Wprowadzenie do Sztucznej Inteligencji

Wielkość: px
Rozpocząć pokaz od strony:

Download "Wprowadzenie do Sztucznej Inteligencji"

Transkrypt

1 do Sztucznej Inteligencji woparciuo: S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach Przemysław Kobylański Instytut Matematyki i Informatyki Politechnika Wrocławska P. Kobylański Wprowadzenie do Sztucznej Inteligencji 1 / 155

2 Plan wykładu 1 2 Inteligentni agenci (2g) 3 Rozwiązywanie problemów przez przeszukiwanie (4g) 4 Nieklasyczne sposoby przeszukiwania (4g) 5 Przeszukiwanie z adwersarzem (4g) 6 Problem spełnienia ograniczeń (2g) 7 Logiczni agenci (4g) 8 Planowanie akcji (4g) 9 Planowanie i działanie w rzeczywistym świecie (4g) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 2 / 155

3 Literatura Lektura podstawowa 1 S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach. Pearson Education Inc., I. Bratko. Prolog Programming for Artificial Intelligence. Addison-Wesley Publishing Company Inc., Lektura uzupełniająca 1 W.F. Clocksin, C.S. Mellish. Prolog. Programowanie. Helion,2003. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 3 / 155

4 Wykład 1 Wprowadzenie w oparciu o: S. Russel, P. Norvig. Artificial Intelligence. A Modern Approach P. Kobylański Wprowadzenie do Sztucznej Inteligencji 4 / 155

5 Wprowadzenie co to jest sztuczna inteligencja? podstawy sztucznej inteligencji historia sztucznej inteligencji P. Kobylański Wprowadzenie do Sztucznej Inteligencji 5 / 155

6 Co to jest sztuczna inteligencja? Thinking Acting Humanly "The exciting new effort to make computers think...machines with minds, in the full and literal sense." (Haugeland, 1985) "[The automation of] activities that we associate with human thinking, activities such decision-making, problem solving, learning..." (Hellman, 1978) "The art of creating machines that perform functions that require intelligence when performed by people." (Kurzweil, 1990) "The study of how to make computers do things at which, at the moment, people are better." (Rich and Knight, 1991) Rationally "The study of mental faculties through the use of computational models. (Charniak and McDermott, 1985) "The study of the computations that make it possible to perceive, reason, and act." (Winston, 1992) "Computational Intelligence is the study of the design of intelligent agents." (Poole et at, 1998) "AI...is concerned with intelligent behavior in artifacts." (Nilsson, 1998) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 6 / 155

7 Co to jest sztuczna inteligencja? Ludzkie działanie Test Turinga zaproponowany przez Alana Turinga w roku przetwarzanie języka naturalnego reprezentacja wiedzy automatyczne wnioskowanie maszynowe uczenie Pełny test Turinga komputerowe widzenie robotyka P. Kobylański Wprowadzenie do Sztucznej Inteligencji 7 / 155

8 Co to jest sztuczna inteligencja? Ludzkie myślenie Jak działa ludzki umysł? Example poznawanie przez introspekcję eksperymenty psychologiczne obrazowanie mózgu Allen Newell i Herbert Simon opracowali w 1961 roku program GPS (General Problem Solver). Byli bardziej zainteresowani porównaniem sposobu rozwiązywania problemów przez ich program i przez człowieka niż tylko poprawnością działania ich programu. Interdyscyplinarna kognitywistyka (nauki kognitywne, cognitive science) łączy komputerowe modele z AI oraz techniki eksperymentalne z psychologii aby stworzyć precyzyjną i sprawdzalną teorię ludzkiego umysłu. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 8 / 155

9 Co to jest sztuczna inteligencja? Racjonalne myślenie Podejście oparte o prawa poprawnego rozumowania. Sylogizm Arystotelesa dostarczają wzorce wnioskowania, które zawsze dostarcza poprawne wnioski z poprawnych przesłanek (np. "Sokrates jest człowiekiem, wszyscy ludzie są śmiertelni; zatem, Sokrates jest śmiertelny"). Badanie praw poprawnego rozumowania zainicjowało dziedzinę nazywaną logiką. Od 1965 roku istnieją programy, które potrafią rozwiązać każdy rozwiązywalny problem opisany w języku logiki (jeśli nie istnieje rozwiązanie, to taki program może wpaść w nieskończoną pętlę). Nawet problemy opisane kilkuset faktami mogą wykraczać poza możliwości współczesnego komputera, jeśli nie dostarczy się mu wskazówek które kroki wnioskowania wykonać w pierwszej kolejności). P. Kobylański Wprowadzenie do Sztucznej Inteligencji 9 / 155

10 Co to jest sztuczna inteligencja? Racjonalne działanie Agent to coś co działa. Każdy program komputerowy coś robi, ale oczekuje się, że agent komputerowy działa autonomicznie, postrzega środowisko, utrzymuje się przez dłuższy czas, adaptuje się do zmian, wyznacza i osiąga cele. Racjonalny agent to taki, który działa tak aby osiągnąć najlepszy wynik albo, w przypadku niepewności, najlepszy oczekiwany wynik. Książka Russela i Norviga (AIMA) koncentruje się na ogólnych zasadach racjonalnych agentów oraz na komponentach do ich tworzenia. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 10 / 155

11 Podstawy sztucznej inteligencji: filozofia Czy można użyć formalne reguły do wyprowadzania poprawnych wniosków? Jak umysł wyłania się z fizycznego mózgu? Skąd bierze się wiedza? Jak wiedza prowadzi do działania? * sylogizm Arystoteles p.n.e.; projekt mechanicznego kalkulatora Leonardo da Vinci ; pierwszy kalkulator Wilhelm Schickard ; kalkulator dodający i odejmujący Blaise Pascal ; kalkulator dodający, odejmujący, mnożący, pierwiastkujący Gottfried Wilhelm Leibniz *racjonalizmrenedescartes(kartezjusz) *empiryzmfrancisbacon ;zasadaindukcjidavidhume ;logiczny pozytywizm Ludwig Wittgenstein , Bertrand Russell i Rudolf Carnap *logicznyzwiązekceluiwiedzyowynikachakcjiarystoteles p.n.e;gpsnewellisimon P. Kobylański Wprowadzenie do Sztucznej Inteligencji 11 / 155

12 Podstawy sztucznej inteligencji: matematyka Jakie są formalne reguły wyprowadzania poprawnych wniosków? Co może być obliczone? Jak wnioskować na podstawie niepewnej informacji? *rachunekzdańgeorgeboole ;rachunekpredykatówpierwszegorzędugottlobfrege ; relacja między obiektami w logice a obiektami rzeczywistego świata Alfred Tarski * procedura dowodząca każde prawdziwe twierdzenie z logiki pierwszego rzędu oraz twierdzenie oniezupełnościkurtgödel ;pojęcieobliczalnościalanturing ;problemy wielomianowe i ponadwielomianowe Cobham 1964 i Edmonds 1965; NP-zupełność Steven Cook 1971 i Richard Karp 1972 *ideaprawdopodobieństwagerolamocardano ;jakprzewidywaćwynikgry hazardowej i oczekiwaną wygraną Blaise Pascal ; metody statystyczne James Bernoulli i Pierre Laplace ; wyliczanie prawdopodobieństwa na podstawie obserwacji Thomas Bayes P. Kobylański Wprowadzenie do Sztucznej Inteligencji 12 / 155

13 Podstawy sztucznej inteligencji: ekonomia Jak powinniśmy podejmować decyzje aby zmaksymalizować zysk? Jak powinniśmy to robić gdy inni nie współdziałają z nami? Jak powinniśmy to robić gdy zysk będzie odległy w przyszłości? * początek ekonomii Adam Smith ; teoria użyteczności Leon Walras , Frank Ramsey 1931, John von Neumann i Oskar Morgenstern *teoriagierjohnvonneumannioskarmorgenstern *formalizacjadecyzyjnychprocesówmarkowarichardbellman1957 P. Kobylański Wprowadzenie do Sztucznej Inteligencji 13 / 155

14 Podstawy sztucznej inteligencji: neurobiologia Jak mózg przetwarza informację? Superkomputer 1 Komputer osobisty 2 Mózg człowieka 3 Jednostka obliczeniowa 10 4 CPUs 4 CPUs neuronów tranzystorów 10 9 tranzystorów Jednostka pamięci bitów RAM bitów RAM neuronów bitów na dysku bitów na dysku synaps Cykl czasu 10 9 sekundy 10 9 sekundy 10 3 sekundy Operacje/sekundę Aktualizacji pamięci/sek IBM BLUE GENE 2 Typowy komputer w 2008 roku. 3 Dane o mózgu są stałe, natomiast dane o komputerach rosną o rząd co 5 lat. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 14 / 155

15 Podstawy sztucznej inteligencji: neurobiologia Każdy neuron składa się z ciała komórki zawierającej jądro. Z komórki wystaje pewna liczba wypustek nazywanych dendrytami i jedna długa wypustka nazywana aksonem. Typowy akson ma długość 1 cm ale może osiągać do 1 metra. Neuron tworzy połączenia z 10 do 100,000 innymi neuronami za pomocą synaps. Sygnały są przekazywane z jednego neuronu do drugiego przez skomplikowaną reakcję chemiczną. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 15 / 155

16 Podstawy sztucznej inteligencji: neurobiologia Axonal arborization Axon from another cell Synapse Dendrite Axon Nucleus Synapses Cell body or Soma P. Kobylański Wprowadzenie do Sztucznej Inteligencji 16 / 155

17 Podstawy sztucznej inteligencji: psychologia Jak ludzie i zwierzęta myślą i działają? * początki psychologii Hermann von Helmholtz i jego uczeń Wilhelm Wundt ; behawioryzm zwierząt Herbert Spencer Jennings ; behawioryzm John Watson ; kognitywna psychologia postrzegająca mózg jako urządzenie przetwarzające informacje William James ; podstawy agentów opartych na wiedzy Kenneth Craik 1943 P. Kobylański Wprowadzenie do Sztucznej Inteligencji 17 / 155

18 Podstawy sztucznej inteligencji: inżynieria komputerowa Jak możemy budować efektywne komputery? *pierwszaprogramowalnamaszynatkackajosephmariejacquard ;maszyna analityczna 4 Charles Babbage ; * elektromechaniczny komputer do łamania kodu Enigmy Heath Robinson z zespołu Alana Turinga 1940; pierwszy ogólnego zastosowania komputer lampowy Colossus zespół Alana Turinga 1943; pierwszy programowalny komputer Z-3 Konrad Zuse 1941 * z AI wywodzą się takie paradygmaty programowania jak programowanie symboliczne, funkcyjne, deklaratywne czy obiektowe 4 Pierwsza programowalna maszyna obliczeniowa. Pierwsze programy pisała Ada Lovelace córka poety Lorda Byrona. Przewidywała ona również, że maszyna analityczna mogłaby w przyszłości grać w szachy albo komponować muzykę. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 18 / 155

19 Podstawy sztucznej inteligencji: teoria sterowania i cybernetyka Jak artefakty 5 mogą działać pod własną kontrolą? * zegar wodny - pierwsza samokontrolująca się maszyna Ktesibios z Aleksandrii ok. 250 p.n.e.; teoria sterowania Norbert Wiener ; idea inteligencji jako homeostatycznego urządzenia zawierającego pętlę sprzężenia zwrotnego dla osiągnięcia stabilnego zachowania adaptacyjnego William Ross Ashby 1940; optymalne sterowanie stochastyczne Andriej Kołmogorow 1941, Rudolf Kalman Przedmioty stworzone ludzką ręką. P. Kobylański Wprowadzenie do Sztucznej Inteligencji 19 / 155

20 Podstawy sztucznej inteligencji: lingwistyka Jak się ma język do myśli? * behawioryzm Burrhus Frederic Skinner ; struktury syntaktyczne Noam Chomsky; przetwarzanie języka naturalnego; reprezentacja wiedzy P. Kobylański Wprowadzenie do Sztucznej Inteligencji 20 / 155

21 Historia sztucznej inteligencji: "ciąża" sztucznej inteligencji Warren McCulloch i Walter Pitts (1943) stworzyli model sztucznego neuronu, w którym każdy neuron charakteryzuje się byciem "włączonym" albo "wyłączonym" przełączenia do stanu "włączony" odbywa się przez stymulację wystarczającej liczby sąsiednich neuronów pokazali, że każda obliczalna funkcja może być policzona przez pewną sieć połączonych neuronów każdy logiczny spójnik (i, lub, nie itp.) może być wyrażony przez prostą sieć neuronów zasugerowali, że sztuczna sieć neuronów mogłaby się uczyć P. Kobylański Wprowadzenie do Sztucznej Inteligencji 21 / 155

22 Historia sztucznej inteligencji: "ciąża" sztucznej inteligencji Donald Hebb (1949) zaproponował prostą regułę aktualizacji wag połączeń między neuronami umożliwiającą uczenie się sieci Hebbian learning stosowane jest do dziś Marvin Minsky i Dean Edmonds (1950) zbudowali pierwszą sztuczną siecią neuronową Snarc (3000 lamp elektronowych i sieć 40 neuronów symulowanych mechanizmem autopilota z bombowca B-52) Alan Turing (1947) wygłosił wykład oparty o własny artykuł Computing Machinery and Intelligence wprowadził w nim Test Turinga, uczenie maszynowe, algorytmy genetyczne i uczenie z pozytywnym wzmocnieniem zaproponował symulowanie umysłu dziecka zamiast symulowania umysłu dorosłego P. Kobylański Wprowadzenie do Sztucznej Inteligencji 22 / 155

23 Historia sztucznej inteligencji: narodziny sztucznej inteligencji 1956 John McCarthy, Marvin Minsky, Claude Shannon i Nathaniel Rochester (1956) zorganizowali dwumiesięczny workshop w Dartmouth College McCarthy po raz pierwszy użył nazwę Sztuczna Inteligencja (Artificial Intelligence) Allen Newell i Herbert Simon z Carnegie Tech (obecnie Carnegie Mellon University CMU) przedstawili swój program LogicTheorist (LT), który miał możliwość symbolicznego myślenia (opracowali język przetwarzania list IPL, w którym zaimplementowali LT) program LogicTheorist był w stanie udowodnić większość twierdzeń z drugiego rozdziału Principia Mathematica Rusella i Whiteheada workshop spowodował, że sztuczna inteligencja przez następne 20 lat była zdominowana przez pracowników i studentów MIT, CMU, Stanford i IBM P. Kobylański Wprowadzenie do Sztucznej Inteligencji 23 / 155

24 Historia sztucznej inteligencji: wczesny entuzjazm, wielkie oczekiwania CMU: Newell i Simon (1957) opracowali General Problem Solver (GPS), który w przeciwieństwie do LogicTheorist od początku miał naśladować ludzkie podejście do rozwiązywania problemów IBM: Herbert Gelernter (1959) stworzył Geometry Theorem Prover IBM: Arthur Samuel (1952) stworzył serię programów grających w warcaby, które nauczyły się grać na wysokim poziomie amatorskim(szybko grały lepiej niż ich twórca) MIT: John McCarthy (1958) stworzył język LISP, który przez następne 30 lat stał się dominującym językiem programowania w Sztucznej Inteligencji MIT: John McCarthy uruchamia AI lab na Stanford University Rice University: John Alan Robinson (1965) odkrywa zasadę rezolucji P. Kobylański Wprowadzenie do Sztucznej Inteligencji 24 / 155

25 Historia sztucznej inteligencji: wczesny entuzjazm, wielkie oczekiwania MIT: Minsky promuje serię prac studenckich: James R. Slagle (1963) program SAINT całkujący na poziomie kursu Analiza 1 Tom Evans (1968) program ANALOGY rozwiązujący zadania z testów IQ dotyczące analogii geometrycznych Daniel Bobrow (1967) program STUDENT rozwiązujący proste zadania z algebry zadane językiem naturalnym Terry Winograd i Jack D. Cowan (1963) pokazali jak duża liczba współdziałających elementów może wspólnie reprezentować indywidualne pojęcia jednocześnie zwiększając równoległość i odporność Bernard Widrow i Ted Hoff (1962) tworzą sieć sztucznych neuronów nazwaną Adaline Frank Rosenblatt (1962) tworzy perceptron P. Kobylański Wprowadzenie do Sztucznej Inteligencji 25 / 155

26 Historia sztucznej inteligencji: wczesny entuzjazm, wielkie oczekiwania Blue Red Green Red Green Blue Green Red P. Kobylański Wprowadzenie do Sztucznej Inteligencji 26 / 155

27 Historia sztucznej inteligencji: dawka rzeczywistości coś co sprawdza się na małych przykładach najczęściej nie zadziała w praktyce dla większej liczby obiektów (planowanie akcji) automatyczne dowodzenie twierdzeń nie sprawdziło się dla kilkudziesięciu faktów (dowodzenie twierdzeń) naiwna wiara, że serią małych mutacji kodu programu można tworzyć programy rozwiązujące dowolne zadania (ewolucja maszynowa) zbyt prosta reprezentacja uniemożliwia osiągnięcie często najprostszych wyników (perceptron o dwóch wejściach nie potrafi wykryć czy są one różne) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 27 / 155

28 Historia sztucznej inteligencji: systemy oparte na wiedzy system ekspercki DENDRAL wnioskujący o strukturze molekularnej na podstawie danych ze spektrometru (Buchanan et al. 1969) system ekspercki MYCIN do diagnozowania zakażeń krwi (Feigenbaum et al. początek lat 70-tych) w regułach systemu MYCIN zastosowano współczynniki pewności aby wyrazić niepewne wnioskowanie do reprezentacji wiedzy zastosowano koncepcję ram opracowaną przez Minsky ego P. Kobylański Wprowadzenie do Sztucznej Inteligencji 28 / 155

29 Historia sztucznej inteligencji: AI staje się przemysłem 1980-teraz system ekspercki R1 opracowany przez firmę DEC do wspomagania konfigurowania komputerów VAX-11/780 (rocznie 40 milionów dolarów oszczędności) w 1981 Japonia ogłasza projekt komputerów piątej generacji (opracowanie komputerów z Prologiem jako językiem maszynowym) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 29 / 155

30 Historia sztucznej inteligencji: powrót sieci neuronowych 1986-teraz wpołowielat80-tychconajmniejczteryróżnezespołynanowo odkryły algorytm uczenia sieci oparty na wstecznej propagacji (odkryty przez Brysona w roku 1969) badania nad sieciami neuronowymi podzieliły się na dwa obszary: opracowanie architektury i algorytmów oraz zrozumienie ich matematycznych własności modelowanie empirycznych własności rzeczywistych neuronów i ich sieci P. Kobylański Wprowadzenie do Sztucznej Inteligencji 30 / 155

31 Historia sztucznej inteligencji: AI adaptuje metody naukowe 1987-teraz ukryte modele Markowa (HMM) zastosowane do rozpoznawania mowy i pisma ręcznego z takich obszarów jak statystyka, rozpoznawanie wzorców i maszynowe uczenie wyłonił się nowy obszar badań jakim jest eksploracja danych (data mining) na potrzeby wyrażania i operowania niepewną informacją opracowano sieci bayesowkie (Bayesian network) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 31 / 155

32 Historia sztucznej inteligencji: pojawienie się inteligentnych agentów 1995-teraz opracowanie architektury SOAR dla inteligentnych agentów (John Laird, Allen Newell, Paul Rosenbloom 1987) internet jako jedno z najważniejszych środowisk dla inteligentnych agentów (tzw. boty) Human Level Artificial Intelligence (HLAI) na fali rozczarowania osiągnięciami w zakresie sztucznej inteligencji zaproponowano powrót do jej korzeni, czyli do prac nad maszynami, które myślą, uczą się i tworzą Artificial General Intelligence (AGI) poszukiwania uniwersalnego algorytmu na uczenie się i działanie w dowolnym środowisku P. Kobylański Wprowadzenie do Sztucznej Inteligencji 32 / 155

33 Historia sztucznej inteligencji: dostępność wielkich zbiorów danych 2001-teraz główny obiektem dotychczasowych badań informatyki był algorytm, jednak w ostatnich badaniach z zakresu sztucznej inteligencji sugeruje się, że dla wielu problemów ważniejsze byłoby martwienie się o dane niż o wybór odpowiedniego algorytmu internet źródłem ogromnej liczby danych (10 12 słów i 10 9 obrazów) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 33 / 155

34 Wprowadzenie The State of the Art Autonomiczny samochód projekt STANLEY (Stanford University) projekt BOSS (CMU) Rozpoznawanie mowy rezerwacja lotu w United Airlines Autonomiczne planowanie i harmonogramowanie REMOTE AGENT (NASA) autonomiczny program planujący sterowanie w statkach kosmicznych MAPGEN (NASA) planowanie operacji w Mars Exploration Rovers MEXAR2 (ESA) planowanie logistyczne i naukowe dla misji European s Space Agency s Mars Express Granie w gry komputer IBM DEEP BLUE był pierwszym komputerem, który pokonał arcymistrza Garry Kasparova wynikiem 3.5 : 2.5 Zwalczanie spamu systemy uczące się rozpoznawania spamu Sahami et al 1998, Goodman iheckerman2004 P. Kobylański Wprowadzenie do Sztucznej Inteligencji 34 / 155

35 Wprowadzenie The State of the Art Planowanie logistyczne projekt DART (Dynamic Analysis and Replanning Tool) dla automatycznego planowania i harmonogramowania na potrzeby transportu dla 50,000 pojazdów (Konflikt w Zatoce Perskiej 1991) Robotyka sprzedano ponad dwa miliony robotów Roomba, które odkurzają mieszkania (The irobot Corporation) roboty PackBot wykorzystane w Iraku i Afganistanie do obsługi materiałów niebezpiecznych, rozbrajania min i pułapek, identyfikacji położenia snajperów (The irobot Corporation) Tłumaczenie maszynowe program do automatycznego tłumaczenia z języka arabskiego na angielski (program oparty na modelach statystycznych, sam uczy się na podstawie przykładów, żaden z członków zespołu nie zna języka arabskiego) P. Kobylański Wprowadzenie do Sztucznej Inteligencji 35 / 155

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia

Bardziej szczegółowo

Stefan Sokołowski SZTUCZNAINTELIGENCJA. Inst. Informatyki UG, Gdańsk, 2009/2010

Stefan Sokołowski SZTUCZNAINTELIGENCJA. Inst. Informatyki UG, Gdańsk, 2009/2010 Stefan Sokołowski SZTUCZNAINTELIGENCJA Inst. Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://inf.ug.edu.pl/ stefan/dydaktyka/sztintel/

Bardziej szczegółowo

Sztuczna inteligencja - wprowadzenie

Sztuczna inteligencja - wprowadzenie Sztuczna inteligencja - wprowadzenie Dariusz Banasiak Katedra Informatyki Technicznej W4/K9 Politechnika Wrocławska Sztuczna inteligencja komputerów - wprowadzenie Kontakt: dr inż. Dariusz Banasiak, pok.

Bardziej szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja

Elementy kognitywistyki II: Sztuczna inteligencja Elementy kognitywistyki II: Sztuczna inteligencja Piotr Konderak Zakład Logiki i Filozofii Nauki p.203b, Collegium Humanicum konsultacje: wtorki, 16:00-17:00 kondorp@bacon.umcs.lublin.pl http://konderak.eu

Bardziej szczegółowo

Sztuczna inteligencja

Sztuczna inteligencja Sztuczna inteligencja Przykładowe zastosowania Piotr Fulmański Wydział Matematyki i Informatyki, Uniwersytet Łódzki, Polska 12 czerwca 2008 Plan 1 Czym jest (naturalna) inteligencja? 2 Czym jest (sztuczna)

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład I: Pomieszanie z modelem w środku Czym jest kognitywistyka? Dziedzina zainteresowana zrozumieniem procesów, dzięki którym mózg (zwł.

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 3: Logiczny neuron. Rachunek sieci neuronowych

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

Bardziej szczegółowo

Alan M. TURING. Matematyk u progu współczesnej informatyki

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

Bardziej szczegółowo

WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM

WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM Psychologia poznawcza dr Mateusz Hohol SPRAWY ORGANIZACYJNE Aby zaliczyć kurs z psychologii poznawczej należy: (1) zaliczyć ćwiczenia,

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

Sztuczna inteligencja - mity i rzeczywistość. Sztuczna inteligencja. Plan zajęć z przedmiotu. Plan wykładów. Literatura.

Sztuczna inteligencja - mity i rzeczywistość. Sztuczna inteligencja. Plan zajęć z przedmiotu. Plan wykładów. Literatura. Sztuczna inteligencja dr hab. inż. Joanna Józefowska, prof. PP http://www.cs.put.poznan.pl/jjozefowska w2005 Dyżur: środa 11.30-13.00, p. 436WE Plan zajęć z przedmiotu Wykład 30 godzin Projekt 30 godzin

Bardziej szczegółowo

WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM

WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM WYKŁAD 1: PRZEDMIOT BADAŃ PSYCHOLOGII POZNAWCZEJ W UJĘCIU HISTORYCZNYM Psychologia poznawcza dr Mateusz Hohol SPRAWY ORGANIZACYJNE Aby zaliczyć kurs z psychologii poznawczej należy: (1) zaliczyć ćwiczenia,

Bardziej szczegółowo

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI

WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI POLITECHNIKA WARSZAWSKA WYDZIAŁ MECHANICZNY ENERGETYKI I LOTNICTWA MEL WPROWADZENIE DO SZTUCZNEJ INTELIGENCJI NS 586 Dr inż. Franciszek Dul 1. SZTUCZNA INTELIGENCJA JAKO DZIEDZINA WIEDZY Sztuczna inteligencja

Bardziej szczegółowo

CZYM SĄ OBLICZENIA NAT A URALNE?

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

Bardziej szczegółowo

Narzędzia AI. Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312. http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE)

Narzędzia AI. Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312. http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Narzędzia AI Jakub Wróblewski jakubw@pjwstk.edu.pl Pokój 312 http://zajecia.jakubw.pl SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE) Nauka o maszynach realizujących zadania, które wymagają inteligencji

Bardziej szczegółowo

Wstęp do kognitywistyki

Wstęp do kognitywistyki Wstęp do kognitywistyki Wykład szósty W poszukiwaniu metody badania umysłu. Druga rewolucja w wiedzy o poznaniu i powstanie kognitywistyki Andrzej Klawiter http://www.staff.amu.edu.pl/~klawiter klawiter@amu.edu.pl

Bardziej szczegółowo

Percepcja, język, myślenie

Percepcja, język, myślenie Psychologia procesów poznawczych Plan wykładu Percepcja, język, myślenie Historia psychologii poznawczej W 2 Wstęp do psychologii poznawczej Historia psychologii poznawczej dawniej Psychologia poznawcza

Bardziej szczegółowo

Sztuczna inteligencja: aktualny stan i perspektywy rozwoju

Sztuczna inteligencja: aktualny stan i perspektywy rozwoju SGH Business Intelligence, Sztuczna inteligencja: aktualny stan i perspektywy rozwoju Andrzej Kisielewicz Wydział Matematyki i Informatyki Uniwersytet Opolski marzec 2012 Wstęp Aktualny kryzys w AI problem

Bardziej szczegółowo

Sztuczna inteligencja Definicja Sztuczna inteligencja (AI - ang. artificial inteligence) lub krótko SI jest stosunkowo nową interdyscyplinarną dziedziną nauki, przedmiotem wielkich oczekiwań i ożywionych

Bardziej szczegółowo

Wprowadzenie do Sztucznej Inteligencji

Wprowadzenie do Sztucznej Inteligencji Wprowadzenie do Sztucznej Inteligencji Wykład 1 Informatyka Studia Inżynierskie Dlaczego badania nad sztuczną inteligencją? Próba zrozumienia istot inteligentnych - lepsze poznanie samego siebie (filozofia,

Bardziej szczegółowo

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu "Podstawy baz danych"

PODSTAWY BAZ DANYCH. 19. Perspektywy baz danych. 2009/2010 Notatki do wykładu Podstawy baz danych PODSTAWY BAZ DANYCH 19. Perspektywy baz danych 1 Perspektywy baz danych Temporalna baza danych Temporalna baza danych - baza danych posiadająca informację o czasie wprowadzenia lub czasie ważności zawartych

Bardziej szczegółowo

Elementy historii INFORMATYKI

Elementy historii INFORMATYKI Elementy historii INFORMATYKI Wykład 2. Elementy historii informatyki HISTORIA INFORMATYKI HISTORIA KOMPUTERÓW Wykład 2. Elementy historii informatyki Prehistoria informatyki: PASCAL i LEIBNIZ (1623 1662)

Bardziej szczegółowo

KARTA MODUŁU KSZTAŁCENIA

KARTA MODUŁU KSZTAŁCENIA KARTA MODUŁU KSZTAŁCENIA I. Informacje ogólne 1 Nazwa modułu kształcenia Sztuczna inteligencja 2 Nazwa jednostki prowadzącej moduł Instytut Informatyki, Zakład Informatyki Stosowanej 3 Kod modułu (wypełnia

Bardziej szczegółowo

Kraków, 14 marca 2013 r.

Kraków, 14 marca 2013 r. Scenariusze i trendy rozwojowe wybranych technologii społeczeństwa informacyjnego do roku 2025 Antoni Ligęza Perspektywy rozwoju systemów eksperckich do roku 2025 Kraków, 14 marca 2013 r. Dane informacja

Bardziej szczegółowo

Wstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu

Wstęp do kognitywistyki. Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu Wstęp do kognitywistyki Wykład 12: Wprowadzenie do SI. Obliczeniowa teoria umysłu Sztuczna inteligencja...to próba zrozumienia i wyjaśnienia jednostek inteligentnych. Specyfika SI polega na metodzie: wyjaśnianie

Bardziej szczegółowo

Wprowadzenie. Jacek Bartman. Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski

Wprowadzenie. Jacek Bartman. Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski Sztuczna inteligencja Wprowadzenie Jacek Bartman Zakład Elektrotechniki i Informatyki Instytut Techniki Uniwersytet Rzeszowski INFORMACJE ORGANIZACYJNE Forma zajęć: Studia stacjonarne Wykłady 30h Laboratorium

Bardziej szczegółowo

Informatyka. Prowadzący: Dr inż. Sławomir Samolej D102 C, tel: 865 1766, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow.

Informatyka. Prowadzący: Dr inż. Sławomir Samolej D102 C, tel: 865 1766, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow. Informatyka Prowadzący: Dr inż. Sławomir Samolej D102 C, tel: 865 1766, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow.pl 1 Program zajęć Wykład: Wprowadzenie Budowa i działanie sprzętu komputerowego

Bardziej szczegółowo

Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia

Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia Studia pierwszego stopnia I rok Matematyka dyskretna 30 30 Egzamin 5 Analiza matematyczna 30 30 Egzamin 5 Algebra liniowa 30 30 Egzamin 5 Statystyka i rachunek prawdopodobieństwa 30 30 Egzamin 5 Opracowywanie

Bardziej szczegółowo

Teoria gier. prof. UŚ dr hab. Mariusz Boryczka. Wykład 4 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego

Teoria gier. prof. UŚ dr hab. Mariusz Boryczka. Wykład 4 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego Instytut Informatyki Uniwersytetu Śląskiego Wykład 4 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.

Bardziej szczegółowo

Redakcja: Urszula Markowska-Kaczmar Halina Kwaśnicka SIECI NEURONOWE W ZASTOSOWANIACH. Praca zbiorowa

Redakcja: Urszula Markowska-Kaczmar Halina Kwaśnicka SIECI NEURONOWE W ZASTOSOWANIACH. Praca zbiorowa Redakcja: Urszula Markowska-Kaczmar Halina Kwaśnicka SIECI NEURONOWE W ZASTOSOWANIACH Praca zbiorowa Oficyna Wydawnicza Politechniki Wrocławskiej Wrocław 2005 3 Przedmowa 7 1 Sztuczne sieci neuronowe wprowadzenie

Bardziej szczegółowo

Percepcja, język, myślenie

Percepcja, język, myślenie Psychologia procesów poznawczych Plan wykładu Percepcja, język, myślenie Wprowadzenie w problematykę zajęć. Podstawowe pojęcia. Historia psychologii poznawczej. W 1 Wstęp Informacje ogólne dotyczące kursu

Bardziej szczegółowo

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013 http://www.wilno.uwb.edu.

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013 http://www.wilno.uwb.edu. SYLLABUS na rok akademicki 01/013 Tryb studiów Studia stacjonarne Kierunek studiów Informatyka Poziom studiów Pierwszego stopnia Rok studiów/ semestr /3 Specjalność Bez specjalności Kod katedry/zakładu

Bardziej szczegółowo

Przeszłość i przyszłość informatyki

Przeszłość i przyszłość informatyki Przeszłość i przyszłość informatyki Rodzaj zajęć: Wszechnica Popołudniowa Tytuł: Przeszłość i przyszłość informatyki Autor: prof. dr hab. Maciej M Sysło Redaktor merytoryczny: prof. dr hab. Maciej M Sysło

Bardziej szczegółowo

Wstęp do Sztucznej Inteligencji

Wstęp do Sztucznej Inteligencji Wstęp do Sztucznej Inteligencji Wprowadzenie Joanna Kołodziej Politechnika Krakowska Wydział Fizyki, Matematyki i Informatyki Definicja Sztuczna Inteligencja (Artificial Intelligence, AI) to dziedzina

Bardziej szczegółowo

Technologie Informacyjne

Technologie Informacyjne page.1 Technologie Informacyjne Wersja: 4 z drobnymi modyfikacjami! Wojciech Myszka 2013-10-14 20:04:01 +0200 page.2 Cel zajęć Cele zajęć: Uaktualnienie i ujednolicenie wiedzy/terminologii oraz zdobycie

Bardziej szczegółowo

Architektura komputerów Historia systemów liczących

Architektura komputerów Historia systemów liczących Historia systemów liczących Prezentacja jest współfinansowana przez Unię Europejską w ramach Europejskiego Funduszu Społecznego w projekcie pt. Innowacyjna dydaktyka bez ograniczeń - zintegrowany rozwój

Bardziej szczegółowo

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia :Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia Podstawy prawne. 1 15 1 Podstawy ekonomii. 1 15 15 2 Repetytorium z matematyki. 1 30 3 Środowisko programisty. 1 30 3 Komputerowy

Bardziej szczegółowo

Informacje o przedmiocie. Metody sztucznej inteligencji. Sztuczna inteligencja (AI=Artificial Intelligence) Dziedziny i zastosowania AI.

Informacje o przedmiocie. Metody sztucznej inteligencji. Sztuczna inteligencja (AI=Artificial Intelligence) Dziedziny i zastosowania AI. Metody sztucznej inteligencji Politechnika Śląska Katedra Podstaw Konstrukcji Maszyn Rok akademicki 2007/08 Wykład 1 MSI-w1_2007/08_1 Informacje o przedmiocie Strona KPKM: http://kpkm.polsl.pl Informacje

Bardziej szczegółowo

Wstęp do kognitywistyki

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

Bardziej szczegółowo

Sylabus modułu kształcenia na studiach wyższych. Nazwa Wydziału. Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia

Sylabus modułu kształcenia na studiach wyższych. Nazwa Wydziału. Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Załącznik nr 4 do zarządzenia nr 12 Rektora UJ z 15 lutego 2012 r. Sylabus modułu kształcenia na studiach wyższych Nazwa Wydziału Nazwa jednostki prowadzącej moduł Nazwa modułu kształcenia Wydział Matematyki

Bardziej szczegółowo

Algorytm. Krótka historia algorytmów

Algorytm. Krótka historia algorytmów Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

Elementy kognitywistyki III: Modele i architektury poznawcze

Elementy kognitywistyki III: Modele i architektury poznawcze Elementy kognitywistyki III: Modele i architektury poznawcze Wykład III: Psychologiczne modele umysłu Gwoli przypomnienia: Kroki w modelowaniu kognitywnym: teoretyczne ramy pojęciowe (modele pojęciowe)

Bardziej szczegółowo

Komputery. Komputery. Komputery PC i MAC Laptopy

Komputery. Komputery. Komputery PC i MAC Laptopy Komputery Komputery PC i MAC Laptopy 1 Spis treści: 1. Komputery PC i Mac...3 1.1 Komputer PC...3 1.2 Komputer Mac...3 2. Komputery przenośne...4 2.1 Laptop...4 2.2 Netbook...4 2.3 Tablet...5 3. Historia

Bardziej szczegółowo

O informatyce i jej historii. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski

O informatyce i jej historii. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski O informatyce i jej historii R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski s-rg@siwy.il.pw.edu.pl Informatyka (1) Informatyka to gałąź wiedzy związana z procesami:! projektowania, konstrukcji, oceny,!

Bardziej szczegółowo

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia

Kierunek:Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia :Informatyka- - inż., rok I specjalność: Grafika komputerowa i multimedia Podstawy prawne. 1 15 1 Podstawy ekonomii. 1 15 15 2 Metody uczenia się i studiowania. 1 15 1 Środowisko programisty. 1 30 3 Komputerowy

Bardziej szczegółowo

O informatyce i jej historii. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski

O informatyce i jej historii. R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski O informatyce i jej historii R. Robert Gajewski omklnx.il.pw.edu.pl/~rgajewski www.il.pw.edu.pl/~rg s-rg@siwy.il.pw.edu.pl Informatyka (1) Informatyka to gałąź wiedzy związana z procesami:! projektowania,

Bardziej szczegółowo

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer.

I rok. semestr 1 semestr 2 15 tyg. 15 tyg. Razem ECTS. laborat. semin. ECTS. konwer. wykł. I rok. w tym. Razem ECTS. laborat. semin. ECTS. konwer. Wydział Informatyki i Nauki o Materiałach Kierunek Informatyka studia I stopnia inżynierskie studia stacjonarne 08- IO1S-13 od roku akademickiego 2015/2016 A Lp GRUPA TREŚCI PODSTAWOWYCH kod Nazwa modułu

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

Kierunek: Mechatronika Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia

Kierunek: Mechatronika Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia Wydział: Inżynierii Mechanicznej i Robotyki Kierunek: Mechatronika Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2015/2016 Język wykładowy: Polski Semestr 1 RME-1-103-s Podstawy

Bardziej szczegółowo

Języki i paradygmaty programowania. I. Wprowadzenie

Języki i paradygmaty programowania. I. Wprowadzenie Języki i paradygmaty programowania I. Wprowadzenie O źródłach wykład został przygotowany w ogromnej części w oparciu o serwis http://wazniak.mimuw.edu.pl/ (zgodnie z licencją serwisu) inne źródła: Wikipedia:

Bardziej szczegółowo

algorytm przepis rozwiązania przedstawionego zadania komputer urządzenie, za pomocą którego wykonywane są algorytmy

algorytm przepis rozwiązania przedstawionego zadania komputer urządzenie, za pomocą którego wykonywane są algorytmy Podstawowe pojęcia związane z informatyką: informatyka dziedzina wiedzy i działalności zajmująca się gromadzeniem, przetwarzaniem i wykorzystywaniem informacji, czyli różnego rodzaju danych o otaczającej

Bardziej szczegółowo

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski Architektura umysłu Pojęcie używane przez prawie wszystkie współczesne ujęcia kognitywistyki Umysł Przetwornik informacji 2 Architektura

Bardziej szczegółowo

Podstawy robotyki wykład I. Wprowadzenie Robot i jego historia

Podstawy robotyki wykład I. Wprowadzenie Robot i jego historia Podstawy robotyki Wykład I Wprowadzenie Robert Muszyński Janusz Jakubiak Instytut Informatyki, Automatyki i Robotyki Politechnika Wrocławska Kamienie milowe robotyki 1947 pierwszy teleoperator sterowany

Bardziej szczegółowo

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016

LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 LISTA KURSÓW PLANOWANYCH DO URUCHOMIENIA W SEMESTRZE ZIMOWYM 2015/2016 INFORMATYKA I STOPNIA studia stacjonarne 1 sem. PO-W08-INF- - -ST-Ii-WRO-(2015/2016) MAP003055W Algebra z geometrią analityczną A

Bardziej szczegółowo

Elementy Teorii Obliczeń

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

Bardziej szczegółowo

Umysł Komputer Świat TEX output: :17 strona: 1

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

Bardziej szczegółowo

TEORIA GIER W EKONOMII. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ

TEORIA GIER W EKONOMII. dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ TEORIA GIER W EKONOMII dr Robert Kowalczyk Katedra Analizy Nieliniowej Wydział Matematyki i Informatyki UŁ Informacje Ogólne Wykład: Sobota/Niedziela Ćwiczenia: Sobota/Niedziela Dyżur: Czwartek 14.00-16.00

Bardziej szczegółowo

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania

Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Zastosowanie sztucznej inteligencji w testowaniu oprogramowania Problem NP Problem NP (niedeterministycznie wielomianowy, ang. nondeterministic polynomial) to problem decyzyjny, dla którego rozwiązanie

Bardziej szczegółowo

Sieci neuronowe i ich ciekawe zastosowania. Autor: Wojciech Jamrozy III rok SMP / Informatyka

Sieci neuronowe i ich ciekawe zastosowania. Autor: Wojciech Jamrozy III rok SMP / Informatyka Sieci neuronowe i ich ciekawe zastosowania Autor: Wojciech Jamrozy III rok SMP / Informatyka Klasyczna algorytmika Sortowanie ciągu liczb Czy i ile razy dane słowo wystąpiło w tekście Najkrótsza droga

Bardziej szczegółowo

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI

Bardziej szczegółowo

Metody sztucznej inteligencji

Metody sztucznej inteligencji Metody sztucznej inteligencji sztuczne sieci neuronowe - wstęp dr hab. inż. Andrzej Obuchowicz, prof. UZ Instytut Sterowania i Systemów Informatycznych Uniwersytet Zielonogórski A. Obuchowicz Metody sztucznej

Bardziej szczegółowo

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD XII: Modele i architektury poznawcze Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD XII: Modele i architektury poznawcze Architektury poznawcze Architektura poznawcza jako teoria poznania ludzkiego Anderson (1993): Architektura

Bardziej szczegółowo

Matryca pokrycia efektów kształcenia. Efekty kształcenia w zakresie wiedzy (cz. I)

Matryca pokrycia efektów kształcenia. Efekty kształcenia w zakresie wiedzy (cz. I) Matryca pokrycia efektów kształcenia Matryca dla przedmiotów realizowanych na kierunku Informatyka i Ekonometria (z wyłączeniem przedmiotów realizowanych w ramach specjalności oraz przedmiotów swobodnego

Bardziej szczegółowo

2014-10-15. Historia komputera. Architektura komputera Historia komputera. Historia komputera. Historia komputera. Historia komputera

2014-10-15. Historia komputera. Architektura komputera Historia komputera. Historia komputera. Historia komputera. Historia komputera Architektura komputera dr inż. Tomasz Łukaszewski 1 2 500 p.n.e: pierwsze liczydło (abakus) Babilonia. 1614kostkiJohnaNapiera szkockiego matematyka pozwalające dodawać i odejmować 3 4 1621suwak logarytmicznyopracowany

Bardziej szczegółowo

Wstęp do Informatyki. dr inż. Paweł Pełczyński ppelczynski@swspiz.pl

Wstęp do Informatyki. dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Wstęp do Informatyki dr inż. Paweł Pełczyński ppelczynski@swspiz.pl Literatura 1. Brookshear, J. G. (2003). Informatyka w ogólnym zarysie. WNT, Warszawa. 3. Małecki, R. Arendt D. Bryszewski A. Krasiukianis

Bardziej szczegółowo

Algorytm. Słowo algorytm pochodzi od perskiego matematyka Mohammed ibn Musa al-kowarizimi (Algorismus - łacina) z IX w. ne.

Algorytm. Słowo algorytm pochodzi od perskiego matematyka Mohammed ibn Musa al-kowarizimi (Algorismus - łacina) z IX w. ne. Algorytm znaczenie cybernetyczne Jest to dokładny przepis wykonania w określonym porządku skończonej liczby operacji, pozwalający na rozwiązanie zbliżonych do siebie klas problemów. znaczenie matematyczne

Bardziej szczegółowo

Informatyka. Prowadzący: Dr inż. Sławomir Samolej D108A, tel: 865 1486, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow.

Informatyka. Prowadzący: Dr inż. Sławomir Samolej D108A, tel: 865 1486, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow. Informatyka Prowadzący: Dr inż. Sławomir Samolej D108A, tel: 865 1486, email: ssamolej@prz-rzeszow.pl WWW: ssamolej.prz-rzeszow.pl 1 Program zajęć Wykład: Wprowadzenie Budowa i działanie sprzętu komputerowego

Bardziej szczegółowo

Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego

Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej. Adam Meissner. Elementy uczenia maszynowego Instytut Automatyki i Inżynierii Informatycznej Politechniki Poznańskiej Adam Meissner Adam.Meissner@put.poznan.pl http://www.man.poznan.pl/~ameis Elementy uczenia maszynowego Literatura [1] Bolc L., Zaremba

Bardziej szczegółowo

Tabela odniesień efektów kierunkowych do efektów obszarowych

Tabela odniesień efektów kierunkowych do efektów obszarowych Umiejscowienie kierunku w obszarze kształcenia Kierunek studiów automatyka i robotyka należy do obszaru kształcenia w zakresie nauk technicznych i jest powiązany z takimi kierunkami studiów jak: mechanika

Bardziej szczegółowo

Podstawy Programowania Algorytmy i programowanie

Podstawy Programowania Algorytmy i programowanie Podstawy Programowania Algorytmy i programowanie Katedra Analizy Nieliniowej, WMiI UŁ Łódź, 3 października 2013 r. Algorytm Algorytm w matematyce, informatyce, fizyce, itp. lub innej dziedzinie życia,

Bardziej szczegółowo

Teoria gier. dr Przemysław Juszczuk. Wykład 2 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego

Teoria gier. dr Przemysław Juszczuk. Wykład 2 - Gry o sumie zero. Instytut Informatyki Uniwersytetu Śląskiego Instytut Informatyki Uniwersytetu Śląskiego Wykład 2 - Gry o sumie zero Gry o sumie zero Dwuosobowe gry o sumie zero (ogólniej: o sumie stałej) były pierwszym typem gier dla których podjęto próby ich rozwiązania.

Bardziej szczegółowo

Teoretyczne podstawy informatyki

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:

Bardziej szczegółowo

12:00 1 MAJA 2015, CZWARTEK

12:00 1 MAJA 2015, CZWARTEK Mój wymarzony zawód: 12:00 1 MAJA 2015, CZWARTEK Kacper Bukowski, Uczeń klasy III B Gimnazjum nr 164 z Oddziałami Integracyjnymi i Dwujęzycznymi im. Polskich Olimpijczyków w Warszawie www.kto-to-informatyk.pl

Bardziej szczegółowo

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska

Inżynieria Wiedzy i Systemy Ekspertowe. Niepewność wiedzy. dr inż. Michał Bereta Politechnika Krakowska Inżynieria Wiedzy i Systemy Ekspertowe Niepewność wiedzy dr inż. Michał Bereta Politechnika Krakowska http://torus.uck.pk.edu.pl/~beretam/ beretam@torus.uck.pk.edu.pl 1 Logika Rozmyta (Fuzzy Logic) Mimo

Bardziej szczegółowo

Współczesna problematyka klasyfikacji Informatyki

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

Bardziej szczegółowo

Nowoczesne techniki informatyczne Program: 1. Sztuczna inteligencja. a) definicja; b) podział: Systemy ekspertowe Algorytmy ewolucyjne Logika rozmyta Sztuczne sieci neuronowe c) historia; 2. Systemy eksperckie

Bardziej szczegółowo

TOK STUDIÓW Kierunek: informatyka rok studiów: I studia stacjonarne pierwszego stopnia, rok akademicki 2014/2015. Forma zaliczen ia. egz. lab.

TOK STUDIÓW Kierunek: informatyka rok studiów: I studia stacjonarne pierwszego stopnia, rok akademicki 2014/2015. Forma zaliczen ia. egz. lab. Lp TOK TUDIÓW rok studiów: I studia stacjonarne pierwszego stopnia, rok akademicki 2014/2015 w ć w ko n lab EC T 1 Podstawy prawno-etyczne 15 1 x 2 Podstawy ekonomii 15 1 x 3 Repetytorium z matematyki

Bardziej szczegółowo

Historia maszyn liczących

Historia maszyn liczących Historia maszyn liczących pierwsze potrzeby liczenia już w czasach, kiedy ludzie żyli w jaskiniach i lasach (religia, jesienne zbiory). Zaczęto liczyć nacięcia na drewnie, znaki na ścianach pierwszy kalendarz

Bardziej szczegółowo

SIECI NEURONOWE Wprowadzenie

SIECI NEURONOWE Wprowadzenie SIECI NEURONOWE Wprowadzenie JOANNA GRABSKA-CHRZĄSTOWSKA Wykłady w dużej mierze przygotowane w oparciu o materiały i pomysły PROF. RYSZARDA TADEUSIEWICZA WYKŁADOWCA JOANNA GRABSKA CHRZĄSTOWSKA KATEDRA

Bardziej szczegółowo

Z punktu widzenia kognitywisty: język naturalny

Z punktu widzenia kognitywisty: język naturalny Z punktu widzenia kognitywisty: język naturalny Wykład I: Czym jest język? http://konderak.eu/pwk13.html Piotr Konderak kondorp@bacon.umcs.lublin.pl p. 205, Collegium Humanicum konsultacje: czwartki, 11:10-12:40

Bardziej szczegółowo

2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni

2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni 2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November 2009 1 Panel nt. Procesy wytwarzania

Bardziej szczegółowo

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU

WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Zał. nr do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim Analiza sygnałów Nazwa w języku angielskim Signal analysis Kierunek studiów (jeśli dotyczy): Matematyka stosowana

Bardziej szczegółowo

Katedra Systemów Decyzyjnych. Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl

Katedra Systemów Decyzyjnych. Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl Katedra Systemów Decyzyjnych Kierownik: prof. dr hab. inż. Zdzisław Kowalczuk ksd@eti.pg.gda.pl 2010 Kadra KSD profesor zwyczajny 6 adiunktów, w tym 1 z habilitacją 4 asystentów 7 doktorantów Wydział Elektroniki,

Bardziej szczegółowo

Praca dyplomowa magisterska

Praca dyplomowa magisterska KATEDRA WYTRZYMAŁOŚCI MATERIAŁÓW I METOD KOMPUTEROWYCH MECHANIKI Wydział Mechaniczny Technologiczny POLITECHNIKA ŚLĄSKA W GLIWICACH Praca dyplomowa magisterska Temat: Komputerowy system wspomagania wiedzy:

Bardziej szczegółowo

dr inż. Olga Siedlecka-Lamch 14 listopada 2011 roku Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Eksploracja danych

dr inż. Olga Siedlecka-Lamch 14 listopada 2011 roku Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska Eksploracja danych - Instytut Informatyki Teoretycznej i Stosowanej Politechnika Częstochowska 14 listopada 2011 roku 1 - - 2 3 4 5 - The purpose of computing is insight, not numbers Richard Hamming Motywacja - Mamy informację,

Bardziej szczegółowo

Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach PROGRAM KSZTAŁCENIA. Studia III stopnia (doktoranckie) kierunek Informatyka

Uniwersytet Śląski. Wydział Informatyki i Nauki o Materiałach PROGRAM KSZTAŁCENIA. Studia III stopnia (doktoranckie) kierunek Informatyka Uniwersytet Śląski Wydział Informatyki i Nauki o Materiałach PROGRAM KSZTAŁCENIA Studia III stopnia (doktoranckie) kierunek Informatyka (przyjęty przez Radę Wydziału Informatyki i Nauki o Materiałach w

Bardziej szczegółowo

Plan studiów dla kierunku:

Plan studiów dla kierunku: Plan studiów dla kierunku: INFORMATYKA Specjalności: Bezpieczeństwo sieciowych systemów informatycznych, Informatyka techniczna, Technologie internetowe i techniki multimedialne Ogółem Semestr 1 Semestr

Bardziej szczegółowo

Wykład Ćwiczenia Laboratoriu m 30 30 1,5 1,5 WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI CELE PRZEDMIOTU

Wykład Ćwiczenia Laboratoriu m 30 30 1,5 1,5 WYMAGANIA WSTĘPNE W ZAKRESIE WIEDZY, UMIEJĘTNOŚCI I INNYCH KOMPETENCJI CELE PRZEDMIOTU Zał. nr 4 do ZW WYDZIAŁ PODSTAWOWYCH PROBLEMÓW TECHNIKI KARTA PRZEDMIOTU Nazwa w języku polskim ELEMENTY TEORII GIER Nazwa w języku angielskim ELEMENTS OF GAME THEORY Kierunek studiów (jeśli dotyczy):

Bardziej szczegółowo

Jak zadbać o spójność nauczania matematyki między szkołą podstawową a gimnazjum?

Jak zadbać o spójność nauczania matematyki między szkołą podstawową a gimnazjum? Jak zadbać o spójność nauczania matematyki między szkołą podstawową a gimnazjum? Rok szkolny 2009/2010 2010/2011 2011/2012 2012/2013 P odstawa z XII 2008 P odstawa z VII 2007 kl. 1 KZ kl. 2,3 KZ kl. 1

Bardziej szczegółowo

studia na WETI PG na kierunku automatyka i robotyka Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej 1

studia na WETI PG na kierunku automatyka i robotyka Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej 1 Dlaczego warto podjąć studia na WETI PG na kierunku automatyka i robotyka Wydział Elektroniki, Telekomunikacji i Informatyki Politechniki Gdańskiej 1 Automatyka i robotyka Konkurs punktów: język polski

Bardziej szczegółowo

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań

Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Algorytm indukcji klasyfikatora za pomocą EA z automatycznym przełączaniem ukierunkowań Anna Manerowska, Michal Kozakiewicz 2.12.2009 1 Wstęp Jako projekt na przedmiot MEUM (Metody Ewolucyjne Uczenia Maszyn)

Bardziej szczegółowo

Sieci neuronowe (wprowadzenie)

Sieci neuronowe (wprowadzenie) Sieci neuronowe (wprowadzenie) Ryszard Tadeusiewicz Laboratorium Biocybernetyki Katedra Automatyki AGH Zacznijmy od formalnej definicji: sieć neuronowa to urządzenie techniczne lub algorytm, którego działanie

Bardziej szczegółowo

INSTYTUT NAUK EKONOMICZNYCH I INFORMATYKI Rozkład zajęć, Semestr zimowy, Kierunek INFORMATYKA PONIEDZIAŁEK

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

Bardziej szczegółowo

Filozofia w informatyce

Filozofia w informatyce Filozofia w informatyce Empiryczne aspekty informatyki (w kontekście badań nad sztuczną inteligencją) 6.12.2012 Paweł Polak (UPJPII, Centrum Kopernika Badań Interdyscyplinarnych) Zastrzegam, że rysunki

Bardziej szczegółowo

Metody Sztucznej Inteligencji II

Metody Sztucznej Inteligencji II 17 marca 2013 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką, która jest w stanie odbierać i przekazywać sygnały elektryczne. Neuron działanie Jeżeli wartość sygnału

Bardziej szczegółowo

Opis efektów kształcenia dla modułu zajęć

Opis efektów kształcenia dla modułu zajęć Nazwa modułu: Formalne podstawy informatyki Rok akademicki: 2013/2014 Kod: EIB-1-220-s Punkty ECTS: 2 Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Inżynieria Biomedyczna

Bardziej szczegółowo

Historia informatyki

Historia informatyki Spis treści 1 CZYM JEST INFORMATYKA... - 2-1.1 DEFINICJE INFORMATYKI...- 2-1.2 POJĘCIA ZWIĄZANE Z INFORMATYKĄ...- 2-2 ELEMENTY HISTORII INFORMATYKI... - 2-2.1 OD STAROŻYTNOŚCI DO ŚREDNIOWIECZA...- 2-2.2

Bardziej szczegółowo

Lista zagadnień kierunkowych pomocniczych w przygotowaniu do egzaminu dyplomowego magisterskiego Kierunek: Mechatronika

Lista zagadnień kierunkowych pomocniczych w przygotowaniu do egzaminu dyplomowego magisterskiego Kierunek: Mechatronika Lista zagadnień kierunkowych pomocniczych w przygotowaniu do Kierunek: Mechatronika 1. Materiały używane w budowie urządzeń precyzyjnych. 2. Rodzaje stali węglowych i stopowych, 3. Granica sprężystości

Bardziej szczegółowo

T2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01

T2A_W01 T2A_W01 T2A_W02 3 SI_W03 Posiada szeroką wiedzę w zakresie teorii grafów T2A_W01 Efekty dla studiów drugiego stopnia profil ogólnoakademicki, na kierunku Informatyka w języku polskim, na specjalnościach Metody sztucznej inteligencji oraz Projektowanie systemów CAD/CAM, na Wydziale

Bardziej szczegółowo

Informatyka w medycynie Punkt widzenia kardiologa

Informatyka w medycynie Punkt widzenia kardiologa Informatyka w medycynie Punkt widzenia kardiologa Lech Poloński Mariusz Gąsior Informatyka medyczna Dział informatyki zajmujący się jej zastosowaniem w ochronie zdrowia (medycynie) Stymulacja rozwoju informatyki

Bardziej szczegółowo