Techniki sztucznej inteligencji

Andrzej Macioł

Literatura

• Mulawka J., Systemy ekspertowe. WNT Warszawa 1996.

• Flasiński M., Wstęp do sztucznej inteligenji, PWN Warszawa 2011.

• Bubnicki Z., Wstęp do systemów ekspertowych. PWN, Warszawa 1990.

• Kasperski M. J., Sztuczna Inteligencja. Helion 2003 • http://www.lpa.co.uk/vrs_dem.htm

Co to jest sztuczna inteligencja?

• Nauka o maszynach realizujących zadania, które wymagają inteligencji wówczas, gdy są wykonywane przez człowieka [Minsky 1963] • Dziedzina informatyki dotycząca metod i technik wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej podczas tego wnioskowania [Feigenbaum 1977?]

Co to jest rozumowanie symboliczne?

• • Posługiwanie się językiem składającym się ze słownika i gramatyki • Wiedza w sztucznej inteligencji podobnie jak przedstawiona wiedza człowieka wyraża się w symbolach (słowach) i związkach zachodzących między nimi

Sztuczne sieci neuronowe, algorytmy genetyczne to nie są metody sztucznej inteligencji w jej podstawowym rozumieniu

Stanowiska wobec AI wg R. Penrosa

• Myślenie zawsze polega na obliczeniach (kalkulacji) • Świadomość jest cechą fizyczną działającego mózgu; procesy fizyczne można symulować obliczeniowo ale nie towarzyszy im świadomość • Procesy fizyczne powodują w mózgu powstanie świadomości ale nie można ich symulować obliczeniowo • Świadomości nie można wyjaśnić w żaden fizyczny, obliczeniowy czy inny naukowy sposób

Filozofia Sztucznej Inteligencji

epistemologia filozofia języka filozofia umysłu psychologia kognitywna psychologia rozwoju dziecka Filozofia Sztucznej Inteligencji informatyka nauki o mózgu logika matematyka filozofia matematyki

Maszyna Turinga

• Abstrakcyjny schemat działania wedle zadanego algorytmu: – Odczytaj zawartość komórki pamięci – Zmień stan obiektu – Zapisz nowy symbol do komórki – Przejdź do zadanej komórki pamięci – Powtórz cykl • Maszyna Turinga to maszyna stanów dyskretnych

Test Turinga

• Co najmniej dwoje ludzi i jedna maszyna • Żaden z uczestników testu nie widzi drugiego • Jeden z ludzi jest sędzią i prowadzi dialog z pozostałymi uczestnikami • Sędzia w wyniku prowadzonego dialogu ma ustalić kto jest człowiekiem a kto maszyną • Każda maszyna, która „oszuka” sędziego spełni test Turinga

Zastosowania AI w gospodarce

• Systemy ekspertowe (eksperckie) – zastosowania techniczne – wojskowość – medycyna – ograniczone zastosowania biznesowe • Systemy sterowania (technika) • Systemy zarządzania regułami biznesowymi • Symulacja komputerowa (systemy agentowe)

Co to jest system ekspertowy?

• Program komputerowy przeznaczony do rozwiązywania problemów decyzyjnych wyposażony w elektroniczny zapis wiedzy i niezależny od niej mechanizm wnioskowania podobny w działaniu do wnioskowania eksperta człowieka.

• Do budowy systemów ekspertowych wykorzystuje się osiągnięcia tzw. sztucznej inteligencji.

Zarządzanie regułami biznesowymi

• Źródło: przezwyciężenie luki pomiędzy modelami procesów tworzonych w języku naturalnym przez kierownictwo przedsiębiorstwa i zrozumiałych dla niego, a sposobem ich zapisu w sposób zrozumiały dla informatycznych systemów zarządzania • Zarządzanie regułami biznesowymi BRM, którego celem jest opis procesu jako zbiór reguł zrozumiały dla kierownictwa przedsiębiorstwa, a realizacją są Systemy Zarządzania Regułami Biznesowymi (BRMS) oraz Maszyny Wnioskujące (Business Rules Engine)

Definicja

• Reguły biznesowe umożliwiają ekspertom przepisanie strategii przedsiębiorstwa na poziom operacyjny przy pomocy prostych stwierdzeń, które następnie mogą zautomatyzować reakcje na zdarzenia wewnątrz i w otoczeniu przedsiębiorstwa • Reguły definiują zachowanie przedsiębiorstwa jako zbiór stwierdzeń logicznych • Podstawową zaletą takiego podejścia do opisu procesów jest prostota i elastyczność reguł biznesowych, co pozwala na ich łatwe zastosowanie w różnych instytucjach i do różnych celów

Przykłady zastosowań

• Systemy wspomagające zarządzanie kontaktami z klientem (reguły opisują w tym przypadku ofertę, jaką w sposób zindywidualizowany można kierować do różnych klientów) • Systemy oceny klientów (np. oceny zdolności kredytowej, oceny wartości klienta)

Przykłady zastosowań

• Rozbudowane cenniki i regulaminy sprzedaży • Systemy wspomagające zarządzanie łańcuchem dostaw (np. dobór dostawców) • Kontrola kosztów i budżetowanie (reguły opisują zasady dekretowania kosztów, zasady budżetowania itp.)

Model reguł biznesowych

Objaśnienia do modelu

Tablica decyzyjna

Plan wykładu

• Wiedza • Komputery wyposażone w wiedzę • Metody zapisu wiedzy • Metody pozyskiwania wiedzy • Wnioskowanie w systemach sztucznych • Zagadnienia praktyczne • Przykłady zastosowań

Wiedza

• Płynne połączenie doświadczenia, ocen wartości, informacji o kontekście oraz analitycznego wglądu w zagadnienia, które zapewnia ramy dla oceny i włączania nowych doświadczeń i informacji • Wiedza organizacji wywodzi się i jest charakterystyczna dla umysłów ludzi [Davenport i Prusak 1998]

Wiedza

• Cechą wiedzy jest porządek, którego poszukiwali filozofowie zajmujący się metafizyką czy jak wolimy to dzisiaj mówić ontologią, której zadaniem jest po prostu opisanie rzeczywistości, a więc tego co istnieje • Tradycyjnym celem ontologii jest podział wiadomości o świecie (bycie) na kategorie definiujące rzeczy składające się na niego • Wiedza składa się z uporządkowanych opisów, relacji i procedur

Wiedza człowieka (eksperta)

• wiedza milcząca (tacit knowledge) – wiem jak postępować w danych okolicznościach ale nie wiem dlaczego i nie potrafię tego wyjaśnić • asocjacyjna wiedza empiryczna – znam wiele przykładów i umiem je wykorzystać do wnioskowania • wiedza głęboka – dokładnie wiem dlaczego (oczywiście w pewnej ontologii)

Wiedza - reprezentacja

• reprezentacja proceduralna – określenie zbioru procedur, których działanie reprezentuje wiedzę o dziedzinie (np. procedura wyznaczania ekstremum funkcji) • reprezentacja deklaratywna, polegająca na określeniu zbioru specyficznych dla rozpatrywanej dziedziny faktów i reguł

Komputery wyposażone w wiedzę

• Systemy ekspertowe to „programy z wiedzą” • Sam program realizuje procedury wnioskowania i ew. obliczania, objaśniania, uczenia, komunikowania • Wiedza zapisana jest w osobnych zbiorach i poza tym, że może być poszerzana przez program (uczenie) jest od niego niezależna

Przykład: tabela decyzyjna

Klient jest wiarygodny Klient nie jest wiarygodny Klient płaci gotówką Klient dokonuje przedpłaty Klient płaci przelewem Wartość kontraktu jest duża Wartość kontraktu jest mała Decyzja ostateczna: sprzedać po cenie standardowej Decyzja ostateczna: przyznać klientowi upust Decyzja ostateczna: odrzucić ofertę T T T X T T T X T T X T T X T T X T T X T X T

1.

If "Klient jest wiarygodny" And kontraktu jest duża" Then " Klient płaci przelewem" "przyznać klientowi upust” And "Wartość 2.

If "Klient jest wiarygodny" kontraktu jest mała" Then And " Klient płaci przelewem" And "sprzedać po cenie standardowej„ "Wartość 3.

If "Klient nie jest wiarygodny" And kontraktu jest duża" Then " Klient płaci przelewem" konkluzja = "odrzucić ofertę„ And "Wartość 4.

If " Klient płaci gotówką" And klientowi upust„ "Wartość kontraktu jest duża" Then "przyznać 5.

If " Klient płaci gotówką" And cenie standardowej„ "Wartość kontraktu jest mała" Then "sprzedać po 6.

If " Klient dokonuje przedpłaty" And "przyznać klientowi upust„ "Wartość kontraktu jest duża" Then 7.

If " Klient dokonuje przedpłaty " And "sprzedać po cenie standardowej" "Wartość kontraktu jest mała" Then

Przykład: fasety

Nr faktu Opis

1 Klient jest wiarygodny 2 3 4 5 6 7 8 9 10 11 Klient nie jest wiarygodny Klient płaci gotówką Klient dokonuje przedpłaty Klient płaci przelewem Wartość kontraktu jest duża Wartość kontraktu jest mała Decyzja wstępna: sprzedać towar Decyzja ostateczna: sprzedać po cenie standardowej Decyzja ostateczna: przyznać klientowi upust Decyzja ostateczna: odrzucić ofertę

Przykład:baza wiedzy (przesłanki)

2

jeżeli jeżeli jeżeli jeżeli jeżeli

1

Klient płaci gotówką Klient dokonuje przedpłaty Klient płaci przelewem Klient płaci przelewem Decyzja wstępna: sprzedać towar

jeżeli

Decyzja wstępna: sprzedać towar

i Klient jest

wiarygodny

i Klient nie jest

wiarygodny

i Wartość

kontraktu jest duża

i Wartość

kontraktu jest mała

3

to Decyzja wstępna:

sprzedać towar

to Decyzja wstępna:

sprzedać towar

to Decyzja wstępna:

sprzedać towar

to Decyzja ostateczna:

odrzucić ofertę

to Decyzja ostateczna:

przyznać klientowi upust

to Decyzja ostateczna:

odrzucić ofertę

For k = 1 To LiczbaReguł prawda1 = True l = 1 Do prawda = False For ll = 1 To LiczbaFaktów If fakty(ll) = przeslanki(k, l) prawda = True Then Next End If If Not prawda Then prawda1 = False End If l = l + 1 Loop Until IsEmpty (przeslanki(k, l)) Next If prawda1 Then fakty(LiczbaFaktów) = konkluzje(k) LiczbaFaktów = LiczbaFaktów + 1 End If