Mesterséges Tudományok Mesterséges Intelligencia Mesterséges Élet Mesterséges Társadalmak Gulyás László Tudománytörténet és Tudományfilozófia Tanszék gulya@hps.elte.hu

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

Mesterséges Tudományok Áttekintés Motiváció Mesterséges Intelligencia (AI) Mesterséges Élet (ALIFE) Mesterséges Társadalmak (ASOC) Néhány konkrét alkalmazás Mesterséges Tudományok

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

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

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

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

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

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

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

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

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

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

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

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

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

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

Mesterséges Tudományok Genetikus algoritmus 2. Populáció: Megoldás-kezdemények sokasága. „Génreprezentáció” (kódoló függvény) 3x + 2 1 Mesterséges Tudományok

Mesterséges Tudományok Genetikus algoritmus 3. Rátermettségi függvény (fitness function) A megoldás jósága. 3x + 2 50% 1 Mesterséges Tudományok

Mesterséges Tudományok Genetikus algoritmus 4. Szelekció: A gyengék törlése és Az erősek szaporodása. Mesterséges Tudományok

Mesterséges Tudományok Genetikus algoritmus 5. Reprodukció Mutáció és Keresztezés (géncsere) 3x + 2 1 1 3x + 2 3 1 1 5x + 4 Mesterséges Tudományok

Genetikus algoritmus: Példa Mesterséges Tudományok

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

Mesterséges Tudományok Termeszvárak Mesterséges Tudományok

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

Termeszvár Algoritmusa II. Boltív Mesterséges Tudományok

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

Hangyák élelemkeresése Mesterséges Tudományok

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

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

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

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

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

Mesterséges Tudományok A 60%-os tolerancia Mesterséges Tudományok

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

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

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

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

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

Robusztus hálózatok generálása Mesterséges Tudományok

Egyéb konkrét alkalmazások Beszélgető robotok Információs kioszkok Mesterséges Tudományok

Mesterséges Tudományok Tőzsdeoktatás http://vbroker.hu/ (AITIA Rt.) Mesterséges Tudományok

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

Mesterséges Tudományok Vége… Köszönöm a figyelmet! Mesterséges Tudományok