ΕΙΣΑΓΩΓΗ ΣΤΗΝ ΠΛΗΡΟΦΟΡΙΚΗ 12 η εβδομάδα Κεφάλαιο 11 Τεχνητή νοημοσύνη
Τεχνητή νοημοσύνη 11.1 Νοημοσύνη και μηχανές 11.2 Αντίληψη 11.3 Συλλογισμός 11.4 Άλλοι τομείς της έρευνας 11.5 Τεχνητά νευρωνικά δίκτυα 11.6 Ρομποτική 11.7 Εξετάζοντας τις συνέπειες
Νοήμονες πράκτορες Πράκτορας = "συσκευή" που αποκρίνεται στα ερεθίσματα από το περιβάλλον της Αισθητήρες Αποκρίσεις (Actuators) Ο στόχος της τεχνητής νοημοσύνης είναι να δημιουργηθούν πράκτορες που να συμπεριφέρονται έξυπνα.
Σχήμα 1: Το παζλ οκτώ πλακιδίων σε λυμένη διαμόρφωση
Σχήμα 2: Η μηχανή που λύνει το παζλ
Επίπεδα νοημοσύνης στη συμπεριφορά Αντανάκλαση: οι ενέργειες είναι προκαθορισμένες αποκρίσεις στα δεδομένα εισόδου Ευφυής απόκριση: ενέργειες που επηρεάζονται από τη γνώση του περιβάλλοντος Επιδίωξη στόχου Εκμάθηση (διαδικασιακή δηλωτική)
Ερευνητικές προσεγγίσεις τεχνητής νοημοσύνης Προσανατολισμός στην απόδοση: Ο ερευνητής προσπαθεί να μεγιστοποιήσει την απόδοση των πρακτόρων. Προσανατολισμός στην προσομοίωση: Ο ερευνητής προσπαθεί να καταλάβει πώς οι πράκτορες παράγουν απαντήσεις. (Γλωσσολόγοι θεωρία-πράξη)
Δοκιμή Turing Προτάθηκε από τον Alan Turing το 1950 Συγκριτική μέτρηση επιδόσεων για την πρόοδο στην τεχνητή νοημοσύνη Οργάνωση δοκιμής: Ο άνθρωποςεξεταστής επικοινωνεί με το υποκείμενο μέσω γραφομηχανής. Δοκιμή: Μπορεί ο άνθρωπος-εξεταστής να διακρίνει εάν το υποκείμενο είναι άνθρωπος ή μηχανή;
Τεχνικές για κατανόηση εικόνων Ταίριασμα με προκαθορισμένα πρότυπα Επεξεργασία εικόνας ενίσχυση ακμών εντοπισμός περιοχών εξομάλυνση Ανάλυση εικόνας
Επεξεργασία γλώσσας Η εικόνα του χωριού δεν είναι καλή Το βιβλίο ήταν πολύ βαρύ για το παιδάκι Ξέρεις τι ώρα είναι; Η Μαρία έδωσε στο Γιάννη ένα δώρο Ο καλόγερος λύγισε από το φοβερό βάρος Έπεσε κι έσπασε το ποτήρι
Επεξεργασία γλωσσών Συντακτική ανάλυση Σημασιολογική ανάλυση Θεματολογική ανάλυση (συμφραζόμενα) Ανάκτηση πληροφοριών Εξαγωγή πληροφοριών Σημασιολογικό δίκτυο
Σχήμα 3: Ένα σημασιολογικό δίκτυο
Ένα άλλο σημασιολογικό δίκτυο
Συστατικά των συστημάτων παραγωγής 1. Σύνολο καταστάσεων Κατάσταση αφετηρίας ή αρχική Κατάσταση προορισμού 2. Σύνολο παραγωγών: κανόνες ή κινήσεις Κάθε παραγωγή μπορεί να έχει προσυνθήκες 3. Σύστημα ελέγχου: αποφασίζει ποια παραγωγή θα εφαρμοστεί μετά
Σχήμα 4: Μικρό τμήμα του γράφου καταστάσεων για το παζλ οκτώ πλακιδίων
Επεξεργασία δεδομένων για τα συστήματα παραγωγής Γράφος καταστάσεων = καταστάσεις, παραγωγές και προσυνθήκες (χώρος προβλήματος) Δέντρο αναζήτησης = καταγραφή των μεταβολών κατάστασης που ερευνήθηκαν κατά την αναζήτηση της κατάστασης προορισμού Αναζήτηση με προτεραιότητα εύρους Αναζήτηση με προτεραιότητα βάθους
Σχήμα 5: Επαγωγικός συλλογισμός στα πλαίσια ενός συστήματος παραγωγών
Έμπειρα συστήματα Έμπειρο σύστημα = πακέτο λογισμικού για να βοηθήσει τους ανθρώπους σε καταστάσεις όπου απαιτείται ειδική γνώση Παράδειγμα: ιατρική διάγνωση Συχνά παρόμοια με ένα σύστημα παραγωγής
Σχήμα 6: Ένα άλυτο παζλ οκτώ πλακιδίων
Σχήμα 6: Δείγμα δέντρου αναζήτησης
Σχήμα 8: Παραγωγές που συσσωρεύονται για μετέπειτα εκτέλεση
Σχήμα 9: Ένα άλυτο παζλ οκτώ πλακιδίων
Ευρετικές στρατηγικές Απαιτήσεις για καλό heuristics Πρέπει να είναι πολύ ευκολότερο να υπολογιστεί από όσο μια πλήρη λύση Πρέπει να παρέχει μια λογική εκτίμηση της εγγύτητας σε έναν στόχο
Σχήμα 11: Ξεκίνημα ευρετικής αναζήτησης
Σχήμα 12: Το δέντρο αναζήτησης μετά από δύο περάσματα
Σχήμα 13: Το δέντρο αναζήτησης μετά από τρία περάσματα
Σχήμα 14: Το πλήρες δέντρο αναζήτησης που διαμορφώνεται από το ευρετικό μας σύστημα
Νευρωνικά δίκτυα Τεχνητός νευρώνας Κάθε είσοδος πολλαπλασιάζεται με έναν παράγοντα βάρους. Η έξοδος είναι 1 εάν το άθροισμα των σταθμισμένων εισόδων υπερβαίνει μια κατώτατη τιμή. Αλλιώς είναι 0. Το δίκτυο προγραμματίζεται με τη ρύθμιση των βαρών χρησιμοποιώντας ανατροφοδότηση από παραδείγματα.
Σχήμα 15: Νευρώνας σε ένα ζωντανό βιολογικό σύστημα
Σχήμα 16: Οι δραστηριότητες μέσα σε μια μονάδα επεξεργασίας
Σχήμα 17: Αναπαράσταση μιας μονάδας επεξεργασίας
Σχήμα 18: Νευρωνικό δίκτυο με δύο διαφορετικά προγράμματα
Συνειρμική μνήμη Συνειρμική μνήμη = ανάκτηση πληροφορίας σχετικής με τις τρέχουσες πληροφορίες Μια κατεύθυνση της έρευνας επιδιώκει να δημιουργήσει συνειρμική μνήμη χρησιμοποιώντας νευρωνικά δίκτυα που όταν τους δίνεται μερική διαμόρφωση, μεταβαίνουν σε σταθερή διαμόρφωση.
Σχήμα 22: Τεχνητό νευρωνικό δίκτυο για την υλοποίηση συνειρμικής μνήμης
Σχήμα 23: Βήματα που οδηγούν σε μια σταθερή διαμόρφωση
Ρομποτική Άρχισε ως τομέας μέσα στους μηχανολόγους και ηλεκτρολόγους μηχανικούς Σήμερα καλύπτει πολύ ευρύτερο φάσμα δραστηριοτήτων Asimo UAV Ανταγωνισμός Robocup Εξελικτική ρομποτική
Ρομποτική Deep blue Αντικατάσταση εργατικού δυναμικού Ο Άσημος σε ώρα δράσης Robocup
Μερικά ζητήματα που προκύπτουν από την τεχνητή νοημοσύνη Πότε πρέπει να εμπιστευθούμε την απόφαση ενός υπολογιστή αντί ενός ανθρώπου; Εάν ένας υπολογιστής μπορεί να κάνει μια εργασία καλύτερα από έναν άνθρωπο, πότε θα πρέπει οπωσδήποτε ένας άνθρωπος να κάνει αυτήν την εργασία; Ποιος θα ήταν ο κοινωνικός αντίκτυπος εάν η τεχνητή νοημοσύνη ξεπεράσει τη νοημοσύνη πολλών ανθρώπων;