Presentasjon lastes. Vennligst vent

Presentasjon lastes. Vennligst vent

A. Aamodt, NTNU-IDI IT 2702 Kunstig intelligens (AI) Fagansvarlig: Professor Agnar Aamodt Institutt for datateknikk og informasjonsvitenskap, IT Vest,

Liknende presentasjoner


Presentasjon om: "A. Aamodt, NTNU-IDI IT 2702 Kunstig intelligens (AI) Fagansvarlig: Professor Agnar Aamodt Institutt for datateknikk og informasjonsvitenskap, IT Vest,"— Utskrift av presentasjonen:

1 A. Aamodt, NTNU-IDI IT 2702 Kunstig intelligens (AI) Fagansvarlig: Professor Agnar Aamodt Institutt for datateknikk og informasjonsvitenskap, IT Vest, Rom 322, 2004

2 A. Aamodt, NTNU-IDI Kunstig intelligens (IT-2702) - høst Leksjon 1 Emner: Generell introduksjon til faget - hva er kunstig intelligens? - hvorfor kunstig intelligens? - historikk, fagets utvikling Fagets utvikling og basis - ulike tilnærminger til AI-feltet - fundamentale prinsipper - hovedområder i faget

3 A. Aamodt, NTNU-IDI

4 har teknologisk perspektiv har metoder STUDIE AV INTELLIGENTE SYSTEMER RELATERT TIL KOMPUTASJONELLE PROSESSER REALISERE DATASYSTEMER SOM KAN SIES Å OPPVISE INTELLIGENT ADFERD - DVS. ' SMARTERE ' SYSTEMER KUNNSKAPSBASERTE METODER KOMBINERTERTE METODER SUBSYMBOLSKE METODER KOGNITIV PSYKOLOGI FILOSOFI bygger bl.a. på MATEMATIKK BIOLOGI KUNSTIG INTELLIGENS (AI) har vitenskapelig perspektiv er koblet via empirisk vitenskapelig metode INFORMATIKK er delfelt av

5 A. Aamodt, NTNU-IDI HISTORISKE RØTTER Aristoteles Studiet av ting som endrer seg - materie vs. form Logikk - instrument for å forstå tenking, abstraksjon, syllogismer, deduksjon Copernikus, Galileo Nytt verdensbilde - ting er annerledes enn de ser ut Empirisk metode vs. sansing, matematisk analyse, epistemologi Descartes Introspeksjon, reduksjon av sansing - cogito ergo sum Dualisme og mind-body problemet Hume Mind-body problemet - kognisjon er komputasjon Leibniz Tidlig formalisering av logikk og komputasjon Euler Grafteori - tilstandsrom analyse

6 A. Aamodt, NTNU-IDI Bool Formalisering av logikk - AND OR NOT systemet Frege System for Artistoteles' logikk - 1.ordens predikatlogikk, en syntax, en semantikk, og en inferensmetode Tarski Referense teori - kobling mellom symboler og virkelige ting HISTORISKE RØTTER (forts.) Babbage Difference engine - avansert regnemaskin Analytical engine - den første datamaskin, snakker om mønstre av intellektuell aktivitet på et abstraksjonsnivå Alan Turing "Computing machinery and intelligence" (1950) - går det an å lage en maskiner som tenker?

7 A. Aamodt, NTNU-IDI Turing-testen

8 A. Aamodt, NTNU-IDI USA, Dartmout-conference, start-aktiviteter, LISP Resonnering, generell problem- løsning, GPS program Europa, Logikk-orientering, Prolog Kunnskapsbasert fokus, ekspertsystemer DENDRAL, MYCIN, PROSPECTOR Utviklingsverktøy, kommersielle systemer innen databransjen, olje, finans, kjemisk industri, etc. 2. gen. ekspertsystemer (dyp kunnsk., strategisk resonnering) Integrerte systemer, AI + andre, kombinerte AI metoder, statistiske metoder, data mining, text mining, emosjonelle syst. Maskinlæring, kunnskapsmodellering, case-baserte metoder, Nevrale nett, genetiske algoritmer, adferdsbaserte metoder AI - UTVIKLINGSTREKK

9 A. Aamodt, NTNU-IDI KUNNSKAPSBASERTE METODER - er karakterisert ved at kunnskap representeres eksplisitt - modelleres - i form av navngitte begreper og relasjoner mellom disse begreps-termene kallessymboler, da de symboliserer - står for - begreper i den virkelige verden (objekter, hendelser, prosesser,...) symbol-strukturene som derved bygges opp, prosesseres av tolknings- og slutningsmetoder (inferensmetoder) slik at ny informasjon kan utledes, konklusjoner kan trekkes, og ny kunnskap kan læres representasjonen av kunnskapen er adskilt fra metodene som prosesser den - og er kjernemetodene innenkunnskapsteknologi for å utviklekunnskapsbaserte systemer.

10 A. Aamodt, NTNU-IDI Representasjon av det som for oss mennesker fortoner seg som kunnskap, i form av symbolstrukturer og inferens- metoder i et datasystem, og på en måte som gjør systemet istand til å tolke symbolene og utifra dette trekke menings- fylte slutninger, gjør at symbolstrukturene kan betraktes som kunnskap for systemet. KUNNSKAPSBASERTE METODER Dette danner basis for det 'kunnskapsbaserte paradigmet' innen AI, og for rekken av kunnskapsbaserte systemer som er utviklet og i daglig bruk. Refereres ofte til som ”GOFAI” – Good Old-Fashioned AI, for å skille denne typen metoder fra ikke-symbolske, eller sub-symbolske tilnærminger til AI.

11 A. Aamodt, NTNU-IDI Informasjon Kunnskap Data Læring Utdyping Tolking Tolkede symbolstrukturer - brukes til å tolke data og utdype informasjon - er en del av, erinni, en beslutningsprosess Tolkede symboler og symbol strukturer -gisinn tilen beslutningsprosess - kommer ut aven beslutningsprosess Observerte, ikke-tolkede symboler - tegn, mønstre Kunnskap - Informasjon - Data

12 A. Aamodt, NTNU-IDI KUNNSKAPSBASERTE METODER - UTVIKLINGSTRENDER Heuristiske regler Regelbaserte systemer (f.eks.: MYCIN)

13 A. Aamodt, NTNU-IDI Kontroll-kunnskap Heuristiske regler KUNNSKAPSBASERTE METODER - UTVIKLINGSTRENDER Eksplisitt kontrollkunnskap(f.eks. NEOMYCIN) - kunnskap om typer regler for typer tilstander

14 A. Aamodt, NTNU-IDI

15 Kontroll-kunnskap Heuristiske regler Spesifikke case Dyp kunnskap KUNNSKAPSBASERTE METODER - UTVIKLINGSTRENDER Fra generell kunnskap til situasjons-spesifikke case (f.eks. CYRUS, PROTOS) - case-basert resonnering

16 A. Aamodt, NTNU-IDI Kontroll-kunnskap Heuristiske regler Spesifikke case Dyp kunnskap KUNNSKAPSBASERTE METODER - UTVIKLINGSTRENDER Integrerte systemer(f.eks. SOAR, CREEK, META-AQUA) - totalarkitekturer for intelligent problemløsning

17 A. Aamodt, NTNU-IDI Kunnskapsrepresentasjon - basis Kunnskapsrepresentasjon i AI vil si å representere kunnskapi et system, ogfor dette systemet. Det er altså det intelligente systemets kunnskap - enten dette systemet er et menneske eller en maskin. En kunnskapsrepresentasjon består derfor av en kunnskaps-struktur i et visst språk, samt en tolkning som gjør at kunnskapen får mening for den som 'eier' kunnskapen. En representasjonsmetode består av enspråk-syntaks, og enunderliggende semantikk definert av inferens-metoden. Uttrykkskraften av språket bestemmes av begge disse i sammen. En kunnskaps-struktur får mening ved at den gis en tolkningi den sammenhengen der den utnyttes. Kunnskapens meningsinnhold er derfor sjelden helt uavhengig av det formålet kunnskapen benyttes for og den sammenhengen den benyttes i. Hvorvidt representasjonen har den mening vi ønsker, kan testes ved å stille spørsmål til systemet.

18 A. Aamodt, NTNU-IDI Kunnskapstyper vs. representasjonsmetoder Kunnskapstyper Dyp kunnskap - fundamentale teorier, prinsipper - lærebok-kunnskap - detaljerte klasse/subklasse hierarkier - detaljerte system/komponent relasjoner - funksjonelle modeller - kausale modeller (årsak-virkning relasjoner) - forklarte situasjoner Grunn kunnskap - erfaringregler - overflatiske sammenhenger mellom domenebegreper (klasse/subklasse, system/komponent, funksjonalitet,...) - erfarte situasjoner

19 A. Aamodt, NTNU-IDI Representasjonsmetoder Predikatlogikk - matematisk syntaks; deduktiv inferens - deklarativ semantikk - typisk eks.: Teorembevis-system Regel-basert - syntaks er If-Then sammenhenger, medAND, OR, NOT operatorer og evt. usikkerhetsanslag; inferens er regel-lenking og usikkerhets- beregning. - eks.: Produksjonssystem Nettverk - begreper er noder, relasjoner er lenker; inferens er bl.a. arving langs utvalgte lenker, ellers i utganspunktet uspesifisert - prosedural semantikk. - eks.: Taksonomisk hierarki Rammebaserte systemer - kan ses på som et nettverk der nodene er komplekse objekter; inferens som for nettverk, og typisk default arving, 'constraint propagation', og demoner (tilknyttede prosedyrer).

20 A. Aamodt, NTNU-IDI SØKING I TILSTANDSROM - BASIS start- tilstand mål- tilstander mellom- tilstander traverserte søkeveier mislykkede noder aktive noder node der testing pågår Sentralt i enhver AI-metode er en eller flere søkestrategierfor traversering av tilsstandsrommet (søkerommet) fra en starttilstand til en egnet måltilstand.

21 A. Aamodt, NTNU-IDI

22

23 System skall (Eks.: Ekspertsystem-skall) Høy-nivå modellerings- og konstruksjonsspråk, bibliotekspakke-systemer Programutviklings-omgivelser, objekt-orienterte språk (CLOS, Smalltalk, C++, Java) Symbolbehandlende språk (Lisp, Prolog,..) Prosedurale programmeringsspråk (Fortran, Pascal, C) UTVIKLINGSVERKTØY

24 A. Aamodt, NTNU-IDI MASKINL ÆRING aktivtAI-felt hele tiden, ny giv i det siste flere kommersielle produkter og systemer i drift, bl.a. innen - ”data mining” - ekstraksjon av sammenhenger fra stor datamendger Metodetyper: similaritetsbasert vs. forklaringbasert l æring læring av generell vs. spesifikk kunnskap læring av begreper vs. læring for problemløsning symbol-læring vs. subsymbolsk læring vil si at maskinen selv lærer sin egen kunnskap og problem- løsningsevne, gjennom egen erfaring

25 A. Aamodt, NTNU-IDI En kritikk av kunnskapsbaserte metoder Mennesker representerersin kunnskap i maskinen, den kan defor ikke bli maskinens. Nyttig kritikk, men satt på spissen. Berører kunnskapsrepresentasjons-problemet generelt. -Konsekvenser for interaktive rådgivingssystemer: Utviklingsmetoder der mindre vekt legges på datamaskinen som problemløser, mer på samspillet mellom maskin og bruker. En utfordring er at systemet må ha eller bygge opp kunnskap om interaksjons-omgivelsen. -Konsekvenser for maskinlæring: Større grad av erfaringsbasert læring, der systemene lærer gradvis ved å delta i løsningen av reelle problemer i det miljø de virker. For (morgen)dagens ‘ekspertsystemer’: Fra 'tradisjonelle' problemløsende systemer tilaktive, interaktive, og adaptive beslutningsstøtte-systemer

26 A. Aamodt, NTNU-IDI SUBSYMBOLSKE METODER (eks.) NEVRALE NETT Distribuert representasjon i et nettverk av noder koblet sammen via lenker (konneksjonisme). Ingen eksplisitt, direkte representasjon avbegreper og sammenhenger. GENETISKE ALGORITMER Representasjon i form av bit-strenger som maniplueres vha. genetiske operatorer. Bit-strengene kan representere begreper, men ikke nødvendigvis.

27 A. Aamodt, NTNU-IDI Nevrale Nett Biologisk bakgrunn: Et nettverk av nerveceller Cell body

28 A. Aamodt, NTNU-IDI NEVRALE NETT Et nettverk av noder delvis koblet i sammen via lenker. Lenkene som går inn til en node kan medføre at noden aktiveres, som igjen medfører at lenken ut fra noden gis en verdi. En node i nettet: Aktiveringsverdien for en node (u) bestemmes av en aktiveringsfunksjon der styrken på inn-lenkene (i) samt av vektingen av dem (v) er input-parametre. Nevrale nett trenes opp ved at inndata gis inn, utdata registreres og resultatet tilbakeføres til nettet. Egnede anvendelser: -Problemer der det er vanskelig å identifisere og beskrive kunnskap på eksplisitt form. -F.eks.: tolking av bilder, tolking og syntese av tale. i1 i2 i4 i3 v1 v2 v3 v4 u

29 A. Aamodt, NTNU-IDI Evolutionary Methods - Background: Darwinian Evolution Genotypes Phenotypes Morphogenesis Natural Selection Recombination & Mutation Ptypes Gtypes Reproduction Sex Genetic Physiological, Behavioral

30 A. Aamodt, NTNU-IDI Evolutionary Algorithms Bit Strings Parameters, Code, Neural Nets, Rules Translate Performance Test Recombination & Mutation P,C,N,R Bits Generate Semantic Syntactic R &M

31 A. Aamodt, NTNU-IDI Evolutionary Computation = Parallel Stochastic Search Biased Roulette Wheel CrossoverMutation Next Generation Selection Translation & Performance Test Selection Biasing

32 A. Aamodt, NTNU-IDI Adferdsbaserte metoder Fra kognitive til biologiske - og etologiske - modeller av intelligent adferd. Intelligent adferd forårsakes ikke av modeller som er representert i maskinen, den oppstår i vekselvirkning med omgivelsene. Basis for det nye fagfeltet 'Artificial Life'.

33 A. Aamodt, NTNU-IDI NOEN ANVENDELSESOMRÅDER Spill - velegnet for tilstandsrom analyse - well-strukturert problem med stort søkerom - noen spill krever ekspert-kunnskap - aktivt område tidligere, nesten borte nå Matematiske bevis - velegnet for logikk-resonnering - matematikere bruker erfarings-kunnskap - relatert til programverifikasjon, VLSI-testing,... Ekspertsystemer (kunnskapsbaserte rådgivingssytemer) - vekt på eksplisitte modeller av domenekunnskap - regelbasert paradigme ga kraftig og rask vekst - endring til kombinerte resonneringsmetoder - fra lukkede til åpne, interaktive systemer - mot grundigere kunnskapsmodeller og læring ved erfaring

34 A. Aamodt, NTNU-IDI Naturlig språk forståelse - mye arbeid nedlagt, spesielt innen syntax-analyse - problemer med semantisk analyse, generelt sett - vellykkede systemer innen avgrensede områder Robotikk - relatert til planlegging, og til kunstig syn - fysisk interaksjon med omgivelsene viktig - alternative metoder til ”ren” kunnskapsteknologi Andre - bildeforståelse, opplæringssystemer, systemutvikling, nettverksbaserte agenter... NOEN ANVENDELSESOMRÅDER (forts.)

35 A. Aamodt, NTNU-IDI Definisjoner av AI - runde to 4 perspektiver på AI-systemer Systemer som tenker som mennesker (kognitiv-psykologisk vinkling) Systemer som oppfører seg som mennesker (menneskelig adferdsbasert vinkling) Systemer som tenker rasjonelt (logikk-basert vinkling) Systemer som oppfører seg rasjonelt (rasjonell agent-basert vinkling) Hovedperspektiv i dette faget

36 A. Aamodt, NTNU-IDI STATUS, KUNSTIG INTELLIGENS - Oppsummert AI forskningen er en pådriver innen informatikk-feltet, bl.a. ved å angripe problemer som andre metoder ikke håndterer. Ekspertsystemer er blitt en kommersiell suksess, og regelbaserte systemer er nå endel av databehandling generelt. Systemer som lærer av erfaring blir neste viktige 'gjennombrudd'. Case-baserte metoder ser lovende ut. Alternativer til det kunnskapsbaserte paradigmet blomstrer opp: Nevrale nett, genetiske algoritmer, andre. Forskjellige typer anvendelser av intelligente datamaskinsystemer krever forskjellige typer 'intelligens' (dvs. fundamentalt forskjellige metoder): Metodesettet for å bygge nyttige og brukervennlige datasystemer utvides ogforbedres stadig. AI-feltet er en viktig bidragsyter til dette.


Laste ned ppt "A. Aamodt, NTNU-IDI IT 2702 Kunstig intelligens (AI) Fagansvarlig: Professor Agnar Aamodt Institutt for datateknikk og informasjonsvitenskap, IT Vest,"

Liknende presentasjoner


Annonser fra Google