Intelligens Rendszerek Elmélete
1. Az előadásokon vetített ábrák csak a tananyag
dr. Kutor László Az első óra anyaga: 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 2008. ősz
BMF NIK,
Javaslatok a zh-ra készüléshez
.
IRE 1/1
dr. Kutor László
Követelmények
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. 2008. ősz
BMF NIK,
dr. Kutor László
IRE 1/4
Az információ feldolgozás fejlődése 1. „Moore törvény”
Vizsga követelmény: Félévközi jegy Zárthelyi időpontok: I. zh. 2008. október 14. II. zh. 2008. december 2. Az egyik elmulasztott zh. pótlásának időpontja 2008. december 9. 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: 2008. december 16. 2008. ősz
BMF NIK,
IRE 1/2
dr. Kutor László
Vizsga eredménye 2007-ben
2008. ősz
BMF NIK,
dr. Kutor László
IRE 1/5
Az információ feldolgozás fejlődése 2.
A dolgozatok száma 16
14
12
pontszámok
10
E III. 8
E II. N II.
6
4
2
1
4
5
48
50
42
44
46
38
36
2 Kutor László 3 BMF NIK, db dr.
40
30
34
32
26
28
24
18
20
22
14
16
8
10
12
2
4
6
0
0
2008. ősz
zh pont
IRE 1/3
2008. 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)
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 alső 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 ???????? 2008. ősz
BMF NIK,
IRE 1/7
dr. Kutor László
Az intelligencia fogalom gyökerei E.G.Boring (~ 1920)
„ Az intelligencia az ami az intelligencia teszt mér” Norbert Wiener (~ 1956)
„kibernetika”
Edward Feigenbaum (1978)„Mesterséges
2008. 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
intelligencia”
1. IQ = Mentális − kor • 100
Életkor vizsgálatban _ elért _ pont • 100 2. IQ = korcsoport _ átlaga 2008. ősz
BMF NIK,
dr. Kutor László
IRE 1/8
Az intelligencia meghatározása
2008. ősz
BMF NIK,
dr. Kutor László
dr. Kutor László
IRE 1/11
Az intelligencia szokásos osztályai
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 2008. ősz
BMF NIK,
IRE 1/9
<68 69-79 80-90 91-109 110-120 121-130 >131 2008. 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
Intelligencia elméletek 1. 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” 2008. ősz
BMF NIK,
dr. Kutor László
IRE 1/13
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. 2008. ősz
Thorndike intelligencia értelmezése Emberi intelligencia típusok:
Absztrakt vagy verbális intelligencia Praktikus intelligencia, amely a tárgyakkal kapcsolatos manipulációk ügyességét jelzi. Szociális intelligencia BMF NIK,
dr. Kutor László
IRE 1/16
dr. Kutor László
Intelligencia elméletek 2 Sok faktor elmélet. (Thurstone):
2008. ősz
BMF NIK,
IRE 1/14
„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) 2008. ősz
BMF NIK,
dr. Kutor László
IRE 1/17
Wechsler féle intelligencia értelmezés:
A Föld 4.6 milliárd éves története Rodney A. Brooks MIT)
„Az intelligencia az egyénnek az az összetett vagy globális képessége, amely lehetővé teszi, hogy célszerűen cselekedjék, hogy racionálisan gondolkodjék, és eredményesen bánjék a környezetével”
Egysejtűek Fotoszintetizáló növények Első halak és gerincesek Rovarok Hüllők Dinoszauruszok Emlősök Első majmok Főemlősök Emberek A mezőgazdaság feltalálása Az írás feltalálása „Szakértői” tudás
Verbális próbák: Cselekvés próbák: ismeretek rejtjelezés - próba helyzetek megértése képrendezés számismétlés képkiegészítés számolási feladat mozaik próba összehasonlítás szintézis próba (főfogalom megnevezés) 2008. ősz
BMF NIK,
dr. Kutor László
IRE 1/15
2008. 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
A mesterséges intelligencia klasszikus területei 2.
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”
2008. ősz
BMF NIK,
IRE 1/19
dr. Kutor László
Turing teszt
z z z z z z z
2008. ősz
„Férfi”
Bíró
„Nő” Beszéd alapú kommunikáió
2008. ősz
BMF NIK,
IRE 1/20
dr. Kutor László
z z z z z z
dr. Kutor László
2008. ősz
BMF NIK,
IRE 1/23
dr. Kutor László
Szerk: Futó Iván, 1999
Produkciós rendszerek Keresési stratégiák A predikátum kalkulus az MI-ben Cáfolással megoldható rendszerek Szabály alapú következtető rendszerek Alapvető terv-generáló rendszerek Strukturált objektumok reprezentációja
BMF NIK,
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
Mesterséges intelligencia
N. J. Nilson 2008. ősz
IRE 1/22
dr. Kutor László
Tankönyvek:
A mesterséges intelligencia klasszikus területei 1. z
BMF NIK,
A mesterséges intelligencia klasszikus alkalmazási területei
Alan Turing 1912-1954)
Célja: „egy számítógépről eldönteni, hogy intelligens-e”
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
IRE 1/21
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
2008. ősz
dr. Kutor László
BMF NIK,
IRE 1/24
Tankönyvek:
Nézőpontok
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 rendszere Logikusan gondolkozó ágensek Döntések meghozatala Elsőrendű logika Megfigyelés alapján történő tanulás A tudásbázis építése Neurális és valószínűségi hálók tanulá Következtetés az elsőrendű logikában, Kommunikáló ágensek Logikai következtető rendszerek Nyelv feldolgozás, Észlelés, Robotik IRE 1/25 2008. 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
2008. 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 2008. ősz
BMF NIK,
dr. Kutor László
IRE 1/27
2008. ősz
BMF NIK,
dr. Kutor László
IRE 1/28
