Intelligens Rendszerek Elmélete Dr. Kutor László
A biológiai és mesterséges intelligencia fogalom gyökerei, intelligencia elméletek. Az intelligencia mérése. A mesterséges intelligencia klasszikus és újabb területei. http://mobil.nik.bmf.hu/tantargyak/ire.html Felhasználónév: ire jelszó: IRE07 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/1
Követelmények Vizsga követelmény: évközi jegy Zárthelyi időpontok: I. zh. 2009. október 13. II. zh. 2009. december 1. Az egyik elmulasztott zh. pótlásának időpontja 2009. december 8. A félévközi jegy ponthatárai: 44-50 jeles (5) 38-43 jó (4) 32-37 közepes (3) 26-31 elégséges (2) 0-25 elégtelen (1) Félévközi jegy pótlási időpontja: 2009. december 15. 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/2
.
Javaslatok a zh-ra készüléshez
1. Az előadásokon vetített ábrák csak a tananyag vázlatául szolgálnak, ezért az előadásokon célszerű részt venni és jegyzetelni. A jegyzetekhez a vetített ábra jobb alsó sarkában lévő számot érdemes felírni. 2. A javasolt olvasmányokat is fel kell dolgozni. 3. A felkészülést segítő kérdéseket célszerű önállóan kidolgozni. 4. A meghirdetett időpontban célszerű megírni a dolgozatokat, mivel a félév végén minden úgyis összezsúfolódik. 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/3
Javaslatok a zh-ra készüléshez .
1. Az előadásokon vetített ábrák csak a tananyag vázlatául szolgálnak, ezért az előadásokon célszerű részt venni és jegyzetelni. A jegyzetekhez a vetített ábra jobb alsó sarkában lévő számot érdemes felírni. 2. Az előadásvázlatban megjelölt fogalmakat célszerű elsajátítani (saját jegyzetet készíteni, az Internet és a könyvtár használatával).
3. A javasolt olvasmányokat is fel kell dolgozni. 4. A felkészülést segítő kérdéseket célszerű önállóan kidolgozni, és a javasolt gyakorló feladatokat megoldani. 5. A meghirdetett időpontban célszerű megírni a dolgozatokat, mivel a félév végén minden úgyis összezsúfolódik. 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/4
Az információ feldolgozás fejlődése 1. „Moore törvény”
2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/5
Az információ feldolgozás fejlődése 2.
2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/6
Az információ-feldolgozó gépek teljesítménye meghaladja az emberi feldolgozást? „Singularity” = rendkívüli, különleges helyzet (melyen nem látunk túl?)
Ray Kurzweil: The Singularity is Near (2005)
2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/7
Az intelligencia fogalom gyökerei E.G.Boring (~ 1920)
„ Az intelligencia az ami az intelligencia teszt mér” Norbert Wiener (~ 1956)
„kibernetika”
Edward Feigenbaum (1978)„Mesterséges
2009. ősz
BMF NIK,
Dr. Kutor László
intelligencia”
IRE 1/8
Az intelligencia meghatározása 1575 Juan Huarte: „ intelligencia = tanulási képesség, képzeleterő és döntési képesség” 1839 George Morton: „ Craniometry” koponya mérettan képviselője 1859 Charles Darvin: „Az intelligencia részben örökletes” 1904 Charles Sperman: „az intelligencia G faktorának felfedezése” 1905 Alfred Binet: Az első intelligencia teszt kidolgozása 1912 W. Stern: Javaslat az intelligencia hányados bevezetésére IQ= Mk/Ék 1936 Jean Piaget: „ Az intelligencia öröklött és környezeti tényezőktől függ” 1971 Richard Herrnstein: „az IQ különbségek oka örökletes tényezőkre vezethető vissza” 1990 Thomas Buchard: minnesotai iker vizsgálatok 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/9
Intelligencia összehasonlító vizsgálatok 1979-1989 NLSY (National Longitudinal Survey of Youth) 12 000 fiatal felmérése 14-22 éves korig Eredmények: Szegénység: 8-szor gyakoribb a szegénysorból kikerülők között 15-ször gyakoribb az alacsony IQ-s csoportban
Törvényen kívüli gyermekek száma: 2-szer gyakoribb a szegények között 8-szor gyakoribb az alacsony IQ-s csoportban Börtönsors: Az IQ alsó felébe eső csoport tagjai 10-szer gyakrabban kerülnek börtönbe mint az IQ felső felébe esők
Erős vitákat kiváltó eredmények: A Wechler teszt alapján a fehérek átlag IQ-ja 102, a feketéké 87 ???????? 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/10
Az intelligencia hányados (IQ) értelmezése E.G.Boring (~ 1920)
„ Az intelligencia az amit az intelligencia teszt mér” Binet-féle IQ értelmezés
1. IQ = Mentális − kor • 100
Életkor vizsgálatban _ elért _ pont IQ = • 100 2. korcsoport _ átlaga 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/11
Az intelligencia szokásos osztályai <68 69-79 80-90 91-109 110-120 121-130 >131 2009. ősz
Értelmi fogyatékos Igen alacsony IQ Átlag alatti IQ Átlagos „normális” IQ Átlag feletti IQ Kiemelkedő IQ Extrém BMF NIK,
Dr. Kutor László
2.15% 6.72% 16.13% 50 % 16.13% 6.72% 2.15% IRE 1/12
Hiányok ellensúlyozása Helen Keller író 1880-1968 Journal My Later Life My religion The story of my Life The World I Live in Teacher: Anne Sullivan Macy
„When one door of happiness closes, another opens; but often we look so long at the closed door that we do not see the one which has been opened for us” 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/13
Thorndike intelligencia értelmezése Emberi intelligencia típusok:
Absztrakt vagy verbális intelligencia Praktikus intelligencia, amely a tárgyakkal kapcsolatos manipulációk ügyességét jelzi. Szociális intelligencia
2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/14
Wechsler féle intelligencia értelmezés: „Az intelligencia az egyénnek az az összetett vagy globális képessége, amely lehetővé teszi, hogy célszerűen cselekedjék, hogy racionálisan gondolkodjék, és eredményesen bánjék a környezetével”
Verbális próbák: Cselekvés próbák: rejtjelezés - próba ismeretek helyzetek megértése képrendezés számismétlés képkiegészítés számolási feladat mozaik próba összehasonlítás szintézis próba (főfogalom megnevezés) 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/15
Intelligencia elméletek 1. Két faktor elmélet (Sperman): „Minden intellektuális képesség –mint funkció- két faktorra bontható szét” Az általános (General) faktor, amely közös a különböző intellektuális képességekben A specifikus (Specific) faktor, amely minden képesség számára különböző, és ez a faktor különbözteti meg a funkciókat egymástól. 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/16
Intelligencia elméletek 2 Sok faktor elmélet. (Thurstone): „Az intelligencia több alapvető faktor kombinációjából jön létre.” Alapvető faktorok: Nyelvi megértés (V) Téri viszonyok felfogása (S) Szótalálás gyorsasága (W) Észlelési képesség (P) Számolás(N) Emlékezés(M) Következtetés(R) 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/17
A Föld 4.6 milliárd éves története Rodney A. Brooks MIT) Egysejtűek Fotoszintetizáló növények Első halak és gerincesek Rovarok Hüllők Dinoszauruszok Emlősök Első majmok Főemlősök Emberek A mezőgazdaság feltalálása Az írás feltalálása „Szakértői” tudás 2009. ősz
BMF NIK,
Dr. Kutor László
3.5 milliárd év 2.5 milliárd év 550 millió év 450 millió év 370 millió év 330 millió év 250 millió év 120 millió év 18 millió év 2.8 millió 19 ezer év 5 ezer év Néhány száz éve IRE 1/18
Mesterséges Intelligencia meghatározások
Az MI olyan gépek kutatásával foglalkozik, melyek az emberi megítélés szerint intelligenciát megoldó feladatok megoldására készülnek. Az MI azoknak a problémáknak számítógépes megközelítésével foglalkozik, melyek megoldásában jelenleg az emberek jobbak. „Alaine Rich” Az MI kutatás elsődleges célja, hogy a gépeket okosabbá tegye, másodlagosan pedig, hogy közelebb vigyen az intelligencia megértéséhez. „P.H Winston” Az MI tágabb értelemben az érzékelést a célszerű cselekvéssel összekötő információ-feldolgozással foglalkozó tudomány „R.Kurzweil”
2009. ősz
BMF NIK,
IRE 1/19
Dr. Kutor László
Turing teszt
Alan Turing 1912-1954)
Célja: „egy számítógépről eldönteni, hogy intelligens-e” „Férfi” Bíró „Nő” Beszéd alapú kommunikáció
2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/20
A mesterséges intelligencia klasszikus területei 1. z z z z z z z
Produkciós rendszerek Keresési stratégiák A predikátum kalkulus az MI-ben Cáfolással megoldható rendszerek Szabály alapú következtető rendszerek Alapvető terv-generáló rendszerek Strukturált objektumok reprezentációja N. J. Nilson
2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/21
A mesterséges intelligencia klasszikus területei 2. z z z z z z z
2009. ősz
Problémák számítógépes reprezentációja Keresési technikák Problémamegoldás felbontással (dekompozícióval) A problémamegoldás vezérlése Mesterséges intelligencia nyelvek Tudásreprezentáció és tudásfelhasználás Az emberi intelligencia nyomában A keret probléma Következtetés a józan ész alapján Tudásgyűjtés A környezetre vonatkozó tudás Yoshaki Shirai-Jun-Ichi Tsujii BMF NIK,
Dr. Kutor László
IRE 1/22
A mesterséges intelligencia klasszikus alkalmazási területei
Számítógép-tudomány: következtető rendszerek, tételbizonyítás, játékok Szakértői rendszerek Döntéstámogató rendszerek Nyelvfeldolgozás beszédtechnológia (beszédanalízis szövegfelismerés, gépi fordítás), beszédszintézis, beszédfelismerés nyomtatott és kézírás felismerés Robotika Alakfelismerés (képfeldolgozás) Gépi tanulás
2009. ősz
BMF NIK,
IRE 1/23
Dr. Kutor László
Tankönyvek:
Mesterséges intelligencia Szerk: Futó Iván, 1999 Kereső rendszerek Keresési stratégiák Nevezetes gráfkereső eljárások Ismeretprezentáció Kétszemélyes játékok Fejlett kereső algoritmusok Korlátozás kielégítés Bizonytalanság kezelés Programozási nyelvek Cselekvési tervek generálása
Gépi tanulás Ismeretalapú technológia, szakértői rendszerek Ágens és multi-ágens rendszerek Természetes nyelvek Beszédfelismerés Látás Robotika, fizikai ágensek
2009. ősz
Dr. Kutor László
BMF NIK,
IRE 1/24
Tankönyvek:
Mesterséges intelligencia modern megközelítésben Russel-Norvig, 2000 Mesterséges intelligencia Tervkészítés Intelligens ágensek Tervkészítés a gyakorlatban Problémamegoldás kereséssel Tervkészítés és cselekvés Informált keresési módszerek Bizonytalanság Kétszemélyes játékok Valószínűségi következtető rendszerek Logikusan gondolkozó ágensek Döntések meghozatala Elsőrendű logika Megfigyelés alapján történő tanulás A tudásbázis építése Neurális és valószínűségi hálók tanulása Következtetés az elsőrendű logikában, Kommunikáló ágensek Logikai következtető rendszerek Nyelv feldolgozás, Észlelés, Robotika IRE 1/25 2009. ősz BMF NIK, Dr. Kutor László
Az intelligencia alapvető tényezői Érzékelő képesség (érzékszervek) Információ feldolgozó képesség (processzor, feldolgozási módszer) Tudás (emlékezet, tapasztalat) Tanulási képesség Kommunikációs képesség
2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/26
A tantárgy bemutatásra kerülő témái Az emberi intelligencia és a mesterséges intelligencia alapfogalmai, mérése
Érzékelők az élővilágban Technikai érzékelők Problémamegoldó rendszerek (klasszikus, elosztott, ambiens)
Klasszikus és új kereső algoritmusok Tudásalapú rendszerek: szakértői rendszerek,
döntéstámogató rendszerek
A biológiai indíttatású információ feldolgozás elvei:
mesterséges neurális hálózatok genetikus algoritmusok fuzzy logikára épülő rendszerek Az ágens technológia elvei 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/27
Nézőpontok
2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/28
Kérdések: A fejlődés jelenlegi (exponenciális) jellegét feltételezve milyen lesz az informatika 40 év múlva? a.) Tudnak-e és milyen feladatokban versenyképesek maradni az emberek a számítógépekkel? b.) Meghúzható lesz-e a határvonal az ember és gép között? c.) Hogyan lehet lépést tartani a fejlődéssel? 2009. ősz
BMF NIK,
Dr. Kutor László
IRE 1/29
