Umělá&inteligence! Co#o#nás#říká,#i#když#to#(někdy)#nechceme#slyšet?#
|
|
- Ilona Moravcová
- před 8 lety
- Počet zobrazení:
Transkript
1 Umělá&inteligence! Co#o#nás#říká,#i#když#to#(někdy)#nechceme#slyšet?# Roman Barták Matematicko-fyzikální fakulta, Univerzita Karlova v Praze Umělá& inteligence& je& věda& o& vytváření& strojů& nebo&systémů,&které&budou&při&řešení&určitého& úkolu&užívat&takového&postupu,&který& &kdyby& ho&dělal&člověk& &bychom&považovali&za&projev& jeho&inteligence.& Marvin&Minsky,&1967& Přístupy#k#umělé#inteligenci# Jednat#lidsky# způsob'řešení'(cesta)' výsledek'řešení' myslet lidsky kognitivní v da jednat lidsky behaviorismus člověk'jako'nositel'inteligence' myslet racionáln logika jednat racionáln d lat správné v ci inteligence'jako'princip'(racionalita)' Alan&Turing!(1950)!se!pokusil!nalézt!operační! definici!inteligence.! Mohou!stroje!myslet?!!!!!!! Mohou!se!stroje!chovat!inteligentně?! Turingův&test&!Stroj!projde!testem,!pokud!není!člověk!na!základě! písemné!komunikace!schopen!rozpoznat,!zda!na! druhé!straně!je!člověk!nebo!stroj.! Potřebné&schopnosO:& zpracování&přirozeného&jazyka& reprezentace&znalosq& automaocké&uvažování& strojové&učení& jako lidé
2 A#znáte#tohle?# Reverzní&Turingův&test!!aneb!jak!zjisKt,!zda!u!počítače!sedí!člověk!a! ne!robot! KogniOvní&modelování& modelujeme!lidské!myšlení! potřebujeme!vědět,!jak!mozek!funguje! Přístup!shora!(psychologie)! stejný!mechanismus!řešení!problémů,!jaký!používají!lidé! GPS:!General!Problem!Solver!(Newell!&!Simon,!1957)! Přístup!zdola!(neurověda)! modelování!neuronů!a!jejich!vazeb! konekcionismus! inteligentní!chování!se!vynoří! spojením!velkého!počtu! jednoduchých!elementů! Myslet#lidsky# Myslet#racionálně# Jednat#racionálně# Už!od!dob!Aristotela!(384!!322!BC)!se!lidé!zabývají! hledáním! pravidel!myšlení.! Sylogismy# vzory!správného!uvažování,!které!ze!správných!vstupů!odvodí! správně!závěry! Sokrates!je!člověk,!všichni!lidé!jsou!smrtelní!!!Sokrates!je!smrtelný!! základy!moderní!logiky!(a!matemakky)! Problémy:! Jak!pro!logické!odvozování!formálně!zachyKt! neformální!znalost,!která!není!100%!jistá?! Je!velký!rozdíl!umět!vyřešit!problém!v!principu! a!problém!skutečně!vyřešit!! Racionální&chování!=!dělat! správné!věci! správná&věc!=!dosáhnout!co!nejlepší!(očekávaný)! výstup!pro!dané!(i!nejisté)!vstupy! Dělat!správná!odvození!(myslet!racionálně)!je!čásf! racionálního&agenta,!ale!ne!výlučnou.! Jsou!situace,!kde!není!žádná!dokazatelná! správná!věc,!kterou!lze!udělat,!přesto!je! potřeba!něco!udělat.! Ne!každé!racionální!chování!obsahuje!logické! odvození!(např.!reflexy).!
3 Agent!je!cokoliv,!co!vnímá!okolní!prostředí! prostřednictvím!senzorů!a!ovlivňuje!ho! prostřednictvím!akčních&členů.! Příklady:& člověk# oči,!uši,!nos,!!!ruce,!nohy,!ústa,! robot# kamera,!ir!detektor,!!!paže,!kola,!! sojware# klávesnice,!pakety!ze!sítě!!!obrazovka,!pakety!do!sítě,! Co#je#agent?# Agent#přesněji# Agent!přijímá!vjemy!a!jeho!chování!je!plně!určeno! posloupnosf!všech!vjemů,!které!kdy!přijal.! Formálně!tedy!můžeme!každého!agenta!popsat! agentovou&funkcí!(tabulkou):! posloupnost!vjemů!!akce! Na!základě!chování!agenta,!můžeme!sestavit!jeho!agentovou! funkci!(vnější!charakteriskka).! tedy!pokud!můžeme!agenta! restartovat!a!máme!nekonečný!prostor! pro!zápis!tabulky!a!také!hodně!času! Tabulka!je!abstraktní&matemaOcký&popis!agenta.! Interně!ale!bude!chování!agenta!popsáno!spíše! agentovým&programem.! Program!je!konkrétní&implementace!agentovy!funkce.! Příklad#agenta# Míra#výkonu# Agentova#funkce:# posloupnost&vjemů& (A,čisto)! (A,špína)! (B,čisto)! (B,špína)! (A,čisto),!(A,čisto)!! akce& doprava! vysaj! doleva! vysaj! doprava! Vysavač& vjemy:!místo!(a,b)!!obsah!(čisto,špína)! akce:!vysaj,!doleva,!!doprava,!nic! Agentův#program:# if!obsah=špína!then! vysaj! else&if!místo=a!then! doprava! else!if!místo=b!then! doleva! Jak&správně&vyplnit&agentovu&tabulku?!aneb! Co&odlišujete&dobrého&agenta&od&špatného?& Potřebujeme!měřit!míru&výkonu!agenta,!tj.!jak!úspěšné!je!jeho! chování!a!to!pokud!možno!objekovně.! Kdo&určuje&míru&výkonu?& tvůrce!agenta! Jak&určit&míru&výkonu?& Podle!toho,!jak!chceme!aby!vypadalo!prostředí!agenta,!spíše!než!podle! toho,!jak!si!myslíme,!že!se!má!agent!chovat.! Příklad!(vysavač)! míra!výkonu:!sesbírej!co!nejvíce!špíny! možný!výsledek:!vysaj,!vysyp,!vysaj,!vysyp,!! míra!výkonu!(lépe):!co!největší!čistá!plocha!
4 Peníze#jako#míra#výkonu?# V!běžném!životě!používáme!peníze!pro! ohodnocení!různého!zboží!a!služeb.! Agent!zpravidla!preferuje!více!peněz!před!méně! penězi,!jerli!vše!ostatní!stejné.! Proč'nejsou'peníze'přímo'mírou'výkonu?' Uvažujme,!že!jsem!vyhráli!1!mil.!USD!a!můžeme!si! ho!buď!nechat!nebo!přijmeme!sázku!na!hod! mincí!!padnerli!orel!dostaneme!2,5!mil.!usd,! jinak!nic.! Očekávaný!peněžní!zisk!při!sázce!je! !USD.! Většina!lidí!ale!volí!jistotu!1!mil.!USD.!Je!to!snad! iracionální?! závislost&užitku&na&penězích& Užitek#z#peněz# Volba!v!předchozí! hře!závisí!nejen!na!hře!samé,!ale!i! na!současném!majetku!hráče!! Nechť!S n!je!stav!označující!majetek!n!usd.! Potom!můžeme!očekávaný!užitek!akcí!popsat!takto:! EU(Accept)!=!½!U(S k )!+!½!U(S k )! EU(Decline)!=!U(S k )! Nechť!U(S k )!=!5,!U(S k )!=!8,!U(S k )!=!9.! Potom!je!rozhodnuf!odmítnout!sázku!zcela!racionální!! v!této!oblask!naopak!risk! vyhledáváme! v!této!oblask!raději! preferujeme!jistotu!před! riskem! Pokud!je!křivka!téměř! lineární,!máme!k!riskování! neutrální!vztah.! Racionální#agent# Racionální&agent!je!takový!agent,!který!pro!každou! možnou!posloupnost!vjemů!zvolí!akci!maximalizující! očekávanou!míru!výkonu!a!to!na!základě!údajů! daných!tou!posloupnosf!vjemů!a!vnitřních!znalosf! agenta.! Pozor,!neplést!se!vševědoucnosR!! agent!maximalizuje!očekávanou!míru!výkonu! vševědoucí!maximalizuje!skutečnou!míru!výkonu! Racionální!agent!by!měl!být!autonomní!!nespoléhá! jen!na!znalosk!dané!tvůrcem,!ale!měl!by!se!učit,!aby! kompenzoval!předchozí!částečné!nebo!špatné! znalosk.!
5 iracionalita# Lidské#rozhodování#T#efekt#jistoty# Lidé#se#chovají# předvídatelně#iracionálně.# Allaisův¶dox& A:!80%!šance!dostat!4000!USD! B:!100%!šance!dostat!3000!USD! obvyklá!volba!je!b,!protože!preferujeme!jistotu! C:!20%!šance!dostat!4000!USD! D:!25%!šance!dostat!3000!USD! obvyklá!volba!je!c,!protože!preferujeme!větší!očekávaný!finanční! zisk! Efekt&jistoty&!lidé!silně!preferují!zisk,!který!je!jistý.! Lidské#rozhodování#T#averze#k#nejednoznačnosX# Lidské#rozhodování#T#trochu#psychologie# Ellsbergův¶dox& V#urně#je#1/3#červených#koulí#a#zbylé#koule#jsou#černé#nebo#žluté.# A:!pokud!je!vybrána!červená!koule,!dostanete!100!USD.! B:!pokud!je!vybrána!černá!koule,!dostanete!100!USD.! obvyklá!volba!je!a,!možnost!výhry!je!1/3,!zafmco!pro!b!je!možnost!výhry!mezi!0!a! 2/3! C:!100!USD!za!vybrání!červené!nebo!žluté!koule! D:!100!USD!za!vybrání!černé!nebo!žluté!koule! obvyklá!volba!je!d,!možnost!výhry!je!2/3,!zafmco!pro!c!je!možnost!výhry!mezi! 1/3!a!3/3! Pokud!si!ale!myslím,!že!v!osudí!je!více!červených!než!černých!koulí,!měl! bych!volit!a!a!c! Averze&k&nejednoznačnosO&!lidé!preferují!známou!nejistotu!než! nejistou!nejistotu.! Efekt&podání&!formulace!problému!má!velký!vliv! na!rozhodnuf!agenta! Operace!A!dává!90%!šanci!na!přežif! Operace!B!má!10%!úmrtnost! obvyklá!volba!je!a,!i!když!obě!volby!jsou!naprosto!totožné! Efekt&kotvy&!lidé!se!cíf!lépe!při!použif! relakvního!porovnání!než!u!absolutních!hodnot! Proto!v!restauraci!najdeme!vína!za!200!USD,!která!si! stejně!nikdo!nekoupí!(a!restauratér!to!ví),!ale!víno!za! 50!USD!potom!vypadá!jako!dobrá!koupě.!Lidé!toKž! očekávají!kvalitu!všech!vín!podle!toho!nejdražšího.!
6 Vězňovo#dilema# Uvažujme!následující! hru! Dva!zloději!Alice!a!Bob!byli!chyceni!při!činu!a!nyní!jsou! odděleně!vyslýcháni.! Oba!dostali!nabídku!dosvědčit,!že!partner!je!šéf!bandy! výměnou!za!propuštění!(partner!dostane!10!let).! Pokud!budou!proK!sobě!svědčit!navzájem,!dostanou!po!5! letech.! Pokud!odmítnou!svědčit,!dostanou!po!1!roku.! Jak!se!mají!rozhodnout?! racionální!volba!je!svědčit.! Alice:&svědčit& Alice:&odmítnout& Bob:&svědčit& A=r5,!B=r5! A=r10,!B=0! Bob:&odmítnout& A=0,!B=r10! A=r1,!B=r1! Zpět#ke#Golden#Balls# Jak&se&má&zachovat&racionální&Steve?& Sarah:&split& Steve:&split& Sarah:&steal& Steve=50!075,!Sarah=50!075! Steve=0,!Sarah=100!150! Steve:&steal& Steve=100!150,!Sarah=0! Steve=0,!Sarah=0! pokud!sarah!volí!split,!potom!je!pro!steva!lepší!!volit!steal& pokud!sarah!volí!steal,!potom!je!pro!steva!!jedno,!co!zvolí!!ale!viděli!jsme,!jak!vypadal,!když!volil!split!;r)! Hry# #jak#si#stojí#ui?# Šachy& 1997!superpočítač!Deep!Blue!poráží!Kasparova!3.5!!2.5! 2002! běžné!pc!(program!fritz)!remízuje!s!kramnikem! Dáma& 1994!program!Chinook!mistrem!světa! 29.!4.!2007!vyřešeno!!opKmální!řešení!je!remíza! Go& větvící!faktor!361,!což!omezuje!současné!metody! průměrný!amatérský!hráč!je!lepší!než!počítač! Bridge& 2000!program!GIB!dvanáctý!na!mistrovství!světa! programy!jack!a!wbridge5!hrají!na!úrovni!nejlepších!hráčů! Umělá inteligence I, Roman Barták Deep#Space#1# Start:!24.!října!1998! Cíl:!Borrelliova!kometa! Testování&12&nových&technologií& autonomous&remote&agent& plánuje,!provádí!a!monitoruje!akce!kosmické!lodi! na!základě!obecných!příkazů!operátora! tři!zkušební!scénáře! 12!hodin!nízké!autonomie!(provádění!a!monitorování)! 6!dní!vysoké!autonomie!(snímání!kamerou,!simulace!poruch)! 2!dny!vysoké!autonomie!(udržení!směru)!» pozor&na&backtracking!&» pozor&na&deadlock&v&plánu!&
7 RoboCup# RoboCup#T#emoce# Cílem!je!vyvinout!tým!plně!autonomních! robotů,!který!do!roku!2050!porazí!tým!mistrů! světa!ve!fotbale.! Simulace! simulované!utkání!v!počítači! Malí&roboO! robok!do!průměru!18!cm! Střední&roboO& robok!do!průměru!50!cm!! všechny!sensory! Standardní&pladorma& Sony!Aibo,!Nao! Humanoidní&roboO! penalty!a!hra!dva!na!dva! Grand#Challenge# První!závod!plně&automaOzovaných&vozidel!na! dlouhou!vzdálenost!sponzorovaný!darpa.! Cílem!je!mít!třeKnu!pozemních!vojenských!sil!plně! autonomní!do!roku!2015.! 2004&Grand&Challenge& neúspěch!r!nikdo!nedokončil!(max.! 11,78!km,!CMU)! 2005&Grand&Challenge& cíl!splněn!!vítěz!stanley!(212.4!km!za! cca!7!hod.,!stanford)! 2007&Urban&Challenge& vítěz!boss!(cmu)!umí!jezdit!ve!městě! Google#SelfTdriving#Car#
8 QuesXon#&#Answering# Počítačový!systém!Watson!v!roce!2011!porazil!lidské! šampiony!ve!hře!jeopardy!! O&co&jde?& odpovídání!na!otázky!položené!v!přirozeném!jazyce! s!otevřeným!obsahem!(není!omezené!téma!otázky)! systém!analyzuje!nápovědu!v!přirozeném!jazyce! na!základě!sémankckého!porovnání!s!uloženými! informacemi!vyhledá!odpověď! pokud!má!dostatečnou!míru!jistoty,!tak!odpoví! Použité&technologie& zpracování!přirozeného!jazyka! vybavování!informací! reprezentace!znalosf!a!uvažování!o!nich! strojové!učení! Watson#inside# Rozumí!Watson!kladeným!otázkám?! ne! Dělá!Watson!to!samé,!co!webové&vyhledávače&typu! Google?! ne!(watson!vrací!jedinou!odpověď!a!musí!si!s!ní!být! dostatečně!jistý)! Jak!tedy!Watson!funguje?! rozloží!otázku! vygeneruje!kandidáty/hypotézy!na!odpověď! hledá!podporu!pro!své!hypotézy!(masivní!paralelismus)! Odkud!Watson!čerpal!informace?! přímo!z!textových!dokumentů! (včetně!celé!wikipedie)!! Trochu#filozofie#na#závěr# Watson!(a!ostatní!prezentované!systémy)!je! reprezentantem!slabé&ui& stroje!se!chovají!jako!inteligentní!bytosk! Silná&UI& stroje!skutečně!myslí! Většina!výzkumníků!považuje!hypotézu!slabé! UI!za!potvrzenou!a!nestarají!se!o!to,!jestli!se! hovoří!o!simulaci!inteligence!nebo!o! skutečnou!inteligenci.! postupně!jsou!bourány!argumenty! typu! stroje!nikdy!nebudou!umět!x! Roman Barták Matematicko-fyzikální fakulta, Univerzita Karlova v Praze bartak@ktiml.mff.cuni.cz
Umělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak
Umělá inteligence I Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Inteligentní agenti Připomeňme, že z různých pohledů na UI bude tato přednáška pokrývat racionální jednání,
VíceUmělá inteligence (1. přednáška)
Umělá inteligence (1. přednáška) Co je to AI (Artificial Intelligence) systém, který myslí jako lidé myslí racionálně se chová jako lidé se chová racionálně Jednat jako lidé systém, který myslí jako lidé
VíceUmělá inteligence (1. přednáška)
Umělá inteligence (1. přednáška) Anna Vernerová 1 Jonathan L. Verner 2 1 Ústav formální a aplikované lingvistiky Matematicko-fyzikální fakulta http://ufal.mff.cuni.cz/anna-vernerova vernerova@ufal.mff.cuni.cz
VíceUITS / ISY. Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně. ISY: Výzkumná skupina inteligentních systémů 1 / 14
UITS / ISY Výzkumná skupina inteligentních systémů Ústav inteligentních systémů Fakulta informačních technologií VUT v Brně ISY: Výzkumná skupina inteligentních systémů 1 / 14 Obsah Představení skupiny
VícePřipomeňme, že naším cílem je tvorba nástroj, pro zjištění stavu světa případně
Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Racionální rozhodování Připomeňme, že naším cílem je tvorba racionálních agentů maximalizujících očekávanou
VíceÚ É Á Č ď Ú ž Ů ž Á Á ž Á Ř É š Ú Ě Ě Ť ž Ú Í Č Ů Ú ů ž Ý ú ú Č ž ú ž ď ž ů ů ú š š ž Ů ž š Á ť Á ú Ů ž ť šť šť ž š ž ů ž ž Ů ž ž š ž š ž Ů Á šť šť ž šť ž š šť ž ž Ů Í ž ž ž š ž ŠÍ ž Á Ý š ž ž Ů ž ů Ů
VíceZáklady umělé inteligence
Základy umělé inteligence Hraní her (pro 2 hráče) Základy umělé inteligence - hraní her. Vlasta Radová, ZČU, katedra kybernetiky 1 Hraní her (pro dva hráče) Hraní her je přirozeně spjato s metodami prohledávání
VíceÚvod do teorie her
Úvod do teorie her. Formy her a rovnovážné řešení Tomáš Kroupa http://staff.utia.cas.cz/kroupa/ 208 ÚTIA AV ČR Program. Definujeme 2 základní formy pro studium různých her: rozvinutou, strategickou. 2.
VíceHry a UI historie. von Neumann, 1944 algoritmy perfektní hry Zuse, Wiener, Shannon, přibližné vyhodnocování
Hry a UI historie Hry vs. Prohledávání stavového prostoru Hry a UI historie Babbage, 1846 počítač porovnává přínos různých herních tahů von Neumann, 1944 algoritmy perfektní hry Zuse, Wiener, Shannon,
Víceř č Á ú Ě Í š é é ř Ž Č č ř ě é Š ž č é ž č č é Č š ě ůš š Č š ě ůš š Ť é Č ř ň ř ě ž úč ě Ů úč ž ř ž ř é š é ů ž č ů ř ě ř ě ů č ů ě Š é ř ě é Š š Č ř č ě š č ř ů š ě é ř Á úč ř ě é Š ž é ž č é Š ž č
Víceť Š č č Ý ž ů ř ů š é š ůš ř Ž ž Ů š ř ř š č š ž ž ž š š š ž ř Ž č Ž Á Á é ř ž Ž Ž Ž ý Ž Ž š č ý ý ř š ř é Ž Ž é Ť Ť Ť Á Ť ý ů š ú ř Á ž ú é č Í Í ó Á ď é Á ů Á é Á š ž é Á ú Á ň š ž š ů ÍŠ Ú ů Ž ř é š
VíceIUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence. Jméno: Třída: Rok:
IUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence Jméno: Třída: Rok: Prohlašuji, že mnou předložená práce je mým původním autorským dílem, které jsem vypracoval/a samostatně.
VícePřed samotnou tvorbou ještě pár rad.
Účel tohoto dokumentu a mé práce je ten, naučit vás jak zacházet s textovou hrou a jejím vytvářením. Doufám tedy, že popis a dokumentace k tomu postačí. Pro tento případ si ovšem zvolím jen jednoduchý
VíceSložitost her. Herní algoritmy. Otakar Trunda
Složitost her Herní algoritmy Otakar Trunda Úvod měření složitosti Formální výpočetní model Turingův stroj Složitost algoritmu = závislost spotřebovaných prostředků na velikosti vstupu Časová složitost
Víceó ú š Í š č Ž ú ň Ž Í Í Í Í ů Ž Í Ž Ž Í ů č ú ň Í Ň Í š Ž č úč č č č č č č š š š ú š š Ť ů š ů č ň ů ů č ň č úč š š š č ň Ťů Í č č úč ň š č š ň ů š š ň č ů ů ď š Ž š č š š ů č č ů ň ů š š Í č š ň č č č
Víceř é ř ř Š ř Š Š ě ě é ů ř é ů ř ř é ě š ů Ú é ů ú ů ě ú é ř é ú ů é ř é é š ě é ř é Š ř ě Í ú ř ě é ř ď ě é ř é ě ů é ď Š ď ě ě é ú ů úř ě é ú é é ú ě ř ú é é é š ř é ř ř é š ě é ě ě é ú é ř ě ě ř é ř
Víceř ů Á Í š ť ř ž Ó ú š ů Ů ó Š ř š Č ů ř šť š š Ů Š ř š ř ČÍ š Á ř š ů ž ř ů š ď š š Ý ů š ů Áš Ě ř ž Í ů ř ř š ř š Ř ř š ď ř ž š š ř ř š ř ř ř š ř ř ř š ř ř ř ř Ů ž ž Š š š š ř ž š ř ř š ř ř ř š Ř ř ř
Víceč ž č č Č ě ů ě é úč é é úč č é č ů ů úč ů ů é ů úč ů úč ůč é č é Č ů č é ů č é č Š ě é ž ě ě ě ů é ě é ěž é č é č Č č é č ů ě ů ů č é č ů ů ě ž é úč č é Č ě ž úč ů č ž č ž č ě úč ů Ž é ž Č é č č úč é
VíceVýukový materiál zpracován v rámci projektu EU peníze školám
Výukový materiál zpracován v rámci projektu EU peníze školám Název školy: Střední zdravotnická škola a Obchodní akademie, Rumburk, příspěvková organizace Registrační číslo projektu: CZ.1.07/1.5.00/34.0649
VíceUmělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak
Umělá inteligence I Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Dnes Dosud popisované algoritmy nepředpokládaly přítomnost dalších agentů v prostředí, zvlášť ne agentů,
VíceMožnosti využití KBT při práci s rodiči dětí s Aspergerovým syndromem
Možnosti využití KBT při práci s rodiči dětí s Aspergerovým syndromem Roman Pešek Asociace pomáhající lidem s autismem, APLA Praha, střední Čechy, o.s. Terapeutické a sociálně rehabilitační středisko APLA
VíceŘÍ ó Ý Ň É Ť Í ň ó Ř Í Í Ň ď ď ď Ě Í Á Ý ó Á ó ď ó Í ó Ř Č ó Ř Ř Á Š Ď ď ď Č Ý Ý Í ň Ý ň Ý Ý ň Í Ý Ó Í Ý ň Ň ď ň ó ó ó ď ň Á Á Á Ě Ě ň ň ň Á Á ó ď Í Ě ď Ď ň Ý ď ó ň Š Í Á ÁŠ Ě Š Í Á ď ď ď ď Ý ň ň Í Ž
Vícea4b33zui Základy umělé inteligence
LS 2011 Jméno: a4b33zui Základy umělé inteligence 10.6.2011 O1 O2 O3 O4 O5 Total (50) Instrukce: Na vypracování máte 90 min, můžete použít vlastní materiály nebo poznámky. Použití počítače nebo mobilního
VíceCentrální vysavače. Více, než jen obyčejné vysávání. www.nilfisk.cz
Centrální vysavače Více, než jen obyčejné vysávání www.nilfisk.cz Snadná cesta k čistotě Vysávání je přirozenou součástí úklidu v domácnosti. Je to jeden z těch nevyhnutelných úkolů, které si většina lidí
VícePřírodou inspirované metody umělé inteligence
Přírodou inspirované metody umělé inteligence Roman Neruda Ústav informatiky AVČR roman@cs.cas.cz Nové Hrady, červenec 2012 Od Darwina a Mendela... ... k inteligentním agentům. Umělá inteligence 2 přístupy
Víceý ě Ž š Š ý ž ú ú ž ě Š ýš Á ýš Á ž ě ě ž š š ž ý ě ý ž ě ě ů ý ý ž Í š ů ý ú ě ý ě ý ě ě ý ů ů ě ý Ť ý ů Ž Ů Ž š ě ů ý š ý ě š ý Ů Í ú ě ě ž Ú ý ě ý Ó Ó Í ě ž ě ě ú ě ý ý Ž ň ň ý Úě ž ě ý Ú ú ú ž ě ýš
VíceTeorie her a ekonomické rozhodování. 8. Vyjednávací hry
Teorie her a ekonomické rozhodování 8. Vyjednávací hry 8. Vyjednávání Teorie her Věda o řešení konfliktů Ale také věda o hledání vzájemně výhodné spolupráce Teorie vyjednávání Odvětví teorie her dohoda
VíceObsah: Hry Prohledávání stavového prostoru. Algoritmus Minimax. Nedeterministické hry Hry s nepřesnými znalostmi
Hry a základní herní strategie Aleš Horák E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ Obsah: Hry vs. Prohledávání stavového prostoru Algoritmus Minimax Algoritmus Alfa-Beta prořezávání Nedeterministické
VíceHry a UI historie. agent musí brát v úvahu akce jiných agentů jak ovlivní jeho. vliv ostatních agentů prvek náhody. Hry: Obsah:
Obsah: Hry a základní herní strategie Aleš Horák E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ Hry s nepřesnými znalostmi Hry a UI historie Úvod do umělé inteligence 7/1 1 / 5 Hry a UI historie Babbage,
Víceš ó ř ú ÚČ Í ř ČÍ ř š Č ř ú ú ž ž ó ž ř ů ž ř ž ř ž ů ž ů ň ž ů ů ů ů ů ž ř ů ř ú ú ž ž ř ž ž ž ň ř ů ř ň ň ř š ú ú ů ú ů ž ů ú ž ó ž ú ř ž ňš ř řš ž ř ú ú ž ž ň ř ů ř ž ř ř ř ž ž ú ř ú ú ž ú ř ů ů ř š
VíceÚklid v domácnosti. Domácí vysavače a parní čističe. www.cistiacatechnika-nilfisk-alto-trencin.sk www.halbau.sk
Více
ŠÍ Ů ČÍ č Ť č č č ň Í Í č č ň ň č Ť ň ť č Í č Ť č č Ť Í Í č ť Ť č č Ťč č Ě Ťč Ť ň č Ť ť Ť Ť Ť č Ť Ť č Ť Ť Ť č č Ť č č Ú č Ť Ď Ť ť č ň Ť Ť Í č č Ť Ď č č č č č ň Ť ň č Ť č Ť č Ý Ť ť ň č č č č č č ť Ť Ý č
VíceTECHNICKÁ UNIVERZITA V LIBERCI
TECHNICKÁ UNIVERZITA V LIBERCI Fakulta mechatroniky, informatiky a mezioborových studií Rozdělení sub-oborů robotiky Učební text jméno a příjmení autora Doc. Ing. Mgr. Václav Záda, CSc. Liberec 2010 Materiál
VíceÁ Ě č Ý Úč Ř ů ů č č č č ú ů Ž é ž ž ú ů ů ů č š č š ť č é č č č š č ž Úč é é úč é úč č ů č č ů é ú Ž é ůč ň š úč ž úč ž é úč č č ž Č ů č úč č š Í ú č é Č č ť Ř Í Í Č č č ú ů ů é Í č Ú ú ů ů é é Í č Ž
VíceObsah DÍL 2 KAPITOLA 6. 6 Automatická regulace 9. 6.1 Základní terminologie historické souvislosti 12
Obsah DÍL 2 KAPITOLA 6 6 Automatická regulace 9 6.1 Základní terminologie historické souvislosti 12 6.2 Dynamický systém, nástroje a metody jeho analýzy 18 6.2.1 Popis dynamického systému 19 6.2.2 Simulace
Víceď í ů ů í í Í Í ť č í Í Í Ň Á Č Á í í ň ň Í íů í í í í ů č í íů í č í Í í ň í ň í č í í í č ň í í ň ň í í í í í í í í í č í ň í í č í í ň ú č í í ó ň čí í í ů ň í í í í í í í č ň ů í č ů ů í ň ú í í í
VíceMatematika 1A. PetrSalačaJiříHozman Fakulta přírodovědně-humanitní a pedagogická Technická univerzita v Liberci
Matematika 1A. PetrSalačaJiříHozman Fakulta přírodovědně-humanitní a pedagogická Technická univerzita v Liberci petr.salac@tul.cz jiri.hozman@tul.cz 26.9.2016 Fakulta přírodovědně-humanitní a pedagogická
VíceROBOTIZACE A JEJÍ IMPLEMENTACE VE STAVEBNICTVÍ TRENDY EVROPSKÉHO STAVEBNICTVÍ
ROBOTIZACE A JEJÍ IMPLEMENTACE VE STAVEBNICTVÍ doc. Ing. Pavel Svoboda, CSc. a Ing. Michal Bruzl ČVUT v Praze Fakulta stavební Katedra technologie staveb TRENDY EVROPSKÉHO STAVEBNICTVÍ 1 Obsah přednášky
VíceÁ Á Á Í ň Í Č é ČÍ ÚČ Ž Ř é é é é é é é é é Ů Č Č é é Č é é Ů é é é é é Ů é Ž é é Ť Á é Ř é é Ů Í Í Ř Ů ČÍŠ é é é Í Í ÚČ é Ů é é é ň é Č é ŠÍ Ů é Ů Ů é Ď ů é Ů Ů é Ů é é é é é é é Ů é é é é Ů é Ů é é é
VíceSpecializace Kognitivní informatika
Specializace Kognitivní informatika Otevřené dveře specializace Kognitivní informatika, 10.5.2007 V rámci projektu, financovaného Evropským sociálním fondem pod č. 3206 Multi- a transdisciplinární obor
VíceZabýváme se konstrukcí racionálních agentů.
Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Zabýváme se konstrukcí racionálních agentů. Agent je entita, co vnímá okolní prostředí prostřednictvím
VíceMetody odvozování. matematická východiska: logika, Prolog
Metody odvozování matematická východiska: logika, Prolog psychologická východiska: rámce biologická východiska: konekcionismus, neuronové sítě statistická východiska: kauzální (bayesovské) sítě ekonomická
VíceNADANÝ ŽÁK A JEHO MOŽNOSTI ROZVOJE VE VOLNÉM ČASE
1 NADANÝ ŽÁK A JEHO MOŽNOSTI ROZVOJE VE VOLNÉM ČASE Příklady aktivit pro volný čas nadaných žáků Ing. Martin Pokorný Projekt OPVK reg.č. CZ.1.07/.1.2.00/08.0126 2 VERBÁLNÍ HRY - rozvíjejí především slovní
VíceTeorie her a ekonomické rozhodování. 4. Hry v rozvinutém tvaru
Teorie her a ekonomické rozhodování 4. Hry v rozvinutém tvaru 4.1 Hry v rozvinutém tvaru Hra v normálním tvaru hráči provedou jediné rozhodnutí a to všichni najednou v rozvinutém tvaru řada po sobě následujících
VíceNabídka manažerských simulátorů z EF JU
Nabídka manažerských simulátorů z EF JU Na EF JU jsou od roku 2009 soustavně vyvíjeny online počítačové manažerské simulátory, které jsou využívány interně pro trénink manažerského rozhodování v oblastech
VíceFormálnílogickésystémy pro aplikaci v informatice Martin Žáček
ZVYŠOVÁNÍODBORNÝCH KOMPETENCÍAKADEMICKÝCH PRACOVNÍKŮ OSTRAVSKÉUNIVERZITY V OSTRAVĚ A SLEZSKÉ UNIVERZITY V OPAVĚ Formálnílogickésystémy pro aplikaci v informatice Martin Žáček PŘEDMĚTY NA OU Logické základy
VíceObsah: Hry vs. Prohledávání stavového prostoru Algoritmus Minimax. Nedeterministické hry Hry s nepřesnými znalostmi
Hry a základní herní strategie Aleš Horák E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ Obsah: Hry vs. Prohledávání stavového prostoru Algoritmus Minimax Algoritmus Alfa-Beta prořezávání Nedeterministické
VíceAUTOMATIZACE PROCESŮ
Agenda Představení poskytovatele řešení procesní automatizace. Automatizace - nezastavitelný trend v sektoru služeb Hlavní trendy v procesní automatizaci. Vhodné bankovní agendy pro automatizaci. Příklady
VíceČ š ř č ý Č Í Á č š Č č č č č ď š ř ě ě ž ú š ř š ř ě č č ů ě ý ů ě š ě šť ě ý ů ě ř š ý š ě Ů šť ě š ě ů ř ý ě š ý š č č ěř č š š ě š ž š ý š š š č ď š ž č š ž Š ý ř š š ý ž ě š šť č ý ů ů ž š č ý ž ů
VíceMATEMATICKÁ TEORIE ROZHODOVÁNÍ
MATEMATICKÁ TEORIE ROZHODOVÁNÍ Metodický list č. 1 Název tématického celku: Řešení úloh Cílem tohoto tematického celku je vysvětlení vybraných pojmů z oblasti řešení úloh. Tématický celek je rozdělen do
VíceKoncept Hayekova stroje pro řízení robotů Khepera IV
Koncept Hayekova stroje pro řízení robotů Khepera IV Lukáš Mamula Slezská univerzita v Opavě, Filozoficko-přírodovědecká fakulta v Opavě Bezručovo náměstí 13, 74601 Opava mamula.lukas@gmail.com Abstrakt
VíceZáklady umělé inteligence
Základy umělé inteligence Úvod Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 1 Zavedení pojmu umělá inteligence Inteligence je schopnost získávat a aplikovat vědomosti a tedy
VíceŠachy do škol. Projekt Šachového svazu ČR
Šachy do škol Projekt Šachového svazu ČR O projektu: Šachy jsou součástí školních osnov ve více než 30 zemích světa Na základě řady studií přijal v roce 2012 Evropský parlament deklaraci doporučující členským
VíceHRY A UI HISTORIE. Hry vs. Prohledávání stavového prostoru. Obsah:
Úvod do umělé inteligence Připomínka průběžná písemka Hry a základní herní strategie PŘIPOMÍNKA PRŮBĚŽNÁ PÍSEMKA E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ Obsah: Připomínka průběžná písemka Algoritmus
VíceMATEMATICKÁ TEORIE ROZHODOVÁNÍ
MATEMATICKÁ metodický list č. 1 Řešení úloh Cílem tohoto tematického celku je vysvětlení vybraných pojmů z oblasti řešení úloh. Tématický celek je rozdělen do těchto dílčích témat: 1. Řešení úloh ve stavovém
VíceVarianty Monte Carlo Tree Search
Varianty Monte Carlo Tree Search tomas.kuca@matfyz.cz Herní algoritmy MFF UK Praha 2011 Témata O čem bude přednáška? Monte Carlo Tree Search od her podobných Go (bez Go) k vzdálenějším rozdíly a rozšíření
VíceRobotika průmyslové roboty. Vypracoval: Bc. Ludvík Kochaníček Kód prezentace: OPVK-TBdV-AUTOROB-KE-3-STZ-KOH-002
Robotika průmyslové roboty Vypracoval: Bc. Ludvík Kochaníček Kód prezentace: OPVK-TBdV-AUTOROB-KE-3-STZ-KOH-002 Technologie budoucnosti do výuky CZ.1.07/1.1.38/02.0032 CO ZNAMENÁ ROBOT Samotné slovo robot
VíceZnalostní technologie proč a jak?
Znalostní technologie proč a jak? Peter Mikulecký Kamila Olševičová Daniela Ponce Univerzita Hradec Králové Motivace 1993 vznik Fakulty řízení a informační technologie na Vysoké škole pedagogické v Hradci
Víceý č í č é ů ě ě é í č Č í í í í í í í í í ů č é ů ě í ý í č ů č ů í í ý í í í í č č í í čí í č í ů ě í í č í í č é ů ě ě é í í é í í í ý ěí ě č é ů í č ů í č ň ě í ů é č í ů í í í í é í ů é č č í í č í
VíceRozhodovací procesy v ŽP HRY A SIMULAČNÍ MODELY
Rozhodovací procesy v ŽP HRY A SIMULAČNÍ MODELY Teorie her proč využívat hry? Hry a rozhodování varianty her cíle a vítězné strategie (simulační) Modely Operační hra WRENCH Cv. Katedra hydromeliorací a
Víceě ě ú ě ý ě ý ů ý ý č ě ý ú ů ě ů ý č ě ú ě č ě ů ý ů č č ě ěž ý č ý ů č ý Ž ěž ů ý čí ú ěž ý Ž ý ů ů ý š č ý ě úč č ů č č ů ů č ů ý č ů ů š ú Ž ú čň
Ý Í ě č Í ý ž Í č ě Ž č ú ý ů ý ů ě ý ú ě ě ý č ě ú šť č ý ě úč č ý ý č č Á Ě Ž š ě ě ě ú ě ý ě ý ů ý ý č ě ý ú ů ě ů ý č ě ú ě č ě ů ý ů č č ě ěž ý č ý ů č ý Ž ěž ů ý čí ú ěž ý Ž ý ů ů ý š č ý ě úč č
VíceEmergence chování robotických agentů: neuroevoluce
Emergence chování robotických agentů: neuroevoluce Petra Vidnerová, Stanislav Slušný, Roman Neruda Ústav Informatiky, AV ČR Kognice a umělý život VIII Praha 28. 5. 2008 Evoluční robotika: EA & neuronové
VíceAutomatizační a měřicí technika (B-AMT)
Ústav automatizace a měřicí techniky Bakalářský studijní program Automatizační a měřicí technika () Specializace oboru Řídicí technika Měřicí technika Průmyslová automatizace Robotika a umělá inteligence
VícePočátky umělé inteligence
Počátky umělé inteligence Pavel Ircing NTIS - UN 562 ircing@kky.zcu.cz KKY/HKUI Založení oboru John McCarthy přesvědčil v roce 1955 Marvina Minskyho, Nathaniela Rochestera and C. Shannona, aby mu v následujícím
VícePlánování: reprezentace problému
Plánování: reprezentace problému 15. března 2018 1 Úvod 2 Konceptuální model 3 Množinová reprezentace 4 Klasická reprezentace Zdroj: Roman Barták, přednáška Plánování a rozvrhování, Matematicko-fyzikální
VíceZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14
ZÁKLADY PROGRAMOVÁNÍ Mgr. Vladislav BEDNÁŘ 2014 7.1 7.3 12/14 Co je vhodné vědět, než si vybereme programovací jazyk a začneme programovat roboty. 1 / 18 0:40 Umělá inteligence Umělá inteligence (UI) vlastně
Vícea) vnímání = proces, kterým zachycujeme to, co v daném okamžiku působí na naše smysly
Otázka: Psychické procesy Předmět: Základy společenských věd Přidal(a): mirka 1)Poznávací procesy a) vnímání = proces, kterým zachycujeme to, co v daném okamžiku působí na naše smysly - podnět-> počitek->
VíceObsah: Problém osmi dam
Prohledávání stavového prostoru leš Horák E-mail: hales@fi.muni.cz http://nlp.fi.muni.cz/uui/ Obsah: Problém osmi dam Prohledávání stavového prostoru Neinformované prohledávání Úvod do umělé inteligence
VíceRozhodovací procesy 3
Rozhodovací procesy 3 Informace a riziko Příprava předmětu byla podpořena projektem OPPA č. CZ.2.17/3.1.00/33253 III rozhodování 1 Rozhodovací procesy Cíl přednášky 1-3: Význam rozhodování Rozhodování
VíceÁ Č Ě Í Í ů š č ř Í ř ž ů ý ř ř ů č ř ž ř č ř ž ř č ú ř ř ž ř ý ý ů ý č č č ř ů ř š ř ů ř ž č ů ď ý ů ý ř ý ř Í ť č ř Ž č š Š ž č ř úč ř č ž Ť č ú ř ž
ř ď č Á Č Ě Í Í ů š č ř Í ř ž ů ý ř ř ů č ř ž ř č ř ž ř č ú ř ř ž ř ý ý ů ý č č č ř ů ř š ř ů ř ž č ů ď ý ů ý ř ý ř Í ť č ř Ž č š Š ž č ř úč ř č ž Ť č ú ř ž ů ý ř ú ř Ť Ž š ú ř č ů ý č ř č Íč Í ý ř č ý
VíceČ Ť ú ť ú ť Á ň ú ú ú Ď ú ť ú Ž ú ď ň ú ú Ť ň ú Č ď ú Š ú Š Š Š Š Ž Š ň Š Š ú ň ť ú ú ú ú Š ú ú Č ú ú ď Š Š Š Á Ř ň ň ú Ď Ř Ú ú ú ú ú ú Ý Č ú Í Ž ť Ř Ď Š ť ú Ř ť Ž ď ú ú Š ú ú ú ť ť ď ť Ř Š Š Ř ť Š ú Š
VíceTypy filozofických otázek vztahující se k umělé inteligenci
Typy filozofických otázek vztahující se k umělé inteligenci Ontologické otázky (ontologie = učení o bytí, o jeho nejobecnějších určeních a pojmech [http://slovnik-cizich-slov.abz.cz]) Týkají se povahy
VíceZMÁČKNĚTE TLAČÍTKO A NECHTE SI UKLIDIT!
ZMÁČKNĚTE TLAČÍTKO A NECHTE SI UKLIDIT! PROČ ROBOTICKÝ VYSAVAČ? DOKONALÍ A CHYTŘÍ POMOCNÍCI, PŘINÁŠÍ DO VAŠÍ DOMÁCNOSTI POHODU A VYSNĚNÉ TRÁVENÍ VOLNÉHO ČASU. ZAPOMEŇTE NA PRACNÉ, ÚNAVNÉ A ZDLOUHAVÉ ČIŠTĚNÍ
VíceÍ Á Á Í Á Ě É É ř ř Ž Č Č ú ČÍ ň ř Č Č Č Č ú ř Č Ž ú ř ů ř ř ž š ř ů ř ř ů Í ř ř Ž Í ž Ž ř Č ř ó š ř ř řů š ř š ů ů ž ř Č š ř ř řů š Á š řů ř Č ř ř ř š Ž š ř ř ř ť ž Ú ž ř ň ť ň ů Ž ú ú ň š ú ň Ť Ž š ř
Víceě ů ř š ě š š ř ř ú ř ř ů š ěř ů ěř Č ěř ů š ůš š ř š ř ú ěř ů ú ř ě ř ů ů ěř ěř š ň š ř ě ů Č ů š ůš š ř ě Ť ř ř š ě š ě ř ř ř ě ř ř š ě ě ě š ů ě š ě š ě ě ř ť ř ř šš š ř ě š š š ě ů ů ů ě ř ř š ř ě
Víceý ú ý š Ú é ý š Č Ú ý Š ú Ř Á ÁŠ ý ú ý š Ú Ú Š ý ň ž Ú Í š Ž ú ň ž é ú Ž Ž Í é š š ú Ú ú š ž é Ú Š é Ú é é ó ý é ú Ž ý é Í š é ú š Ž é é é ň ď ý é ň ŽÍ ý ó ó š ý Ž ý š Ž ýš š ó é ňó ý é é é ý Ú ó ó Ž ý
Víceď Č ř ř Č ř ů ů ř ř ř ř Ú ř Š ř ř ř ř ř ř ř ř ř ŠĚ ů Ť ř Á ř ř Ť ů ů řů ů ř ř ř ř ř Ť Ř ř ř ů ů ř ř Ť Ď ř ř ů ř ř ř ř Ť Ť ř Ý Č ř ů Ď ů ř Š ů ř ř ř ř ů ř ř ř ř ř ů ď ů ů ř ř ř Á ď ř Ť ů Ť ř ň ů ď ů Ť Ď
VíceMetody výpočtu limit funkcí a posloupností
Metody výpočtu limit funkcí a posloupností Martina Šimůnková, 6. listopadu 205 Učební tet k předmětu Matematická analýza pro studenty FP TUL Značení a terminologie R značí množinu reálných čísel, rozšířenou
VíceMind Sports Academy. Nabídka kurzů 2014/2015 pro základní a střední školy
Mind Sports Academy Nabídka kurzů 2014/2015 pro základní a střední školy Co jsou duševní sporty Nabízíme kurzy logických deskových her. Duševní sporty jsou logické hry natolik složité, že se v nich lze
VíceÚvod do mobilní robotiky AIL028
Obsah zbynek.winkler at mff.cuni.cz http://robotika.cz/articles/umor/cs 22. října 2004 Obsah Co jsou to ti mobilní roboti? K čemu je to dobré? Jak bude vypadat přednáška? Jaké jsou další přednášky/semináře
Víceě ý ě é ě ř č ů Ž é ř ě š š ě ř Ž š ě ž š ě č ý ž ě š ď Ž ě š č ý ř ě ž š č ý ý č é Š ř ř ě š ř ě ě ě ů ůš š Š š ě ě š ř š ě š š é ř é ř Š ě é ě ř č éž Ž é ř ě š š ě ř ž ěč ř ž ů š ž š ě ý č ř ý ž š ě
VíceUMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Miroslav POKORNÝ Praha 1996, BEN Miroslav Pokorný UMÌLÁ INTELIGENCE V MODELOVÁNÍ A ØÍZENÍ Bez pøedchozího písemného svolení nakladatelství nesmí být kterákoli èást
VíceÚstav automatizace a měřicí techniky.
www.feec.vutbr.cz Specializace studijního oboru Automatizační a Měřicí Technika: Řídicí technika Moderní algoritmy řízení, teorie řízení Modelování a identifikace parametrů řízených systémů Pokročilé metody
Víceš č š ý č č č š š č š š ý č š ú ý ť č ý č ý ú Řč š ú š č Ú ť ť ď ú č ú č ó ťý š ý š č ú č ý č ý ť š č č ý š š úč ť č ť č úč š č š úč č č úš š č š š č š č š ý ý ý č š č č ť Ý ó š ť č š ó ň š š š č š ť č
VíceKognitivní informatika očima studentů
Kognitivní informatika očima studentů Výsledky ankety ZS 2011/2012 Kateřina Farská O dotazníku Reponse rate relativně vysoká: 49% (odpovědělo 26 z 53 aktuálně studujících) Až na výjimky vysoká kvalita
VíceUmělá inteligence a rozpoznávání
Václav Matoušek KIV e-mail: matousek@kiv.zcu.cz 0-1 Sylabus předmětu: Datum Náplň přednášky 11. 2. Úvod, historie a vývoj UI, základní problémové oblasti a typy úloh, aplikace UI, příklady inteligentních
VíceA4B33ZUI Základy umělé inteligence
LS 2014 Jméno: A4B33ZUI Základy umělé inteligence 11. 6. 2014 O1 O2 O3 O4 O5 Total (50) Instrukce: Na vypracování máte 150 min, můžete použít vlastní poznámky v podobě ručně popsaného listu A4. Použití
VíceMETODICKÝ LIST K TECHNICKÉMU KROUŽKU:
METODICKÝ LIST K TECHNICKÉMU KROUŽKU: Název kroužku: Naprogramuj si svého robota Jméno autora kroužku: Ing. Roman Stark, CSc. Anotace: Ze stavebnice LEGO Mindstorms NXT si postav svého robota nebo nějaké
Víceů ž Í ř ů Č ů ť ř Č ř ř ž Č Š Ů ů ž š ž Ů ř Č Ž ž ů ů Š š Í ň ó ů ř ř ž ř ř ž ř Í Ů š Š š ř š ů š š ó ř ř š ř Ž ř ž Ž ř š ř Í ň ř Ů ů ž Ů ř š ř š ř š
ř ř Ž Í ř ř ů ž ů Í ž ř ů ř ň ř Ž ř š Č ř š š ř ž ř ř š ž ř ů ř ů š ř ň ř ř Í ž ž š š š š ž Í š ÍŽ ň ů š ž ž ř š ů ň ř ř ž ř š ž ž š ř ů Ů Č ů ž š š ů ů ř ů š ž ů ř Ů ž ř ů ů ž Í ř ů Č ů ť ř Č ř ř ž Č
Víceč ú ý Ú š ě ě ý ň Ř Č š č č ě é ú č Á ý ě ý ě ě é ý č ý š é ě ň ý ů ž ň ý ě ý ě ý š é č Ů ž ě ý ú č ý ý ů š ň č ž é č ž é ě č ú ý Ú š ě ě Á š ě ý ň Á č Ř ý ů ě ě ě ě ě é ě ě ě ý ě ě ů ýš ě ě š ů ě ý ž
VíceKURZ VYSPĚLÉ TECHNOLOGIE (KA 14)
KURZ VYSPĚLÉ TECHNOLOGIE (KA 14) 1. Úvod Cílem kurzu Vyspělé technologie bylo získání uceleného přehledu o současných trendech vývoje vyspělých technologií, které určují zaměření vůdčích světových aktivit
VíceTurnaje se zúčastní 60 týmů Týmy budou rozděleny do 12 skupin po 5 týmech Utkání ve skupinách budou hrána systémem každý s každým
- 2 - PROPOZICE TURNAJE: Turnaje se zúčastní 60 týmů Týmy budou rozděleny do 12 skupin po 5 týmech Utkání ve skupinách budou hrána systémem každý s každým Z každé skupiny postupují 2 nejlepší týmy a 8
VíceObsah. Kognitívna ekonómia na báze umelej (komputačnej) inteligencie Ladislav Andrášik...
Obsah Předmluva... III Kognitívna ekonómia na báze umelej (komputačnej) inteligencie Ladislav Andrášik.... Použitie neurónových sietí pri spracovaní obrázkov získaných pomocou ultrazvuku Gabriela Andrejková,
VíceUmělá inteligence I. Roman Barták, KTIML. roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak
Umělá inteligence I Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Na úvod Agent s reflexy pouze převádí současný vjem na jednu akci. Agent s cílem umí plánovat několik akcí
VíceZnalosti budeme nejčastěji vyjadřovat v predikátové logice prvního řádu. Metody:
Umělá inteligence II Roman Barták, KTIML roman.bartak@mff.cuni.cz http://ktiml.mff.cuni.cz/~bartak Znalosti v učení Umíme se učit funkce vstup výstup. Jedinou dodatečnou znalost, kterou jsme využili, byl
VíceProfesionální vysavače. Návod k použití
fesionální vysavače Návod k použití Light Napětí Frekvence 50Hz 50Hz 50Hz 50Hz 50Hz 50Hz 50Hz Výkon 1200W 1000W 1000W 1200W 2000W 3000W 2000W Vysávání 2300 2000 1800 2000 2000 3000 2000 mm mm mm mm mm
VíceUm lá inteligence II
Um lá inteligence II 13 http://ktiml.mff.cuni.cz/~bartak Roman Barták, KTIML roman.bartak@mff.cuni.cz Motivace! Uvažujme agenta, který se u í hrát šachy.! P i u ení s u itelem je pot eba pro každou pozici
Víceř Ú Ú šň ůš Í š ň ž Ú ó ž ý ó Ú ý ž ý Ú Ú Ú ý ř ý ý ý ň ň Ť ú Ú ú Ž Ú ý ú Ú Ž Ú ýš ú ýš ú Ú Ú Ú ýš Ú ř ýš ýš Ú ů ř ýš ú ř Ž Ú ž Ú Ž řň ýš ř š Č ú Č ú ř Č ď ř ň Ú Č š š Ě ú ř ý ř Š Ó Č ú Ž ž ř ž ň ý ú Č
VíceObsah. Proč právě Flash? 17 Systémové požadavky 17. Jak používat tuto knihu 18 Doprovodný CD-ROM 19
Úvod.............................15 Proč právě Flash? 17 Systémové požadavky 17 Jak používat tuto knihu 18 Doprovodný CD-ROM 19 Část první Začínáme s tvorbou her ve Flashi..............21 1 První kroky........................23
Více