Előadást letölteni
Az előadás letöltése folymat van. Kérjük, várjon
1
Mesterséges Tudományok
Mesterséges Intelligencia Mesterséges Élet Mesterséges Társadalmak Gulyás László Tudománytörténet és Tudományfilozófia Tanszék
2
Mesterséges Tudományok
Az előadás címéről Herbert Simon Közgazdaságtani Nobel-díj, 1978. A szervezeteken belüli döntési folyamatok elemzésében elért eredményeiért The Sciences of Artificial, The MIT Press, 1969. Az előadás központi figurája… Mesterséges Tudományok
3
Mesterséges Tudományok
Áttekintés Motiváció Mesterséges Intelligencia (AI) Mesterséges Élet (ALIFE) Mesterséges Társadalmak (ASOC) Néhány konkrét alkalmazás Mesterséges Tudományok
4
Mesterséges Tudományok
Motiváció, avagy miért? Komplex szoftver-rendszerek „A szoftver sem olyan már, mint régen.” Multi-taskos, hálózatos rendszerek. Az alkalmazás, amit írok együtt kell működjön (kell, hogy működjön) más, akár még meg sem írt alkalmazásokkal. A teljes kontroll elvesztése: Globális követelmények, lokális eszközök Pl. aktuális EU pályázati kiírások: self-X Mesterséges Tudományok
5
Motiváció II, avagy hogyan?
Tanuljunk a „természettől”: Ember ─ Mesterséges Intelligencia Biológia ─ Mesterséges Élet Társas rendszerek, Társadalom ─ Mesterséges Társadalmak Mesterséges Tudományok
6
Mesterséges Intelligencia
Intenzíven művelt kutatási terület az 50-es évek óta. Herbert Simon az egyik alapító. Közelítő definíció Olyan problémák, feladatok számítógépes megoldása, amiben az ember jó. Problémák a meghatározással „Futóvad-lövés” Nem az ember létrehozása… Többmillió éves, kielégítő módszereink vannak. Mesterséges Tudományok
7
Mesterséges Tudományok
A klasszikus MI Kezdetben az emberi racionalitás a cél: Racionális: mindig a lehető legjobb megoldást választja. Maximalizálás, optimalizálás. Mesterséges Tudományok
8
Mesterséges Tudományok
A klasszikus MI 2. A legrövidebb út keresésének általánossága Bonyolult problémák matematikai leírása Kétszemélyes játékok (pl. sakk) B A H C F G D E Mesterséges Tudományok
9
Mesterséges Tudományok
A klasszikus MI 3. Kapcsolat az MI és a közgazdaságtan között: Herbert Simon az MI egyik alapítója és közgazdaságtani Nobel-díja A klasszikus közgáz alapfeltétele az egyének racionalitása. Régi MI: hogyan legyünk racionálisak. Mesterséges Tudományok
10
A klasszikus MI problémái I.
A kifejlesztett keresőalgoritmusok „tökéletesek”, de nem működnek. Beláthatatlan nagy „problématér”. „Mindent tudni strapás.” A sakk példája: Elvileg tudjuk az algoritmust a nyerő játékra (de min. a döntetlenre). De ha az univerzum összes atomja számítógép lenne, akkor se tudnánk kivárni az eredményt. Mesterséges Tudományok
11
Napjaink MI-kutatásai
Herbert Simon közgazdaságtani Nobel-díja: Döntési folyamatok szervezeteken belül. Racionálisak? Nem a racionalitással foglalkoznak. Hanem az irracionalitással. A korlátozott racionalitással: A rendelkezésre álló információból A rendelkezésre álló erőforrásokkal A rendelkezésre álló idő alatt a lehető legjobbat választani. Korlátozott racionalitás (Herbert Simon) Mesterséges Tudományok
12
Napjaink MI-kutatásai II.
Nem a legjobb, hanem az elég jó a cél. De azt időben! Mi sem tudjuk, hogy amit teszünk, optimális-e. Ha valaki mégis tudja, akkor arról tudományos közleményt ír, vagy meggazdagszik… Helyzetfüggő információk és megoldások Ld. Deep Blue Kaszparov ellen 1997-ben. Mesterséges Tudományok
13
A klasszikus MI problémái II.
Hétköznapi ismeretek hiánya A problémát le kell írni a számítógép által érthető módon. Amit nem írunk le, azt nem fogja tudni. Az apám apja a nagyapám. Az apám öregebb, mint én. Mennyi ideig is tanul egy ember? Mesterséges Tudományok
14
Mesterséges Tudományok
Gépi tanulás Általában optimalizációs (függvény-maximalizáció) feladatként írják le. Jóság Jutalom „maximalizálása” De! Közelítő megoldások… Általános módszerei: Induktív tanulás Mesterséges Neuronhálók Genetikus Algoritmusok Mesterséges Élet Mesterséges Tudományok
15
Mesterséges Élet (Artificial Life)
Félrevezető definíció… Számítógépen szimulált biológiai rendszerek A biológiai elméletek tesztelése. A biológiai mechanizmusok vizsgálata, valóságban nem létező rendszereken. Mérnöki, szoftvermérnöki alkalmazások. Mesterséges Tudományok
16
Mesterséges Tudományok
A GOLEM-projekt Genetikailag szerveződő életszerű eletromechanika (Genetically Organized Lifelike Electro Mechanics) Szimulált evolúcióval optimalizált „robotok”. Konkrétan megépített prototípusok a szimulált eredmények alapján. Cél a minél gyorsabb és stabilabb mozgás Kétdimenziós, sík felületen. Nyíl Tetra Balance Biped Mesterséges Tudományok
17
Mesterséges Tudományok
Genetikus algoritmus 1. Általános optimáló módszer (meta-heurisztika). Mesterséges evolúció. Az evolúció elvei alapján Természetes szelekció A legfittebb „túlélése” Szexuális (géncserés) reprodukció. A „populáció”, a „génsorozat”, a „reprodukció” Mind metafora csupán. Mesterséges Tudományok
18
Mesterséges Tudományok
Genetikus algoritmus 2. Populáció: Megoldás-kezdemények sokasága. „Génreprezentáció” (kódoló függvény) 3x + 2 1 Mesterséges Tudományok
19
Mesterséges Tudományok
Genetikus algoritmus 3. Rátermettségi függvény (fitness function) A megoldás jósága. 3x + 2 50% 1 Mesterséges Tudományok
20
Mesterséges Tudományok
Genetikus algoritmus 4. Szelekció: A gyengék törlése és Az erősek szaporodása. Mesterséges Tudományok
21
Mesterséges Tudományok
Genetikus algoritmus 5. Reprodukció Mutáció és Keresztezés (géncsere) 3x + 2 1 1 3x + 2 3 1 1 5x + 4 Mesterséges Tudományok
22
Genetikus algoritmus: Példa
Mesterséges Tudományok
23
Többszereplős rendszerek
A biológiai rendszerek gyakran nem ragadhatóak meg az egyed szintjén. Ld. a genetikus algoritmus mesterséges evolúciója. A megoldás gyakran Kollektíve áll elő, Közelítő jellegű, de Robusztus. Mesterséges társadalmak Mesterséges Tudományok
24
Mesterséges Tudományok
Termeszvárak Mesterséges Tudományok
25
Termeszvár Algoritmusa I.
Deneubourg et al.: A dolgozó földet vesz fel Nyállal keveri Emiatt feromon kerül bele A feromon vonzza a többi dolgozót Egyre többen jönnek Királynő feromonja Párolgás Mesterséges Tudományok
26
Termeszvár Algoritmusa II.
Boltív Mesterséges Tudományok
27
Hangyák élelemkeresése
Jelenlegi ismereteink szerint / a modellben Sok, egyszerű dolgozó Nincs központi kontroll Nincs direkt kommunikáció Mégis Közel optimális útvonal Adaptivitás Robusztusság Mesterséges Tudományok
28
Hangyák élelemkeresése
Mesterséges Tudományok
29
Hangyák élelemkeresésének algoritmusa
2 fajta feromon: „kereső”, „hazatérő” A hangyák a feromon erősségét követik A „hibázás” fontossága Tehetetlenség Diffúzió és párolgás Mesterséges Tudományok
30
Mesterséges társadalmak (Artificial Societies)
Ismét egy félrevezető név… Társadalmi folyamatok számítógépes modellezése. Célja Társadalomtudományi elméletek alkotása. Mérnöki megoldások „ellesése”. Mesterséges Tudományok
31
Egyre inkább elkülönülten élnek a romák
2004. február 19., csütörtök, 7:54 Jelentősen nőtt a romák települési elkülönülése az elmúlt évtizedben - írja a Magyar Hírlap az MTA legfrissebb kutatásának alapján. Eszerint ma minden második romának jórészt roma szomszédai vannak, és az állapot a harminc évvel ezelőttihez hasonló. Megjegyzés: a nem-romák is elkülönülten élnek. Mesterséges Tudományok
32
Miért élnek elkülönülten a romák?
Néhány alternatíva: Kulturális okokból. Gazdasági okokból. Mert rasszisták, kirekesztők vagyunk. Problémák a kérdésfelvetéssel: „Több dolgok vannak földön s égen Horatio, semmint bölcselmetek álmodni képes". Egyszerűsítés modellek. Mesterséges Tudományok
33
Tényleg rasszisták vagyunk-e?
Avagy, a romák elkülönültsége valóban egyértelműen erre utal-e? Thomas C. Schelling* és modellje (1978.): Lakóhelyválasztás stilizált térben. „Pirosak” és „kékek”. Tolerancia-szint százalékban. Hova vezet a 60%-os tolerancia? * Közgazdaságtudományi Nobel-díj, 2005. Mesterséges Tudományok
34
Mesterséges Tudományok
A 60%-os tolerancia Mesterséges Tudományok
35
Mesterséges Tudományok
Mi következik ebből? Alapvetően semmi. Az emberek bonyolultabbak. A valóság nem ilyen (v.ö. „Horatio”). De mégis: „Gondolatkísérlet”. Egzisztencia-bizonyíték. A „megértés” fejlesztése. Mesterséges Tudományok
36
Mesterséges társadalmak és a statisztikus fizika
„Ökonofizika” (Econophysics) Bonyolultabbak vagyunk, mint a (számítógépes) modellek. „Nem vagyunk olyan egyszerűek, mint a molekulák.” Viszont a molekulák is sokkal bonyolultabbak, mint ahogy a termodinamika mondja… Mesterséges Tudományok
37
A mikro-makro kapcsolat
Schelling: Mikro motivációk és makro viselkedés (Micromotives and macrobehavior, 1978.) Herbert Simon: Közgazdaságtan (miko- és makroökonómia) A „millió dolláros kérdés” Hogyan tervezzünk „lokális” programokat, hogy a „globális” rendszer (pl. hálózat) működjön? Mesterséges Tudományok
38
Mesterséges Tudományok
Piaci metaforák A piacgazdaság az egyik legjobban (nem tökéletesen!) működő problémamegoldó, erőforrás-allokáló rendszer: Elosztott A szereplők önállóak és önzőek. Kevés kommunikációt igényel. Egységes érték- és információ kódolás (pénz) Ami „automatikusan” koordinálja a szereplőket. Mesterséges Tudományok
39
Alulról-felfelé építkezés (Engineering from the Bottom-Up)
A probléma: véletlen hibáknak ellenálló hálózatok generálása. Algoritmus, „piaci metafórákkal” Az ágensek egymás után kapcsolódnak a hálóra úgy, hogy a „konnektivitásukat” maximalizálják. Minden ágens fix k darab élet építhet. Az eddigi hálóra vonatkozó információ költséges, ezért az ágensek csak a hálózat bizonyos részeit ismerik. (Árazási modell és „zsebpénz”.) Robusztus hálózatokat generál, a paraméterek széles tartományában. Alapvető fontosságú az információ elérés milyensége (ld. pl. árazás). Mesterséges Tudományok
40
Robusztus hálózatok generálása
Mesterséges Tudományok
41
Egyéb konkrét alkalmazások
Beszélgető robotok Információs kioszkok Mesterséges Tudományok
42
Mesterséges Tudományok
Tőzsdeoktatás (AITIA Rt.) Mesterséges Tudományok
43
Mesterséges Tudományok
Megnyugtatásul A kontroll mindig az embernél marad. A miként-et nem feltétlenül tudom, de a korlátokat én definiálom. Vízforralásnál sem tudom, pontosan hogyan mozognak a molekulák, de ha elzárom a gázt… Mesterséges Tudományok
44
Mesterséges Tudományok
Vége… Köszönöm a figyelmet! Mesterséges Tudományok
Hasonló előadás
© 2024 SlidePlayer.hu Inc.
All rights reserved.