Szabadkai Műszaki Szakfőiskola

Slides:



Advertisements
Hasonló előadás
Informatikai tudásleképezés paradigmái és problémái Szekeres András Márk.
Advertisements

Néhány fontos terület a Kreatív Ipar fejlődéséhez
Információs és kommunikációs technikák szerepe a szakképzésben
Matematika és módszertana
A.I Artificial Intelligence Készítette: Sörös Gergő SOGGABP.PTE.
Á GENS ALAPÚ TECHNOLÓGIÁK Tar Péter 1. M IK IS AZOK AZ ÁGENSEK ? Többféleképp definiálhatjuk az ágenseket:  Az ágensek olyan egymással kommunikáló és.
2005. Operációkutatás Ferenczi Zoltán. Széchenyi István Egyetem Operációkutatás eredete •második világháború alatt alakult ki •különböző szakmájú emberekből.
Pac-Man játék tanulása Megerősítéses Tanulással Mesterséges Intelligencia algoritmusok tesztelése játékokon Gyenes Viktor Eötvös Loránd Tudományegyetem.
Út a beszédértéstől a szövegértésen keresztül a matematikai problémák megoldásáig Előadó: Horváth Judit.
Autonóm mobil robotok.
Bevezetés a tanácsadásba Dr. Dan Brinkman.. Tanácsadás  Nátán esete (2Sám 12:1- 14)
Fontosabb fogalmak Képesség :
Intelligens irányító rendszerek (Intelligent control systems) BEVEZETÉS.
Programozás alapjai A programozás azt a folyamatot jelenti, melynek során a feladatot a számítógép számára érthető formában írjuk le. C++, Delphi, Java,
Bevezetés a gépi tanulásba február 16.. Mesterséges Intelligencia „A számítógépes tudományok egy ága, amely az intelligens viselkedés automatizálásával.
DÖNTÉSELMÉLET A DÖNTÉS = VÁLASZTÁS A döntéshozatal feltételei:
A matematikai kompetencia jellemzői, fejlesztése, módszerei
Mesterséges neuronhálózatok
Persa György Témavezető: Szabó Csanád Pázmány Péter Katolikus Egyetem Információs Technológiai Kar 1.
2006. október 8.Könyves Vasárnap Mivel foglalkozik a „Mesterséges intelligencia” tudománya? A kezdetektől napjaink kutatásáig. Előadó: Nagy Sára, ELTE.
Mesterséges intelligencia
Gazdálkodási modul Gazdaságtudományi ismeretek II. Vezetés és kommunikációs ismeretek KÖRNYEZETGAZDÁLKODÁSI MÉRNÖKI MSc TERMÉSZETVÉDELMI MÉRNÖKI MSc.
Harmadik előadás.
Operációkutatás eredete
ISMERETALAPÚ RENDSZEREK SZAKÉRTŐ RENDSZEREK
Ismeretalapú rendszerek alaptechnikái I. Szabályalapú rendszerek.
Ismeretalapú rendszerek alaptechnikái
MESTERSÉGES INTELLIGENCIA (ARTIFICIAL INTELLIGENCE)
MESTERSÉGES INTELLIGENCIA (ARTIFICIAL INTELLIGENCE) BEVEZETÉS.
Ismeretalapú rendszerek alaptechnikái I. Szabályalapú rendszerek.
TÁMOP / „Átfogó minőségfejlesztés a közoktatásban ” A Magyar Képesítési Keretrendszer fejlesztése 5. pillér – MKKR és a közoktatás.
Készítette: Kosztyán Zsolt Tibor
4. Elmefilozófia.
Szakértők és rendszerek
KREATIVITÁS ALKOTÓKÉPESSÉG.
Készítette: Gergó Márton Konzulens: Engedy István 2009/2010 tavasz.
Természetes és formális nyelvek Jellemzők, szintaxis definiálása, Montague, extenzió - intenzió, kategóriákon alapuló gramatika, alkalmazások.
Gépi tanulás Tanuló ágens, döntési fák, általános logikai leirások tanulása.
1 Tudásalapú információ-kereső rendszerek elemzése és kifejlesztése Célkitűzés: Információk téma-specifikus, különböző típusú forrásokból (internet, intranet.
A pszichikumról általában
A pszichológia a személyiség vizsgálatának tudománya
A szövegértési feladatok összeállítása
BMF-NIK-IAR Macska Nagy Krisztina Kancsár Dániel Sipos Péter.
2. Döntéselméleti irányzatok
Mesterséges Intelligencia 1. Eddig a környezet teljesen megfigyelhető és determinisztikus volt, az ágens tisztában volt minden cselekvésének következményével.
MI 2003/1 - 1 Kiemelkedő alkalmazások Robotok: holdra szállás, Csernobil Sakkozó program Beszédfelismerés, nyelvi alkalmazások (fordítás)
Filozófiatörténet előadások 1I.
Adatbáziskezelés. Adat és információ Információ –Új ismeret Adat –Az információ formai oldala –Jelsorozat.
Matematikai projektek és jó gyakorlatok
Operációkutatás eredete második világháború alatt alakult ki különböző szakmájú emberekből álló team: matematikus, fizikus, közgazdász, mérnök, vegyész,
WP-Dyna: tervezés és megerősítéses tanulás jól tervezhető környezetekben Szita István és Takács Bálint ELTE TTK témavezető: dr. Lőrincz András Információs.
PÁRHUZAMOS ARCHITEKTÚRÁK – 13 INFORMÁCIÓFELDOLGOZÓ HÁLÓZATOK TUDÁS ALAPÚ MODELLEZÉSE Németh Gábor.
Kognitív fejlődés 2. Piaget 1.
Megerősítéses tanulás 2. előadás
Miből áll egy robot agya?. Fogalmak A robot egy elektromechanikai szerkezet, amely előzetes programozás alapján képes különböző feladatok végrehajtására.
Képes Érzelmi Intelligencia Teszt a éves korosztály számára
kialakulása, fejlődése, generációk
Mesterséges intelligencia Áttekintés. Mesterséges intelligencia (MI) Artificial Intelligence (AI) Filozófia Matematika Pszichológia Nyelvészet Informatika.
Pókerkártya játék algoritmusa
Bevezetés a játékelméletbe
Adatstruktúrák Algoritmusok Objektumok
Programozási alapok.
Mesterséges intelligencia
Mesterséges intelligencia
Sakk algoritmus.
Mi a filozófia?.
Nagy Roland | Robotika PMB2530, PMB2530L Nagy Roland |
A mesterséges neuronhálók alapjai
Az informatika (programozás) oktatásának pedagógiai módszerei
A világ sarkából is elérhető könyvtár, a könyvtár sarkából is elérhető világ Winkler Bea.
Előadás másolata:

Szabadkai Műszaki Szakfőiskola Előadó: Póth Miklós

Vicc Mit kapunk ha egy szőkét barnára festünk?

Vicc Mit kapunk ha egy szőkét barnára festünk? Mesterséges intelligenciát.

Artificial Intelligence (2001) Steven Spielberg: Artificial Intelligence mecha-robot

Fogalmak Mi az intelligencia? Az intelligencia a problémamegoldásra irányuló szellemi tevékenységek összessége. Képesség, melynek részei: A gondolkodás gyorsasága Összefüggések átlátása Memória Általános ismeretek, stb.

Fogalmak Mit jelent a mesterséges? Emberi tevékenységgel, beavatkozással előidézett, alkotott, történő

Fogalmak Mi a mesterséges intelligencia? AI - Artifical Intelligence Egy gép, program vagy mesterségesen létrehozott tudat által megnyilvánuló intelligenciát nevezzük. Tudományág, ami azzal foglalkozik hogyan lehet a számítógépet megtanítani emberi képességekre És eljárásokat dolgoz ki ehhez

Történelmi áttekintés Kezdet: 1956-Darthmouth College-i konferencia Kezdeti cél: Az emberi gondolkodás számítógép segítségével történő reprodukálása.

Történelmi áttekintés Első szakasz (60-as évek) kétszemélyes játékok(dáma, sakk), beszélgető program( Eliza, 1966) GPS, rezolúció(1966), LISP(1958), mesterséges neuronhálózatok(1969), evolúciós algoritmusok(1959) Kudarcok: nyelvi fordítók, kombinatorikus robbanás

Eliza Joseph Weizenbaum, MIT, 1966 A beszédfelismerés célja, az emberi beszéd gép által kezelhető, szöveges formára alakítása, végső célként, a nyelvfeldolgozással egyesítve a beszélt nyelv gépi megértése. Ez a program egy pszichológust utánoz, aki megpróbálja megérteni az ember problémáit, az ember válaszainak kulcsszavait érzékelve típusszöveget, egyszerű mintaillesztésen alapuló szövegrész-cserét alkalmaz. Ez a program csak szintaktikai szinten értette a páciens válaszait.

Eliza Illesztési szabályok - <a> ön<b>engem<c>. -Úgy érzem, hogy ön mostanában engem un. – Miért gondolja, hogy ön<a> én<b> <c>? - Miért gondolja, hogy ön úgy érzi, hogy én mostanában unom? Beszéljünk Elizával http://nlp-addiction.com/eliza/ Lafoxka(magyar) http://www.lafoxka.hu/ Belépés Lafoxkához: azonosító:”Student”, jelszó: „mikurzus”, email cím: „vts.studenti@gmail.com”

Második szakasz(7O-es évek) Shrdlu(1972),MYCIN(1976) Prolog, heurisztikus keresési technikák, tudásábrázolási módszerek (kognitív modellek) Kudarcok: MI fejlődési trendje, meseíró program

Harmadik szakasz(8O-as évek) tudásalapú szakértő rendszerek, módszertanok, nem klasszikus logikák, bizonytalanság kezelése Kudarcok: rendszerek elkészítése lassabb, mint a gyorsan változó programozási környezet

Negyedik szakasz(9O-es évek) logisztika, űrkutatás, Deep Blue, robotika (beszélgetés, gépi látás, tervgenerálás, gépi tanulás) elosztott tudás reprezentálása (mesterséges neuron háló, evolúciós algoritmus, ágens szemlélet), döntéselmélet (valószínűségi hálók), beszédfelismerés (rejtett Markov modellek)

Alan Turing (1912-1954) Angol matematikus és tudós Enigma 2009 - rehabilitáció (1912-1954)

Intelligencia teszt Turing-teszt: 2 terem - egyikben kérdező, másikban számítógép, vagy ember akkor állta ki a program a Turing tesztet, ha a kérdező nem tudja eldönteni a kérdéseire kapott válaszok alapján, hogy a másik szobában ember, vagy számítógép volt.

Intelligencia teszt Kínai szoba: A szobában ül egy személy, akinek az ablakon át kínai írásjeleket mutatnak. Egy szabálykönyve van, amiből kikeresi azt az írásjelet, amit lát. A szabálykönyv alapján ő is felmutat egy jelet. A látott jel egy kérdés volt, az általa felmutatott jel pedig a válasz. Kérdés: Tud-e az illető kínaiul?

Gyenge vagy erős MI John. R. Searle (Searle, 1980) bevezetett egy azóta elterjedt definíciót, mi szerint megkülönböztetjük a mesterséges intelligencia gyenge és erős változatát.

Gyenge vagy erős MI Gyenge MI: A gyenge mesterséges intelligencia nézőpontja szerint az intelligenciában nem választható szét az algoritmus az agytól. Ki lehet alakítani olyan rendszereket, amelyek úgy cselekszenek mintha intelligensek lennének. E szerint az elmélet szerint a gép nem. Kérdés: Lehet-e a gépi rendszerek cselekvését úgy alakítani, mintha intelligensek lennének? pl.: Turing teszt

Gyenge vagy erős MI Erős MI: az intelligencia algoritmusokkal megvalósítható. Olyan rendszerek is kialakíthatók, melyek valóban gondolkodnak, tehát pontosan úgy viselkednek, mint az emberi elme. Az intelligencia mértéke e szerint, az algoritmus bonyolultságán múlik. Az olyan szellemi tulajdoságok, mint értelem, érzelem, gondolkodás, az algoritmusok tulajdonságai. Ez az álláspont szerint egy algoritmus önmagában intelligens lehet.

Gyenge vagy erős MI Erős MI: Kérdés: van-e a tudatosan cselekvő rendszereknek valódi tudatuk? pl.: Kínai szoba

MI 4 fő osztálya: Emberi módon gondolkodó rendszerek Emberi módra cselekvő rendszerek Racionálisan gondolkodó rendszerek Racionálisan cselekvő rendszerek

Emberi módon gondolkodó rendszerek emberként gondolkodást próbál meg utánozni “Az emberi gondolkodással asszociálható olyan aktivitások automatizálása, mint pl. a döntéshozatal, a problémamegoldás, a tanulás, …”(Bellman, 1978)

Emberi módra cselekvő rendszerek emberként cselekedni: Turing teszt “ Az olyan funkciókat teljesítő gépi rendszerek létrehozásának művészete, amelyhez az intelligencia szükséges, ha azt emberek teszik” (Kurzweil, 199O)

Racionálisan gondolkodó rendszerek ésszerűen gondolkodó rendszerek≠emberként gondolkodni Ésszerűen gondolkodni: formális következtetési szabályok, logika “Mentális képességek tanulmányozása számítási modellek segítségével”(Charniak és McDermott, 1985)

Racionálisan cselekvő rendszerek ésszerűen cselekedni: egy adott feladatot a lehető legjobban megoldani (agent) “A számítási intelligencia az intelligens ágensek tervezésének a tanulmányozása” (Poole és társai, 1998) Ez lesz a mi megközelítésünk!

Intelligens ágens Az ágens (agent), beprogramozott viselkedéssel rendelkező aktív rendszer. Az ágensek kölcsönhatásba kerülhetnek egymással, illetve környezetükkel. Az ágensek képesek tanulásra, alkalmazkodásra.

Ágens tulajdonságai: Beágyazottság (környezetbe ágyazott) Reaktivitás (érzékeli környezetét és reagál az abban bekövetkezett változásokra) Autonómia (önálló működés) Helyzetfüggőség (csak helyzethez, szerephez kötötten létezik) Célja és információi vannak, és ezeknek megfelelő legjobb akciót választja Kezdeményezőkészség (nemcsak reagál, de a cél érdekében beavatkozik)

Ágensek ? Ágens Érzékelők Beavatkozók Környezet Érzékelések Cselekvések Az ágens érzékelői(sensors) segítségével érzékeli a környezetét(environment), és beavatkozói(actuators) segítségével megváltoztatja azt.

Ágensek Érzékelés(percept) fogalmat használjuk az ágens érzékelő bemeneteinek a leírására egy tetszőleges pillanatban.Egy ágens érzékelési sorozata(percept sequence) az ágens érzékeléseinek teljes története, minden, amit az ágens valaha is érzékelt. Az ágens viselkedését az ágensfüggvény (agent function) írja le, ami az adott érzékelési sorozatot egy cselekvésre képezi le. Ezt leírhatjuk táblázattal is, ami az esetek többségében végtelenül nagy lenne, ha nem korlátoznánk a figyelembe veendő érzékelési sorozatok hosszát. Ez a táblázat az ágens külső jellemzése.

Ágensek Egy mesterséges ágens belsejében az ágensfüggvényt egy ágensprogram (agent program) valósítja meg. Fontos e két dolgot megkülönböztetni: ágensfüggvény: absztrakt matematikai leírás ágensprogram: konkrét implementáció, amely az ágens architektúráján működik.

Példa: a porszívó világa Két helyszín van A és B négyzet. A porszívóágens észleli melyikben van, és van-e ott piszok? Lehetséges akciói: Mozgás jobbra Mozgás balra Felszívja a port Nem csinál semmit

Egy egyszerű ágensfüggvény: ha az aktuális négyzet koszos, szívd fel a koszt, egyébként menj át a másik négyzetbe.

Racionális ágens Egy racionális ágens(rational agent) olyan, amely helyesen cselekszik-elméletileg, hogy az ágensfüggvény táblázatban minden bejegyzés helyesen van kitöltve. A helyes cselekedet az, ami az ágenst a legsikeresebbé teszi.

Teljesítménymérték A teljesítménymérték (performance measure) testesíti meg az ágens sikerességének a kritériumát. Ha az ágens elhelyezzük egy környezetben: érzékel cselekszik a környezet állapotainak sorozata ha ez a sorozat a kívánatos ágens jól teljesített. pl.: a porszívóágens egy 8 órás műszak utáni felszívott por mennyisége.

Az ágens környezete Egy ágens tervezése során az első lépésnek mindig a feladatkörnyezet(task environment) lehető legteljesebb meghatározásának kell lennie. A feladatkörnyezet lényegében a “problémák”, amelyekre a racionális ágensek jelentik a “megoldásokat”.

Az intelligens ágens struktúrája Egyszerű reflex ágens (simple reflex agent) Modellalapú reflexszerű ágens (modell-based reflex agent) Célirányos ágens (goal-based agent) Haszonelvű ágens (utility-based agent) Tanuló ágens (learning agent)

Egyszerű reflex ágens (simple reflex agent) Az aktuális észlelés alapján választják ki a cselekvéseket, figyelmen kívül hagyva az észlelési történet többi részét. Például a porszívóágens egy egyszerű reflex ágens, mivel döntései csak a jelenlegi helyszínen és azon alapulnak, hogy ott van-e piszok.

Egyszerű reflex ágens sematikus diagramja Érzékelések Cselekvések Hogyan néz ki most a világ? Ágens Érzékelők Beavatkozók Környezet Milyen cselekvéseket kell most végrehajtanom? Feltétel-cselekvések szabályok

Modellalapú reflexszerű ágens (modell-based reflex agent) Az ágens nyomon követik a világ jelenleg nem látható részét. Azaz, az ágensnek nyilván kell tartania valamiféle belső állapotot (internal state), amely az észlelési történeten alapul, és így a jelenlegi állapot nem megfigyelt aspektusainak legalább egy részét tükrözi.

Modellalapú reflexszerű ágens sematikus diagramja Érzékelések Cselekvések Hogyan néz ki most a világ? Érzékelők Beavatkozók Környezet Milyen cselekvéseket kell most végrehajtanom? Feltétel-cselekvések szabályok Mit okoznak a cselekvéseim? Hogyan változik a világ? Állapot Ágens

Célirányos ágens (goal-based-agent) A jelenlegi állapot leírás mellett az ágensnek valamiféle cél (goal) információval is rendelkeznie kell, amely leírja a kívánatos helyzeteket. A célirányos ágensnél a feltétel-cselekvés szabályok, magukba foglalják a jövő figyelembevételét is, például „Mi fog történni, ha ezt és ezt teszem?”.

A célirányos ágens sematikus diagramja Érzékelések Cselekvések Hogyan néz ki most a világ? Érzékelők Beavatkozók Környezet Milyen cselekvéseket kell most végrehajtanom? Célok Mit okoznak a cselekvéseim? Hogyan változik a világ? Állapot Hogyan fog kinézni, ha az A cselekvést hajtom végre? Ágens Egy modellalapú, célirányos ágens nyomon követi a világ állapotát és az elérendő célok halmazát is, és kiválaszt egy cselekvést, amely (végső soron) céljainak eléréséhez vezet.

Haszonelvű ágens (utility-based-agent) A célok csak durva különbséget tesznek „boldog” és „boldogtalan” állapotok között., egy általánosabb teljesítménymérték ezzel szemben a világ állapotainak (vagy állapotsorozatainak) meg felelő összehasonlítását tehetné lehetővé, azt megadva, hogy pontosan mennyire tennék boldoggá az ágens, ha elérné azokat. A szokásos terminológia azt mondja, hogy a világ egyik állapota előnyösebb egy másikhoz képest, ha nagyobb a hasznossága (utility) az ágens számára.

Haszonelvű ágens (utility-based-agent) A hasznosságfüggvény (utility function) egy állapotot (vagy állapotok egy sorozatát) egy olyan valós számra képezi le, amelyik a hozzá rendelt boldogság fokát írja le.

Haszonelvű ágens sematikus diagramja Érzékelések Cselekvések Hogyan néz ki most a világ? Ágens Érzékelők Beavatkozók Környezet Milyen cselekvéseket kell most végrehajtanom? Állapot Hogyan fog kinézni, ha az A cselekvést hajtom végre? Milyen boldog leszek egy ilyen cselekvés után? Hogyan változik a világ? Mit okoznak a cselekvéseim? Hasznosság

Tanuló ágens (learning agent) Turing által javasolt módszer az, hogy építsünk tanuló gépeket, majd tanítsuk ezeket. Az MI sok területén ez ma a javasolt módszer korszerű rendszerek építésére. A tanulás előnye, hogy kezdetben ismeretlen környezetben működjön az ágens, és kompetensebbé váljon, mint ahogy azt kezdeti tudása lehetővé tette volna.

Tanuló ágens Egy tanuló ágens négy koncepcionális komponensre bontható fel: tanuló elem (learning element) végrehajtó elem (performance element) kritikus (critic) problémagenerátor (problem generator)

Tanuló ágens sematikus diagramja Érzékelések Cselekvések Környezet Érzékelők Beavatkozók Végrehajtó elem Kritikus Tanuló elem Problémagenerátor Teljesítményszabvány Ágens Visszacsatolás Tanuló célok Változások Tudás

Tanuló ágens Több ágens együttműködését modellező struktúrák a multi-ágens rendszerek. A multi-ágens rendszerek többek között olyan területek kutatásaiban is felhasználják, mint az ökológia, a közgazdaságtan, illetve az informatika különböző alkalmazásaiban .