Mesterséges Intelligencia Elektronikus Almanach

Semmelweis e-learning nap 2011.06.29.

Dr. Daragó László egyetemi docens Egészségügyi Informatikai Fejlesztő és Továbbképző Intézet

Mi az MI?

Mesterséges Intelligenciának

(

MI

vagy

AI

– az angol környezeti behatásokra (automatizáltság);

A

rtificial

I

ntelligence ből) egy gép, program vagy mesterségesen létrehozott tudat által megnyilvánuló intelligenciát nevezzük. A fogalmat legtöbbször a számítógépekkel társítjuk. A köznyelvben több külön jelentésben használják: 1. A mesterségesen létrehozott tárgy állandó emberi beavatkozás nélkül képes legyen válaszolni 2. A mesterségesen létrehozott tárgy képes legyen hasonlóan viselkedni, mint egy természetes intelligenciával rendelkező élőlény, még ha az azonos viselkedés mögött eltérő mechanizmus is húzódik meg (szimuláltság - ilyen értelemben beszélhetünk pl. a számítógépes játékok gép irányította karaktereinek „intelligenciájáról”); 3. Végül, a mesterségesen létrehozott tárgy képes legyen viselkedését célszerűen és megismételhető módon változtatni (tanulás) - ez utóbbi jelentés az, ami a modern MI-kutatásban előtérbe került, és jelenleg az MI fogalmával legjobban azonosítható. (http://hu.wikipedia.org/wiki/Mesterséges_intelligencia)

Küszöbérték Valódi pozitív Valódi negatív

Hagyományos MI

És még MI

Két fő iskola

Gépi tanulásként osztályozott módszerek, amelyet a formalizmus és a statisztikai analízis jellemez - szimbolikus MI, logikai MI, tiszta MI (neat AI), és GOFAI (jó, régimódi mesterséges intelligencia).

Szakértő rendszerek, amelyek egy szűk szakmai területen érvényes érvelési szabályokat alkalmaznak következtetések levonásához (pl. MYCIN a vér betegségeinek diagnosztikájához, vagy a ROC (Receiver Operating Characteristic)) Esetalapú érvelés - Bayes statisztikán alapuló hálózatok Viselkedésalapú MI: egy moduláris módszer, MI rendszerek kézi létrehozásához.

Számítási intelligencia (Computational Intelligence, CI)

Iterációs (lépésenkénti) fejlődés vagy tanulás (például a paraméter hangolás a kapcsolat alapú rendszerekben). Nem szimbolikus, hanem gyakorlati tapasztalatokon alapul - koszos MI (scruffy AI) használ.

vagy puha számítási technikai módszereket

Neuronhálózatok: nagyon erős minta-felismerési képességű rendszerek. - Fuzzy rendszerek Evolúciós számítási technikák, a biológia által inspirált fogalmak (populáció, mutáció, a legjobb túlélése) alkalmazása. evolúciós algoritmusok (például genetikus alg.) - raj intelligencia (például hangya algoritmus)

Hibrid intelligens rendszerek

A két fő irányvonal ötvözete amelyekben a szakértői rendszerek következtetési szabályait hozzák létre neuronhálózatok vagy a statisztikai tanulás képzési szabályainak segítségével.

MI az orvostudományban

• • • • • • • • • • • • • • • • • • • • • • • • Orvosi ontológiaszervezés Orvosi taxonómia hierarchia Da Vinci Surgical System, sebészrobotok Mycin Dendral Beszédfelismerés TMDET – fehérjetervezés Medline PUBMED PUFF – Pulmonary Function System Biometrikus azonosítás fMRI Radiológiai képelemzés Anesztinfo Hopfield háló Intencionalitás vizsgálatok Accu-check Telemedicina PET EEG Ütemezési feladat, nővér, orvos ütemezés

Asztma telediagnosztika és -monitorozás Stroke telerehabilitáció

… Beteg Háziorvos Telemedicina Szolgáltató Hívásfogadó munkatársa, adatrögzítés és előkészítés központ  eHealth8 Tüdőgyógyász Asztma-nővér

A projekt

TÁMOP 4.1.2 – 08/2/A/KMR-0026 Résztvevők Budapesti Műszaki és Gazdaságtudományi Egyetem

Méréstechnika és Információs Rendszerek Tanszék

Óbudai Egyetem

Neumann János Informatikai Kar

Panem Kiadó Kft.

Semmelweis Egyetem,

Egészségügyi Informatikai Fejlesztő és Továbbképző Intézet

Futamidő: 2010. április – 2011. szeptember Teljes költségvetés: 80 m Ft (20% önrész) SE költségvetése: 10,4 m Ft

A tananyagfejlesztés alapjául szolgáló könyv

Russel-Norvig: Mesterséges Intelligencia Modern Megközelítésben Artificial Intelligence: A Modern Approach, 2nd edition könyv magyar fordítása – Használatban: kb. 100 országban, >1200 egyetemi kurzusban – A Citeseer-ben a 25. leginkább idézett publikáció – A világban vitathatatlanul az első számú MI tankönyv, itthon 10 intézmény 38 tárgyában ajánlott irodalom

A SE szerepe a projektben

A könyv egyes fejezeteinek, a tárgymutatóban szereplő fogalmakhoz köthető egészségügyi, orvosi vonatkozású fogalmak ismertetése, az egyes fejezetekhez kapcsolódó tanulmányok és alkalmazások ismertetése, gyakorlatilag a MI orvosi vonatkozásainak bemutatása példákon keresztül. A fogalomleírások, tanulmányok, létező alkalmazások bemutatása egységes szerkezetben, DocBook formátum szerint, továbbítása a Panem felé, illetve feltöltése a BME HIK szerverre.

Fogalomleírás magyar név

taxonómia

angol név

taxonomy

rövid szöveges leírás magyar nyelven

A rendszertan tágabb értelemben és idegen szóval taxonómia (a görög ταξινομία (taxinomia) és a görög taxis = rend és nomos = törvény) elnevezés vagy a dolgok hierarchikus osztályozására vonatkozik, vagy az osztályozás alapjául szolgáló elvekre. Szinte mindent, élő dolgokat, élettelen tárgyakat, helyeket és eseményeket lehet valamilyen osztályozási keretben rendszerezni. A konkrét osztályozási kereteket és azok alapját a kategorizálási módszerek adják.

részletes szöveges bemutatás magyar nyelven

Matematikai értelemben a taxonómia a dolgok egy halmazának faszerkezetű osztálybesorolásai vagy kategorizálása. A szerkezet csúcsán egy osztály van, a csúcs alá besorolt minden dologra a csúcson lévő osztály tulajdonsága érvényes. E gyökér vagy csúcs “alatt” lévő besorolások olyan konkrétabb kategóriák , amelyek az összes halmaz részhalmazaira vonatkoznak. …

Munkamódszer

TARTALOMJEGYZÉK Előszó a magyar kiadáshoz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Előszó . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 I.

rész. Mesterséges intelligencia . . . . . . . . . . . . . . . . . . . . . . . . . . 29 1.

Bevezetés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31

1.1.

Mi az MI? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Emberi módon cselekedni: Turing-teszt megközelítés . . . . . . . . . . . .32

Emberi módon gondolkodni: a kognitív modellezés . . . . . . . . . . . . . .33

Racionálisan gondolkodni: a gondolkodás törvénye . . . . . . . . . . . . ..34

Racionálisan cselekedni: a racionális ágens . . . . . . . . . . . . . . . . . . . 35 1.2.

A mesterséges intelligencia alapjai . . . . . . . . . . 36 Filozófia (i. e. 428-tól napjainkig) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Matematika (kb. 800 tól napjainkig) . . . . . . . . . . . . . . . . . . . . . . . . . .38

3-SAT 185, 347, 383, 1107 8 as kirakójáték 103 15 ε-elfogadható 175 ε-gömb 771 χ2 metszés 764 #P ös kirakójáték 128, 174 nehéz 597

A, Á

a legjobb túlélése 672 a priori tudás 782 A* dekódoló 668 ABC komputer 46 Absolver 151 Abstrips 536 absztrakció 101 absztrakciós hierarchia 536 AC-3 193, 204, 207 AC-4 193, 204 20.7. Esettanulmány: kézzel írott számjegyek felismerése 27.4. Mi van, ha az MI sikerrel jár?

3.2. Példaproblémák 4.3. Lokális kereső algoritmusok és optimalizációs problémák 23. Valószínűségi nyelvfeldolgozás 15.7. Összefoglalás 13.2. Valószínűségi alapfogalmak 20.8. Összefoglalás 13.2. Valószínűségi alapfogalmak 19. A tudás szerepe a tanulásban 4.6. Összefoglalás 15.6. Beszédfelismerés 1.2. A mesterséges intelligencia alapjai 4.2. Heurisztikus függvények 12.8. Összefoglalás 3 legközelebbi-szomszéd 861 3-SAT 185, 347, 383, 1107 8 as kirakójáték 103 8 királynő 104, 155 943, 944, 951 a legjobb túlélése 672 a posteriori 548, 554 a posteriori 863 a priori 548, 552 a priori tudás 782 A* 139, 174, 175 A* dekódoló 668 ABC komputer 46 ABSOLVER 151 ABSTRIPS 536 863 552 782 175 668 46 151 536 861 1107 103 155 951 672 554 208 132 190 46 156 12 42 128 207 274 32 43 230 157 132

cím

fMRI Mágneses rezonancia Boole Axon Szinapszis adatbányászat Evolúció, mutáció intelligens tudásalapú rendszerek Multi ágens rendszerek orvosi alkalmazása Ágens MEDLINE Fehérjetervezés- TMDET PUBMED Az ionizáló sugárzás sztochasztikus hatása PUFF valószínűség elmélet, valószínűség számítás érzékelés ontológia adatbázis Orvosi taxonómia DENDRAL Gépi tanulás

Eredmények

kívánságlista

F F I nincs nincs nincs nincs I Á nincs F, SZ F, T, F,SZ nincs I P P F F nincs

sorszám

7,14 7 9 36 10 13,12,3,15 6,2,18 12,13,6

feladat fogalom

2 2 2 2 2 2 2 2 2

esettanulmány

2 2 2 49 3 19 13 4 2 2 2 2 2 2

alkalmazás

2 2 2 2 2 1 2 Elkészült: 28 fogalom 33 tanulmány 12 alkalmazás

Kinek hasznos a fejlesztett tananyag?

Alapképzés (BSc):

tankönyv, szemléletformálás

Mesterképzés (MSc) és doktori képzés (PhD):

speciális ismeretek, link- és irodalomgyűjtemény

Posztgraduális képzés:

alapismeretek

Középiskolai képzés:

szemlélet- és érdeklődésformálás

Nem-informatikusok:

a terület bemutatása, tévhitek eloszlatása, lehetőségek és korlátok bemutatása

Ipar, tudományos kutatás:

szakértői bázis, esettanulmányok