Umělá inteligence 1 Úvod do UI 2016, Brno Oldřich Trenz

Organizace Cvičení –Pondělí 9.00–10.50, Q05 –Úterý 11.00–12.50, Q05 –Středa 11.00–12.50, 13.00–14.50, Q05 Přednáška Čtvrtek 9.00–10.50; Q03 Ukončení –Zápočet (4 kredity) –Zkouška (5 kreditů)

Organizace –Výstupem cvičení je vypracování projektu dle výběru do zvolené problematiky (výběr témat dle cvičícího), bude upřesněno. Rozsah cca 5–8 stran. Zdroje – –Elektronická skripta do UI –Elektronická opora do UI –Knižní a elektronické zdroje strana 3

Cíl předmětu Cílem předmětu je seznámit studenty s problematikou a možnostmi nasazení umělé inteligence. D ůraz bude kladen na: neuronové sítě expertní systémy genetické algoritmy logické programování teorii her a strojové učení fuzzy logiku a řízení data mining zpracování dat v systému MATLAB Po absolvování předmětu bude student disponovat znalostmi z oblasti UI ozřejmující jednotlivé přístupy a umožňující jejich následné praktické nasazení. strana 4

Motivace Řešení optimalizačních problémů –Nalezení nejkratší cesty (problém obchodního cestujícího, zásobování) –Nalezení nejoptimálnější cesty (plánování cesty výrobku při výrobě) –Optimalizace dráhy nástroje –Optimalizace prostoru (výběr přepravní nádoby dle výrobku) –Optimalizace nelineárních soustav (regulátory) Identifikace systémů –Rozeznávání obrazů a počítačové vidění (hlídací kamerové systémy, kooperující roboti,…) Predikce –Časových řad (finanční ukazatele, měnové kurzy,…) Dolování dat Zpracování neurčitostí strana 5

–Úvod do UI, historie, členění –Systém MATLAB a zpracování úloh –Teorie her a strojové učení –Úvod do neuronových sítí –Strojové učení a data mining –Logické programování a expertní systémy –Fuzzy logika a zpracování neurčitostí –Úvod do problematiky evolučních a genetických algoritmů Osnova přednášek (orientační)

Umělá inteligence –Umělá inteligence je interdisciplinární vědní disciplína (psychologie, neurologie, kybernetika, matematická logika, teorie rozhodování, informatika, teorie her, lingvistika atd.) postupně utvářena v posledních čtyřiceti letech. –Doposud neexistuje všeobecně přijímaná, jednoticí, definice umělé inteligence, spíše volně sdružuje různé teorie, metody, techniky, které lze úspěšně použít k počítačovému řešení některých složitých úloh rozhodování, plánování, diagnostiky apod. veda_Mudrak/ Kognitivní věda – věda o poznávacích procesech – průnik psychologie, umělé inteligence, jazykovědy, neurověd, antropologie a filozofie. Cílem je vysvětlit, jak to, že jsme schopni řešit každodenní problémy, činit závažná existenční rozhodnutí nebo učit se novým pojmům.

Umělá inteligence −Inteligence je vlastností některých živých organizmů, vzniklá postupným vývojem, která jim dává v přírodě taktickou výhodu při dosahování jejich cílů a umožňuje flexibilně reagovat na měnící se podněty okolí – adaptabilita. −Otázkou zda mohou stroje myslet se již v 17. století zabývali významní filozofové jako Pascal, Hobbes a Descartes. Neřešeno jak toho dosáhnout. −Zvrat po publikování prací Gödela a ve spojitosti rozmachu výpočetní techniky po 2. světové válce. Tvorba modelů napodobující biologické principy (genetické algoritmy, neuronové sítě, metody učení založené na modelech, metody reprezentace a využívání znalostí atd.). −Všechny postupy a algoritmy v určitém ohledu napodobující chování člověka spadají do nově vytvořené vědní disciplíny – umělé inteligence.

Umělá inteligence – definice Minského definice (na Turingovu přístupu) „Umělá inteligence je věda o vytváření strojů nebo systémů, které budou při řešení určitého úkolu užívat takového postupu, který – kdyby to dělal člověk – bychom považovali za projev jeho inteligence.“ −Z definice vyplývá, že jen výpočetní rychlost vlastní superpočítačům není sama o sobě dostačující a nelze je označit za inteligentní. Inteligentní přístup je takový, který vynechá neperspektivní řešení a urychlí tak dohledání relevantního výsledku. Je tedy nutné využívat vhodně zaznamenaných znalostí. −Znalosti mohou být získány od člověka (jejich adekvátní uložení), popřípadě na základě analýzy úlohy. Znalosti dělíme na exaktní a heuristické.

Data – informace – znalosti Znalosti vycházejí z informací a ty zase vycházejí z dat. –Interpretace dat je smysluplné přiřazení významu (sémantiky) datům (znaky, signály) –Informaci tvoří data spolu se svou interpretací –Znalost je informace, která je použitelná a začlenitelná, resp. odvoditelná v souvislosti s jinými informacemi (teorie – obecnost –závěrů) nform1.htm ky/vejlupek.htm

Umělá inteligence – definice Definice Richové „Umělá inteligence se zabývá tím, jak počítačově řešit úlohy, které dnes zvládají lidé lépe.“ −Tato definice je jistým vymezením stavu vázaného na aktuální stav počítačových věd. Jedná se o volnou definici, avšak nezahrnuje úlohy, které zatím neumí řešit člověk, ani počítač −Definice popisuje umělou inteligenci jako vědní disciplínu

Umělá inteligence – definice Kotkova definice „Umělá inteligence je vlastnost člověkem uměle vytvořených systémů vyznačujících se schopností rozpoznávat předměty, jevy a situace, analyzovat vztahy mezi nimi a tak vytvářet vnitřní modely světa, ve kterých tyto systémy existují, a na tomto základě pak přijímat účelná rozhodnutí, za pomoci schopností předvídat důsledky těchto rozhodnutí a objevovat nové zákonitosti mezi různými modely a jejich skupinami.“ −Zavedení vnitřních modelů umožňuje definovat k danému cíli počáteční a koncový stav prostředí a množinu přípustných akcí, kterými lze měnit aktuální stav. Jedná se tzv. řešení úloh. Problematika modelů a akcí spadá do oblasti reprezentace znalostí. −Kotkova charakteristika umělé inteligence umožňuje explicitně určit a vyjmenovat dílčí teoretické úlohy spadající do umělé inteligence. Jsou to především rozpoznávání, reprezentace znalostí, řešení úloh, kvalitativní modelování, strojové učení, plánování a rozvrhování, neuronové sítě, aj. Na tyto partie navazuje problematika počítačového vidění, zpracování přirozeného jazyka a problematika speciálních programovacích jazyků pro umělou inteligenci.

Umělá inteligence −Některé z úloh, např. rozpoznávání, počítačové vidění a porozumění přirozenému jazyku bývají již někdy chápány jako samostatné vědní disciplíny. −Některé z učících algoritmů z oblasti neuronových sítí a genetických algoritmů jsou součástí moderní teorie automatického řízení. −Obdobně reprezentace znalostí pomocí rámců a scénářů se promítla do návrhu objektově orientovaného programování a orientovaných databázových systémů.

Umělá inteligence – historie −Umělá inteligence je jednou z nejrychleji se vyvíjejících vědeckých a technických disciplín v historii. −Začátek historie datován do roku 1956, avšak již v roce 1950 Turing formuloval proslavený test a shromáždil řadu argumentů proti inteligentním strojům a postupně je vyvrátil. V témže roce John von Neumann vyjádřil své přesvědčení, že v krátké době počítače dosáhnou či dokonce překonají intelektuální schopnosti člověka. −Roku 1956 byly představeny první pionýrské programy využívající technik heuristického prohledávání vyvinuté v Carnegie Institute of Technology. Na základě zkušeností z této oblasti prezentován systém GPS (General Problem Solver), který se snaží napodobit lidské myšlení při řešení úloh ve stavovém prostoru.

Umělá inteligence – historie −Formulace předpovědí pro vývoj v oblasti UI na rok 1970 pro počítače: −Počítač bude velmistrem v šachu −Odhalí nové významné matematické teorémy −Porozumí přirozenému jazyku a bude sloužit jako překladatel −Bude schopen komponovat hudbu na úrovni klasiků −Velmi ambiciózní předpovědi vyvolaly později tzv. krizi umělé inteligence. −Koncem 50. let Rosenblatt vyvinul percepton a definoval tak model nejjednodušší nervové buňky – neuronu. Základ oblasti zabývající se klasifikací a rozpoznáváním. −V 70. letech, po uvedení Minského kritiky, oblast neuronových sítí upadá do zapomnění, opětovný vývoj v této oblasti až po uveřejnění prací Hopfielda, Kohonena a dalších. −Koncem 50. let navržen jazyk Lisp jako jazyk určený pro umělou inteligenci, hojně využíván v USA a Japonsku.

Umělá inteligence – historie ‒ V roce 1965 formulována metoda automatického odvozování a následně na to roku 1967 vytvořen jazyk Prolog. Jazyk pro umělou inteligenci používaný v současné době v Evropě a Japonsku. ‒ Vývojem se ukázalo, že pro zvýšení efektivity systémů umělé inteligence jsou důležité znalosti, zatímco obecný formální aparát pro řešení úloh poskytuje pouze nástroj pro využívání znalostí a hraje druhořadou roli. Dochází k formulaci problému efektivního uložení znalostí. ‒ Postupně se začínají projevovat tendence kladení většího důrazu na znalosti, než na mechanizmus jejich využívání. Vznikají systémy, jejichž síla tkví právě v kvalitě, rozsahu a prezentaci znalostí – expertní systémy. Jedná se o počítačové programy, jenž simulují rozhodovací činnost specialistů (expertů) při řešení složitých úloh rozhodování, přičemž k tomu využívají vhodně zakódovaných znalostí získaných od expertů za účelem dosažení rozhodovací kvality v dané oblasti na úrovni experta.

Umělá inteligence – historie ‒ V polovině 70. let zvrat ve skeptickém pohledu na umělou inteligenci po představení diagnostických systémů MYCIN a PROSPECTOR. MYCIN určen k diagnostice infekčního onemocnění krve a PROSPECTOR k odhalování ložisek molybdenových rud (za 6 týdnů po nasazení odhalil ložiska za 100 mil. $). ‒ V roce 1980 komerční nasazení expertních systémů. Systém XCON pro konfiguraci počítačů VAX firmy DEC přinesl roční úsporu nákladů 10 mil. $. ‒ Efektivita expertního systému je v přímém závěsu na vhodně koncipovanou bázi znalostí. Vzniká nové oborové odvětví Znalostní inženýrství. ‒ V první polovině 80. let degradace expertních systémů, označován takto každý složitější program… -> softwarová krize.

Umělá inteligence – historie ‒ Japonský projekt a nová generace expertních systémů ‒ Řešení úloh a odvozování ‒ Báze znalostí a jejich řízení ‒ Inteligentní komunikace s uživatelem ‒ Definován výkon počítače počtem logických inferencí za sekundu (LIPS) ‒ V 90. letech označen projekt za přiliž ambiciózní

Umělá inteligence – nové trendy – možnosti uplatnění Auto vidí řidiči do mozku. Kdo se nesoustředí, ten nejede ( Teta vydloubla čínskému chlapci oční bulvy, vrátit zrak mu mohou bionické oči ( Do 40 let vznikne umělý mozek, říká technický ředitel Googlu – Americký vizionář Ray Kurzweil tvrdí, že se blíží zkopírování lidského vědomí do počítače a věk nesmrtelnosti ( ESA Projekt SERPEX: robotický had se chystá na průzkum rudé planety (

Umělá inteligence – nové trendy – možnosti uplatnění Ford má jako první na světě roboty na jízdní testy životnosti ( První biorobot na světě vypadá jako člověk. Mluví, dýchá a tluče mu srdce ( srdce.html) srdce.html Stroje berou lidem práci. V ohrožení lékaři, právníci i novináři ( Šéfka IBM: Všechna rozhodnutí budou řízena velkými daty ( Záhada: Roboti řídí lépe než lidé. Ale kdo může za to, když nabourají? ( IBM vytvoří zvláštní divizi pro superpočítač Watson ( -watson-works-a- conversation-with-eric-brown- ibm-research-manager

Umělá inteligence – oblasti rozvoje Robotika a další aplikační použití –Řešení úloh v reálném čase –Plánování v reálném čase –Počítačové vidění –Automatické porozumění přirozenému jazyku –Systémy virtuální reality kybernetika-nehrozi_ html#.UwOOABB5Ne4

Umělá inteligence – oblasti rozvoje Jako Siri a Google. VUT patří ke světové špičce v rozpoznávání řeči ( ( ( Západočeská univerzita v Plzni – Katedra kybernetiky audiovizuální rozpoznávání řeči ( audiovizuální syntéza řeči ( rozpoznávání znakového jazyka ( vyhledávání informací ( Univerzita Pardubice Fakulta elektrotechnikya informatiky Interakce člověka – skrze oko Automatická lokace osob Rozpoznávání okraje vozovky obrovolny.pdf visual-speech-recognition

Zdroje Elektonické zdroje Základní zdroje RUSSELL, S., NORVIG, P. Artificial Intelligence: A Modern Approach (3nd Edition). Prentice Hall, s. ISBN PERŮTKA, K. MATLAB – Základy pro studenty automatizace a informačních technologií. Zlín: Univerzita Tomáše Bati ve Zlíně, s. ISBN MAŘÍK, V., ŠTĚPÁNKOVÁ, O., LAŽANSKÝ, J. a kol. Umělá inteligence vyd. Praha: Academia, s. ISBN

Zdroje Základní zdroje MAŘÍK, V., ŠTĚPÁNKOVÁ, O., LAŽANSKÝ, J. a kol. Umělá inteligence vyd. Praha: Academia, s. ISBN MAŘÍK, V., ŠTĚPÁNKOVÁ, O., LAŽANSKÝ, J. a kol. Umělá inteligence vyd. Praha: Academia, s. ISBN DOSTÁL, P. Pokročilé metody analýz a modelování v podnikatelství a veřejné správě. 1. vyd. Brno: Akademické nakladatelství CERM, s. ISBN NOVÁK, V. Základy fuzzy modelování. 1. vyd. Praha: BEN - technická literatura, s. ISBN POLÁK, J. Prolog. Praha: Grada, s. Nestůjte za dveřmi. ISBN

Zdroje Rozšiřující zdroje POKORNÝ, M. Umělá inteligence v modelování a řízení. Praha: BEN – technická literatura, s. ISBN ZAPLATÍLEK, K., DOŇAR, B. MATLAB: tvorba uživatelských aplikací. 1. vyd. Praha: BEN - technická literatura, s. ISBN DOBEŠ, M. Zpracování obrazu a algoritmy v C#. 1. vyd. Praha: BEN - technická literatura, s. ISBN BERKA, P. Tvorba znalostních systémů. 1. vyd. Praha: VŠE, s. ISBN