Techniki sztucznej inteligencji

1. Techniki sztucznej inteligencji Andrzej Macioł

2. Literatura • Mulawka J., Systemy ekspertowe. WNT Warszawa 1996. • Flasiński M., Wstęp do sztucznej inteligenji, PWN Warszawa 2011. • Bubnicki Z., Wstęp do systemów ekspertowych. PWN, Warszawa 1990. • Kasperski M. J., Sztuczna Inteligencja. Helion 2003 • http://www.lpa.co.uk/vrs_dem.htm

3. Co to jest sztuczna inteligencja? • Nauka o maszynach realizujących zadania, które wymagają inteligencji wówczas, gdy są wykonywane przez człowieka [Minsky 1963] • Dziedzina informatyki dotycząca metod i technik wnioskowania symbolicznego przez komputer oraz symbolicznej reprezentacji wiedzy stosowanej podczas tego wnioskowania [Feigenbaum 1977?]

4. Co to jest rozumowanie symboliczne? • Posługiwanie się językiem składającym się ze słownika i gramatyki • Wiedza w sztucznej inteligencji podobnie jak przedstawiona wiedza człowieka wyraża się w symbolach (słowach) i związkach zachodzących między nimi • Sztuczne sieci neuronowe, algorytmy genetyczne to nie są metody sztucznej inteligencji w jej podstawowym rozumieniu

5. Stanowiska wobec AI wg R. Penrosa • Myślenie zawsze polega na obliczeniach (kalkulacji) • Świadomość jest cechą fizyczną działającego mózgu; procesy fizyczne można symulować obliczeniowo ale nie towarzyszy im świadomość • Procesy fizyczne powodują w mózgu powstanie świadomości ale nie można ich symulować obliczeniowo • Świadomości nie można wyjaśnić w żaden fizyczny, obliczeniowy czy inny naukowy sposób

6. Filozofia Sztucznej Inteligencji epistemologia filozofia języka filozofia umysłu logika matematyka filozofia matematyki psychologia kognitywna psychologia rozwoju dziecka Filozofia Sztucznej Inteligencji informatyka nauki o mózgu

7. Maszyna Turinga • Abstrakcyjny schemat działania wedle zadanego algorytmu: • Odczytaj zawartość komórki pamięci • Zmień stan obiektu • Zapisz nowy symbol do komórki • Przejdź do zadanej komórki pamięci • Powtórz cykl • Maszyna Turinga to maszyna stanów dyskretnych

8. Test Turinga • Co najmniej dwoje ludzi i jedna maszyna • Żaden z uczestników testu nie widzi drugiego • Jeden z ludzi jest sędzią i prowadzi dialog z pozostałymi uczestnikami • Sędzia w wyniku prowadzonego dialogu ma ustalić kto jest człowiekiem a kto maszyną • Każda maszyna, która „oszuka” sędziego spełni test Turinga

9. Zastosowania AI w gospodarce • Systemy ekspertowe (eksperckie) • zastosowania techniczne • wojskowość • medycyna • ograniczone zastosowania biznesowe • Systemy sterowania (technika) • Systemy zarządzania regułami biznesowymi • Symulacja komputerowa (systemy agentowe)

10. Co to jest system ekspertowy? • Program komputerowy przeznaczony do rozwiązywania problemów decyzyjnych wyposażony w elektroniczny zapis wiedzy i niezależny od niej mechanizm wnioskowania podobny w działaniu do wnioskowania eksperta-człowieka. • Do budowy systemów ekspertowych wykorzystuje się osiągnięcia tzw. sztucznej inteligencji.

11. Zarządzanie regułami biznesowymi • Źródło: przezwyciężenie luki pomiędzy modelami procesów tworzonych w języku naturalnym przez kierownictwo przedsiębiorstwa i zrozumiałych dla niego, a sposobem ich zapisu w sposób zrozumiały dla informatycznych systemów zarządzania • Zarządzanie regułami biznesowymi BRM, którego celem jest opis procesu jako zbiór reguł zrozumiały dla kierownictwa przedsiębiorstwa, a realizacją są Systemy Zarządzania Regułami Biznesowymi (BRMS) oraz Maszyny Wnioskujące (Business Rules Engine)

12. Definicja • Reguły biznesowe umożliwiają ekspertom przepisanie strategii przedsiębiorstwa na poziom operacyjny przy pomocy prostych stwierdzeń, które następnie mogą zautomatyzować reakcje na zdarzenia wewnątrz i w otoczeniu przedsiębiorstwa • Reguły definiują zachowanie przedsiębiorstwa jako zbiór stwierdzeń logicznych • Podstawową zaletą takiego podejścia do opisu procesów jest prostota i elastyczność reguł biznesowych, co pozwala na ich łatwe zastosowanie w różnych instytucjach i do różnych celów

13. Przykłady zastosowań • Systemy wspomagające zarządzanie kontaktami z klientem (reguły opisują w tym przypadku ofertę, jaką w sposób zindywidualizowany można kierować do różnych klientów) • Systemy oceny klientów (np. oceny zdolności kredytowej, oceny wartości klienta)

14. Przykłady zastosowań • Rozbudowane cenniki i regulaminy sprzedaży • Systemy wspomagające zarządzanie łańcuchem dostaw (np. dobór dostawców) • Kontrola kosztów i budżetowanie (reguły opisują zasady dekretowania kosztów, zasady budżetowania itp.)

15. Model reguł biznesowych

16. Objaśnienia do modelu

17. Tablica decyzyjna

18. Plan wykładu • Wiedza • Komputery wyposażone w wiedzę • Metody zapisu wiedzy • Metody pozyskiwania wiedzy • Wnioskowanie w systemach sztucznych • Zagadnienia praktyczne • Przykłady zastosowań

19. Wiedza • Płynne połączenie doświadczenia, ocen wartości, informacji o kontekście oraz analitycznego wglądu w zagadnienia, które zapewnia ramy dla oceny i włączania nowych doświadczeń i informacji • Wiedza organizacji wywodzi się i jest charakterystyczna dla umysłów ludzi [Davenport i Prusak 1998]

20. Wiedza • Cechą wiedzy jest porządek, którego poszukiwali filozofowie zajmujący się metafizyką czy jak wolimy to dzisiaj mówić ontologią, której zadaniem jest po prostu opisanie rzeczywistości, a więc tego co istnieje • Tradycyjnym celem ontologii jest podział wiadomości o świecie (bycie) na kategorie definiujące rzeczy składające się na niego • Wiedza składa się z uporządkowanych opisów, relacji i procedur

21. Wiedza człowieka (eksperta) • wiedza milcząca (tacit knowledge) – wiem jak postępować w danych okolicznościach ale nie wiem dlaczego i nie potrafię tego wyjaśnić • asocjacyjna wiedza empiryczna – znam wiele przykładów i umiem je wykorzystać do wnioskowania • wiedza głęboka – dokładnie wiem dlaczego (oczywiście w pewnej ontologii)

22. Wiedza - reprezentacja • reprezentacja proceduralna – określenie zbioru procedur, których działanie reprezentuje wiedzę o dziedzinie (np. procedura wyznaczania ekstremum funkcji) • reprezentacja deklaratywna, polegająca na określeniu zbioru specyficznych dla rozpatrywanej dziedziny faktów i reguł

23. Komputery wyposażone w wiedzę • Systemy ekspertowe to „programy z wiedzą” • Sam program realizuje procedury wnioskowania i ew. obliczania, objaśniania, uczenia, komunikowania • Wiedza zapisana jest w osobnych zbiorach i poza tym, że może być poszerzana przez program (uczenie) jest od niego niezależna

24. Przykład: tabela decyzyjna

25. If "Klient jest wiarygodny" And " Klient płaci przelewem" And "Wartość kontraktu jest duża" Then "przyznać klientowi upust” • If "Klient jest wiarygodny" And " Klient płaci przelewem" And "Wartość kontraktu jest mała" Then "sprzedać po cenie standardowej„ • If "Klient nie jest wiarygodny" And " Klient płaci przelewem" And "Wartość kontraktu jest duża" Then konkluzja = "odrzucić ofertę„ • If " Klient płaci gotówką" And "Wartość kontraktu jest duża" Then "przyznać klientowi upust„ • If " Klient płaci gotówką" And "Wartość kontraktu jest mała" Then "sprzedać po cenie standardowej„ • If " Klient dokonuje przedpłaty" And "Wartość kontraktu jest duża" Then "przyznać klientowi upust„ • If " Klient dokonuje przedpłaty " And "Wartość kontraktu jest mała" Then "sprzedać po cenie standardowej"

26. Przykład: fasety

27. Przykład:baza wiedzy (przesłanki)

28. For k = 1 To LiczbaReguł prawda1 = True l = 1 Do prawda = False For ll = 1 To LiczbaFaktów If fakty(ll) = przeslanki(k, l) Then prawda = True EndIf Next IfNot prawda Then prawda1 = False End If l = l + 1 Loop Until IsEmpty(przeslanki(k, l)) If prawda1 Then fakty(LiczbaFaktów) = konkluzje(k) LiczbaFaktów = LiczbaFaktów + 1 End If Next