wykorzystywania analogii. Komputery natomiast maj a trudności z rozpoznawaniem odmiennych sytuacji,
|
|
- Monika Sawicka
- 7 lat temu
- Przeglądów:
Transkrypt
1 Sztuczna inteligencja Mianem sztucznej inteligencji (ang. Artificial Intelligence AI) można określić dziedzin e wiedzy zajmuj ac a si e poszukiwaniem technik rozwi azywania i ich formalnym sformu lowaniem pozwalaj acym na implementacj e maszynow a problemów trudnych, czyli takich które ludzie rozwi azuj a mniej lub bardziej wysilaj ac swój intelekt ale których dok ladnego i ogólnego algorytmu rozwi azania nie potrafi a podać. Nie jest to precyzyjna definicja. Czy to jest trudny problem: ? A to: M eżu, kup ladny kawa lek wo lowiny na pieczeń! Problem naprawd e mega trudny: przelać wod e ze szklanki do pojemnika. Dok ladniej: maj ac pod l aczon a do komputera kamer e wideo (niech b edzie dwie) i mechaniczn a rek e z palcami i przegubami, napisz program zdolny podnieść ze stolika szklank e z wod a, i przelać wod e do pojemnika. Dowoln a szklank e. Z dowolnego stolika. Do dowolnego pojemnika. Wprowadzenie do sztucznej inteligencji co to jest AI? 1 Poj ecie inteligencji, lub jej braku, bywa cz esto nadużywane. Inteligentnym budynkiem nazywa si e budynek wyposażony w system automatycznego sterowania ogrzewaniem. Czym jest a czym nie jest inteligencja? Jednocześnie cz esto g lupim (czyli: pozbawionym inteligencji) nazywa si e program komputerowy, poprawiaj acy na bież aco b l edy pope lniane przez (inteligentnego) cz lowieka w pisanym przez niego tekście, gdy program ten pope lni okazjonaln a pomy lk e i zaproponuje niew laściwy wyraz. Wprowadzenie do sztucznej inteligencji co to jest AI? 2 Co jest istot a inteligencji naturalnej? Komputery sa tanie i szybkie, maj a pot eżne i niezawodne pami eci, a przy tym sa dok ladne, nie myl a si e (no, powiedzmy), i nie m ecz a si e, zachowuj ac swoj a dok ladność przez wiele godzin pracy. W czym wi ec problem, co jest takiego w inteligencji cz lowieka, z czym maj a trudności komputery? Cz eściowo, problem tkwi w laśnie w tej wytrwa lej i niezawodnej dok ladności! Ludzie rozwi azuj a trudne problemy stosuj ac abstrakcj e wielopoziomow a analiz e problemu i zdolność nieschematycznej dekompozycji problemu, tzn. rozbijania wi ekszego problemu na mniejsze. Ich myślenie cechuje elastyczność zmienny punkt widzenia i myślenie wielokierunkowe. S a zdolni do efektywnego rozpoznawania wzorców, kojarzenia faktów, oraz wykorzystywania analogii. Komputery natomiast maj a trudności z rozpoznawaniem odmiennych sytuacji, zmian a sposobu myślenia, i dostosowaniem go do sytuacji. Algorytmy rozpoznawania wzorców mog a być efektywne jeśli s a bardzo wyspecjalizowane, ale wtedy przestaj a dzia lać gdy tylko zmienia si e sytuacja. Wprowadzenie do sztucznej inteligencji co to jest AI? 3 AI-entuzjaści i AI-sceptycy Sztuczna inteligencja ma swoich zwolenników i oponentów. Oponenci AI twierdz a, że sztucznej inteligencji nie da si e skonstruować, ponieważ inteligencja ma charakter nieobliczeniowy, i jest wy l aczn a domen a ludzkiego umys lu. Zaś istniej ace systemy praktyczne najwyraźniej nie maj a nic wspólnego z prawdziw a inteligencj a, skoro s a oparte na programach komputerowych, a te jedynie wykonuj a operacje na liczbach i symbolach. Sztuczna inteligencja ma charakter uciekaj acego celu. Gdy niektóre zadania stawiane dawniej przed ta nauk a zosta ly rozwi azane, oponenci AI stwierdzili, że rozwi azania tych problemów nie wymaga ly inteligencji, tylko by ly zwyczajnie nieznane. Przydatny by lby obiektywny test, pozwalaj acy stwierdzić, czy stworzono sztuczn a inteligencj e. Wprowadzenie do sztucznej inteligencji co to jest AI? 4
2 Test Turinga (ca 1950) Należy skonstruować system zamkni ety w odizolowanym pomieszczeniu i po l aczony z niezależnym obserwatorem terminalem komunikacyjnym (typu teletype). Operator może komunikować si e z systemem w j ezyku naturalnym, zadawać pytania, itp. Jednocześnie drugi terminal l aczy operatora z drugim pomieszczeniem, gdzie przy terminalu siedzi cz lowiek. Jeśli operator nie b edzie móg l na podstawie odpowiedzi uzyskiwanych od obu partnerów definitywnie stwierdzić który z nich jest systemem komputerowym, a który żywym cz lowiekiem, to system komputerowy należy uznać za inteligentny. Pomimo up lywu czasu test zachowuje aktualność, tzn. nie stworzono systemu, który by ten test bezdyskusyjnie zaliczy l. Wprowadzenie do sztucznej inteligencji test Turinga 5 Praktyczne aspekty testu Turinga Zrealizowanie testu Turinga w praktyce zależy od nast epuj acych czynników ludzkich: cz lowieka zadaj acego pytania, cz lowieka nadzoruj acego przebieg testu, i s edziów oceniaj acych otrzymane wyniki. Wprowadzaj a oni, że test jest subiektywny. Wprowadzenie do sztucznej inteligencji test Turinga 6 Konkursy zwi azane z testem Turinga Test Turinga jest pewn a abstrakcj a i nie ma jednoznacznych regu l. Jednak podejmowane s a próby jego praktycznej implementacji i zaliczenia testu. Na przyk lad, w 1990 roku Hugh Loebner ufundowa l nagrod e $100,000 i z loty medal dla pierwszego komputera, którego odpowiedzi w procedurze stanowi acej wersj e testu Turinga, b ed a wystarczaj aco nieodróżnialne od odpowiedzi cz lowieka. Regulaminy tych konkursów definiuj a treść i zakres komunikacji mi edzy uczestnikami a s edziami konkursu. Jednak ostatecznie to s edziowie decyduj a czy partner w konwersacji jest cz lowiekiem czy maszyn a. Zatem o wyniku takiego konkursu może zdecydować pomy lka (niedostateczna inteligencja?) s edziego. Na przyk lad, w innym konkursie zorganizowanym w 2014 dla uczczenia 60-tej rocznicy śmierci Turinga 33% s edziów uzna lo za cz lowieka rosyjski program Eugene Goostman udaj acy ukraińskiego ch lopca. Organizator konkursu og losi l, że test Turinga zosta l pokonany, co zosta lo wielokrotnie skrytykowane. W 2011 program Watson (IBM) pokona l dwóch finalistów-ludzi i wygra l $1M w grze telewizyjnej Jeopardy!, gdzie prowadz acy podaje has lo-sugesti e, a uczestnicy musz a potwierdzić jego zrozumienia przez sformu lowanie pytania. Wprowadzenie do sztucznej inteligencji test Turinga 7 Wprowadzenie do sztucznej inteligencji test Turinga 8
3 Szachy komputerowe Szachy sa gr a wymagaj ac a inteligencji i od zawsze stanowi ly wyzwanie i naturalny poligon dla technologii sztucznej inteligencji. Jednym z pierwszych programistów szachów komputerowych by l Alan Turing, który nie by l jednak w stanie uruchomić swojego programu na żadnym komputerze, ale wykonywa l go przez r eczn a symulacj e. W 1957 roku Herb Simon, jeden z pionierów sztucznej inteligencji przewidzia l, że w ci agu 10 lat komputer zostanie mistrzem szachowym. Istotnie si e przeliczy l. Po wielu latach wysi lków nad budow a algorytmów, programów, i specjalizowanych komputerów do gry w szachy, dopiero w 1997 po raz pierwszy komputer szachowy Deep Blue pokona l mistrza świata Gary Kasparowa w jednym meczu. Nie oznacza lo to jednak pe lnego zwyci estwa komputerów nad ludźmi w szachach. Przez kolejnych 10 lat szereg kolejnych budowanych programów walczy lo z najlepszymi szachistami ze zmiennym powodzeniem. W roku 2006 program Deep Frits pokona l w turnieju mistrza świata Wladimira Kramnika. Od tego czasu zainteresowanie rozgrywkami najlepszych programów z ludźmi zacz e lo spadać, co w jakiś sposób sygnalizuje zakończenie tej walki zwyci estwem komputerów. Wprowadzenie do sztucznej inteligencji szachy i inne gry 9 Inne gry Możnaby powiedzieć, że gry s a dla sztucznej inteligencji czymś takim jak wyścigi samochodowe dla przemys lu motoryzacyjnego. Od zawsze stanowi ly wyzwanie dla badaczy i programistów. Gdy jedna gra zostawa la rozpracowana badź teoretycznie, badź przez si lowe przeszukiwanie po l aczone ze sprytnymi technikami zainteresowanie przenosi lo si e na inne gry. W warcabach program po raz pierwszy pokona l mistrza świata w roku Nieco później warcaby zosta ly rozpracowane teoretycznie. Jeśli obie strony graj a optymaln a strategi a, to gra kończy si e remisem. W grze Othello najlepsze programy dominuj a nad ludźmi i rywalizacja nie ma sensu. Odwrotnie w grze go (1000 p.n.e.), gdzie liczba możliwych ruchów jest tak duża, że sensowna strategia musi być oparta na analizie logicznej, przewaga si ly obliczeniowej znika, i najlepsze programy graj a na poziomie amatorskim. Ciekawy wynik zosta l osi agni ety w grze Backgammon, gdzie program TDGammon (1992) osi agn a l poziom mistrzowski, dzi eki zdolności uczenia si e, a nie tylko implementacji najlepszych znanych strategii. Strategie odkryte przez program zosta ly później przyj ete przez ludzi. Wprowadzenie do sztucznej inteligencji szachy i inne gry 10 Przez wiele lat bastionem nie do zdobycia przez komputery by la gra go, która jest tak skomplikowana, że zdolność szybkiej analizy i sprawdzania wielu pozycji nie dawa la komputerom przewagi nad ludźmi. Do roku W marcu 2016 program AlphaGo napisany w Google u pokona l koreańskiego arcymistrza Lee Sedola zamykaj ac kolejny etap rywalizacji ludzi z maszynami. Wprowadzenie do sztucznej inteligencji szachy i inne gry 11 Wprowadzenie do sztucznej inteligencji szachy i inne gry 12
4 Silna i s laba sztuczna inteligencja W zwi azku z potencjaln a możliwości a zbudowania sztucznej inteligencji sformu lowano dwa poziomy realizacji tego celu. Hipoteza silnej sztucznej inteligencji postuluje możliwość zbudowania systemu rzeczywiście inteligentnego, zdolnego myśleć jak cz lowiek i posiadaj acego umys l. Hipoteza s labej sztucznej inteligencji polega na budowie systemów, które potrafi lyby dzia lać i rozwi azywać problemy w warunkach pe lnej z lożoności świata rzeczywistego, tak jakby umys l posiada ly i myśla ly. Rozróżnienie tych dwóch postulatów ma g lównie charakter filozoficzny i etyczny. Wprowadzenie do sztucznej inteligencji zadania 13 Cele AI W praktyce, celem badań i prac inżynierskich w zakresie sztucznej inteligencji sa: opracowanie obliczeniowej (algorytmicznej) teorii inteligencji, funkcjonowania ludzkiego mózgu, pami eci, świadomości, emocji, instynktów, itp. W tym sensie sztuczna inteligencja ma zwi azek z biologi a, psychologi a, filozofi a, jak również matematyk a i informatyk a, ale także innymi dziedzinami nauki i wiedzy. budowa inteligentnych systemów (komputerowych) do skutecznego rozwi azywania trudnych zagadnień, zdolnych funkcjonować w normalnym świecie W tym sensie sztuczna inteligencja musi wspó lpracować, poza informatyk a, z robotyk a, mechanik a, mechatronik a i szeregiem dziedzin inżynierskich. Wprowadzenie do sztucznej inteligencji zadania 14 Zadania do rozwi azania Pomi edzy innymi, sztuczna inteligencja musi zmierzyć si e z nast epuj acymi zadaniami: reprezentacja wiedzy aby móc przyjmować pojawiaj ace si e informacje o świecie, rozumieć je, konfrontować z już posiadan a wiedz a wnioskowanie aby wyci agać wnioski z pojawiaj acych si e informacji, i podejmować decyzje o dalszych dzia laniach uczenie si e dla dostosowania si e do nowo pojawiaj acych si e okoliczności, nieprzewidzianych przez twórców systemu, pojmowania nowych zjawisk, itp. rozumienie j ezyka naturalnego jest praktycznie niezb edne aby można by lo praktycznie sprawdzić zdolności systemu sztucznej inteligencji pos lugiwanie si e wizj a w celu samodzielnego pozyskiwania wiedzy o świecie robotyka czyli praktyczna konstrukcja systemu zdolnego poruszać si e i wykonywać dzia lania w świecie rzeczywistym Wprowadzenie do sztucznej inteligencji zadania 15 Wprowadzenie do sztucznej inteligencji zadania 16
5 Reprezentacja wiedzy Problem reprezentacji wiedzy jest centralny dla wszystkich dziedzin i technik sztucznej inteligencji. Polega on na stworzeniu/wyborze j ezyka umożliwiaj acego wyrażanie faktów, relacji, zależności, dzia lań, ich w lasności, znaczenia, skutków, i innych informacji o problemie i jego otoczeniu, które maj a lub mog a mieć zwi azek z jego rozwi azywaniem. Problemem jest wybór i użycie dobrego j ezyka reprezentacji wiedzy. Zastosowanie w laściwego j ezyka cz esto umożliwia efektywne znalezienie rozwi azania, podczas gdy zastosowanie niew laściwego j ezyka może je znacznie utrudnić lub uniemożliwić. Dobra reprezentacja wiedzy ma również znaczenie dla efektywności pracy cz lowieka nad problemem. Dobry j ezyk reprezentacji pozwala rozumieć si e nawzajem ludziom fachowcom reprezentuj acym różne dziedziny wiedzy, pracuj acym wspólnie nad problemem. Wprowadzenie do sztucznej inteligencji reprezentacja wiedzy 17 Wprowadzenie do sztucznej inteligencji reprezentacja wiedzy 18 Uczenie si e maszyn Mówimy, że agent sztucznej inteligencji uczy si e, jeśli poprawia wyniki swoich przysz lych dzia lań na podstawie obserwacji swojego środowiska i wyników dzia lań poprzednich. Dopuszczamy wi ec podzia l agentów sztucznej inteligencji na takich, którzy potrafi a si e uczyć, i takich, którzy tego nie potrafi a lub nie robi a. To może rodzić dwie w atpliwości. Po pierwsze, inteligencja naturalna niepodzielnie posiada zdolność uczenia si e, nie da si e oddzielić inteligentnego dzia lania i uczenia si e. Nie uznalibyśmy za inteligentnego cz lowieka, który nie uczy si e ze swoich doświadczeń, przynajmniej w najprostszy sposób. Dlaczego wi ec rozdzielamy te zdolności dla inteligencji sztucznej? Niestety, nie ma dobrej odpowiedzi na to pytanie. Prawie wszystkie najważniejsze paradygmaty sztucznej inteligencji dzia laj a bez uczenia si e. Zdolność uczenia si e musi być dodana. Wprowadzenie do sztucznej inteligencji uczenie si e maszyn 19 Czy maszynowe uczenie si e jest potrzebne? Pojawia si e wi ec druga w atpliwość: jeśli zdolność uczenia si e nie jest oczywista albo konieczna, to czy na pewno jest niezb edna? Być może algorytmy sztucznej inteligencji mog a być dopracowane w 100% do perfekcji, i agent sztucznej inteligencji nie b edzie już w stanie nic zyskać przez uczenie si e. Na to pytanie istnieje odpowiedź, i można wymienić szereg powodów. Wprowadzenie do sztucznej inteligencji uczenie si e maszyn 20
6 Czy maszynowe uczenie si e jest potrzebne? (2) Po pierwsze, twórcy systemów sztucznej inteligencji nie s a w stanie przewidzieć wszystkich możliwych sytuacji w jakich znajdzie si e system. Na przyk lad, robot poruszaj acy si e w labiryncie musi nauczyć si e topografii konkretnego labiryntu, w którym si e znajdzie. Po drugie, podobnie nie można przewidzieć wszystkich możliwych zmian w czasie. Np. program maj acy przewidywać zmiany kursów akcji musi nauczyć si e dostosować swoje przewidywania, gdy warunki zmieni a si e w nieoczekiwany sposób. Po trzecie, niekiedy programiści po prostu nie potrafi a zaprogramować pewnych rozwi azań. Na przyk lad, ludzie potrafi a sprawnie rozpoznawać twarze osób znajomych. Nie s a jednak znane żadne skuteczne algorytmy pozwalaj ace osi agn ać podobn a zdolność, z wyj atkiem za pomoc a metod maszynowego uczenia si e. Wprowadzenie do sztucznej inteligencji uczenie si e maszyn 21 Wprowadzenie do sztucznej inteligencji uczenie si e maszyn 22 Zastosowania komunikacja w j ezyku naturalnym Technologie przetwarzania j ezyka naturalnego: rozumienie tekstu, zamiana tekstu na reprezentacj e formaln a maszynowe t lumaczenie ekstrakcja informacji odpowiadanie na pytania klasyfikacja tekstu, filtrowanie spamu, itp. Technologie przetwarzania mowy: rozpoznawanie j ezyka mówionego (ASR) synteza mowy (TTS) systemy dialogowe Wprowadzenie do sztucznej inteligencji zastosowania 23 Zastosowania percepcja wizualna rozpoznawanie obiektów, znaków segmentacja sceny rekonstrukcja 3D klasyfikacja obrazów Wprowadzenie do sztucznej inteligencji zastosowania 24
7 Zastosowania robotyka Robotyka l aczy ze sob a elementy mechaniki i elektroniki (mechatronika), oraz sztucznej inteligencji. Gdy przyst epujemy do budowy robotów i ich testowania w świecie rzeczywistym, napotykamy problemy daleko wykraczaj ace poza opracowan a teori e. Zagadnienia, istniej ace technologie, zastosowania: planowanie dzia lań sterowanie pojazdami (chodz acymi, jeżdż acymi, lataj acymi) systemy ratunkowe roboty spo leczne opieka nad ludźmi jej wymagaj acymi Wprowadzenie do sztucznej inteligencji zastosowania 25 Wprowadzenie do sztucznej inteligencji zastosowania 26 Historia AI lata 50-te XX wieku idee XIX-wieczne (i wcześniejsze): filozofia, logika, prawdopodobieństwo, badania nad funkcjonowaniem mózgu ludzkiego lata 50-te XX wieku: powstanie AI zwi azane jest z powstaniem informatyki, j ezyk programowania LISP (McCarthy) rozwi azywanie lamig lówek, gry, klasyczne problemy typu: ma lpa i banany, misjonarze i ludożercy, i inne wczesne systemy: GPS (Newell, Shaw, Simon), program do gry w warcaby (Samuel) modele teoretyczne: perceptron (Minsky) Wprowadzenie do sztucznej inteligencji historia 27 Historia AI trzeci kwarta l XX wieku pojawienie si e metod sformalizowanych opartych na logice zwi azek z rozwojem robotyki: metody percepcji, planowanie dzia lań, uczenie si e po pocz atkowym wybuchu entuzjazmu zwi azanym z powstaniem wielu metod i nadziejach na szybkie osi a- gni ecie celów AI nadesz lo zrozumienie problemów z lożoności i bariery kombinatorycznej niedostatki logiki klasycznej: potrzeba rozumowania przybliżonego i robienia za lożeń w braku pewnej informacji rozumowanie oparte na zdrowym rozsadku Wprowadzenie do sztucznej inteligencji historia 28
8 Historia AI ostatni kwarta l XX wieku zastosowania praktyczne, również komercyjne dowodzenie twierdzeń i obliczenia symboliczne rozumienie j ezyka naturalnego, automatyczne t lumaczenie tekstów, rozumienie mowy automatyczne programowanie: konstrukcja i weryfikacja programów analiza informacji wizyjnej i sterowanie robotami (pojazdami) autonomicznymi eksperckie systemy doradcze dla wielu dziedzin: medycyna, geologia, projektowanie inżynierskie, ekonomia, finanse, itp. uczenie si e Wprowadzenie do sztucznej inteligencji historia 29 Historia AI wiek XXI Na razie prowizoryczna, wiek XXI jeszcze si e nie skończy l... Silny rozwój metod numerycznych, np. dla zagadnień CSP, zaskakuj ace spektakularne wyniki, rozwi azanie niektórych zagadnień trudnych w czasie wielomianowym, lub wr ecz liniowym, np. algorytm GSAT. W tym kontekście nabieraj a znaczenia algorytmy poddaj ace si e zrównoleglaniu. Silny rozwój metod statystycznych, np. przetwarzanie j ezyka naturalnego oparte na korpusach, i inne zastosowania. Rozwój metod opartych na modelach probabilistycznych, procesach Markowa, uczenie si e ze wzmocnieniem, itp. Zwi azki z ekonomi a (inteligentny agent musi dzia lać racjonalnie i ekonomicznie), teori a gier, itp. Metody reprezentacji wiedzy oparte na ontologiach przeżywaj a w XXI wieku odrodzenie i rozwijaj a si e praktycznie w kontekście Internetu, tzw. Semantic Web Initiative. Wprowadzenie do sztucznej inteligencji historia 30 Nadal popularne s a podejścia agentowe, w różnych kontekstach Pojawiaj a si e nowe dziedziny zastosowań, np. roboty spo leczne. Dalsze dziedziny oddzielaj a si e od sztucznej inteligencji i zaczynaj a żyć w lasnym życiem, np. dr ażenie danych. Sztuczna inteligencja przenika do życia praktycznego w różnych postaciach, od inteligentnych asystentów w pakietach oprogramowania, inteligentne systemy obs lugi klientów, systemy wspomagaj ace obs lug e różnych systemów, np. kierowanie samochodami, do systemów przeznaczonych do dzia lania na polu walki. Coraz wi ecej zastosowań sztucznej inteligencji rodzi dylematy, kiedy i w jakim stopniu proces decyzyjny może być przekazywany inteligentnym maszynom. Wprowadzenie do sztucznej inteligencji historia 31 Krótkie podsumowanie pytania sprawdzaj ace 1. Co to jest problem trudny? 2. Co to jest reprezentacja wiedzy? 3. Zdefiniuj dwa g lówne cele AI. 4. Czym sie różni silna AI od s labej? 5. Czy można powiedzieć, że test Turinga zosta l zaliczony, przynajmniej w jakimś stopniu? 6. Dlaczego metody maszynowego uczenia si e sa rozwijane w dodatku do podstawowych metod sztucznej inteligencji? Wprowadzenie do sztucznej inteligencji 32
Sztuczna inteligencja
Sztuczna inteligencja Mianem sztucznej inteligencji (ang. Artificial Intelligence AI) można określić dziedzine wiedzy zajmujac a sie poszukiwaniem technik rozwiazywania i ich formalnym sformu lowaniem
Bardziej szczegółowoCzym jest a czym nie jest inteligencja? Sztuczna inteligencja. AI-entuzjaści i AI-sceptycy. Praktyczne aspekty testu Turinga. Test Turinga (ca 1950)
Sztuczna inteligencja Mianem sztucznej inteligencji (ang. Artificial Intelligence AI) można określić dziedzine wiedzy zajmujac a sie poszukiwaniem technik rozwiazywania i ich formalnym sformu lowaniem
Bardziej szczegółowoSztuczna inteligencja
Sztuczna inteligencja Mianem sztucznej inteligencji (ang. Artificial Intelligence AI) można określić dziedzine wiedzy zajmujac a sie poszukiwaniem technik rozwiazywania i ich formalnym sformu lowaniem
Bardziej szczegółowoSztuczna inteligencja. Czym jest a czym nie jest inteligencja? AI-entuzjaści i AI-sceptycy
Sztuczna inteligencja Mianem sztucznej inteligencji (ang. Artificial Intelligence AI) można określić dziedzine wiedzy zajmujac a sie poszukiwaniem technik rozwiazywania i ich formalnym sformu lowaniem
Bardziej szczegółowoSYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ. Ewa Madalińska. na podstawie prac:
SYSTEM DIAGNOSTYCZNY OPARTY NA LOGICE DOMNIEMAŃ Ewa Madalińska na podstawie prac: [1] Lukaszewicz,W. (1988) Considerations on Default Logic: An Alternative Approach. Computational Intelligence, 44[1],
Bardziej szczegółowoO 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 szczegółowoO 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
Bardziej szczegółowoO 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
Bardziej szczegółowoSZTUCZNA INTELIGENCJA
Stefan Sokołowski SZTUCZNA INTELIGENCJA Inst Informatyki UG, Gdańsk, 2009/2010 Wykład1,17II2010,str1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: http://infugedupl/ stefan/dydaktyka/sztintel/
Bardziej szczegółowoStefan 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 szczegółowoWprowadzenie 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
Bardziej szczegółowoNarzędzia 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 szczegółowoFestiwal 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
Bardziej szczegółowoSztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych
Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych Plan wystąpienia Co to jest sztuczna inteligencja? Pojęcie słabej
Bardziej szczegółowozna metody matematyczne w zakresie niezbędnym do formalnego i ilościowego opisu, zrozumienia i modelowania problemów z różnych
Grupa efektów kierunkowych: Matematyka stosowana I stopnia - profil praktyczny (od 17 października 2014) Matematyka Stosowana I stopień spec. Matematyka nowoczesnych technologii stacjonarne 2015/2016Z
Bardziej szczegółowoMetoda Simplex bez użycia tabel simplex 29 kwietnia 2010
R. Rȩbowski 1 WPROWADZENIE Metoda Simplex bez użycia tabel simplex 29 kwietnia 2010 1 Wprowadzenie Powszechnie uważa siȩ, że metoda simplex, jako uniwersalny algorytm pozwalaj acyznaleźć rozwi azanie optymalne
Bardziej szczegółowoW rozpatrywanym tu przyk ladowym zagadnieniu 4x3 b edziemy przyjmować. Uczenie si e ze wzmocnieniem pasywne 3. γ = 1.
Uczenie si e ze wzmocnieniem W wielu dziedzinach trudno jest sformu lować precyzyjne funkcje oceny, pozwalaj ace agentowi ocenić skuteczność, lub poprawność jego akcji, z wyj atkiem gdy osi agnie on stan
Bardziej szczegółowoKierunek: Informatyka. Przedmiot:
Kierunek: Informatyka Przedmiot: ALGORYTMY I Z LOŻONOŚĆ Czas trwania: Przedmiot: Jezyk wyk ladowy: semestr III obowiazkowy polski Rodzaj zaj eć Wyk lad Laboratorium Prowadzacy Prof. dr hab. Wojciech Penczek
Bardziej szczegółowoSterowalność liniowych uk ladów sterowania
Sterowalność liniowych uk ladów sterowania W zadaniach sterowania docelowego należy przeprowadzić obiekt opisywany za pomoc a równania stanu z zadanego stanu pocz atkowego ẋ(t) = f(x(t), u(t), t), t [t,
Bardziej szczegółowoZastosowanie Robotów. Ćwiczenie 6. Mariusz Janusz-Bielecki. laboratorium
Zastosowanie Robotów laboratorium Ćwiczenie 6 Mariusz Janusz-Bielecki Zak lad Informatyki i Robotyki Wersja 0.002.01, 7 Listopada, 2005 Wst ep Do zadań inżynierów robotyków należa wszelkie dzia lania
Bardziej szczegółowoElementy 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 szczegółowoStatystyka w analizie i planowaniu eksperymentu
29 marca 2011 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoStatystyka w analizie i planowaniu eksperymentu
31 marca 2014 Przestrzeń statystyczna - podstawowe zadania statystyki Zdarzeniom losowym określonym na pewnej przestrzeni zdarzeń elementarnych Ω można zazwyczaj na wiele różnych sposobów przypisać jakieś
Bardziej szczegółowoSztuczna 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 szczegółowoHistoria sztucznej inteligencji. Przygotował: Konrad Słoniewski
Historia sztucznej inteligencji Przygotował: Konrad Słoniewski Prahistoria Mit o Pigmalionie Pandora ulepiona z gliny Talos olbrzym z brązu Starożytna Grecja System sylogizmów Arystotelesa (VI w. p.n.e.)
Bardziej szczegółowoPRZEWODNIK PO PRZEDMIOCIE
Nazwa przedmiotu: Kierunek: Informatyka Rodzaj przedmiotu: obowiązkowy w ramach treści kierunkowych, moduł kierunkowy oólny Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK
Bardziej szczegółowoFormacyjne znaczenie programowania w kształceniu menedżerów
Formacyjne znaczenie programowania w kształceniu menedżerów Wojciech Cellary Katedra Technologii Informacyjnych Uniwersytet Ekonomiczny w Poznaniu al. Niepodległości 10, 61-875 Poznań cellary@kti.ue.poznan.pl
Bardziej szczegółowoZESPÓŁ SZKÓŁ ELEKTRYCZNYCH NR
TECHNIK MECHATRONIK ZESPÓŁ SZKÓŁ ELEKTRYCZNYCH NR 2 os. SZKOLNE 26 31-977 KRAKÓW www.elektryk2.i365.pl Spis treści: 1. Charakterystyka zawodu 3 2. Dlaczego technik mechatronik? 5 3. Jakie warunki musisz
Bardziej szczegółowoOpis efektów kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA. rozumie cywilizacyjne znaczenie matematyki i jej zastosowań
TABELA ODNIESIEŃ EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA PROGRAMU KSZTAŁCENIA DO EFEKTÓW KSZTAŁCENIA OKREŚLONYCH DLA OBSZARU KSZTAŁCENIA I PROFILU STUDIÓW PROGRAM KSZTAŁCENIA: POZIOM KSZTAŁCENIA: PROFIL KSZTAŁCENIA:
Bardziej szczegółowoElementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta
Elementy kognitywistyki II: Sztuczna inteligencja WYKŁAD III: Problemy agenta To już było: AI to dziedzina zajmująca się projektowaniem agentów Określenie agenta i agenta racjonalnego Charakterystyka PAGE
Bardziej szczegółowoJeden przyk lad... czyli dlaczego warto wybrać MIESI.
Jeden przyk lad... czyli dlaczego warto wybrać MIESI. Micha l Ramsza Szko la G lówna Handlowa Micha l Ramsza (Szko la G lówna Handlowa) Jeden przyk lad... czyli dlaczego warto wybrać MIESI. 1 / 13 Dlaczego
Bardziej szczegółowoInteligencja. Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych
Wstęp Inteligencja Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych inteligencja psych. zdolność rozumienia, kojarzenia; pojętność, bystrość; zdolność znajdowania właściwych, celowych
Bardziej szczegółowoMetody Sztucznej Inteligencji Methods of Artificial Intelligence. Elektrotechnika II stopień ogólno akademicki. niestacjonarne. przedmiot kierunkowy
Załącznik nr 7 do Zarządzenia Rektora nr 10/12 z dnia 21 lutego 2012r. KARTA MODUŁU / KARTA PRZEDMIOTU Kod modułu Nazwa modułu Nazwa modułu w języku angielskim Obowiązuje od roku akademickiego 2012/2013
Bardziej szczegółowoSymbol efektu kształcenia
Efekty dla studiów drugiego stopnia - profil ogólnoakademicki, na kierunku Informatyka, na specjalnościach Metody sztucznej inteligencji (Tabela 1), Projektowanie systemów CAD/CAM (Tabela 2) oraz Przetwarzanie
Bardziej szczegółowoParadygmaty programowania. Paradygmaty programowania
Paradygmaty programowania Paradygmaty programowania Dr inż. Andrzej Grosser Cz estochowa, 2013 2 Spis treści 1. Zadanie 1 5 1.1. Wprowadzenie.................................. 5 1.2. Wskazówki do zadania..............................
Bardziej szczegółowokomputery? Andrzej Skowron, Hung Son Nguyen Instytut Matematyki, Wydział MIM, UW
Czego moga się nauczyć komputery? Andrzej Skowron, Hung Son Nguyen son@mimuw.edu.pl; skowron@mimuw.edu.pl Instytut Matematyki, Wydział MIM, UW colt.tex Czego mogą się nauczyć komputery? Andrzej Skowron,
Bardziej szczegółowoKierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia
Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2016/2017 Język wykładowy:
Bardziej szczegółowoUniwersytet 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 szczegółowoPodstawy sztucznej inteligencji
wykład I Czym jest SI? Przeszukiwanie problemy oraz jak je rozwiązywać 13 październik 2011 Plan wykładu Od inteligencji naturalnej do sztucznej? Przyjrzyjmy się krótko historii 1 Czym jest sztuczna inteligencja?
Bardziej szczegółowoSztuczna 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 szczegółowoInteligentne Multimedialne Systemy Uczące
Działanie realizowane w ramach projektu Absolwent informatyki lub matematyki specjalistą na rynku pracy Matematyka i informatyka może i trudne, ale nie nudne Inteligentne Multimedialne Systemy Uczące dr
Bardziej szczegółowoJak matematyka pomaga w wyszukiwanie wzorca
Jak matematyka pomaga w wyszukiwanie wzorca Artur Jeż 28 września 2011 Artur Jeż Matematyka i wyszukiwanie wzorca 28 IX 2011 1 / 18 Wiek nauki Artur Jeż Matematyka i wyszukiwanie wzorca 28 IX 2011 2 /
Bardziej szczegółowoMATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś. Wprowadzenie
1 MATEMATYKA DYSKRETNA - wyk lad 1 dr inż Krzysztof Bryś Wprowadzenie Istniej a dwa różne kryteria mówi ace, które narzȩdzia matematyczne należy zaliczyć do matematyki dyskretnej. Pierwsze definiuje matematykȩ
Bardziej szczegółowoLogika matematyczna i teoria mnogości (I) J. de Lucas
Logika matematyczna i teoria mnogości (I) J. de Lucas Ćwiczenie 1. (Zad. L. Newelskiego) Niech p oznacza zdanie Ala je, zaś q zdanie As wyje. Zapisz jako formu ly rachunku zdań nastȩpuj ace zdania: 1.1.
Bardziej szczegółowoSztuczna 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 szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział: Matematyki Kierunek studiów: Matematyka i Statystyka (MiS) Studia w j. polskim Stopień studiów: Pierwszy (1) Profil: Ogólnoakademicki (A) Umiejscowienie kierunku
Bardziej szczegółowoANALIZA II 15 marca 2014 Semestr letni. Ćwiczenie 1. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la?
Ci ag lość i norma Ćwiczenie. Czy dan a funkcjȩ da siȩ dookreślić w punkcie (0, 0) tak, żeby otrzymana funkcja by la ci ag la? f (x, y) = x2 y 2 x 2 + y 2, f 2(x, y) = x2 y x 2 + y 2 f 3 (x, y) = x2 y
Bardziej szczegółowoJAKIEGO 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
Bardziej szczegółowo[1] [2] [3] [4] [5] [6] Wiedza
3) Efekty dla studiów drugiego stopnia - profil ogólnoakademicki na kierunku Informatyka w języku angielskim (Computer Science) na specjalności Sztuczna inteligencja (Artificial Intelligence) na Wydziale
Bardziej szczegółowoArchipelag Sztucznej Inteligencji
Archipelag Sztucznej Inteligencji Istniejące metody sztucznej inteligencji mają ze sobą zwykle niewiele wspólnego, więc można je sobie wyobrażać jako archipelag wysp, a nie jako fragment stałego lądu.
Bardziej szczegółowoPierwsze kolokwium z Matematyki I 4. listopada 2013 r. J. de Lucas
Pierwsze kolokwium z Matematyki I 4. listopada 03 r. J. de Lucas Uwagi organizacyjne: Każde zadanie rozwi azujemy na osobnej kartce, opatrzonej imieniem i nazwiskiem w lasnym oraz osoby prowadz acej ćwiczenia,
Bardziej szczegółowoT2A_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 szczegółowoAlan 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 szczegółowoTematy projektów z Metod Sztucznej Inteligencji
dr inż. Jerzy Martyna Tematy projektów z Metod Sztucznej Inteligencji 1) Projekt regulatora rozmytego W oparciu o zbiory rozmyte projekt dotyczy konstrukcji regulatora P, PD, PI, PID i jego analizy. 2)
Bardziej szczegółowoPochodne cz ¾astkowe i ich zastosowanie.
Pochodne cz ¾astkowe i ich zastosowanie. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Pochodne cz ¾astkowe i ich zastosowanie. maj 2013 1 / 18 Zanim przejdziemy do omawiania pochodnych funkcji wielu zmiennych
Bardziej szczegółowoAnaliza zrekonstruowanych śladów w danych pp 13 TeV
Analiza zrekonstruowanych śladów w danych pp 13 TeV Odtwarzanie rozk ladów za pomoc a danych Monte Carlo Jakub Cholewiński, pod opiek a dr hab. Krzysztofa Woźniaka 31 lipca 2015 r. Jakub Cholewiński, pod
Bardziej szczegółowoEFEKTY UCZENIA SIĘ DLA KIERUNKU INŻYNIERIA DANYCH W ODNIESIENIU DO EFEKTÓW UCZENIA SIĘ PRK POZIOM 6
EFEKTY UCZENIA SIĘ DLA KIERUNKU INŻYNIERIA DANYCH W ODNIESIENIU DO EFEKTÓW UCZENIA SIĘ PRK POZIOM 6 studia pierwszego stopnia o profilu ogólnoakademickim Symbol K_W01 Po ukończeniu studiów pierwszego stopnia
Bardziej szczegółowoSztuczna Inteligencja i Systemy Doradcze
Sztuczna Inteligencja i Systemy Doradcze Wprowadzenie Wprowadzenie 1 Program przedmiotu Poszukiwanie rozwiązań w przestrzeni stanów Strategie w grach Systemy decyzyjne i uczenie maszynowe Wnioskowanie
Bardziej szczegółowoKIERUNKOWE EFEKTY KSZTAŁCENIA
Załącznik nr 4 do uchwały Senatu PK nr 104/d/11/2017 z dnia 22 listopada 2017 r. Politechnika Krakowska im. Tadeusza Kościuszki w Krakowie Nazwa wydziału lub wydziałów: Wydział Fizyki, Matematyki i Informatyki
Bardziej szczegółowo20PLN dla pierwszych 50 sztuk oraz 15PLN dla dalszych. Zysk ze sprzedaży biurka wynosi 40PLN dla pierwszych 20 sztuk oraz 50PLN dla dalszych.
Z1. Sformu lować model dla optymalnego planowania produkcji w nast epujacych warunkach: Wytwórca mebli potrzebuje określić, ile sto lów, krzese l i biurek powinien produkować, aby optymalnie wykorzystać
Bardziej szczegółowoMetody numeryczne i statystyka dla in»ynierów
Kierunek: Automatyka i Robotyka, II rok Wprowadzenie PWSZ Gªogów, 2009 Plan wykªadów Wprowadzenie, podanie zagadnie«, poj cie metody numerycznej i algorytmu numerycznego, obszar zainteresowa«i stosowalno±ci
Bardziej szczegółowoSztuczna inteligencja i uczenie maszynowe w robotyce i systemach autonomicznych: AI/ML w robotyce, robotyka w AI/ML
Sztuczna inteligencja i uczenie maszynowe w robotyce i systemach autonomicznych: AI/ML w robotyce, robotyka w AI/ML Piotr Skrzypczyński Instytut Automatyki, Robotyki i Inżynierii Informatycznej, Politechnika
Bardziej szczegółowoJazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji
Jazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji data aktualizacji: 2017.10.11 Delphi Kraków Rozwój jazdy autonomicznej zmienia krajobraz technologii transportu w sposób tak dynamiczny,
Bardziej szczegółowoGrupy i cia la, liczby zespolone
Rozdzia l 1 Grupy i cia la, liczby zespolone Dla ustalenia uwagi, b edziemy używać nast epuj acych oznaczeń: N = { 1, 2, 3,... } - liczby naturalne, Z = { 0, ±1, ±2,... } - liczby ca lkowite, W = { m n
Bardziej szczegółowoElementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań
Elementy logiki i teorii mnogości Wyk lad 1: Rachunek zdań Micha l Ziembowski m.ziembowski@mini.pw.edu.pl www.mini.pw.edu.pl/ ziembowskim/ October 2, 2016 M. Ziembowski (WUoT) Elementy logiki i teorii
Bardziej szczegółowoProgramowanie generyczne w C++
Bardzo szablonowa prezentacja Zak lad Metod Obliczeniowych Chemii UJ 1 wrzesnia 2005 1 2 3 4 Co to jest? Przyk lad Zastosowania 5 S lowniczek Plan Programowanie generyczne Polega na mo_zliwosci deniowania
Bardziej szczegółowoOrganizacja zaj. Organizacja zaj. et i oprogramowanie. szeregowanie zadań, Interfejsy i komunikacja. Systemy wieloprocesorowe. sztuczna inteligencja,
Kontakt Dyżury dla studentów prof. dr hab. inż. Joanna Józefowska Instytut Informatyki Politechnika Poznańska wtorek godz. 14.00-15.00 p. 436WE ul. Piotrowo 3a tel. 0-61 6652369 jjozefowska@cs.put.poznan.pl
Bardziej szczegółowoWieloprogramowy system komputerowy
Wieloprogramowy system komputerowy sprzet: procesor(y), pamieć(i), lacza i magistrale komunikacyjne, urzadzenia wejścia/wyjścia system operacyjny obs luguje i zarzadza sprzetem, umożliwia prace i korzystanie
Bardziej szczegółowoEfekt kształcenia. Wiedza
Efekty dla studiów drugiego stopnia profil ogólnoakademicki na kierunku Informatyka na specjalności Przetwarzanie i analiza danych, na Wydziale Matematyki i Nauk Informacyjnych, gdzie: * Odniesienie oznacza
Bardziej szczegółowoKierunek: Automatyka i Robotyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia
Wydział: Elektrotechniki, Automatyki, Informatyki i Inżynierii Biomedycznej Kierunek: Automatyka i Robotyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 2015/2016 Język wykładowy:
Bardziej szczegółowoZagadnienia 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 szczegółowoSuma i przeciȩcie podprzestrzeń, suma prosta, przestrzeń ilorazowa Javier de Lucas
Suma i przeciȩcie podprzestrzeń suma prosta przestrzeń ilorazowa Javier de Lucas Ćwiczenie 1 W zależności od wartości parametru p podaj wymiar przestrzeni W = v 1 v v 3 gdzie p 0 v 1 = 1 + p 3 v = 5 3
Bardziej szczegółowoP. Urzyczyn: Materia ly do wyk ladu z semantyki. Uproszczony 1 j. ezyk PCF
29 kwietnia 2013, godzina 23: 56 strona 1 P. Urzyczyn: Materia ly do wyk ladu z semantyki Uproszczony 1 j ezyk PCF Sk ladnia: Poniżej Γ oznacza otoczenie typowe, czyli zbiór deklaracji postaci (x : τ).
Bardziej szczegółowoSztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011
Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011 Przedmowa. CZĘŚĆ I: WPROWADZENIE 1. Komputer 1.1. Kółko i krzyżyk 1.2. Kodowanie 1.3. Odrobina fantazji
Bardziej szczegółowoKarta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2012/2013. Forma studiów: Niestacjonarne Kod kierunku: 11.
Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Instytut Techniczny Karta przedmiotu obowiązuje studentów rozpoczynających studia w roku akademickim 01/013 Kierunek studiów: Informatyka Profil: Ogólnoakademicki
Bardziej szczegółowoWstęp 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 szczegółowoNiech X bȩdzie dowolnym zbiorem. Dobry porz adek to relacja P X X (bȩdziemy pisać x y zamiast x, y P ) o w lasnościach:
Teoria miary WPPT IIr semestr zimowy 2009 Wyk lad 4 Liczby kardynalne, indukcja pozaskończona DOBRY PORZA DEK 14/10/09 Niech X bȩdzie dowolnym zbiorem Dobry porz adek to relacja P X X (bȩdziemy pisać x
Bardziej szczegółowoInnowacja pedagogiczna dla uczniów pierwszej klasy gimnazjum Programowanie
Innowacja pedagogiczna dla uczniów pierwszej klasy gimnazjum Programowanie Opracował Ireneusz Trębacz 1 WSTĘP Dlaczego warto uczyć się programowania? Żyjemy w społeczeństwie, które coraz bardziej się informatyzuje.
Bardziej szczegółowoprawda 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
Bardziej szczegółowoAlgorytm. 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 szczegółowoKarta przedmiotu. obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017. Forma studiów: Stacjonarne Kod kierunku: 11.
Państwowa Wyższa Szko la Zawodowa w Nowym Sa czu Karta przedmiotu Instytut Techniczny obowiązuje studentów rozpoczynających studia w roku akademickim 2016/2017 Kierunek studiów: Informatyka Profil: Praktyczny
Bardziej szczegółowoEfekt 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-
Bardziej szczegółowoKatedra 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 szczegółowoEkstrema funkcji wielu zmiennych.
Ekstrema funkcji wielu zmiennych. Adam Kiersztyn Lublin 2013 Adam Kiersztyn () Ekstrema funkcji wielu zmiennych. kwiecień 2013 1 / 13 Niech dana b ¾edzie funkcja f (x, y) określona w pewnym otoczeniu punktu
Bardziej szczegółowoOdniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol
KIERUNKOWE EFEKTY KSZTAŁCENIA Wydział Informatyki i Zarządzania Kierunek studiów INFORMATYKA (INF) Stopień studiów - pierwszy Profil studiów - ogólnoakademicki Projekt v1.0 z 18.02.2015 Odniesienie do
Bardziej szczegółowoM 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
Bardziej szczegółowoWYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA KIERUNEK: MATEMATYKA, SPS WIEDZA
WYKAZ KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA KIERUNEK: MATEMATYKA, SPS Symbol kierunkowego efektu kształcenia Efekty kształcenia dla programu kształcenia (kierunkowe efekty kształcenia) WIEDZA K1_W01 K1_W02
Bardziej szczegółowoPLAN STUDIÓW STACJONARNYCH PIERWSZEGO STOPNIA DLA KIERUNKU MATEMATYKA NA WYDZIALE MATEMATYKI, INFORMATYKI I EKONOMETRII UNIWERSYTETU ZIELONOGÓRSKIEGO
PLAN STUDIÓW STACJONARNYCH PIERWSZEGO STOPNIA DLA KIERUNKU MATEMATYKA NA WYDZIALE MATEMATYKI, INFORMATYKI I EKONOMETRII UNIWERSYTETU ZIELONOGÓRSKIEGO rekrutacja w roku akademickim 2011/2012 Zatwierdzono:
Bardziej szczegółowoWyk lad 14 Cia la i ich w lasności
Wyk lad 4 Cia la i ich w lasności Charakterystyka cia la Określenie cia la i w lasności dzia lań w ciele y ly omówione na algerze liniowej. Stosujac terminologie z teorii pierścieni możemy powiedzieć,
Bardziej szczegółowoSystemy Agentowe główne cechy. Mariusz.Matuszek WETI PG
Systemy Agentowe główne cechy Mariusz.Matuszek WETI PG Definicja agenta Wiele definicji, w zależności od rozpatrywanego zakresu zastosowań. Popularna definicja: Jednostka obliczeniowa (program, robot),
Bardziej szczegółowoMetody numeryczne w przykładach
Metody numeryczne w przykładach Bartosz Ziemkiewicz Wydział Matematyki i Informatyki UMK, Toruń Regionalne Koło Matematyczne 8 kwietnia 2010 r. Bartosz Ziemkiewicz (WMiI UMK) Metody numeryczne w przykładach
Bardziej szczegółowoĆwiczenie nr 520: Metody interpolacyjne planowania ruchu manipulatorów
Zak lad Podstaw Cybernetyki i Robotyki PWr, Laboratorium Robotyki, C-3, 010 Ćwiczenie nr 520: Metody interpolacyjne planowania ruchu manipulatorów 1 Wst ep Celem ćwiczenia jest zapoznanie studentów z metodami
Bardziej szczegółowoSłowo mechatronika powstało z połączenia części słów angielskich MECHAnism i electronics. Za datę powstania słowa mechatronika można przyjąć rok
Słowo mechatronika powstało z połączenia części słów angielskich MECHAnism i electronics. Za datę powstania słowa mechatronika można przyjąć rok 1969, gdy w firmie Yasakawa Electronic z Japonii wszczęto
Bardziej szczegółowoStruktury danych i złożoność obliczeniowa Wykład 5. Prof. dr hab. inż. Jan Magott
Struktury danych i złożoność obliczeniowa Wykład 5 Prof. dr hab. inż. Jan Magott DMT rozwiązuje problem decyzyjny π przy kodowaniu e w co najwyżej wielomianowym czasie, jeśli dla wszystkich łańcuchów wejściowych
Bardziej szczegółowoINFORMATYKA. PLAN STUDIÓW STACJONARNYCH INŻYNIERSKICH 1-go STOPNIA STUDIA ROZPOCZYNAJĄCE SIĘ W ROKU AKADEMICKIM 2019/2020.
PLAN STUDIÓ STACJONARNYCH INŻYNIERSKICH 1-go STOPNIA 2019-2023 STUDIA ROZPOCZYNAJĄCE SIĘ ROKU AKADEMICKIM 2019/2020 Semestr I stęp do matematyki 20 20 zal z oc. 3 Podstawy programowania* 20 45 65 zal z
Bardziej szczegółowoS PECJALNO S C I NTELIGENTNE S YSTEMY D ECYZYJNE
KATEDRA SYSTEMÓW DECYZYJNYCH POLITECHNIKA GDA N SKA S PECJALNO S C I NTELIGENTNE S YSTEMY D ECYZYJNE prof. dr hab. inz. Zdzisław Kowalczuk Katedra Systemów Decyzyjnych Wydział Elektroniki Telekomunikacji
Bardziej szczegółowoKierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne. Wykład Ćwiczenia
Wydział: Informatyki, Elektroniki i Telekomunikacji Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma i tryb studiów: Stacjonarne Rocznik: 217/218 Język wykładowy: Polski Semestr 1 IIN-1-13-s
Bardziej szczegółowo1. Zajęcia pozalekcyjne Logomocja. 2. Zajęcia pozalekcyjne - Robotyka
Numer i nazwa priorytetu: IX. Rozwój wykształcenia i kompetencji w regionach Działanie 9.1 Wyrównywanie szans edukacyjnych i zapewnienie wysokiej jakości usług edukacyjnych świadczonych w systemie oświaty
Bardziej szczegółowoKierunek 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 szczegółowoKierunek: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