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

Transkrypt

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

2 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: stefan/dydaktyka/sztintel/

3 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: stefan/dydaktyka/sztintel/ szkicowy program wykładu

4 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: stefan/dydaktyka/sztintel/ szkicowy program wykładu spis literatury

5 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: stefan/dydaktyka/sztintel/ szkicowy program wykładu spis literatury slajdy do wykładów warto robić notatki, ale nie warto przepisywać slajdów z ekranu

6 Wykład1,17II2010,str.1 SZTUCZNA INTELIGENCJA reguły gry Zasadnicze informacje: stefan/dydaktyka/sztintel/ szkicowy program wykładu spis literatury slajdy do wykładów warto robić notatki, ale nie warto przepisywać slajdów z ekranu zadania z laboratorium itd.

7 Co to jest inteligencja? Wykład1,17II2010,str.2

8 Co to jest inteligencja? Wykład1,17II2010,str.2 Witryna podaje 15 różnych definicji inteligencji.

9 Co to jest inteligencja? Wykład1,17II2010,str.2 Witryna podaje 15 różnych definicji inteligencji. Np.: Inteligencja to ogólna zdolność adaptacji do nowych warunków i wykonywania nowych zadań przez wykorzystanie środków myślenia.(stern, wytłuszczenia moje)

10 Co to jest inteligencja? Wykład1,17II2010,str.2 Witryna podaje 15 różnych definicji inteligencji. Np.: Inteligencja to ogólna zdolność adaptacji do nowych warunków i wykonywania nowych zadań przez wykorzystanie środków myślenia.(stern, wytłuszczenia moje) Inteligencja to to, co mierzą testy inteligencji.(boring)

11 Co to jest inteligencja? Wykład1,17II2010,str.2 Witryna podaje 15 różnych definicji inteligencji. Np.: Inteligencja to ogólna zdolność adaptacji do nowych warunków i wykonywania nowych zadań przez wykorzystanie środków myślenia.(stern, wytłuszczenia moje) Inteligencja to to, co mierzą testy inteligencji.(boring) Inteligencja to zdolność do przetwarzania informacji na poziomie abstrakcyjnych idei(np. umiejętność dokonywania obliczeń matematycznychlubgrywszachy).

12 Co to jest inteligencja? Wykład1,17II2010,str.2 Witryna podaje 15 różnych definicji inteligencji. Np.: Inteligencja to ogólna zdolność adaptacji do nowych warunków i wykonywania nowych zadań przez wykorzystanie środków myślenia.(stern, wytłuszczenia moje) Inteligencja to to, co mierzą testy inteligencji.(boring) Inteligencja to zdolność do przetwarzania informacji na poziomie abstrakcyjnych idei(np. umiejętność dokonywania obliczeń matematycznychlubgrywszachy). Żadna z definicji psychologicznych(z wyjątkiem żartu Boringa) nie daje możliwości stwierdzenia z zewnątrz, czy dany człowiek/zwierzę/maszyna wykazuje inteligencję.

13 Co to jest inteligencja? Wykład1,17II2010,str.3 Turing(1950): jeśli coś zachowuje się jak człowiek inteligentny, to jest inteligentne.

14 Co to jest inteligencja? Wykład1,17II2010,str.3 Turing(1950): jeśli coś zachowuje się jak człowiek inteligentny, to jest inteligentne. Test Turinga

15 Co to jest inteligencja? Wykład1,17II2010,str.3 Turing(1950): jeśli coś zachowuje się jak człowiek inteligentny, to jest inteligentne. Test Turinga: arbiter-człowiek zadaje pytania, odpowiada losowo albo pomocnik-człowiek albo badane urządzenie, arbiter zgaduje, od kogo dostał odpowiedź. Urządzenie przechodzi test Turinga, jeśli arbiter poprawniezgadłwniewięcejniżpołowie przypadków.

16 Co to jest inteligencja? Wykład1,17II2010,str.3 Turing(1950): jeśli coś zachowuje się jak człowiek inteligentny, to jest inteligentne. Test Turinga: POMOCNIK arbiter-człowiek zadaje pytania, odpowiada losowo albo pomocnik-człowiek albo badane urządzenie, arbiter zgaduje, od kogo dostał odpowiedź. Urządzenie przechodzi test Turinga, jeśli arbiter poprawniezgadłwniewięcejniżpołowie przypadków.

17 Co to jest inteligencja? Wykład1,17II2010,str.3 Turing(1950): jeśli coś zachowuje się jak człowiek inteligentny, to jest inteligentne. Test Turinga: ARBITER POMOCNIK arbiter-człowiek zadaje pytania, odpowiada losowo albo pomocnik-człowiek albo badane urządzenie, arbiter zgaduje, od kogo dostał odpowiedź. Urządzenie przechodzi test Turinga, jeśli arbiter poprawniezgadłwniewięcejniżpołowie przypadków.

18 Co to jest inteligencja? Wykład1,17II2010,str.3 Turing(1950): jeśli coś zachowuje się jak człowiek inteligentny, to jest inteligentne. Test Turinga: ARBITER? arbiter-człowiek zadaje pytania, odpowiada losowo albo pomocnik-człowiek albo badane urządzenie, arbiter zgaduje, od kogo dostał odpowiedź. POMOCNIK Urządzenie przechodzi test Turinga, jeśli arbiter poprawniezgadłwniewięcejniżpołowie przypadków.

23 Co to jest inteligencja? Wykład1,17II2010,str.4 Krytyka testu Turinga jako probierza inteligencji

24 Co to jest inteligencja? Wykład1,17II2010,str.4 Krytyka testu Turinga jako probierza inteligencji Umiejętność imitowania człowieka w prowadzeniu konwersacji może być czymś znacznie mniejszym niż inteligencja.

25 Co to jest inteligencja? Wykład1,17II2010,str.4 Krytyka testu Turinga jako probierza inteligencji Umiejętność imitowania człowieka w prowadzeniu konwersacji może być czymś znacznie mniejszym niż inteligencja. Maszyna/zwierzę może być inteligentne, a i tak nie posiadać umiejętności używania języka naturalnego.

26 Co to jest inteligencja? Wykład1,17II2010,str.4 Krytyka testu Turinga jako probierza inteligencji Umiejętność imitowania człowieka w prowadzeniu konwersacji może być czymś znacznie mniejszym niż inteligencja. Maszyna/zwierzę może być inteligentne, a i tak nie posiadać umiejętności używania języka naturalnego. Wiele ludzi mogłoby nie przejść testu; wystarczy, żeby arbiter dobrze znał pomocnika...

27 Co to jest inteligencja? Wykład1,17II2010,str.4 Krytyka testu Turinga jako probierza inteligencji Umiejętność imitowania człowieka w prowadzeniu konwersacji może być czymś znacznie mniejszym niż inteligencja. Maszyna/zwierzę może być inteligentne, a i tak nie posiadać umiejętności używania języka naturalnego. Wiele ludzi mogłoby nie przejść testu; wystarczy, żeby arbiter dobrze znał pomocnika... Dla przejścia testu maszyna musiałaby czasem udawać brak wiedzy; np. nie zdradzić się z umiejętnością szybkiego wykonywania obliczeń.

28 Co to jest inteligencja? Wykład1,17II2010,str.5 Pierwszy(bardzo prosty) program napisany po to, żeby zaliczyć test Turinga: Eliza, 1966, Weizenbaum.

29 Co to jest inteligencja? Wykład1,17II2010,str.5 Pierwszy(bardzo prosty) program napisany po to, żeby zaliczyć test Turinga: Eliza, 1966, Weizenbaum. Obecnie istnieje wiele chatbotów prowadzących konwersację w języku naturalnym.

30 Co to jest inteligencja? Wykład1,17II2010,str.5 Pierwszy(bardzo prosty) program napisany po to, żeby zaliczyć test Turinga: Eliza, 1966, Weizenbaum. Obecnie istnieje wiele chatbotów prowadzących konwersację w języku naturalnym. Spis publicznie dostępnych: Natural_Language/Chatterbots/

31 Co to jest inteligencja? Wykład1,17II2010,str.5 Pierwszy(bardzo prosty) program napisany po to, żeby zaliczyć test Turinga: Eliza, 1966, Weizenbaum. Obecnie istnieje wiele chatbotów prowadzących konwersację w języku naturalnym. Spis publicznie dostępnych: Spis polskich: Natural_Language/Chatterbots/

32 Co to jest inteligencja? Wykład1,17II2010,str.5 Pierwszy(bardzo prosty) program napisany po to, żeby zaliczyć test Turinga: Eliza, 1966, Weizenbaum. Obecnie istnieje wiele chatbotów prowadzących konwersację w języku naturalnym. Spis publicznie dostępnych: Spis polskich: Natural_Language/Chatterbots/ Ale dotąd żaden komputer nie zaliczył testu Turinga.

33 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.6 Definicje z do wyboru

34 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.6 Definicje z do wyboru: dział informatyki, którego przedmiotem jest badanie reguł rządzących inteligentnymi zachowaniami człowieka, tworzenie modeli formalnych tych zachowań

35 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.6 Definicje z do wyboru: dział informatyki, którego przedmiotem jest badanie reguł rządzących inteligentnymi zachowaniami człowieka, tworzenie modeli formalnych tych zachowań i w rezultacie programów komputerowych symulujących te zachowania;

36 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.6 Definicje z do wyboru: dział informatyki, którego przedmiotem jest badanie reguł rządzących inteligentnymi zachowaniami człowieka, tworzenie modeli formalnych tych zachowań i w rezultacie programów komputerowych symulujących te zachowania; dział informatyki zajmujący się rozwiązywaniem problemów, które nie są efektywnie algorytmizowalne

37 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.6 Definicje z do wyboru: dział informatyki, którego przedmiotem jest badanie reguł rządzących inteligentnymi zachowaniami człowieka, tworzenie modeli formalnych tych zachowań i w rezultacie programów komputerowych symulujących te zachowania; dział informatyki zajmujący się rozwiązywaniem problemów, które nie są efektywnie algorytmizowalne[...] konstruowanie maszyn i programów komputerowych zdolnych do realizacji wybranych funkcji umysłu i ludzkich zmysłów niepoddających się prostej numerycznej algorytmizacji.

38 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.7 Klasyczne problemy sztucznej inteligencji: grylogiczne,np.szachylubgo

39 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.7 Klasyczne problemy sztucznej inteligencji: grylogiczne,np.szachylubgo, rozpoznawanie obrazów(i np. pisma odręcznego)

40 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.7 Klasyczne problemy sztucznej inteligencji: grylogiczne,np.szachylubgo, rozpoznawanie obrazów(i np. pisma odręcznego), rozumienie języków naturalnych

41 Co to jest sztuczna inteligencja? Wykład1,17II2010,str.7 Klasyczne problemy sztucznej inteligencji: grylogiczne,np.szachylubgo, rozpoznawanie obrazów(i np. pisma odręcznego), rozumienie języków naturalnych, dowodzenie twierdzeń matematycznych(i np. wyznaczanie całki nieoznaczonej).

42 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str.8

43 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu

44 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence

45 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby

46 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist

47 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine

48 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence

49 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP

50 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP 1965 Robinson zasada rezolucji

51 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP 1965 Robinson zasada rezolucji problemy ze złożonością

52 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP 1965 Robinson zasada rezolucji problemy ze złożonością niepowodzenia tłumaczenia maszynowego

53 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP 1965 Robinson zasada rezolucji problemy ze złożonością niepowodzenia tłumaczenia maszynowego wczesne systemy ekspertowe

54 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP 1965 Robinson zasada rezolucji problemy ze złożonością niepowodzenia tłumaczenia maszynowego wczesne systemy ekspertowe rozkwit systemów ekspertowych

55 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP 1965 Robinson zasada rezolucji problemy ze złożonością niepowodzenia tłumaczenia maszynowego wczesne systemy ekspertowe rozkwit systemów ekspertowych odrodzenie sieci neuronowych

56 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP 1965 Robinson zasada rezolucji problemy ze złożonością niepowodzenia tłumaczenia maszynowego wczesne systemy ekspertowe rozkwit systemów ekspertowych odrodzenie sieci neuronowych algorytmy rozmyte i probabilistyczne

57 Krótka historia (wg Russella i Norviga oraz Wierzchonia) Wykład1,17II2010,str McCulloch& Pitts model sztucznego neuronu i mózgu 1950 Turing Computing Machinery and Intelligence Samuel warcaby Newell& Simon Logic Theorist Gelernter Geometry Engine 1956 konferencja w Dartmouth termin artificial intelligence 1958 McCarthy język programowania LISP 1965 Robinson zasada rezolucji problemy ze złożonością niepowodzenia tłumaczenia maszynowego wczesne systemy ekspertowe rozkwit systemów ekspertowych odrodzenie sieci neuronowych algorytmy rozmyte i probabilistyczne powrót do badań inteligencji ludzkiej

58 Problematyka współczesna Wykład1,17II2010,str.9

59 Problematyka współczesna Wykład1,17II2010,str.9 M.in.: systemy ekspertowe wnioskujące z bazy wiedzy

60 Problematyka współczesna Wykład1,17II2010,str.9 M.in.: systemy ekspertowe wnioskujące z bazy wiedzy exploracja danych pozyskiwanie wiedzy

61 Problematyka współczesna Wykład1,17II2010,str.9 M.in.: systemy ekspertowe wnioskujące z bazy wiedzy exploracja danych pozyskiwanie wiedzy maszynowe tłumaczenie szczególnie od tekstów technicznych

62 Problematyka współczesna Wykład1,17II2010,str.9 M.in.: systemy ekspertowe wnioskujące z bazy wiedzy exploracja danych pozyskiwanie wiedzy maszynowe tłumaczenie szczególnie od tekstów technicznych rozpoznawanie obrazów, pisma, mowy działa komercyjnie

63 Problematyka współczesna Wykład1,17II2010,str.9 M.in.: systemy ekspertowe wnioskujące z bazy wiedzy exploracja danych pozyskiwanie wiedzy maszynowe tłumaczenie szczególnie od tekstów technicznych rozpoznawanie obrazów, pisma, mowy działa komercyjnie robotyka sterowanie urządzeniami mechanicznymi działającymi w świecie fizycznym

64 Problematyka współczesna Wykład1,17II2010,str.9 M.in.: systemy ekspertowe wnioskujące z bazy wiedzy exploracja danych pozyskiwanie wiedzy maszynowe tłumaczenie szczególnie od tekstów technicznych rozpoznawanie obrazów, pisma, mowy działa komercyjnie robotyka sterowanie urządzeniami mechanicznymi działającymi w świecie fizycznym uczenie się maszynowe algorytmy podejmujące(coraz lepsze) decyzje

65 Problematyka współczesna Wykład1,17II2010,str.9 M.in.: systemy ekspertowe wnioskujące z bazy wiedzy exploracja danych pozyskiwanie wiedzy maszynowe tłumaczenie szczególnie od tekstów technicznych rozpoznawanie obrazów, pisma, mowy działa komercyjnie robotyka sterowanie urządzeniami mechanicznymi działającymi w świecie fizycznym uczenie się maszynowe algorytmy podejmujące(coraz lepsze) decyzje sztuczna twórczość krótkie wiersze lub melodie

66 Problematyka współczesna Wykład1,17II2010,str.9 M.in.: systemy ekspertowe wnioskujące z bazy wiedzy exploracja danych pozyskiwanie wiedzy maszynowe tłumaczenie szczególnie od tekstów technicznych rozpoznawanie obrazów, pisma, mowy działa komercyjnie robotyka sterowanie urządzeniami mechanicznymi działającymi w świecie fizycznym uczenie się maszynowe algorytmy podejmujące(coraz lepsze) decyzje sztuczna twórczość krótkie wiersze lub melodie...

67 Zadania sztucznej inteligencji Wykład1,17II2010,str.10 Sztuczna inteligencja jest trochę jak starożytna filozofia: kiedy

68 Zadania sztucznej inteligencji Wykład1,17II2010,str.10 Sztuczna inteligencja jest trochę jak starożytna filozofia: kiedy tylkojakiśjejdziałstaniesięnatyledojrzały,żewiadomo,oco wnimchodzi,odrazuoddzielasięodniejwosobnądziedzinę nauki, a jej znowu pozostaje niewiadomo co.

69 Zadania sztucznej inteligencji Wykład1,17II2010,str.10 Sztuczna inteligencja jest trochę jak starożytna filozofia: kiedy tylkojakiśjejdziałstaniesięnatyledojrzały,żewiadomo,oco wnimchodzi,odrazuoddzielasięodniejwosobnądziedzinę nauki, a jej znowu pozostaje niewiadomo co. Zadania sztucznej inteligencji

70 Zadania sztucznej inteligencji Wykład1,17II2010,str.10 Sztuczna inteligencja jest trochę jak starożytna filozofia: kiedy tylkojakiśjejdziałstaniesięnatyledojrzały,żewiadomo,oco wnimchodzi,odrazuoddzielasięodniejwosobnądziedzinę nauki, a jej znowu pozostaje niewiadomo co. Zadania sztucznej inteligencji charakteryzują się albo zbyt niepełnymi lub niepewnymi danymi

71 Zadania sztucznej inteligencji Wykład1,17II2010,str.10 Sztuczna inteligencja jest trochę jak starożytna filozofia: kiedy tylkojakiśjejdziałstaniesięnatyledojrzały,żewiadomo,oco wnimchodzi,odrazuoddzielasięodniejwosobnądziedzinę nauki, a jej znowu pozostaje niewiadomo co. Zadania sztucznej inteligencji charakteryzują się albo zbyt niepełnymi lub niepewnymi danymi, albo zbyt wielką złożonością

72 Zadania sztucznej inteligencji Wykład1,17II2010,str.10 Sztuczna inteligencja jest trochę jak starożytna filozofia: kiedy tylkojakiśjejdziałstaniesięnatyledojrzały,żewiadomo,oco wnimchodzi,odrazuoddzielasięodniejwosobnądziedzinę nauki, a jej znowu pozostaje niewiadomo co. Zadania sztucznej inteligencji charakteryzują się albo zbyt niepełnymi lub niepewnymi danymi, albo zbyt wielką złożonością, żeby można było zastosować zwykły algorytm. Sztuczna inteligencja służy do znajdowania przybliżonych sensownych rozwiązania.

73 Zadania sztucznej inteligencji Wykład1,17II2010,str.10 Sztuczna inteligencja jest trochę jak starożytna filozofia: kiedy tylkojakiśjejdziałstaniesięnatyledojrzały,żewiadomo,oco wnimchodzi,odrazuoddzielasięodniejwosobnądziedzinę nauki, a jej znowu pozostaje niewiadomo co. Zadania sztucznej inteligencji charakteryzują się albo zbyt niepełnymi lub niepewnymi danymi, albo zbyt wielką złożonością, żeby można było zastosować zwykły algorytm. Sztuczna inteligencja służy do znajdowania przybliżonych sensownych rozwiązania.

74 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.11 DEFINICJA: System produkcji M

75 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.11 DEFINICJA: System produkcji M zbiórst.zw.stanów

76 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.11 DEFINICJA: System produkcji M zbiórst.zw.stanów wyróżnionys 0 St.zw.stanpoczątkowy

77 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.11 DEFINICJA: System produkcji M zbiórst.zw.stanów wyróżnionys 0 St.zw.stanpoczątkowy podzbiórg St.zw.stanówdocelowych

78 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.11 DEFINICJA: System produkcji M zbiórst.zw.stanów wyróżnionys 0 St.zw.stanpoczątkowy podzbiórg St.zw.stanówdocelowych zbiórot.zw.operacji: o:s Sdlakażdejo O

79 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.11 DEFINICJA: System produkcji M zbiórst.zw.stanów wyróżnionys 0 St.zw.stanpoczątkowy podzbiórg St.zw.stanówdocelowych zbiórot.zw.operacji: o:s Sdlakażdejo O ZADANIE: MZnaleźćdrogęods 0 doktóregośstanudocelowego.

80 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko

83 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Gra w 8-kę M

84 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Graw8-kę M s 0 =

85 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Graw8-kę M s 0 = G=

86 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Graw8-kę M s 0 = G= O={L,P,D,G} Lewo Prawo Dół Góra

87 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Graw8-kę M s 0 = G= O={L,P,D,G} Lewo Prawo Dół Góra o=l r=[]

88 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Graw8-kę M s= G= O={L,P,D,G} Lewo Prawo Dół Góra o=l r=[]

89 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Graw8-kę M s= G= O={L,P,D,G} Lewo Prawo Dół Góra o=d r=[l]

90 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Graw8-kę M s= G= O={L,P,D,G} Lewo Prawo Dół Góra o=p r=[l,d]

91 Przeszukiwanie przestrzeni stanów Wykład1,17II2010,str.12 ALGORYTM: M r:=[];s:=s0 ; while(s/ G){ wybierz najlepszą operację o O; r:=r.o;s:=o(s); } wybór operacji najlepszej: heureza czyli nieformalna zasada rozsądnie prowadząca do celu możliwie szybko Przykład: Graw8-kę M s= G= O={L,P,D,G} Lewo Prawo Dół Góra o=p r=[l,d,p]