligencji rodzi dylematy, kiedy i w jakim֒

stopniu proces decyzyjny mo˙ze by´c przekazywany inteligentnym maszynom.

Wprowadzenie do sztucznej inteligencji — historia 23

(24)

Kr´ otkie podsumowanie — pytania sprawdzaj

ace

֒

1. Co to jest problem trudny?

2. Co to jest reprezentacja wiedzy?

3. Zdefiniuj dwa g l´owne cele AI.

4. Czym sie r´o˙zni silna AI od s labej?

5. Czy mo˙zna powiedzie´c, ˙ze test Turinga zosta l zaliczony, przynajmniej w jakim´s stopniu?

Wprowadzenie do sztucznej inteligencji 24

Cytaty

Powiązane dokumenty

Taxi driving (Jazda taksówką) Partially Stochastic Multi Sequential Dynamic Medical diagnosis (Diagnoza medyczna) Partially Stochastic Single Sequential Dynamic Image analysis

I Algorytm przeszukiwania rozpoczyna się od sprawdzenia, czy węzeł główny jest węzłem celu. I Następnie proces realizowany przez algorytm rozwija kolejny zestaw węzłów, do

I Niekompletny: Ponieważ wybiera tylko węzeł najbliżej węzła docelowego, jeśli sam węzeł jest ślepym zaułkiem, algorytm nigdy nie osiągnie celu.. I W najgorszym

Pseudoneuronów jest znacznie mniej niż wzorców uczących, każdy taki pseudoneuron powinien średnio reprezentować pewną ilość tych wzorców, które potencjalnie mogą należeć

rozpoczynających się od różnie wylosowanych wag początkowych odległość neuronów zwycięskich reprezentujących najmocniejsze klasy znacznie się różni.. Neurony te nie muszą

Sensory w polach sensorycznych tworzone są, jeśli po prezentacji bodźca żaden z istniejących sensorów nie zareagował odpowiednio mocno, czyli gdy dystans wartości bodźca

wnioskowania dają N zbiorów rozmytych, oraz systemy typu B, na wyjściu którego otrzymujemy jeden zbiór rozmyty,. który jest wynikiem agregacji rezultatów wnioskowania

pierwsza warstwa konwolucyjna bierze jako obraz wejściowy jedną składową koloru R, G lub B surowego obrazu, a różne neurony względem wymiaru głębokości tej sieci (które tworzą