Transcript Przykład

Zagadnienia AI
wykład 1
Podręcznik do wykładu:
Leszek Rutkowski Metody i techniki sztucznej inteligencji
Wydawnictwo Naukowe PWN
Prezentacje do wykładu będą sukcesywnie umieszczane na stronie:
http://merlin.fic.uni.lodz.pl/MSkulimowski/
 For students
Zaliczenie wykładu:
Egzamin pisemny w formie testu
Zaliczenie laboratorium:
Kolokwium + projekty
Co to jest inteligencja?
Inteligencja to ogólna zdolność adaptacji do nowych warunków
i wykonywania nowych zadań (W.Stern)
Inteligencja to zdolność rozwiązywania problemów (J.Piaget)
Inteligencja to zdolność do aktywnego przetwarzania
informacji, przekształcania ich z jednej formy w inną poprzez
operacje logiczne.
Inteligencja to zdolność uczenia się (G.Ferguson).
Co to jest sztuczna inteligencja (AI)?
Sztuczna inteligencja jest nauką o maszynach realizujących
zadania, które wymagają inteligencji, gdy są wykonywane
przez człowieka (M. Minsky)
Sztuczna inteligencja stanowi dziedzinę informatyki dotyczącą
metod i technik wnioskowania symbolicznego przez komputer
oraz symbolicznej reprezentacji wiedzy stosowanej podczas
takiego wnioskowania (E. Feigenbaum)
Sztuczna inteligencja obejmuje rozwiązywanie problemów
sposobami wzorowanymi na naturalnych działaniach i
procesach poznawczych człowieka za pomocą symulujących je
programów komputerowych (R.J. Schalkoff)
Kiedy możemy uznać, że program lub maszyna
jest inteligentna?
W roku 1960 Alan Turing zaproponował następujący test.
Test Turinga
Za pomocą klawiatury i monitora zadajemy te pytania maszynie.
Czas trwania testu 5 minut.
Jeżeli maszyna przekona 33% sędziów, że jest człowiekiem
wówczas test jest zaliczony. Można wówczas stwierdzić ze maszyna
(program) jest inteligentna.
Czy taki test jest wystarczający?
Główne zastrzeżenia do testu Turinga
Maszyna, która przejdzie test Turinga może być w stanie
symulować ludzkie zachowanie konwersacyjne, lecz może
to być znacznie mniej niż prawdziwa inteligencja. Maszyna
może zwyczajnie używać sprytnie wymyślonych reguł.
Maszyna może być inteligentna nie posiadając ludzkiej
umiejętności prowadzenia rozmowy.
Wielu ludzi mogłoby nie być w stanie zaliczyć takiego
testu.
Czy istnieje maszyna (program), która zaliczyła
test Turinga?
Nie istnieje!*
Proste programy konwersacyjne są w stanie sprawić, że
ludzie wierzą, że rozmawiają z żywym człowiekiem.
Program ten wybierał pewne kluczowe słowa z wypowiedzi
ludzi, a następnie tworzył odpowiedź łącząc słowo kluczowe
ze zwrotami z wcześniej wprowadzonej bazy danych
„otwartych zwrotów”, takich jak „co to dla Ciebie znaczy”,
„zawsze ma sens”, „nie znam” itp, co dawało czasami efekt
głębokiego znaczenia odpowiedzi.
Czy istnieje maszyna (program), która zaliczyła
test Turinga?
Czy istnieje maszyna (program), która zaliczyła
test Turinga?
Eugene Goostman…?
http://www.princetonai.com
W sobotę 7 czerwca 2014 Eugene Goostman podawał się za 13letniego chłopca i przekonał 33 proc. sędziów, że jest
człowiekiem. Jako pierwszy w historii przeszedł test Turinga!?
Chiński pokój (John Searle)
„Załóżmy, że skonstruowaliśmy komputer, który zachowuje się,
jakby rozumiał język chiński. Innymi słowy, komputer bierze
chińskie znaki jako podstawę wejściową i śledzi zbiór reguł nimi
rządzący (jak wszystkie komputery), koreluje je z innymi chińskimi
znakami, które prezentuje jako informację wyjściową”.
Załóżmy, że ten komputer ten łatwo przechodzi test Turinga, tzn.
przekonuje Chińczyka, że jest Chińczykiem.
„Searle proponuje, żeby założyć, iż to on sam siedzi wewnątrz
komputera. Innymi słowy, on sam znajduje się w małym pokoju,
w którym dostaje chińskie znaki, konstruuje książkę reguł, a
następnie zwraca inne chińskie znaki, ułożone zgodnie z tymi
regułami. Searle zauważa, że oczywiście nie rozumie ani słowa po
chińsku, mimo iż wykonuje powierzone mu zadanie”.
Jakie są praktyczne
inteligencji?
zastosowania
sztucznej
1. Technologie i systemy oparte na logice rozmytej
2. Systemy ekspertowe
3. Sieci neuronowe
4. Robotyka
5. Przetwarzanie mowy i języka naturalnego
W czasie naszego wykładu ograniczymy się do punktów 1 i 3.
Technologie i systemy oparte na logice rozmytej
Mają zastosowania w sytuacjach kiedy nie posiadamy
wystarczającej wiedzy o modelu matematycznym rządzącym
danym zjawiskiem…
…oraz tam gdzie zbudowanie
nieopłacalne lub nawet niemożliwe.
takiego
modelu
jest
Technologie oparte na logice rozmytej znajdują zastosowanie
m.in. w bazach danych, sterowaniu, modelowaniu i
przetwarzaniu języka naturalnego.
Na czym polega różnica
„tradycyjną” i logiką rozmytą?
między
logiką
Paweł zarabia 5 tys. złotych.
Paweł kupił 2 kg jabłek.
Paweł ma 25 lat.
Paweł w ciągu wakacji 3 dni spędził nad morzem.
Określenia precyzyjne.
Przypisanie 0 lub 1 jest
jednoznaczne.
Logika „tradycyjna”
Paweł zarabia dużo.
Paweł kupił trochę jabłek.
Paweł jest młody.
Paweł w ciągu wakacji był krótko nad morzem.
Określenia nieprecyzyjne.
Przypisanie 0 lub 1 nie
jest jednoznaczne.
Logika rozmyta
Rozmyty świat
Czy to jest pudełko
zawierające niebieskie kulki?
Czy to jest pudełko
zawierające czerwone kulki?
Czy to jest pudełko zawierające
niebieskie/czerwone kulki?
Bez rozmycia
Brak czerwonych kulek
0
Tylko czerwone kulki
1
Między stanami 0 i 1 możliwe są stany pośrednie….
Rozmycie
Pudełko nie zawiera
czerwonych kulek (0).
Pudełko zawiera
znikomą ilość
czerwonych kulek.
Pudełko zawiera
trochę czerwonych
kulek.
Pudełko zawiera
sporo czerwonych
kulek.
Pudełko zawiera
przeważnie
czerwone kulki.
Tak, pudełko zawiera
tylko czerwone kulki (1).
Logika „klasyczna”
0
1
Tylko dwie wartości: prawda i fałsz
Logika rozmyta
0
1
Wartości z przedziału [0,1]
Zanim poznamy logikę rozmytą musimy poznać teorię zbiorów
rozmytych…
Zbiory - powtórzenie
Zbiór to kolekcja, wielość obiektów.
Pojęcie zbioru jest podstawowe i niedefiniowalne.
Określenie zbioru musi być jednoznaczne w tym sensie, że
musi być jasne czy dany konkretny obiekt należy do tego
zbioru.
Obiekt który należy do zbioru jest nazywany elementem
zbioru.
Zbiór definiujemy przez podanie jego elementów.
Przykład
A = {0, 10, -5, 7}
B=ø
C = {{1},1,{{1},{3}}}
D = {xR: x>4}
E = zbiór zielonych samochodów
F = zbiór latających słoni
W przypadku każdego z tych zbiorów łatwo określić czy dany
obiekt należy do zbioru czy nie należy.
7A
3D
Zbiory rozmyte
Istnieją zbiory w przypadku których określenie przynależności
danego konkretnego obiektu nie jest jednoznaczne.
Przykład
A = zbiór młodych ludzi
B = zbiór szybkich samochodów
C = zbiór wysokich drzew
W przypadku takich
przynależności.
zbiorów
możemy
mówić
o
stopniu
Przykład
Można powiedzieć, że osoba w wieku 35 lat należy do zbioru A w
większym stopniu niż osoba w wieku 80 lat.
Dla ustalenia uwagi określmy tzw. obszar rozważań (ang. the
universe of the discourse). Nazywać go będziemy przestrzenią lub
zbiorem i oznaczymy przez X.
Definicja
Zbiorem rozmytym A w pewnej (niepustej) przestrzeni X, co
zapisujemy jako AX nazywamy zbiór par
A={(x, A(x)): xX}
gdzie
A: X  [0,1]
jest funkcją przynależności zbioru rozmytego A.
Funkcja ta każdemu elementowi xX przypisuje jego stopień
przynależności do zbioru rozmytego A.
Możemy wyróżnić 3 przypadki:
1) A(x)=1 oznacza pełną przynależność elementu x do zbioru
rozmytego A, tzn. xA.
2) A(x)=0 oznacza brak przynależność elementu x do zbioru
rozmytego A, tzn. xA.
3) 0<A(x)<0 oznacza częściową przynależność elementu x do
zbioru rozmytego A.
Jeżeli X jest przestrzenią o skończonej liczbie elementów
X={x1,x2,…,x3}
To zbiór rozmyty A oznaczamy następująco
A
 A ( x1 )
x1

 A ( x2 )
x2

 A ( xn )
xn
Jeżeli X zawiera nieskończoną liczbę elementów to zbiór rozmyty
AX symbolicznie zapisujemy jako
A

A (x )
X
x
Przykład
Niech X=N (zbiór liczb naturalnych)
Zbiór liczb naturalnych „bliskich liczbie 12” określamy następująco:
A
0,1 0,4 0,7 1 0,7 0,4 0,1






9 10 11 12 13 14 15
Przykład
Niech X=R (zbiór liczb rzeczywistych)
Zbiór liczb rzeczywistych „bliskich liczbie 12” (oznaczmy go przez A)
określamy wykorzystując następującą funkcję przynależności:
1
A ( x ) 
1  ( x  12)2
Zatem
[1  ( x  12)2 ]1
A
x
X
1
0,5
0
6
8
10
12
x
14
16
18
Przykład
Niech X=R (zbiór liczb rzeczywistych)
Zbiory rozmyte liczb rzeczywistych „bliskich liczbie” 12 można też
określić inaczej wykorzystując inną funkcję przynależności:
1

x  12
 1
, 9  x  15
A ( x )  
3
0 , w przeciwnym razie

0,5
0
6
8
10
12
x
14
16
18
Przykład
Sformalizujmy teraz określenie „temperatura wody odpowiednia do
kąpieli”.
Zbiór rozważań:
X=[15, 16,…, 24, 25]
Zbiór rozmyty:
0,1 0,3 0,5 0,8 0,95 1 0,9 0,8 0,75 0,7
A









16 17 18 19
20 21 22 23
24
25
Inna możliwość:
A
0,1 0,2 0,4 0,7 0,9 1 0,9 0,85 0,8 0,75 0,7










15 16 17 18 19 20 21 22
23
24
25
Koniec wykładu 1