Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

IRE 1 /34/ 1 Óbudai Egyetem, NIK Dr. Kutor László 2011. TÁMOP - 4.1.2 I ntelligens R endszerek E lmélete 1.

Hasonló előadás


Az előadások a következő témára: "IRE 1 /34/ 1 Óbudai Egyetem, NIK Dr. Kutor László 2011. TÁMOP - 4.1.2 I ntelligens R endszerek E lmélete 1."— Előadás másolata:

1 IRE 1 /34/ 1 Óbudai Egyetem, NIK Dr. Kutor László TÁMOP I ntelligens R endszerek E lmélete 1

2 IRE 1 /34/ 2 Óbudai Egyetem, NIK Dr. Kutor László A biológiai és mesterséges intelligencia fogalom gyökerei, intelligencia elméletek. Az intelligencia mérése. A mesterséges intelligencia klasszikus és újabb területei.

3 IRE 1 /34/ 3 Óbudai Egyetem, NIK Dr. Kutor László Tanulási javaslatok. 1. Az előadásokon vetített ábrák csak a tananyag vázlatául szolgálnak, ezért az előadásokon célszerű részt venni és jegyzetelni. A jegyzetekhez a vetített ábra jobb alsó sarkában lévő számot érdemes felírni. 2. A javasolt olvasmányokat érdemes feldolgozni. 3. A felkészülést segítő kérdéseket célszerű önállóan kidolgozni. 4. Az előadás végén feltett kérdésekkel kapcsolatban fontos saját véleményt kialakítani.

4 IRE 1 /34/ 4 Óbudai Egyetem, NIK Dr. Kutor László Az intelligencia fogalma A szó eredete: Latin „intellegere”= megértés Rokon fogalmak: okos, értelmes, ésszerűen cselekvő Értelmezése : az intelligencia az egyénnek az az összesített vagy globális képessége, amely lehetővé teszi, hogy célszerűen cselekedjék, hogy racionálisan gondolkodjék, és eredményesen bánjék környezetével. Többek között magába foglalja a következőket: következtető képesség, tervezés, problémamegoldó képesség, absztrakt gondolkodás, összetett gondolatok megértése, gyors tanulási képesség, tanulási képesség a tapasztalatokból. Intelligence = government intelligence !!!!!! információ feldolgozás !!!A fenti folyamatok lényege:

5 IRE 1 /34/ 5 Óbudai Egyetem, NIK Dr. Kutor László Az információ feldolgozás fejlődése 1. „Moore törvény”

6 IRE 1 /34/ 6 Óbudai Egyetem, NIK Dr. Kutor László Az információ feldolgozás fejlődése 2.

7 IRE 1 /34/ 7 Óbudai Egyetem, NIK Dr. Kutor László Az információ-feldolgozó gépek teljesítménye meghaladja az emberi feldolgozást? „Singularity” = rendkívüli, különleges helyzet (melyen nem látunk túl?) Ray Kurzweil: The Singularity is Near (2005)

8 IRE 1 /34/ 8 Óbudai Egyetem, NIK Dr. Kutor László esemény ami mindent megváltoztat(hat) Nagyon valószínűtlen Valószínűtlen Várható ~ biztos

9 IRE 1 /34/ 9 Óbudai Egyetem, NIK Dr. Kutor László A Föld 4.6 milliárd éves története Egysejtűek3.5 milliárd év Fotoszintetizáló növények2.5 milliárd év Első halak és gerincesek550 millió év Rovarok450 millió év Hüllők370 millió év Dinoszauruszok330 millió év Emlősök250 millió év Első majmok120 millió év Főemlősök 18 millió év Emberek 2.8 millió A mezőgazdaság feltalálása 19 ezer év Az írás feltalálása 5 ezer év „Szakértői” tudásNéhány száz éve Rodney A. Brooks MIT) intelligencia?

10 IRE 1 /34/ 10 Óbudai Egyetem, NIK Dr. Kutor László Az intelligencia fejlődése Intelligencia=információ-feldolgozó-, probléma-megoldó képesség Az élőlények fejlődése emberek…..növények, állatok Intelligencia

11 IRE 1 /34/ 11 Óbudai Egyetem, NIK Dr. Kutor László Óriás szitakötő (Jura korból!)

12 IRE 1 /34/ 12 Óbudai Egyetem, NIK Dr. Kutor László Az intelligencia meghatározás története 1575 Juan Huarte: „ intelligencia = tanulási képesség, képzeleterő és döntési képesség” 1839 George Morton: „ Craniometry” koponya mérettan képviselője 1859 Charles Darvin: „Az intelligencia részben örökletes” 1904 Charles Sperman: „az intelligencia G faktorának felfedezése” 1905 Alfred Binet: Az első intelligencia teszt kidolgozása 1912 W. Stern: Javaslat az intelligencia hányados bevezetésére IQ= Mk/Ék * Jean Piaget: „ Az intelligencia öröklött és környezeti tényezőktől függ” 1939 D. Wechsler Az IQ mérése felnőtteknél IQ=Pont/csoportátlag * Richard Herrnstein: „az IQ különbségek oka örökletes tényezőkre vezethető vissza” 1990 Thomas Buchard: minnesotai iker vizsgálatok

13 IRE 1 /34/ 13 Óbudai Egyetem, NIK Dr. Kutor László Intelligencia összehasonlító vizsgálatok NLSY ( National Longitudinal Survey of Youth) fiatal felmérése éves korig Eredmények: Szegénység: 8-szor gyakoribb a szegénysorból kikerülők között 15-ször gyakoribb az alacsony IQ-s csoportban Törvényen kívüli gyermekek száma: 2-szer gyakoribb a szegények között 8-szor gyakoribb az alacsony IQ-s csoportban Börtönsors: Az IQ alsó felébe eső csoport tagjai 10-szer gyakrabban kerülnek börtönbe mint az IQ felső felébe esők Erős vitákat kiváltó eredmények: A Wecshler teszt alapján a fehérek átlag IQ-ja 102, a feketéké 87 ????????

14 IRE 1 /34/ 14 Óbudai Egyetem, NIK Dr. Kutor László Az intelligencia mérése, az intelligencia hányados (IQ) értelmezése Binet-féle IQ értelmezés E.G.Boring (~ 1920) „ Az intelligencia az amit az intelligencia teszt mér” Wechsler-féle IQ értelmezés

15 IRE 1 /34/ 15 Óbudai Egyetem, NIK Dr. Kutor László Az intelligencia szokásos osztályai <68Értelmi fogyatékos 2.15% 69-79Igen alacsony IQ 6.72% 80-90Átlag alatti IQ 16.13% Átlagos „normális” IQ 50 % Átlag feletti IQ 16.13% Kiemelkedő IQ 6.72% >131Extrém 2.15% A „Flynn hatás” szerint a IQ érték 10 évente 3 ponttal növekszik!!!

16 IRE 1 /34/ 16 Óbudai Egyetem, NIK Dr. Kutor László Hiányok ellensúlyozása Helen Keller „ Ha a boldogság egy kapuja bezárul, akkor egy másik kapu kinyílik, de mi gyakran annyira el vagyunk foglalva a zárt kapuval, hogy nem vesszük észre a nyitottat” író Journal My Later Life My religion The story of my Life The World I Live in Teacher: Anne Sullivan Macy lehetőségek

17 IRE 1 /34/ 17 Óbudai Egyetem, NIK Dr. Kutor László Thorndike intelligencia értelmezése Emberi intelligencia típusok: Absztrakt vagy verbális intelligencia Praktikus intelligencia, amely a tárgyakkal kapcsolatos manipulációk ügyességét jelzi. Szociális intelligencia

18 IRE 1 /34/ 18 Óbudai Egyetem, NIK Dr. Kutor László Wechsler féle intelligencia értelmezés: Verbális próbák: Cselekvés próbák: ismeretek rejtjelezés - próba helyzetek megértése képrendezés számismétlés képkiegészítés számolási feladat mozaik próba összehasonlítás szintézis próba (főfogalom megnevezés) „Az intelligencia az egyénnek az az összetett vagy globális képessége, amely lehetővé teszi, hogy célszerűen cselekedjék, hogy racionálisan gondolkodjék, és eredményesen bánjék a környezetével”

19 IRE 1 /34/ 19 Óbudai Egyetem, NIK Dr. Kutor László A WAIS (Wechsler Adult Intelligence Scale) IV. teszt skálái (2008) Szóértés index Verbal Comprehension Index (VCI) Hasonlóságok vizsgálata: (absztrakt szóbeli következtetés) Szókincs (szóbeli kifejezőkészség) Tudás (általános ismeret) Szövegértés (szabályok kifejezések értelmezése) Érzékszervi következtetés index Perceptual Reasoning Index (PRI) Blokk tervezés (térérzékelés, vizuális problémamegoldás) Mátrix következtetés (nonverbális absztrakt problémamegoldás, indunktív-, téri következtetés) Vizuális rejtvények (non-verbális következtetés) Képkiegészítés Mennyiségi és analógiás gondolkodás

20 IRE 1 /34/ 20 Óbudai Egyetem, NIK Dr. Kutor László A WAIS (Wechsler Adult Intelligence Scale) IV. teszt skálái (2008) Szimbólum keresés (vizuális érzékelés sebessége) Kódolás (szem-kéz koordináció, gondolati sebesség) Visszavonás (kiegészítő) látás-érzékszervi sebesség Munka memória index Working Memory Index (WMI) Számterjedelem (figyelem, koncentráció, önuralom) Számolási készség Betű-szám sorozatok kezelése Feldolgozási sebesség index Processing Speed Index (PSI)

21 IRE 1 /34/ 21 Óbudai Egyetem, NIK Dr. Kutor László Intelligencia elméletek 1. Két faktor elmélet (Sperman): „Minden intellektuális képesség –mint funkció- két faktorra bontható szét” Az általános ( G eneral) faktor, amely közös a különböző intellektuális képességekben A specifikus ( S pecific) faktor, amely minden képesség számára különböző, és ez a faktor különbözteti meg a funkciókat egymástól.

22 IRE 1 /34/ 22 Óbudai Egyetem, NIK Dr. Kutor László Intelligencia elméletek 2 Sok faktor elmélet. (Thurstone): „Az intelligencia több alapvető faktor kombinációjából jön létre.” Alapvető faktorok: Nyelvi megértés (V) Téri viszonyok felfogása (S) Szótalálás gyorsasága (W) Észlelési képesség (P) Számolás(N) Emlékezés(M) Következtetés(R)

23 IRE 1 /34/ 23 Óbudai Egyetem, NIK Dr. Kutor László Mesterséges Intelligencia meghatározások Az MI olyan gépek kutatásával foglalkozik, melyek az emberi megítélés szerint intelligenciát megoldó feladatok megoldására készülnek. Az MI azoknak a problémáknak számítógépes megközelítésével foglalkozik, melyek megoldásában jelenleg az emberek jobbak. „Alaine Rich” Az MI kutatás elsődleges célja, hogy a gépeket okosabbá tegye, másodlagosan pedig, hogy közelebb vigyen az intelligencia megértéséhez. „P.H Winston” Az MI tágabb értelemben az érzékelést a célszerű cselekvéssel összekötő információ-feldolgozással foglalkozó tudomány. „R.Kurzweil” Az „MI” kifejezés első alkalmazója Edward Feigenbaum (1978)

24 IRE 1 /34/ 24 Óbudai Egyetem, NIK Dr. Kutor László Turing teszt Célja: „egy számítógépről eldönteni, hogy intelligens-e” ember Bíró számítógép Beszéd alapú kommunikáció Alan Turing ( )

25 IRE 1 /34/ 25 Óbudai Egyetem, NIK Dr. Kutor László Jeopardy (kockázat) játék eredménye febr. 16

26 IRE 1 /34/ 26 Óbudai Egyetem, NIK Dr. Kutor László A mesterséges intelligencia klasszikus területei 1. Produkciós rendszerek Keresési stratégiák A predikátum kalkulus az MI-ben Cáfolással megoldható rendszerek Szabály alapú következtető rendszerek Alapvető terv-generáló rendszerek Strukturált objektumok reprezentációja N. J. Nilson

27 IRE 1 /34/ 27 Óbudai Egyetem, NIK Dr. Kutor László A mesterséges intelligencia klasszikus területei 2. Problémák számítógépes reprezentációja Keresési technikák Problémamegoldás felbontással (dekompozícióval) A problémamegoldás vezérlése Mesterséges intelligencia nyelvek Tudásreprezentáció és tudásfelhasználás Az emberi intelligencia nyomában A keret probléma Következtetés a józan ész alapján Tudásgyűjtés A környezetre vonatkozó tudás Yoshaki Shirai-Jun-Ichi Tsujii

28 IRE 1 /34/ 28 Óbudai Egyetem, NIK Dr. Kutor László Mesterséges intelligencia Kereső rendszerek Gépi tanulás Keresési stratégiák Ismeretalapú technológia, Nevezetes gráfkereső eljárásokszakértői rendszerek Ismeretprezentáció Ágens és multi-ágens rendszerek Kétszemélyes játékok Természetes nyelvek Fejlett kereső algoritmusok Beszédfelismerés Korlátozás kielégítés Látás Bizonytalanság kezelés Robotika, fizikai ágensek Programozási nyelvek Cselekvési tervek generálása Szerk: Futó Iván, 1999 Tankönyvek:

29 IRE 1 /34/ 29 Óbudai Egyetem, NIK Dr. Kutor László Mesterséges intelligencia modern megközelítésben Mesterséges intelligencia Tervkészítés Intelligens ágensek Tervkészítés a gyakorlatban Problémamegoldás kereséssel Tervkészítés és cselekvés Informált keresési módszerek Bizonytalanság Kétszemélyes játékok Valószínűségi következtető rendszerek Logikusan gondolkozó ágensek Döntések meghozatala Elsőrendű logika Megfigyelés alapján történő tanulás A tudásbázis építése Neurális és valószínűségi hálók tanulása Következtetés az elsőrendű logikában, Kommunikáló ágensek Logikai következtető rendszerek Nyelv feldolgozás, Észlelés, Robotika Russel-Norvig, 2000 Tankönyvek:

30 IRE 1 /34/ 30 Óbudai Egyetem, NIK Dr. Kutor László A mesterséges intelligencia klasszikus alkalmazási területei Számítógép-tudomány: következtető rendszerek, tételbizonyítás, játékok Szakértői rendszerek Döntéstámogató rendszerek Nyelvfeldolgozás beszédtechnológia (beszédanalízis szövegfelismerés, gépi fordítás), beszédszintézis, beszédfelismerés nyomtatott és kézírás felismerés Robotika Alakfelismerés (képfeldolgozás) Gépi tanulás

31 IRE 1 /34/ 31 Óbudai Egyetem, NIK Dr. Kutor László Az intelligencia alapvető tényezői  Érzékelő képesség (érzékszervek)  Információ feldolgozó képesség (processzor, feldolgozási módszer)  Tudás (emlékezet, tapasztalat)  Tanulási képesség  Kommunikációs képesség Mennyiségi és minőségi mutatók!!! pl. sebesség

32 IRE 1 /34/ 32 Óbudai Egyetem, NIK Dr. Kutor László A tantárgy bemutatásra kerülő témái  Az emberi intelligencia és a mesterséges intelligencia alapfogalmai, mérése  Érzékelők az élővilágban  Technikai érzékelők  Problémamegoldó rendszerek (klasszikus, elosztott, ambiens)  Klasszikus és új kereső algoritmusok  Tudásalapú rendszerek: szakértői rendszerek, döntéstámogató rendszerek  A biológiai indíttatású információ feldolgozás elvei: mesterséges neurális hálózatok genetikus algoritmusok fuzzy logikára épülő rendszerek  Az ágens technológia elvei

33 IRE 1 /34/ 33 Óbudai Egyetem, NIK Dr. Kutor László Nézőpontok

34 IRE 1 /34/ 34 Óbudai Egyetem, NIK Dr. Kutor László Kérdések: Hogyan értelmezzük az informatikai szingularitást? A fejlődés jelenlegi (exponenciális) jellegét folytatva milyen lesz a mesterséges intelligencia 40 év múlva? a.) Tudnak-e és milyen feladatokban versenyképesek maradni az emberek a számítógépekkel? b.) Meghúzható lesz-e a határvonal az ember és gép között? c.) Lehet-e, (és ha igen,) hogyan lehet lépést tartani a fejlődéssel?


Letölteni ppt "IRE 1 /34/ 1 Óbudai Egyetem, NIK Dr. Kutor László 2011. TÁMOP - 4.1.2 I ntelligens R endszerek E lmélete 1."

Hasonló előadás


Google Hirdetések