Umelá inteligencia - PowerPoint PPT Presentation

umel inteligencia n.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Umelá inteligencia PowerPoint Presentation
Download Presentation
Umelá inteligencia

play fullscreen
1 / 46
Umelá inteligencia
138 Views
Download Presentation
graceland
Download Presentation

Umelá inteligencia

- - - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript

  1. spieva umelá speváčka Miriam Umelá inteligencia prednáša človekMilan Schmotzer

  2. Umelá inteligencia • autonómny riadiaci systém • pre umelého človeka • pre ľubovoľné zariadenie • pre softvérovú službu • vyžaduje • extrémne vysoký výkon procesora • extrémne pamäťové nároky • neexistuje stroj na jej realizáciu

  3. Klasická špecializovanáumelá inteligencia • použije sa nevyhnutné minimum • jasne definovaný vstup, výstup i stavy • uplatnili sa matematici • riešenie hier a hlavolamov • prehľadávanie priestoru hypotéz (šach a hry) • brutálna výpočtová sila (skúšaj všetky možnosti) • logické programovanie – Prolog

  4. Bežne riešené problémy • znalostné spracovanie obrazu: MRI, USG • získavanie dát z databáz a textov • fuzzy zaostrenie fotoaparátu • fuzzy brzdné systémy v automobiloch • znalostné riadenie lietadiel a raketoplánov • znalostné systémy pre GPS navigáciu • simulácie fyzikálnych procesov

  5. Náročnejšia časť UI • Prekonanie brutálnej výpočtovej sily • logické (programovanie ohraničení) • heuristiky, postupy typu simulované žíhanie • uvažovanie • neurónové siete • Zatiaľ temer nerealizovateľné • rozpoznávanie obrazov a scén (3D) • rozpoznávanie hovoreného slova • emócie a ľudské vlastnosti

  6. Inteligentný agent

  7. Inteligentný agent – robot • hardvérový • čiastočne realizovateľný cca od roku 2050 • iba ovládaný na diaľku ako telemat • samostatný o niekoľko storočí pri novej technológii – low power consuming quantum micropromems (processing memories) • zatiaľ máme neinteligentné priemyselné roboty (oko-ruka)

  8. Inteligentné bytosti • HOMES – hominidae – homo sapiens • GEHOS – genetically modified hominidae • ANDROIDS – ľuďom podobné bytosti z umelo vytvorených jednoduchých buniek • CYBORGS – robotizované organizmy • ROBOTS – stroje s umelou inteligenciou • EBOTS – roboty vzniknuté evolúciou

  9. Inteligencia pre umelé bytosti • vnímanie sveta • mimoriadne náročná úloha získať informácie • výsledkom je dopĺňanie modelu sveta • modelovanie sveta a uvažovanie • najviac preskúmané • stále však na slabej úrovni • pôsobenie na svet • pohyb v priestore (závisí na predošlom) • komunikácia s bytosťami Človek používa veľké množstvo modelov, často protirečivých.

  10. Inteligentné agenty – softvérové • ľahké vnímanie sveta • vystačia si s internetovou komunikáciou • malý svet, ľahký model • modelovanie sveta a uvažovanie • obmedzené činnosti nad ľahkým modelom • pôsobenie na svet • iba komunikácia so softvérom

  11. Špeciálne prednášky AI Trilógia • Biologický kognitívny systém (mozog) • Inteligentný agent • Skupiny spolupracujúcich agentov

  12. Umelá inteligenciaChytrý agent AI prednáška 2 z 3

  13. Chytré hardvérové agenty • hardvérové agenty – roboty • podzemie: práca v nedostupných priestoroch • zamorený priestor: v nebezpečných priestoroch • Vesmír: nepotrebujú skafandre, znesú vysoké gravitačné preťaženie • možno ich pokusne zničiť

  14. silný robot asistent

  15. robot asistent

  16. robot kamarát

  17. hračka – robot AIBO

  18. hračka – robot AIBO

  19. Nová umelá inteligencia • už aj chrobák žije v zložitom prostredí • poradí si s neurčitými informáciami • cieľom novej UI je dosiahnuť chytré správanie s nízkou záťažou procesora(chytré správanie „hlúpeho“ systému) • agenty reagujúce, reaktívne, „s odrazom“ • veľká reklama pre slabé systémy

  20. hračka

  21. hračka

  22. Dôležité pre robotickéagentynedôležité pre softvérové agenty • Počítačové videnie • základné spracovanie obrazu • analýza scény • Spracovanie prirodzeného jazyka

  23. Softvérové agenty • Vstup a výstup podľa protokolu • Reprezentácia znalostí • Uvažovanie • Riešenie problémov • Plánovanie a rozvrhovanie • Znalostné systémy • Multi-agentové systémy

  24. ProLog • Príklad riešenia problémov v Prologu SEND + MORE ---- MONEY

  25. Riešenie v Prologu1. časť smm :- Premene = [S,E,N,D,M,O,R,Y], Cisla = [0,1,2,3,4,5,6,7,8,9], prirad_cisla(Premene, Cisla), M > 0, S > 0, 1000*S + 100*E + 10*N + D + 1000*M + 100*O + 10*R + E =:= 10000*M + 1000*O + 100*N + 10*E + Y.

  26. Riešenie v Prologu2. časť zvol(P, [P|R], R). zvol(P, [H|Cis], [H|NovCis]):- zvol(P, Cis, NovCis). prirad_cisla([], _Cisla). prirad_cisla([P|Premenne], Cisla):- zvol(P, Cisla, NoveCisla), prirad_cisla(Premenne, NoveCisla).

  27. Zatmenie - ECLiPSe ECLiPSe – Prolog vylepšený • o uspávanie cieľov (tzv. ohraničenia) • konečné domény (celočíselné) • ľahko a prirodzene sa zapisujú úlohy • inferenčný mechanizmus ich vyrieši 

  28. Riešenie v ECLiPSe :- lib(fd).% Natiahneme knižnicu hlavolam(Z) :- Z=[S,E,N,D,M,O,R,Y],% zoznam premenných Z :: 0..9,% Priradíme domény alldistinct(Z),% Každej rozdielnu hodnotu 1000*S+100*E+10*N+D + 1000*M+100*O+10*R+E #= 10000*M+1000*O+100*N+10*E+Y, M ## 0, S##0,% ohraničenia – nerovnosti labeling(Z).% Až teraz generujeme!

  29. Dostaneme 9 5 6 7 + 1 0 8 5 1 0 6 5 2

  30. Zberné a konzultačné systémy • zberný systém • zbiera informácie zo senzorov • analyzuje ich • dospeje k výsledku (rozhodnutiu) • konzultačný systém • kladie otázky používateľovi • analyzuje odpovede • dospeje k výsledku (rozhodnutiu)

  31. Znalostné systémy • znalostný systém • konzultačný alebo zberný systém • má dostatočné znalosti z daného oboru • expertný systém • znalostný systém • obsahuje heuristiky (zvyčajne vedú k výsledku)

  32. Základné časti ZS • databáza dát • dáta riešeného prípadu • pri novej konzultácii vymazaná • databáza znalostí • odborné vedomosti / heuristiky • inferenčný mechanizmus • používa znalosti z databázy • analyzuje dáta • odvodí riešenie • aktuálny model • reprezentácia súčasného stavu riešenia úlohy

  33. Vysvetľovací mechanizmus ZS • potrebný hlavne pre experta • na zdôvodnenie činnosti systému odpovede na otázky • Why?prečo kladieš túto otázku? • What?čo si zatiaľ odvodil? • How?Ako si dospel práve k tomuto riešeniu?

  34. Diagnostický ZS

  35. Plánovací ZS

  36. môj rozhovor s robotom na http://pepa.vyskup.com • Já : Dnes je nejteplejsi den v roce. • PEPA : Velmi působivé, ale bohužel nerozumím. • Já : no jo • PEPA : člověče kolik je ti let? • Já : 33 • PEPA : FAKT FTIPNI HAHAHAHAHAHAHAHA • Já : ach jaj • PEPA : už nemáš co říct? • Já : ne • PEPA : a ci? • Já : Mas inteligenci maleho ditete. • PEPA : umři!

  37. InteligentnéMultiagentové Systémy • Multiagentový systém • Výhody multiagentových systémov • Agent • Inteligentný agent • Inteligentný multiagentový systém • Štruktúra agenta

  38. Multiagentový systém zoskupenie agentov – funkčných jednotiek spolupracujúcichna riešení určitej množiny úloh

  39. Výhody multiagentových systémov • decentralizované riešenie úlohy • spojenie výkonu viacerých procesorov • prirodzený spôsob riadenia rozsiahlych distribuovaných systémov • ľahká rozširovateľnosť • zvýšenie spoľahlivosti

  40. Agent agent je procesor schopný účelovej interakcie s inými procesormi aktívne rieši problém komunikuje s inými agentmi býva členom aspoň jedného multiagentového systému

  41. Inteligentný agent efektívne a cielene koná na základe dômyselných vnútorných modelov externých a interných procesov Inteligentný agent javí známky inteligencie: • pracuje s modelmi objektov a sveta • dokáže sa učiť • správa sa autonómne

  42. inteligentnýmultiagentový systém pozostáva z inteligentných agentov

  43. Štruktúra agenta • jadro – klasický program • obálka – inteligentná časť – začleňuje agenta do multiagentového systému

  44. Štruktúra agenta

  45. Záver – Ciele UI • navrhnúť chytrý agent (stroj) čoby kópiu schopností človeka • vytvárať zložité systémy • preto môže byť dobré poznať architektúru ľudského kognitívneho systému, psychológie, sociológie a fuzzy logiky

  46. Literatúra • Luger George: Artificial Intelligence: Structures and Strategies for Complex Problem Solving, Addison Wesley, 2004 • Negnevitsky Michael: Artificial Intelligence: A Guide to Intelligent Systems, Addison Wesley, 2004 • Russell S.J., Norvig P.: Artificial Intelligence: A Modern Approach, Prentice Hall, 2002