Az előadás letöltése folymat van. Kérjük, várjon

Az előadás letöltése folymat van. Kérjük, várjon

Mesterséges Tudományok Gulyás László Tudománytörténet és Tudományfilozófia Tanszék Mesterséges Intelligencia Mesterséges Élet Mesterséges.

Hasonló előadás


Az előadások a következő témára: "Mesterséges Tudományok Gulyás László Tudománytörténet és Tudományfilozófia Tanszék Mesterséges Intelligencia Mesterséges Élet Mesterséges."— Előadás másolata:

1 Mesterséges Tudományok Gulyás László Tudománytörténet és Tudományfilozófia Tanszék Mesterséges Intelligencia Mesterséges Élet Mesterséges Társadalmak

2 Mesterséges Tudományok2 Az előadás címéről Herbert Simon  Közgazdaságtani Nobel-díj, A szervezeteken belüli döntési folyamatok elemzésében elért eredményeiért  The Sciences of Artificial, The MIT Press,  Az előadás központi figurája…

3 Mesterséges Tudományok3 Áttekintés  Motiváció  Mesterséges Intelligencia (AI)  Mesterséges Élet (ALIFE)  Mesterséges Társadalmak (ASOC)  Néhány konkrét alkalmazás

4 Mesterséges Tudományok4 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

5 Mesterséges Tudományok5 Motiváció II, avagy hogyan?  Tanuljunk a „természettől”: Ember─ Mesterséges Intelligencia Biológia─ Mesterséges Élet Társas rendszerek, Társadalom─ Mesterséges Társadalmak

6 Mesterséges Tudományok6 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.

7 Mesterséges Tudományok7 A klasszikus MI  Kezdetben az emberi racionalitás a cél: Racionális: mindig a lehető legjobb megoldást választja. Maximalizálás, optimalizálás.

8 Mesterséges Tudományok8 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

9 Mesterséges Tudományok9 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.

10 Mesterséges Tudományok10 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.

11 Mesterséges Tudományok11 Napjaink MI-kutatásai  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) Herbert Simon közgazdaságtani Nobel-díja: Döntési folyamatok szervezeteken belül. Racionálisak?

12 Mesterséges Tudományok12 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.

13 Mesterséges Tudományok13 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?

14 Mesterséges Tudományok14 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

15 Mesterséges Tudományok15 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.

16 Mesterséges Tudományok16 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. NyílTetraBalanceBiped

17 Mesterséges Tudományok17 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.

18 Mesterséges Tudományok18 Genetikus algoritmus 2.  Populáció: Megoldás-kezdemények sokasága. „Génreprezentáció” (kódoló függvény) x + 2

19 Mesterséges Tudományok19 Genetikus algoritmus 3.  Rátermettségi függvény (fitness function) A megoldás jósága x %

20 Mesterséges Tudományok20 Genetikus algoritmus 4.  Szelekció: A gyengék törlése és Az erősek szaporodása.

21 Mesterséges Tudományok21 Genetikus algoritmus 5.  Reprodukció Mutáció és Keresztezés (géncsere) x x

22 Mesterséges Tudományok22 Genetikus algoritmus: Példa

23 Mesterséges Tudományok23 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

24 Mesterséges Tudományok24 Termeszvárak

25 Mesterséges Tudományok25 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

26 Mesterséges Tudományok26 Termeszvár Algoritmusa II.  Boltív

27 Mesterséges Tudományok27 Hangyák élelemkeresése  Jelenlegi ismereteink szerint / a modellben Sok, egyszerű dolgozó Nincs központi kontroll Nincs direkt kommunikáció  Mégis Közel optimális útvonal Adaptivitás Robusztusság

28 Mesterséges Tudományok28 Hangyák élelemkeresése

29 Mesterséges Tudományok29 Hangyák élelemkeresésének algoritmusa  2 fajta feromon: „kereső”, „hazatérő”  A hangyák a feromon erősségét követik A „hibázás” fontossága Tehetetlenség  Diffúzió és párolgás

30 Mesterséges Tudományok30 Mesterséges társadalmak (Artificial Societies)  Ismét egy félrevezető név…  Társadalmi folyamatok számítógépes modellezése.  Célja Társadalomtudományi elméletek alkotása. Mérnöki megoldások „ellesése”.

31 Mesterséges Tudományok31 Egyre inkább elkülönülten élnek a romák 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.

32 Mesterséges Tudományok32 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.

33 Mesterséges Tudományok33 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.

34 Mesterséges Tudományok34 A 60%-os tolerancia

35 Mesterséges Tudományok35 Mi következik ebből?  Alapvetően semmi. Az emberek bonyolultabbak. A valóság nem ilyen (v.ö. „Horatio”).  De mégis: „Gondolatkísérlet”. Egzisztencia-bizonyíték. A „megértés” fejlesztése.

36 Mesterséges Tudományok36 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…

37 Mesterséges Tudományok37 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?

38 Mesterséges Tudományok38 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.

39 Mesterséges Tudományok39 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).

40 Mesterséges Tudományok40 Robusztus hálózatok generálása

41 Mesterséges Tudományok41 Egyéb konkrét alkalmazások  Beszélgető robotok  Információs kioszkok

42 Mesterséges Tudományok42 Tőzsdeoktatás  (AITIA Rt.)

43 Mesterséges Tudományok43 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…

44 Mesterséges Tudományok44 Vége… Köszönöm a figyelmet!


Letölteni ppt "Mesterséges Tudományok Gulyás László Tudománytörténet és Tudományfilozófia Tanszék Mesterséges Intelligencia Mesterséges Élet Mesterséges."

Hasonló előadás


Google Hirdetések