PODSTAWY INFORMATYKI wykład 13. Adrian Horzyk Web: http://home.agh.edu.pl/~horzyk/ E-mail: horzyk@agh.edu.pl Google: Adrian Horzyk Gabinet: paw. D13 p. 325 Akademia Górniczo-Hutniacza w Krakowie WEAIiE, Katedra Automatyki http://www.agh.edu.pl Mickiewicza Av. 30, 30-059059 Cracow, Poland
Inteligencja i informatyka Jaką pełni rolę inteligencja w informatyce? Jakby Państwo zdefiniowali inteligencję? Czego oczekuje człowiek od inteligentnej maszyny? Czy maszyny mogą mieć sztuczną świadomość? Czy maszyny będą w stanie same myśleć w przyszłości? Wykład 13. Strona 2.
Inteligencja róŝne definicje Inteligencja - rozumiana jako sprawność umysłowa ma wiele odcieni znaczeniowych i co za tym idzie ma wiele różnych definicji. Oto niektóre z nich: Inteligencja to konstrukt teoretyczny odnoszący się do względnie stałych warunków wewnętrznych człowieka, determinujących efektywność działań, wymagających procesów poznawczych. Warunki te kształtują się w wyniku interakcji genotypu, środowiska i własnej aktywności człowieka. (Strelau) Inteligencja to ogólna zdolność adaptacji do nowych warunków i wykonywania nowych zadań (Stern) Inteligencja to właściwość psychiczna, która przejawia się we względnie stałej, charakterystycznej dla jednostki efektywności wykonywania zadań (Tiepłow) Inteligencja to zdolność rozwiązywania problemów (Piaget) Inteligencja to dostrzeganie zależności, relacji (Spearman) Inteligencja to zdolność uczenia się (G. Ferguson) Inteligencja to zdolność do aktywnego przetwarzania informacji, przekształcania ich z jednej formy w inną poprzez operacje logiczne - w tym sensie inteligentne są komputery, a nawet zwykłe kalkulatory. Wykład 13. Strona 3.
Inteligencja róŝne definicje Inteligencja to zdolność do aktywnego przetwarzania informacji w celu lepszego przystosowywania się do zmiennego środowiska. Tak rozumianej inteligencji nie posiadają komputery (bo nie przetwarzają informacji na własne potrzeby) ale posiadają ją zwierzęta, np. owady. Taką inteligencją wykazywałaby się maszyna, która np. w lesie albo na ulicy potrafiłaby samodzielnie przetrwać i zdobywać źródła energii. Inteligencja to zdolność do przetwarzania informacji na poziomie abstrakcyjnych idei (np. umiejętność dokonywania obliczeń matematycznych lub gry w szachy). Taką inteligencję również posiadają komputery (sztuczna inteligencja). Inteligencja to zdolność do twórczego, a nie tylko mechanicznego przetwarzania informacji, czyli tworzenia zupełnie nowych pojęć i ich nieoczekiwanych połączeń. Tę umiejętność wykorzystują, a być może posiadają tylko niektórzy ludzie. Inteligencja to zespół zdolności umysłowych umożliwiających jednostce sprawne korzystanie z nabytej wiedzy oraz skuteczne zachowanie się wobec nowych zadań i sytuacji. Wykład 13. Strona 4.
Inteligencja, jej potrzeby i wpływ inteligencji na osobowość Inteligencja to sprawność umysłu pozwalająca na budowanie i weryfikowanie modelu świata poprzez dostrzeganie, rozróżnianie i rozpoznawanie zależności (relacji) pomiędzy obiektami i działaniami oraz wnioskowanie i wykorzystywanie tak skonstruowanej wiedzy do uczenia się i poprawiania interakcji i dopasowywania zależności pomiędzy różnymi obiektami oraz podnoszeniem efektywności działań poprzez przyspieszanie poziomu rozpoznawania i kojarzenia, a na ich podstawie stawiania pytań i tworzenia rozwiązań (tj. sekwencji i grafów skojarzeń) dla egzystencjalnie istotnych problemów i potrzeb poprzez ich ocenianie, segregowanie i wartościowanie sytuacji i reagowanie na nie wg skali (stopnia intensywności potrzeb) i kolejności ich istotności. (AH) Inteligencja pozwala świadomie modyfikować własne działania, wykorzystywać programy osobowości, ale i postępować niezależnie od nich. Wysoka inteligencja daje dużą samoświadomość działania oraz świadomość interakcji pomiędzy obiektami i działaniami umożliwiając podejmowanie mądrych decyzji oraz efektywne i skuteczne zmierzanie do wyznaczonego celu. Inteligencję można rozwijać w ramach dostępnej infrastruktury i potencjału mózgu, które są uzależnione genetycznie, ale ma na nie wpływ również fizyczna i umysłowa jakość życia danego osobnika. Inteligencja różnych osobników jest różna. Interakcja z osobnikami o wysokiej inteligencji pozwala rozwijać własną. Inteligencja wywołuje potrzebę aktywnego tworzenia skojarzeń oraz ich uczenia się i uzupełniania Wykład 13. Strona 5.
Inteligencja a osobowość Gdzie kończy się wpływ osobowości i gdzie zaczyna się wpływ inteligencji? Jakie działania wynikają z osobowości a jakie z inteligencji? Czy inteligencja wzmacnia lub kooperuje z osobowością i jej potrzebami? Działania wynikające z osobowości to proste odruchy warunkowe, które można z łatwością rozpoznawać, obserwować i wykorzystywać do sterowania rozmową i negocjacjami. Odruchy te są dziedziczne, niewyuczone, naturalne dla danego człowieka, decydują o tym, co dany człowiek lubi i co mu sprawia przyjemność, a co wręcz odwrotnie. Odruchy osobowości mogą być kontrolowane i modyfikowane przez inteligencję! Działania wynikające z inteligencji to mniej lub bardziej skomplikowane działania uwarunkowane poprzez zespół różnych bodźców, wartości, które są wyuczone, nabyte w trakcie życia, często są wynikiem wnioskowania, dedukcji oraz asocjacji pewnych faktów, zdarzeń lub konkluzjami z nich wynikającymi. Mogą być nawet wykonywane intuicyjnie (zdobyte poprzez pasywną naukę). Działania te nie są łatwo przewidywalne. Inteligencja może nas ochronić przed manipulacją lub wpływem osobowości (naszej lub naszego rozmówcy) na wynik negocjacji. Inteligencja może sprawić, iż zrobimy coś, co nam nie sprawia przyjemności i jest sprzeczne z naszymi programami osobowości. Wykład 13. Strona 6.
Potrzeby duchowe i inteligencji Podstawowa potrzeba duchowe to potrzeba czynienia i dążenia do dobra lub zła. Można wyróżnić też wiele wtórnych potrzeb duchowych, tj. potrzeba ofiarowania lub potrzeba poświęcenia pewnych zasobów (np. czasu, pracy, dóbr, myśli, pamięci, środków a czasami nawet największego dobra życia), którymi dysponujemy, dla większego dobra lub zła (w zależności od orientacji duchowej) celem osiągnięcia większych wartości duchowych. Inteligencja i jej potrzeby związane są przede wszystkim z aktywnym tworzeniem i szybkim odszukiwaniem skojarzeń oraz ciągu skojarzeń. Procesem wspomagającym tworzenie skojarzeń i ich odpowiednim wzmacnianiem, które przyspiesza ich odnajdywanie (kojarzenie), jest proces nauki. W pamięci asocjacyjno-sekwencyjnej (jaką jest nasz mózg) zapamiętywane są pewne wyuczone (pasywnie lub aktywnie) skojarzenia, które są wzajemnie powiązane ze sobą sekwencyjnie tak, iż jedne skojarzenia wywołują następne w zależności od kontekstu wielu równolegle w pamięci aktywowanych skojarzeń (tworzących kontekst odpowiedniej aktywacji neuronów). W sekwencjach skojarzeń tworzonych w naszym mózgu istnieje równoległość oraz cykliczność, dlatego iż sieć neuronów i ich połączeń w naszym mózgu jest swoistym grafem równolegle pobudzającym swoje wierzchołki (neurony) poprzez krawędzie (aksony i dendryty poprzez synapsy). Wykład 13. Strona 7.
Wpływ inteligencji na osobowość oraz jej potrzeby Inteligencja w zasadniczy sposób może wpływać na odruchowe reakcje osobowości człowieka modyfikując je niezależnie od niej. Dzięki możliwości kojarzenia (dostarczanej przez hardware inteligencji) człowiek uświadamia sobie pewien ciąg przyczynowo-skutkowy zdarzeń, który umożliwia mu przewidywać, co się stanie w pewnych sytuacjach. Możliwość przewidzenia pewnych zdarzeń sprawia, iż inteligentny człowiek świadomie potrafi powstrzymać naturalne reakcje odruchowe osobowości i postąpić inaczej niż wskazywałaby jego osobowość. Postępowanie niezgodne z osobowością zwykle nie przynosi takiej satysfakcji jak działania zgodne z odruchami osobowości, gdyż postępujemy tak, bo tak się opłaca lub tak trzeba lub nie opłaca mi się, bo itp. Satysfakcję z inteligentnych działań niezgodnych z osobowością można czerpać na poziomie znalezienia nowych rozwiązań (ciągu skojarzeń) czyli realizacji pewnych potrzeb inteligencji bądź też poprzez realizację pewnych potrzeb duchowych, czyli np. świadomości pomnożenia dobra. W umyśle człowieka może dochodzić do pewnego rozdwojenia wrażeń z jednej strony przyjemność duchowa a zarazem brak satysfakcji na poziomie osobowości. ajprzyjemniejsze i najbardziej satysfakcjonujące są działania zgodne z potrzebami duchowymi, inteligencji, osobowości i fizjologicznymi Wykład 13. Strona 8.
Sztuczna inteligencja Sztuczna inteligencja (Artificial Intelligence AI) ma dwa podstawowe znaczenia: jest to hipotetyczna inteligencja realizowana w procesie inżynieryjnym, a nie naturalnym jest to nazwa technologii i dziedzina badań naukowych informatyki na styku neurologii, psychologii, kognitywistyki, systemiki, a nawet filozofii. Głównym zadaniem badań nad sztuczną inteligencją w drugim znaczeniu jest konstruowanie maszyn i programów komputerowych zdolnych do realizacji wybranych funkcji umysłu i ludzkich zmysłów niepoddających się prostej numerycznej algorytmizacji. Problemy takie bywają nazywane AI-trudnymi i zalicza się do nich między innymi: podejmowanie decyzji w warunkach braku wszystkich danych analiza i synteza języków naturalnych rozumowanie logiczne/racjonalne, dowodzenie twierdzeń, gry logiczne, jak np. szachy czy go zarządzanie wiedzą, preferencjami i informacją w robotyce systemy eksperckie i diagnostyczne. Wykład 13. Strona 9.
Sztuczna inteligencja - zastosowania Technologie oparte na logice rozmytej powszechnie stosowane do np. sterowania przebiegiem procesów technologicznych w fabrykach w warunkach "braku wszystkich danych". Systemy ekspertowe czyli rozbudowane bazy danych z wszczepioną "sztuczną inteligencją" umożliwiającą zadawanie im pytań w języku naturalnym i uzyskiwanie w tym samym języku odpowiedzi. Systemy takie stosowane są już w farmacji i medycynie. Maszynowe tłumaczenie tekstów systemy takie jak SYSTRA S, jakkolwiek wciąż bardzo ułomne, robią szybkie postępy i zaczynają się nadawać do tłumaczenia tekstów technicznych. Sieci neuronowe stosowane z powodzeniem w wielu zastosowaniach łącznie z programowaniem "inteligentnych przeciwników" w grach komputerowych. Uczenie się maszyn (uczenie maszynowe) - dział sztucznej inteligencji zajmujący się algorytmami potrafiącymi uczyć się podejmować decyzje bądź nabywać wiedzę. Eksploracja danych - omawia obszary, powiązanie z potrzebami informacyjnymi, pozyskiwaniem wiedzy, stosowane techniki analizy, oczekiwane rezultaty. Wykład 13. Strona 10.
Sztuczna inteligencja - zastosowania Rozpoznawanie obrazów stosowane są już programy rozpoznające osoby na podstawie zdjęcia twarzy lub rozpoznające automatycznie zadane obiekty na zdjęciach satelitarnych. Rozpoznawanie mowy i rozpoznawanie mówców stosowane już powszechnie na skalę komercyjną. Rozpoznawanie pisma (OCR) stosowane już masowo np. do automatycznego sortowania listów, oraz w elektronicznych notatnikach. Sztuczna twórczość istnieją programy automatycznie generujące krótkie formy poetyckie, komponujące, aranżujące i interpretujące utwory muzyczne, które są w stanie skutecznie "zmylić" nawet profesjonalnych artystów, w sensie, że nie rozpoznają oni tych utworów jako sztucznie wygenerowanych. W ekonomii, powszechnie stosuje się systemy automatycznie oceniające m.in. zdolność kredytową, profil najlepszych klientów, czy planujące kampanie reklamowe. Systemy te poddawane są wcześniej automatycznemu uczeniu na podstawie posiadanych danych (np. klientów banku, którzy regularnie spłacali kredyt i klientów, którzy mieli z tym problemy). Wykład 13. Strona 11.
Sztuczna inteligencja Sztuczna inteligencja to sprawność maszyny liczącej zdolnej odwzorować i imitować inteligentne zachowania możliwie dużej ilości inteligentnych osobników. Ze względu na zasięg wykorzystywania maszyn liczących oczekuje się, że sztuczna inteligencja będzie agregowała wiele (najlepiej wszystkie) spośród sprawności umysłowych inteligentnych osobników. (AH) Mówiąc o sztucznej inteligencji intuicyjnie chcielibyśmy odbierać takie zachowania maszyny liczącej, które oddziaływałyby na jej otoczenie oraz na nas w sposób mądry oraz umożliwiający jej dostrzeganie naszych ludzkich potrzeb a nam pogłębianie własnej inteligencji. Tworzenie sztucznej inteligencji jest związane z algorytmami: budowanie modelu świata poprzez uczenie się relacji rozpoznawania i klasyfikacji kojarzenia, wnioskowania i oceny uogólniania i interpretacji budowania modelu i strategii działania Wykład 13. Strona 12.
Czego człowiek oczekuje od inteligentnej maszyny? Człowiek ze względu na swoje potrzeby i chęć ich zaspokajania nie oczekuje od maszyny liczącej tylko inteligencji, lecz również przejawów jej charakteru i ducha! Człowiek oczekuje od inteligentnej maszyny liczącej przede wszystkim umiejętności rozpoznawania i zaspokajania jego potrzeb. Interakcja z czystą inteligencją pozbawioną charakteru i ducha nie dostarcza człowiekowi wystarczającej satysfakcji poza satysfakcją wynikającą z poznawania i rywalizacji umysłowej. Człowiek oczekuje od maszyny odwzorowania i odzwierciedlenia jego charakteru, inteligencji i ducha wtedy jego satysfakcja z interakcji z maszyną będzie pełna i będzie ją uważał za ludzką i inteligentną. Żeby maszyna mogła oddziaływać na nas po ludzku musi być w niej zamodelowana: osobowość maszyny (najlepiej taka, żeby nie wchodziła w konflikt z osobowością człowieka) wraz z modułem określania stopnia zaspokojenia jej potrzeb i mierzenia jej satysfakcji ukierunkowującej jej działania, sztuczna inteligencja maszyny (umożliwiająca rozpoznawać potrzeby człowieka (zaspokajać je) i problemy własne maszyny pojawiające się na drodze jej uczenia się, budowy jej własnego modelu świata i jej wbudowanych potrzeb (czyli dążeń i ukierunkowania) w ramach jej możliwości interakcji ze światem oraz jej potencjału pamięciowego), ośrodek interpretacji działań (dobre i złe, przyjemne i nieprzyjemne) mogą zostać wszczepione maszynie razem z algorytmem sprawdzania zgodności (niesprzeczności modelu). Wykład 13. Strona 13.
Budowanie modelu świata i wiedzy o nim Każdy system sztucznej inteligencji musi być zdolny do: rozróżniania i klasyfikacji badania obiektów i relacji uczenia się odróżniania nowych obiektów i relacji zapamiętywania modelu obiektów i relacji pomiędzy nimi rozpoznawania zapamiętanych obiektów i relacji rozpoznawania podobnych obiektów i relacji oraz określanie ich bliskości do zapamiętanych obiektów wyprowadzania wniosków w ramach modelu i jego rozszerzanie kojarzenie semantyczne obiektów i relacji Wykład 13. Strona 14.
Budowanie modelu lingwistycznego DZIAŁA IA OBIEKT ATRYBUTY topnieć krzepnąć chłodzić studzić podgrzać gotować wrzeć nalać pić przynieść liczbowe określenie stopnia przeciwieństwa woda zawieranie ciecz klarowna czysta brudna lodowata zimna ciepła gorąca wrząca liczbowe określenie stopnia podbieństwa ANTAGONIZMY SYNONIMY Wykład 13. Strona 15.
Budowanie modelu lingwistycznego i sieci semantycznych Wykład 13. Strona 16.
Kojarzenie, wnioskowanie i ocena System sztucznej inteligencji musi umieć: oceniać i skojarzyć obiekty i relacji wg różnych kryteriów (podobieństwa synonimy, bliskoznaczne, przeciwieństwa antagonizmy, kształtu, przeznaczenia, trwałości, wartości, czasu przygotowania itp.) skojarzyć obiekty i relacje z potrzebami (systemu, ludzi) oceniać, wartościować i sortować przydatność różnych obiektów, relacji i działań w stosunku do stopnia zaspokojenia potrzeb (systemu, ludzi) wnioskować, co jest i może być potrzebne do realizacji wnioskować o koszcie, czasie realizacji zadań automatycznie (w wolnym czasie obliczeniowym) badać relacje pomiędzy obiektami i wyprowadzać wnioski rozbudowując model i stawiać sobie nowe cele poznawcze i określać nowe potrzeby zgłębienia wiedzy w takim zakresie Wykład 13. Strona 17.
Określanie potrzeb człowieka i systemu Żaden system sztucznej inteligencji nie będzie wyznaczenia potrzeb i celów dla tego systemu. działać bez System AI musi autonomicznie dążyć do zaspokojenia potrzeb, umieć je wartościować i sortować w zależności od stopnia ich intensywności, zagrożenia itp. Określenie potrzeb powinno być określone z uwzględnieniem potrzeb ludzkich, żeby system był w stanie rozumieć potrzeby ludzi oraz na nie reagować i dążyć do ich zaspokojenia przy uwzględnieniu różnorodności charakteru poszczególnych ludzi tak, żeby oddziaływanie systemu na człowieka dostarczało ludziom satysfakcję, a ta wpływała pozytywnie na wysoką samoocenę systemu AI. Określanie potrzeb Sortowanie potrzeb Zaspokajanie potrzeb systemu i człowieka dominacji asekuracji poznawania tworzenia Wykład 13. Strona 18.
Techniki modelujące sztuczną inteligencję (soft soft-computing computing) Do metod sztucznej inteligencji (soft-computing) zaliczamy: sztuczne sieci neuronowe algorytmy genetyczne i ewolucyjne logikę rozmytą liczby i zbiory niepewne teorię chaosu maszyny wektorów wspierających (SVM) drzewa decyzyjne... Sieć neuronowa (sztuczna sieć neuronowa) to ogólna nazwa struktur matematycznych i ich programowych lub sprzętowych modeli, realizujących obliczenia lub przetwarzanie sygnałów poprzez rzędy elementów, zwanych neuronami, wykonujących pewną podstawową operację na swoim wejściu. Oryginalną inspiracją takiej struktury była budowa naturalnych układów nerwowych, w szczególności mózgu. ajwiększymi zaletami sieci neuronowych jest: możliwość uczenia sieci na podstawie przykładów bez znajomości zależności i relacji pomiędzy obiektami umiejętność sieci do uogólniania wiedzy na inne przypadki poza tymi, na których była uczona. Wykład 13. Strona 19.
Przykład sieci neuronowych Jednym z fundamentalnych modeli neuronu jest zaproponowany w 1943 roku model McCullocha-Pittsa (ozn. MP). euron MP, będący pierwszym formalnie zdefiniowanym modelem neuronu, pomimo zastosowania bardzo dużych uproszczeń w stosunku do modelu neuronu biologicznego (a po części właśnie z tego powodu) znalazł zastosowanie w wielu modelach sieci neuronowych. Schemat neuronu MP przedstawiony jest na rysunku powyżej. eurony w sieci komunikują się ze sobą poprzez tzw. połączenia synaptyczne, których wielkość określa waga synaptyczna, nazywana w skrócie wagą. Waga połączenia neuronu neu j z neuronem neu i, oznaczana przez t ij, może mieć wartość: dodatnią,wtedy reprezentuje połączenie wzmacniające, ujemną wtedy jest połączeniem hamującym bądź zerową co oznacza brak połączenia pomiędzy neuronami. Suma przemnożonych przez wagi sygnałów docierających do neuronu neu i w jednostce czasu stanowi potencjał wejściowy (potencjał wewnętrzny) tego neuronu, oznaczany przez u i. Odpowiedź v i neuronu neu i na zadany potencjał wejściowy nazywana jest potencjałem wyjściowym (albo potencjałem zewnętrznym) tego neuronu. Charakterystykę odpowiedzi określa funkcja aktywacji, oznaczana przez g. Podstawowym układem równań opisującym działanie neuronu neu i jest w związku z tym: Wykład 13. Strona 20.
Literatura i bibliografia: L. Banachowski, K. Diks, W. Rytter: Algorytmy i struktury danych, WNT, Warszawa, 2001 Z. Fortuna, B. Macukow, J. Wąsowski, Metody numeryczne, WNT, Warszawa, 1993. K. Jakubczyk, Turbo Pascal i Borland C++, Wydanie II, Helion, 2006. J. i M. Jankowscy, Przegląd metod i algorytmów numerycznych, WNT, Warszawa, 1988. A. Kiełbasiński, H. Schwetlick, Numeryczna algebra liniowa, WNT, Warszawa 1992. A. Kierzkowski, Turbo Pascal. Ćwiczenia praktyczne., Helion 2006. K. Koleśnik, Wstęp do programowania z przykładami w Turbo Pascalu, Helion, M. Sysło: Elementy Informatyki. A. Szepietowski: Podstawy Informatyki. R. Tadeusiewicz, P. Moszner, A. Szydełko: Teoretyczne podstawy informatyki. W. M. Turski: Propedeutyka informatyki. N. Wirth: Wstęp do programowania systematycznego. N. Wirth: ALGORYTMY + STRUKTURY DANYCH = PROGRAMY. Wikipedia Algorytmy sortujące: http://edu.i-lo.tarnow.pl/inf/index.php Algorytmy sortujące: http://www.home.umk.pl/~abak/wdimat/s/index.html Wykład 13. Strona 21.