CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA?
|
|
- Kacper Lewicki
- 6 lat temu
- Przeglądów:
Transkrypt
1 Filozofia w matematyce i informatyce, Poznań, 9-10 grudnia 2016 CZY INFORMATYKOM MUSI WYSTARCZYĆ NIESKOŃCZONOŚĆ POTENCJALNA? Paweł Stacewicz Politechnika Warszawska
2 Nieskończoność a granice informatyki 1. Pojęcie nieskończoności zdaje się wyznaczać nieprzekraczalne granice stosowalności pewnych technik informatycznych (np. cyfrowych). To znaczy zadania, których realizacja wymaga: a) nieskończonej liczby operacji, b) nieskończenie wielu zasobów, c) praktycznie nieskończonego czasu działania, lub d) nieskończenie wielu poziomów struktury programu uznaje się za informatycznie nierozwiązywalne.
3 Nieskończoność w teorii obliczeń 2. Z drugiej strony, definiując różne typy obliczeń sięga się do pojęcia nieskończoności. Przykładowo: - obliczenia cyfrowe: nieskończona taśma MT - obliczenia ciągłe: nieskończona dokładność odczytu, - obliczenia przyspieszające : nieskończona liczba operacji w skończonym czasie.
4 Nieskończoność w teorii obliczeń 2. Z drugiej strony definiując różne typy obliczeń sięga się do pojęcia nieskończoności. Przykładowo: - obliczenia cyfrowe: nieskończona taśma MT - obliczenia ciągłe: nieskończona dokładność odczytu, - obliczenia przyspieszające : nieskończona liczba operacji w skończonym czasie Jak interpretować powyższe elementy - tylko teoretycznie, a więc matematycznie? - czy także fizycznie?
5 Nieskończoność w informatyce - dwa aspekty - 3. Ze względu na dualny, tj. formalno-fizykalny, charakter informatyki (i jej wytworów) trzeba rozróżnić dwa aspekty nieskończoności w informatyce. matematyczny (formalny) [ modele obliczeń ] fizykalny (realny) [ fizyczne realizacje obliczeń ]
6 Dwa aspekty i dwa rozróżnienia 3. Ze względu na dualny, tj. formalno-fizykalny, charakter informatyki trzeba rozróżnić dwa aspekty nieskończoności w informatyce. aspekt matematyczny (formalny) - niesk. potencjalna vs aktualna ( nie-kończenie-się, ( nieskończona całość, np. n n+1 ) np. zbiór N ) aspekt fizykalny (realny) - niesk. potencjalna vs realna ( hipotetyczna, ( urzeczywistniona, zakładana w teorii ) faktyczna )
7 Dwa znaczenia potencjalności 4. Powyższe rozróżnienia prowadzą do dwóch sposobów rozumienia nieskończoności potencjalnej w informatyce: potencjalna czyli nie istniejąca jako całość (nie-aktualna) ( zawsze fragmentaryczna, choć nieskończenie rozszerzalna ) potencjalna czyli zakładana w teorii (hipotetyczna) ( być może, czyli potencjalnie, istniejąca w przyrodzie )
8 Nieskończoność maszyn Turinga 5. Naturalnym punktem wyjścia dla rozważań o informatycznej nieskończoności jest koncepcja maszyn Turinga, która przewiduje (dopuszcza): a) nieskończoną taśmę, b) nieskończone ciągi operacji elementarnych, c) dowolną, tj, potencjalnie nieskończoną, dokładność obliczeń. Wszystkie powyższe elementy wydają się nieskończone potencjalnie -- i w sensie fizycznym, i w sensie matematycznym.
9 Pewna konkluzja (z tezą CT w tle) 6. Przekonanie o zasadności tezy Churcha-Turinga (efektywnie obliczalne = obliczalne za pomocą MT) prowadzi do przekonania, że: Informatykom mającym na względzie coraz bardziej, efektywne, praktyczne realizacje obliczeń musi wystarczyć nieskończoność potencjalna. Maszyny Turinga są definiowane bowiem w kategoriach nieskończoności potencjalnej.
10 Zastrzeżenie teoretyka 7. Nieskończoność aktualna jest w informatyce niezbędna, ponieważ dopiero z jej perspektywy stają się widoczne ograniczenia maszyn Turinga, tj. istnienie problemów nieobliczalnych zasadniczo. Hipotetycznym rozwiązaniom takich problemów Hipotetycznym rozwiązaniom takich problemów odpowiadają bowiem liczby nieobliczalne, a te są nieskończone aktualnie.
11 Wzmacnianie MT za pomocą A ( przykład 1: analogowość ) 8. Obliczenia analogowe/ciągłe mają większą moc niż dyskretne, tj. pozwalają rozwiązywać problemy nieobliczalne dla MT. Własność tę zawdzięczają rozszerzeniu zbioru przetwarzanych danych i generowanych wyników z N do R. Ale także: nieskończonej dokładności obliczeń. Pytanie: Czy są one realizowalne w praktyce?
12 Wzmacnianie MT za pomocą A ( przykład 2: infinityzm operacyjny ) 9. Obliczenia, w których dopuszcza się nieskończoną liczbę operacji, wykonywanych w skończonym czasie, mają z definicji większą moc niż turingowskie. Pytanie: Czy są one realizowalne w świecie fizycznym? nawet jeśli pewne współczesne teorie fizyczne dopuszczają: a) nieskończone szeregi procesów, b) możliwość dokładnego pomiaru ich wyników
13 Praktycy: Co na to informatycy? Informatyce nie jest potrzebna żadna nieskończoność ani potencjalna matematycznie, ani hipotetyczna fizycznie. Maszyny i programy zawsze będą obiektami skończonymi. Teoretycy-realiści: ci: Informatyce jest potrzebna teoria nieskończoności (również aktualnej), bo daje ona wgląd w ograniczenia informatyki. Teoretycy-wizjonerzy: Informatyce jest potrzebna teoria nieskończoności (potencjalnej i aktualnej), bo być może w przyszłości uda się obliczeniowo wykorzystać niesk. wielkości/procesy fizyczne.
14 Ewentualna dyskusja w blogu Akademicki blog dyskusyjny W. Marciszewskiego i P. Stacewicza Adres: blog.marciszewski.eu Dyskusje: Horror infiniti Amor Infiniti O nieskończoności zbiorów
O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE
Filozofia w informatyce, Kraków, 17-18 listopada 2016 O RÓŻNYCH SPOSOBACH ROZUMIENIA ANALOGOWOŚCI W INFORMATYCE Paweł Stacewicz Politechnika Warszawska Analogowe? płyta analogowa telewizja analogowa dawne
Informacja w perspektywie obliczeniowej. Informacje, liczby i obliczenia
Informacja w perspektywie obliczeniowej Informacje, liczby i obliczenia Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki
O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ
O LICZBACH NIEOBLICZALNYCH I ICH ZWIĄZKACH Z INFORMATYKĄ Jakie obiekty matematyczne nazywa się nieobliczalnymi? Jakie obiekty matematyczne nazywa się nieobliczalnymi? Najczęściej: a) liczby b) funkcje
Cyfrowość i analogowość. Wstępny zarys tematyki metodologicznofilozoficznej
Cyfrowość i analogowość Wst pny zarys tematyki Wstępny zarys tematyki metodologicznofilozoficznej Motywacja 1. Nawet w dziedzinie problemów jasno określonych, kodowanych adekwatnie do możliwości maszyn
O ISTOTNYCH OGRANICZENIACH METODY
O ISTOTNYCH OGRANICZENIACH METODY ALGORYTMICZNEJ Dwa pojęcia algorytmu (w informatyce) W sensie wąskim Algorytmem nazywa się każdy ogólny schemat procedury możliwej do wykonania przez uniwersalną maszynę
O ALGORYTMACH I MASZYNACH TURINGA
O ALGORYTMACH I MASZYNACH TURINGA ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające współcześnie precyzyjny schemat mechanicznej lub maszynowej realizacji zadań określonego
Umysł Komputer Świat TEX output: :17 strona: 1
Umysł Komputer Świat INFORMATYKA I FILOZOFIA Witold Marciszewski Paweł Stacewicz Umysł Komputer Świat O zagadce umysłu z informatycznego punktu widzenia E Warszawa Akademicka Oficyna Wydawnicza EXIT 2011
JAKIEGO RODZAJU NAUKĄ JEST
JAKIEGO RODZAJU NAUKĄ JEST INFORMATYKA? Computer Science czy Informatyka? Computer Science czy Informatyka? RACZEJ COMPUTER SCIENCE bo: dziedzina ta zaistniała na dobre wraz z wynalezieniem komputerów
O REDUKCJI U-INFORMACJI
O REDUKCJI U-INFORMACJI DO DANYCH Cztery punkty odniesienia (dla pojęcia informacji) ŚWIAT ontologia fizyka UMYSŁ psychologia epistemologia JĘZYK lingwistyka nauki o komunikacji KOMPUTER informatyka elektronika
M T E O T D O ZI Z E E A LG L O G R O Y R TM
O ALGORYTMACH I METODZIE ALGORYTMICZNEJ Czym jest algorytm? Czym jest algorytm? przepis schemat zestaw reguł [ ] program ALGORYTM (objaśnienie ogólne) Algorytm Pojęcie o rodowodzie matematycznym, oznaczające
Festiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII?
Festiwal Myśli Abstrakcyjnej, Warszawa, 22.10.2017 Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII? Dwa kluczowe terminy Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące
OBLICZALNOŚĆ I NIEOBLICZALNOŚĆ
OBLICZALNOŚĆ I NIEOBLICZALNOŚĆ Dwa konteksty obliczalności OBLICZALNE i NIEOBLICZALNE problemy (kontekst informatyczny) liczby (kontekst matematyczny) Problem nieobliczalny jest to problem nierozwiązywalny
Matematyczne Podstawy Informatyki
Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Automat ze stosem Automat ze stosem to szóstka
O badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ SZTUCZNA INTELIGENCJA dwa podstawowe znaczenia Co nazywamy sztuczną inteligencją? zaawansowane systemy informatyczne (np. uczące się), pewną dyscyplinę badawczą (dział
CZYM SĄ OBLICZENIA NAT A URALNE?
CZYM SĄ OBLICZENIA NATURALNE? Co to znaczy obliczać (to compute)? Co to znaczy obliczać (to compute)? wykonywać operacje na liczbach? (komputer = maszyna licząca) wyznaczać wartości pewnych funkcji? (program
Elementy rachunku lambda. dr hab. inż. Joanna Józefowska, prof. PP 1
Elementy rachunku lambda λ 1 Notacja λ x 3x + 7 3x + 7 jest różniczkowalna 3x + 7 jest mniejsze od 2 (2,3) 5 f(2, 3) = 2 + 3 g(2) = 2 + 3 λx(3x + 7) 3x + 7 λx λy(x + y) = λxy(x + y) λx(x + 3) 2 Rachunek
Alan M. TURING. Matematyk u progu współczesnej informatyki
Alan M. TURING n=0 1 n! Matematyk u progu współczesnej informatyki Wykład 5. Alan Turing u progu współczesnej informatyki O co pytał Alan TURING? Czym jest algorytm? Czy wszystkie problemy da się rozwiązać
Modele Obliczeń. Wykład 1 - Wprowadzenie. Marcin Szczuka. Instytut Matematyki, Uniwersytet Warszawski
Modele Obliczeń Wykład 1 - Wprowadzenie Marcin Szczuka Instytut Matematyki, Uniwersytet Warszawski Wykład fakultatywny w semestrze zimowym 2014/2015 Marcin Szczuka (MIMUW) Modele Obliczeń 2014/2015 1 /
prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA kod (pojęcie interdyscyplinarne) znak wiadomość ENTROPIA forma przekaz
WIEDZA prawda komunikat symbol DANE fałsz kod INFORMACJA (pojęcie interdyscyplinarne) liczba znak forma ENTROPIA przekaz wiadomość Czy żyjemy w erze informacji? Czy żyjemy w erze informacji? RACZEJ TAK:
MODELOWANIE RZECZYWISTOŚCI
MODELOWANIE RZECZYWISTOŚCI Daniel Wójcik Instytut Biologii Doświadczalnej PAN d.wojcik@nencki.gov.pl tel. 022 5892 424 http://www.neuroinf.pl/members/danek/swps/ Podręcznik Iwo Białynicki-Birula Iwona
4. Optymistyczny realizm poznawczy Marciszewskiego w ujęciu dyskusyjnym
Paweł Stacewicz Roboczy fragment artykułu naukowego ( ) 4. Optymistyczny realizm poznawczy Marciszewskiego w ujęciu dyskusyjnym 4.1. Pośród wielu możliwych typów światopoglądów informatycznych na szczególną
prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz
WIEDZA prawda komunikat symbol DANE fałsz kod INFORMACJA (nie tyko w informatyce) liczba znak forma ENTROPIA przekaz wiadomość Czy żyjemy w erze informacji? TAK Bo używamy nowego rodzaju maszyn maszyn
PROBLEMY NIEROZSTRZYGALNE
PROBLEMY NIEROZSTRZYGALNE Zestaw 1: T Przykład - problem domina T Czy podanym zestawem kafelków można pokryć dowolny płaski obszar zachowując odpowiedniość kolorów na styku kafelków? (dysponujemy nieograniczoną
O ALGORYTMACH I ALGORYTMICZNEJ DOSTĘPNOŚCI WIEDZY
Paweł Stacewicz O ALGORYTMACH I ALGORYTMICZNEJ DOSTĘPNOŚCI WIEDZY Niniejszy tekst jest skróconą (i roboczą) wersją referatu przygotowywanego na Seminarium Filozoficznych Problemów Podstaw Wiedzy w PAN.
Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych
Wstęp do kognitywistyki Wykład 3: Logiczny neuron. Rachunek sieci neuronowych Epistemologia eksperymentalna W. McCulloch: Wszystko, czego dowiadujemy się o organizmach wiedzie nas do wniosku, iż nie są
REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH
REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH Transport, studia I stopnia rok akademicki 2012/2013 Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Pojęcie
Za pierwszy niebanalny algorytm uważa się algorytm Euklidesa wyszukiwanie NWD dwóch liczb (400 a 300 rok przed narodzeniem Chrystusa).
Algorytmy definicja, cechy, złożoność. Algorytmy napotykamy wszędzie, gdziekolwiek się zwrócimy. Rządzą one wieloma codziennymi czynnościami, jak np. wymiana przedziurawionej dętki, montowanie szafy z
REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH
REPREZENTACJA LICZBY, BŁĘDY, ALGORYTMY W OBLICZENIACH Transport, studia niestacjonarne I stopnia, semestr I Instytut L-5, Wydział Inżynierii Lądowej, Politechnika Krakowska Adam Wosatko Ewa Pabisek Reprezentacja
LICZBY NIEOBLICZALNE A GRANICE KODOWANIA W INFORMATYCE 1
STUDIA SEMIOTYCZNE, t. XXXII, nr 2 (2018), s. 131 152 ISSN 0137-6608, e-issn 2544-073X DOI: 10.26333/sts.xxxii2.08 Rozprawa PAWEŁ STACEWICZ * LICZBY NIEOBLICZALNE A GRANICE KODOWANIA W INFORMATYCE 1 S
Złożoność obliczeniowa. wykład 1
Złożoność obliczeniowa wykład 1 Dwa wykłady: wtorek / środa różnice niewielkie Sprawy organizacyjne wtorek: trochę szybciej, parę dodatkowych rzeczy dedykowana grupa ćw. M. Pilipczuka - ale śmiało mogą
INSTYTUT NAUK EKONOMICZNYCH I INFORMATYKI Rozkład zajęć, Semestr zimowy, Kierunek INFORMATYKA PONIEDZIAŁEK
PONIEDZIAŁEK Automaty i języki formalne (W) informatycznym (W) Algebra liniowa z geometrią 1 (W) dr R. Kamocki Automaty i języki formalne Analiza matematyczna 2 (W) Analiza matematyczna 2 informatycznym
O algorytmach i algorytmicznej dostępności wiedzy
STUDIA METODOLOGICZNE NR 36 2016, 315 331 DOI: 10.14746/sm.2016.36.14 PAWEŁ STACEWICZ O algorytmach i algorytmicznej dostępności wiedzy ABSTRACT. On Algorithms and Algorithmic Accessibility of Knowledge
Maszyny Turinga. Jerzy Pogonowski. Funkcje rekurencyjne. Zakład Logiki Stosowanej UAM
Maszyny Turinga Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Funkcje rekurencyjne Jerzy Pogonowski (MEG) Maszyny Turinga Funkcje rekurencyjne 1 / 29 Wprowadzenie
Matematyczne Podstawy Informatyki
Matematyczne Podstawy Informatyki dr inż. Andrzej Grosser Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Rok akademicki 2013/2014 Algorytm 1. Termin algorytm jest używany w informatyce
Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.
Efekty dla studiów pierwszego stopnia profil ogólnoakademicki na kierunku Informatyka w języku polskim i w języku angielskim (Computer Science) na Wydziale Matematyki i Nauk Informacyjnych, gdzie: * Odniesienie-
O tzw. metaforze komputerowej
Marcin Miłkowski, IFiS PAN O tzw. metaforze komputerowej 18/11/08 Plan prezentacji Czy komputacjonizm to ujęcie metaforyczne? Kryteria adekwatności wyjaśnień obliczeniowych: Epistemiczne Mechanistyczne
ŚWIATOPOGLĄD INFORMATYCZNY POJĘCIA I TEZY
Paweł Stacewicz ŚWIATOPOGLĄD INFORMATYCZNY POJĘCIA I TEZY Lektura do wpisu blogowego o podobnym tytule, prezentująca główne pojęcia i tezy informatyzmu, wywodzące się z informatyki (lub jej matematycznych
Wykłady dla doktorantów Środowiskowych Studiów Doktoranckich w zakresie informatyki w roku akademickim 2011/2012
Wykłady dla doktorantów Środowiskowych Studiów Doktoranckich w zakresie informatyki w roku akademickim 2011/2012 - prof. dr hab. Wojciech Rytter: Algorytmika kombinatoryczno-grafowa (30 g. semestr zimowy
3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki. Semestr 1. Przedmioty wspólne
3-letnie (6-semestralne) stacjonarne studia licencjackie kier. matematyka stosowana profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Nazwa przedmiotu ECTS W Ć L P S Zal. Algebra liniowa z geometrią
Logika dla socjologów Część 3: Elementy teorii zbiorów i relacji
Logika dla socjologów Część 3: Elementy teorii zbiorów i relacji Rafał Gruszczyński Katedra Logiki Uniwersytet Mikołaja Kopernika 2011/2012 Spis treści 1 Zbiory 2 Pary uporządkowane 3 Relacje Zbiory dystrybutywne
Zasady krytycznego myślenia (1)
Zasady krytycznego myślenia (1) Andrzej Kisielewicz Wydział Matematyki i Informatyki 2017 Przedmiot wykładu krytyczne myślenie vs logika praktyczna (vs logika formalna) myślenie jasne, bezstronne, oparte
Matematyczne podstawy informatyki Mathematical Foundations of Computational Sciences. Matematyka Poziom kwalifikacji: II stopnia
Nazwa przedmiotu: Kierunek: Rodzaj przedmiotu: obowiązkowy dla wszystkich specjalności Rodzaj zajęć: wykład, ćwiczenia Matematyczne podstawy informatyki Mathematical Foundations of Computational Sciences
Modelowanie i obliczenia techniczne. dr inż. Paweł Pełczyński
Modelowanie i obliczenia techniczne dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura Z. Fortuna, B. Macukow, J. Wąsowski: Metody numeryczne, WNT Warszawa, 2005. J. Awrejcewicz: Matematyczne modelowanie
Matematyka dyskretna Literatura Podstawowa: 1. K.A. Ross, C.R.B. Wright: Matematyka Dyskretna, PWN, 1996 (2006) 2. J. Jaworski, Z. Palka, J.
Matematyka dyskretna Literatura Podstawowa: 1. K.A. Ross, C.R.B. Wright: Matematyka Dyskretna, PWN, 1996 (2006) 2. J. Jaworski, Z. Palka, J. Szmański: Matematyka dyskretna dla informatyków, UAM, 2008 Uzupełniająca:
PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: PODSTAWY ELEKTROTECHNIKI, ELEKTRONIKI I TECHNIK POMIAROWYCH Foundations of electrotechnics, electronics and measurement techniques Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy
Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII. Kierunek Matematyka. Studia stacjonarne i niestacjonarne I i II stopnia
Uniwersytet Śląski w Katowicach WYDZIAŁ MATEMATYKI, FIZYKI I CHEMII Kierunek Matematyka Studia stacjonarne i niestacjonarne I i II stopnia Organizacja roku akademickiego 2017/2018 Studia stacjonarne I
Topologia Algebraiczna - Pomocnik studenta. 1. Język teorii kategorii
Topologia Algebraiczna - Pomocnik studenta. 1. Język teorii kategorii Agnieszka Bojanowska Stefan Jackowski 24 listopada 2010 1 Podstawowe pojęcia Bedziemy uzywać następujących pojęć i przykładów dotyczących
Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące.
Algorytmy Równoległe i Rozproszone Część X - Algorytmy samostabilizujące. Łukasz Kuszner pokój 209, WETI http://www.sphere.pl/ kuszner/ kuszner@sphere.pl Oficjalna strona wykładu http://www.sphere.pl/
Języki, automaty i obliczenia
Języki, automaty i obliczenia Wykład 10: Maszyny Turinga Sławomir Lasota Uniwersytet Warszawski 29 kwietnia 2015 Plan Maszyny Turinga (Niedeterministyczna) maszyna Turinga M = (A, Q, q 0, F, T, B, δ) A
Metody numeryczne. materiały do wykładu dla studentów
Metody numeryczne materiały do wykładu dla studentów Autorzy: Maria Kosiorowska Marta Kornafel Grzegorz Kosiorowski Grzegorz Szulik Sebastian Baran Jakub Bielawski Materiały przygotowane w ramach projektu
Maszyna Turinga. Algorytm. czy program???? Problem Hilberta: Przykłady algorytmów. Cechy algorytmu: Pojęcie algorytmu
Problem Hilberta: 9 Czy istnieje ogólna mechaniczna procedura, która w zasadzie pozwoliłaby nam po kolei rozwiązać wszystkie matematyczne problemy (należące do odpowiednio zdefiniowanej klasy)? 2 Przykłady
Teoretyczne podstawy informatyki
1 Wykład cz. 2 dyżur: środa 9.00-10.00 czwartek 10.00-11.00 ul. Wieniawskiego 17/19, pok.10 e-mail: joanna.jozefowska@cs.put poznan.pl materiały do wykładów: http://www.cs.put.poznan.pl/jjozefowska/ hasło:
Turing i jego maszyny
Turing Magdalena Lewandowska Politechnika Śląska, wydział MS, semestr VI 20 kwietnia 2016 1 Kim był Alan Turing? Biografia 2 3 Mrówka Langtona Bomba Turinga 4 Biografia Kim był Alan Turing? Biografia Alan
Analiza ilościowa w przetwarzaniu równoległym
Komputery i Systemy Równoległe Jędrzej Ułasiewicz 1 Analiza ilościowa w przetwarzaniu równoległym 10. Analiza ilościowa w przetwarzaniu równoległym...2 10.1 Kryteria efektywności przetwarzania równoległego...2
Elementy filozofii i metodologii INFORMATYKI
Elementy filozofii i metodologii INFORMATYKI Filozofia INFORMATYKA Metodologia Wykład 1. Wprowadzenie. Filozofia, metodologia, informatyka Czym jest FILOZOFIA? (objaśnienie ogólne) Filozofią nazywa się
Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa
:Informatyka- - inż., rok I specjalność: Grafika komputerowa Rok akademicki 018/019 Metody uczenia się i studiowania. 1 Podstawy prawne. 1 Podstawy ekonomii. 1 Matematyka dyskretna. 1 30 Wprowadzenie do
Podstawy elektroniki i miernictwa
Podstawy elektroniki i miernictwa Kod modułu: ELE Rodzaj przedmiotu: podstawowy; obowiązkowy Wydział: Informatyki Kierunek: Informatyka Poziom studiów: pierwszego stopnia Profil studiów: ogólnoakademicki
K.Pieńkosz Badania Operacyjne Wprowadzenie 1. Badania Operacyjne. dr inż. Krzysztof Pieńkosz
K.Pieńkosz Wprowadzenie 1 dr inż. Krzysztof Pieńkosz Instytut Automatyki i Informatyki Stosowanej Politechniki Warszawskiej pok. 560 A tel.: 234-78-64 e-mail: K.Pienkosz@ia.pw.edu.pl K.Pieńkosz Wprowadzenie
Teoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l
Teoria systemów i sygnałów Kierunek AiR, sem. 5 2wE + 1l Prof. dr hab. Wojciech Moczulski Politechnika Ślaska, Wydział Mechaniczny Technologiczny Katedra Podstaw Konstrukcji Maszyn 19 października 2008
Analiza matematyczna - 14. Analiza zmiennych dyskretnych: ciągi i szeregi liczbowe
Analiza matematyczna - 4. Analiza zmiennych dyskretnych: ciągi i szeregi liczbowe Wstęp: zmienne ciągłe i zmienne dyskretne Podczas dotychczasowych wykładów rozważaliśmy przede wszystkim zależności funkcyjne
Elementy Teorii Obliczeń
Wykład 2 Instytut Matematyki i Informatyki Akademia Jana Długosza w Częstochowie 10 stycznia 2009 Maszyna Turinga uwagi wstępne Maszyna Turinga (1936 r.) to jedno z najpiękniejszych i najbardziej intrygujacych
Efekty kształcenia dla kierunku studiów INFORMATYKA, Absolwent studiów I stopnia kierunku Informatyka WIEDZA
Symbol Efekty kształcenia dla kierunku studiów INFORMATYKA, specjalność: 1) Sieciowe systemy informatyczne. 2) Bazy danych Absolwent studiów I stopnia kierunku Informatyka WIEDZA Ma wiedzę z matematyki
Opis efektów kształcenia dla modułu zajęć
Nazwa modułu: Metody matematyczne w elektroenergetyce Rok akademicki: 2013/2014 Kod: EEL-2-101-n Punkty ECTS: 5 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Elektrotechnika
Co ma piekarz do matematyki?
Instytut Matematyki i Informatyki Politechnika Wrocławska Dolnośląski Festiwal Nauki Wrzesień 2009 x x (x 1, x 2 ) x (x 1, x 2 ) (x 1, x 2, x 3 ) x (x 1, x 2 ) (x 1, x 2, x 3 ) (x 1, x 2, x 3, x 4 ). x
Topologia zbioru Cantora a obwody logiczne
Adam Radziwończyk-Syta Michał Skrzypczak Uniwersytet Warszawski 1 lipca 2009 http://students.mimuw.edu.pl/~mskrzypczak/dokumenty/ obwody.pdf Zbiór Cantora Topologia Definicja Przez zbiór Cantora K oznaczamy
Znaczenie klastrow dla innowacyjności gospodarki w Polsce
Znaczenie klastrow dla innowacyjności gospodarki w Polsce Arkadiusz Michał Kowalski 4. OFICYNA WYDAWNICZA SZKOŁA GŁÓWNA HANDLOWA W WARSZAWIE OFONAWTDAWN^ WARSZAWA 2013 SPIS TREŚCI wstęp : 9 1. Przedmiot,
14a. Analiza zmiennych dyskretnych: ciągi liczbowe
14a. Analiza zmiennych dyskretnych: ciągi liczbowe Grzegorz Kosiorowski Uniwersytet Ekonomiczny w Krakowie rzegorz Kosiorowski (Uniwersytet Ekonomiczny 14a. wanaliza Krakowie) zmiennych dyskretnych: ciągi
Politechnika Krakowska im. Tadeusza Kościuszki. Karta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017
Politechnika Krakowska im. Tadeusza Kościuszki Karta przedmiotu obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017 Wydział Fizyki, Matematyki i Informatyki Kierunek studiów: Matematyka
SCENARIUSZ LEKCJI. Autorzy scenariusza: Krzysztof Sauter (informatyka), Marzena Wierzchowska (matematyka)
SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Moduł interdyscyplinarny:
Wstęp do Matematyki (4)
Wstęp do Matematyki (4) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl Liczby kardynalne Jerzy Pogonowski (MEG) Wstęp do Matematyki (4) Liczby kardynalne 1 / 33 Wprowadzenie
INFORMATYKA a FILOZOFIA
INFORMATYKA a FILOZOFIA (Pytania i odpowiedzi) Pytanie 1: Czy potrafisz wymienić pięciu filozofów, którzy zajmowali się także matematyką, logiką lub informatyką? Ewentualnie na odwrót: Matematyków, logików
stacjonarne (stacjonarne / niestacjonarne) Katedra Matematyki dr Dmytro Mierzejewski podstawowy (podstawowy / kierunkowy / inny HES)
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod Nazwa Nazwa w języku angielskim Obowiązuje od roku akademickiego 2012/2013 Z-ETI-1017-W2 Elementy
O pewnych związkach teorii modeli z teorią reprezentacji
O pewnych związkach teorii modeli z teorią reprezentacji na podstawie referatu Stanisława Kasjana 5 i 12 grudnia 2000 roku 1. Elementy teorii modeli Będziemy rozważać język L składający się z przeliczalnej
PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Matematyka Rodzaj przedmiotu: przedmiot obowiązkowy dla wszystkich specjalności Rodzaj zajęć: wykład, ćwiczenia Logika matematyczna Mathematical Logic Poziom przedmiotu: II
Rachunek prawdopodobieństwa- wykład 2
Rachunek prawdopodobieństwa- wykład 2 Pojęcie dyskretnej przestrzeni probabilistycznej i określenie prawdopodobieństwa w tej przestrzeni dr Marcin Ziółkowski Instytut Matematyki i Informatyki Uniwersytet
Matura z matematyki na poziomie rozszerzonym
Tadeusz Socha Matura z matematyki na poziomie rozszerzonym tom V uzupełnienie do matury od 2015 roku o treści zwiększające wymagania maturalne Copyright by Socha Tadeusz, 2013 ISBN 978-83-936602-9-2 www.maturzysta.info
technologii informacyjnych kształtowanie , procesów informacyjnych kreowanie metod dostosowania odpowiednich do tego celu środków technicznych.
Informatyka Coraz częściej informatykę utoŝsamia się z pojęciem technologii informacyjnych. Za naukową podstawę informatyki uwaŝa się teorię informacji i jej związki z naukami technicznymi, np. elektroniką,
Wprowadzenie do teorii systemów ekspertowych
Myślące komputery przyszłość czy utopia? Wprowadzenie do teorii systemów ekspertowych Roman Simiński siminski@us.edu.pl Wizja inteligentnych maszyn jest od wielu lat obecna w literaturze oraz filmach z
Logika i teoria mnogości Wykład 14
Teoria rekursji Teoria rekursji to dział logiki matematycznej zapoczątkowany w latach trzydziestych XX w. Inicjatorzy tej dziedziny to: Alan Turing i Stephen Kleene. Teoria rekursji bada obiekty (np. funkcje,
EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA. STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI
EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA. STUDIA PIERWSZEGO STOPNIA - PROFIL OGÓLNOAKADEMICKI Umiejscowienie kierunku w obszarze kształcenia: Kierunek studiów informatyka należy do obszaru kształcenia
Jeśli X jest przestrzenią o nieskończonej liczbie elementów:
Logika rozmyta 2 Zbiór rozmyty może być formalnie zapisany na dwa sposoby w zależności od tego z jakim typem przestrzeni elementów mamy do czynienia: Jeśli X jest przestrzenią o skończonej liczbie elementów
Filozofia przyrody, Wykład V - Filozofia Arystotelesa
Filozofia przyrody, Wykład V - Filozofia Arystotelesa 2011-10-01 Tematyka wykładu 1 Arystoteles - filozof systematyczny 2 3 4 Różnice w metodzie uprawiania nauki Krytyka platońskiej teorii idei Podział
UCHWAŁA NR 71/2017 SENATU UNIWERSYTETU WROCŁAWSKIEGO z dnia 31 maja 2017 r.
UCHWAŁA NR 71/2017 SENATU UNIWERSYTETU WROCŁAWSKIEGO z dnia 31 maja 2017 r. zmieniająca uchwałę w sprawie efektów kształcenia dla kierunków studiów prowadzonych w Uniwersytecie Wrocławskim Na podstawie
Współczesna problematyka klasyfikacji Informatyki
Współczesna problematyka klasyfikacji Informatyki Nazwa pojawiła się na przełomie lat 50-60-tych i przyjęła się na dobre w Europie Jedna z definicji (z Wikipedii): Informatyka dziedzina nauki i techniki
Wstęp do kognitywistyki
Wstęp do kognitywistyki Wykład I: Kognitywistyka z lotu ptaka Piotr Konderak konsultacje: poniedziałki, 11:10-12:40, p. 205 Strona przedmiotu: http://konderak.eu/wkg10.html W historii intelektualnej wszystko
Filozofia, Historia, Wykład V - Filozofia Arystotelesa
Filozofia, Historia, Wykład V - Filozofia Arystotelesa 2010-10-01 Tematyka wykładu 1 Arystoteles - filozof systematyczny 2 3 4 Podział nauk Arystoteles podzielił wszystkie dyscypliny wiedzy na trzy grupy:
FRAKTALE I SAMOPODOBIEŃSTWO
FRAKTALE I SAMOPODOBIEŃSTWO Mariusz Gromada marzec 2003 mariusz.gromada@wp.pl http://multifraktal.net 1 Wstęp Fraktalem nazywamy każdy zbiór, dla którego wymiar Hausdorffa-Besicovitcha (tzw. wymiar fraktalny)
Indukcja matematyczna
Indukcja matematyczna 1 Zasada indukcji Rozpatrzmy najpierw następujący przykład. Przykład 1 Oblicz sumę 1 + + 5 +... + (n 1). Dyskusja. Widzimy że dla n = 1 ostatnim składnikiem powyższej sumy jest n
ECTS Razem 30 Godz. 330
3-letnie stacjonarne studia licencjackie kier. Matematyka profil: ogólnoakademicki Semestr 1 Przedmioty wspólne Algebra liniowa z geometrią analityczną I 7 30 30 E Analiza matematyczna I 13 60 60 E Technologie
KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego
KRZYSZTOF WÓJTOWICZ Instytut Filozofii Uniwersytetu Warszawskiego wojtow@uw.edu.pl 1 2 1. SFORMUŁOWANIE PROBLEMU Czy są empiryczne aspekty dowodów matematycznych? Jeśli tak to jakie stanowisko filozoficzne
Modelowanie komputerowe
Modelowanie komputerowe wykład 1- Generatory liczb losowych i ich wykorzystanie dr Marcin Ziółkowski Instytut Matematyki i Informatyki Akademia im. Jana Długosza w Częstochowie 5,12 października 2016 r.
SIMR 2016/2017, Analiza 2, wykład 1, Przestrzeń wektorowa
SIMR 06/07, Analiza, wykład, 07-0- Przestrzeń wektorowa Przestrzeń wektorowa (liniowa) - przestrzeń (zbiór) w której określone są działania (funkcje) dodawania elementów i mnożenia elementów przez liczbę
Co łączy umysł z teorią liczb?
Paweł Stacewicz Co łączy umysł z teorią liczb? Najbardziej naturalna i rzecz jasna prawdziwa odpowiedź na pytanie tytułowe artykułu brzmi: Umysł łączy z teorią liczb fakt, że to umysł stworzył tę teorię
O badaniach nad SZTUCZNĄ INTELIGENCJĄ
O badaniach nad SZTUCZNĄ INTELIGENCJĄ Wykład 7. O badaniach nad sztuczną inteligencją Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność
1. Definicja granicy właściwej i niewłaściwej funkcji.
V. Granica funkcji jednej zmiennej. 1. Definicja granicy właściwej i niewłaściwej funkcji. Definicja 1.1. (sąsiedztwa punktu i sąsiedztwa nieskończoności) Niech x 0 R, r > 0, a, b R. Definiujemy S(x 0,
Logika Matematyczna (1)
Logika Matematyczna (1) Jerzy Pogonowski Zakład Logiki Stosowanej UAM www.logic.amu.edu.pl pogon@amu.edu.pl 4 X 2007 Jerzy Pogonowski (MEG) Logika Matematyczna (1) 4 X 2007 1 / 18 Plan konwersatorium Dzisiaj:
Teoretyczne podstawy informatyki
Teoretyczne podstawy informatyki Wykład 6a: Model danych oparty na zbiorach http://hibiscus.if.uj.edu.pl/~erichter/dydaktyka2010/tpi-2010 Prof. dr hab. Elżbieta Richter-Wąs 1 Model danych oparty na zbiorach
RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA
Wydział: WiLiŚ, Transport, sem.2 dr Jolanta Dymkowska RACHUNEK PRAWDOPODOBIEŃSTWA - POJĘCIA WSTĘPNE MATERIAŁY POMOCNICZE - TEORIA Przestrzeń probabilistyczna Modelem matematycznym (tj. teoretycznym, wyidealizowanym,
Poziom przedmiotu: II stopnia. Liczba godzin/tydzień: 3W E, 3C PRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Matematyka Rodzaj przedmiotu: obowiązkowy dla wszystkich specjalności Rodzaj zajęć: wykład, ćwiczenia Teoria miary i całki Measure and Integration Theory Kod przedmiotu: Poziom