O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Podobne dokumenty
O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

Festiwal Myśli Abstrakcyjnej, Warszawa, Czy SZTUCZNA INTELIGENCJA potrzebuje FILOZOFII?

Wprowadzenie do teorii systemów ekspertowych

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

SZTUCZNA INTELIGENCJA

PRZEWODNIK PO PRZEDMIOCIE

Narzędzia AI. Jakub Wróblewski Pokój SZTUCZNA INTELIGENCJA (ARTIFICIAL INTELLIGENCE)

Historia sztucznej inteligencji. Przygotował: Konrad Słoniewski

KARTA MODUŁU KSZTAŁCENIA

CZYM SĄ OBLICZENIA NAT A URALNE?

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

Metody i techniki sztucznej inteligencji / Leszek Rutkowski. wyd. 2, 3 dodr. Warszawa, Spis treści

Sztuczna inteligencja - wprowadzenie

Sztuczna inteligencja stan wiedzy, perspektywy rozwoju i problemy etyczne. Piotr Bilski Instytut Radioelektroniki i Technik Multimedialnych

Sztuczna inteligencja

Umysł Komputer Świat TEX output: :17 strona: 1

Inteligencja. Władysław Kopaliśki, Słownik wyrazów obcych i zwrotów obcojęzycznych

Sztuczna Inteligencja i Systemy Doradcze

Elementy kognitywistyki II: Sztuczna inteligencja

PRZEWODNIK PO PRZEDMIOCIE

Metody Sztucznej Inteligencji Methods of Artificial Intelligence. Elektrotechnika II stopień ogólno akademicki. niestacjonarne. przedmiot kierunkowy

O REDUKCJI U-INFORMACJI

Alan M. TURING. Matematyk u progu współczesnej informatyki

Ćwiczenie numer 4 JESS PRZYKŁADOWY SYSTEM EKSPERTOWY.

DLACZEGO WARTO PRZECZYTAĆ? ZAWARTOŚĆ KSIĄŻKI (bez podrozdziałów 2-go poziomu) CZĘŚĆ I. Sztuczne systemy uczące się

Inżynieria danych I stopień Praktyczny Studia stacjonarne Wszystkie specjalności Katedra Inżynierii Produkcji Dr Małgorzata Lucińska

zna metody matematyczne w zakresie niezbędnym do formalnego i ilościowego opisu, zrozumienia i modelowania problemów z różnych

Sztuczna inteligencja i logika. Podsumowanie przedsięwzięcia naukowego Kisielewicz Andrzej WNT 20011

Uniwersytet w Białymstoku Wydział Ekonomiczno-Informatyczny w Wilnie SYLLABUS na rok akademicki 2012/2013

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

Zastosowanie metod eksploracji danych (data mining) do sterowania i diagnostyki procesów w przemyśle spożywczym

Kierunek Zarządzanie I stopnia Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów kształcenia dla obszaru nauk społecznych

KARTA PRZEDMIOTU. 17. Efekty kształcenia:

PRZEWODNIK PO PRZEDMIOCIE

Metody sztucznej inteligencji w układach sterowania METODY SZTUCZNEJ INTELIGENCJI W UKŁADACH STEROWANIA

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

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

Nazwa przedmiotu: METODY SZTUCZNEJ INTELIGENCJI W ZAGADNIENIACH EKONOMICZNYCH Artificial intelligence methods in economic issues Kierunek:

Informatyka w medycynie Punkt widzenia kardiologa

Inteligentne Multimedialne Systemy Uczące

WIEDZA METODY INŻYNIERII WIEDZY KNOWLEDGE ENGINEERING AND DATA MINING. Adrian Horzyk. Akademia Górniczo-Hutnicza

KIERUNKOWE EFEKTY KSZTAŁCENIA

Księgarnia PWN: Szymon Wróbel - Umysł, gramatyka, ewolucja

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

O ISTOTNYCH OGRANICZENIACH METODY

SZTUCZNA INTELIGENCJA


Elementy historii INFORMATYKI

BIOCYBERNETYKA PROLOG

M T E O T D O ZI Z E E A LG L O G R O Y R TM

Plan wykładów METODY SZTUCZNEJ INTELIGENCJI W UKŁADACH STEROWANIA

kierunkowy (podstawowy / kierunkowy / inny HES) nieobowiązkowy (obowiązkowy / nieobowiązkowy) polski drugi semestr letni (semestr zimowy / letni)

JAKIEGO RODZAJU NAUKĄ JEST

Wykorzystanie metod ewolucyjnych w projektowaniu algorytmów kwantowych

[1] [2] [3] [4] [5] [6] Wiedza

Kierunek Zarządzanie II stopnia Szczegółowe efekty kształcenia i ich odniesienie do opisu efektów kształcenia dla obszaru nauk społecznych

PRZEWODNIK PO PRZEDMIOCIE

KARTA PRZEDMIOTU. 1. Informacje ogólne. 2. Ogólna charakterystyka przedmiotu. Metody drążenia danych D1.3

INFORMATYKA PLAN STUDIÓW NIESTACJONARNYCH 2-GO STOPNIA (W UKŁADZIE ROCZNYM) STUDIA ROZPOCZYNAJĄCE SIĘ W ROKU AKADEMICKIM 2015/16

Podstawy sztucznej inteligencji

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA (nie tyko w informatyce) kod znak wiadomość ENTROPIA forma przekaz

TRENING UMYSŁU ALEKSANDER DYDEL

Systemy eksperckie. Plan wykładu Wprowadzenie do sztucznej inteligencji. Wnioski z prób automatycznego wnioskowania w rachunku predykatów

Informatyka I stopień (I stopień / II stopień) ogólno akademicki (ogólno akademicki / praktyczny) kierunkowy (podstawowy / kierunkowy / inny HES)

Repetytorium z matematyki 3,0 1,0 3,0 3,0. Analiza matematyczna 1 4,0 2,0 4,0 2,0. Analiza matematyczna 2 6,0 2,0 6,0 2,0

Algorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s. 230/C-3

Tomasz Pawlak. Zastosowania Metod Inteligencji Obliczeniowej

KIERUNEK: KOGNITYWISTYKA

O ALGORYTMACH I MASZYNACH TURINGA

Optymalizacja. Wybrane algorytmy

Elementy filozofii i metodologii INFORMATYKI

KIERUNKOWE EFEKTY KSZTAŁCENIA

Elementy kognitywistyki III: Modele i architektury poznawcze

EFEKTY KSZTAŁCENIA KIERUNEK EKONOMIA

1 Programowanie urządzen mobilnych Sztuczna inteligencja i systemy 2 ekspertowe

Załącznik Nr 4. odniesienie do obszarowych efektów kształcenia w KRK. kierunkowe efekty kształceniaopis WIEDZA

Informatyka- studia I-go stopnia

KOGNITYWISTYKA PROGRAM OBOWIĄZUJĄCY STUDENTÓW Z REKRUTACJI OD ROKU 2012/2013. Rok I Semestr I

Algorytmy i schematy blokowe

Ontologie, czyli o inteligentnych danych

Wstęp do Sztucznej Inteligencji

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

Opis zakładanych efektów kształcenia dla kierunków studiów

Wykorzystanie komputera przez uczniów klas IV VI szkoły podstawowej w uczeniu się sprawozdanie z badań sondażowych

prawda symbol WIEDZA DANE komunikat fałsz liczba INFORMACJA kod (pojęcie interdyscyplinarne) znak wiadomość ENTROPIA forma przekaz

1. Historia 2. Podstawy neurobiologii 3. Definicje i inne kłamstwa 4. Sztuczny neuron i zasady działania SSN. Agenda

Badania naukowe. Tomasz Poskrobko. Metodyka badań naukowych

Algorytmy wspomagania decyzji Czyli co i jak andrzej.rusiecki.staff.iiar.pwr.wroc.pl s.

Wprowadzenie do Sztucznej Inteligencji

Jazda autonomiczna Delphi zgodna z zasadami sztucznej inteligencji

Uniwersytet Zielonogórski Wydział Elektrotechniki, Informatyki i Telekomunikacji Instytut Sterowania i Systemów Informatycznych

Sztuczna inteligencja

Optymalizacja optymalizacji

Efekty uczenia się na kierunku Ekonomia (studia pierwszego stopnia o profilu ogólnoakademickim)

Algorytm. Krótka historia algorytmów

2

Elementy kognitywistyki II: Sztuczna inteligencja. WYKŁAD III: Problemy agenta

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

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

Transkrypt:

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 się, zdolność człowieka do rozwiązywania problemów. Wątpliwości: Jak testować inteligencję? Czy wolno oddzielić intelekt od innych sfer psychiki (woli, emocji, uczuć)? Czy istnieje inteligencja ogólna?

Co nazywamy SZTUCZNĄ INTELIGENCJĄ?

Co nazywamy SZTUCZNĄ INTELIGENCJĄ? szczególny rodzaj programów komputerowych, a niekiedy maszyn. SI szczególną własność systemów komputerowych. szczególny typ badań informatycznych.

SI według M. MINSKY EGO Sztuczna Inteligencja (Artificial Intelligence): Nauka o maszynach realizujących zadania, które wymagają inteligencji wtedy, gdy są wykonywane przez ludzi.

Badania nad SI jako dział INFORMATYKI INFORMATYKA Automatyzacja wszelkich procesów (sterowanie, komunikacja ) Badania nad SI Automatyzacja czynności poznawczych ludzi (np. percepcja)

Co powinien umieć system SI?

Co powinien umieć system SI? podejmować decyzje uczyć się GŁÓWNE OBSZARY BADAŃ komunikować się z ludźmi (1) podejmowanie decyzji (2) uczenie się (3) komunikacja komputer-człowiek

DZIEDZINY badań szczegółowych Trzy poziomy badań TEORIE TECHNIKI PRZETWARZANIA DANYCH KONKRETNE ALGORYTMY Przykłady szczegółowych dziedzin badawczych Metody reprezentacji wiedzy Metody automatycznego wnioskowania Automatyzacja wnioskowania w logikach nieklasycznych Automatyczne uczenie się Przetwarzanie języka naturalnego Rozpoznawanie i przetwarzanie obrazów Eksploracja danych Systemy eksperckie Sieci neuronowe Programowanie ewolucyjne Teoria zbiorów rozmytych Teoria zbiorów przybliżonych

KALENDARIUM 1945-1955. Okres wstępny. - Ukazują się fundamentalne prace teoretyczne, powstają pierwsze komputery. (A. Turing, J. von Neumann, N. Wiener, W. McCulloch) 1956-1970. Okres rozwoju podstawowych koncepcji. - Powstają pierwsze, wyspecjalizowane teorie i narzędzia SI. (techniki logiczne i symboliczne, sieci neuronowe, teoria zbiorów rozmytych, algorytmy genetyczne, LISP) - Powstają pierwsze komputerowe programy SI (programy szachowe, Logic Theorist, General Problem Solver) 1970-1980. Okres krytyki i zwrotu w stronę konkretnych zastosowań. - Powstają wyspecjalizowane systemy: eksperckie (np. MYCIN i DENDRAL) oraz neuropodobne (np. sieci Grossberga i Fukushimy) Od roku 1980. Okres bujnego rozwoju i szerokich zastosowań. - Postępuje specjalizacja. - Ostatnie lata charakteryzuje zwrot w stronę metod pozalogicznych i tendencja do hybrydyzacji.

Logicyzm czy naturalizm?

Logicyzm czy naturalizm? Logicyzm Istotą intelektu jest zdolność do logicznych rozumowań (znamy je z matematyki). Sztuczna inteligencja powinna zatem opierać się na logice, tj. symbolicznych rachunkach logicznych (np. na rachunku predykatów). Naturalizm Intelekt rozwija się w toku ewolucji, jego podstawę zaś stanowi mózg. Sztuczną inteligencję należy budować wzorując się na naturze, czyli odnosząc się do teorii biologicznych i psychologicznych.

Rozwiązania logicystyczne Systemy eksperckie Systemy wnioskujące równie skutecznie, jak eksperci w danej dziedzinie. Działające na podstawie bazy wiedzy: faktów i reguł (implikacji), stosowanych zgodnie z zasadami logiki. Programy do gier Programy generujące optymalne strategie gier (tj. sekwencje ruchów), zależnie od reguł danej gry i jej stanu początkowego (np. programy szachowe).

Rozwiązania naturalistyczne Sztuczne sieci neuronowe Samoorganizujące się sieci sztucznych neuronów, przetwarzające dane w sposób równoległy i rozproszony (podobnie do ludzkiego mózgu). Programy ewolucyjne Programy poszukujące rozwiązań metodą populacyjną i po części losową, z wykorzystaniem takich operacji jak mutacja, rekombinacja kodu i selekcja (podobnie do naturalnej ewolucji).

Systemy hybrydowe System hybrydowy System wykorzystujący techniki logicystyczne i naturalistyczne, a także różne techniki obydwu rodzajów. Typowy przykład: System ekspercki obejmujący reguły rozmyte (do przetwarzania informacji niepewnych), których kształt ustala się za pośrednictwem sieci neuropodobnej.

Zagadnienia filozoficzne (1) Czy istotą inteligencji jest algorytm? JAKI? Czy istotą myślenia jest algorytm? JAKI?

Zagadnienia filozoficzne (2) Kiedy system sztuczny można uznać za inteligentny (w znaczeniu ludzkim)? Czy wystarczy oryginalny test Turinga? Czy test Turinga należy i można udoskonalić?

Zagadnienia filozoficzne (3) Czy w ogóle można skonstruować systemy o inteligencji porównywalnej z ludzką? TAK. Bo istotą ludzkiej inteligencji jest jakiś, niebywale złożony ony i jeszcze nieznany, algorytm. TAK. Ale będą to systemy bardzo wąsko wyspecjalizowane. NIE. Bo algorytmy są tylko zewnętrznym przejawem i/lub wytworem ludzkiej inteligencji. Jej źródło jest inne.

Zagadnienia filozoficzne (4) Czy ewentualna sztuczna realizacja intelektu może stanowić jego model? 1. Argumenty J. Searle a. Komputer może co najwyżej imitować zewnętrzne przejawy ludzkiej inteligencji. Wiemy jednak, że e działa inaczej niż ludzki umysł. Analogie czysto zewnętrzne nie mówią nic o podobieństwach wewnętrznych. 2. Realizacja nic nie wyjaśnia. Może się okazać, że wspomniana realizacja po prostu działa, a odpowiadające za to zasady są równie nieprzejrzyste jak zasady działania intelektu. Innymi słowy, sama realizacja domaga się wyjaśnienia. 3. Model jest zbyt wąski. Model wyjaśnia, jak ludzie rozwiązują problemy, lecz odrywa proces rozwiązywania od procesów innych, które są z nim splecione. Chodzi o takie procesy, jak intuicja, rozumienie czy świadomy wgląd w istotę problemu.