Transcript EKSPERTSKI SISTEMI

VEŠTAČKA INTELIGENCIJA
Prof. Milan M. Milosavljević
Elektrotehnički fakultet, Beograd
[email protected]
Sadržaj kursa

Osnove metoda veštačke inteligencije
– Produkcioni sistemi
– Pretrage u prostoru stanja
– Neinformativne pretrage
– Informativne – heurističke pretrage





Osnove prezentovanja znanja i automatskog
rezonovanja
– Račun predikata I vrste
– Rezolucija
– Sistemi zasnovani na znanju
Rezonovanje u uslovima neodredjenosti
– Veovatnosno zaključivanje
– Bajesovske mreže
Računarska inteligencija (neuro fuzzy evolucioni
sistemi)
Hibridni sistemi zasnovani na znanju
Biološki inspirisani inteligentni sistemi ( inteligencija
jata-mravlje kolonije, zajednice pčela, ptica i td.)
Literatura

S. Russell and P. Norvig Artificial Intelligence: A
Modern Approach , Prentice Hall, 2003, Second Edition

Nils J. Nilsson, Artificial Intelligence, A New Synthesis,
San Francisco: Morgan Kaufmann,1998

Genesereth, M., and Nilsson, N., Logical Foundations of
Artificial Intelligence, San Francisco: Morgan
Kaufmann, 1987
VEŠTAČKA INTELIGENCIJA




Pojam i istorijat veštačke inteligencije
Kontraverzni stavovi o ostvarljivosti VI
Osnovne podoblasti VI
Stanje oblasti i perspektive razvoja
POJAM VEŠTAČKE
INTELIGENCIJE



I pored poluvekovne istorije VI je i dalje
oblast koju je teško precizno definisati
Primeri nekih drfinicija:
VI izučava metode koje omogućavaju
računarima da budu iteligentni (Patrick
Winston)


VI je skup disciplina neophodnih za
sintezu sistema čije funkcionisanje zahteva
inteligenciju ( Nils J. Nilsson)
Oblast VI se odnosi na sintezu računarskih
sistema namenjenih za zadatke koje čovek,
za sada, obavlja bolje (Elaine Rich)



VI, uopšteno govoreći, se bavi
inteligentnim ponašanjem veštačkih
sistema.
Inteligentno ponašanje obuhvata
percepciju, učenje, komuniciranje i
delovanje u kompleksnim okruženjima.
Dugoročan cilj VI je razvoj veštačkih
sistema (mašina), koje mogu da obavljaju
sve ove kompleksne zadatke podjednako
dobro ili čak bolje od čoveka.


Uz ovaj dugoročni cilj se nameće još
jedan: razumevanje inteligentnog
ponašanja bez obzira da li se ono ostvaruje
kod ljudi, mašina ili životinja.
Stoga VI posedujue kako klasičnu naučnu
tako i inženjersku komponentu.
Essential English Dictionary, Collins,
London 1990



Inteligencija je sposobnost razumevanja i
učenja
Inteligencija je sposobnost mišljenja i
učenja nasuprot instiktivnog i automatskog
Mišljenje je aktivnost mozga kojom se
razmatraju problemi i kreiraju ideje
Kategorije o mogućim pogledima na VI:
Razmišljati ljudski Razmišljati racionalno
Delovati ljudski
Delovati racionalno
Misliti ljudski: kognitivno modelovanje



1960 “kognitivna revolucija": psihologija
zasnovana na procesiranju informacija
Zahteva teorijsko modelovanje internih
aktivnosti ljudskog mozga
Kako proveriti ove teorijske modele? To zahteva
1) Predvidjanje i testiranje ponašanja ljudskih
ispitanika (top-down), ili
2) Direktna identifikacija na osnovu neuroloških
merenja (bottom-up)

Oba pristupa (u širem smislu Kognitivna nauka i
Kognitivna neuronauka) su danas izvan domena
VI
Razmišljati racionalno: “zakon mišljenja"




Aristotel: šta je korektan proces mišljenja i
obrazlaganja?
Više Grčkih filozofskih škola je razvilo različite
forme logike: označavanje i pravila izvodjenja u
rezonovanju
Postoji direktna linija preko matematike i filozofije
do savremene VI
Problemi:
1. Nije svako inteligentno ponašanje odredjeno
logičkim mišljenjem.
2. Šta je svrha mišljenja? Koje misli treba da
posedujem?
Leibniz (1646-1716)
universal character
Stupnjevi saznanja po Lajbnicu
Claritas (Dekart)
 Cognitio confusa
 Cognitio distincta
 Cognitio intuitiva ili adekvatno saznanje

Saznanje u odnosu na nominalno i realno



Nominalne definicije ostavljaju
otvorenim pitanje da li je stvar koja je
definisana može da egzistira
Realna i kauzalna definicija u sebi
istovremeno uključuje i saznanje
mogućnog proizvodjenja stvari.
Bitno ili dovršeno saznanje (kauzalnorealno adekvatno saznanje) ono koje
svodivo na elementarne pojmove
Naučno-tehničko odredjenje biti prirode

U dvema oblastima je uvek bilo saznanja koja u
sebi samima sadrže pravilo proizvodjenja stvari:
prvo u oblasti onoga što je zgotovila čovekova
ruka (techne), a drugo u domenu jedne teorijske
nauke - matematike

Ako je kauzalna definicija najviši način saznanja
uopšte, onda se i saznanje prirode dovršava tek u
saznanju zakona prirodnih proiznošenja.

Primetimo da po Hajdegeru bit prirode leži u sebesamog-proiznošenju.
Naučno-tehničko odredjenje biti prirode




Koliko mnogo misao o proizvodjenju vlada shvatanjem
prirode, objavljuje još jednom Kant, kada načelo
kauzalnosti naziva načelom proizvodjenja
Osnovni karakter prirode je dogadjanje. Ono što se
dogadja počinje da jeste, tj. ono prelazi iz prethodnog
nebitka u bitak. Taj prelazak je proizvodjenje.
Znanje koje zna kako da se proiznese ono što treba da se
proiznese, jeste techne.
Znanje koje u sebe uključuje zakone proizvodjenja
predmeta jeste matematika.
Naučno-tehničko odredjenje biti prirode
U
samoj sebi već tehnički odredjena prirodna
nauka, stoga, prema svojoj metodi može da
bude samo matematička
 Saznanje
prirode je, dakle, kao saznanje
zakona proizvodjenja tehničko, a po metodi
matematičko
Naučno-tehničko odredjenje biti prirode
Očigledno da se menja osnovno čovekovo držanje
i odnošenje prema svetu uopšte, tako da ono
tehničko postavlja čoveku svoj zahtev.
 Odgovarajući tom zahtevu fizika se menja u
matematičku fiziku, a tehničko držanje preuzima
vodjstvo nad praksom.
 Na pragu smo pretvaranja biologije u matematičku
biologiju.

Charles Babbage (1791-1871)
Analitička mašina
David Hilbert
1862 - 1943
Alan Turing (1912-1954)
Claud Shannon (1916-2001)
Kurt Gödel (1906-1978)
KONTRAVERZNI STAVOVI O
OSTVARLJIVOSTI VI
Centralno pitanje
Da li mašine mogu da misle ? (*)
je oduvek privlačilo podjednakom snagom
filozofe, naučnike, matematičare i
inženjere.
 Turing, A.M.,”Computing Machinery and
Intelligence”, Mind, 59:433-460, 1950


Tjuring kaže da odgovor na ovo
pitanje zavisi od toga šta
podrazumevamo pod rečima može,
mašina i misli.

Prva reč u pitanju (*), može,
implicira široku interpretaciju:
–
–
principijelno može (može uopšte)
praktični može (konstruktivno
može)


Searl,1980,1992 VI ljudskog nivoa nije
moguća principijelno (nije moguća uopšte)
na digitalnim računarima.
Newel, Simon, 1976, Hipoteza sistema
fizičkih simbola (phyisical symbol system
hypothesis): Sistem fizičkih simbola
poseduje potrebnu i dovoljnu snagu za
opštu inteligentnu akciju.


Newel, Simon, 1976. Sistem fizičkih
simbola se sastoji od skupa entitija –
simbola, koji grade složenije strukture
simbola – izraze. Pored ovih struktura u
sistemu su prisutni i procesi kreacije,
modifikacije, reprodukcije i destrukcije,
koji deluju na strukture simbola
formirajući nove strukture.
Sistem fizičkih simbola je mašina koja
generiše u toku svog rada stalno
promenljivi skup strukturu simbola.


1.
2.
3.
4.
Radikalna verzija ovog stanovišta smatra
ljudski mozak jednim digitalnim računarom, a
svest računarskim programom. Svest je za
mozak ono što je program za računar.
Searl,1980,1992: Demonstrira postupak kojim
dokazuje nemogućnost VI ljudskog nivoa na
digitalnom računaru.
Mozak uzrokuje svest
Sintaksa nije dovoljna za semantiku
Računarski programi su u potpunosti definisani
svojom formalnom (sintaksnom) strukturom
Svest je intencionalna (poseduje mentalni
sadržaj)



Iz ove 4 premise može se izvesti izmedju
ostalih i sledeći zaključak:
Nijedan računarski program nije sam po
sebi dovoljan da nekom sistemu omogući
svest.
Ovaj zaključak je dalekosežan, budući da
je projekat stvaranja svesti, jedino putem
konstruisanja programa na digitalnom
računaru, od početka osudjen na propast
bez obzira na stepen tehnološkog
razvoja.
Naredna reč u pitanju (*), je mašina.





Obično umesto mehaničke naprave
podrazumevamo računar.
Sve dublje poznavanje bioloških sistema
proširuje ovaj pojam.
Primer: Virus E6 Bacteriophage
Sekvenciranjem ljudskog genoma, da li i
ljude možemo smatrati mašinama?
Ako da, tada sledi da mašine mogu misliti.
Bacteriophage E6
VIRUS E6 BACTERIOPHAGE
proteinski omotač
DNA
ćelijska membrana
BAKTERIJA




Poslednja reč u pitanju (*), je misliti.
Umesto razmatranja šta obuhvata pojam
mišljenja Tjuring je predložio test na osnovu kog
bi se za jednu mašinu moglo reći da je
inteligentna i da može da misli.
U originalnoj verziji, mašina koja se podvrgava
testu mora posedovati sposobnosti komuniciranja
na prorodnom jeziku, reprezentacije znanja,
automatsko rezonoanje i mašinsko učenje.
Tzv. Totalni Tjuringov test zahteva od mašine
fizičku interakciju, percepciju i fizičku akciju.
TJURINGOV TEST
•Prognozirao je da će do 2000, računari imati
30% šanse da zavaravaju ispitivača 5 minuta.
•Predvideo je većinu ragumenata protiv VI u
narednih 50 godina
•Sugerisao je osnovne komponente VI: znanje,
rezonovanje, razumevanje prirodnih jezika,
učenje


Od 1991 Hju Lobner je ustanovio
takmičenje sa nagradom od 100 000$ za
autora prvog računarskog programa koji
prodje Tjuringov test.
Svake godine se održava godišnje
takmičenje sa manjim iznosima nagrada za
autore programa koji su se najbolje
pokazali na Tjuringovom testu.
KRATAK PREGLED
ISTORIJSKOG RAZVOJA VI






1943 McCulloch & Pitts: Model mozga zasnovan na
Bulovim funkcijama
1950 Turingov rad “Computing Machinery and
Intelligence”
1950s Rani VI programi, npr Samuelov checkers
program
Newell & Simon: Logic Theorist, Gelernter’s Geometry
Engine
1956 Dartmouth konferencija: usvojen naziv oblasti
“Artificial Intelligence” (predloženi alternativni nazivi:
Kompleksno procesiranje informacija, Mašinska
inteligencija, Heurističko programiranje, Kognologija)
1966–74 Istraživanje Neuralnih mreža gotovo prestaje
Оrganizatori Dartmouth konferencije 1956 godine
John McCarthy
Marvin Minsky






1980–88 Procvat industrije ekspertnih sistema
1988–93 Opadanje indusrije ekspertnih sistema:
“VI zima”
1985–95 Povratak na tehnologiju neuralnih mreža
1988– Povratak na verovatnosne metode i metode
proistekle iz teorije odlučivanja
Nagli razvoj tehnološke osnove klasične VI,
“Nova VI”: Veštački život (Artificial Life),
Genetski algoritmi, Meki račun (Soft Computing)
OSNOVNE PODOBLASTI VI






Ekspertni sistemi (Expert systems)
Procesiranje prirodnih jezika (Natural
language processing)
Računarska vizija (Computer vision)
Robotika (Robotics)
Rešavanje problema i planiranje (Problem
solving and planning)
Mašinsko Učenje (Machine learning)
OSNOVNE PODOBLASTI VI







Automatsko dokazivanje teorema
Automatsko prepoznavanje govora
Neuronske mreže
Evolucioni algoritmi
Fuzzy sistemi
Traganje kroz podatke (Data mining)
Inteligentne pretrage
Table 1.1: How Big is an Exabyte?
Kilobyte (KB)
1,000 bytes OR 103bytes
2 Kilobytes: A Typewritten page.
100 Kilobytes: A low-resolution photograph.
1,000,000 bytes OR 106 bytes
Megabyte (MB)
1 Megabyte: A small novel OR a 3.5 inch floppy disk.
2 Megabytes: A high-resolution photograph.
5 Megabytes: The complete works of Shakespeare.
10 Megabytes: A minute of high-fidelity sound.
100 Megabytes: 1 meter of shelved books.
500 Megabytes: A CD-ROM.
1,000,000,000 bytes OR 109 bytes
Gigabyte (GB)
1 Gigabyte: a pickup truck filled with books.
20 Gigabytes: A good collection of the works of Beethoven.
100 Gigabytes: A library floor of academic journals.
1,000,000,000,000 bytes OR 1012 bytes
Terabyte (TB)
1 Terabyte: 50000 trees made into paper and printed.
2 Terabytes: An academic research library.
10 Terabytes: The print collections of the U.S. Library of
Congress.
400 Terabytes: National Climactic Data Center (NOAA)
database.
1,000,000,000,000,000 bytes OR 1015 bytes
Petabyte (PB)
Exabyte (EB)
1 Petabyte: 3 years of EOS data (2001).
2 Petabytes: All U.S. academic research libraries.
20 Petabytes: Production of hard-disk drives in 1995.
200 Petabytes: All printed material.
1,000,000,000,000,000,000 bytes OR 1018 bytes
2 Exabytes: Total volume of information generated in 1999.
5 Exabytes: All words ever spoken by human beings.
Table 1.2: Worldwide production of original information, if stored digitally, in
terabytes circa 2002. Upper estimates assume information is digitally scanned, lower
estimates assume digital content has been compressed.
Storage
Medium
2002
Terabytes
Upper
Estimate
2002
Terabytes
Lower
Estimate
1999-2000
Upper
Estimate
1999-2000
Lower
Estimate
% Change
Upper
Estimates
Paper
1,634
327
1,200
240
36%
Film
420,254
76,69
431,690
58,209
-3%
Magnetic
5187130
3,416,230
2,779,760
2,073,760
87%
Optical
103
51
81
29
28%
TOTAL:
5,609,121
3,416,281
3,212,731
2,132,23
8
74.5%
STANJE OBLASTI I
PERSPEKTIVE RAZVOJA





U dostizanju konačnog cilja VI, predloženo je niz
pristupa, koji se grubo mogu kategorisati u dve velike
grupacije:
Simbolički
Subsimbolički
Simbolički: zasnovan na Njuel-Sajmonovoj hipotezi.
Često se ovaj pristup nazicva klasični ili GOFAI (GoldOld- Fashioned-AI)
Klasičan primer ovog pristupa je primena logičkih
operacija na bazu deklarativnih “znanja”. Ovde se
“znanje” o problemskom domenu predstavlja
deklarativnim rečenicama, a na osnovu logičkih metoda
zaključivanja se izvode konsekvence ovog “znanja”.



Kada se ovaj pristup primeni na realne probleme,
pokazuje se da zahteva intenzivno domensko
znanje (ekspertsko znanje). Stoga se ovaj pristup
naziva i pristup zasnovan na znanju (knowledgebased) ili pristup odozgo na dole top down).
Subsimbolički pristup polazi odozdo na gore
(bottom-up) od signala ka višim konceptima
(pojmovima, klasama, iskazima),
Ovaj pristup prati osnovnu ljudsku perceptivnoempirijsku (induktivnu) komponentu u kojoj
informacije o okruženju dobijamo preko
perceptivnih podsistema i odgovarajućih signala
kao nosioca informacije.

Najpoznatiji primeri ovog prisupa su
– animatizam (ljudska inteligencija je rezultat
evolutivnog razvoja, pa stoga se u sintezi
inteligentnih sistema mora ići istim putem).Primer
kopiranja sistema za obradu signala i upravljanje
insekata i zatim njihovo stavljanje u uslove
evolutivnog razvoja.
Interakcija izmedju veštačkih sistema i okružrnja vodi
ka nečemu što se naziva ponašanje u nastajanju
(emergent behavior).
- neuronske mreže: inspirisane biološkim modelima
centralnog nervnog sistema
- genetski sisemi: inspirisani procesima koji stimulišu
evoluciju u biološkim sistemima, kao što su krosover,
mutacije i reprodukcija proporcionalna stepenu
prilagodjenja jedinke.
1995: RALPH vozi auto od jedne do
druge Američke obale
Canegie Meloun RALPH program vozio je
kombi od Vašingtona do San Diega
Maj 1997: Deep Blue pobedjuje
svetskog šampiona u šahu
protiv
Kasparov
Goals
Scripts
Scripted
Executive
ESL
Mission-level
actions &
resources
Generative
Planner &
Scheduler
Generative
Mode Identification
& Recovery
component models
Monitors
Real-time Execution
Adaptive Control
Hardware
Maj 1999: AI program Remote Agent preuzeo je upravljanje Deep
Space 1 na njegovom galaktičkom putovanju 60 000 000 milja
daleko od zemlje
Maj 2000: Kompanija
SCIFINANCE
sintetiše programe za finansijsko
modelovanje
Neural Stem Cell
Microarray tehnologija