Transcript Document
INC 551 Artificial Intelligence อาจารย์ ผู้สอน ผศ.ดร. พจน์ ตั้งงามจิตต์ About the Instructor Office: CB40603 (CB4 ชั้น 6) Tel: x-9094 E-mail: [email protected] ลักษณะการ lecture: น.ศ. ต้ องจด lecture ตามทีผ่ มพูดด้ วยตัวเอง รายละเอียดวิชา • 3 หน่ วยกิต ระดับปริญญาโท • Lecture 3 ชั่วโมงต่ อสั ปดาห์ • ทบทวน และทาการบ้ าน 6-12 ชั่วโมงต่ อสั ปดาห์ Prerequisites • Computer Programming Skill C/C++ • Basic Logic • Basic Probability การให้คะแนนและตัดเกรด สั ดส่ วนของคะแนน 4 Assignments 40% Discussion 20% Exam 40% เกรด ตามประสิ ทธิภาพของนักศึกษา Discussion Score Peer Scoring System Your votes are secret. 50% - You are voted by your friends. 50% - Your vote correspond to the instructor. Assignments นักศึกษาต้ องใช้ เวลาในการทบทวนเนือ้ หาและแสดงความเข้ าใจออกมาในรู ป Program ขอให้ มีการแบ่ งและเผือ่ เวลาให้ ดี Policy ของการลอกกัน Program codes ของนักศึกษาแต่ ละคนจะถูก check ด้ วย โปรแกรมตรวจสอบความเหมือนกันของ source code (INC senior Project 2549 โดย อรรถศักดิ์ ลภาไพโรจน์ ) ถ้ าพบการลอกกันแม้ แต่ บางส่ วนใน assignment ใดๆก็ตามจะ ถือว่ าทุจริตและให้ เกรด F ทั้งคู่โดยไม่ มขี ้ อยกเว้ น Late Policy นักศึกษาจะต้ องส่ ง assignment ทั้ง 4 ตามกาหนดส่ ง ในกรณีทสี่ ่ งสาย จะถูกตัดคะแนนวันละ 2% ของคะแนนเต็ม More on Assignments Assignments should be implemented in • Microsoft Visual Studio 2008 Textbooks Artificial Intelligence: A Modern Approach (Second Edition) by Stuart Russell and Peter Norvig Prentice Hall Topics Lecture 1: Introduction to AI and the course Lecture 2: Uninformed Search Lecture 3: Informed search and heuristics Lecture 4: Problem Solving and Constraint Satisfaction problems (CSPs) Lecture 5: Game Playing Lecture 6: Predicate logic (First-order logic) Lecture 7: knowledge representation and reasoning Lecture 8: Introduction machine learning Lecture 9: Dealing with Uncertainty Lecture 10: Probabilistic Reasoning Lecture 11: Introduction to mobile robotics Final Exam Course Webpage http://www.inc.eng.kmutt.ac.th/inc551 AI คืออะไร? Artificial Intelligence = การทาให้ computer ฉลาดเหมือนมนุษย์ มีการตัดสิ นใจเองได้ วิชานีเ้ อาไปทาอะไร ? • Program หรือวิเคราะห์ ระบบหุ่นยนต์ • ทาให้ computer ทางานบางอย่ างได้ อย่ างคน Rationality Right thing at the right time Like Human = 100% Rational = 50-80% What define “smart”? • Think • Act Four Directions of AI • How to think like human? • How to act like human? • How to think rationally? • How to act rationally? Science Engineering Think like human Act like human Cognitive Science Natural Language Processing (NLP) Knowledge Representation Reasoning Machine Learning Turing Test By Alan Turing (1950) Is this human? Think rationally Act rationally Logic Robotics AI คืออะไร? Artificial Intelligence = การทาให้ computer (machine) ฉลาดเหมือนมนุษย์ มีการตัดสิ นใจเองได้ จะรู้ ได้ อย่ างไรละว่ า machine ฉลาด? จะดูได้ จากอะไร? การตัดสิ นความฉลาดจะดูจากการกระทา แนวคิดช่ วงก่ อนปี 1990 “การกระทาทีฉ่ ลาดเกิดจากการคิดก่ อนทา” ดังนั้น agent (robot) ควรจะมีกลไกการคิด World Model World model คือแบบจาลองกกลไกของสิ่ งแวดล้ อม การคิดจะต้ องมี world model World model สามารถอยู่ในรู ปแบบต่ างๆยังไงก็ได้ ตามทีผ่ ้ ูออกแบบต้ องการ Problem with World Model • Incorrect – noise จาก sensor • Incomplete – unexpected events แนวคิดช่ วงหลังปี 1990 - ปัจจุบนั “ไม่ จาเป็ นต้ องคิดก่ อนทาก็ดูฉลาดได้ แต่ การกระทาต้ องถูกออกแบบมาอย่ างดี” “Behavior-based Robotics” Maze Problem Goal เดินสารวจ, สร้ าง map คิดหาเส้ นทางออก behavior “เดินเลาะทางขวาไปเรื่อยๆ” Start นิยามของ Agent Agent = anything that can perceive through sensors and act through effectors Agent จะฉลาดหรือไม่ ดูจากการกระทา Model of Agent Action Environment Agent Sense, Perceive Types of Agents แบ่ งตาม world model • Reactive • Deliberative Reactive Agent Agent Action Environment Rules to Make Decision Sense, Perceive Deliberative Agent Agent Action Make Decision Environment World Model Sense, Perceive ข้อดี ข้อเสี ย Reactive • เร็ว ง่ าย • ทางานซับซ้ อนไม่ ได้ • ทนต่ อ error และ unexpected incidents Deliberative • ช้ า • ทางานซับซ้ อนได้ อย่างมีระบบกว่ า • มี error ก็จะทาให้ ระบบผิดพลาดไปเลย Course Overview First half - Deliberative แบบต่ างๆ World model วิธีคดิ หาคาตอบ Search Reasoning State-Action Logic Probability Second half - Reactive Rules & Architecture แบบต่ างๆ MDP Neural Net Adaptive (learning) Example Agent แบบต่างๆ • Simple reflex agents • Model-based reflex agent • Goal-based agents • Utility-based agents Simple Reflex Agent Model-based Reflex Agent Goal-based Agent Utility-based Agent ชนิดของ Environment • Observable – Partially-observable • Deterministic – Nondeterministic • Episodic – Non-episodic • Static – Dynamic - Semi • Discrete – Continuous • Single Agent – Multi Agent Task Observable Deterministic Episodic Static Discrete Agents Crossword Fully Deterministic no Static Discrete Single Chess with clock Fully Strategic no Semi Discrete Multi Poker Partially Stochastic no Static Discrete Multi Backgammo n Partially Stochastic no Static Discrete Multi Taxi Driving Partially Stochastic no Dynami Continuo c us Multi Want 10 litre x 2 0 13 19 13 7 7 http://www.inc.eng.kmutt.ac.th/inc551/waterv10.swf