TEHNIKI SUSTAVI UMJETNE INTELIGENCIJE Hrvoje Gold Fakultet prometnih

  • Slides: 19
Download presentation
TEHNIČKI SUSTAVI UMJETNE INTELIGENCIJE Hrvoje Gold Fakultet prometnih znanosti Zagreb, 2003.

TEHNIČKI SUSTAVI UMJETNE INTELIGENCIJE Hrvoje Gold Fakultet prometnih znanosti Zagreb, 2003.

INTELIGENTNI SUSTAVI Rješavanje problema pri čemu je znanje zapisano u računalni program i problem

INTELIGENTNI SUSTAVI Rješavanje problema pri čemu je znanje zapisano u računalni program i problem se rješava na način kako ga rješava čovjek koristeći svoju prirodnu inteligenciju Sustavi sa sposobnošću: prilagođavanja, odlučivanja, prepoznavanja, učenja, zaključivanja, predviđanja, . . . 2

ČOVJEK KAO SUSTAV ZA OBRADU INFORMACIJA SPOZNAJNI PODSUSTAV Trajna memorija (semantička mreža, okviri, .

ČOVJEK KAO SUSTAV ZA OBRADU INFORMACIJA SPOZNAJNI PODSUSTAV Trajna memorija (semantička mreža, okviri, . . . ) MOTORIČKI PODSUSTAV OSJETILNI PODSUSTAV Radna memorija Poticaji Senzori Privr. mem. Mišići Odziv Spoznajni procesor (pravila prepisivanja) 3

UMJETNA INTELIGENCIJA Skup metoda i tehnika koje: - metodama obrade simbola omogućuju obradu znanja

UMJETNA INTELIGENCIJA Skup metoda i tehnika koje: - metodama obrade simbola omogućuju obradu znanja na temelju pravila (ekspertni sustavi, stabla odlučivanja, i dr. ) ili vrše inteligentna izračunavanja (neizrazita logika, neuronske mreže, genetski algoritmi i dr. ) - simuliraju način rada biološkog mozga i putem senzora regiraju na okolinu (robotika) 4

Umjetna inteligencija (Artificial intelligence - AI) • tehnologija koja obuhvaća metode i postupke koji

Umjetna inteligencija (Artificial intelligence - AI) • tehnologija koja obuhvaća metode i postupke koji koriste znanje za upravljanje informacijama (podacima) s ciljem izvođenja neizričito programiranih zaključaka - osnova je sposobnost računala da rukuje sa simbolima - računalni programi koji simuliraju pristup čovjeka pri rješavanju problema 5

Evolucija umjetne inteligencije Kognitivna psihologija Obrada prirodnih jezika Prepoznavanje govora Simboličko (nenumeričko) programiranje Formalna

Evolucija umjetne inteligencije Kognitivna psihologija Obrada prirodnih jezika Prepoznavanje govora Simboličko (nenumeričko) programiranje Formalna logika Robotika Primjenjena umjetna inteligencija Jezici za obrade lista Razvoj programskih okruženja Prepoznavanje oblika Mali sustavi Sustavi za potporu odlučivanju 1970 1975 Alati za razvoj ES Inteligentno izračunavanje (neuronske mreže, genetski algoritmi, neizrazita logika) Razvoj računala 1940 Veliki hibridni sustavi Ekspertni sustavi Interaktivno računalstvo Veliki sustavi za uska područja 1980 1985 1990 6

Sustavi za potporu odlučivanju Inteligentno pretraživanje podataka Ekspertni (stručni) sustavi Približno računanje Neuronske mreže

Sustavi za potporu odlučivanju Inteligentno pretraživanje podataka Ekspertni (stručni) sustavi Približno računanje Neuronske mreže Genetski algoritmi Neizrazita logika 7

SUSTAVI ZA POTPORU ODLUČIVANJU (Decision Support Systems - DSS) Potreba za potporom odlučivanju proizlazi

SUSTAVI ZA POTPORU ODLUČIVANJU (Decision Support Systems - DSS) Potreba za potporom odlučivanju proizlazi iz: · spoznajnih ograničenja · ekonomskih ograničenja · vremenskih ograničenja DSS je računalni sustav za organizaciju podataka, identifikaciju i dohvat podataka, analizu i transformaciju podataka, izbor modela odlučivanja i analizu dobivenih rezultata 8

STRUKTURA SUSTAVA ZA POTPORU ODLUČIVANJU Donositelj odluke Korisničko sučelje Sustav za upravljanje bazom podataka

STRUKTURA SUSTAVA ZA POTPORU ODLUČIVANJU Donositelj odluke Korisničko sučelje Sustav za upravljanje bazom podataka Baze podataka Sustav za upravljanje bazom modela Modeli Sustav za upravljanje dokumentima Dokumenti 9

DATA MINING – INTELIGENTNO PRETRAŽIVANJE PODATAKA • skup metoda i tehnika za otkrivanje ‘skrivenih’

DATA MINING – INTELIGENTNO PRETRAŽIVANJE PODATAKA • skup metoda i tehnika za otkrivanje ‘skrivenih’ veza među varijablama u velikim bazama podataka Koristi: • statističke metode (regresiju, faktorsku analizu, diskriminantnu analizu, skupine, . . . ) • metode umjetne inteligencije (ekspertne sustave, neuronske mreže, genetske algoritme, inteligentne agente, . . . ) 10

EKSPERTNI SUSTAVI ZASNOVANI NA ZNANJU Računalni programi: - sadrže ljudsko znanje o nekoj domeni

EKSPERTNI SUSTAVI ZASNOVANI NA ZNANJU Računalni programi: - sadrže ljudsko znanje o nekoj domeni - sposobni su donositi odluke izvođenjem zaključaka iz znanja - mogu opravdati donešenu odluku - znanje nezavisno od ostatka programa 11

Klase problema i metode njihovog rješavanja Stajalište: • korisnika • stručnjaka • programera Klase

Klase problema i metode njihovog rješavanja Stajalište: • korisnika • stručnjaka • programera Klase problema i metoda: • klasifikacija • konstrukcija • simulacija 12

Značajke problema: • neizvjesna znanja • neraspoloživa opažanja • neizvjesna opažanja • subjektivna opažanja

Značajke problema: • neizvjesna znanja • neraspoloživa opažanja • neizvjesna opažanja • subjektivna opažanja • nepotpuna opažanja • vremenski zavisna opažanja • višestruka rješenja 13

OD OBRADE PODATAKA K OBRADI ZNANJA PROBLEM Definiranje problema s terminima stanja i operatorima

OD OBRADE PODATAKA K OBRADI ZNANJA PROBLEM Definiranje problema s terminima stanja i operatorima Generiranje prostora problema i njegovo pretraživanje Problem rješiv primjenom algoritamskom rješenja (iscrpno pretraživanje) Identifikacija znanja koje se može primijeniti za smanjenje prostora pretraživanja Razvoj rješenja na konvencionalni način (C, BASIC, JAVA, PASCAL. . . ) Predstavljanje znanja kao skupa tvrdnji i pravila zaključivanja Izgradnja sustava uz primjenu prikladnog jezika /alata, ispitivanje SUSTAVI ZASNOVANI NA ZNANJU 14

Prikupljanje znanja (knowledge acquisition) 15

Prikupljanje znanja (knowledge acquisition) 15

PRIBLIŽNO RAČUNANJE (SOFT COMPUTING) robustne metode koje na različite načine dopuštaju: nepreciznost nesigurnost djelomičnu

PRIBLIŽNO RAČUNANJE (SOFT COMPUTING) robustne metode koje na različite načine dopuštaju: nepreciznost nesigurnost djelomičnu istinitost prihvaća se zadovoljavajuće rješenje, a ne inzistira se na najboljem mogućem “U biti osnovni model približnog izračunavanja jest ljudski mozak. Postaje nam sve jasnije da čudnovata sposobnost ljuskog uma da djelotvorno funkcionira u nepreciznom i nesigurnom okruženju nadmašuje mogućnosti tracionalnih metoda računanja i logičkog zaključivanja. ” 16 Lotfi A. Zadeh

Vrste približnog računanja: • neizrazita (fuzzy) logika pripadnost nekom skupu nije jednostavno izražena binarnim

Vrste približnog računanja: • neizrazita (fuzzy) logika pripadnost nekom skupu nije jednostavno izražena binarnim vrijednostima (0, 1), već se izražava vrijednostima iz intervala (0, 1) • neuronske mreže stvaranje modela postupnim učenjem na prethodnim podacima • genetski algoritmi traženje najprikladnijeg rješenja prema uzoru na evolucijske procese 17

RAZLIKE IZMEĐU EKSPERTNIH SUSTAVA I NEURONSKIH MREŽA 18

RAZLIKE IZMEĐU EKSPERTNIH SUSTAVA I NEURONSKIH MREŽA 18

Sistemska analiza Razvoj programskog sustava Identifikacija problema Analiza domene Identifikacija ciljeva Modularizacija Komunikacija Identifikacija

Sistemska analiza Razvoj programskog sustava Identifikacija problema Analiza domene Identifikacija ciljeva Modularizacija Komunikacija Identifikacija eksperata Dizajn sustava Logički dizajn Prikupljanje znanja Fizički dizajn Izbor software-a Izbor hardware-a Dizajn korisničkog sučelja Fizički dizajn baze znanja Kodiranje ili kupovina Kodiranje baze znanja Kodiranje korisničkog sučelja software-a Kodiranje veza prema drugim sustavima Testiranje software-a Verifikacija Testiranje baze na gramatičke pogreške Validacija Testiranje Pouzdanost sustava Uvođenje Obuka korisnika Dokumentiranje Podrška Postimplementacija Prikupljanje izvješća, statistika Učenje novog znanja Napuštanje zastarjelog znanja 19