Mesterséges Intelligencia Elektronikus Almanach Semmelweis e-learning nap 2011.06.29. Dr. Daragó László egyetemi docens Egészségügyi Informatikai Fejlesztő és Továbbképző Intézet
Mi az MI? Mesterséges Intelligenciának (MI vagy AI – az angol Artificial Intelligence-ből) egy gép, program vagy mesterségesen létrehozott tudat által megnyilvánuló intelligenciát nevezzük. A fogalmat legtöbbször a számítógépekkel társítjuk. A köznyelvben több külön jelentésben használják: 1. A mesterségesen létrehozott tárgy állandó emberi beavatkozás nélkül képes legyen válaszolni környezeti behatásokra (automatizáltság); 2. A mesterségesen létrehozott tárgy képes legyen hasonlóan viselkedni, mint egy természetes intelligenciával rendelkező élőlény, még ha az azonos viselkedés mögött eltérő mechanizmus is húzódik meg (szimuláltság - ilyen értelemben beszélhetünk pl. a számítógépes játékok gép-irányította karaktereinek „intelligenciájáról”); 3. Végül, a mesterségesen létrehozott tárgy képes legyen viselkedését célszerűen és megismételhető módon változtatni (tanulás) - ez utóbbi jelentés az, ami a modern MI-kutatásban előtérbe került, és jelenleg az MI fogalmával legjobban azonosítható. (http://hu.wikipedia.org/wiki/Mesterséges_intelligencia)
Számítási intelligencia Hibrid intelligens rendszerek Küszöbérték Valódi pozitív Valódi negatív És még MI Két fő iskola Hagyományos MI Gépi tanulásként osztályozott módszerek, amelyet a formalizmus és a statisztikai analízis jellemez - szimbolikus MI, logikai MI, tiszta MI (neat AI), és GOFAI (jó, régimódi mesterséges intelligencia). Szakértő rendszerek, amelyek egy szűk szakmai területen érvényes érvelési szabályokat alkalmaznak következtetések levonásához (pl. MYCIN a vér betegségeinek diagnosztikájához, vagy a ROC (Receiver Operating Characteristic)) Esetalapú érvelés - Bayes-statisztikán alapuló hálózatok - Viselkedésalapú MI: egy moduláris módszer, MI-rendszerek kézi létrehozásához. Számítási intelligencia (Computational Intelligence, CI) Iterációs (lépésenkénti) fejlődés vagy tanulás (például a paraméter hangolás a kapcsolat alapú rendszerekben). Nem szimbolikus, hanem gyakorlati tapasztalatokon alapul - koszos MI (scruffy AI) - vagy puha számítási technikai módszereket használ. - Neuronhálózatok: nagyon erős minta-felismerési képességű rendszerek. Fuzzy rendszerek Evolúciós számítási technikák, a biológia által inspirált fogalmak (populáció, mutáció, a legjobb túlélése) alkalmazása. evolúciós algoritmusok (például genetikus alg.) raj-intelligencia (például hangya algoritmus) Hibrid intelligens rendszerek A két fő irányvonal ötvözete amelyekben a szakértői rendszerek következtetési szabályait hozzák létre neuronhálózatok vagy a statisztikai tanulás képzési szabályainak segítségével.
MI az orvostudományban Orvosi ontológiaszervezés Orvosi taxonómia hierarchia Da-Vinci Surgical System, sebészrobotok Mycin Dendral Beszédfelismerés TMDET – fehérjetervezés Medline PUBMED PUFF – Pulmonary Function System Biometrikus azonosítás fMRI Radiológiai képelemzés Anesztinfo Hopfield-háló Intencionalitás vizsgálatok Accu-check Telemedicina PET EEG Ütemezési feladat, nővér, orvos ütemezés Asztma telediagnosztika és -monitorozás Stroke telerehabilitáció … eHealth8
A projekt TÁMOP 4.1.2 – 08/2/A/KMR-0026 Résztvevők Budapesti Műszaki és Gazdaságtudományi Egyetem Méréstechnika és Információs Rendszerek Tanszék Óbudai Egyetem Neumann János Informatikai Kar Panem Kiadó Kft. Semmelweis Egyetem, Egészségügyi Informatikai Fejlesztő és Továbbképző Intézet Futamidő: 2010. április – 2011. szeptember Teljes költségvetés: 80 m Ft (20% önrész) SE költségvetése: 10,4 m Ft
A tananyagfejlesztés alapjául szolgáló könyv Russel-Norvig: Mesterséges Intelligencia Modern Megközelítésben Artificial Intelligence: A Modern Approach, 2nd edition könyv magyar fordítása Használatban: kb. 100 országban, >1200 egyetemi kurzusban A Citeseer-ben a 25. leginkább idézett publikáció A világban vitathatatlanul az első számú MI tankönyv, itthon 10 intézmény 38 tárgyában ajánlott irodalom
A SE szerepe a projektben A könyv egyes fejezeteinek, a tárgymutatóban szereplő fogalmakhoz köthető egészségügyi, orvosi vonatkozású fogalmak ismertetése, az egyes fejezetekhez kapcsolódó tanulmányok és alkalmazások ismertetése, gyakorlatilag a MI orvosi vonatkozásainak bemutatása példákon keresztül. A fogalomleírások, tanulmányok, létező alkalmazások bemutatása egységes szerkezetben, DocBook formátum szerint, továbbítása a Panem felé, illetve feltöltése a BME HIK szerverre. Fogalomleírás magyar név taxonómia angol név taxonomy rövid szöveges leírás magyar nyelven A rendszertan tágabb értelemben és idegen szóval taxonómia (a görög ταξινομία (taxinomia) és a görög taxis = rend és nomos = törvény) elnevezés vagy a dolgok hierarchikus osztályozására vonatkozik, vagy az osztályozás alapjául szolgáló elvekre. Szinte mindent, élő dolgokat, élettelen tárgyakat, helyeket és eseményeket lehet valamilyen osztályozási keretben rendszerezni. A konkrét osztályozási kereteket és azok alapját a kategorizálási módszerek adják. részletes szöveges bemutatás magyar nyelven Matematikai értelemben a taxonómia a dolgok egy halmazának faszerkezetű osztálybesorolásai vagy kategorizálása. A szerkezet csúcsán egy osztály van, a csúcs alá besorolt minden dologra a csúcson lévő osztály tulajdonsága érvényes. E gyökér vagy csúcs “alatt” lévő besorolások olyan konkrétabb kategóriák, amelyek az összes halmaz részhalmazaira vonatkoznak. …
Munkamódszer TARTALOMJEGYZÉK Előszó a magyar kiadáshoz . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 21 Előszó . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 23 I. rész. Mesterséges intelligencia . . . . . . . . . . . . . . . . . . . . . . . . . . 29 1. Bevezetés . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 1.1. Mi az MI? . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 31 Emberi módon cselekedni: Turing-teszt megközelítés . . . . . . . . . . . .32 Emberi módon gondolkodni: a kognitív modellezés . . . . . . . . . . . . . .33 Racionálisan gondolkodni: a gondolkodás törvénye . . . . . . . . . . . . ..34 Racionálisan cselekedni: a racionális ágens . . . . . . . . . . . . . . . . . . . 35 1.2. A mesterséges intelligencia alapjai . . . . . . . . . . 36 Filozófia (i. e. 428-tól napjainkig) . . . . . . . . . . . . . . . . . . . . . . . . . . . . 36 Matematika (kb. 800-tól napjainkig) . . . . . . . . . . . . . . . . . . . . . . . . . .38 20.7. Esettanulmány: kézzel írott számjegyek felismerése 3-legközelebbi-szomszéd 861 861 207 27.4. Mi van, ha az MI sikerrel jár? 3-SAT 185, 347, 383, 1107 1107 274 3.2. Példaproblémák 8-as kirakójáték 103 103 32 4.3. Lokális kereső algoritmusok és optimalizációs problémák 8-királynő 104, 155 155 43 23. Valószínűségi nyelvfeldolgozás 943, 944, 951 951 230 15.7. Összefoglalás a legjobb túlélése 672 672 157 13.2. Valószínűségi alapfogalmak a posteriori 548, 554 554 132 20.8. Összefoglalás a posteriori 863 863 208 a priori 548, 552 552 19. A tudás szerepe a tanulásban a priori tudás 782 782 190 4.6. Összefoglalás A* 139, 174, 175 175 46 15.6. Beszédfelismerés A* dekódoló 668 668 156 1.2. A mesterséges intelligencia alapjai ABC komputer 46 12 4.2. Heurisztikus függvények ABSOLVER 151 151 42 12.8. Összefoglalás ABSTRIPS 536 536 128 3-SAT 185, 347, 383, 1107 8-as kirakójáték 103 15-ös kirakójáték 128, 174 ε-elfogadható 175 ε-gömb 771 χ2 metszés 764 #P-nehéz 597 A, Á a legjobb túlélése 672 a priori tudás 782 A* dekódoló 668 ABC komputer 46 Absolver 151 Abstrips 536 absztrakció 101 absztrakciós hierarchia 536 AC-3 193, 204, 207 AC-4 193, 204
Eredmények Elkészült: 28 fogalom 33 tanulmány 12 alkalmazás cím kívánságlista sorszám feladat fogalom esettanulmány alkalmazás fMRI F 7,14 2 2 Mágneses rezonancia F 7 2 2 Boole I 9 2 Axon nincs 2 Szinapszis nincs 2 adatbányászat nincs 2 Evolúció, mutáció nincs 2 intelligens tudásalapú rendszerek I 36 2 Multi-ágens rendszerek orvosi alkalmazása Á 10 2 Ágens nincs 2 MEDLINE F, SZ 13,12,3,15 2 Fehérjetervezés- TMDET F, T, 6,2,18 1 PUBMED F,SZ 12,13,6 2 Az ionizáló sugárzás sztochasztikus hatása nincs 2 PUFF- valószínűség elmélet, valószínűség számítás I 49 2 érzékelés 2 ontológia P 3 2 adatbázis P 19 2 2 Orvosi taxonómia F 13 2 2 DENDRAL F 4 2 Gépi tanulás nincs 2 Elkészült: 28 fogalom 33 tanulmány 12 alkalmazás
Kinek hasznos a fejlesztett tananyag? Alapképzés (BSc): tankönyv, szemléletformálás Mesterképzés (MSc) és doktori képzés (PhD): speciális ismeretek, link- és irodalomgyűjtemény Posztgraduális képzés: alapismeretek Középiskolai képzés: szemlélet- és érdeklődésformálás Nem-informatikusok: a terület bemutatása, tévhitek eloszlatása, lehetőségek és korlátok bemutatása Ipar, tudományos kutatás: szakértői bázis, esettanulmányok