SZTUCZNA INTELIGENCJA W FINANSACH I. Wprowadzenie Jerzy KORCZAK jerzy.korczak@ue.wroc.pl http://kti.ue.wroc.pl http://www.korczak-leliwa.pl 1
Sztuczna Inteligencja Russell S.J., Norvig P., (1995) : Artificial Intelligence : A Modern Approach, Prentice Hall. Winston H.P., Horn, B.K.P. (1992): Artificial Intelligence, Addison-Wesley, 3rd Ed. Artificial Intelligence is the study of the computations that make it possilible to perceive, reason, and act [P.Winston] - the engineering goal of AI is to solve real-world problems - the scientific goal : models of KR, theory of reasoning,... Systemy inteligentne : auto-adaptacja zdolność poprawienia jakości swojego działania poprzez zdobywanie nowych doświadczeń zdolność dobierania parametrów pracy w zależnosci od efektów umiejętność rozwiazywania zadan zdolność doskonalania strategii uczenia się 2
Test inteligencji programu: czy jest to możliwe? A real-lifiuring test: An interviewer (Jezelitting in a separate room) asks a series of questions that are randomly directed to either a computer or a person. Based on the answers, the interviewer must distinguish which of the two has answered the question. If the interviewer is not able to distinguish between them, then the computer is intelligent. Nagroda Loebnera ($100,000) vs M. Minsky Szachy : Deep Blue vs G.Kasparow 3.5 : 2.5-10 120 możliwych gier - 200 M pozycji analizowanych na sekundę - opening book & extended book 3
Algorytmy przeszukiwania przestrzeni stanów Przeszukiwanie w głąb (DFS) i przeszukiwanie wszerz (BFS) Hill Climbing (metoda gradientowa) Przeszukiwanie heurystyczne : Best-First search w glab uporzadkowane, wiazka, wg pierwszego najlepszego Algorytmy A*, IDA*, SMA* Przeszukiwanie w warunkach konkurencji: gry MINIMAX, przycięcie a-b, pogłębianie progresywne Własności: Kompletność Złożoność czasowa Złożoność przestrzenna Optymalność 4
Gry komputerowe: Power 4 Cel gry: Ustawienie 4 zetonow w linii Algorytmy MiniMax i Alpha-Beta 5
Algorytm A* Idea : minimalizacja kosztu calkowitego f(n) drogi przejscia przez wezel n f(n) = d(droga juz pokonana) + d(droga do pokanania) = g(n) + h(n) Pod-estymacja h(n) n h(n) <= h*(n) z h*(n) = koszt rzeczywisty przejscia od wezla n do celu Warianty A*: - IDA* => Iterative Deepening A* (przeszukiwanie w glab przy ograniczeniu progu kosztu DFS-Contour) - SMA* => Simplified Memory-Bounded A* 6
Algorytm a-b : Ocena Faza druga: Ocena pozycji Funkcja oceny Min f = a * EvalGagne + b * ConnexitéPlateau 5 ;0 Przyciecie alpha =5 ;0 Max (3 ;5 ;1) 5 0 5 Eval 3 5 1 0 5 5 ConnexitéPlateau 7
Quarto : Konstrukcja drzewa wedlug algorytmu MiniMax [Morgenstern, von Neumann, 1945] Faza pierwsza konstrukcja drzewa Wykaz wszystkich mozliwych ruchow Wybor pozycji do ustawienia danego klocka Wybor klocka dla przeciwnika Wygenerowanie dopuszczalnych ustawien klockow na szachownicy Okreslenie pozycji dla kazdej konfiguracji i kontynuacja gry az do osiagniecia zadanej glebokosci drzewa Nasz ruch Ruch przeciwnika Nasz ruch Ocena Liczba mozliwych konfiguracji gry 16! *15! = 2.73 * 10 25 8
Przeszukiwanie przestrzeni: Gra Quarto Opis - 16 klockow o 4 roznych charakterystykach : kolor: zolty, czerwony podstawa: okragla lub kwadratowa wysokosc: dlugi, krotki srodek: pelny, wydrazony - Szachownica: 4*4 - Cel gry : ustawienie w liniii czterech klockow o tej samej charakterystyce 9
Planowanie: Job Shop Scheduling 10
Od PERCEPTRONU do hybrydowych systemów inteligentnych Systemy auto-adaptacyjne Perceptron [Rosenblatt,1958], Adaline [Widrow, 1962] Pierwszy program grajacy : Checkers [Samuel, 1963] Systemy ekspert: DENDRAL, MYCIN, AQVAL [1970 -] Reprezentacja wiedzy : frames [Minsky, 1975] Multilayer-Perceptron, Kohonen Maps,... [Rumelhart, 1985] Sztuczna ewolucja [Holland, Goldberg, 1989] Multi-strategy learning [Michalski, 1990] KDD, data mining, intelligent agents [1995 -] Web-semantics, [1998 -] Inteligentne Roboty, «inteligentne domy», Robo sapiens, a-life, 11
Reprezentacja wiedzy Logika zdań może_pobrac_się_ z_alą mężczyzna kawaler bogaty inteligentny Logika pierwszego rzędu jezyk Prolog dziadek (X,Y):= ojciec(x,z), ojciec (Z,Y) Schematy i frames Drzewa, grafy, sieci Chromosomy 0010000100001001011 Relacje R1(A,B,C), R2(A,D) Reperezentacja obiektowa OBIEKT Struktura Metody 12
Wnioskowanie Reguły wnioskowania: reguła modus-ponens {P, (P Q)} Q Przykład : P : [(Sytuacja przedsiębiorstwa XYZ jest mglista)] (P Q): [Jeśli sytuacja przedsiębiorstwa XYZ notowanego na giełdzie jest mglista, to inwestorzy nie mają skrupułów w pozbyciu się akcji] (Q) [(Inwestorzy nie mają skrupułów w pozbyciu się akcji) : Kapitalizacja XYZ topnieje bardzo szybko] Inne reguły : modus-tolens {(P Q), Q} P sylogismy {(P Q), (Q R)} (P R) 13
Systemy eksperckie (ang. knowledge-based systems) SE jest to oprogramowanie umozliwiajace reprodukcje zachowania sie eksperta w trakcie rozwiazywania problemow: klasyfikacji, decyzji, symulacji (diagnostyka ekonomiczna, planowanie, decyzje na rynku finansowym, ocena ryzyka,...) dany problem nie moze byc rozwiazany metodami algorytmicznymi SE stosowane sa w dziedzinach w ktorych dostepni sa eksperci. SE i generatory SE MYCIN, MOLGEN, PROSPECTOR,... OPS-5, Nexperts, KEE, KRL, SNARK, GURU SMECI, CLIPS, JESS,... 14
Struktura systemu eksperckiego Niezależność bazy wiedzy i mechanizmu wnioskującego Baza reguł Mechnizm wnioskujący Interfejs Baza danych 15
SE: Mechanizm wnioskowania wprzód (forward chaining) Przyklad: Niech BF = {B,C}, FAD = H i BR złożona jest z następujących regul: Jezeli B i D i E to F Jezeli G i D to A X A H Jezeli C i F to A Jezeli B to X B,C Jezeli D to E Jezeli X i A to H D E Jezeli C to D Jezeli X i C to A Jezeli X i B to D 16
SE: Mechanizm wnioskowania wstecz (backward chaining) Przyklad Jezeli B i C to A Jezeli D i E to A Jezeli F i G to A Jezeli I i J to G Jezeli J to E Założmy, że o wartości B, D, F i I można zapytać użytkownika. Jedyny fakt wiadomy w momencie startu systemu : J jest prawdziwe. Pytanie postawione przez użytkownika : B,C Czy A jest prawdziwe? A D,E F,G Jakie są pytania pertynentne które należy postawić użytkownikowi? I,J 17
Wyszukiwanie informacji w bazach danych 18
Niektóre zastosowania w zarządzaniu Systemy eksperckie, modelowanie procesów decyzyjnych Wspomaganie decyzji menedżerskich Diagnostyka ekonomiczna przedsiębiorstw Planowanie i optymalizacja wielokryterialna Prognozowanie decyzji kupna-sprzedaży Ocena ryzyka, kredyty Data mining poszukiwanie wiedzy w bazach danych Optymalizacja portfela akcji Negocjacje z pracownikami i związkami zawodowymi Monitorowanie, systemy zabezpieczeń, identyfikacja Wyszukiwanie informacji, e-intelligence 19
Axone : XOR 20
OCR : Character recognition by NN J.Korczak 21
Fréquence -50 0 10 20 30 40 0 50 100 150 200 250 Average Intensity of each row s Grey Scale -50 0 10 20 30 40 50 0 50 100 150 200 250 Intensity Intensity Autentyfikacja biometryczna Twarz Détection des yeux Normalisation + Codage Moment Apprentissage et Reconnaissance Decyzja Filtre de base Trouver Y Trouver X Inondation + Convolution Vert Bleu Hue Saturation IntenJezeli té Extraction Réseau des neurones w1 Badge Baza danych Przyjac Odrzucic Głos Transformation de l ondelite Normalisation + Codage Apprentissage et Reconnaissance w2 Effacer les Jezelilences C 0 C 1 C 2 C 3 C 4 C 5 C 6 C 7 C 9 C 10 C 11 C 12 Temps C 13 C 14 C 15 Réseau des neurones 22
Bourse-Experts : ekspertyza w czasie quasi-rzeczywistym 23
Poszukiwanie reguł decyzyjnych 24
Schemat funkcjonalny A-Tradera 25
Decisions Period IV 26/19
Projekt Inteligentny Kokpit dla Menedżerów [Korczak, 2012] 29
ROA=NP/TA= 12,908/184,400= 7% Wyjasnienia/Interpretacja 30
31
AML - Analiza przepływów pięniedzy 32 K1 K2 K3 K4 k14 k15 k16 k17 K8 K6 k10 k12 K5 K7 k11 k13 K9 T8 T9 T6 T5 T1 T18 T20 T19 T14 T16 T2 T11 T7 T3T12 T17 T10 T15 K1 K2 K3 K4 k14 k15 k16 k17 K8 K6 k10 k12 K5 K7 k11 k13 K9 T8 T9 T6 T5 T1 T18 T20 T19 T14 T16 T2 T11 T7 T12 T3 T17 T10 T15 K1 K2 K3 K4 k14 k15 k16 k17 K8 K6 k10 k12 K5 K7 k11 k13 K9 T8 T9 T6 T5 T1 T18 T20 T19 T14 T16 T2 T11 T7 T3 T12 T17 T10 T15 K1 K2 K3 K4 k14 k15 k16 k17 K8 K6 k10 k12 K5 K7 k11 k13 K9 T8 T9 T6 T5 T1 T18 T20 T19 T14 T16 T2 T11 T7 T12 T3 T17 T10 T15 K1 K2 K3 K4 k14 k15 k16 k17 K8 K6 k10 k12 K5 K7 k11 k13 K9 T8 T9 T6 T5 T1 T18 T20 T19 T14 T16 T2 T11 T7 T12 T3 T17 T10 T15 K1 K2 K3 K4 k14 k15 k16 k17 K8 K6 k10 k12 K5 K7 k11 k13 K9 T8 T9 T6 T5 T1 T18 T20 T19 T14 T16 T2 T11 T7 T12 T3 T17 T10 T15
Sieci społecznościowe [C.Faloutsos et.al., KDD2009] 33/54
34
The ruling coalition of Unity, Zatler Reform Party, and the National Alliance all majority ethnic Latvian National Alliance Unity Harmony Center Zatler s Reform Party Greens/farmers 35
Interpretacja obrazów satelitarnych Satelita SPOT Rezolucja 20m * 20m MultiSpectral B1 : 0.50 à 0.59 hm B2 : 0.61 à 0.68 hm B3 : 0,79 à 0.89 hm Trojlka wartości [0,255] wymiary : 3000x3000 pixels - Rezolucja 1,3m*1,3m J.Korczak 37
Strasburg: Robertsau 1996 Rayon d agrégation 2, rayon d étude de voisinage 1, 20 classes Classification étape 9 Segmentation étape 9 J.Korczak 38
Skaner Mózgu obraz fmri J.Korczak 39
Klasyfikacja fmri J.Korczak 40
Dostawa towarów - Amazon Prime Air 41