Sztuczna inteligencja: aktualny stan i perspektywy rozwoju

Transkrypt

1 SGH Business Intelligence, Sztuczna inteligencja: aktualny stan i perspektywy rozwoju Andrzej Kisielewicz Wydział Matematyki i Informatyki Uniwersytet Opolski marzec 2012

2 Wstęp Aktualny kryzys w AI problem nieodpowiedzialnych deklaracji sposób finansowania nauki

5 Wstęp P.H. Winston, Artificial Intelligence 1977 ciagle jeszcze nie udało się zbudować systemu, którego ogólna inteligencja mogłaby się mierzyć z inteligencja czteroletniego dziecka! To stwierdzenie pozostaje prawdziwe do dziś!

7 Wstęp H. Simon (1957) Nie jest moim celem zaskakiwanie was lub szokowanie ale najprostszym sposobem ujęcia tego jest to, że istnieja już na świecie maszyny które myśla, które ucza się i tworza. Co więcej, ich zdolność do robienia tych rzeczy będzie gwałtownie wzrastać, a wkrótce zakres problemów, które będa podejmować, pokryje się z tym, które podejmuje ludzki mózg.

8 Wstęp M.Minsky (1968) Za trzy do ośmiu lat będziemy w posiadaniu maszyny o inteligencji przeciętnego człowieka. Mam na myśli maszynę, która będzie w stanie czytać Szekspira, zmienić olej w samochodzie, brać udział w biurowej polityce, opowiedzieć dowcip, walczyć. Od tego momentu maszyna ta zacznie się uczyć w zawrotnym tempie. Za kilka miesięcy osiagnie poziom geniusza, a kilka dalszych miesięcy później jej możliwości będa niemierzalne.

10 Kosmiczna Odyseja 2001 D.G. Stork (ed.) 1997: The best-informed dream 1968 film by Stanley Kubrick and Arthur C. Clarke

11 1968 Kosmiczna Odyseja 2001 przewidywania: podróż na Jowisza 2001 hibernacja HAL komputer pokładowy dowodzacy misja

12 Przedmiot badań AI Definicja sztucznej inteligencji Dziedziny kierunki badań Metody podejścia

14 Przedmiot badań AI różne definicje (Russell and Norvig, 2003) Uczynienie komputerów bystrzejszymi, tworzenie maszyn wykonujacych funkcje, które wymagaja ludzkiej inteligencji, wyjaśnianie i imitowanie inteligentnego zachowania w procesach obliczeniowych, badania własności umysłu przy pomocy komputerowych modeli badania z zakresu logiki, psychologii, lingwistyki, filozofii...

15 Przedmiot badań AI Ogólna idea stworzenie sztucznego człowieka, człekopodobnego robota (filmy: Terminator, Łowca androidów,...)

16 Przedmiot badań AI Ogólna idea stworzenie sztucznego człowieka, człekopodobnego robota (filmy: Terminator, Łowca androidów,...)

17 Przedmiot badań AI Ogólna idea stworzenie sztucznego człowieka, człekopodobnego robota (filmy: Terminator, Łowca androidów,...) Główne zagadnienia: sztuczne ciało sztuczny mózg sztuczne zmysły

18 Przedmiot badań AI Definicja: Sztuczna inteligencja jest to zespół różnorodnych badań w informatyce, a także w technice, logice, psychologii, językoznawstwie i filozofii, których celem jest, lub które moga mieć ewentualne zastosowania do stworzenia autonomicznego, myślacego robota.

19 Przedmiot badań AI Definicja: Sztuczna inteligencja jest to zespół różnorodnych badań w informatyce, a także w technice, logice, psychologii, językoznawstwie i filozofii, których celem jest, lub które moga mieć ewentualne zastosowania do stworzenia autonomicznego, myślacego robota. J. McCarthy (2007): It is the science and engineering of making intelligent machines, especially intelligent computer programs.

21 Przedmiot badań AI Techniki rozwiazywania problemów (Problem Solving) Logic for AI Bazy wiedzy, Reprezentacja wiedzy Systemy eksperckie Sieci neuronowe Systemy uczace się (Machine Learning) Rozumienie i przetwarzanie języka naturalnego Rozpoznawanie mowy Rozpoznawanie obrazu Automatyczne planowanie Robotyka kognitywistyka, filozofia AI.

22 Przedmiot badań AI Techniki rozwiazywania problemów (Problem Solving) Logic for AI Bazy wiedzy, Reprezentacja wiedzy Systemy eksperckie Sieci neuronowe Systemy uczace się (Machine Learning) Rozumienie i przetwarzanie języka naturalnego Rozpoznawanie mowy Rozpoznawanie obrazu Automatyczne planowanie Robotyka kognitywistyka, filozofia AI.

24 Przedmiot badań AI Definicja sztucznej inteligencji Dziedziny kierunki badań Metody podejścia formalno-logiczna statystczno-probalistyczna inżynierska ad hoc

25 Przedmiot badań AI Definicja sztucznej inteligencji Dziedziny kierunki badań Metody podejścia formalno-logiczna statystczno-probalistyczna inżynierska ad hoc Scruffies vs. Neats (R. Schank, 1975)

26 Logika formalna główna metoda badań bezpośredni atak na zagadnienie globalnej AI dziedzina wiedzy o zadziwiajacych osiagnięciach ZŁOTY WIEK LOGIKI usuwanie logiki ze szkół PARADOKS?! W. V. O. Quine, 1958: największe zastosowania zostan a dopiero odkryte

27 Logika formalna,,,,,, x, y, z,..., Osiagnięcia logiki formalnej: pełna formalizacja języka pełna formalizacja reguł wnioskowania aksjomatyzacja matematyki redukcja Twierdzenia Gödla, Maszyny Turinga komputeryzacja, informatyka

29 Logika formalna,,,,,, x, y, z,..., pełna formalizacja języka N p((p > N) Prime(p) Prime(p + 2)) Prime(x) : d(d x (d = 1 d = x)) d x : y(x = d y). Symbole logiczne i symbole predykatów, Predykaty: pojęcia i relacje... pierwotne i pochodne (definiowane) Prime(x), Male(x), Father(x, y)

31 Logika formalna,,,,,, x, y, z,..., pełna formalizacja reguł wnioskowania Modus Ponens Resolution Elimination i inne... A, A B B A B, B A xa A[x/c]

32 Logika formalna,,,,,, x, y, z,..., Twierdzenie Gödla o pełności reguł wnioskowania Zestaw reguł R stanowi pełna formalizację logicznych rozumowań: Dla dowolnego zdania formalnego A i zbioru zdań Σ, jeśli A jest konsekwencja logiczna zdań Σ, to A da się wyprowadzić z Σ wyłacznie przy użyciu reguł R.

34 Logika formalna,,,,,, x, y, z,..., aksjomatyzacja Arytmetyki N1. x N2. (x + 1 = y + 1) x = y N3. x + 0 = x N4. x + (y + 1) = (x + y) + 1 N5. x 0 = 0 N6. x (y + 1) = (x y) + x N7. (x < 0) N8. (x < y + 1) (x < y x = y)

35 Logika formalna,,,,,, x, y, z,..., aksjomatyzacja Matematyki jako Teorii Zbiorów S1. (Aksjomat zbioru potęgowego) x y z(z y u(u z u x)) S2. (Aksjomaty podzbiorów) x y z(z y (z x A(z)) S3. (Aksjomat nieskończoności) x( x z(z x z {z} x)) S4. (Aksjomaty zastępowania) (B(u, v) B(u, w) v = w) ( x y v(v y u(u x B(u, v))))

38 Logika formalna,,,,,, x, y, z,..., Twierdzenie Gödla o niezupełności Żadna efektywna aksjomatyzacja nie może być zupełna. W każdej takiej aksjomatyzacji musza istnieć zdania, których nie da się ani udowodnić, ani obalić.... o nieudowadnialności niesprzeczności matematyki Do takich zdań należy zdanie mówi ace, że matematyka jest niesprzeczna.

40 Logika dla AI: bazy wiedzy Zasadnicze problemy wiedza + mechanizm wnioskowania Nieefektywność mechanizmów wnioskowania (kombinatoryczna eksplozja) brak wiedzy zdroworozs adkowej (commonsense knowledge)

41 Kombinatoryczna eksplozja drzewo możliwości funkcja wykładnicza

42 Kombinatoryczna eksplozja drzewo możliwości funkcja wykładnicza ilustracja czasowa: v = 1 milion/s n n 2 0,0001s 0,0004s 0,0009s 0,0016s 0,0025s 0,0036s 2 n

43 Kombinatoryczna eksplozja drzewo możliwości funkcja wykładnicza ilustracja czasowa: v = 1 milion/s n n 2 0,0001s 0,0004s 0,0009s 0,0016s 0,0025s 0,0036s 2 n 0,001s

44 Kombinatoryczna eksplozja drzewo możliwości funkcja wykładnicza ilustracja czasowa: v = 1 milion/s n n 2 0,0001s 0,0004s 0,0009s 0,0016s 0,0025s 0,0036s 2 n 0,001s 1s

45 Kombinatoryczna eksplozja drzewo możliwości funkcja wykładnicza ilustracja czasowa: v = 1 milion/s n n 2 0,0001s 0,0004s 0,0009s 0,0016s 0,0025s 0,0036s 2 n 0,001s 1s 17 min.

46 Kombinatoryczna eksplozja drzewo możliwości funkcja wykładnicza ilustracja czasowa: v = 1 milion/s n n 2 0,0001s 0,0004s 0,0009s 0,0016s 0,0025s 0,0036s 2 n 0,001s 1s 17 min. 12 dni

47 Kombinatoryczna eksplozja drzewo możliwości funkcja wykładnicza ilustracja czasowa: v = 1 milion/s n n 2 0,0001s 0,0004s 0,0009s 0,0016s 0,0025s 0,0036s 2 n 0,001s 1s 17 min. 12 dni 35 lat

48 Kombinatoryczna eksplozja drzewo możliwości funkcja wykładnicza ilustracja czasowa: v = 1 milion/s n n 2 0,0001s 0,0004s 0,0009s 0,0016s 0,0025s 0,0036s 2 n 0,001s 1s 17 min. 12 dni 35 lat 366 wieków

49 Logika dla AI: bazy wiedzy Zasadnicze problemy wiedza + mechanizm wnioskowania Nieefektywność mechanizmów wnioskowania (kombinatoryczna eksplozja) brak wiedzy zdroworozsadkowej (commonsense knowledge) PRZYKŁAD...

50 Logika dla AI: bazy wiedzy AI boom wiedza + mechanizm wnioskowania techniki wnioskowania (walka z kombinatoryczna eksplozja, heurystyki) automatyczne dowodzenie twierdzeń ograniczenie zastosowań systemy eksperckie Ontologia 1981 Fifth Generation project (Prolog) 1984 CYC Project (Doug Lenat)

56 Logika dla AI: bazy wiedzy wiedza + mechanizm wnioskowania AI Winter 1981 Fifth Generation project 1984 CYC Project

57 Logika dla AI: bazy wiedzy wiedza + mechanizm wnioskowania Dalsze badania teoria prawdopodobieństwa (na razie w ograniczonym zakresie, sieci bayesowskie) nowe logiki: niemonotoniczne, założeniowe, deskryptywne (ograniczone zastosowania) Semantic Web

58 Dziedziny badań AI Techniki rozwiazywania problemów Logic for AI Bazy wiedzy, Reprezentacja wiedzy Systemy eksperckie Sieci neuronowe Systemy uczace się Rozumienie i przetwarzanie języka naturalnego Rozpoznawanie mowy Rozpoznawanie obrazu Automatyczne planowanie Robotyka

61 Dziedziny badań AI Techniki rozwiazywania problemów Logic for AI Bazy wiedzy, Reprezentacja wiedzy Systemy eksperckie Sieci neuronowe Systemy uczace się Rozumienie i przetwarzanie języka naturalnego Rozpoznawanie mowy Rozpoznawanie obrazu Automatyczne planowanie Robotyka sieć neuronowa model neuronu konekcjonizm Ray Kurzweil: reverse-engineering 2029

62 Dziedziny badań AI Techniki rozwiazywania problemów Logic for AI Bazy wiedzy, Reprezentacja wiedzy Systemy eksperckie Sieci neuronowe Systemy uczace się Rozumienie i przetwarzanie języka naturalnego Rozpoznawanie mowy Rozpoznawanie obrazu Automatyczne planowanie Robotyka algorytmy przeszukiwania walka z kombinatoryczna eksplozja heurystyki, funkcje ewaluacyjne, alfa-beta 1997: Deep Blue vs. Kasparow! 2007: Chinook rozwi azanie warcabów!

63 Dziedziny badań AI Techniki rozwiazywania problemów Logic for AI Bazy wiedzy, Reprezentacja wiedzy Systemy eksperckie Sieci neuronowe Systemy uczace się Rozumienie i przetwarzanie języka naturalnego Rozpoznawanie mowy Rozpoznawanie obrazu Automatyczne planowanie Robotyka algorytmy przeszukiwania walka z kombinatoryczna eksplozja heurystyki, funkcje ewaluacyjne, alfa-beta 1997: Deep Blue vs. Kasparow! 2007: Chinook rozwi azanie warcabów!

64 Dziedziny badań AI Techniki rozwiazywania problemów Logic for AI Bazy wiedzy, Reprezentacja wiedzy Systemy eksperckie Sieci neuronowe Systemy uczace się Rozumienie i przetwarzanie języka naturalnego Rozpoznawanie mowy Rozpoznawanie obrazu Automatyczne planowanie Robotyka algorytmy uczenia się problemy z ogólna teoria i taksonomia (typ reprezentacji wiedzy, mechanizm uczenia,itd.) sieci bayesowskie, sieci neuronowe, funkcje, drzewa decyzyjne, klasyfikowanie, rozpoznawanie wzorców i zasad, robotyka, algorytmy genetyczne,...

65 Dziedziny badań AI Techniki rozwiazywania problemów Logic for AI Bazy wiedzy, Reprezentacja wiedzy Systemy eksperckie Sieci neuronowe Systemy uczace się Rozumienie i przetwarzanie języka naturalnego Rozpoznawanie mowy Rozpoznawanie obrazu Automatyczne planowanie Robotyka waskie gardło AI model formalno-logiczny? maszynowe tłumaczenie metody statystyczne w przetwarzaniu

69 Perspektywy Porażki Brak ogólnej AI (brak widocznej perspektywy!) Fifth Generation Project Watpliwe sukcesy: Automatyczne dowodzenie twierdzeń System Pomocy do Windows CYC

70 Perspektywy Porażki Brak ogólnej AI (brak widocznej perspektywy!) Fifth Generation Project CYC miliony stwierdzeń 300 tysięcy pojęć = 2% koniecznej wiedzy

71 Perspektywy Niewatpliwe sukcesy: Deep Blue 1997 mówiace bazy danych, systemy rezerwacji z rozpoznawaniem mowy systemy rozpoznawania obrazu (automatyczni dozorcy, monitorowanie ruchu drogowego, tożsamość) osiagnięcia robotyki (Asimo, Kimsa, robopets,...)

72 Perspektywy Przepowiednie: Dreyfus (1992): sztuczna inteligencja jako dziedzina jest skończona K. Devlin (1997): koniec ery katezjańskiej H. Moravec (1999): w pełni inteligentne roboty w 2050 R. Kurzweil (1999): sztuczna świadomość 2029

73 Perspektywy globalna AI: M. Minsky: za 4 lata lub za 400 J. McCarthy: 25%, że za 49 lat problem będzie równie niejasny jak dzisiaj

74 Perspektywy być może zniknie nazwa Artificial Intelligence (computational intgelligence, collaborative intelligence, narrative intelligence, swarm intelligence, weak intelligence, soft mathematics, soft computing) metody statystyczne i probabilistyczne: tłumaczenie, konwersacja, rozumienie w ograniczonym zakresie analiza masowych danych, systemy wspomagania decyzji, automatyczny asystent (czynnik ludzki)

79 Turing (1950) do roku 2000 powstana programy komputerowe takie, że szanse przeciętnej osoby na dokonanie właściwej identyfikacji w ciagu 5 minut nie będa przekraczały 70 procent.