Základy umělé inteligence

Podobné dokumenty
Klasifikace předmětů a jevů

Základy umělé inteligence

Umělá inteligence a rozpoznávání

Pokročilé operace s obrazem

Václav Matoušek KIV. Umělá inteligence a rozpoznávání. Václav Matoušek / KIV

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ /14

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ /14

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Učící se klasifikátory obrazu v průmyslu

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Historie a vývoj umělé inteligence

Algoritmy a struktury neuropočítačů ASN P9 SVM Support vector machines Support vector networks (Algoritmus podpůrných vektorů)

Neuronové sítě. Vlasta Radová Západočeská univerzita v Plzni katedra kybernetiky

Člověk a společnost. 10. Psychologie. Psychologie. Vytvořil: PhDr. Andrea Kousalová. DUM číslo: 10. Psychologie.

Téma 48 (dříve 47) Martin Staviař, 16. srpna 2006

Pedagogika I Zimní semestr Akademický rok 2014/15

Automatické rozpoznávání dopravních značek

SYSTÉMOVÁ METODOLOGIE (VII) Kybernetika. Ak. rok 2011/2012 vbp 1

UČENÍ BEZ UČITELE. Václav Hlaváč

Ukázka charakteristiky předmětu Český jazyk (pro nedoslýchavé) z pracovní verze ŠVP ZŠ pro sluchově postižené, Liberec.

Pátek Od h h

Doplnění přednášky: PEDAGOGICKO-PSYCHOLOGICKÉ PORADNY A SPECIÁLNÍ PEDAGOGICKÁ CENTRA

Spojení OntoUML a GLIKREM ve znalostním rozhodování

OBSAH. 1. ÚVOD il 3. MOZEK JAKO ORGÁNOVÝ ZÁKLAD PSYCHIKY POZORNOST 43

Základy umělé inteligence

Úvod do expertních systémů

Podklady pro hodnocení profilové maturitní zkoušky

Školní zralost. Vážení rodiče,

Cvičení z matematiky jednoletý volitelný předmět

Logika 5. Základní zadání k sérii otázek: V uvedených tezích doplňte z nabízených adekvátní pojem, termín, slovo. Otázka číslo: 1. Logika je věda o...

SENZORY PRO ROBOTIKU

Výrobní pracoviště budoucnosti

Logika a studijní předpoklady

Moderní systémy pro získávání znalostí z informací a dat

CHARAKTERISTIKA PŘEDMĚTU GEOGRAFIE (VYŠŠÍ STUPEŇ OSMILETÉHO GYMNÁZIA)

Charakteristika prostředí. Přínos pro rozvoj žáka. Ukázky z učebnice

ÚVOD DO ROZPOZNÁVÁNÍ

Vzdělávací obsah předmětu matematika a její aplikace je rozdělen na čtyři tématické okruhy:

Měření výsledků výuky a vzdělávací standardy

Typy filozofických otázek vztahující se k umělé inteligenci

Výuka může probíhat v kmenových učebnách, část výuky může být přenesena do multimediálních učeben, k interaktivní tabuli, popřípadě do terénu.

Numerické dovednosti. PaedDr. Mgr. Hana Čechová

Rozdělování dat do trénovacích a testovacích množin

Wichterlovo gymnázium, Ostrava-Poruba, příspěvková organizace. Maturitní otázky z předmětu PEDAGOGIKA A PSYCHOLOGIE

INDIVIDUÁLNÍ PÉČE - ČJ. Pokaždé se něčemu přiučíme, kdykoliv otevřeme knihu

Konstruktivistické principy v online vzdělávání

1. Data mining. Strojové učení. Základní úlohy.

1. Znalostní systémy a znalostní inženýrství - úvod. Znalostní systémy. úvodní úvahy a předpoklady. 26. září 2017

PILÍŘE UNIVERZITNÍHO STUDIA

Od Průmyslu 4.0 k Myšlení 4.0

Přírodou inspirované metody umělé inteligence

Digitální zpracování obrazu počítačové vidění zakotvení

Jak efektivně přednášet v době e-learningu

Katedra kybernetiky laboratoř Inteligentní Datové Analýzy (IDA) Katedra počítačů, Computational Intelligence Group

5. Umělé neuronové sítě. Neuronové sítě

Příloha č. 1 ke Školnímu vzdělávacímu programu základního vzdělávání pro žáky s mentálním postižením a poruchami komunikace

IUVENTAS Soukromé gymnázium a Střední odborná škola, s. r. o. Umělá inteligence. Jméno: Třída: Rok:

Dobývání znalostí. Doc. RNDr. Iveta Mrázová, CSc. Katedra teoretické informatiky Matematicko-fyzikální fakulta Univerzity Karlovy v Praze

Alternativní ovládání PC a okolí

Vybrané přístupy řešení neurčitosti

Popis klíčových aktivit projektu ŠKOLA PRO VŠECHNY

NÁŠ SVĚT. Tematické okruhy: 1. Místo, kde žijeme dopravní výchova, praktické poznávání školního prostředí a okolní krajiny (místní oblast, region)

Kybernetika a umělá inteligence, cvičení 10/11

Ing. Petr Hájek, Ph.D. Podpora přednášky kurzu Aplikace umělé inteligence

Role klinického psychologa v komplexní péči o duševně nemocné. Mgr. Anna Vaněčková (psycholog)

smysluplně a průběžně rozvíjet nadání žáků podpořit oblasti, které jsou příčinou dlouhodobé školní neúspěšnosti u žáků ohrožených předčasným odchodem

Alternativní ovládání PC a okolí

Tento výukový materiál vznikl za přispění Evropské unie, státního rozpočtu ČR a Středočeského kraje. Mgr. Monika Řezáčová

Předmět: Konverzace v ruském jazyce

EVA VOLNÁ MARTIN KOTYRBA MICHAL JANOŠEK VÁCLAV KOCIAN

Znalostní technologie proč a jak?

Formální systém výrokové logiky

VY_32_INOVACE_D 12 11

EXPERTNÍ SYSTÉMY V CHOVU VČEL A MOŽNOSTI JEJICH VYUŽITÍ V. Vostrovský Katedra informatiky, Vysoká škola zemědělská, Praha 6 Suchdol, tel.

Úvod do praxe stínového řečníka. Úvod

Emocionální a interpersonální inteligence

Moravské gymnázium Brno s.r.o. Kateřina Proroková

Řečové technologie na Katedře kybernetiky FAV ZČU v Plzni. Katedra kybernetiky. Fakulta aplikovaných věd. Západočeská univerzita v Plzni

Jejich účelem je uvolnění potenciálu, který v sobě ukrývá spojení racionálního a emocionálního myšlení.

H. Dreyfuss: What computers can t do, 1972 What computers still can t do, J. Weizenbaum. Computer power and human reason, 1976

Specifické poruchy učení ÚVOD. PhDr. Jarmila BUREŠOVÁ

14 Porovnání přístupů

Výukové texty. pro předmět. Automatické řízení výrobní techniky (KKS/ARVT) na téma

I. Potřeba pedagogické diagnostiky

PSYCHICKÉ VLASTNOSTI SCHOPNOSTI A INTELIGENCE

Ukázka charakteristiky předmětu Komunikační dovednosti (pro neslyšící) z pracovní verze ŠVP ZŠ pro sluchově postižené, Liberec.

Trénování sítě pomocí učení s učitelem

UČEBNÍ OSNOVY. Jazyk a jazyková komunikace Německý jazyk

SEMESTRÁLNÍ PRÁCE Z PŘEDMĚTU KVD/GRPR GRAFICKÉ PROJEKTY

Obecná psychologie. Kurz pro zájemce o psychologii 16/3/2013

Automatizační a měřicí technika (B-AMT)

Statistika. Jindřich Soukup. University of South Bohemia in České Budějovice Faculty of Fisheries and Protection of Waters, School of complex systems

Úvod do matematiky profesora Hejného. VISK Praha

Reálné gymnázium a základní škola města Prostějova Školní vzdělávací program pro ZV Ruku v ruce

ANALÝZA A KLASIFIKACE DAT

ŠKOLNÍ VZDĚLÁVACÍ PROGRAM DR. J. PEKAŘE V MLADÉ BOLESLAVI

Předškolní a mimoškolní pedagogika Odborné předměty Výchova a vzdělávání Metody výchovy a vzdělávání

Téma 2: Vnímání a organizace prostoru

Grafy. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava. Prezentace ke dni 13.

ASK. Test deduktivního a kreativního myšlení. HTS Report. Jan Ukázka ID Datum administrace Standard 1. vydání

Transkript:

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 schopnost myslet a uvažovat [American Heritage Dictionary 1982] Inteligence je rozumová, duševní schopnost a vyspělost [Slovník cizích slov] Inteligence je schopnost úspěšně reagovat na libovolnou, především novou situaci pomocí odpovídajících korekcí chování [Webster s Dictionary] Inteligence je to, co se měří v inteligenčních testech [pragmatický přístup psychologů] Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 2

Zavedení pojmu umělá inteligence Umělé je to, co není přirozené Přirozené je to, čemu se nedivíme Umělé předpokládá, že existuje něco přirozeného, co připouští duplikaci, přičemž existuje záměr nebo plán toto něco vytvořit a dojde k provedení tohoto záměru či plánu Mařík, V. a kol.: Umělá inteligence 3. Academia Praha, 2001. (Kapitola 1 I. M. Havel: Přirozené a umělé myšlení jako filozofický problém) Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 3

Zavedení pojmu umělá inteligence 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 (Minsky). Důkaz, zda nějaký systém nebo stroj je opravdu inteligentní, lze provést Turingovým testem Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 4

Turingův test (Alan Turing, 1950) Je ve vedlejší místnosti člověk nebo stroj napodobující člověka? Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 5

Turingův test Máme dvě oddělené místnosti. Do jedné místností umístíme testujícího člověka a do druhé počítač (stroj, systém), u kterého chceme zjistit, zda je inteligentní, a dalšího člověka. Testující člověk klade písemně v přirozeném jazyce otázky a předává je do druhé místnosti. Na otázky opět písemně odpovídá buď počítač nebo člověk. Pokud testující nedokáže rozpoznat, jestli komunikuje s počítačem nebo s člověkem, splňuje počítač Turingův test umělé inteligence (lze jej považovat za inteligentní) Proti Turingově testu existuje řada námitek, např. argument čínského pokoje Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 6

Zavedení pojmu umělá inteligence Umělá inteligence je vlastnost uměle vytvořeného systému, který má schopnost rozpoznávat předměty a jevy, analyzovat vztahy mezi nimi a tak si vytvářet modely světa, dělat účelná rozhodnutí a předvídat jejich důsledky, řešit problémy včetně objevování nových zákonitostí a zdokonalování své činnosti (Kotek). Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 7

Motivační zdroje umělé inteligence Z hlediska cílů (tj. toho, co chceme dosáhnout) lze v umělé inteligenci rozlišit 3 přístupy: psychologický snaží se lépe poznat zákonitosti lidského myšlení tím, že se je snaží modelovat; inženýrský (v současné době převládající) pokouší se vytvořit sytém metod a programů, které by umožňovaly pomocí počítače (stroje) řešit intelektuálně náročné úkoly způsobem, který nemusí nutně imitovat právě ty metody, které používá člověk; filozoficko-matematický jde o studium a formalizaci intelektuálních mechanismů nezávisle na tom, zda jsou realizovány v počítači nebo v mozku člověka Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 8

Hlavní témata umělé inteligence (UI) Soudobá UI se zabývá převážně dílčími úlohami, které mohou do jisté míry nahradit některé intelektuální činnosti člověka. UI se tak rozpadá na řadu tematických oblastí: reprezentace znalostí, automatické řešení úloh, expertní systémy, učící se systémy a klasifikátory, teorie her, automatické dokazování teorémů, vnímání prostředí, porozumění přirozenému jazyku, plánování činností, neuronové sítě apod. Tyto tematické oblasti jsou přitom vzájemně propojeny. Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 9

Reprezentace znalostí Zaujímá v UI centrální místo a v systémech s UI hraje klíčovou roli. Obecně lze znalostí rozumět jakoukoli informaci o reálném světě. Uchovat takovou informaci znamená vytvořit vhodnou reprezentaci této znalosti v datové struktuře počítače tak, aby s ní mohlo být dále snadno manipulováno. Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 10

Reprezentace znalostí Podle typů znalostí existuje množství způsobů jejich reprezentace: výrokový počet predikátová logika 1.řádu produkční systémy sémantické sítě rámce scénáře Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 11

Řešení úloh UI chápe řešení úloh jako proces hledání řešení v podstatě metodou zkoušek a omylů. Je-li dán počáteční stav úlohy a požadovaný koncový (cílový) stav úlohy, je úkolem systémů UI hledat vhodnou posloupnost akcí, kterými lze přejít z počátečního stavu do koncového stavu. Tuto posloupnost nazýváme plánem a metody vytváření plánů se nazývají řešení úloh. Příklady: DB +CC ABA Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 12

Učící se systémy a klasifikátory Rozpoznávání (klasifikace) předmětů a jevů spočívá v jejich zařazování do jednotlivých tříd. Předmět, který má být rozpoznán, musí být vhodně popsán. Popis předmětu může být kvantitativní (číselné příznaky) kvalitativní (symboly nečíselné povahy) Popis předmětu se nazývá obraz, proto mluvíme o rozpoznávání obrazů (pattern recognition) Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 13

Učící se systémy a klasifikátory Klasifikátory obvykle pracují ve 2 fázích činnosti: fáze učení systém je trénován pomocí reprezentativní trénovací množiny obrazů a informací učitele o zařazení obrazů fáze klasifikace natrénovaný klasifikátor zařazuje neznámé obrazy do tříd Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 14

Učící se systémy a klasifikátory příklady použití Lékařská diagnostika symptomy tvoří obraz pacienta, cílem je stanovení diagnózy Technická diagnostika obraz předmětu je tvořen údaji z čidel, cílem je diagnóza poruchy Systémy rozpoznávání psaných písmen Systémy rozpoznávání mluvených slov Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 15

Expertní systémy Užití metod rozpoznávání často uživateli nestačí, protože uživatel chce dále znát důvody, které vedly k danému rozhodnutí, vědět, do jaké míry je rozhodnutí věrohodné, poradit, jaké další informace je třeba doplnit, aby se věrohodnost rozhodnutí zvětšila. To vyžaduje značné množství informací, které překračuje schopnosti jednoho odborníka (experta) a odpovídá spíše kumulaci znalostí celého týmu expertů, se kterými by bylo třeba konzultovat. Takové počítačové programy se pak nazývají znalostní nebo expertní systémy. Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 16

Expertní systémy Příklady použití: diagnostika nemocí technická diagnostika daňové poradenství Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 17

Vnímání prostředí Mezi systémy vnímání prostředí, které využívají pro řešení zadané úlohy metod UI, patří zejména: systémy zpracování optické informace a analýzy scény počítačová tomografie vizualizace nebezpečných (např. radioaktivních) látek zpracování leteckých a družicových snímků orientace robota v neznámém prostředí Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 18

Vnímání prostředí systémy zpracování, syntézy a rozpoznávání mluvené řeči klasifikace izolovaně vyslovených slov (povelů), povelové řízení strojů apod. klasifikace plynulé řeči (hlasem řízené psací stroje) klasifikace řečníka podle hlasu (otevírání dveří na povel majitele, provádění bankovních operací apod.) klasifikace emocionálního či zdravotního stavu řečníka (zjišťování stavu dispečerů, řídicích letového provozu, řidičů) syntéza řeči (hlasové informační systémy) Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 19

Vnímání prostředí systémy zpracování taktilní (hmatové) informace poznávání těles podle tvaru v robotice nedestruktivní uchopení předmětů robotem lékařské vyšetření správného postoje na základě tlaku chodidel na desku Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 20

Porozumění přirozenému jazyku Cílem je vytvořit počítačový program, který by rozuměl větám (napsaným) v přirozeném jazyku Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 21

Umělé neuronové sítě Zájem o ně pramení ze snahy napodobit vlastnosti lidského mozku Základy umělé inteligence - úvod. Vlasta Radová, ZČU, katedra kybernetiky 22