1 / 38

Artificial Intelligence 人工智慧

Artificial Intelligence 人工智慧. B94705042 陳富媺 B94705049 沈奕超 B94705045 高誠勵. 即讓電腦具有人類的知識與行為，並具有學習、推理、與判斷、解決問題、了解人類所說的語言等能力。 　　人工智慧主要研究，就是藉由電腦來執行人類智慧的過程，機器在經過程式設計之後，能表現出與人類類似的智慧。. WHAT ’ S Artificial Intelligence 人工智慧. 人工智慧的特徵. 1. 符號表示的能力 2. 啟發式（ heuristic ）的推理能力 3. 具有表達知識的能力

sancho
Download Presentation

Artificial Intelligence 人工智慧

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Artificial Intelligence人工智慧 B94705042 陳富媺 B94705049 沈奕超 B94705045 高誠勵

  2. 即讓電腦具有人類的知識與行為，並具有學習、推理、與判斷、解決問題、了解人類所說的語言等能力。　　人工智慧主要研究，就是藉由電腦來執行人類智慧的過程，機器在經過程式設計之後，能表現出與人類類似的智慧。即讓電腦具有人類的知識與行為，並具有學習、推理、與判斷、解決問題、了解人類所說的語言等能力。　　人工智慧主要研究，就是藉由電腦來執行人類智慧的過程，機器在經過程式設計之後，能表現出與人類類似的智慧。 WHAT’S ArtificialIntelligence人工智慧

  3. 人工智慧的特徵 1. 符號表示的能力 2. 啟發式（heuristic）的推理能力 3. 具有表達知識的能力 4. 不完整、不確定、甚至相互矛盾的數據可以被處理 5. 機械學習（machine learning）的能力

  4. 人工智慧的目的 • 代替人類解決生產、生活中的具體問題。 • 通過電腦技術延伸人類智力，提高人類解決生產、生活中的具體問題的能力。 • 通過電腦技術研究和推動人類智力發展。

  5. 人工智慧的源始 人工智慧的發展可以追溯到第二次世界大戰的末期，當時為了解決一些軍事上和情報上的問題，科學家們開始研究發展一種有智慧的機器。後來在1956年McCarthy主持了Dartmouth會議，成為公認之人工智慧發展史的開端。

  6. 人工智慧的發展歷程

  7. 近代發展 由於網路的興起，人工智慧又發展出，例如「代理人」（Agents）的程式，來代替原本需要人工操作的工作；此外，類神經網路及基因遺傳演算法也是目前非常熱門的人工智慧相關研究。

  8. 人工智慧的爭論－電腦真的有智慧嗎? 正方： 如果電腦系統能夠類比人類的智力活動，完成人用智慧才能完成的任務，就應該承認電腦有智慧。 反方： 人類智慧是一個發生、發展的過程。人類在解決問題時，存在非智力因素與智力因素的相互作用。電腦能夠類比的人類智慧極其有限。

  9. 強人工智慧與弱人工智慧 由約翰·麥卡錫（John McCarthy）在1956年的達特矛斯會議（Dartmouth Conference）上提出的 強人工智慧：被認為是有知覺的，有自我意識的。 弱人工智慧：並不真正擁有智慧，也不會有自主意識。目前的主流科研集中在弱人工智慧上，並且一般認為這一研究領域已經取得可觀的成就。強人工智慧的研究則出於停滯不前的狀態下。

  10. 目前人工智慧的應用 • 專家系統(Expert System) • 自然語言處理(Natural Language Understanding) • 電腦視覺(Computer Vision) • 語音辨識(Speech Understanding) • 機器人應用(Robotic Application) • 類神經網路(Artificial Neural Network) • 智慧型代理人(Intelligent Agent)

  11. 專家系統 • 定義:一個以知識法則為依據,以推理為方法之 智慧型程式! 更明確的說法,是針對各個特定領域(預測財務狀況,安排貨車的運輸路線,透過詢問病人病情進行診斷,提供醫療方法和藥方…),然後配合龐大的資料庫提供對話式查詢與建議方案的系統!

  12. 如何設計專家系統 • 該如何設計:要建構出一套專家系統我們需要: • 一個或數個資訊專家 • 一個或數個知識工程師 p.s.建構專家系統困難於知識工程,包括知識取得以及知識表示!

  13. 系統構造 • 知識庫：專家系統中儲存解決問題相關知識的部分 • 使用者介面：提供使用者諮詢及回應諮詢結果的介面 • 知識擷取界面：提供編輯增修知識庫功能的介面 • 工作記憶區：儲存推理過程中的事實部分 • 推理機制：控制推理過程的機制

  14. 圖示:

  15. 應用1/2 • 較為有名的專家系統: • DENDRAL:是一個推論化學結構的專家系統! 由stanford大學所研發. 功能:根據質譜儀的實驗觀測結果，進行圖譜識別、分析推理、給出被觀測的未知化合物的分子結構式 ! http://members.fortunecity.com/jon_alava/docs/dendral.htm#Ingles

  16. 應用2/2 • MYCIN: MYCIN是一套醫學上應用的專家系 統! 功能:可經由 一連串的交談式資料輸入而協助診斷感染性疾病並建議用以治療此 病之抗生素種類及劑量 http://ai.ee.ccu.edu.tw/es/Spring03/es08.files/frame.htm

  17. 人與系統的比較 • 人類專家 與 專家系統之比較: • 人 類 專 家:以創意 適應性強 知覺、經驗,焦點廣,能解常識性的問題 • 專 家 系 統: 沒有靈感,需教導,符號輸入,焦點窄,只能解技術性問題

  18. 類神經網路 • 由來:類神經網路起源於1950年代,科學家仿造人類頭腦提出”感知機”的神經元模型!這可以算是最早的類神經模型! • 發展:在1980年代前,專家系統較為風行且類神經網路的理論上未成熟,並沒有受到很大的重視直到1982年霍普菲爾神經網路被提出,才逐漸受重視!

  19. 運作:類神經網路的運作,其實就跟人類的神經大同小異!人類:類神經網路:運作:類神經網路的運作,其實就跟人類的神經大同小異!人類:類神經網路:

  20. 類神經網路模型 類神經網路的模型如下: X:神經元的輸入 W:鍵結值!我們所謂對類神經網路的訓練,即是調整鍵結值! B:閥值,有偏移的效果 S:加法單元,將輸入與鍵結值做加總. @():活化函數,通常為非線性函數將S的值映射得到輸出! Y:輸出

  21. 訓練1/2 • 一個類神經網路要能運作 • 勢必得經過訓練!也就等同於讓他學習! • 訓練樣本: • 首先,建立訓練樣本!樣本的建立往往來自實際系統輸入輸出或是以往的經驗! • 訓練樣本越多,越正確,差異性越大,類神經網路的功能就越強.

  22. 訓練2/2 • 目的:訓練的目的就是讓類神經網路的輸出值更接近目標值!亦即,相同的輸入值得得到相同的輸出!訓練前輸出必定是凌亂不齊的,隨著訓練次數增加,鍵結值逐漸被調整,誤差越來越小!當誤差不在變化,我們便稱此神經網路已收斂

  23. 學習率 • 學習率:在訓練過程中,學習率是一個非常重要的參數.會影響類神經網路收斂的速度! 學習率大收斂快 學習率小收斂慢 • 選擇:選擇太大或太小的學習率都會對訓練造成不好的影響!

  24. 推廣性(Generalization) • 測試推廣性: • 當訓練完成後,雖然輸出值已經與我們所要求的標準值接近,但是對於不是訓練樣本的輸入,並不知道會得到什麼結果! • 此時我們就得使用一組類神經網路未曾見識過的樣本,測試其”推廣性”!此樣本稱為測試樣本! p.s.如果測試樣本和訓練樣本差異太大,類神經網路仍然不能給予正確的數值

  25. 推廣性的實驗 • 今天就讓我們來做個實驗: • 以半徑式函數網路,做(y=1/x)函數近似的應用! • 首先將X=1.2.3……100代入(y=1/x)中,得到100組y值. 取 X=1.3.5…99共50筆做為訓練樣本, X=2.4.6…100共50筆為測試樣本

  26. 結果 • 測試:下圖可見, 綠線實際結果 紅線 類神經網路的輸出 由此可見,未訓練前的類神經網路輸出是凌亂的!

  27. 訓練20次後: 由圖可見訓練過,輸出會越來越接近實際值! • 訓練2000次後:由於在訓練過程中,訓練樣本不斷提供正確的輸出值給類神經網路作為參考,使得輸出直見與實際值相同!

  28. 價值函數 • 價值函數:價值函數是類神經網路收斂的一個指標,會隨著訓練而越變越小!

  29. 誤差 • 誤差:此實驗的誤差,分成訓練樣本和測試樣本兩組! 由圖可知:訓練樣本的誤差比測試樣本的誤差來的小!不過即使是測試樣本誤差也不大,代表類神經網路對未見過的輸入也會給予合理的輸出!

  30. 類神經網路的應用: 工業應用 產品品質分析 機電設備診斷 化工程序診斷… 商業應用 股票、債券、期貨.... 等，投資分析,商業信用評估 管理應用 策略管理 時程管理 品質管理 資訊應用 影像、文字、語音 辨識系統 訊號分類 濾波 應用

  31. 優缺點 • 優點： • 可以建構非線性的模型。 • 有良好的推廣性，對於未知的輸入亦可得到正確的輸出。 • 可以接受不同種類的變數作為輸入，適應性強。 • 可應用的領域相當廣泛。 • 缺點： • 以迭代方式更新鍵結值與閥值，計算量大，相當耗費電腦資源。 • 解有無限多組，無法得知哪一組的解為最佳解。 • 訓練的過程中無法得知需要多少神經元個數，太多或太少的神經元均會影響系統的準確性，因此往往需以試誤的方式得到適當的神經元個數。

  32. 從電影看人工智慧 • A I 人工智慧 • 貝克街的亡靈 • 機 戰 未 來 • 機 械 公 敵 • 駭 客 任 務 • 魔 鬼 終 結 者

  33. 人工智慧目前生活中的應用 • 家電系統 冷氣 洗衣機… • 娛樂方面 電玩遊戲 電影製作… • 其他 如資料庫管理…

  34. 人工智慧的展望 未來的AI將會取代大部分需要過多勞力以及危 險性較大的工作 如太空探勘和重工程建設…… 或者一般需要長時間和重複性的工作 如老人 看護及系統管理及監控……

  35. 人的定位 • 家人和老師......的角色還需要“人”來扮演嗎？ • 當電腦智慧與你相當時 能力也相當時 你......還有存在的價值嗎？ • 當機器人學會了“愛” 我們“人”的存在的價值還剩什麼？

  36. 人工智慧將凌駕於人腦？ • 有名的例子－深藍電腦http://www.research.ibm.com/deepblue/ • 開始害怕人工智慧會不會反過來成為地球上的主宰？

  37. 參考資料 • http://zh.wikipedia.org/wiki/%E4%BA%BA%E5%B7%A5%E6%99%BA%E8%83%BD • http://content.edu.tw/senior/computer/ks_ks/book/other/artificial.htm • http://tw.knowledge.yahoo.com/question/?qid=1305092511015 • http://www.taai.org.tw/ • http://www.csie.mcu.edu.tw/~s9170261/information.html • http://www.gct.ntou.edu.tw/Lab/aiwww/neural.html#top

  38. THE END

More Related