Wprowadzenie, podstawowe pojęcia i definicje. Politechnika Gdańska. Wydział Elektrotechniki i Automatyki

Podobne dokumenty
Wprowadzenie do teorii systemów ekspertowych

Sztuczna inteligencja

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

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

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

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

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

Sztuczna inteligencja - wprowadzenie

PRZEWODNIK PO PRZEDMIOCIE

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

ID1SII4. Informatyka I stopień (I stopień / II stopień) ogólnoakademicki (ogólno akademicki / praktyczny) stacjonarne (stacjonarne / niestacjonarne)

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

PRZEWODNIK PO PRZEDMIOCIE

Systemy ekspertowe i ich zastosowania. Katarzyna Karp Marek Grabowski

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

Tomasz Pawlak. Zastosowania Metod Inteligencji Obliczeniowej

Odniesienie do obszarowych efektów kształcenia Kierunkowe efekty kształcenia WIEDZA (W)

Efekt kształcenia. Wiedza

Modelowanie jako sposób opisu rzeczywistości. Katedra Mikroelektroniki i Technik Informatycznych Politechnika Łódzka

PRZEWODNIK PO PRZEDMIOCIE

KARTA MODUŁU KSZTAŁCENIA

Ontologie, czyli o inteligentnych danych

Podsumowanie wyników ankiety

SZTUCZNA INTELIGENCJA

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

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

Kierunek Informatyka stosowana Studia stacjonarne Studia pierwszego stopnia

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

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

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

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

KIERUNKOWE EFEKTY KSZTAŁCENIA

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

Elementy kognitywistyki III: Modele i architektury poznawcze

2

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

Elementy kognitywistyki II: Sztuczna inteligencja

Symbol EKO S2A_W01 S2A_W02, S2A_W03, S2A_W03 S2A_W04 S2A_W05 S2A_W06 S2A_W07 S2A_W08, S2A_W09 S2A_W10

Symbol efektu kształcenia

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

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

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW

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

Transformacja wiedzy w budowie i eksploatacji maszyn

Diagnostyka procesów przemysłowych Kod przedmiotu

KARTA PRZEDMIOTU. Dyscyplina:

Elementy kognitywistyki III: Modele i architektury poznawcze

SZTUCZNA INTELIGENCJA

Zakładane efekty kształcenia dla kierunku Wydział Telekomunikacji, Informatyki i Elektrotechniki

Analiza i wizualizacja danych Data analysis and visualization

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

PRZEWODNIK PO PRZEDMIOCIE

JAKIEGO RODZAJU NAUKĄ JEST

KIERUNKOWE EFEKTY KSZTAŁCENIA

Efekty kształcenia dla kierunku FINANSE i RACHUNKOWOŚĆ

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

ZARZĄDZANIE I INŻYNIERIA PRODUKCJI

Efekty uczenia się na kierunku. Logistyka (studia pierwszego stopnia o profilu praktycznym)

Efekt kształcenia. Ma uporządkowaną, podbudowaną teoretycznie wiedzę ogólną w zakresie algorytmów i ich złożoności obliczeniowej.

Odniesienie symbol II/III [1] [2] [3] [4] [5] Efekt kształcenia. Wiedza

Odniesienie do efektów kształcenia dla obszaru nauk EFEKTY KSZTAŁCENIA Symbol

Definicje. Najprostszy schemat blokowy. Schemat dokładniejszy

KIERUNKOWE EFEKTY KSZTAŁCENIA

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

EFEKTY UCZENIA SIĘ DLA KIERUNKU INŻYNIERIA DANYCH W ODNIESIENIU DO EFEKTÓW UCZENIA SIĘ PRK POZIOM 6

STUDIA I MONOGRAFIE NR

Najprostszy schemat blokowy

OGÓLNOAKADEMICKI. Kierunek studiów ASTRONOMIA o profilu ogólnoakademickim należy do obszaru kształcenia w zakresie nauk ścisłych.

Do czego chcemy przygotować nasze dzieci i naszych uczniów: do testów czy do życia i pracy? Gdańsk, 16 maja 2009 roku

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

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

Uniwersytet Śląski w Katowicach str. 1 Wydział Informatyki i Nauki o Materiałach

OPIS ZAKŁADANYCH EFEKTÓW KSZTAŁCENIA

Informatyka. II stopień. Ogólnoakademicki. Stacjonarne/Niestacjonarne. Kierunkowy efekt kształcenia - opis WIEDZA

Lista przedmiotów prowadzonych przez pracowników Zakładu Sieci i Systemów Elektroenergetycznych

EFEKTY KSZTAŁCENIA KIERUNEK EKONOMIA

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

Efekty kształcenia dla kierunku studiów INFORMATYKA, Absolwent studiów I stopnia kierunku Informatyka WIEDZA

Czy architektura umysłu to tylko taka sobie bajeczka? Marcin Miłkowski

1. Tabela odniesień efektów kierunkowych do efektów obszarowych z komentarzami

zna podstawową terminologię w języku obcym umożliwiającą komunikację w środowisku zawodowym

Plan wykładów METODY SZTUCZNEJ INTELIGENCJI W UKŁADACH STEROWANIA

Zalew danych skąd się biorą dane? są generowane przez banki, ubezpieczalnie, sieci handlowe, dane eksperymentalne, Web, tekst, e_handel

PROGRAM STUDIÓW WYŻSZYCH ROZPOCZYNAJĄCYCH SIĘ W ROKU AKADEMICKIM 2014/2015 FILOZOFIA. data zatwierdzenia przez Radę Wydziału. kod programu studiów

Obszarowe efekty kształcenia dla obszaru nauk ścisłych. Obszarowe efekty kształcenia dla obszaru nauk przyrodniczych

CZYM SĄ OBLICZENIA NAT A URALNE?

Kierunek: Informatyka Poziom studiów: Studia I stopnia Forma studiów: Stacjonarne. audytoryjne. Wykład Ćwiczenia

ANKIETA SAMOOCENY OSIĄGNIĘCIA KIERUNKOWYCH EFEKTÓW KSZTAŁCENIA

Opis efektu kształcenia dla programu kształcenia

Systemy uczące się wykład 1

KIERUNKOWE EFEKTY KSZTAŁCENIA

Grafika i Systemy Multimedialne (IGM)

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW. TRANSPORT studia stacjonarne i niestacjonarne

KIERUNKOWE EFEKTY KSZTAŁCENIA

Efekty kształcenia na kierunku AiR drugiego stopnia - Wiedza Wydziału Elektrotechniki, Automatyki i Informatyki Politechniki Opolskiej

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

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

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW INFORMATYKA

EFEKTY KSZTAŁCENIA DLA KIERUNKU STUDIÓW NAUCZANIE MATEMATYKI I INFORMATYKI

Transkrypt:

Wprowadzenie, podstawowe pojęcia i definicje Politechnika Gdańska Wydział Elektrotechniki i Automatyki Kierunek: Automatyka i Robotyka Specjalność: Systemy Sterowania i Wspomagania Decyzji Studia stacjonarne II stopnia: rok I, semestr II Opracowanie: dr inż. Tomasz Rutkowski

Plan wykładu: Wprowadzenie Zadania dziedzin związanych z wiedzą Definicje wiedzy, reprezentacja wiedzy Inżynieria, inteligencja naturalna, sztuczna inteligencja 2

Wprowadzenie 3

Powiązane zagadnienia: Tworzenie Wiedzy (ang. Knowledge Creation) Odkrywanie Wiedzy (ang. Knowledge Discovery) Zarządzanie Wiedzą (ang. Knowledge Management) Inżynieria Wiedzy (ang. Knowledge Engineering) Eksploracja Danych (ang. Data Mining) Systemy Ekspertowe (ang. Expert Systems) Systemy z Bazą Wiedzy (ang. Knowledge-Based Systems) Systemy Inteligentne (ang. Intelligent Systems) Sztuczna Inteligencja (ang. Artificial Intelligence) Inteligencja Obliczeniowa (ang. Computational Inteligence) 4

Wiedza prawdziwa wiedza to znajomość przyczyn (Socrates) wiedza jest potęgą (F.Bacon) tyle mamy władzy ile wiedzy (F.Bacon) knowledge is power (motto Biblioteka Kongresu USA) biedny jest tylko ten, kto nie ma wiedzy (Tora) sama wiedza niewystarczy, trzeba jeszcze umieć ją stosować (Goethe) 5

Wiedza Społeczeństwo wiedzy Gospodarka oparta o wiedzę Budowanie na wiedzy Społeczeństwo informacyjne Wiedza zastępuje pracę i kapitał jako podstawowe źródło dobrobytu społecznego 6

Wiedza Czym jest wiedza? najczęściej oznacza zbiór wiadomości z określonej dziedziny oznacza wszelkie zobiektywizowane i utrwalone formy kultury umysłowej i świadomości społecznej powstałe w wyniku kumulowania doświadczeń i uczenia się jest symbolicznym opisem otaczającego nas świata rzeczywistego charakteryzującym aksjomatyczne i empiryczne relacje zawierające procedury 7

Wiedza Wiedza aksjomatyczna w logice euklidesowej to fakty, zadania które uznaje się za prawdziwe i których się nie dowodzi w matematyce współczesnej aksjomaty to zdania wyodrębnione spośród wszystkich twierdzeń danej teorii, które są wybrane tak, aby wynikały z nich wszystkie pozostałe twierdzenia danej teorii Wiedza empiryczna najczęściej spotykana forma wiedzy to asocjacja empiryczna asocjacja empiryczna opiera się na wielu skojarzeniach dotyczących przyczyn i skutków obserwowanych danych i faktów wiedza empiryczna to wiedza, jaką posiadają różni specjaliści czy eksperci (np. lekarze, geolodzy) 8

Wiedza Epoka: Cecha: Zasoby: agrarna industrialna informatyczna pozyskiwanie przetwarzanie przetwarzanie produktów produktów informacji ziemia przemysł wiedza Narzędzia: proste maszyny komputery Dystrybucja: - transport telekomunikacja Źródło: Traczyk W. Inżynieria Wiedzy 9

Wiedza Skoro wiedza się rozrasta oraz komplikuje to szczególnej wagi nabierają czynności z nią związane: Generowanie Opisywanie Zapamiętywanie Przetwarzanie Wyszukiwanie Wykorzystywanie O definicjach wiedzy i rodzajach wiedzy w dalszej części wykładu 10

Zadania dziedzin związanych z wiedzą 11

Zadania dziedzin związanych z wiedzą TWORZENIE WIEDZY EKSPERT ZARZĄDZANIE WIEDZĄ W I E D Z A ODKRYWANIE WIEDZY UŻYTKOWNIK INŻYNIERIA WIEDZY D A N E Źródło: Traczyk W. Inżynieria Wiedzy 12

Zadania dziedzin związanych z wiedzą TWORZENIE WIEDZY EKSPERT ZARZĄDZANIE WIEDZĄ W I E D Z A ODKRYWANIE WIEDZY UŻYTKOWNIK INŻYNIERIA WIEDZY D A N E Źródło: Traczyk W. Inżynieria Wiedzy 13

Tworzenie wiedzy (ang. Knowledge Creation) Wiedza jest tworzona przez ludzi obdarzonych szczególnymi zdolnościami eksperci Badanie warunków sprzyjających twórczości Analiza cyklicznych procesów tworzenia wiedzy 14

Zadania dziedzin związanych z wiedzą TWORZENIE WIEDZY EKSPERT ZARZĄDZANIE WIEDZĄ W I E D Z A ODKRYWANIE WIEDZY UŻYTKOWNIK INŻYNIERIA WIEDZY D A N E Źródło: Traczyk W. Inżynieria Wiedzy 15

Odkrywanie wiedzy (ang. Knowledge Discovery) Liczba gromadzonych danych rośnie a razem z nimi rośnie zawarta w nich wiedza, którą trudno zauważyć człowiekowi dotyczy uogólnień Regularności świadczące o powtarzaniu pewnych cech lub zjawisk czyli ogólna wiedza o badanym środowisku Etapy odkrywania wiedzy: Wstępne przetwarzanie danych (np. czyszczenie danych, usuwanie nadwymiarowości) Eksploracja danych (ang. Data Mining) Przetwarzanie końcowe (interpretacja, ocena, analiza i wizualizacja otrzymanych wyników) 16

Eksploracja danych (ang. Data Mining) Poszukiwanie takich prawidłowości (wzorców), które będzie można wykorzystać przy analizie innych danych Typowe postaci owych prawidłowości (wzorców) to: Reguły decyzyjne i asocjacyjne Drzewa decyzyjne Sekwencje oraz zależności funkcyjne Można je wykorzystać do: Klasyfikacji Grupowania Regresja (określenie pewnej funkcji opisującej dane zjawisko) Kojarzenia 17

Zadania dziedzin związanych z wiedzą TWORZENIE WIEDZY EKSPERT ZARZĄDZANIE WIEDZĄ W I E D Z A ODKRYWANIE WIEDZY UŻYTKOWNIK INŻYNIERIA WIEDZY D A N E Źródło: Traczyk W. Inżynieria Wiedzy 18

Zarządzanie wiedzą (ang. Knowledge Management) Zarządzanie wiedzą to proces umożliwiający: tworzenie, zdobywanie, analizowanie, porządkowanie, ocenianie, magazynowanie, wyszukiwanie, upowszechnianie i wykorzystywanie wiedzy (o różnym charakterze) w celu podejmowania szybszych, mądrzejszych i lepszych decyzji, służących do realizacji celów przedsiębiorstwa i osiągania przewagi konkurencyjnej Podstawowe cele zarządzania wiedzą to: innowacyjność, kompetentność, skuteczność, wrażliwość/reaktywność Koncepcja 5 W: what?, how?, where?, when?, why?, who? 19

Zadania dziedzin związanych z wiedzą TWORZENIE WIEDZY EKSPERT ZARZĄDZANIE WIEDZĄ W I E D Z A ODKRYWANIE WIEDZY UŻYTKOWNIK INŻYNIERIA WIEDZY D A N E Źródło: Traczyk W. Inżynieria Wiedzy 20

Inżynieria wiedzy (ang. Knowledge Enginering) pojęcie ogólne Definicja: Inżynieria wiedzy to dział informatyki obejmujący metody i systemy służące, do wspomaganego komputerowo, uzyskiwania użytecznych informacji na podstawie dostępnej wiedzy i konkretnych danych - informatyka - sztuczna inteligencja - systemy ekspertowe 21

Główne problemy inżynierii wiedzy Poszukiwanie takiego sposobu reprezentacji wiedzy, który ułatwi jej zapamiętanie i przetworzenie (w komputerze), dobrze odpowiada rozwiązywanym zadaniom i zachowuje czytelność Automatyzacja pozyskiwania wiedzy z dostępnej wiedzy i danych (automatyczne wnioskowanie) z uwzględnieniem różnorodnej formy wiedzy i stawianego zadania Ontologie opisujące strukturę złożonych dziedzin, co ułatwia ich analizę i wykorzystanie 22

Inżynieria wiedzy (ang. Knowledge Enginering) uszczegółowienie Wcześniejsze spojrzenie na inżynierię wiedzy obejmowało: Kreowanie Wiedzy Pozyskiwanie Wiedzy Zarządzanie Wiedzą oraz wykorzystanie wiedzy Z czasem pierwsze trzy pojęcia wyodrębniły się jako odrębne i samodzielne dziedziny Można zatem powiedzieć, że inżynierii wiedzy przyporządkowuje się funkcję wykorzystywania wiedzy 23

Inżynieria wiedzy (ang. Knowledge Enginering) uszczegółowienie Definicja: Inżynieria wiedzy wypracowuje użyteczne informacje na podstawie dostępnej wiedzy i konkretnych danych Taka definicja jest bardzo pojemna, obejmuje między innymi wspomaganie decyzji i systemy automatycznego sterowania: Wiedza + Dane = Wnioski 24

Inżynieria wiedzy (ang. Knowledge Enginering) uszczegółowienie Definicje: Inżynieria wiedzy to dział sztucznej inteligencjiobejmujący metody i systemy służące do uzyskania użytecznych informacji na podstawie dostępnej wiedzy i konkretnych danych Inżynieria wiedzy zajmuje się opisywaniem (reprezentacją) wiedzy i systemami, wykorzystującymi wiedzędo automatycznego wnioskowania, dla potrzeb: wspomagania decyzji, diagnostyki, klasyfikacji, zarządzania, planowania, konfigurowania itp.. Inżynieria wiedzy jest praktyczną realizacją idei sztucznej inteligencji w zastosowaniach inżynierskich 25

Inżynieria wiedzy (ang. Knowledge Enginering) uszczegółowienie Inżynieria wiedzy zajmuje się opisywaniem wiedzy oraz systemami wykorzystującymi wiedzę, miedzy innymi do: automatycznego wnioskowania wspomagania decyzji sterowania diagnostyki zarządzania Planowania klasyfikacji 26

Inżynieria, inteligencja naturalna, sztuczna inteligencja 27

Filozoficzne korzenie Inżynierii Wiedzy Wiedza i inteligencja są pojęciami znacznie wykraczającymi poza wszelkie inżynierie Inżynieria to działalność polegająca na projektowaniu, konstrukcji, modyfikacji i utrzymaniu efektywnych kosztowo rozwiązań dla praktycznych problemów, z wykorzystaniem wiedzy naukowej oraz technicznej Korzenie inżynierii wiedzy można odnaleźć w następujących nurtach filozofii: Epistemologia Ontologia Logika Które dla potrzeb informatyki zostały przystosowane do działań praktycznych 28

Filozoficzne korzenie Inżynierii Wiedzy Epistemologia: zajmuje się teorią poznania, bada skąd pochodzi, na ile jest wiarygodna i jakie ma ograniczenia nasza wiedza Ontologia: studiuje naturę bytu, istnienia i rzeczywistości, przedmiotu i jego własności Logika: analizuje zasady logicznego myślenia 29

Naturalna inteligencja (def. klasyczna) Przykłady klasycznych definicji inteligencji dla systemów naturalnych (ludzi): Inteligencjaoznacza umiejętność rozumienia oraz uczenia się nowych rzeczy Inteligencjato zdolność do aktywnego przetwarzania informacji, przekształcania ich z jednej formy w inną poprzez operacje logiczne Inteligencjato zdolność do przetwarzania informacji na poziomie abstrakcyjnych idei 30

Naturalna inteligencja (def. klasyczna) Inteligencjato zdolność do twórczego, a nie tylko mechanicznego przetwarzania informacji, czyli tworzenia zupełnie nowych pojęć i ich nieoczekiwanych połączeń Inteligencja to zdolność do myślenia i rozumienia w przeciwieństwie do wykonywania czynności instynktownie lub automatycznie Inteligencja jest zdolnością do poprawnego i sprawnego rozwiązywania zadań intelektualnych, które zazwyczaj uchodzą za trudne 31

Naturalna inteligencja (def. współczesna) Przykłady współczesnych definicji inteligencji dla systemów naturalnych (ludzi): Inteligencjato bardzo ogólna zdolność umysłowa, która obejmuje m.in. umiejętność rozumowania (myślenia), planowania, rozwiązywania problemów, myślenia abstrakcyjnego, rozumienia złożonych kwestii, szybkiego uczenia się oraz uczenia się na podstawie osobistego doświadczenia Gottfredson, Linda J. (1997), "Mainstream Science on Intelligence (editorial)", Intelligence 24 http://www.udel.edu/educ/gottfredson/reprints/1997mainstream.pdf Inteligencja to zespół zdolności umysłowych umożliwiających sprawne korzystanie z nabytej wiedzyoraz skuteczne zachowanie się wobec nowych zadań i sytuacji 32

Naturalna inteligencja (def. współczesna) Wedle innej teorii można wyróżnić następujące czynniki równorzędne inteligencji: lingwistyczny matematyczny i logiczny wizualny i przestrzenny muzyczny interpersonalny emocjonalny kinestetyczny przyrodniczy Gardner, H.(1993). Frames of Mind. Theory of Multiple Intelligneces. Basic Books 33

Sztuczna inteligencja Sztuczna inteligencja Czy maszyny/komputery mogą być inteligentne? Czy maszyny/komputery mogą zachowywać się inteligentnie? Czy należy oczekiwać, że inteligentna maszyna będzie w stanie wykonać każde zadanie, czy tylko jedno, czy też pewną grupę czynności? Jak ocenić czy mamy do czynienia z inteligentną maszyną? 34

Sztuczna inteligencja - definicje Sztuczna inteligencja to technologia myślenia komputerów/maszyn/programów Sztuczna inteligencja to nauka mająca za zadanie nauczyć maszyny/komputery/programy zachowania podobnego do ludzkiego Sztuczna inteligencja to dziedzina badań nad wyjaśnieniem i naśladowaniem inteligentnego zachowania w kategoriach procesów obliczeniowych 35

Sztuczna inteligencja - definicje Sztuczna inteligencja to dziedzina nauki zajmująca się rozwiązywaniem zagadnień efektywnie niealgorytmizowalnych w oparciu o modelowanie wiedzy Sztuczna inteligencja to zastosowanie programów do sprawnego rozwiązywania problemów, które według powszechnej opinii wymagają inteligencji, jeśli są wykonywane przez człowieka 36

Mocna i Słaba sztuczna inteligencja Na przestrzeni lat filozofowie sformułowali następujące rozróżnienie sztucznej inteligencji: słaba sztuczna inteligencja mocna sztuczna inteligencja 37

Mocna i Słaba sztuczna inteligencja Słaba sztuczna inteligencja: rozwiązywanie trudnych zadań w sposób umożliwiający praktyczne zastosowania trudne zadania rozwiązują za pomocą odpowiednich inteligentnych techniki obliczeniowych komputer umożliwia formułować i sprawdzać hipotezy dotyczące funkcjonowania ludzkiego mózgu Program = Symulacja, ale nie Prawdziwe Myślenie Ta wersja AI nie ma wielu oponentów gdyż jest wiele dowodów na jej oczywistą przydatność. Ponadto możliwa jest komputerowa symulacja inteligentnego działania niebiologicznymimetodami. 38

Mocna i Słaba sztuczna inteligencja Mocna sztuczna inteligencja: zdolność do myślenia w sposób w pewnym stopniu dający się porównywać z myśleniem ludzkim konstrukcja systemu myślącego komputer odpowiednio zaprogramowany jest w istotny sposób równoważny mózgowi i może mieć stany poznawcze (co powoduje spory filozoficzne) Symulacja inteligencji to nie prawdziwa inteligencja, umysł nie jest programem a mózg nie jest komputerem 39

Kryteria oceny sztucznej inteligencji Symulacja procesów naturalnych (behawioralny test na inteligencję) Test Turinga: gra w ustalenie tożsamości na podstawie protokołów tekstowych (czy człowiek?, czy komputer?) Inteligentne czynności Wykorzystywanie heurystyk, reguł umożliwiających ograniczenie przestrzeni rozwiązań Wnioskowanie czyli proces przetwarzania wiedzy, w wyniku którego na podstawie pewnego zbioru znanych stwierdzeń wyprowadza się nowe stwierdzenia Uczenie się, czyli wykorzystanie wyników swoich wcześniejszych działań Racjonalne sprawstwo Zdolność systemu do inicjowania działań, które są sensowne w określonym środowisku (dostosowane do wymagań bieżącej sytuacji), a następnie do skutecznego kierowania tymi działaniami 40

Sztuczna inteligencja Sztuczna inteligencja zaliczana jest do nauk kognitywnych, chociaż nie wszystkie jej metody mają coś wspólnego z umysłem Sztuczną inteligencję uznaje się jako część informatyki Nauki kognitywne, kognitywistyka: dziedzina nauki zajmująca się obserwacją i analizą działania zmysłów, mózgu i umysłu, w szczególności ich modelowaniem nauką multidiscyplinarnąi interdyscyplinarną, znajduje się na pograniczu wielu dziedzin: psychologii poznawczej, neurobiologii, filozofii umysłu, sztucznej inteligencji, lingwistyki, logiki oraz fizyki 41

Sztuczna inteligencja a inteligencja obliczeniowa Inteligencja obliczeniowa ma na celu rozwiązywanie zagadnień efektywnie niealgorytmizowalnych przy pomocy obliczeń Sztuczna inteligencja jest częścią inteligencji obliczeniowej, korzystającą z modelowania wiedzy, inne obszary inteligencji obliczeniowej nie korzystają z metod symbolicznej reprezentacji wiedzy O reprezentacji wiedzy w postaci symbolicznej i niesymbolicznej w dalszej części wykładu 42

Sztuczna inteligencja a inteligencja obliczeniowa Soft Computing Logika rozmyta Algorytmy ewolucyjne Sieci neuronowe Wizualizacja Data mining Inteligencja Obliczeniowa (metody numeryczne) Dane + Wiedza Sztuczna Inteligencja (metody symboliczne) Uczenie maszynowe Metody statystyczne Systemy ekspertowe Optymalizacja badania operacyjne Rachunek prawdopodobieństwa Rozpoznawanie Wzorców

Definicje wiedzy, reprezentacja wiedzy 44

Definicja Wiedzy Wiedzato zasób wiadomości z określonej dziedziny, wszelkie zobiektywizowane i utrwalone formy kultury umysłowej i świadomości społecznej powstałe w wyniku kumulowania doświadczeń i uczenia się Wiedzajest symbolicznym opisem otaczającego nas świata rzeczywistego charakteryzującym aksjomatyczne i empiryczne relacje, zawierającym procedury, które manipulują tymi relacjami 45

Definicja Wiedzy Wiedza to teoretyczne i/lub praktyczne zrozumienie tematu z rozważanej dziedziny Wiedzajest tym, co umożliwia podejmowanie uzasadnionych, racjonalnych decyzji Wiedzato służące określonemu celowi informacje i relacje między nimi 46

Reprezentacja Wiedzy dane, informacje, wiedza, mądrość Dane: to proste fakty Informacje: to dane z odpowiednim komentarzem Wiedza: sugeruje akcje, jest rodzajem porady Mądrość: właściwe wykorzystanie wiedzy 47

Definicja Wiedzy Źródło: Traczyk W. Inżynieria Wiedzy 48

Reprezentacja Wiedzy Reprezentacja wiedzy to pomocniczy i ważny proces przystosowujący postać wiedzy z otaczającego świata dla potrzeb automatycznego wnioskowania Ś W I A T obserwacje WIEDZA REPREZENTACJA decyzje, działania FAKTY, SĄDY WNIOSKOWANIE WNIOSKI Źródło: Traczyk W. Inżynieria Wiedzy 49

Reprezentacja Wiedzy wnioskowanie, fakty, sądy, wnioski Wnioskowanie: (rozumowanie) to proces myślowy lub komputerowy w którym na podstawie faktów i sądów uznanych za prawdziwe (lub częściowo prawdziwe) dochodzi się do nowych wniosków Fakty: to zmysłowe opisy rzeczywistości (stanów, zachowań, wymagań, związków między faktami w postaci relacji, itp.) Sądy: to rozumowe opisy abstrakcyjnych pojęć i idei Wnioski: to wyniki wnioskowania 50

Reprezentacja Wiedzy wiedza a informacja Wiedza to informacje i relacje między nimi: W INF INF Wiedza to sposób przetwarzania (odwzorowania) informacji: W :INF INF Wiedza medyczna : Objawy Diagnoza Wiedza medyczna : Diagnoza Kuracja 3 jest liczbą nieparzystą - fakt Jeśli x jest liczbą nieparzystą to x + 1 jest liczbą parzystą - wiedza 51

Reprezentacja Wiedzy wiedza a informacja <opis1 ZWIĄZEK opis2> <warunki ZALEŻNOŚĆ konkluzja> <informacja1 RELACJA informacja2> Wiedza to służące określonemu celowi informacje i relacje między nimi 52

Reprezentacja Wiedzy Informacja tak różni się od wiedzy, jak stos cegieł od porządnie zbudowanego domu 53

Reprezentacja Wiedzy wiedza a informacja Informacja to wszystko to co osłabia niepewność (C. Shannon) Wiedza jest zatem rodzajem złożonej (wielopoziomowej) informacji, a dane to podstawowe elementarne informacje Piramidę z jednego z poprzednich slajdów zastępuje struktura: informacje wiedza informacje dane Źródło: Traczyk W. Inżynieria Wiedzy 54

Reprezentacja Wiedzy symboliczna, niesymboliczna Symboliczna (składa się z faktów, relacji i procedur) proceduralna: polega na określeniu zbioru procedur, działanie których reprezentuje wiedza o dziedzinie wiedza proceduralna mówi jak rozwiązać problem deklaratywna: polega na określeniu zbioru specyficznych dla rozpatrywanej dziedziny faktów, stwierdzeń i reguł wiedza deklaratywna mówi czym rozwiązać problem strukturalna: zbiór pojęć, obiektów lub kategorii oraz relacji między nimi Niesymboliczna techniki inteligencji obliczeniowej: sieci neuronowe, zbiory rozmyte, algorytmy genetyczne i ewolucyjne, uczenie maszynowe, 55

Reprezentacja Wiedzy symboliczna Proceduralna: duża efektywność reprezentowania procesów, np. w postaci modeli matematycznych (równania algebraiczne, różniczkowe itp.) zawiera procedurę postępowania, zestaw czynności prowadzących do rozwiązania, np.: procedura rozbrojenia bomby wiedza nie jest oddzielona od sposobu jej wykorzystania Deklaratywna: łatwa w opisie formalnym oddzielona od sposobu jej wykorzystania jedynie zbiór faktów i relacji między nimi, np. typowanie podejrzanych o dokonanie przestępstwa 56

Reprezentacja Wiedzy niesymboliczna Sztuczne sieci neuronowe: symulują właściwości reprezentacji wiedzy i jej przetwarzania, podobnie jak komórki organizmów żywych wiedza zgromadzona jest w sposobie polaczenia pomiędzy neuronami oraz w wartościach wag, które reprezentują siłę tych połączeń Algorytmy genetyczne: przekazywanie wiedzy o całym gatunku następnym generacjom wiedza zapisana jest w poszczególnych genach w kolejnych populacjach następuje poprawa cech całej populacji 57

Reprezentacja Wiedzy klasyfikacja wiedzy Wiedzę w zależności od potrzeb można klasyfikować na wiele sposobów, wiedza może być: dziedzinowa ukryta, jawna indywidualna, grupowa idealna heurystyczna statyczna, dynamiczna ilościowa, jakościowa głęboka, powierzchniowa twarda (hard), miekka (soft) 58

Reprezentacja Wiedzy - metody Do najczęściej stosowanych metod reprezentowania wiedzy, organizowania bazy wiedzy, zalicza się: metody bazujące na zastosowaniu logiki: logika konwencjonalna: rachunek zdań, rachunek predykatów, metoda rezolucji, itp. logika niekonwencjonalna (rozmyta, wielowartościowa), metody wykorzystujące zapis stwierdzeń metody wykorzystujące systemy regułowe metody wykorzystujące sieci semantyczne metody bazujące na ramach metody wykorzystujące modele obliczeniowe oraz metody inteligencji obliczeniowej: sztuczne sieci neuronowe algorytmy genetyczne 59

Reprezentacja Wiedzy - metody Do najczęściej stosowanych metod reprezentowania wiedzy, organizowania bazy wiedzy, zalicza się: metody bazujące na zastosowaniu logiki: logika konwencjonalna: rachunek zdań, rachunek predykatów, metoda rezolucji, itp. logika niekonwencjonalna (rozmyta, wielowartościowa), metody wykorzystujące zapis stwierdzeń metody wykorzystujące systemy regułowe metody wykorzystujące sieci semantyczne metody bazujące na ramach metody wykorzystujące modele obliczeniowe oraz metody inteligencji obliczeniowej sztuczne sieci neuronowe algorytmy genetyczne Więcej informacji na kolejnych wykładach 60

Reprezentacja Wiedzy sieci semantyczne Twórca idei sieci semantycznej Quillin, wyszedł z założenia że pamięć ludzką najlepiej opisuje model asocjacyjny jedne terminy są wyjaśniane przez inne terminy Sieć semantyczna jest siecią stwierdzeń przedstawianą w postaci grafu skierowanego Węzłami grafu są stwierdzenia a gałęziami relacje Węzłom oraz gałęziom mogą być przypisane wagi określające stopnie przekonania o słuszności tych stwierdzeń Wnioskowanie na bazie sieci semantycznej odpowiada poruszaniu się po grafie, i na tej podstawie wyprowadza się różne konkluzje 61

Reprezentacja Wiedzy sieci semantyczne M ogon Klara J papuga M M M skrzydła pióra kolor I klatka M dziób J zakrzywiony I laboratorium J badana Źródło: Mulawka J. Systemy Ekspertowe J jest M ma I jest 62

Reprezentacja Wiedzy ramy Idea ram opracowanych Minsky ego, który pierwotnie wykorzystywał je do reprezentowania wiedzy do rozpoznawania obrazów Idea ram została oparta o analizę sposobu zachowania człowieka znajdującego się w nowej dla niego sytuacji i w nowym otoczeniu, ale mającego o tej dziedzinie już pewne wcześniejsze wyobrażenia Człowiek wydobywa wówczas pamięci określoną strukturę, czyli ramę, i konfiguruje tę sytuację z wiedzą zawartą w ramie W przypadku gdy człowiek zetknie się z całkowicie nowym obiektem, wówczas jego pierwszą reakcją będzie próba zapamiętania go i wprowadzenia jego nazwy, co jest równoznaczne z wykreowaniem nowej ramy 63

Reprezentacja Wiedzy ramy Ramy umożliwiają deklaratywną i proceduralną reprezentację wiedzy Ramy stwarzają możliwość organizacji bazy wiedzy w taki sposób, że reguły będące reprezentacją wiedzy danej dziedziny są wyraźnie oddzielone od reguł niezbędnych do poprawnego działania systemu ekspertowego Ramy stwarzają możliwość grupowania informacji dotyczących wybranego fragmentu wiedzy w postaci jednej ramy, co upraszcza późniejszą weryfikację 64

Reprezentacja Wiedzy ramy Ram jest strukturą opisującą dany obiekt i składa się z tzw. klatek (slotów) Każda klatka reprezentuje pewną właściwość albo cechę obiektu opisanego przez ramę Ramy są podobne do reprezentacji wiedzy za pomocą stwierdzeń: (<obiekt><atrybut><wartość>) Źródło: Mulawka J. Systemy Ekspertowe 65

Reprezentacja Wiedzy ramy Struktura hierarchiczna ramy rama: profesor rama: pracownik UW rama: pracownik PG rama: pracownik WEiA rama: Kowalski Źródło: Mulawka J. Systemy Ekspertowe 66

Reprezentacja Wiedzy ramy Ramy w swojej podstawowej strukturze nie zawierają specjalnych mechanizmów związanych ze sterowaniem wnioskowaniem Niemniej jednak dzięki hierarchii (dziedziczenie) oraz powiązaniom i procedurom zawartym w klatkach ramy spełniają zasady opisu proceduralnego, co daje możliwość wykorzystania ram w procesie wnioskowania 67

Bibliografia [1] W. Traczyk: Inżynieria Wiedzy, EXIT 2010 [2] J. Mulawka: Systemy ekspertowe, WNT 1996 [3] J.Chromiec, E.Strzemieczna: Sztuczna inteligencja, metody konstrukcji i analizy systemów eksperckich, Akademicka Oficyna Wydawnicza PLJ 1994 68

Zakończenie ;) Dziękuję za uwagę!!! 69