Transkript

1 Základy umělé inteligence Úvod, motivace, náplň předmětu Ing. Tomáš Řehořek Computational Intelligence Group (CIG), Katedra teoretické informatiky (KTI), Fakulta informačních technologií (FIT), České vysoké učení technické v Praze (ČVUT) BI-ZUM, LS 2013/14, 1. přednáška Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 1 / 30

2 Definice umělé inteligence Motivace Co je umělá inteligence? Odvěký sen lidstva: Stroj, který za člověka odvede všechnu práci Co by měl takový stroj umět? Přece to, co člověk! 2 složky lidské činnosti: fyzická psychická Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 2 / 30

3 ˇ e inteligence Definice umel Motivace Fyzicka prace namatkou: relativneˇ snadno automatizovatelna, I I I I I orba pole: ruchadla, pluhy, traktory..., ˇ ı zeleniny: sec ı stroje, zavlaˇzovac ı systemy. pestov an.., pran ı pradla: automaticka praˇcka, ˇ ı: motorova vozidla, letadla..., chuze, transport vec zn ı linky, roboticka ramena... konstrukce stroju: automaticke montaˇ ˇ ˇ Ing. Toma sˇ Rehoˇ rek (FIT CVUT) ˇ e inteligence Zaklady umel ˇ BI-ZUM, LS 2013/14, 1. pˇredna ska 3 / 30

4 Definice umělé inteligence Motivace Psychická práce dosud automatizována jen částečně v průběhu 20. století vynalezeny počítače původně stroje na počítání, dnes stroje na komunikaci, zábavu obtížně automatizovatelné činnosti: řešení předem neznámých problémů, vynalézání nových vynálezů? Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 4 / 30

5 Definice umělé inteligence Inteligentní systémy Umělá Inteligence (AI) Umělá inteligence je věda o systémech imitujících chování inteligentních živočichů. AI zahrnuje obrovskou řadu oblastí: Strojové učení, Softcomputing a biologicky inspirované algoritmy, Strojové vnímání a rozpoznávání, Teorie her, Automatické uvažování, Rozvrhování a Plánování, Mutliagentní systémy, Robotika, Zpracování přirozeného jazyka,... Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 5 / 30

6 Definice umělé inteligence Inteligentní systémy Čtyři nejčastější definice AI Systémy přemýšlející jako lidé Systémy jednající jako lidé Systémy přemýšlející racionálně Systémy jednající racionálně Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 6 / 30

7 Definice umělé inteligence Systémy jednající jako lidé Systémy jednající jako lidé: Turingův test Alan Turing v Computing Machinery and Intelligence (1950) definuje inteligenci jako schopnost vést smysluplný textově-orientovaný dialog v přirozeném jazyce Humanoida s lidskou tváří a hlasem je těžké a zbytečné vyrábět, důležitá je sémantická složka komunikace Turingův test Pokud člověk komunikující se systémem pomocí textového terminálu není schopen rozhodnout, zda na druhé straně sedí stroj anebo člověk, pak je systém inteligentní Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 7 / 30

8 ˇ e inteligence Definice umel Systemy jednaj ıc ı jako lide Turinguv Systemy jednaj ıc ı jako lide: test ˇ ˇ Ing. Toma sˇ Rehoˇ rek (FIT CVUT) ˇ e inteligence Zaklady umel ˇ BI-ZUM, LS 2013/14, 1. pˇredna ska 8 / 30

9 Definice umělé inteligence Systémy jednající jako lidé Dovednosti nezbytné k úspěchu v Turingově testu Úspěšně absolvovat Turingův test rozhodně není snadné! Některé nezbytné schopnosti a dovednosti: zpracování přirozeného jazyka analýza a syntéza vět, vhodná reprezentace a ukládání znalostí předem známých, nabytých v průběhu dialogu, uvažování schopnost využít nabyté znalosti ke zodpovídání otázek a k odvozování nových závěrů, učení se přizpůsobení se novým podmínkám, rozpoznávání vzorů v poznatcích Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 9 / 30

10 Definice umělé inteligence Systémy jednající jako lidé Turingův test: Argument čínského pokoje John Searle (1980), hypotetický argument k vyvrácení správnosti Turingova testu, pokud by měl stroj k dispozici databázi formálních pravidel (příručku) pro vedení libovolného dialogu, nemusel by být inteligentní práce s příručkou pro vedení rozhovoru neznamená porozumění sémantické složce rozhovoru praktický problém: příručku je těžké vyrobit Prostá databáze průběhů všech smysluplných dialogů by se nevešla do Vesmíru (je v něm jen cca atomů, dialogů je jistě více) Lidský mozek zřejmě takovou příručku kóduje pomocí sítí nervových buněk, ovšem toto kódování není rozluštěno Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 10 / 30

11 Definice umělé inteligence Systémy jednající jako lidé Turingův test: Argument čínského pokoje Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 11 / 30

12 Definice umělé inteligence Systémy přemýšlející jako lidé Systémy přemýšlející jako lidé Definice AI, která se koncentruje na vnitřní fungování systémů ( Turingův test, který hodnotí systémy z vnějšku) Nezbytným předpokladem je znalost fungování lidské mysli, klíčový je tedy její reverse engineering Možnosti zkoumání lidské mysli: introspekce: sledujeme vlastní myšlenky a z jejich toku usuzujeme, jak funguje lidská mysl, psychologické experimenty: sledujeme myšlenkové pochody druhých fyziologické experimenty: stimulujeme/snímáme části mozku a klademe zkoumanému subjektu otázky Úzce souvisí s kognitivní vědou zkoumání lidské mysli z hlediska více oborů, psychologie, informatika, neurověda, lingvistika... Antropocentrická definice: důraz je kladen na lidskost řešení problémů, nikoli na jejich exaktnost v BI-ZUM budeme řešit pouze hardwarově : umělé neuronové sítě Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 12 / 30

13 Definice umělé inteligence Systémy přemýšlející racionálně Systémy přemýšlející racionálně Definice AI kladoucí důraz na uvažování a jeho správnost, resp. exaktnost a neomylnost Aristotelés (4. stol.př.n.l.) definoval sylogismy, tj. pravidla správného, nezvratitelného úsudku, např.: Všichni lidé jsou smrtelní ( x : clovek(x) smrtelny(x)...) Sókratés je člověk (... clovek(sokrates)...) Sókratés je tedy smrtelný (... smrtelny(sokrates)) Toto pojetí AI není antropocentrické, důraz je kladen na správnost fungování, nikoli na lidskost systémů Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 13 / 30

14 Definice umělé inteligence Systémy přemýšlející racionálně Systémy přemýšlející racionálně Příklady aplikačních oblastí: Theorem proving automatické dokazování platnosti matematických vět Např. Four Color Theorem počítačem vytvořený matematický důkaz (1977), že každá mapa je obarvitelná čtyřmi barvami tak, aby žádné dvě země stejné barvy nesdílely více než konečně mnoho bodů. Zahrnuje ošetření speciálních případů. Model checking důkazy správnosti fungování systémů (např. není dosažitelný stav systému výhybek, který pošle dva vlaky na stejnou kolej ) V rámci BI-ZUM: Plánování Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 14 / 30

15 Definice umělé inteligence Systémy jednající racionálně Systémy jednající racionálně Pojetí AI běžné v tzv. multiagentních systémech Agent = entita ve světě, která je schopna vnímat a konat Důraz na vnější chování: Racionální agent se snaží dosáhnout cílů, které považuje za dobré, k čemuž volí relevantní akce Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 15 / 30

16 AI: Filosofie, historie, fikce a realita Filosofické problémy AI Filosofické problémy AI Je lidská mysl redukovatelná na fyzikální systém? René Descartes rozlišuje materiální (fyzikální, res extensa) a myslící (res cogitans) složku lidského bytí, Determinismus a materialismus = lidský organismus funguje ryze podle fyzikálních principů (akustický signál do ucha elektrický signál do nohy) Dualismus = existuje nefyzikální složka lidského bytí (duše), která je v interakci s materiálním světem Qualia: subjektivní pocity, které nemají přirozený základ ve fyzikálním (vzorcově orientovaném) popisu světa (např. pocit bolesti) Lze lidskou mysl sestrojit v laboratoři? Lze lidskou mysl simulovat na počítači? Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 16 / 30

17 AI: Filosofie, historie, fikce a realita Historie AI Science, Fiction, or both? 1920: K. Čapek definuje pojem robot robot v románu R.U.R. AI = biologičtí humanoidi, kteří se montují z dílů, základy AI položeny na přelomu 40. a 50. let 20. stol. AI = počítače na hraní šachů, zpočátku velké nadšení a mnohdy nereálná očekávání ( léta) AI = vraždicí roboti cestující napříč časem, následovalo vystřízlivění (přelom 60. a 70. let) spousta problémů se ukázala být nesmírně těžkých, co člověk zvládá intuitivně, počítač jen marně dohání svým výpočetním výkonem, AI = okrajový obor hodný zapomenutí, renesance a industrializace AI: 80. léta spousta dílčích výsledků AI se dokázala prosadit v průmyslu, obor znovu nabývá na vážnosti, Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 17 / 30

18 AI: Filosofie, historie, fikce a realita Historie AI Science, Fiction, or both? rozmach AI: 90. léta 20. stol. AI je seriózním vědním oborem, který generuje reálné výsledky moderní AI: 21. stolení obrovský rozmach AI, stále více praktických aplikací: rozpoznávání hudby, řeči a obrazu, předpovídání, obchodování na burze, expertní systémy, doporučovací systémy, návrh analogových i digitálních elektrických obvodů, plánování a rozvrhování výroby, logistika, zpracování dat, extrakce znalostí z databází,... a mnoho dalších! Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 18 / 30

19 AI: Filosofie, historie, fikce a realita Proč studovat AI? Proč studovat AI? tradiční přírodní vědy mají za sebou dlouhý vývoj, fyzika i matematika jsou vyzrálé vědy, kde již nelze očekávat velké převraty, mnohé obory informatiky jsou již rovněž ustáleny, tvorba komerčních softwarových systémů se stává rutinou, AI je obor, který stále čeká na své Einsteiny a přesto je komerčně rok od roku úspěšnější stále existuje celá řada neprobádaných uliček, jimiž lze k inteligentním systémům směřovat! Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 19 / 30

20 Předmět BI-ZUM Cíle předmětu BI-ZUM: Cíle předmětu seznámit studenty s alespoň některými oblastmi metod umělé inteligence úplný a objektivně spravedlivý výčet není možný, ukázat studentům, že v dílčích úkolech, které vyžadují lidskou intuici, dokáže počítač člověka předčit, Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 20 / 30

21 Předmět BI-ZUM Náplň předmětu BI-ZUM: Náplň předmětu 1 Stavový prostor a jeho heuristické prohledávání Jak lze problémy AI formalizovat, tj. zapsat do jazyka počítače? Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 21 / 30

22 Předmět BI-ZUM Náplň předmětu BI-ZUM: Náplň předmětu 2 Evoluční algoritmy AI kategorie chování se jako člověk algoritmy schopné přibližně řešit problémy, které jinak vyžadují intuici, hledají řešení šlechtěním populace možných řešení, emulace darwinistického principu z evoluční biologie, Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 22 / 30

23 Předmět BI-ZUM Náplň předmětu BI-ZUM: Náplň předmětu 3 Plánování a hry AI kategorie přemýšlení racionálně a přemýšlení jako člověk algoritmy řešící problémy spojené s inteligencí exaktní logikou, plánování, uvažování a taktika ve hrách, Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 23 / 30

24 ˇ BI-ZUM Pˇredmet nˇ pˇredmetu ˇ Napl nˇ pˇredmetu ˇ BI-ZUM: Napl 4 Multiagentn ı systemy I I ı se racionaln e, ˇ AI kategorie chovan algoritmy ˇreˇs ıc ı inteligenci na urovni inteligentn ıch agentu autonomn ıch u, system ktere jsou v interakci ˇ ˇ Ing. Toma sˇ Rehoˇ rek (FIT CVUT) ˇ e inteligence Zaklady umel ˇ BI-ZUM, LS 2013/14, 1. pˇredna ska 24 / 30

25 Předmět BI-ZUM Náplň předmětu BI-ZUM: Náplň předmětu 5 Strojové učení a Umělé neuronové sítě AI kategorie chování se jako člověk a přemýšlení jako člověk algoritmy schopné učit se z příkladů, učení umělých neuronových sítí imitujících strukturu mozků živých organismů Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 25 / 30

26 Předmět BI-ZUM Organizace Organizace předmětu Cvičení Cvičení probíhají ve 14denních cyklech, střídavě v seminární učebně (u tabule), sudé kalendářní / liché výukové týdny, počítačové učebně liché kalendářní / sudé výukové týdny. Každá látka je 1 nejprve teoreticky probrána na seminárním cvičení, 2 následně prakticky aplikována na počítačovém cvičení Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 26 / 30

27 Předmět BI-ZUM Organizace Organizace předmětu Harmonogram cvičení Ideální model střídání seminárních/počítačových cvičení přestává koncem semestru fungovat, na harmonogram útočí státní svátky a další volné dny, platí následující: cyklus seminární-počítačové cvičení se 5 zopakuje korektně bez výjimky (celkem 10 cvičení), každá paralelka absolvuje přesně 12 cvičení, poslední dvě cvičení jsou pro některé paralelky problematická (počítačové cvičení v seminární učebně a vice versa) Harmonogram online: Pro snadnou orientaci je na EDUXu k dispozici přesný harmonogram: Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 27 / 30

28 Předmět BI-ZUM Hodnocení Organizace předmětu Hodnocení Celkově student může získat 100 bodů: 50 bodů ze cvičení 30 bodů za aktivitu na cvičeních průměrně 2 body z měšce za aktivitu na seminárních cvičeních, maximálně 4 7 = 28 bodů za úlohy na programovacích cvičeních 20 bodů za semestrální práci minimálně 25 bodů na zápočet 50 bodů u zkoušky 35 bodů za povinnou písemnou část minimálně 20 bodů na úspěšné složení zkoušky, 10 až +15 bodů za nepovinnou ústní část Počet bodů Známka 90, ) A výborně 80, 90) B velmi dobře 70, 80) C dobře 60, 70) D uspokojivě 50, 60) E dostatečně (, 50) F nedostatečně Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 28 / 30

29 Předmět BI-ZUM Hodnocení Organizace předmětu Bodované úlohy na počítačových cvičeních Na počítačových cvičeních budou studenti prezentovat cvičícím řešení úkolů na různá témata: 1. PC: Algoritmy Random search, DFS a BFS, 2. PC: Algoritmy Best-First Search, Dijkstra a A, 3. PC: Genetický algoritmus v tématu je možno pokračovat v rámci semestrální práce, 4. PC: Automatické plánování Studenti mají možnosti: využít předpřipravené šablony a GUI v jazyce Java, připravit si úlohu doma a na cvičení ji pouze prezentovat úlohy je však reálné naprogramovat v průběhu cvičení, velký důraz bude kladen na ověření autorství prezentovaného řešení Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 29 / 30

30 Předmět BI-ZUM Hodnocení Organizace předmětu Semestrální práce K dispozici jsou dvě možnosti: Doporučená úloha na téma Genetický algoritmus v jazyce Java rozšíření řešení z 3. počítačového cvičení o pokročilé techniky, provedení měření, k dispozici bude GUI a šablony v jazyce Java, Alternativní úloha dle vlastního výběru musí být schválena cvičícím nejpozději na 4. počítačovém cvičení, možnost použít libovolný programovací jazyk Obě varianty jsou hodnoceny max. 20 body. Úloha na 3. počítačovém cvičení je však společná a pro všechny studenty bodovaná 7 body. Odevzdání semestrální práce: 4. počítačové cvičení Povinnou součástí řešení je i report v rozsahu 1 A4. Ing. Tomáš Řehořek (FIT ČVUT) Základy umělé inteligence BI-ZUM, LS 2013/14, 1. přednáška 30 / 30