inteligentni sistemi l.
Download
Skip this Video
Loading SlideShow in 5 Seconds..
Inteligentni sistemi PowerPoint Presentation
Download Presentation
Inteligentni sistemi

Loading in 2 Seconds...

play fullscreen
1 / 70

Inteligentni sistemi - PowerPoint PPT Presentation


  • 189 Views
  • Uploaded on

Inteligentni sistemi.

loader
I am the owner, or an agent authorized to act on behalf of the owner, of the copyrighted work described.
capcha
Download Presentation

PowerPoint Slideshow about 'Inteligentni sistemi' - tanisha


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.While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server.


- - - - - - - - - - - - - - - - - - - - - - - - - - E N D - - - - - - - - - - - - - - - - - - - - - - - - - -
Presentation Transcript
slide2

Назив предмета: Интелигентни системи 1Студијски програми: ИНФОРМАТИКАВрста и ниво студија:Oсновне академске студије, први нивоНаставник (Презиме, средње слово, име): Цвјетковић М ВладимирСтатус предмета: Обавезан на основним академским студијама ИнформатикеБрој ЕСПБ: 8Услов: Уписан одговарајући семестарЦиљ предмета: Теоријска наставаОснови вештачке интелигенције. Представљање знања. Претраживање као метода решавања проблема. Простор стања. Стратегије претраживања. Стратегије управљања претра­жи­вањем. Хеуристичко претраживање.Методеимплементацијепретраживања и представљањазнања. Продукционисистеми. Експертнисистеми. Архитектураекспертнихсистема. Представљањезнања. Механизмизакључивања. Број часова активне наставе Предавања: 3 Вежбе: 2 Другиоблицинаставе: 1Оцена знања (максимални број поена 100)Предиспитне обавезе активност у току предавања 6 поенаколоквијум-и 34семинар-и 30Завршнииспит 30

ve ta ka inteligencija
Veštačka inteligencija
  • Da li postoji veštačka inteligencija?
  • Da li je podela na “prirodnu” i “veštačku” inteligenciju opravdana?
  • Nastanak “klasične” veštačke inteligencije – druga polovina XX veka
  • Periododnekihdesetakgodina:
  • sredinom 50 - tihgodina, ranih 60-tih godinaili u savremenojformioko 1965
  • Civilizacijski koreni veštačke inteligencije:
  • U antičkomperioduznačajan je grčkifilozofAristotel(384-322 p.n.e) koji se baviozakonitostimalogičkogmišljenja
ve ta ka inteligencija4
Veštačkainteligencija
  • Teofrast (372-287 p.n.e) i Krisip (281-205 p.n.e)
  • Aristotel je postavio osnovne zakonitosti logičkog mišljenja koje je nazvao silogizmima
  • Silogizmi su pravila izvođenja posrednih zaključaka na osnovu osnovnih sudova ili premisa
  • Primer za silogizam je izvođenje zaključka iz sledećih sudova:
    • Operativni sistem je osnovni računarski program.
    • Windows je operativni sistem.
    • Zaključak: Windows je osnovni računarski program.
ve ta ka inteligencija5
Veštačka inteligencija
  • U prethodnom primeru može da se uoči:
  • subjekat – S, predikat – P i srednji pojam – M koji ne figuriše u zaključku, ali služi da poveže subjekat i predikat u zaključku
  • Windows je S, osnovni računarski program je P, dok je operativni sistem M i ne figuriše u zaključku. Ovakva silogistička figura bi mogla da se predstavi na sledeći način:
  • M – P
  • S – M
  • S – P
ve ta ka inteligencija6
Veštačka inteligencija
  • Osim ove Aristotel daje još dve silogističke figure:
  • P – M M - P
  • S – M i M - S
  • S – P S - P
  • Silogistička figura
  • P – M
  • M – S
  • S – P
  • Potiče od Galena (131 – 200 p.n.e), grčkog lekara i filozofa.
ve ta ka inteligencija7
Veštačka inteligencija
  • Istorija koja sledi nije tako značajna sa aspekta ideja veštačke inteligencije, bar ne neposredno.
  • Za neke probleme je potrebno da prođe veoma dugo vreme dok se ne krene dalje.
  • Mnogokasnijefilozofimatematičar G. V. Lajbnic (1646-1716)
  • Mašinazazaključivanjekoja bi moglasamostalnodavršidokazivanje u raznimnaučnimoblastimanauniverzalannačin
  • Šreder, 1890, anticipiranastanak “Mislećihmašina” kojećečovekaosloboditidelanapornogumnogradaanalognokaoštosu to mašineučinilesafizičkimradom
ve ta ka inteligencija8
Veštačka inteligencija
  • Realnemogućnostizakonkretnoostvarivanjetakvihisličnihidejanaravnonastajusapojavomprvihdigitalnihelektronskihračunara 40 - tihgodina 20. veka.
  • IstovremenosanastankomprvihračunaraameričkimatematičarDžonfonNojman (1903-1957) dajesvojčuveniopšti model računaranakome se zasnivapraktičnosvakiikadanapravljenidigitalniračunarsve do današnjihdana
  • Iakosuprviračunariuglavnombilinamenjeniikoristili se zanumeričkaizračunavanja, brzo je shvaćenodasuračunarimašinesadalekoširimmogućnostimaprimene
ve ta ka inteligencija9
Veštačka inteligencija
  • Prvipokušajiprimeneračunara u oblasti VI bilisunapoljuigara (šah), dokazivanjateorema (jednostavnijeteoreme), iopštegrešavanjaproblema (jednostavnijizadaci)
  • Mogućnostopštegrešavanjaproblema se pokazalakaoizuzetnotežakzadatak, težinegošto se to očekivalo
  • Istraživačinisubili u stanjudametodeisredstva VI primenenazadatkekojerešavajueksperti u raznimoblastima
  • Zbog toga se u daljimistraživanjimapažnjapoklanjasistemimazarešavanjespecifičnihproblema u određenimuskimoblastima
ve ta ka inteligencija10
Veštačka inteligencija
  • Domen VI obuhvata proučavanja u oblastima:
    • Matematika (teorija igara)
    • Razni praktični aspekti primene:
      • Percepcija
      • Robotika
      • Razumevanje jezika
      • Zdravorazumsko razmišljanje
        • Stručna problematika u raznim oblastima:
      • Finansijska analiza
      • Dijagnostika i terapija u medicini
      • Analiza naučnih problema
      • Itd
najva nije odrednice sistema vi sa aspekta realizacije na ra unarskim sistemima su
Najvažnijeodrednicesistema VI saaspektarealizacijenaračunarskimsistemimasu:
  • težišteračunarskihprograma u oblasti VI je višenaobradisimboličkihpodataka, a manjenanumeričkojobradi
  • ciljprograma je rešavanjeproblema
  • do rešenja se uglavnomdolazinekomvrstompretraživanja, a ređedirektno
  • programskijezicispecifičnorazvijeniinamenjenizaprimenu u oblasti VI su LISP (LISt Processing), PROLOG (PROgraming in LOGic), objektnoorijentisanijezici - Smalltalk i dr.
definicije vi ve ta ke inteligencije
Definicije VI - Veštačke Inteligencije
  • Kod stručnjaka koji se bave problematikom VI postoje razna shvatanja i definicije.
  • Pre svega, postoje razmimoilaženja u vezi toga da li je VI samo oblast, deo neke nauke - naučna disciplina ili je to samostalna nauka
  • Što se tiče problematike kojom se VI bavi, tu su razne definicije uglavnom u saglasnosti i odnose se na problematiku konstruisanja mašina - uređaja koji će ispoljavati takve vrste ponašanja, koje bi da su rezultat ljudskog ponašanja, bile okarakterisane kao inteligentne
definicije vi
Definicije VI
  • 1983 godinebilo je preko 140 definicija VI
  • Evonekihdefinicija:
  • VI je deokompjuterskenaukekoja se bavidizajniranjeminteligentnihkompjuterskihsistema, to jest sistemakojipokazujukarakteristikekojepovezujemosainteligencijom u ljudskomponašanju - razumevanjegovora, učenje, rešavanjeproblemaitakodalje
  • VI se baviprogramiranjemkompjuterazaizvođenjezadatakakojetrenutnoboljeizvršavajuljudi, jer se pri tome koristevišimentalniprocesikaošto je perceptualnoučenje, organizacijamemorisanog, rasuđivanje
definicije vi14
Definicije VI
  • VI je proučavanje mentalnih moći kroz upotrebu modela kompjutacije. Pri tome je fundamentalna radna pretpostavka da "Ono što mozak čini može biti zamišljeno na nekom nivou kao vrsta kompjutacije
  • VI je disciplina usmerena na razumevanje čovekove inteligencije kroz konstruisanje računarskih programa koji oponašaju inteligentno ponašanje
  • VI se bavi proučavanjima kako da kompjuteri rade ono što ljudi trenutno rade bolje
definicije vi15
Definicije VI
  • Sveovedefinicije VI raznihautorauglavnom se odnosenaosnovniaspekt VI, a to je imitacijainteligentnogponašanjakodljudi. Oblast VI je multidisciplinarna, jerkoristirezultateipovezana je saraznimdrugimnaukamakaopsihologija, sociologija, fiziologija, programiranje, teorijasistemaitd
  • Poznat je Turing - ov test kojipredstavljakriterijumzainteligentnoponašanjemašine (računara). Test se sastoji u tome dačovekvodećikonverzacijuprekoterminalatrebadazaključidali je sagovornikčovekilimašina. Mašina se poovomtestusmatrainteligentnomakočoveknaosnovuodgovoramašine ne možedanapravirazlikuizmeđuživogsagovornikaimašine
oblasti prou avanja vi
Oblasti proučavanja VI

Oblast VI obuhvata sledeća bitna područja:

  • Rešavanje problema
  • Razumevanje prirodnih jezika
  • Robotika i viđenje
  • Sistemi zasnovani na znanju (Knowledge Based Systems - KBS), uključujući i ekspertne sisteme
  • Mašinsko učenje
  • Logičko zaključivanje
  • Programiranje
re avanje problema
Rešavanje problema
  • Rešavanjeproblemapredstavljazadatakkoji se najčešćerešavatakoda se postupakraščlaninaprostezadatakeilipostupkečije je rešavanjerutinsko
  • Mogućnostizarešenjemožebitiveomamnogo, takoda se možezahtevatinalaženjeoptimalnogrešenja
  • Mora se definisatipočetnostanje - odčega se polazi u rešavanjuproblemaiopisaticiljnostanjekojeodgovararešenju
  • Stanjepredstavljasvakasituacijakojamoženastupitiprirešavanjuproblema
re avanje problema18
Rešavanje problema
  • Pri rešavanju problema preko niza jednostavnih posupaka, rešenje problema odgovara nalaženju sekvence postupaka koji vode do ciljnog stanja
  • Svaki korak odgovara prelasku iz jednog u drugo stanje, pri čemu naredno stanje treba da bude bliže ciljnom stanju
razumevanje govornog jezika
Razumevanje govornog jezika
  • Razumevanje govornog jezika od strane mašine je važno zbog mogućnosti značajnog unapređenja komunikacije čovek – računar
  • Tu postoje veliki problemi zbog složenosti govornog jezika i često prisutnih simbola, fraza koji se ne tumače neposredno i često su ako se doslovce tumače besmisleni, zatim zbog rasplinutosti i nedovoljne određenosti jezičkih konstrukcija
roboti
Roboti

Robotisumašinekojesamostalnoobavljajuraznemehaničkeradnjeioperacije

VI se u ovojoblastibavi pre svega:

  • Kontrolisanjempokretarobota
  • Problematikomprepoznavanjaokoline
  • Učenje
  • Razumevanjegovora

Da bi funkcionisanjerobotabilosvrsishodno, pokretimorajubitiadekvatnitrenutnomstanjuneposrednogokruženja

Prekosenzora se dobijajuinformacijena primer vizuelne, kojedaljetrebaobradititakoda se "prepoznaju" i razlikuju objektiisenkeizneposredneokoline

sistemi zasnovani na znanju kbs
Sistemi zasnovani na znanju (KBS)
  • Sistemizasnovaninaznanju (Knowledge Based Systems - KBS) trebadaomoguće pre svegasimboličkopredstavljanjeznanja, nalaženjerešenjaieventualnosamostalnouvećavanjeznanjanaosnovuiskustva
  • Zarazlikuodpodatakakojimaračunarskiprogramiuobičajenooperišuikojisuuglavnomnumeričkeprirode, pripredstavljanjuznanjakarakteristično je da se koristepretežnonenumeričkipodaci
  • Postojivišenačinazapredstavljanjeznanjai to suprodukcionapravila, semantičkemreže, frejmovi, objekti, itd. o čemućevišerečibiti u poglavlju o ekspertnimsistemima
sistemi zasnovani na znanju kbs22
Sistemi zasnovani na znanju (KBS)
  • Od posebnog interesa je rešavanje problema kada nije poznato algoritamsko rešenje problema, kada odgovarajući algoritam ne postoji, ili kada je algoritam poznat, ali implementacija na računaru prevazilazi resurse računara
  • U tom slučaju se koriste heuristike, pravila za rešavanje kojima se na osnovu prethodnog znanja, iskustva i intuicije sužava i usmerava područje traganja za rešenjem
  • Primena heuristika ne mora da garantuje nalaženje rešenja u opštem slučaju za bilo koji mogući skup ulaznih podataka, kao što je slučaj sa algoritmom
sistemi zasnovani na znanju kbs23
Sistemizasnovaninaznanju (KBS)
  • Ipak, vrednost ovih pravila je neosporna i pre svega je praktične prirode, ako se u praksi do rešenja može doći u velikom broju slučajeva
  • Slično ovome, mogu se razmatrati i slučajevi kada se ne raspolaže sa svim potrebnim podacima o datom problemu, ili kada su podaci poznati sa izvesnim stepenom verovatnoće
  • U tom slučaju su i dobijeni zaključci prihvatljivi samo sa izvesnom verovatnoćom, pa se sistem koristi za procenu izvesnosti pojedinih mogućnosti
sistemi zasnovani na znanju kbs24
Sistemi zasnovani na znanju (KBS)
  • Važna je i provera logičke konzistentnosti podataka, jer se može desiti da podaci budu takvi da ne mogu nikako da odgovaraju realno mogućem slučaju
  • Automatsko usvajanje i korišćenje prethodnog iskustva pri rešavanju srodnih i sličnih problema je nešto što ne bi sasvim eliminisalo potrebu za daljim dodavanjem i usavršavanjem znanja koje sistem poseduje, od strane čoveka, ali bi sigurno tu potrebu umanjilo
ma insko u enje
Mašinsko učenje
  • Mašinsko učenje, dakle učenje koje nije vezano za neposrednu intervenciju čoveka je jedna od karakteristika sistema kojima se odlikuju sistemi VI
  • Većina sistema je takva da zahteva direktnu intervenciju čoveka za izmenu postojećeg, ili dodavanje novog znanja, a postoje i takvi sistemi VI koji mogu da formiraju neku vrstu iskustva, kao što je u prethodnoj tački pomenuto
  • Sa svakim rešenim problemom uvećava se znanje sistema VI
logi ko zaklju ivanje
Logičkozaključivanje
  • Logičkozaključivanje je odvelikoginteresa u VI, i do sadasurazvijenisistemikoji se bazirajuuglavnomnadeduktivnomzaključivanju
  • Ali da bi deduktivnozaključivanjeuopšteibilomoguće, potrebno je da se primenjuje u teorijskipotpunopoznatojiizučenojoblastikojaimazatvorensistemznanja
  • Deduktivnozaključivanjeimatuprednostnadinduktivnim, da je jednoznačno, pa samimtimilakšeostvarljivo
  • Ovakvisistemimogudokazivatiraznatvrđenja, teoreme
logi ko zaklju ivanje27
Logičkozaključivanje
  • Sa induktivnim zaključivanjem već nije tako, jer se induktivno zaključivanje bazira na generalizaciji iskustva, i zaključci se mogu prihvatiti sa nekom verovatnoćom
  • Dakle, automatizacija induktivnog zaključivanja treba da bude "predlagačkog" karaktera
programiranje
Programiranje
  • Programiranje o kome je ovde reč, nije aktivnost ljudi programera, već automatizovano programiranje koje realizuje sistem VI
  • Od interesa je razvoj programa za određene svrhe, kao i usavršavanje već postojećih programa
veza sa intelektualnim procesima
Vezasaintelektualnimprocesima
  • Jednoodvažnihstanovištasakojih se vršiistraživanjeirazvojoblasti VI je mogućnostsaznavanjaiistraživanja u oblastiintelektualnihprocesakodljudi (ispitivanjefunkcijamozga) pričemu se polaziodpretpostavkedamogudapostojeanalogije
  • Prirodnije bi bilosuprotno, tj. da se naosnovupoznavanjafunkcionisanjaljudskogmozga grade sistemi VI
  • Međutim, zbognedovoljnogpoznavanjaintelektualnihprocesa, nasvenačine se pokušavada se dođe do određenepredstaveilimodela u ovojoblasti
veza sa intelektualnim procesima30
Vezasaintelektualnimprocesima
  • Naravno, postoje i protivnici ovakvog gledišta, J. Searle, M. Boden.... Boden smatra da se iz činjenice da sistem VI na pr. uspešno reši neki problem, ne može zaključiti da se i mozak ponaša na isti način, i to povezuje sa činjenicom da to što je neka teorija u saglasnosti sa eksperimentom, ne mora da isključi i mogućnost da i neka drugačija teorija takođe bude u saglasnosti sa istim eksperimentalnim činjenicama
  • Nezavisno od ove dileme, sistemi VI su definitivno našli svoju primenu i svoje mesto u mnogim oblastima nauke, tehnike, socijalno-ekonomskim problemima, pa će sa tog aspekta i biti tretirani
veza sa intelektualnim procesima31
Vezasaintelektualnimprocesima
  • Jedan od efekata razvoja VI je da korišćenje računara postaje moguće sa manje znanja programiranja nego ranije, što omogućava da se više vremena posveti problemu koji se rešava
  • Analogno kao što spreadsheet programi omogućavaju računanje bez potrebe programiranja, razni sistemi VI treba da omoguće korišćenje i primenu znanja u drugim oblastima rešavanja problema
  • Sa preuzimanjem zadataka koje su prethodno isključivo ljudi obavljali, računarske nauke dalje napreduju
veza sa intelektualnim procesima32
Veza sa intelektualnim procesima
  • Kada neka nova tehnika VI postane dovoljno usavršena, stabilna za primenu i dostupna, često gubi svoju pripadnost VI
  • Na osnovu prethodnog izlaganja i definicija, može se reći da je naziv VI uslovan i da pre svega označava oblast istraživanja, jer je za sada inteligencija pre svega svojstvo živih bića
ahovski me kasparov deep blue
Šahovskimeč Kasparov - DEEP BLUE
  • Razmotrimo čuveni šahovski meč odigran u maju 1997 izmedju svetskog šahovskog šampiona Garija Kasparova i IBM-ovog superračunara DEEP BLUE Preuzeto sa IBM ovog site-a :
  • WWW.CHESS.IBM.COM
  • Da li DEEP BLUE uopšte i koliko koristi veštačku inteligenciju ?
  • DEEP BLUE je specijalno dizajniran računar koji je namenjen igranju šaha na najvišem svetskom nivou, i bazira se na paralelnom sistemu RS/6000 SP
match details from ibm official web site
Match details – from IBM official web site
  • game 6:
  • May 11 @ 3:00PM EDT | 19:00PM GMT       
  • kasparov 2.5 deep blue 3.5
  • In May 1997, IBM's Deep Blue Supercomputer played a fascinating match with the reigning World Chess Champion, Garry Kasparov. The event was captured live only on this Web site, where millions of chess and computing fans tuned in to witness the event in real-time. This Web site is an archive of that event, and information on this site has not been updated since the end of the match. Some content may no longer be relevant or up to date, and some links may not function. In particular, the audio and video clips are no longer available. Current information about IBM deep computing can be found at the IBM Research home page.
slide46

Although Garry Kasparov and Deep Blue are considered to be two of the greatest chess "players" in the world, each has a distinct manner of playing the game. Both have the ability to look at a chessboard, analyze positions, then make the most optimal move. But the way Deep Blue arrives at the decision to move a particular piece is very different from Kasparov's method of analysis.

The following is a top ten listing of the dissimilarities between the way Garry Kasparov and Deep Blue play chess:

1. Deep Blue can examine and evaluate up to 200,000,000 chess positions per second

Garry Kasparov can examine and evaluate up to three chess positions per second

2. Deep Blue has a small amount of chess knowledge and an enormous amount of calculation ability.

Garry Kasparov has a large amount of chess knowledge and a somewhat smaller amount of calculation ability.

3. Garry Kasparov uses his tremendous sense of feeling and intuition to play world champion-calibre chess.

Deep Blue is a machine that is incapable of feeling or intuition.

4. Deep Blue has benefitted from the guidance of five IBM research scientists and one international grandmaster.

Garry Kasparov is guided by his coach Yuri Dokhoian and by his own driving passion play the finest chess in the world.

5. Garry Kasparov is able to learn and adapt very quickly from his own successes and mistakes.

Deep Blue, as it stands today, is not a "learning system." It is therefore not capable of utilizing artificial intelligence to either learn from its opponent or "think" about the current position of the chessboard.

slide47

6. Deep Blue can never forget, be distracted or feel intimidated by external forces (such as Kasparov's infamous "stare").

Garry Kasparov is an intense competitor, but he is still susceptible to human frailties such as fatigue, boredom and loss of concentration.

7. Deep Blue is stunningly effective at solving chess problems, but it is less "intelligent" than even the stupidest human.

Garry Kasparov is highly intelligent. He has authored three books, speaks a variety of languages, is active politically and is a regular guest speaker at international conferences.

8. Any changes in the way Deep Blue plays chess must be performed by the members of the development team between games.

Garry Kasparov can alter the way he plays at any time before, during, and/or after each game.

9. Garry Kasparov is skilled at evaluating his opponent, sensing their weaknesses, then taking advantage of those weaknesses.

While Deep Blue is quite adept at evaluating chess positions, it cannot evaluate its opponent's weaknesses.

10. Garry Kasparov is able to determine his next move by selectively searching through the possible positions.

Deep Blue must conduct a very thorough search into the possible positions to determine the most optimal move (which isn't so bad when you can search up to 200 million positions per second).

deep blue
DEEP BLUE

Osimzašah, računarskisistemnakome se bazira DEEP BLUE nalaziprimenui u nekimsasvimdrugačijimoblastimakaoštosuna primer:

  • Čišćenjeidekontaminacijamestazaodlaganjeotrovnihotpadaka
  • Vremenskuprognozu
  • Modelovanjefinansijskihpodataka
  • Automobilskidizajn
  • Razvojnovihmedikamentoznihterapija
  • Serverza Web site-ove
  • IBM-ov site WWW.CHESS.IBM.COMupravokoristiračunarbazirannaistojtehnologijikaoi DEEP BLUE
ahovski me kasparov deep blue54
Šahovskimeč Kasparov - DEEP BLUE
  • U mečuodigranom 1997 godineračunar DEEP BLUE je pobedioKasparovasarezultatomod 3.5 prema 2.5
  • Samogodinudanaranije u februaru 1996 u prethodnommečutakodjeprotivGarijaKasparova, DEEP BLUE je izgubio
  • Interesantno je da je IBM-ovistraživačkitimkojistojiizarazvojaračunara DEEP BLUE uspeodaga u takokratkomrokuusavrši u meridovoljnojzapobedunadsvetskimšahovskimšampionom
  • Osnovneizmenesu se premarečimadirektora IBM-ovogistraživačkogtimaodnosilena program kojimožedamenjaparametreizmedjudvepartije, zatimdodato je joššahovskogznanjaisamsistem je jačiodprethodnog, pre svegabrži je približnodvaputa
ahovski me kasparov deep blue55
Šahovskimeč Kasparov - DEEP BLUE
  • Prema izveštajima sa meča, i to u poslednjoj šestoj partiji Gari Kasparov je proživljavao zaista teške trenutke
  • Na osnovu prvih nekoliko poteza, mogla se očekivati strategijska borba i pozicija je za crnog, tj. Kasparova bila veoma solidna
  • Dramatičan preokret je nastao već posle sedmog poteza Kasparova, kada je DEEP BLUE odigrao interesantan potez naizgled dosta neuobičajen za mašinu
  • DEEP BLUE je naime inicirao neravnopravnu razmenu, tj. žrtvovao je konja za pešaka
ahovski me kasparov deep blue56
Šahovskimeč Kasparov - DEEP BLUE
  • Ovakav potez je u datoj situaciji poznat kao vrlo jak, jer statistika pokazuje da samo jedan od devet igrača koji prihvati ovakvu žrtvu može da izbegne poraz, i to ako ima sreće
  • Posle ovog poteza koji mu je onemogućio rokadu, Kasparov je promenio stil igre i počeo da igra odbrambeno otvaranje Karo Kan kao njegov stari protivnik Anatolij Karpov
  • Medjutim već u 19 potezu partija je završena u korist računara, što je istovremeno značilo i pobedu u meču
ahovski me kasparov deep blue57
Šahovskimeč Kasparov - DEEP BLUE
  • Jednoodmerilavažnostiovogmeča je da je razvojnitim IBM-ovihstručnjakapodelio $700.000 nagradezaosvojenoprvomesto, dok je zadrugomesto Kasparov dobio $400.000
  • Šah se većdugovremenasmatrazajednuodigarakodkoje pre svegadolaze do izražajačovekoveintelektualnesposobnosti, štoovomdogadjajuidajenajvećutežinu
  • Svojevremeno je u filmuOdiseja u svemiru 2001 snimljenom 1968, šahovskapartijaizmedjuračunara HAL nasvemirskombrodu Discovery, ijednogodastronautatrebalodapokažeintelektualnumoćračunara
ahovski me kasparov deep blue58
Šahovski meč Kasparov - DEEP BLUE
  • Zanimljivo je da ime HAL predstavlja svojevrsnu skraćenicu od Heuristically programmed ALgorithmic computer. Heuristike i heurističko programiranje su danas veoma važni u VI i biće detaljnije objašnjeni u vezi Ekspertnih Sistema.
modifikovani turing ov test
Modifikovani Turing-ov test
  • Da bi se pomenuti Turing-ov test za dokazivanje inteligentnog ponašanja mašine mogao praktično koristiti, potrebno je uvesti odredjena ograničenja
  • Pre svega potrebno je ograničiti oblast konverzacije izmedju čoveka i mašine
  • Jedno od vrlo praktičnih rešenja u tom smislu je šahovsko ograničenje
  • Da bi se računaru pružila što veća šansa, test se ne sastoji u tome da se na osnovu direktne partije preko terminala donese zaključak o prirodi nevidljivog protivnika
modifikovani turing ov test60
Modifikovani Turing-ov test
  • U direktnoj partiji bi se na osnovu nekih neuobičajenih poteza koji nisu povučeni sa ciljem da se pobedi već da se na osnovu reakcije protivnika zaključi da li je čovek ili računar
  • Umesto toga, test se sastoji u tome da se analiziranjem zapisanih poteza već odigrane partije zaključi o prirodi igrača, pri čemu je moguće da računar ili čovek budu jedan ili oba igrača
  • U jednom takvom eksperimentu, Gari Kasparov je s vremena na vreme ali ne pouzdano mogao da zaključi o kakvim se protivnicima radi
modifikovani turing ov test61
Modifikovani Turing-ov test
  • Šah se naravno ne možeuzetikaonekiopštipokazateljilikriterijuminteligentnogponašanja, izprostograzlogašto je to jednaveomaspecifičnaaktivnost
  • Čakštaviše, može se rećidašah ne predstavljatakoveliki problem zaprimenunaračunarukaoštosu to nekidrugiproblemi, na primer prepoznavanjeoblika, razumevanjegovora, planiranje, itd
  • Ljudiiračunarijednostavnonemajuistipristupšahu
  • Osnovneprednostiračunarasuogromnabrzinaimogućnostmemorisanjaogromnogbrojarazličitihpozicija
modifikovani turing ov test62
Modifikovani Turing-ov test
  • Na tajnačinmoguće je daračunarunapredanaliziravelikibrojmogućihpoteza, idanaosnovu toga odaberesledećipotez.
  • Procenjeno je da bi Kasparov mogaodaproceninajvišedva do tri poteza u sekundi, dok DEEP BLUE možedaizračunaokočetvrtmilijardišahovskihpozicija u sekundi
  • Postojijako dobra korelacijaizmedjubrojaunapredizračunatihpotezainivoaigreračunara, što se meripostignutimrezultatima u igri
  • Ovakavpristupšahu se baziranatzv. sirovojsnaziračunara (brute force)
modifikovani turing ov test63
Modifikovani Turing-ov test
  • Programizašahkoristeuglavnomnekejednostavnijeheuristikekoje se bazirajunaoznačavanjuikorišćenjurazličitihvrednostikoje se dodeljujufigurama u ciljunjihovograngiranjapremaznačaju, različitoobeležavanjeslobodnihibranjenihpolja, itd
  • Ljudskipristup je sasvimdrugačiji, ibazira se pre sveganaopažanjuiuočavanju (pattern recognition) bitnihsituacijaiodnosa
  • Ljudi ne gubevremeanalizirajućivelikibrojneperspektivnihpoteza, većpažnjuusmeravajusamonaanaliziranjemanjegbrojapotencijalnoperspektivnihpoteza
modifikovani turing ov test64
Modifikovani Turing-ov test
  • Osim toga, svesno ili nesvesno ljudi mogu menjati stil igre za vreme jedne partije, i time koristiti uočene slabosti računara
  • Sa druge strane, postoje situacije kada je izračunavanje velikog broja poteza unapred izuzetno važno, na primer u šahovskim završnicama kada ostane malo figura
  • Na primer, kralj i pion protiv kralja, konja i lovca može da predstavlja vrlo tešku završnicu
  • Primenom računara za analizu u ovakvim slučajevima došlo se do rešenja koja su imala i po nekoliko stotina poteza
modifikovani turing ov test65
Modifikovani Turing-ov test
  • Pojedini šahisti su čak probali da nauče potreban niz poteza, što predstavlja svojevrsno oponašanje računara
  • Šah spada u red problema u kojima su računari danas uporedivi sa ljudima
  • Prema tvrđenju Kloda Šenona osnivača teorije informacija, šah je dobro definisan kako u dozvoljenim potezima tako i u konačnom cilju
  • Nije ni suviše jednostavan da bi bio trivijalan, a ni suviše komplikovan za postizanje zadovoljavajućeg rešenja
modifikovani turing ov test66
Modifikovani Turing-ov test
  • Igragosadalekogistoka se smatrakomplikovanijomodšaha, izasadačakniračunarkaošto je DEEP BLUE ne bi mogaodapostignezadovoljavajućerezultate u takvojigri
  • Postojivelikibrojtežihproblema u kojimaračunarizaostajuzaljudimakaoštosuprepoznavanjeoblika, razumevanjegovora, učenje, složenoplaniranje
  • U ovakvimproblemima je primenjivanjemetodakoji se zasnivajunasirovojsnaziračunaraneadekvatno
  • Pobeda računaranadsvetskimšahovskimšampionombazira se pre sveganaprimeniprednostikojepružasirovasnagaračunara, a manjenaprimenimetodakojeimitirajuponašanjeljudi, ilimoždanekihjošuspešnijihmetoda
modifikovani turing ov test67
Modifikovani Turing-ov test
  • Inteligentnoponašanje je (jošuvek) svojstvovezanozanajvišeoblikeživota, zaljude pre svega
  • Suštinskorazumevanjeinteligencijeifunkcijemozga bi moglodabudepovezanosarazvojemračunaraikoncepata VI analognokaošto je to bio slučajsaupoznavanjemfunkcijenekihdrugihorgana
  • Na primer, ljudisukrozvekoveimaliprilikeda vide srceubijeneživotinje, alinisuznalifunkciju tog organa
  • Danas, vrlojednostavnoobjašnjavamofunkcijusrcatakoštogaporedimosanečimpoznatim, a to je pumpa, ikažemoda je srce u stvarijednavrstapumpe
modifikovani turing ov test68
Modifikovani Turing-ov test
  • Slično tome, oko poredimo sa mračnom komorom ili foto kamerom
  • Funkcija nerava nam može biti jasna ako ih uporedimo sa žicom koja provodi električne impulse
  • Ali da bi razumeli kako funkcioniše mozak, da li ćemo prethodno morati da napravimo neki veštački sistem baziran na računarima koji će koristiti neke slične ključne koncepte kao i mozak?
http www opera 17 com showbiz 2010 02 21 opera17 vam cita misli cik pokusaj da slazes
http://www.opera-17.com/showbiz/2010/02/21/opera17-vam-cita-misli-cik-pokusaj-da-slazes/http://www.opera-17.com/showbiz/2010/02/21/opera17-vam-cita-misli-cik-pokusaj-da-slazes/