47327396 inteligenta artificiala viata artificiala

Inteligenţă artificială

14. Viaţa artificială Florin Leon

Universitatea Tehnică „Gh. Asachi” Iaşi Facultatea de Automatică şi Calculatoare

http://florinleon.byethost24.com/curs_ia.htm

Florin Leon, Inteligenta artificiala, http://florinleon.byethost24.com/curs_ia.htm

2

Viaţa artificială

1. Introducere

2. Automate celulare

3. Sisteme Lindenmeyer

4. Inteligenţa colectivă

5. Simulări bazate pe agenţi

6. Concluzii


3

Viaţa artificială

1. Introducere





6. Concluzii


4

Termenul “ALife”

Propus la un workshop organizat de Los Alamos National Laboratory, 1987

Domeniul încearcă să îmbine cercetările multidisciplinare cu privire la modelările şi simulările biologice

Aceste fenomene sunt neliniare, ceea ce poate conduce la: Haos: schimbări mici în condiţiile iniţiale produc

diferenţe mari la rezultate

Trăsături de nivel superior: emergenţă, atractori


5

Caracteristicile simulărilor ALife

Abordare bottom-up

Control local

Reguli simple de acţiune

Modele multi-agent


6

Viaţa naturală şi viaţa artificială

Dicţionarul Webster:

Viaţa este condiţia generală care distinge organismele de elementele anorganice şi de organismele moarte, manifestată prin:

creştere pe baza metabolismului

mijloace de reproducere

reglaj intern ca răspuns la mediu


7

Scopurile vieţii artificiale


8

VA şi IA

Viaţa artificială este pentru biologie ceea ce inteligenţa artificială este pentru psihologie

Simulările bazate pe agenţi sunt interesante şi pentru sociologie şi psihologie socială


9

Viaţa artificială

1. Introducere





6. Concluzii


10

Sisteme complexe

Sunt sisteme dinamice alcătuite din componente similare, cu o structură relativ simplă

Componentele interacţionează după reguli locale, de asemenea simple (uşor de înţeles)

Comportamentul global al unui astfel de sistem este emergent

Nu poate fi estimat apriori pe baza regulilor locale şi nu poate fi explicat uşor


11

Automate celulare

engl. “cellular automata”

Mediul este o latice, o mulţime discretă de celule alăturate

Timpul este de asemenea discret

Celulele au o serie de proprietăţi care se pot modifica în timp (au stare)

Starea unei celule la momentul t+1 depinde de starea proprie şi de starea altor celule vecine la momentul t

Actualizările stărilor se fac în paralel


12

Exemplu

Automat celular unidimensional


13

Exemplu

Automat celular bidimensional


14

Tipuri de mediu

infinit

limite fixe, cu stări predefinite

limite reflective, influenţează numai celulele „interioare”

periodic


15

Exemplu

XOR


16

Rezultate

Configuraţie simetrică, 128 de paşi

Configuraţie iniţială aleatorie, apar totuşi modele în evoluţie


17

Jocul vieţii

engl. “Game of Life”, Conway (1970)

Automat celular bidimensional

Fie n numărul de vecini vii ai unei celule

Reguli:

Dacă n < 2, celula moare de singurătate

Dacă n > 3, celula moare de supra-aglomerare

Dacă n = 3, celula renaşte (se naşte o nouă celulă)

Altfel, celula îşi păstrează starea anterioară


18

Modele emergente

Modele statice

Modele oscilante

Modele glisante

Modele de dezvoltare

Modele instabile (neperiodice)


19

http://florinleon.byethost24.com/home/prog_jt.htm


20

Proprietatea de calcul universal

Capacitatea de a putea calcula tot ce poate fi calculat Maşina Turing

Automatele celulare Memorie: modelele statice

Numărătoare: modelele oscilante

Flux de informaţii: modelele glisante

Nu se poate spune dacă o anumită configuraţie va genera în timp configuraţia nulă sau va evolua într-o configuraţie stabilă sau periodică Problema opririi la Maşina Turing: nu se poate prezice dacă

pentru o anumită intrare, un algoritm se va termina sau va rula la infinit


21

Viaţa artificială

1. Introducere





6. Concluzii


22

Sisteme Lindenmeyer

engl. “Lindenmeyer systems”, “L-systems”

Propus iniţial ca formalism matematic pentru modelarea creşterii plantelor (Aristid Lindenmeyer, biolog, 1968)

Sistem de producţie

+ roteşte dreapta

- roteşte stânga

[ salvează poziţia şi unghiul

] reface poziţia şi unghiul


23 Florin Leon, Inteligenta artificiala, http://florinleon.byethost24.com/curs_ia.htm

24

LOGO

“Turtle graphics”


25

Exemple


26

Exemple


27

Modele 3D

mentă traista ciobanului


28

Fractali

Structuri auto-similare la scări multiple

O porţiune mică dintr-un fractal arată la fel ca întregul


29

Exemple

Ferigă fractală Model al sistemului vascular


30

http://florinleon.byethost24.com/home/prog_gf.htm


31

Viaţa artificială

1. Introducere





6. Concluzii


32

Albinele: căutarea hranei

Colectarea hranei depinde de timpul de aşteptare la livrarea hranei în stup

Dacă stupul are deja multă hrană, albinele care o depozitează au nevoie de mai mult timp pentru a găsi celule goale

Timpul de aşteptare mai mare determină albinele colectoare să caute hrană de calitate mai bună, mai greu de găsit şi care necesită deci mai mult timp


33

Viespile: diferenţierea rolurilor

Organizarea: un singur şef, un grup de căutători de hrană şi un grup de îngrijitori ai larvelor

Toate rolurile sunt ocupate de viespi identice din punct de vedere genetic

Fiecare viespe are doi parametri:

Forţă – determină mobilitatea

Pragul de căutare – probabilitatea de a merge să caute hrană (prag mai mic ⇒ probabilitate mai mare)

Larvele au un parametru Cerere, care stimulează căutătorii


34

Viespile: diferenţierea rolurilor

Când 2 viespi se întâlnesc, are loc o confruntare, cu probabilitatea de succes:

Când larvele primesc hrană, Cererea scade

Căutarea hranei scade Cererea şi deci şi stimularea de a căuta hrană

Şeful se plimbă prin cuib şi confruntă alte viespi, astfel încât echilibrează variabilele din cadrul populaţiei

Auto-organizare prin interacţiuni repetate:

Căutători: Forţă mare şi Prag de căutare mic

Îngrijitori: Forţă mică şi Prag de căutare mare

Şef: Forţă mare şi Prag de căutare mare


35

Termite: construirea muşuroiului

Termitele depun resturi de metabolizare, care conţin feromoni

Alte termite vor depune resturi lângă grămezile cu feromoni mai puternici

Concentraţia de feromoni scade în timp

La început apar depozite distribuite aleatoriu

Apoi apar coloane

Coloanele se unesc prin arce


36

Furnicile: sortarea

Furnicile au tendinţa să grupeze hrana, larvele Dacă se distribuie conţinutul unui muşuroi pe o suprafaţă

plană, lucrătoarele încep să sorteze hrana şi larvele

Reguli: Furnicile văd numai obiectele apropiate din faţă

Dacă un obiect este departe de altele, probabilitatea de a fi ridicat este mare; dacă sunt prezente şi alte obiecte, probabilitatea este mică

Probabilitatea de a pune jos un obiect creşte dacă în apropiere sunt şi alte obiecte similare

f este fracţiunea de obiecte similare


37

Rezultate timp

simulare furnici reale


38

Cooperarea

Comportamentul cooperant al speciilor mai evoluate poate fi simulat ca o trăsătură emergentă a interacţiunilor individuale

Strategia unui individ de a da înapoi atât cât a primit de la altul


39

Optimizarea rutei

Stigmergie

O formă de comunicare indirectă prin modificarea mediului

Urme de feromoni

Probabilitatea de a alege o rută depinde de concentraţia de feromoni


40

Ant-Based Control

Hewlett-Packard, British Telecom: aplicarea ideii pentru echilibrarea încărcării şi rutarea mesajelor în reţele de telecomunicaţii

Se creează în continuu agenţi / furnici în fiecare nod şi li se atribuie destinaţii aleatorii

Urmele de feromoni contribuie la actualizarea tabelelor de rutare

Probabilităţile de alegere a unui nod vecin


41

Ant-Based Control

pentru nodul de unde a venit furnica

pentru celelalte intrări

furnicile îmbătrânesc şi depun mai puţini feromoni Δp scade în timp


42

Ant Colony Optimization

„Optimizarea de tip colonie de furnici”

Metodă probabilistică pentru rezolvarea unor probleme care pot fi reduse la găsirea unor căi în grafuri

Caracteristici:

Mulţime de indivizi cooperanţi

Comunicare prin stigmergie

Indivizii descoperă calea de la starea iniţială la starea finală (soluţia problemei)

Deciziile sunt locale şi stohastice


Parcurgerea grafului

Iniţial, m furnici sunt plasate aleatoriu în m noduri

În fiecare iteraţie t, fiecare furnică k se mută din nodul i în nodul j, reprezentând o soluţie intermediară mai completă

Alegerea este stohastică, pe baza nivelului de feromoni τij al arcului (i,j) şi a atractivităţii ηij a arcului


Selecţia unui arc

ηij este în general o funcţie de lungimea arcului, de obicei ηij = 1 / dij

α ≥ 0, β ≥ 1

Nik este o vecinătate fezabilă a furnicii k,

adică mulţimea nodurilor nevizitate încă


Actualizarea feromonilor

ρ este persistenţa urmei de feromoni iar (1 – ρ) este rata de evaporare, 0 ≤ ρ < 1

este cantitatea de feromoni depozitată de furnica k pe arcele traversate

Lk(t) este lungimea turului furnicii k

45

dacă arcul (i,j) este traversat de furnica k în iteraţia t

altfel


46

Probleme tipice

Problema comis-voiajorului

Atribuirea cuadratică

“Job-shop scheduling”

Rutarea vehiculelor

Cea mai scurtă supersecvenţă comună

Colorarea grafurilor

Ordonarea secvenţială

Reţele de comunicaţii Pentru explicaţii, vezi suportul de curs


47

Boids

Simulează un stol de păsări (Reynolds, 1987)

Reguli:

Apropierea de centrul de greutate al vecinilor

Evitarea coliziunilor cu vecinii

Potrivirea vitezei cu aceea a vecinilor


48

Pseudocod


49

Regula 1: Apropierea

se mută 1% înspre centru


50

Regula 2: Evitarea coliziunilor

se dublează distanţa dintre 2 boids, separare lină


51

Regula 3: Potrivirea vitezei

se adaugă o fracţie


52

Comportament

Comportamentul de „stol” este emergent


53

Particle Swarm Optimization

„Optimizarea de tip roi de particule”

Metodă de optimizare bazată pe indivizi care imită comportamentul stolurilor de păsări sau roiurilor de insecte (Kennedy & Eberhart, 1995)


54

Algoritmul PSO

Fiecare particulă are:

xi: poziţia curentă

vi: viteza curentă

yi: poziţia personală cea mai bună

y^i: poziţia cea mai bună a vecinătăţii


55

Iniţializarea

Pentru fiecare particulă, se iniţializează aleatoriu poziţiile xi şi vitezele vi

Iniţial, vitezele pot fi setate la 0


56

Ajustările (I)

Se evaluează funcţia obiectiv a particulei, f(xi)

Se actualizează optimul personal

Problemă de minimizare

Se calculează optimul social (al vecinătăţii)


57

Ajustările (II)

Pentru fiecare dimensiune, se actualizează viteza

Se actualizează poziţia curentă

Se repetă paşii până este satisfăcut un criteriu de convergenţă

ponderea inerţiei componenta cognitivă componenta socială c1,2 - constante de acceleraţie r1,2 - numere aleatorii în (0,1)


58

Variante

Varianta prezentată este globală: gbest

În varianta locală, lbest, se consideră mai multe vecinătăţi posibil suprapuse

Vecinătatea poate fi definită de indicii particulelor sau de poziţiile lor

y^i se calculează pentru fiecare vecinătate

Abordarea lbest conduce la o diversitate mai mare, dar este mai lentă decât abordarea gbest

Criterii de convergenţă

Număr maxim de iteraţii

Actualizări ale vitezelor apropiate de 0


59

Parametrii

Ponderea inerţiei w defineşte compromisul între explorare şi exploatare

O valoare mai mică scade viteza particulelor mai multă exploatare

O valoare mai mare creşte viteza particulelor mai multă explorare

Pentru a asigura convergenţa algoritmului:

Viteza poate fi limitată la un Vmax


60

PSO şi AE

Asemănări şi deosebiri între Particle Swarm Optimization şi Algoritmii evolutivi:

Indivizii din PSO au funcţii obiectiv

Ajustările sunt asemănătoare cu încrucişările

PSO este inspirat de comportamentul social, nu de selecţia naturală

Indivizii din PSO au „memorie”


61

Avantaje

PSO este un algoritm continuu, AE pot fi discreţi

PSO este mai bun decât AE pentru unele probleme continue de optimizare şi în special pentru probleme de dimensiuni mari

Performanţele PSO nu depind de numărul de particule; trebuie doar să nu fie prea mic

PSO cu un număr redus de particule are performanţe comparabile cu AE cu populaţii mai mari


62

Dezavantaje

Convergenţa prematură

PSO găseşte soluţiile mai rapid decât algoritmii evolutivi, dar de obicei soluţia nu se mai îmbunătăţeşte în timp

O particulă converge la un punct dintre optimul personal şi optimul social; acest punct poate să nu fie nici măcar optim local al problemei

Performanţele depind de problemă

Parametrii trebuie aleşi pentru fiecare problemă în parte


63

Viaţa artificială

1. Introducere





6. Concluzii


64

Modelul Sugarscape

Mediul are cantităţi variabile de zahăr

Agenţii au metabolism şi consumă zahăr

La fiecare mişcare, agenţii consumă o cantitate de zahăr; când consumă tot zahărul, mor

Agenţii pot privi în direcţii paralele cu axele, dar nu în diagonală

Agenţii merg în celula cu cea mai mare cantitate de zahăr din câmpul lor vizual (la egalitate, cea mai apropiată celulă) şi o consumă

Agenţii pot depozita zahărul neconsumat


65

Modelul Sugarscape


66

Sugarscape, G∞

zahărul consumat se regenerează complet

într-un pas


67

Sugarscape, G1

zahărul consumat se regenerează cu o unitate

la fiecare pas


68

Evoluţia populaţiei

Populaţia se stabilizează la un număr de agenţi care pot fi hrăniţi de mediu


69

Distribuţia „averii”

O mică parte din agenţi au cea mai mare parte din cantitatea de zahăr


70

Diagonale de migraţie emergente

Agenţii individuali nu se pot mişca pe diagonală


71

Economia: zahăr şi mirodenii

MRS = rata de substituţie marginală

preţul local

w – acumularea t – metabolismul


72

Modelul segregării al lui Schelling

Este un exemplu de comportament emergent puternic, care arată că într-o societate pot exista fenomene segregaţioniste evidente chiar dacă indivizii nu sunt neapărat foarte segregaţionişti

În model există agenţi de 2 culori

Fiecare agent este mulţumit dacă are n vecini de aceeaşi culoare

Dacă nu este mulţumit se mută aleatoriu în altă celulă


73

Comunitatea lui Schelling

n=2

n=1


74

Comunitatea lui Schelling

În primul caz, fiecare agent ar fi mulţumit dacă ar avea 2 vecini de aceeaşi culoare şi 2 vecini de altă culoare

La echilibru ar fi stabilă o situaţie ca aceea de mai jos

Apare totuşi un fenomen de segregare involuntar


75

Modelul lui Hammond

Este un model al corupţiei sociale

Societatea are cetăţeni şi birocraţi, care pot fi corupţi (C) sau oneşti (O)

Interacţiuni posibile C + C recompensă pozitivă

C + O denunţ

O + O recompensă nulă

După un număr (necunoscut) de denunţuri, un corupt este arestat


76

Modelul lui Hammond

Galben: corupţi

Albastru: oneşti

Roşu: arestaţi

Un agent ştie ce i se întâmplă lui şi prietenilor lui

Dacă mai mulţi prieteni sunt arestaţi, agentul va deveni mai cinstit

Presiunea socială (frica) determină creşterea numărului de indivizi oneşti


77

Modelul lui Hammond

Dacă numărul de agenţi arestaţi este necunoscut, frica îi determină să devină oneşti

Când numărul arestaţilor din întreaga societate este cunoscut, presiunea nu mai este suficientă pentru a-şi schimba comportamentul


78

Modelul lui Epstein

Coexistenţă paşnică

Genocid artificial

Când tensiunea socială depăşeşte un prag, un agent omoară alt agent de altă culoare


79

SWARM: Heatbugs

Fiecare „gândac” generează o cantitate mică de căldură

Gândacii sunt mai fericiţi când au mai multă căldură

Rezultatul este gruparea acestora pentru a avea mai multă căldură împreună


80

SWARM: Mousetrap

Model al fisiunii nucleare

Fiecare cursă de şoareci conţine două mingi de ping-pong

La început se aruncă o minge de ping-pong în mijlocul curselor

O cursă se închide şi aruncă cele două mingi la rândul ei, care determină închiderea altor curse


81

Mousetrap Florin Leon, Inteligenta artificiala, http://florinleon.byethost24.com/curs_ia.htm

NetLogo: Etnocentrism (Axelrod & Hammond)


83

Framsticks: creaturi evoluate artificial


84

Framsticks


85

Framsticks


86

Concluzii

Viaţa artificială este un domeniu interdisciplinar care implică biologia, psihologia, ştiinţele cognitive şi matematica

Dezvoltarea de modele în biologia sintetică îşi găseşte aplicabilitatea în biomedicină, unde standardizarea componentelor biologice sintetizate şi formalizarea metodologiilor rămâne o problemă nerezolvată


47327396 inteligenta artificiala viata artificiala

Documents

Inteligenta Artificiala - Curs 1

Introducere in Inteligenta Artificiala

13 Inteligenta Artificiala Sisteme Expert

Inteligenta artificiala: Reprezentarea cunoasterii

Inteligenta artificiala- Teorie

inteligenta artificiala curs2

Curs Inteligenta Artificiala-master

Inteligenta Artificiala poitehnica bucuresti

Inteligenta artificiala: Logica vaga / fuzzy

Inteligenta artificiala: Introducere

inteligenta artificiala licenta

Inteligenta artificiala: Tehnici de clasificare

Inteligenta artificiala: Strategii de cautare

Inteligenta artificiala

Proiect Inteligenta Artificiala

inteligenta artificiala curs1

Inteligenta artificiala: Invatarea cu intarire

Curs1 Inteligenta Artificiala

Curs Inteligenta Artificiala

Inteligenta artificiala: Jocuri. Satisfacerea constrangerilor