Umělá inteligence

Expertní systémy –
ELECTROLUX ESI 6221 K
Myčka v novém Alpha 1 designu s Fuzzy
logic technologií
T1: umělá inteligence
www.sony.cz
První generace robota AIBO: krok
směrem k umělé inteligenci
CleanMate 365
CleanMate 365 je inteligentní
robotický vysavač, který za Vás doma
perfektně vysaje a zamete.
ACECAD Enterprises DigiMemo A502
digitální poznámkový blok
ACECAD MyScript Notes Handwriting
Recognition - Praktický program pro
převod ručně psaného textu do
editovatelné podoby určený pro
ACECAD DigiMemo A502.
P. Berka, 2012
More interactions, alliances and
realistic artificial intelligence
responses put players in the middle of
negotiations, trade systems and
diplomatic actions. (www.civ3.com)
1/20
Expertní systémy –
T1: umělá inteligence
Umělá inteligence =
= „umělá“ + „inteligence“
Umělé = člověkem vytvořený artefakt
(umělá hmota, umělý sníh, umělý kloub…)
existuje nějaká přirozená věc, kterou je
možno duplikovat
existuje záměr člověka vytvořit duplikát
oné přirozené věci
došlo k provedení záměru
P. Berka, 2012
2/20
Expertní systémy –
T1: umělá inteligence
Inteligence
Inteligence je všeobecná schopnost
individua vědomě orientovat vlastní
myšlení na nové požadavky, je to všeobecná
duchovní schopnost přizpůsobit se novým
životním úkolům a podmínkám. (W. Stern)
Inteligence je vnitřně členitá a zároveň
globální schopnost individua účelně
jednat, rozumně myslet a efektivně se
vyrovnávat se svým okolím. (D. Wechsler)
Inteligence je schopnost zpracovávat
informace. Informacemi je třeba chápat
všechny dojmy, které člověk vnímá. (J. P.
Guilford)
Inteligence je to, co dokáží lidé a ne stroje.
(odpůrci AI)
P. Berka, 2012
3/20
Expertní systémy –
T1: umělá inteligence
Druhy inteligence
Abstraktní inteligence - schopnost řešit
dobře definované akademické problémy s
jednoznačnou odpovědí. Dobře koreluje s
úspěšností v akademickém životě.
Praktická inteligence - schopností řešit
problémy každodenního života. V těchto
případech řešení není jednoznačné a
zpravidla existuje několik alternativních
způsobů. Nejasná je často i formulace
úkolu.
Sociální inteligence - schopnost pohybovat
se v sociálním prostředí, tj. umět jednat
s lidmi.
Emoční inteligence - ovlivňuje úspěšnost
jedince v rodině, na pracovišti, v sociálních
a intimních vztazích.
P. Berka, 2012
4/20
Expertní systémy –
T1: umělá inteligence
Umělá inteligence (AI)
Umělá inteligence je věda o vytváření strojů
nebo systémů, které budou při řešení určitého
úkolu užívat takového postupu, který - kdyby
ho dělal člověk - bychom považovali za projev
jeho inteligence. (Minsky, 1967)
Umělá inteligence se zabývá tím, jak
počítačově řešit úlohy, které dnes zatím
zvládají lidé lépe. (Rich, 1991)
. . .
Umělá inteligence je označení uměle
vytvořeného jevu, který dostatečně
přesvědčivě připomíná přirozený fenomén
lidské inteligence.
Umělá inteligence označuje tu oblast
poznávání skutečnosti, která se zaobírá
hledáním hranic a možností symbolické,
znakové reprezentace poznatků a procesů
jejich nabývání, udržování a využívání.
P. Berka, 2012
5/20
Expertní systémy –
T1: umělá inteligence
Umělá inteligence se zabývá problematikou
postupů zpracování poznatků - osvojováním a
způsobem použití poznatků při řešení
problémů.
. . .
Nejrůznější definice, které mohou být
klasifikovány do čtyř skupin (Russell, Norvig,
2003):
…jako lidé …racionálně
Myslet… Silná AI
Klasická AI
Jednat… Slabá AI
Nová AI
P. Berka, 2012
6/20
Expertní systémy –
T1: umělá inteligence
Silná (strong) AI
Povaha mysli je algoritmická, přičemž není
podstatné, v jakém médiu (mozek, počítač, …)
jsou algoritmy implementovány = v počítači
lze replikovat lidskou mysl.
Slabá (weak) AI
Modelování dílčích projevů mysli (např.
schopnosti usuzovat nebo řešit problémy).
Klasická AI
Modelování mysli na logicko-symbolické úrovni.
Nová AI
K racionálnímu chování není třeba racionální
usuzování.
P. Berka, 2012
7/20
Expertní systémy –
T1: umělá inteligence
Tři pohledy na AI
Klasická AI chápe inteligenci jako atribut
jedné mysli
Distribuovaná AI chápe inteligenci jako
produkt sociálních interakcí více myslí
Nová AI vidí inteligenci jako emergentní
výsledek činnosti primitivních entit
P. Berka, 2012
8/20
Expertní systémy –
T1: umělá inteligence
Dva základní myšlenkové proudy
Logicko-symbolický (klasický) – modelování
shora dolů
reprezentacionalizmus
deliberativnost
Konekcionistický, případně nová AI –
modelování zdola nahoru
emergentní funkcionalita
dekompozice na úrovni úloh
reaktivita
P. Berka, 2012
9/20
Expertní systémy –
T1: umělá inteligence
Začátky umělé inteligence
1950 Alan Turing: Computing Machinery and
Intelligence. Mind 59, 1950, s.433-460
„Mohou stroje myslet?“
Turingův test: úkolem stroje je v komunikaci
s experimentátorem předstírat, že je člověk.
od roku 1991 Loebnerova cena pro program,
který nejlépe uspěje v redukované podobě
Turingova testu
viz www.loebner.net/Prizef/loebner-prize.html
Hlavní námitka: test neměří myšlení ale
chování
J. Searle (1980): Čínská komnata
P. Berka, 2012
10/20
Expertní systémy –
T1: umělá inteligence
Eliza (1965), J. Weizenbaum
pacient: Ahoj.
Eliza: AHOJ, JAK SE CÍTÍŠ ?
pacient: Cítím se strašně.
Eliza: CO TÍM PŘESNĚ MYSLÍŠ ?
pacient: Jsem v depresi.
Eliza: PROČ SI MYSLÍŠ, ŽE JSI V DEPRESI.
pacient: Protože je mi smutno.
Eliza: ŽIJEŠ S RODINOU ?
pacient: Ne.
Eliza: MÁŠ PŘÁTELE ?
pacient: Celkem ne.
Eliza: PROČ ?
pacient: Nevím.
Eliza: OPRAVDU NEVÍŠ NEBO SE JEN VYHÝBÁŠ
ODPOVĚDI ?
pacient: Dřív jsem přátele měl.
Eliza: KDY ?
pacient: Než jsem se oženil.
Eliza: NEŘEKL JSI MI, ŽE SES OŽENIL.
pacient: Už jsem se zase rozvedl.
Eliza: POVĚZ MI O SVÉM ROZVODU.
(D. Lodge, Svět je malý)
P. Berka, 2012
11/20
Expertní systémy –
T1: umělá inteligence
Etapy výzkumu
50.-60. léta: hledání univerzálního řešícího
postupu
70.-90. léta: otázka reprezentace znalostí
90.- léta: učení a adaptace, komunikace
P. Berka, 2012
12/20
Expertní systémy –
T1: umělá inteligence
Historie AI
1943
model neuronu
McCulloch, Pitts
1950
Turingův test
Turing
1950
šachy jako prohledávání
Shanon
1956 Dartmouthská konference (pojem
Minsky, McCarthy,
AI)
Simon, Newell
1957
Perceptron
Rosenblatt
GPS (General Problem Solver)
Newell, Simon, Shaw
formální gramatiky
Chomsky
1958
LISP
McCarthy
1965
DENDRAL
Feigenbaum, Buchanan
fuzzy logika
Zadeh
rezoluční princip
Robinson
1968
sémantické sítě
Quillian
SHRDLU
Winograd
Macsyma (symbolické
Moses
integrování)
1969
kniha Perceptrons
Minsky, Papert
robot Shakey
SRI
1970
PROLOG
Colmerauer, Roussell
1971
HEARSAY I
Lesser
1973
MYCIN
Shortliffe, Buchanan
1975
rámce
Minsky
1976
Dempster-Shaferova teorie
Dempster, Shafer
PROSPECTOR
Duda, Hart
1977
OPS
Forgy
1978
R1/XCON
McDermott
1979
ReTe algoritmus
Forgy
P. Berka, 2012
13/20
Expertní systémy –
1981
1982
1983
1984
1987
1989
1993
1995
1997
1998
2000
2004
2006
japonský projekt počítačů páté
generace
connection machine
Hopfieldova neuronová síť
intervalová aritmetika
CyC
kniha Society of Mind
reaktivní agenti
ALVINN (autonomous land
vehicle in a neural network)
humanoidní robot Cog
robotické auto
Deep Blue
RoboCup (fotbal)
semantický web
„sociální“ robot Kismet
web ontology language OWL
OpenCyC
P. Berka, 2012
T1: umělá inteligence
Hillis
Hopfield
Allen
Lenat
Minski
Brooks
Pomerleau
Brooks
Dickmanns
IBM
Berners-Lee
Breazeal
14/20
Expertní systémy –
T1: umělá inteligence
Oblasti (technologicky)
1. Řešení úloh
a. Prohledávání
b. Plánování
2. Reprezentování znalostí
3. Usuzování
4. Zpracování neurčitosti
5. Učení
6. Adaptace
7. Komunikace
8. Reaktivita
9. Vnímání
P. Berka, 2012
15/20
Expertní systémy –
T1: umělá inteligence
Oblasti (oborově)
1.
2.
3.
4.
5.
6.
7.
8.
9.
10.
11.
12.
Hraní her
Dokazování teorémů
Rozpoznávání obrazů
Zpracování přirozeného jazyka
Expertní systémy
Robotika
Strojové učení
Dobývání znalostí z databází
Neuronové sítě
Počítačové vidění
Multiagentní systémy
Umělý život
P. Berka, 2012
16/20
Expertní systémy –
S. Russell, P. Norvig:
Artificial Intelligence: A
Modern Approach
Prentice Hall, 2002
Part I Artificial Intelligence
1 Introduction
2 Intelligent Agents
Part II Problem Solving
3 Solving Problems by
Searching
4 Informed Search and
Exploration
5 Constraint Satisfaction
Problems
6 Adversarial Search
P. Berka, 2012
T1: umělá inteligence
Part III Knowledge and Reasoning
7 Logical Agents
8 First-Order Logic
9 Inference in First-Order
Logic
10 Knowledge Representation
Part IV Planning
11 Planning
12 Planning and Acting in the
Real World
Part V Uncertain Knowledge and
Reasoning
13 Uncertainty
14 Probabilistic Reasoning
15 Probabilistic Reasoning Over
Time
16 Making Simple Decisions
17 Making Complex Decisions
Part VI Learning
18 Learning from Observations
19 Knowledge in Learning
20 Statistical Learning
Methods
21 Reinforcement Learning
Part VII Communicating,
Perceiving, and Acting
22 Communication
23 Probabilistic Language
Processing
24 Perception
25 Robotics
Part VIII Conclusions
26 Philosophical Foundations
27 AI: Present and Future
17/20
Expertní systémy –
P.H.Winston: Artificial
Intelligence,
Addison-Wesley, 1992
I Representations and Methods
1 The Intelligent Computer
2 Semantic Nets and Description
Matching
3 Generate and Test, Means-Ends
Analysis, and Problem Reduction
4 Nets and Basic Search
5 Nets and Optimal Search
6 Trees and Adversarial Search
P. Berka, 2012
T1: umělá inteligence
7 Rules and Rule Chaining
8 Rules, Substrates, and
Cognitive Modeling
9 Frames and Inheritance
10 Frames and Commonsense
11 Numeric Constraints and
Propagation
12 Symbolic Constraints and
Propagation
13 Logic and Resolution Proof
14 Backtracking and Truth
Maintenance
15 Planning
II Learning and Regularity
Recognition
16 Analyzing Differences
17 Explaining Experience
18 Correcting Mistakes
19 Recording Cases
20 Managing Multiple Models
21 Building Identification Trees
22 Training Neural Nets
23 Training Perceptrons
24 Training Approximation Nets
25 Simulating Evolution
III Vision and Language
26 Recognizing Objects
27 Describing Images
28 Expressing Language
Constraints
29 Responding to Questions and
Commands
Appendix: Relational Databases
18/20
Expertní systémy –
G. Luger: AI: Structures
and Strategies for Complex
Problem Solving
Addison Wesley 2002
I ARTIFICIAL INTELLIGENCE:
ITS ROOTS AND SCOPE
1 AI: HISTORY AND
APPLICATIONS
II ARTIFICIAL INTELLIGENCE
AS REPRESENTATION AND
SEARCH
2 THE PREDICATE CALCULUS
3 STRUCTURES AND
STRATEGIES FOR STATE
SPACE SEARCH
4 HEURISTIC SEARCH
5 STOCHASTIC METHODS
6 CONTROL AND
IMPLEMENTATION OF STATE
SPACE SEARCH
P. Berka, 2012
T1: umělá inteligence
III REPRESENTATION AND
INTELLIGENCE: THE AI
CHALLENGE
7 KNOWLEDGE
REPRESENTATION
8 STRONG METHOD PROBLEM
SOLVING
9 REASONING IN UNCERTAIN
SITUATIONS
IV MACHINE LEARNING
10 MACHINE LEARNING:
SYMBOL-BASED
11 MACHINE LEARNING:
CONNECTIONIST
12 MACHINE LEARNING:
SOCIAL AND EMERGENT
V ADVANCED TOPICS FOR AI
PROBLEM SOLVING
13 AUTOMATED REASONING
14 UNDERSTANDING NATURAL
LANGUAGE
VI LANGUAGES AND
PROGRAMMING TECHNIQUES
FOR ARTIFICIAL
INTELLIGENCE
15 AN INTRODUCTION TO
PROLOG
16 AN INTRODUCTION TO
LISP
VII EPILOGUE
17 ARTIFICIAL INTELLIGENCE
AS EMPIRICAL ENQUIRY
19/20
Expertní systémy –
Nils Nilsson: Artificial
Intelligence, A New
Synthesis
Morgan Kaufman, 1998
T1: umělá inteligence
II Search in State Spaces
7 Agents that Plan
8 Uninformed Search
9 Heuristic Search
10 Planning, Acting, and Learning
11 Alternative Search
Formulations and Applications
12 Adversarial Search
III Knowledge Representation
and Reasoning
13 The Propositional Calculus
14 Resolution in The Propositional
Calculus
15 The Predicate Calculus
16 Resolution in the Predicate
Calculus
17 Knowledge-Based Systems
18 Representing Commonsense
Knowledge
19 Reasoning with Uncertain
Information
20 Learning and Acting with
Bayes Nets
1 Introduction
I Reactive Machines
2 Stimulus-Response Agents
3 Neural Network
4 Machine Evolution
5 State Machines
6 Robot Vision
P. Berka, 2012
IV Planning Method Based on
Logic
21 The Situation Calculus
22 Planning
V Communication and Integration
23 Multiple Agents
24 Communication Among Agents
25 Agent Architectures
20/20