Wojciech Jędruch - Sztuczna Inteligencja.pdf

(9775 KB) Pobierz
si.dvi
SZTUCZNA INTELIGENCJA
(Materiały do wykładu)
dr hab. inż. Wojciech Jędruch
KASK, WETI, Politechnika Gdańska
p. 520, tel. 347 20 03
email: wjed@eti.pg.gda.pl
GDAŃSK marzec 2009
Rozdział 1
Wiadomości wstępne
Skrypt zawiera przegląd wiedzy teoretycznej i metod praktycznych dotyczących kon
strukcji i zasad działania komputerowych systemów ze sztuczną inteligencją, a także
przedstawia wgląd w dyskusje filozoficzne dotyczące relacji pomiędzy działaniem
komputerów i działaniem umysłu.
Dla pełnego zrozumienia prezentowanego materiału wystarcza elementarna zna
jomość algebry Boole’a, podstaw matematyki wyższej na poziomie kursów na pierw
szym roku studiów technicznych, oraz ogólne umiejetności programowania kompu
terów.
1.1. Zakres materiału
Podstawowe pojęcia Sztuczna inteligencja: definicje, metody i zastosowania, hi
storia rozwoju, filozofia (test Turinga, hipoteza silnej SI, chiński pokój Sear
lego).
Metody szukania na grafach Metody szukania: wszerz, w głąb, równych kosz
tów, heurystyczne, na grafach ANDOR, minimax, alfabeta.
Logika w sztucznej inteligencji Metody automatycznego wnioskowania w rachunku
predykatów, zasada rezolucji. Język Prolog jako system wnioskowania.
Wnioskowanie w warunkach niepewności Metody rozmyte i sieci probabilistyczne.
Metody uczenia Uczenie z nauczycielem. Uczenie bez nauczyciela i samoorgani
zacja. Metody szukanie ekstremum jako algorytmy uczenia. Algorytmy gene
tyczne. Metody symulowanego wyżarzania. Sieci neuronowe i algorytm pro
pagacji wstecznej. Systemy rozmytoneuronowe. Uczenie drzew decyzyjnych.
Uczenie ze wzmocnieniem (z krytykiem). Metody wydobywania wiedzy.
Systemy z bazą wiedzy Architektura. Metody reprezentacji wiedzy. Pozyskiwa
nie wiedzy. Strategie wnioskowania. Wiedza rozproszona – neuronowe systemy
ekspertowe.
Inteligencja zespołowa Metody indywiduowe modelowania: automaty komórkowe
i dynamika molekularna. Sztuczne życie. Inteligencja zespołowa.
1
2
Języki programowania Języki stosowane w sztucznej inteligencji i do tworzenia
systemów ekspertowych: Prolog, Lisp, Clips
1.1.1. Literatura zalecana
Wymieniono tu pozycje wyróżniające się tym że pokrywają większe fragmenty wy
kładanego materiału lub są dostępne w języku polskim lub są ogólnie znane i często
cytowane. Na końcu opracowania znajduje się obszerniejsza bibliografia zawierająca
pozycje cytowane w opracowaniu.
Adami Ch., Introduction to artifial life, Springer, New York 1998.
Arabas J., Wykłady z algorytmów ewolucyjnych. WNT. Warszawa 2001.
Bishop M.C. Neural Networks for Pattern Recognition, Clarendon Press, Oxford,
1996.
Bolc L, Cytowski J., Metody przeszukiwania heurystycznego, t.I i t.II, PWN, War
szawa 1989 i 1991.
Bolc L, Zaremba J., Wprowadzenie do uczenia się maszyn, Akademicka Oficyna
Wydawnicza RM, Warszawa 1992.
Bonabeau E., Dorigo M., Theraulaz G., Swarm Intelligence: From Natural to Arti
ficial Systems, Oxford University Press, New York 1999.
Brachman R.J., Levesque H.J., Knowledge representation, Elsevier, Morgan Kauf
mann, Amsterdam, 2004.
Buller A., Sztuczny mózg, Prószyński i Ska, Warszawa 1998.
Casti J.L., Kwintet z Cambridge. Owoc naukowej wyobraźni, Prószyński iSka, W
wa, 2005.
Cichosz P., Systemy uczące się, WNT, Warszawa, 2000.
Engelbrecht A.P., Fundamentals of Computational Swarm Intelligence, J. Wiley &
Sons, Chichester, 2005
Franchi S., Guzeldere G., (ed.), Construction of the Mind: Artificial Intelligence
and the Humanities, Stanford Humanities Review. v.4. issue 2, 1995, internet:
http://www.stanford.edu/group/SHR/42/text/toc.html
Goldberg D.E., Algorytmy genetyczne i ich zastosowania, WNT, Warszawa 1995.
Hippe Z., Zastosowanie metod sztucznej inteligencji w chemii, PWN, Wwa 1993.
Jang JS.R., Sun CT., Mizutani E., NeuroFuzzy and Soft Computing, Prentice
Hall, Upper Saddle River 1997.
Jędruch W., Turbo Prolog, Wyd. Pol. Gd., Gdańsk 1989.
Jędruch W., Środowisko programowe dla modelowania cząsteczkowego systemów
złożonych, Zeszyty Naukowe Politechniki Gdańskiej – monografie, Elektronika,
Nr 84, Gdańsk 1997.
3
Kennedy J., Eberhardt R.C.: Swarm intelligence, Morgan Kaufmann Publishers,
San Francisco, 2001.
Kosiński R.A., Sztuczne sieci neuronowe, dynamika nieliniowa i chaos, WNT, War
szawa, 2002.
Kowalski R., Logika w rozwiązywaniu zadań, WNT, Warszawa 1989.
Koza J., Genetic Programming: On the Programming of Computers by Means of
Natural Selection, MIT Press, Cambridge, Massachusetts, 1992.
Koza J., Genetic Programming II: Automatic Discovery of Reusable Programs (Com
plex Adaptive Systems), MIT Press, Cambridge, Massachusetts, 1994.
Koza J., Bennett F.H.III, Bennett F.H., Keane M., Andre D., Genetic Program
ming III: Automatic Programming and Automatic Circuit Synthesis, Morgan
Kaufmann Publishers, 1999.
Koza J.R., Keane M.A., Streeter M.J., Mydlowec W., Yu J., Lanza G., Genetic Pro
gramming IV: Routine HumanCompetitive Machine Intelligence, Kluwer Aca
demic Publishers, 2003.
Lem S., Tajemnica chińskiego pokoju, Universitas, Kraków 1996.
Michalewicz Z., Algorytmy genetyczne + struktury danych = programy ewolucyjne,
WNT, Warszawa 1996.
Michalski R.S., Kubat M., Bratko I., Machine Learning & Data Mining: Methods &
Applications, J. Wiley & Sons, Chichester 1998.
Mulawka J.J., Systemy ekspertowe, WNT, Warszawa 1996.
Nilsson N.J., Principles of Artificial Intelligence, Tioga, Palo Alto, Cal. 1980.
Penrose R., Nowy umysł cesarza, PWN, Warszawa 1995.
Penrose R., Cienie umysłu. Poszukiwanie naukowej teorii świadomości. Zysk Ska.
Poznań. 2000.
Preston J., Bishop M., (eds.), Views into the chinese room. New essays on Searle
and artificial intelligence, Clarendon Press, Oxford, 2002.
Russel S., Norvig P., Artificial Intelligence, PrenticeHall, London 2003.
Rutkowski L.: Metody i techniki sztucznej inteligencji, Wydawnictwo Naukowe PWN,
Warszawa 2006.
Sutton R.S., Barto A.G., (1998), Reinforcement Learning: An Introduction, MIT
Press, Cambridge, MA, A Bradford Book.
Wolfram S., A new kind of science, Wolfram Media, 2002.
Wójcik M., Zasada rezolucji, PWN, Warszawa 1991.
Żurada J., Barski M., Jędruch W., Sztuczne sieci neuronowe, PWN, Warszawa 1996.
4
1.2. Definicje, metody, zastosowania, historia
1.2.1. Definicje sztucznej inteligencji
Interesujące wysiłki uczynienia komputery myślącymi ... „maszynami posiadającymi
umysł“ w pełnym i dosłownym sensie (Haugeland).
Sztuczna inteligencja jest częścią informatyki dotyczącą projektowania inteligent
nych systemów komputerowych, to jest systemów, które przejawiają własności, które
wiążemy z inteligencją w zachowaniu ludzkim – zrozumienie języka, uczenie się, roz
wiązywanie zadań, itp. (Barr, Feigenbaum).
(Automatyzacja) aktywności, które wiążemy z myśleniem ludzkim, takich jak po
dejmowanie decyzji, rozwiązywanie zadań, uczenie się (Bellman).
Sztuka budowy maszyn, które wykonują zadania wymagające inteligencji gdyby wy
konywane były przez ludzi (Kurzweil i podobnie Minsky).
Studia nad budową komputerów, które wykonywałyby rzeczy, które obecnie ludzie
wykonują lepiej (Rich, Knight).
Studia nad możliwościami umysłu poprzez stosowanie modeli komputerowych (Char
niak, McDermott).
Studia nad metodami obliczeń, które mogłyby postrzegać, wnioskować i działać
(Winston).
Dziedzina badań dążąca do wyjaśnienia i naśladowania inteligentnego zachowania
przy pomocy procesów obliczeniowych (Schalkoff).
Dziedzina informatyki dotycząca automatyzacji inteligentnego zachowania się (Lu
ger, Stubblefield).
Historia Gry, tłumaczenia, rozpoznawanie obrazów, sieci neuronowe, systemy eks
pertowe – obiecujące poczatki w latach 50tych, późniejsze porażki i zahamowanie
(np. tłumaczenia). Stopniowy rozwój na uniwersytetach, nowe nadzieje i komer
cjalizacja od połowy lat 80tych spowodowane tanimi szybkimi komputerami i na
gromadzeniem doświadczeń. Obecnie coraz więcej cząstkowych zastosowań (często
spektakularnych jak np. mecz szachowy Kasparow – komputer IBM Deep Blue) oraz
coraz większa specjalizacja i oddzielanie się poszczególnych metod. Bardzo obiecu
jące projekty realizacji uczenia za pomocą specjalizowanych równoległych struktur
sprzętowych.
380389108.001.png
Zgłoś jeśli naruszono regulamin