Mesterséges Intelligencia előadás

Mottó: 42

Tartalomjegyzék:


Tematika


A mesterséges intelligencia számítógépes algoritmusok gyűjteménye.
A mesterséges intelligencia tárgya az emberi intelligencia vizsgálata. A kurzus során nem az intelligencia modellezése, hanem az emberi gondolkodás eredménye, a feladatok megoldása illetve megoldási módszerek kerülnek középpontba. Ezért az emberi agy működésének a kérdése felületes: a számítógépes modellek esetében - a kurzusban - nem merül fel az emberi agyhoz hasonlóan "gondolkodó gép" megépítése. Amiről szó lesz: egyes emberi tevékenységek imitálása olyan minőségben, ami megfelel elvárásainknak. Az imitálás eszköze természetesen a számítógép, ellenben a programozók a "gondolkodó" rész, akik a feladatot kijelölik, a programokat egymás után fűzik, majd a programok eredményét tálalják úgy, hogy a felhasználó számára "intelligens" - legfőképpen könnyen értékelhető és értelmezhető - legyen az eredmény.
Ahhoz, hogy algoritmust lehessen írni, szükségesek adatok, melyekre futtatni lehet az illető programot. Az algoritmusok írását megelőző modellezési lépés tehát az ábrázolás, vagyis a reprezentáció kérdése. Azaz: "tudás"-halmazt számítógépesen feldolgozható formába átalakítani.
Az "intelligens viselkedésmód" egy definíciója - a Turing teszt - a (számító)gépnek az a képessége, hogy a kommunikáció során az ember ne észlelje azt, hogy egy géppel kommunikál. Tegyük fel, hogy a tesztelő kérdez és a kérdésekre kell az intelligens gépnek válaszolni. Ehhez mindenekelőtt szükséges a tényeknek - vagyis az ismereteknek - a tárolása a számítógépben.
A kommunikáció során például egy - nem könnyű - feladat a beszédnek szavakká, a képeknek objektumok összességévé való alakítása; ezen területek napjainkban külön tudományágként szerepelnek.
További - az algoritmus működését részletező - kérdések a tudáshalmazban való kereséssel foglalkoznak.
A reprezentáció lehet például objektumok kapcsolatait leíró relációs adatbázis illetve objektumokra érvényes következtető szabályok összessége. Egy ilyen rendszerben a feladat például két objektum viszonya: egy szakértői rendszerben az "adatok" halmaza a betegségeké és a szimptómáké. Az szakértők - az orvosok - megmondják, hogy a betegségekhez milyen szimptómák járulnak, a program meg egy páciens szimptómái alapján felállít egy lehetséges diagnózist - a diagnózis ebben az esetben a lehetséges betegségek listáját jelenti (lásd logikai programozás).
Nagyon gyakran az adatok numerikusak, tehát az ábrázolás kérdése nem tevődik fel, az megoldott. Itt a feladat a jelenség modelljének a definíciója. A keresés a lehetséges modell családjában történik és a megfigyelt adatokhoz legjobban illeszkedő modell az "intelligens" rendszer válasza a bemeneti adatokra.
Az adatok általában egy megfigyelt jelenség valamilyen formában történt mérési eredményei. A cél a jelenség megértése ahhoz, hogy a mért adatok alapján lehessen predikálni az illető jelenséget. Gyakori alkalmazás például az idősorok predikciója: a múlt ismeretében a jövőbeli viselkedés előrejelzése. Itt a mesterséges intelligencia - pontosabban a gépi tanulás - módszerei alternatívákat nyújtanak a klasszikus statisztikai módszerekre.
A feladat típusától függetlenül szükséges a számítógép által visszaadott eredmények vizualizálása vagy értelmezése.
A "mesterséges intelligenciát" bemutató filmek sokszor helyettesítik az intelligens válaszadást a "beszélni tudással". Ez utóbbi egy fontos megjelenítési eszköz mely - jelenleg - teljesen független az intelligens algoritmus fogalmától.
Douglas Adams, a Hitch-hiker's Guide to the Galaxy (id. angolul) könyvében a "nagy filozófusok" megkérik a "mindentudó számítógép"-et, hogy válaszoljon a "végső" kérdésre "hogy miért vagyunk a világon". A számítógép válasza - egymillió év számítás után - "42".
A tudósok kérdésére, hogy mit jelent ... a válasz: "Még egy kis gondolkodási időt kérek".
Az előadás bemutat algoritmusokat mesterséges intelligencia témaköréből és igyekszik e terület iránt felkelteni az érdeklődést. Az előadás három részre oszlik, a következők szerint
  1. Egy klasszikus - a gráfkereséseken alapuló - rész, ahol a hangsúlyt a feladatok megfogalmazására, a paramétertér specifikációjára, illetve a megírt algoritmusok visszatérési adatainak az értelmezésére tesszük.
    (az első hat előadás)
  2. Egy rész, ahol a minket körülvevő - adatok- és megfigyelésbeli - bizonytalanság kezelésével foglalkozunk. Bemutatunk különböző modelleket, melyek ezt a bizonytalanságot figyelembe veszik.
    (a hetedik előadás)
  3. Egy adatbányász - adatmodellező - rész. Itt a célunk egy megfigyelt adathalmazból való következtetés egy-egy új megfigyeléshez tartozó kimenet értékeit tekintve. A feladat lehet:
    • a tőzsde predikciója,
    • egy internetes dokumentum osztályozása,
    • beszélők azonosítása kevert és zajos felvételből.

    (a nyolcadik előadástól a félév végéig)

Az előadások "tartalomjegyzéke"


Az előadások letölthetők:


Más előadások PDF forrásai az irodalomnál.

Szemináriumok


A szemináriumok során dolgozatokat mutatunk be és tárgyalunk meg. A dolgozatok egy-egy, a mesterséges intellligencia egy algoritmusát tárgyalják illetve alkalmazzák adatokra.
A bemutatók értékelésénél szempont, hogy
  1. legyen megírva az algoritmus (amennyiben algoritmust mutatunk be);
  2. legyen bemutatva úgy, hogy a mások - a többi diák és én - megértsék;
  3. legyen alkalmazás a valós adatok elemzésére;

Szemináriumok témái

A szemináriumok témái a félév első három hetében vannak kijelölve. Aki szeretne ETDK-s dolgozatot írni, annak javasolt a szemináriumokon való bemutatás.
A témaválasztásnál a saját ötletek részesülnek előnyben. Javasolt azokat levélben megbeszélni, hogy ne legyen se nagyon sok se nagyon kevés. Amennyiben ketten vállaltok témát, akkor természetszerűen több munkát várok el - nem több anyagot, hanem programot illetve a program(ok) eredményeinek egy módszeresebb értékelését.
A témaválasztásnál tekintsétek meg a korábbi előadásokat is, ezek alább találhatóak.

2007/2008 tanév első szemeszterének szemináriumai

2006/2007 tanév második szemeszterének szemináriumai

2006/2007 tanév első szemeszterének szemináriumai

2005/2006-os tanév szemináriumai

Laborfeladatok


  1. Gráfkereső feladatok (18 pont).
    A feladatok megoldását komment-elni kell olyan szinten, hogy a megoldás érthető legyen. Egy megoldott példa a puzzle, ami a puzzle_prolog.pdf-ben mutatunk be.
  2. "Intelligens" játékok: keresési stratégiák implementálása. (10 pont +5 opcionális).
  3. Gépi tanulás feladat (12 pont +5 opcionális).

    A gépi tanulásos feladat esetén egy kis dokumentációt is kell írni, ahol a feladat megoldásához használt paradigmákat definiáljuk illetve vizsgáljuk a megoldó algoritmus működését a paraméterek változtatása esetén.
A feladatokat tartalmazó állomány ITT.

A félév során kitűzött opcionális feladatok:

A félév előadásai során érdekes feladatokat beszélünk meg, melyekre lehet alkalmazni különböző mestint módszereket.
A határidőn belül megoldott első öt önálló feladatleadót pontozzuk.

Értékelés


A félév-végi jegy írásbeli vizsga eredménye. A vizsgához szükséges a két feladatsor leadása.
A szemináriumokon bemutatót tartó diákok maximum 20 pontot kaphatnak, mely a vizsgán beszámít a jegybe. A laborfeladatot, valamint az egyik elméleti tételt és a feladatot nekik is be kell mutatniuk.
Feladatlapok megoldásokkal. A vizsgán ilyen típusú feladatokat kell megoldani.

Irodalomjegyzék


  1. Futó Iván (szerk): Mesterséges Intelligencia jegyzet, Aula kiadó, 1999
    A jegyzet a könyvtárban megtalálható.
  2. Stuart J. Russell, Peter Norvig: Artificial Intelligence - a modern approach, Prentice Hall, 1995
    A könyv elérhető DJVU formátumban. Levél küldése esetén küldöm a link-et.
    Fejezetek a könyvből (új/átdolgozott változat) Előadások a könyv alapján:
  3. Tom Mitchell: Machine Learning, McGraw-Hill, 1997

Internetes források

  1. Szalay Tibor Mesterséges Intelligencia előadásának internetes oldala
  2. Artificial Intelligence - A Modern Approach
  3. Egy cikk John McCarthy-tól
  4. Mesterséges Intelligencia egy meghatározása egy online enciklopédia lapján - Wikipédián
  5. Mesterséges Intelligencia bevezető és áttekintés
  6. http://liinwww.ira.uka.de/bibliography/Ai/index.html

Levélcím: Lehel _dot_ Csato _at_ cs _dot_ ubbcluj _dot_ ro