Mestersges Tudomnyok Mestersges Intelligencia Mestersges let Mestersges Trsadalmak
- Slides: 44
Mesterséges Tudományok Mesterséges Intelligencia Mesterséges Élet Mesterséges Társadalmak Gulyás László Tudománytörténet és Tudományfilozófia Tanszék gulya@hps. elte. hu Mesterséges Tudományok
Az előadás címéről Herbert Simon w Közgazdaságtani Nobel-díj, 1978. A szervezeteken belüli döntési folyamatok elemzésében elért eredményeiért w The Sciences of Artificial, The MIT Press, 1969. w Az előadás központi figurája… Mesterséges Tudományok 2
Áttekintés w Motiváció w Mesterséges Intelligencia (AI) w Mesterséges Élet (ALIFE) w Mesterséges Társadalmak (ASOC) w Néhány konkrét alkalmazás Mesterséges Tudományok 3
Motiváció, avagy miért? w Komplex szoftver-rendszerek n n „A szoftver sem olyan már, mint régen. ” Multi-taskos, hálózatos rendszerek. Az alkalmazás, amit írok együtt kell működjön (kell, hogy működjön) más, akár még meg sem írt alkalmazásokkal. A teljes kontroll elvesztése: l Globális követelmények, lokális eszközök w Pl. aktuális EU pályázati kiírások: self-X Mesterséges Tudományok 4
Motiváció II, avagy hogyan? w Tanuljunk a „természettől”: n n n Ember ─ Mesterséges Intelligencia Biológia ─ Mesterséges Élet Társas rendszerek, Társadalom ─ Mesterséges Társadalmak Mesterséges Tudományok 5
Mesterséges Intelligencia w Intenzíven művelt kutatási terület az 50 -es évek óta. n Herbert Simon az egyik alapító. w Közelítő definíció n Olyan problémák, feladatok számítógépes megoldása, amiben az ember jó. w Problémák a meghatározással n n „Futóvad-lövés” Nem az ember létrehozása… l Többmillió éves, kielégítő módszereink vannak. Mesterséges Tudományok 6
A klasszikus MI w Kezdetben az emberi racionalitás a cél: n n Racionális: mindig a lehető legjobb megoldást választja. Maximalizálás, optimalizálás. Mesterséges Tudományok 7
A klasszikus MI 2. w A legrövidebb út keresésének általánossága n n Bonyolult problémák matematikai leírása Kétszemélyes játékok (pl. sakk) E G B D F H C A Mesterséges Tudományok 8
A klasszikus MI 3. w Kapcsolat az MI és a közgazdaságtan között: n n n Herbert Simon az MI egyik alapítója és közgazdaságtani Nobel-díja A klasszikus közgáz alapfeltétele az egyének racionalitása. Régi MI: hogyan legyünk racionálisak. Mesterséges Tudományok 9
A klasszikus MI problémái I. w A kifejlesztett keresőalgoritmusok „tökéletesek”, de nem működnek. n n Beláthatatlan nagy „problématér”. „Mindent tudni strapás. ” w A sakk példája: n n Elvileg tudjuk az algoritmust a nyerő játékra (de min. a döntetlenre). De ha az univerzum összes atomja számítógép lenne, akkor se tudnánk kivárni az eredményt. Mesterséges Tudományok 10
Napjaink MI-kutatásai w Nem Herbert Simon a racionalitással foglalkoznak. közgazdaságtani Nobel-díja: w Hanem az irracionalitással. Döntési folyamatok szervezeteken belül. Racionálisak? w A korlátozott racionalitással: A rendelkezésre álló információból n A rendelkezésre álló erőforrásokkal Korlátozott racionalitás (Herbert Simon) n A rendelkezésre álló idő alatt a lehető legjobbat választani. n Mesterséges Tudományok 11
Napjaink MI-kutatásai II. w Nem a legjobb, hanem az elég jó a cél. n De azt időben! w Mi sem tudjuk, hogy amit teszünk, optimális-e. w Ha valaki mégis tudja, akkor arról n n tudományos közleményt ír, vagy meggazdagszik… w Helyzetfüggő információk és megoldások n Ld. Deep Blue Kaszparov ellen 1997 -ben. Mesterséges Tudományok 12
A klasszikus MI problémái II. w Hétköznapi ismeretek hiánya n A problémát le kell írni a számítógép által érthető módon. l l l n Amit nem írunk le, azt nem fogja tudni. Az apám apja a nagyapám. Az apám öregebb, mint én. Mennyi ideig is tanul egy ember? Mesterséges Tudományok 13
Gépi tanulás w Általában optimalizációs (függvény-maximalizáció) feladatként írják le. n n Jóság Jutalom „maximalizálása” De! Közelítő megoldások… w Általános módszerei: n n n Induktív tanulás Mesterséges Neuronhálók Genetikus Algoritmusok Mesterséges Tudományok Mesterséges Élet 14
Mesterséges Élet (Artificial Life) w Félrevezető definíció… w Számítógépen szimulált biológiai rendszerek n n n A biológiai elméletek tesztelése. A biológiai mechanizmusok vizsgálata, valóságban nem létező rendszereken. Mérnöki, szoftvermérnöki alkalmazások. Mesterséges Tudományok 15
A GOLEM-projekt w Genetikailag szerveződő életszerű eletromechanika (Genetically Organized Lifelike Electro Mechanics) w Szimulált evolúcióval optimalizált „robotok”. w Konkrétan megépített prototípusok a szimulált eredmények alapján. w Cél a minél gyorsabb és stabilabb mozgás n Kétdimenziós, sík felületen. Nyíl Tetra Balance Mesterséges Tudományok Biped 16
Genetikus algoritmus 1. w Általános optimáló módszer (meta-heurisztika). l Mesterséges evolúció. w Az evolúció elvei alapján n Természetes szelekció A legfittebb „túlélése” Szexuális (géncserés) reprodukció. w A „populáció”, a „génsorozat”, a „reprodukció” n Mind metafora csupán. Mesterséges Tudományok 17
Genetikus algoritmus 2. w Populáció: n n Megoldás-kezdemények sokasága. „Génreprezentáció” (kódoló függvény) 3 x + 2 1 0 0 1 1 0 Mesterséges Tudományok 18
Genetikus algoritmus 3. w Rátermettségi függvény (fitness function) n A megoldás jósága. 3 x + 2 50% 1 0 0 1 1 0 Mesterséges Tudományok 19
Genetikus algoritmus 4. w Szelekció: n n A gyengék törlése és Az erősek szaporodása. Mesterséges Tudományok 20
Genetikus algoritmus 5. w Reprodukció n n 3 x + 2 Mutáció és Keresztezés (géncsere) 1 0 0 1 1 0 1 0 1 1 0 0 0 1 1 3 x + 23 1 1 0 1 1 1 0 0 1 1 0 1 0 5 x + 4 Mesterséges Tudományok 21
Genetikus algoritmus: Példa Mesterséges Tudományok 22
Többszereplős rendszerek w A biológiai rendszerek gyakran nem ragadhatóak meg az egyed szintjén. n Ld. a genetikus algoritmus mesterséges evolúciója. w A megoldás gyakran n Kollektíve áll elő, Közelítő jellegű, de Robusztus. w Mesterséges társadalmak Mesterséges Tudományok 23
Termeszvárak Mesterséges Tudományok 24
Termeszvár Algoritmusa I. w Deneubourg et al. : n n A dolgozó földet vesz fel Nyállal keveri l n A feromon vonzza a többi dolgozót l n n Emiatt feromon kerül bele Egyre többen jönnek Királynő feromonja Párolgás Mesterséges Tudományok 25
Termeszvár Algoritmusa II. w Boltív Mesterséges Tudományok 26
Hangyák élelemkeresése w Jelenlegi ismereteink szerint / a modellben n Sok, egyszerű dolgozó Nincs központi kontroll Nincs direkt kommunikáció w Mégis n n n Közel optimális útvonal Adaptivitás Robusztusság Mesterséges Tudományok 27
Hangyák élelemkeresése Mesterséges Tudományok 28
Hangyák élelemkeresésének algoritmusa w 2 fajta feromon: n n „kereső”, „hazatérő” w A hangyák a feromon erősségét követik A „hibázás” fontossága l Tehetetlenség l w Diffúzió és párolgás Mesterséges Tudományok 29
Mesterséges társadalmak (Artificial Societies) w Ismét egy félrevezető név… w Társadalmi folyamatok számítógépes modellezése. w Célja n n Társadalomtudományi elméletek alkotása. Mérnöki megoldások „ellesése”. Mesterséges Tudományok 30
Egyre inkább elkülönülten élnek a romák 2004. február 19. , csütörtök, 7: 54 Jelentősen nőtt a romák települési elkülönülése az elmúlt évtizedben - írja a Magyar Hírlap az MTA legfrissebb kutatásának alapján. Eszerint ma minden második romának jórészt roma szomszédai vannak, és az állapot a harminc évvel ezelőttihez hasonló. Megjegyzés: a nem-romák is elkülönülten élnek. Mesterséges Tudományok 31
Miért élnek elkülönülten a romák? w Néhány alternatíva: n n n Kulturális okokból. Gazdasági okokból. Mert rasszisták, kirekesztők vagyunk. w Problémák a kérdésfelvetéssel: n n „Több dolgok vannak földön s égen Horatio, semmint bölcselmetek álmodni képes". Egyszerűsítés modellek. Mesterséges Tudományok 32
Tényleg rasszisták vagyunk-e? w Avagy, a romák elkülönültsége valóban egyértelműen erre utal-e? w Thomas C. Schelling* és modellje (1978. ): n n Lakóhelyválasztás stilizált térben. „Pirosak” és „kékek”. Tolerancia-szint százalékban. Hova vezet a 60%-os tolerancia? * Közgazdaságtudományi Nobel-díj, 2005. Mesterséges Tudományok 33
A 60%-os tolerancia Mesterséges Tudományok 34
Mi következik ebből? w Alapvetően semmi. n n Az emberek bonyolultabbak. A valóság nem ilyen (v. ö. „Horatio”). w De mégis: n n n „Gondolatkísérlet”. Egzisztencia-bizonyíték. A „megértés” fejlesztése. Mesterséges Tudományok 35
Mesterséges társadalmak és a statisztikus fizika n „Ökonofizika” (Econophysics) Bonyolultabbak vagyunk, mint a (számítógépes) modellek. l „Nem vagyunk olyan egyszerűek, mint a molekulák. ” l n Viszont a molekulák is sokkal bonyolultabbak, mint ahogy a termodinamika mondja… Mesterséges Tudományok 36
A mikro-makro kapcsolat w Schelling: n Mikro motivációk és makro viselkedés (Micromotives and macrobehavior, 1978. ) w Herbert Simon: n Közgazdaságtan (miko- és makroökonómia) w A „millió dolláros kérdés” n Hogyan tervezzünk „lokális” programokat, hogy a „globális” rendszer (pl. hálózat) működjön? Mesterséges Tudományok 37
Piaci metaforák n n n A piacgazdaság az egyik legjobban (nem tökéletesen!) működő problémamegoldó, erőforrás-allokáló rendszer: Elosztott A szereplők önállóak és önzőek. Kevés kommunikációt igényel. Egységes érték- és információ kódolás (pénz) l Ami „automatikusan” koordinálja a szereplőket. Mesterséges Tudományok 38
Alulról-felfelé építkezés (Engineering from the Bottom-Up) w A probléma: véletlen hibáknak ellenálló hálózatok generálása. w Algoritmus, „piaci metafórákkal” n n n Az ágensek egymás után kapcsolódnak a hálóra úgy, hogy a „konnektivitásukat” maximalizálják. Minden ágens fix k darab élet építhet. Az eddigi hálóra vonatkozó információ költséges, ezért az ágensek csak a hálózat bizonyos részeit ismerik. (Árazási modell és „zsebpénz”. ) Robusztus hálózatokat generál, a paraméterek széles tartományában. Alapvető fontosságú az információ elérés milyensége (ld. pl. árazás). Mesterséges Tudományok 39
Robusztus hálózatok generálása Mesterséges Tudományok 40
Egyéb konkrét alkalmazások w Beszélgető robotok w Információs kioszkok Mesterséges Tudományok 41
Tőzsdeoktatás w http: //vbroker. hu/ (AITIA Rt. ) Mesterséges Tudományok 42
Megnyugtatásul w A kontroll mindig az embernél marad. w A miként-et nem feltétlenül tudom, de a korlátokat én definiálom. n Vízforralásnál sem tudom, pontosan hogyan mozognak a molekulák, de ha elzárom a gázt… Mesterséges Tudományok 43
Vége… Köszönöm a figyelmet! Mesterséges Tudományok 44
- Mawi intelligencia teszt
- John 10:22-28
- Go to my house
- Mark 4:23-24
- Me te le nos les
- Let's teach library
- Unit 4 let's go shopping
- Let h and i be the size and intensity of the image
- Let's watch a video
- Let r be the relation represented by the matrix
- Let the peace
- Lets test your knowledge
- Ymca nepal
- Infohub uwe
- Divide and conquer
- Let a man examine himself
- Let's compare things
- Sound of heaven touching earth
- Let's answer
- Let's talk over the weekend
- Let's study together
- Let's talk better mileage kill the bastards
- Let me introduce myself my name is
- 2 corinthians 13:5
- Let's conjunction
- Paradigma let the manager manage
- Forhøjet levertal alkohol
- Unit 4 let's go shopping
- Let's sing happy birthday
- Lets analyse
- Let’s get ______ lettuce
- Let's watch a video
- Let us proceed
- Praise the lord praise the lord let the people rejoice
- Romeo and juliet quotes act 1 scene 5
- Let's play a game
- Let down in the deep
- Let's talk clinton
- Let's cheer together
- Take my life and let it be consecrated lord to thee
- Listen to three conversations about animals
- Listen simple past
- Https 49 kahoot it
- The witch by edilberto k. tiempo
- Functional dependency