ΕΑΡΙΝΟ ΕΞΑΜΗΝΟ, 2011-2012 ΤΕΧΝΗΤΗ ΝΟΗΜΟΣΥΝΗ 2. Εισαγωγή στην Τεχνητή Νοημοσύνη
Σήμερα Ορισμοί Τεχνητής Νοημοσύνης Δοκιμασία Turing Ιστορική Αναδρομή Συμβολική Τεχνητή Νοημοσύνη Αλγόριθμοι και Ευρετικά
Ορισμοί Τεχνητής Νοημοσύνης Ο όρος Τεχνητή Νοημοσύνη προτάθηκε από τον John McCarthy το 1956 The science and engineering of making intelligence machines Το πρώτο επίσημο διεθνές συνέδριο σε ΤΝ διεξήχθη το 1969 στη Βόρειο Αμερική John McCarthy, 1927-2011 Τα προβλήματα με τα οποία καταπιάνονται συστήματα ΤΝ είναι συνήθως δύσκολα και είναι αδύνατο να επιλυθούν μέσω εξαντλητικής εξέτασης όλων των πιθανών (μερικών) λύσεων
Ορισμοί Τεχνητής Νοημοσύνης Ορισμός 1 Τεχνητή Νοημοσύνη είναι ένας κλάδος της Πληροφορικής, ο οποίος καταπιάνεται με την αυτοματοποίηση ευφυούς συμπεριφοράς. Luger και Stubblefield (1998) Ορισμός 2 Τεχνητή Νοημοσύνη είναι η μελέτη των μηχανισμών που υπογραμμίζουν ευφυή συμπεριφορά, μέσω της κατασκευής και αξιολόγησης συστημάτων τα οποία παριστάνουν αυτούς τους μηχανισμούς.
Ορισμοί Τεχνητής Νοημοσύνης Ορισμός 3 Τεχνητή Νοημοσύνη είναι η ανάπτυξη υπολογιστικών συστημάτων για την επίλυση δύσκολων προβλημάτων τα οποία δεν μπορούν να επιλυθούν μέσω της εξαντλητικής εξέτασης όλων των πιθανών λύσεων μια και αυτές μπορεί να είναι πάρα πολλές. Ορισμός 4 Τεχνητή Νοημοσύνη είναι η μελέτη του πως να κάνουμε τον υπολογιστή να πράξει κάτι που επί του παρόντος ο άνθρωπος μπορεί να πράξει καλύτερα. Rich και Knight (1991)
Ένας γενικός και αποδεκτός ορισμός ΤΝ είναι ο τομέας της Επιστήμης των Υπολογιστών που ασχολείται με τη σχεδίαση και την υλοποίηση προγραμμάτων τα οποία είναι ικανά να μιμηθούν τις ανθρώπινες γνωστικές ικανότητες, εμφανίζοντας έτσι χαρακτηριστικά που αποδίδουμε συνήθως σε ανθρώπινη συμπεριφορά, όπως η επίλυση προβλημάτων, η αντίληψη μέσω της όρασης, η μάθηση, η εξαγωγή συμπερασμάτων, η κατανόηση φυσικής γλώσσας, κλπ.
Δοκιμασία Turing Κριτική;
Κριτική Δοκιμής Turing Καλουπώνει τη μηχανική ευφυΐα στα μέτρα της ανθρώπινης ευφυΐας Οι υπολογιστές κάνουν υπολογισμούς γρηγορότερα Περιορίζεται σε εργασίες επίλυσης προβλημάτων με συμβολικό τρόπο, αγνοώντας πλήρως άλλα σημαντικά στοιχεία ευφυΐας Αρκεί η συμπεριφορά για να αποδειχθεί η ευφυΐα;
Ιστορική Αναδρομή 350π.Χ: Οι "συλλογισμοί" του Αριστοτέλη παρείχαν πρότυπα εκφράσεων που έδιναν πάντα σωστά συμπεράσματα από σωστές υποθέσεις 1854: Ο George Boole έθεσε τις βάσεις της προτασιακής λογικής. 1879: Ο Gottlieb Frege πρότεινε ένα σύστημα αυτοματοποιημένης συλλογιστικής και έθεσε τις βάσεις του κατηγορηματικού λογισμού
Ιστορική Αναδρομή 1943: Ο McCulloch και ο Pitts πρότειναν ένα μοντέλο τεχνητών νευρώνων που είχε τη δυνατότητα να μαθαίνει και να υπολογίζει κάθε υπολογίσιμη συνάρτηση. 1951: Ο Minsky και ο Edmonds υλοποίησαν το πρώτο νευρωνικό δίκτυο, το SNARC, με 40 νευρώνες, το οποίο χρησιμοποιούσε 3.000 λυχνίες 1956: Διοργάνωση συνεδρίου καθοριστικού στη γέννηση της Τ.Ν.
Αναδρομή Δεκαετία 60 1958: Ο McCarthy: Όρισε τη συναρτησιακή γλώσσα LISP. Πρότεινε ένα υποθετικό σύστημα (τον advice taker), που χρησιμοποιούσε γνώση αλλά αφορούσε γενικά, καθημερινά, προβλήματα 1958: Ο Friedberg πρότεινε μια τεχνική, τη μηχανική εξέλιξη ή όπως ονομάζεται τώρα, γενετικοί αλγόριθμοι.
Αναδρομή Δεκαετία 60 Στο Stanford υλοποιήθηκε το πρώτο robot, το Shakey robot. 1968:Το πρόγραμμα ANALOGY του Tom Evans έλυνε προβλήματα γεωμετρικής αναλογίας που χρησιμοποιούνταν σε τεστ ευφυΐας 1962: Βελτιώσεις της μεθόδου μάθησης των νευρωνικών δικτύων του Hebb από τον Rosenblatt με τα perceptrons
Δεκαετία 70 Aναπτύχθηκαν συστήματα που περιείχαν την απαιτούμενη γνώση ώστε να συμπεριφέρονται όπως οι άνθρωποι ειδικοί σε διάφορα θέματα. Ονομάστηκαν Έμπειρα Συστήματα ή Συστήματα Γνώσης Προτάθηκε η γλώσσα προγραμματισμού Prolog 1975: Προτάθηκαν από τον Minsky τα πλαίσια
Δεκαετία 80 Το 1981 οι Ιάπωνες ανακοίνωσαν το πρόγραμμα της 5 ης γενιάς, ένα δεκαετές πρόγραμμα για την κατασκευή υπολογιστών με γλώσσα μηχανής την Prolog Στόχος ήταν να κατασκευαστούν ευφυή συστήματα, τα οποία εκτός των άλλων, θα ήταν σε θέση να επικοινωνούν πλήρως με τον άνθρωπο σε φυσική γλώσσα. Στα μέσα της δεκαετίας του '80 επανεμφανίστηκαν τα νευρωνικά δίκτυα.
Συζήτηση Που εντοπίζεται σήμερα «ευφυή συμπεριφορά» σε υπολογιστικά συστήματα; Αναγνωρίζετε στην καθημερινότητα κάποια επιτεύγματα της Τεχνητής Νοημοσύνης;
Σήμερα Συστήματα τα οποία βοηθούν τον χρήστη στο να χρησιμοποιήσει ορισμένα προγράμματα Να αναζητήσει πληροφορία στο διαδίκτυο, να στείλει email, να τηρήσει ραντεβού, να συγκρίνει τιμές προϊόντων και πολλά άλλα. Σε ορισμένες περιπτώσεις μάλιστα είναι σε θέση ακόμη και να μιλούν και να αστειεύονται Συστήματα αναγνώρισης φωνής τα οποία κλείνουν αεροπορικές θέσεις τηλεφωνικά, βρίσκοντας τις βέλτιστες πτήσεις ή δίνουν διάφορες πληροφορίες γενικού ενδιαφέροντος
Σήμερα Έμπειρα συστήματα πραγματικού χρόνου που επεξεργάζονται τα δεδομένα που μεταδίδονται από διαστημόπλοια. Ρομποτικά συστήματα που οδηγούν αυτοκίνητα σε αυτοκινητόδρομο χρησιμοποιώντας video κάμερες και sonar Συστήματα που διεξάγουν ιατρικές διαγνώσεις. Συστήματα που ελέγχουν και ρυθμίζουν την κυκλοφορία αυτοκινήτων
Σήμερα Sony, QRIO Robot Mπορεί και χορεύει και επικοινωνεί, αναγνωρίζοντας 10,000 ιαπωνικές λέξεις, αγγλικές ακόμη και ελληνικές. Η FUJITSU ανέπτυξε το ανθρωποειδές ρομπότ HOAP Η NASA σε συνεργασία με την Υπηρεσία Ανάπτυξης Προηγμένης Στρατιωτικής Τεχνολογίας των ΗΠΑ, ανέπτυξαν τον "Ρομποναύτη" για τη συντήρηση του διαστημικού τηλεσκοπίου HUBBLE, προσαρμοσμένο πάνω στον ρομποτικό βραχίονα του διαστημικού λεωφορείου
Σήμερα Διοργανώνονται σε ετήσια βάση διεθνείς αγώνες ποδοσφαίρου, το ROBOCUP, στο οποίο πρωταγωνιστές είναι ρομπότ κάθε είδους (ανθρωποειδή, τετράποδα, κτλ.) με τελικό στόχο να αναπτυχθεί μια ομάδα αυτόνομων ανθρωποειδών ρομπότ μέχρι το 2050, ικανή να νικήσει στο ποδόσφαιρο την πρωταθλήτρια κόσμου
Προσεγγίσεις για την ΤΝ Κλασική ή συμβολική (symbolic AI) Βασίζεται στην κατανόηση των νοητικών διεργασιών και ασχολείται με τη προσομοίωση της ανθρώπινης νοημοσύνης προσεγγίζοντάς την με αλγορίθμους και συστήματα που βασίζονται στη γνώση χρησιμοποιώντας ως δομικές μονάδες τα σύμβολα (π.χ. συστήματα κανόνων). Υπολογιστική νοημοσύνη (computational intelligence) Βασίζεται στη μίμηση βιολογικών λειτουργειών όπως η διαδικασία της εξέλιξης των ειδών ή η λειτουργία του εγκεφάλου (π.χ. νευρωνικά δίκτυα, γενετικοί αλγόριθμοι).
Περιοχές της ΤΝ Επίλυση προβλημάτων Απόδειξη Θεωρημάτων, Επεξεργασία Φυσικής Γλώσσας, Τεχνητή Όραση, Μηχανική Μάθηση Σχεδιασμός Ενεργειών και Χρονοπρογραμματισμός, Αυτόνομα Robot, Έμπειρα Συστήματα και Συστήματα Γνώσης, Ευφυείς πράκτορες (agents) Ευφυείς υπηρεσίες διαδικτύου και σημασιολογικό διαδίκτυο (semantic web) Προσαρμοζόμενα και εξελισσόμενα ευφυή συστήματα
Επεξεργασία Συμβόλων Συστήματα Φυσικών Συμβόλων Υπόθεση Συστήματος Φυσικών Συμβόλων
Σύστημα Φυσικών Συμβόλων 1. Αποτελείται από ένα σύνολο οντοτήτων, οι οποίες ονομάζονται σύμβολα, και είναι φυσικά πρότυπα. 2. Τα σύμβολα αποτελούν τα συστατικά στοιχεία ενός άλλου είδους οντότητας, της έκφρασης ή δομής συμβόλων. 3. Τα σύμβολα που απαρτίζουν μία δομή συμβόλων συσχετίζονται με κάποιο φυσικό τρόπο, όπως το ένα είναι δίπλα στο άλλο. 4. Το σύστημα έχει επίσης ένα αριθμό διεργασιών, οι οποίες επεξεργάζονται εκφράσεις και παράγουν άλλες εκφράσεις, όπως διεργασίες δημιουργίας, τροποποίησης, αναπαραγωγής και καταστροφής.
Σύστημα Φυσικών Συμβόλων Επομένως, το σύστημα φυσικών συμβόλων είναι μία μηχανή η οποία παράγει συν τω χρόνω μία εξελισσόμενη συλλογή δομών συμβόλων. Ένα τέτοιο σύστημα υπάρχει σε ένα κόσμο οντοτήτων ο οποίος επεκτείνεται πέραν των συμβολικών εκφράσεων, αυτών καθ αυτών. Υπόθεση Συστήματος Φυσικών Συμβόλων Ένα σύστημα φυσικών συμβόλων έχει τα αναγκαία και επαρκή μέσα για γενική ευφυή δράση.
Αλγόριθμοι και Ευρετικά Παράδειγμα: Το πρόβλημα είναι ποιά διαδρομή να ακολουθήσω για να μεταβώ από κάποια πόλη Α σε κάποια πόλη Β, χρησιμοποιώντας ένα οδικό χάρτη ο οποίος μου δίνει τις απευθείας διασυνδέσεις ανάμεσα στις πόλεις. Αλγοριθμική μέθοδος: Ο υπολογισμός της συντομότερης διαδρομής. Γενικά, μία καθαρά αλγοριθμική μέθοδος είναι μία βήμα-προςβήμα μέθοδος η οποία λαμβάνει τα δεδομένα του προβλήματος και δίνει το ζητούμενο αποτέλεσμα. Μία ευρετική μέθοδος κάνει χρήση ευρετικών.
Ευρετικά Ευρετικά είναι κανόνες χειρός (rules of thumb), κανόνες καλού μαντέματος Δεν εγγυώνται αναγκαστικά επιτυχία, δηλαδή δεν είναι απαραίτητα αλάνθαστοι κανόνες, αλλά παρέχουν χρήσιμη καθοδήγηση για την πλειοψηφία των περιπτώσεων του προβλήματος, οδηγώντας σε ικανοποιητικά καλές, και ίσως βέλτιστες, λύσεις με αποτελεσματικό τρόπο Δεν αναιρούν τη βασική αλγοριθμική προσέγγιση στην επίλυση προβλημάτων, δηλαδή τη βήμα προς βήμα πορεία προς την αναζήτηση κάποιας λύσης, αλλά συμπληρώνουν αλγοριθμικές προσεγγίσεις
Παραδείγματα Ευρετικών 1. Εάν η εκκίνηση είναι η πόλη-ε και ο προορισμός η πόλη-π και η μέρα είναι Τρίτη, τότε απέκλεισε διαδρομές διαμέσου της πόλης-λ 2. Εάν η εκκίνηση είναι η πόλη-α και προορισμός η πόλη-β, τότε χρησιμοποίησε τη διαδρομή πόλη-α, πόλη-γ, πόλη-δ, πόλη-β Το ευρετικό 1 αποκλείει κάποιες λύσεις (pruning heuristic) Το ευρετικό 2 οδηγεί απευθείας σε κάποια λύση (homing heuristic) Πίσω από τους κανόνες αυτούς κρύβεται κάποια λογική (rationale) η οποία συνήθως δεν εξωτερικεύεται
Παρατηρήσεις Τα ευρετικά 1 και 2 είναι πολύ συγκεκριμένα. Το κάθε ένα αναφέρεται σε συγκεκριμένες πόλεις. Μία πληθώρα τέτοιων συγκεκριμένων ευρετικών θα υπερνικούσε τη χρησιμότητά τους. Γενίκευση ευρετικού 1: 1. Εάν η διάβαση από την ΠΟΛΗ δεν είναι άκρως απαραίτητη και υπάρχει μεγάλη πιθανότητα να υπάρχει συνωστισμός εκεί την ημέρα της διάβασης, τότε απέκλεισε την ΠΟΛΗ. Το σύμβολο ΠΟΛΗ υποδηλώνει μια οποιαδήποτε πόλη, είναι δηλαδή μεταβλητή και όχι κυριολεκτική ονομασία.
Επιπρόσθετα, η νέα εκδοχή του ευρετικού εισαγάγει τις έννοιες άκρως απαραίτητη διάβαση και συνωστισμός οι οποίες μπορεί να ερμηνευτούν, επίσης σε μορφή συμβολικών κανόνων, ως ακολούθως: Εάν η ΠΟΛΗ είναι η εκκίνηση ή ο προορισμός, τότε η διάβαση διαμέσου της είναι άκρως απαραίτητη Εάν διεξάγεται λαϊκή αγορά, τότε υπάρχει μεγάλη πιθανότητα συνωστισμού Εάν έχει γίνει τροχαίο ατύχημα, τότε υπάρχει πιθανότητα συνωστισμού
Κοινά Χαρακτηριστικά Τομέων ΤΝ Η χρήση υπολογιστών για τη διεξαγωγή κάποιας μορφής συλλογισμού ή μάθησης Επικέντρωση σε προβλήματα που δεν ανταποκρίνονται σε αλγοριθμικές λύσεις, και η επίλυσή τους βασίζεται στη χρήση ευρετικής αναζήτησης Ενασχόληση με την επίλυση προβλημάτων όπου εμπλέκονται ανακριβείς, μη-πλήρεις ή αβέβαιες πληροφορίες/στοιχεία και η χρήση κατάλληλων φορμαλισμών αναπαράστασης Διεξαγωγή συλλογισμού με βάση τα σημαντικά ποιοτικά (και όχι κατ ανάγκη ποσοτικά) χαρακτηριστικά μίας κατάστασης
Κοινά Χαρακτηριστικά Τομέων ΤΝ Προσπάθεια χειρισμού θεμάτων σημασιολογικής έννοιας όπως και συντακτικής μορφής Λύσεις οι οποίες δεν είναι ακριβείς ή βέλτιστες, αλλά υπό κάποια έννοια θεωρούνται ως «ικανοποιητικές» - λόγω της χρήσης ευρετικής αναζήτησης Η αξιοποίηση σημαντικής ποσότητας γνώσης κάποιου τομέα για την επίλυση προβλημάτων αυτό αποτελεί τη βάση των έμπειρων συστημάτων Η χρήση μετά-γνώσης για πιο αποδοτικές και αποτελεσματικές δομές ελέγχου στην επίλυση προβλημάτων
Συμπληρωματικό Υλικό Timeline of Artificial Intelligence (Wikipedia) en.wikipedia.org/wiki/timeline_of_artificial_intelligence
Γνωμικά A year spent in artificial intelligence is enough to make one believe in God. Alan Perlis, (1922-1990), Αμερικανός Επιστήμονας Πληροφορικής Instead of trying to produce a program to simulate the adult mind, why not rather try to produce one which simulates the child's? If this were then subjected to an appropriate course of education one would obtain the adult brain. Alan Turing, (1912-1954), Άγγλος Επιστήμονας Πληροφορικής
Τέλος Διάλεξης