1 Plan wykładów Podstawy algorytmów genetycznych oraz ich aplikacje w procesach optymalizacji Sztuczne sieci neuronowe-formalne podstawy i wybrane aplikacje Wprowadzenie formysztucznej inteligencji Elementy logiki rozmytej i jej aplikacje w sterowaniu i modelowaniu obiektów dynamicznych Systemy ekspertowe 2 Literatura Cichosz P.: Systemy uczące się. WNT Warszawa 2000. Mulawka J.: Systemy ekspertowe. WNT, Warszawa, 1996 Niederliński A.: Regułowe systemy ekspertowe. Wyd. J. Skalmierskiego, 2000 Osowski S.: Sieci neuronowe do przetwarzania informacji. OW Pol. Warszawskiej, 2000r. Tadeusiewicz R. : Sieci neuronowe. Akademicka Oficyna Wydawnicza RM, Warszawa, 1993 Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. WN PWN Warszawa Łódź 1999. Driankov D., Helendoorn H., Reifrank M.: Wprowadzenie do sterowania rozmytego. WNT 1996 Czogała E., Pedrycz W.: Elementy i metody teorii zbiorów rozmytych. PWN. Warszawa, 1985. Michalewicz Z.: Algorytmy genetyczne + struktury danych = programy ewolucyje. WNT 1996 1
3 Dwie drogi do sztucznej inteligencji Inteligencję próbuje się osiągnąć przez: Programowanie logiczne, poziom symboliczny - inteligencja rozumiana koncepcyjnie. Modele inspirowane przez działanie mózgu, symulacje - inteligencja obliczeniowa (ang. Coputational intelligence CI). 4 Dwie drogi do sztucznej inteligencji (AI,CI) AI zaliczana jest do nauk kognitywnych, chociaż nie wszystkie jej metody mają coś wspólnego z umysłem. AI uznawana jest również za część informatyki. Inteligencja Obliczeniowa (Computational Intelligence) ma na celu rozwiązywanie zagadnień efektywnie niealgorytmizowalnych przy pomocy obliczeń. AI jest jej częścią korzystającą z modelowania wiedzy, inne obszary CI nie korzystają z metod symbolicznych. Obszary badań naukowych powstają w wyniku skupienia się zainteresowania uczonych wokół różnych zjawisk. Nauki nie powstają w wyniku definicji ale zostają rozpoznane (A. Newell, 1973) W tym sensie AI została rozpoznana jeszcze przed informatyką! 2
5 Dwie drogi do sztucznej inteligencji (AI,CI) Kognitywistyka zajmuje się zrozumieniem mechanizmów poznawczych umysłu; z tego punktu widzenia: CI zajmuje się modelowaniem procesów percepcji, pamięci, sterowania, reakcji, zachowań sensomotorycznych; zaś AI modelowaniem wyższych czynności poznawczych: myślenia, rozumowania, rozwiązywania problemów, logiką, językiem. AI to część CI posługująca się symboliczną reprezentacją wiedzy, inżynierią wiedzy, tworzeniem systemów ekspertowych. CI zmierza do automatyzacji procesów akwizycji wiedzy z obserwacji, analizy danych, percepcji, kategoryzacji, aproksymacji. CI-AI: pokrywają się w niewielkim stopniu w ramach nielicznych systemów hybrydowych. 7 Elementy sztucznej inteligencji Systemy ekspertowe (AI) Systemy eksploracji danych (data mining) (AI) Systemy samouczące się (AI) Sztuczne sieci neuronowe (CI) Logika rozmyta (CI) Algorytmy genetyczne i programy ewolucyjne (CI) Systemy agentowe i inteligencja zbiorowa (AI/CI) Modele systemów immunologicznych (CI) 3
8 Inteligencja obliczeniowa Paradygmaty inteligencji obliczeniowej SSI sztuczne systemy immunologiczne SSN sztuczne sieci neuronowe LR logika rozmyta IZ inteligencja zbiorowa AE algorytmy ewolucyjne Wspólne cechy: Wzorce w postaci systemów biologicznych Wykorzystanie w połączeniu z metodami probabilistycznymi Możliwość tworzenia systemów hybrydowych SSN LR SSI Techniki probabilistyczne AE IZ 9 Źródła inteligencji obliczeniowej Sztuczne sieci neuronowe- modele biologicznych układów neuronowych Algorytmy ewolucyjne-modele oparte na teorii ewolucji organizmów żywych Inteligencja zbiorowa (społeczna) modele socjalnych zachowań organizmów żyjących w stadach lub koloniach Sztuczne systemy immunologiczne- modele ludzkiego systemu immunologicznego (odpornościowego) Logika rozmyta model procesu myślenia oraz interakcji organizmów żywych z otoczeniem 4
10 Aplikacje inteligencji obliczeniowej Sztuczne sieci neuronowe mechanizmy gromadzenia wiedzy, równoległe przetwarzanie informacji, modele zjawisk i systemów dynamicznych oparte na danych historycznych w związku z brakiem opisu formalnego, przetwarzanie sygnałów i obrazów, rozpoznawanie i klasyfikacja wzorców Algorytmy ewolucyjne optymalizacja funkcji, automatyczne strojenie parametrów układów regulacji, robotyka planowanie ruchu Inteligencja zbiorowa (społeczna) rozproszone systemy sterowania, optymalizacja funkcji, systemy odporne na uszkodzenia Sztuczne systemy immunologiczne- układy i systemy adaptacyjne, mechanizmy gromadzenia wiedzy i optymalizacji funkcji Logika rozmyta modelowanie zjawisk i układów dynamicznych przy braku ich formalnego opisu, teoria sterowania, układy regulacji automatycznej oparte na doświadczeniu i intuicyjnym działaniu. 13 Czym jest sztuczna inteligencja? Inteligencja -zespół zdolności umysłowych umożliwiających jednostce sprawne korzystanie z nabytej wiedzy oraz skuteczne zachowanie się wobec nowych zadań i sytuacji 5
14 Czym jest sztuczna inteligencja? Sztuczna Inteligencja (skrót AI od angielskiego określenia Artificial Intelligence ) - jest to pojęcie stosowane w informatyce i oznacza rozwiązywanie problemów sposobami wzorowanymi na naturalnych działaniach i procesach poznawczych człowieka za pomocą symulujących je programów komputerowych. 15 Czym jest sztuczna inteligencja? Sztuczna Inteligencja - próba przeniesienia właściwości ludzkiego mózgu na programy uruchamiane na komputerach; jest to przede wszystkim umiejętność gromadzenia nowych wiadomości, a więc nieustanne nabywanie informacji i właściwe ich wykorzystywanie. 6
16 Czym jest sztuczna inteligencja? Sztuczna inteligencja jest nauką o maszynach realizujących zadania, które wymagają inteligencji, gdy są wykonywane przez człowieka (Minsky) Sztuczna inteligencja to dziedzina nauki zajmująca się rozwiązywaniem zagadnień efektywnie niealgorytmizowalnych w oparciu o modelowanie wiedzy. AI to nauka mająca za zadanie nauczyć maszyny zachowań podobnych do ludzkich. AI to nauka o tym, jak nauczyć maszyny robić rzeczy które obecnie ludzie robią lepiej. AI to nauka o komputerowych modelach wiedzy umożliwiających rozumienie, wnioskowanie i działanie. 17 Czym jest sztuczna inteligencja? Czy maszyna (komputer) może myśleć? Propozycją testu naukowego tego problemu jest TEST TURINGA (Alan M. Turing, 1950). Test Turinga: Maszyna jest nazywana inteligentną, jeśli zewnętrzny obserwator nie jest w stanie odróżnić jej odpowiedzi od odpowiedzi człowieka mogącego zastępować maszynę. Stworzenie myślącej maszyny w tym sensie sprowadza się do napisania programu komputerowego spełniającego test Turinga. 7
18 Czym jest sztuczna inteligencja? Czy maszyna może myśleć? Test Turinga: 22 Czym jest sztuczna inteligencja? Cechy systemów inteligentnych zdolność do przyswajania nowej wiedzy, samoadaptacja, przystosowanie do zmian, modyfikacji i rozwoju, kreatywność czyli zdolność systemu do samodzielnego formułowania własnych sugestii, analiza tzw. słabo lub źle zdefiniowanych sytuacji decyzyjnych. Powiązania z innymi dziedzinami matematyka, logika, informatyka, cybernetyka, neurobiologia,... 8
23 Definicja uczenia się (ang. learning) Uczeniem się systemu jest każda autonomiczna zmiana w systemie zachodząca na podstawie doświadczeń, która prowadzi do zmiany (poprawy) jakości jego działania. Zakłada się, że istnieje możliwość oceny jakości działania (zauważenie zmian i odróżnienie korzystnych od niekorzystnych). Warunek zmiany - może być obiektywnie stwierdzony, natomiast pozostałe cechy uczenia są nieostre, umowne. Pojęcie uczenia się systemu jest pojęciem nieostrym. Marzenia o samodzielnym uczeniu się komputerów zrodziły się wraz z opracowaniem tych urządzeń. Nadal nie ma jednoznacznej, satysfakcjonującej odpowiedzi na pytanie: jak zaprogramować komputery, by mogły się one uczyć? 25 Czym jest sztuczna inteligencja? W metodach sztucznej inteligencji następuje przejście od przetwarzania danych do przetwarzania wiedzy. Systemy te określa się jako systemy oparte na wiedzy. Metody algorytmiczne charakterystyczne dla przetwarzania proceduralnego w sztucznej inteligencji zostają zastąpione przeszukiwaniem inteligentnym. 9
26 Szukanie (ang. searching) Ciąg operacji tworzy sekwencję działań, od stanu początkowego do stanu końcowego (celu). Z każdą operacją związany jest pewien koszt. W procesie szukania należy dążyć do minimalizacji całkowitych kosztów. Znaleziona sekwencja operacji <=> rozumowanie. Rozumowanie bezpośrednie: od danych do celu (data driven), zwane szukaniem z dołu do góry. Rozumowanie wstecz: od celu do danych, kierowane przez cele (goal directed), z góry na dół Analiza środków i celów: strategia mieszana, tworzy cele pośrednie. Jak przedstawić proces szukania? Grafy lub struktury drzewiaste. Strategie przeszukiwań: różne sposoby tworzenia grafów lub wędrowania po grafie. 27 Szukanie (ang. searching) Szukanie - jedna z najważniejszych metod informatyki. Przez niektórych niemal utożsamiana ze sztuczną inteligencją. Występuje w wielu problemach: dedukcji, rozumowania, wnioskowania, planowania, dowodzenia... Trzy elementy potrzebne do zdefiniowania problemu: Baza danych: fakty, stany, możliwości, opis sytuacji; Możliwe operacje: zmieniają stan bazy danych; Strategia kontrolna: start, koniec i kolejność operacji. 10
30 Heurystyki Heurystyczny - pomocny w rozwiązaniu, służący odkryciu. Wiedza heurystyczna - wiedza nie gwarantująca rozwiązania. Proces heurystyczny oznacza proces mogący - ale nie gwarantujący - doprowadzić do rozwiązania. Heurystyczny - przeciwstawienie ślepego szukania. Naśladowanie działania zdroworozsądkowego, opartego na intuicji Rolę intuicji w procesach przeszukiwania może pełnić analiza probabilistyczna Rozwiązanie heurystyczne jest rozwiązaniem przybliżonym 48 Zastosowania metod sztucznej inteligencji METODY SZTUCZNEJ INTELIGENCJI W UKŁADACH STEROWANIA stosuje wszędzie tam, gdzie nie ma pełnej teorii a wymagane są inteligentne decyzje. na przykład w celu: rozpoznawanie kształtów (np. liter, rysunków, zdjęć), dźwięków (np. mowy), prowadzenie gier (np. szachy), dowodzenie twierdzeń, komponowanie muzyki, tłumaczenie z jednego języka naturalnego na inny, formułowanie ekspertyz, diagnoz lekarskich, sterowanie robotami i in.. 11
49 Kluczowe zagadnienia sztucznej inteligencji Rozwiązywanie problemów: gry i zagadki logiczne, gry planszowe, obliczenia symboliczne. Główne metody to szukanie i redukcja problemów. Mistrzowskie rezultaty: warcaby, szachy i inne. Obliczenia symboliczne przy pomocy programów algebry komputerowej. Rozumowanie logiczne, dowodzenie twierdzeń. Manipulowanie obiektami z bazy zapisanych jako dyskretne struktury danych, duże problemy, wybór istotnych faktów i hipotez wymaga AI. Projektowanie układów logicznych. Język naturalny: rozumienie języka, tłumaczenie maszynowe, rozumienie mowy mówionej. Budowa baz danych z tekstów, wiedza kontekstowa. 50 Kluczowe zagadnienia sztucznej inteligencji Programowanie automatyczne lub autoprogramowanie. Opis algorytmów przy pomocy języka naturalnego, automatyczne pisanie programów, modyfikacja swojego własnego programu, programowanie dostępu do baz danych dla menedżerów. Ekspertyza, systemy doradcze, inżynieria wiedzy. Reprezentacja wiedzy, dialog z systemem, wyjaśnianie rozumowania, akwizycja wiedzy często nieuświadomionej. Robotyka i wizja, rozpoznawanie obrazu, kształtów i cech przedmiotów, kontrola ruchu. Programy manipulujące kończynami robotów, optymalizacja ruchów, planowanie sekwencji czynności, integracja sensomotoryczna. Integracja z metodami przetwarzania i analizy obrazów. 12
51 Kluczowe zagadnienia sztucznej inteligencji Systemy i języki: to narzędzia dla pracy w AI i jednocześnie jej produkty uboczne. LISP, Prolog, wiele języków specjalistycznych rozwinięto dla potrzeb AI. Uczenie się - głównie w systemach inteligencji obliczeniowej, na razie słabo zintegrowane z AI. Uczenie się na przykładach, przez analogię, w klasycznych systemach AI prawie nie występuje. Uczenie maszynowe: bardzo ważny dział AI, metody statystyczne, rozpoznawania struktur, sieci neuronowe, logika rozmyta, algorytmy ewolucyjne i wiele innych. Zagadnienia filozoficzne AI: Czy maszyny mogą myśleć? Czy mogą być twórcze? Czy mogą być świadome? Jakie są ograniczenia ich możliwości? 52 Wersja słaba i silna sztucznej inteligencji Wersja słaba AI: Komputer pozwala formułować i sprawdzać hipotezy dotyczące mózgu. Program = symulacja, ale nie prawdziwe myślenie. W tej wersji AI nie ma wielu oponentów gdyż jest wiele dowodów na jej oczywistą przydatność. Możliwa jest komputerowa symulacja inteligentnego działania niebiologicznymi metodami. Wersja silna AI: Komputer odpowiednio zaprogramowany jest w istotny sposób równoważny mózgowi i może mieć stany poznawcze. Wersja często atakowana, ciągłe spory filozoficzne, czy jest to możliwe. Symulacja inteligencji to nie prawdziwa inteligencja, umysł nie jest programem a mózg nie jest komputerem. 13
53 Sztuczny układ odpornościowy (AIS) Elementy układu (obiekty): Komórka macierzysta (ang. own cell) Obiekt naturalnie należący do systemu, wzorzec akceptowany w systemie Przeciwciało (ang. antibody) Obiekt rozpoznający obiekty nie będące komórkami macierzystymi, niepożądane wzorce Antygen (ang. antigen) Obiekt rozpoznawany i uaktywniający przeciwciała 54 Sztuczny układ odpornościowy (AIS) Algorytmy działania układu: Algorytm selekcji negatywnej (ang. negative selection) Służy do wygenerowania zbioru przeciwciał - detektorów, które nie są uaktywniane przez komórki macierzyste. Algorytm selekcji klonalnej (ang. clonal selection) Służy do promowania skutecznych detektorów 14
55 Rozproszona sztuczna inteligencja Rozproszona sztuczna inteligencja (Distributed artificial intelligence - DAI) jest dziedziną wiedzy, która bada zachowanie się sztucznej inteligencji w programowaniu rozproszonym. W DAI można wyróżnić dwa główne obszary badań rozproszone rozwiązywanie problemu (Distributed problem solving - DPS) systemy wieloagentowe (Multiagent systems - MAS) Filozofia MAS opiera się o grupy inteligentnych programów (agentów), które mają za zadanie wspólnie rozwiązywać problemy. Programy (agenci) w poszczególnych grupach mają możliwość kooperacji, negocjacji oraz koordynacji za pomocą wymiany komunikatów pomiędzy sobą. 56 Systemy wieloagentowe AGENT to system/program komputerowy, umieszczony w pewnym środowisku, zdolny do autonomicznego działania w tym środowisku w celu osiągnięcia założeń projektowych. (Halina Kwaśnicka, SZTUCZNY MÓZG FIKCJA CZY RZECZYWISTOŚĆ?) Atrybuty AGENTA: 1. działa żyje w czasie i w przestrzeni 2. ma określone cele działania, sensory (źródła informacji), efektory (możliwości oddziaływania na otoczenie) 3. decyduje autonomicznie jaką wykonać akcję (w aktualnej sytuacji) aby zmaksymalizować postęp / realizację zadanych celów (zmiennych w czasie) 15
57 Systemy wieloagentowe Podstawowe cechy agentowości autonomia (autonomy) - praca bez nadzoru, aktywność (activity) skłonność do działania, zdolności społeczne (social abilities) predyspozycje i zdolności do współdziałania z innymi agentami, adaptacyjność (adaptive) zdolność do adaptacji swojej wiedzy i działań w wyniku doświadczeń własnych i innych agentów. 59 Podsumowanie Sztuczna inteligencja jest dyscypliną naukową rozwijaną od ponad 50-ciu lat, równolegle z rozwojem informatyki Istnieją dwie zasadnicze kategorie sztucznej inteligencji: Symboliczna i obliczeniowa W ramach inteligencji obliczeniowej wyróżnia się Sztuczne sieci neuronowe, Logikę rozmytą, Algorytmy genetyczne i programy ewolucyjne, Systemy agentowe i inteligencję zbiorową, Modele systemów immunologicznych. Inteligencja obliczeniowa jest stosowana w układach sterowania Poszczególne formy inteligencji obliczeniowej mogą być łączone w ramach systemów hybrydowych 16