Umělá inteligence (1. přednáška)

Podobné dokumenty
Umělá inteligence (1. přednáška)

Počátky umělé inteligence

Umělá&inteligence! Co#o#nás#říká,#i#když#to#(někdy)#nechceme#slyšet?#

Expertní Systémy. Umělá inteligence Alan Turing: Computing Machinery and Intelligence. Mind 59, 1950, s

Úvod do logiky a logického programování.

Inteligentní systémy a neuronové sítě

Kognitivní informatika očima studentů

Úvod do logiky. (FLÚ AV ČR) Logika: CZ.1.07/2.2.00/ / 23

Přírodou inspirované metody umělé inteligence

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

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ /14

Neuronové sítě. Vlasta Radová Západočeská univerzita v Plzni katedra kybernetiky

Historie a vývoj umělé inteligence

AUTOMATY A GRAMATIKY

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

Neuronové sítě (11. přednáška)

Základy umělé inteligence

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

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

AIBO CleanMate 365 ACECAD Enterprises DigiMemo

CleanMate 365. ACECAD Enterprises DigiMemo A502. individua vědomě orientovat vlastní. globální schopnost individua účelně

Expe xp rtn t í n í sys s t ys é t my m PSY 481

Matematická logika. Miroslav Kolařík

Modelování a simulace: o předmětu. Radek Pelánek

Stefan Ratschan. Fakulta informačních technologíı. Evropský sociální fond Praha & EU: Investujeme do vaší budoucnosti

AD4M33AU Automatické uvažování

Biologicky inspirované výpočty. Schématické rozdělení problematiky a výuky

Matematika pro informatiky KMA/MATA

Modelování a simulace: o předmětu. Radek Pelánek

Vybrané přístupy řešení neurčitosti

Matematická logika. Lekce 1: Motivace a seznámení s klasickou výrokovou logikou. Petr Cintula. Ústav informatiky Akademie věd České republiky

Panelová diskuse Technologie pro byznys

Výbor textů k moderní logice

Specializace Kognitivní informatika

Návrh softwarových systémů - mobilita. Jiří Šebek (B6B36NSS)

Petr Křemen. Katedra kybernetiky, FEL ČVUT. Petr Křemen (Katedra kybernetiky, FEL ČVUT) Sémantické sítě a rámce 1 / 112

Umělá inteligence a rozpoznávání

Znalostní technologie proč a jak?

Logika a studijní předpoklady

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

Obecná psychologie: základní pojmy

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Co je to matematika?

Logický důsledek. Petr Kuchyňka

Moderní systémy pro získávání znalostí z informací a dat

21. Kognitivní psychologie

ZÁKLADY PROGRAMOVÁNÍ. Mgr. Vladislav BEDNÁŘ /14

Projektově orientované studium Základní principy a filozofie PBL Co a co není PBL Co je to projekt. CIIV červenec 2013 odpovědný manažer: Petr Hynek

Logika a jazyk. filosofický slovník, Praha:Svoboda 1966)

Výroková a predikátová logika - I

Příklad z učebnice matematiky pro základní školu:

Informace pro výběr bakalářského oboru

KURZ TEORETICKÉ ASPEKTY UMĚLÉ INTELIGENCE (KA 16)

Ambasadoři přírodovědných a technických oborů. Ing. Michal Řepka Březen - duben 2013

Implikace letitá, ale stále atraktivní dáma

Lesk a bída nestandardních výpočetních systémů

Fyzika I. Něco málo o fyzice. Petr Sadovský. ÚFYZ FEKT VUT v Brně. Fyzika I. p. 1/20

1. Matematická logika

Ontologie. Otakar Trunda

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

LITOMĚŘICE, Svojsíkova1, příspěvková organizace. kognitivní psychologie. Luboš Nergl, Andrea Skokanová

Gödelovy věty o neúplnosti

Algoritmus. Přesné znění definice algoritmu zní: Algoritmus je procedura proveditelná Turingovým strojem.

Algoritmy a struktury neuropočítačů ASN - P1

Historie matematiky a informatiky 2 1. přednáška 24. září Doc. RNDr. Alena Šolcová, Ph.D. Katedra aplikované matematiky FIT ČVUT v Praze

Hry a UI historie. von Neumann, 1944 algoritmy perfektní hry Zuse, Wiener, Shannon, přibližné vyhodnocování

OSA. maximalizace minimalizace 1/22

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Pojem algoritmus. doc. Mgr. Jiří Dvorský, Ph.D. Katedra informatiky Fakulta elektrotechniky a informatiky VŠB TU Ostrava

INOVACE VE VZDĚLÁVÁNÍ DOSPĚLÝCH. Zdenko Reguli Lucie Mlejnková

Obsah Předmluva Rekapitulace základních pojmů logiky a výrokové logiky Uvedení do predikátové logiky...17

Umě m lá l in i t n e t li l ge i nc n e PSY 481

Posloupnosti a jejich konvergence

Posloupnosti a jejich konvergence POSLOUPNOSTI

Typy filozofických otázek vztahující se k umělé inteligenci

TGH02 - teorie grafů, základní pojmy

+ 1. doc. Ing. Jan Skrbek, Dr. - KIN. Konzultace: pondělí nebo dle dohody. Spojení:

KURZ KOGNITIVNÍ VĚDA A UMĚLÁ INTELIGENCE (KA 17)

VeriFIT Automatizovaná analýza a verifikace

HISTORIE. Principy počítačů I. Literatura. Počátky historie počítačů. Počátky historie počítačů. Dnešní chápání počítače

Formálnílogickésystémy pro aplikaci v informatice Martin Žáček

a) vnímání = proces, kterým zachycujeme to, co v daném okamžiku působí na naše smysly

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

Usuzování za neurčitosti

MATEMATICKÁ TEORIE ROZHODOVÁNÍ

Matematika a fyzika. René Kalus KAM, FEI, VŠB-TUO

Pedagogika I Zimní semestr Akademický rok 2014/15

Explikace. Petr Kuchyňka

Martin Hejtmánek hejtmmar

Psychologie - věda o lidském chování, jednání, myšlení

Korpusová lingvistika a počítačové zpracování přirozeného jazyka

Rozhodovací procesy 1


Informace jako paměť a vědomí II

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

Rozhodovací procesy v ŽP HRY A SIMULAČNÍ MODELY

Logika I. RNDr. Kateřina Trlifajová PhD. Katedra teoretické informatiky Fakulta informačních technologíı BI-MLO, ZS 2011/12

Historie matematiky a informatiky

TEORIE UŽITKU A PROSPEKTOVÁ TEORIE (NAŠE VOLBY) Aleš Neusar Myšlení a rozhodování v praxi

4. úprava ÚPRAVY VE VYUČOVACÍCH

Transkript:

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 myslí racionálně se chová jako lidé se chová racionálně

Jednat jako lidé Alan Turing A. Turing: Computing machinery and intelligence, 1950 Motivováno otázkou: Mohou stroje myslet jako lidé. Nejednoznačná formulace (co znamená myslet jako lidé ) Turingův test Člověk Zkoušející? nebo AI Systém

Jednat jako lidé Turingův test A. Turing: Computing machinery and intelligence, 1950 předpovídal, že do roku 2000 budou mít počítače 30% šanci 5 minut šálit člověka předjímal všechny hlavní protiargumenty, které se od té doby proti AI vyskytly navrhl hlavní komponenty AI systémů: znalost, uvažování, porozumění (přirozenému) jazyku, učení

CAPTCHA Reverzní Turingův test

Myslet jako lidé systém, který myslí jako lidé myslí racionálně se chová jako lidé se chová racionálně

(axon se typicky větví na 10 až 100000 větví) (typicky 1cm dlouhý, t.j. 100x větší než průměr somy) Myslet jako lidé Kognitivní vědy Kognitivní vědy do 60. let převládal tzv. behaviorismus (lidské chování lze vysvětlit bez odkazu k myšlení ) v 60. letech převládla tzv. kognitivní psychologie vnitřní stavy mysli jsou zásadní je třeba model / teorie lidské mysli Psychologie (přístup shora) high-level General Problem Solver axonální větvění axon jiné buňky axon synapse Neurovědy (přístup zdola) neuronové sítě inteligence jako emergentní jev synapse dendrit jádro tělo buňky, tzv. soma

Myslet racionálně systém, který myslí jako lidé myslí racionálně se chová jako lidé se chová racionálně

Myslet racionálně Logika Aristoteles (384 322 př. Kr.): sylogismy (barbara, celarent, darii, ferio,... ) Leibniz (1646 1716): calculus ratiocinator Frege... (to znáte lépe) Problémy Není jasné, které z mnoha logických úsudků jsou relevantní. Není jasné, jak formalizovat problémy reálného světa, zvláště když je ve hře nejistota. Teoretické řešení praktické řešení.

Jednat racionálně systém, který myslí jako lidé myslí racionálně se chová jako lidé se chová racionálně

Jednat racionálně Ekonomie Racionální chování je takové, které na základě dostupných informací volí akce nejpravděpodobněji vedoucí k maximalizaci užitku nemusí nutně obnášet logické odvozování (reflexivní jednání) Ekonomie věda o racionálním chování (tedy nikoliv nutně o lidském chování!!)

Jednat racionálně Racionální agent Agent je jednotka, která vnímá a jedná. Tato přednáška je o návrhu racionálních agentů. Abstraktně lze agenta definovat jakožto funkci z posloupností vjemů (P ) do množiny akcí (A): f : P A

Trocha historie 43 booleovský model neuronových sítí (McCulloch, Pitts) [ekvivalence Turingova stroje a neuronové sítě] 47 Turing přednáší o AI na setkání Londýnské matematické společnosti 50 SNARC první umělá neuronová síť, 40 neuronů (Minsky, Edmonds) Minsky napsal v Princetonu dizertaci o neuronových sítích a výpočtech. Komise byla skeptická, že to není matematika, nicméně von Neumann prý řekl, že pokud to není nyní, tak jednou bude. 50 Turing: Computing Machinery and Intelligence

Trocha historie 56 Workshop v Dartmouth (McCarthy, Minsky, Shannon,...), Logic Theorist (Newell, Simon z CMU) Logic Theorist brzy dokázal většinu vět z druhé kapitoly Russelových Principií a v jednom případě našel i kratší důkaz. Russell byl potěšen, nicméně editoři časopisu J. of Symbolic logic už tak potěšení nebyli a článek spoluautorů Newella, Simona a Logical Theorist zamítli. 56 59 General Problem Solver (nástupce Logical Theorist) Geometry Theorem Prover (IBM, 1959) Samuel: Počítačová dáma, postupně se dostala na úroveň silného amatéra (počítač brzy hrál lépe než Samuel) McCarthy: Lisp (MIT), Programs with Common Sense reprezentace znalostí v AI Slagle: SAINT uměl integrovat typické příklady prvního ročníku analýzy, Evans: ANALOGY uměl řešit příklady na analogii z IQ testů, mikrosvěty (SHRDLU) 65 Rezoluce (Robinson)

Trocha historie 66 74 Skoro úplně vymizel výzkum neuronových sítí, návrat do reality The spirit is strong but the flesh is weak Russian The vodka is good but the meat is rotten.(pravděpodobně hoax) 69-79 První znalostní systémy (DENDRAL interpretace spekter) 80-93 The Decline and Fall of Expert Systems 85 Návrat neuronových sítí 95 Agenti, agenti, agenti...

Aktuální stav State of the Art Hrát obstojně stolní tenis Co dovede AI dnes? Řídit bezpečně auto po točité horské silnici Řídit bezpečně auto na magistrále. / Překládat mluvenou angličtinu do mluvené švédštiny v reálném čase to závisí Hrát Go na profesionální úrovni Přijít na fyzikální zákony www.wired.com/wiredscience/2009/04/newtonai/ www.wired.com/wiredscience/2009/04/robotscientist/ Hodinu si úspěšně povídat s člověkem Vymyslet (úmyslně) vtipný příběh.

DARPA Grand Challenge 2004 Mojave Desert, 240 km, 15 vozidel, nejlepší skončil po 11 km 2005 Beer bottle pass, několik tunelů, 23 vozidel, 5 dokončilo! http://www.youtube.com/watch?v=tdqzyd7fdrc 2007 Urban challenge, George Air Force Base, 96 km, 11 vozidel se kvalifikovalo, 6 dokončilo!

DARPA Grand Challenge http://www.youtube.com/watch?gl=cz&v=m2acmnfzpng

Další... RoboCup Curiosity...