inteligentni_sustavi

7/25/2019 Inteligentni_sustavi

http://slidepdf.com/reader/full/inteligentnisustavi 1/13

1

Metode potpore

odlučivanju

(1) Inteligentni sustavi(1) Inteligentni sustavi

Ovdje ćemo vidjeti

što su to inteligentni sustavi

što su to ekspertni sustavi

2

kako radi ljudski mozak

kako ljudi rješavaju probleme

Potreba za inteligentnim

sustavima

3

Inteligentni sustavi su sustavi temeljeni na znanju

4

Inteligentni sustavi su sustavi temeljeni na znanju

Ekonomija 21. stoljeća - transformira se uekonomiju znanja

u kojoj udio znanja u gospodarskim aktivnostima

5

posta e sve ve i

oko 70% proizvodnih troškova suvremenih automobila teoko 85% proizvodnih troškova CD-ova

otpada na elemente temeljene na znanju

U razvijenim zemljama svijeta raste potreba zavisokokvalificiranim ekspertima koji moguefikasno rješavati kompleksne probleme

Eksperata nema dovoljno

6



2

U razvijenim zemljama svijeta raste potreba zavisokokvalificiranim ekspertima koji mogu

efikasno rješavati kompleksne probleme

Eksperata nema dovoljno

7

Raste potreba za inteligentnim sustavima

koji mogu zamijeniti eksperte u područ jima ukojima ih nema dovoljno,

ili biti inteligentni asistenti stručnjacima koji nisudosegli najvišu razinu ekspertize

Razvoj inteligentnih sustava temeljen je na:

prikupljanju znanja

prikazu znanjau obliku pogodnom za korištenje na računalima

8

mehanizmu zaključivanjai objašnjavanja dosegnutih zaključaka

mogućnosti učenja na temelju iskustva

Osnovni pojmovi:

umjetna inteligencija je znanost o razvojuinteligentnih sustava

inteligentni sustavi su računarski sustavi kojikoriste znanje za rješavanje problema,

9

,

Osnovni pojmovi:

umjetna inteligencija je znanost o razvojuinteligentnih sustava

inteligentni sustavi su računarski sustavi kojikoriste znanje za rješavanje problema,

10

,

ekspertni sustavi su računarski sustavi koji koriste

specijalističko znanje za rješavanje problema uuskim domenama na razini eksperata

inženjerstvo znanja je proces izgradnjeinteligentnih sustava

Ekspertni sustavi su prva vrsta inteligentnihsustava koji su dosegli visoku kvalitetu i robusnost

te ušli u upotrebu u brojnim područ jima ljudskedjelatnosti

11

Ekspertni sustavi su prva vrsta inteligentnihsustava koji su dosegli visoku kvalitetu i robusnost

te ušli u upotrebu u brojnim područ jima ljudskedjelatnosti

12

Od 1990tih godina koristi se na tisuće ekspertnihsustava, i to u nizu raznih sustava, od medicine igeologije do poslovanja i proizvodnje

odobravanje kreditaprocjena rizika u osiguranjufinancijski savjeti o spajanju i akviziciji tvrtkiizbor portfelja koji optimalno realizira ciljeve investiranja



3

Reptile Identification Helper

13

Fish expert system

14

Softver XpertRule

15 16

Inteligentni sustavi spadaju i među sustave zapotporu odlučivanju

17

Inteligentni sustavi spadaju i među sustave zapotporu odlučivanju

Oni omogućuju prikaz problema i nalaženje njihovarješenja za probleme

18

- za e r e avan e ne pos o e o ove proce ureformule,

- i u kojima se koriste nepouzdani ili nepotpunipodaci i nepouzdano znanje



4

Kako radi ljudski mozak

19

Što je to što omogućuje da čovjek može rješavatikompleksne probleme, učiti, adaptirati se, bitikreativan?

Kako radi ljudski mozak?

20

Ljudski mozak je biološko računalo stvarano tijekomnekoliko milijuna godina čovjekove evolucije

To je masivno paralelno računalo u kojem senalazi oko 10-100 tisuća milijardi neurona, od kojih jesvaki povezan s desetak tisuća drugih neurona

21

Ljudski mozak je biološko računalo stvarano tijekomnekoliko milijuna godina čovjekove evolucije

To je masivno paralelno računalo u kojem senalazi oko 10-100 tisuća milijardi neurona, od kojih jesvaki povezan s desetak tisuća drugih neurona

22

Neuroni su vrlo jednostavni i relativno sporiračunalni elementi koji reagiraju na vanjske impulse

za približno jednu milisekundu

Kompleksnost veza među neuronima je ključnirazlog koji omogućuje izvanredne sposobnosti mozga

23

Neuron koji je biopobuđen prenosi

informaciju drugim

neuronima pomoću

generiranja impulsa

(akcijski potencijali)

24

Ti signali šire se

poput valova niz

aksone ćelije, i

pretvaraju se u

kemijske signale na

sinapsama

(točkama kontakta

među neuronima)



5

25

Lokalizacija aktivnosti ljudskog mozga za

izvođenje različitih aktivnosti

(mjerenje toka krvi u mozgu)26

Lokalizacija aktivnosti ljudskog mozga za

izvođenje različitih aktivnosti

(mjerenje toka krvi u mozgu)

Ljudski mozak ima kratkotrajnu i dugotrajnumemoriju

27

Ljudski mozak ima kratkotrajnu i dugotrajnumemoriju

U dugotrajnoj memoriji trajno se spremaju simboličkestrukture, tj. objekti i veze među njima

→ omogućuje efikasan i brz pristup podacima

28

U kratkotrajnoj memoriji izvodi se interpretacija novihinformacija

- neprekidna obrada novih podataka koji stižu osjetilnimkanalima,

- analiza korištenjem podataka iz dugotrajne memorije,- pamćenje (spremanje u dugotrajnu memoriju

29

+ uspostavljanje veza sa srodnim objektima)

potrebno je oko 7 sekundi da se jedna simbolička struktura

uskladišti u dugotrajnu memoriju i da se stvore sve veze koje

omogućuju nalaženje i pretraživanje te strukture

pristup tako spremljenim informacijama u dugotrajnoj memoriji

izvanredno je efikasan, i njih je moguće pronaći u vremenu

kraćem od desetinke sekunde

30



7

Veze među grumenima se najčešće spremaju uobliku hijerarhijskih struktura

u kojima su objekti na nižim razinama vezani zanadređene objekte na višoj razini

38

Zemlja

Afrika Amerika

Sjeverna Amerika

Srednja Amerika

Južna Amerika

Azija

KanadaSAD

Europa

-broj stanovnika-površina-društveni proizvod

39

California Georgia

Atlanta Macon Athens

Arkansas Kentucky

Primjer hijerarhijske strukture koju ljudski mozak koristi zaprikazivanje veza među pohranjenim skupinama informacija

Hijerarhijske strukture podataka znatno ubrzavajupristup podacima i analizu podataka

Eksperti mogu zapamtiti pedesetak do stotinjaktisuća grumena informacija u područ ju svoje

40

Mogu li strojevi biti

inteligentni

41

Kako uopće ustanoviti da li je neki stroj inteligentan?

Turingov test - empirijski postupak koji može datiodgovor na pitanje da li je neki stroj inteligentan

42



8

ispitivač

43

Turingov test za ispitivanje inteligencije strojeva

(ispitivač nastoji dokučiti tko je čovjek a tko računalo)

računalokoje imitiračovjeka

Jedini ozbiljan kandidat za inteligentne strojeve suračunala, koja su programabilni strojevi općenamjene

Računala su strojevi koji mogu baratati s bilo kojomvrstom simbola,

44

pa čak i pojmovima i zamislima

Razvoj umjetne inteligencije i

inteligentnih sustava

45

Nastanak umjetne inteligencije(sredina 1940tih – sredina 1950tih)

1943: filozof i liječnik Warren McCulloch imatematičar Walter Pitts napravili model neurona umozgu u obliku umjetne neuronske mreže

46

Nastanak umjetne inteligencije(sredina 1940tih – sredina 1950tih)

1943: filozof i liječnik Warren McCulloch imatematičar Walter Pitts napravili model neurona umozgu u obliku umjetne neuronske mreže

47

1950: Claude Shannon je objavio rad o strojevimakoji igraju šah

pokazao da tipična šahovska partija ima oko 10120 mogućihpoteza

očito da je u traženju rješenja složenih problema potrebnokoristiti približne (heurističke) postupke

Modeli za univerzalno rješavanje problema(sredina 1950tih – kraj 1960tih)

1961: Alan Newell i Herbert Simon razvili programGeneral Problem Solver koji je oponašao način na kojiljudi rješavaju probleme - neefikasan

48



9

Modeli za univerzalno rješavanje problema(sredina 1950tih – kraj 1960tih)

1961: Alan Newell i Herbert Simon razvili programGeneral Problem Solver koji je oponašao način na kojiljudi rješavaju probleme - neefikasan

49

1963: Newell, Simon i Shaw razvili program LogicTheorist koji je uspio dokazati dio teorema iz knjigePrincipia Mathematica (Whitehead i Russel, 1910)

dokaz jednog od teorema bio je kraći i elegantniji od onogprikazanog u toj knjizi

Korišteni su općeniti mehanizmi pretraživanja kojisustavno ispituju cijeli prostor stanja

gotovo uopće nisu korišteni specifični podaci opodruč ju problema koji je rješavan

50

Korišteni su općeniti mehanizmi pretraživanja kojisustavno ispituju cijeli prostor stanja

gotovo uopće nisu korišteni specifični podaci opodruč ju problema koji je rješavan

51

to dovodi do kombinatoričke eksplozije - broj stanjakoja se pretražuju raste eksponencijalno s porastom

veličine problema

⇒ nemogućnost rješavanja kompleksnih problema

Budući da čovjek uspješno rješava teške probleme

očito eksperti ne rješavaju probleme pretraživanjemcijelog prostora stanja već to rade na neki drugi,inteligentniji način

52

Budući da čovjek uspješno rješava teške probleme

očito eksperti ne rješavaju probleme pretraživanjemcijelog prostora stanja već to rade na neki drugi,inteligentniji način

53

to je potaklo razvoj heurističkih (približnih i intuitivnih)postupaka rješavanja problema koji ne daju uvijekegzaktna rješenja problema

ali je rješavanje efikasno, a ta rješenja su ipak čestoposve zadovoljavajuća

Tijekom 15tak godina intenzivnog rada u područ juumjetne inteligencije nisu postignuti ozbiljnijiznanstveni ili aplikativni rezultati

⇒ početkom 1970tih godina gotovo su potpunoobustavljena financiranja te vrste istraživanja

54



10

Razvoj ekspertnih sustava(početak 1970tih – sredina 1980tih)

Istraživanja su se preorijentirala na razvoj ekspertnihsustava

Došlo je i do razvoja važnih tehnika predstavljanja

55

Razvoj ekspertnih sustava(početak 1970tih – sredina 1980tih)

Istraživanja su se preorijentirala na razvoj ekspertnihsustava

Došlo je i do razvoja važnih tehnika predstavljanja

56

DENDRAL – ekspertni sustav za određivanjemolekularne strukture nepoznate organske tvari

- NASA: za izvođenje kemijske analize tla na Marsu

- ugrađeno iskustvo analitičkih kemičara koji mogu drastičnoograničiti broj mogućih molekularnih struktura

- ima snagu doktora znanosti iz područ ja kemije

MYCIN – ekspertni sustav za dijagnozu i terapijuinfektivnih bolesti krvi

postizao približno jednaku razinu kvalitete kao eksperti za topodruč je, a znatno bolju od mlađih liječnika

57

MYCIN – ekspertni sustav za dijagnozu i terapijuinfektivnih bolesti krvi

postizao približno jednaku razinu kvalitete kao eksperti za topodruč je, a znatno bolju od mlađih liječnika

PROSPECTOR – sustav za ispitivanje nalazištaminerala

58

1980. go ine i enti icirao naazi te moi ena izu MountTolman u Washington State

bušenja koja su slijedila pokazala su da je to nalazište bilovrijedno preko stotinu milijuna dolara

Ekspertni sustavi tog doba imali su nekolikonedostataka:

nisu imali mogućnost učenja iz svojeg iskustva

mogućnost objašnjavanja im je bila ograničena,er nisu imali dubl e razumi evan e odruč a r ešavan a roblema

59

razvoj ekspertnih sustava je trajao dugo

Razvoj “mekog” računarstva(sredina 1980tih – do danas)

Razvoj i disciplina tzv. «mekog računarstva»:neizrazita logika , neuronske mreže i evolucijskera č unarstvo ,

60

koje su omogućile otklanjanje nedostataka prvegeneracije ekspertnih sustava i stvaranje tzv.hibridnih inteligentnih sustava



11

Neizrazita logika – omogućuje prikaz nepouzdanih inepreciznih podataka i znanja na način na koji torade eksperti

- manje pravila

- brže izvođenje procesa zaključivanja

- znanje prikazano na način na koji ga prikazuju

61

Neizrazita logika – omogućuje prikaz nepouzdanih inepreciznih podataka i znanja na način na koji torade eksperti

- manje pravila

- brže izvođenje procesa zaključivanja

- znanje prikazano na način na koji ga prikazuju

62

Neuronske mreže – imitacija rada ljudskog mozga

- mogu učiti,

- prilagoditi se promjenama u okolini

Evolucijsko računarstvo – imitacija biološke evolucijeu kojoj najsposobnije jedinke imaju najvećuvjerojatnost preživljavanja i reprodukcije

- mogu naći optimum složenih nelinearnih funkcija

63

Hibridni inteligentni sustavi – kombiniraju dobrestrane tradicionalnih ekspertnih sustava te mekogračunarstva

- prikaz nepouzdanih i nepreciznih podataka

- učenje iz primjera

- približno zaključivanje, itd.

64

Igranje igara

1994: dame – predaja svjetskog prvaka u igri protivračunala

1997: šah - Gari Kasparov izgubio 2. meč od IBM

65

Deep B ue programa

Checkers

66

rogram noo au or ona an c ae er

In a first mach with dr. Marion Tinsley in 1992,

a person who was a world champion for 40 years

and who lost just three games in all these years,

dr. Tinsley won

However, in this match dr. Tinsley suffered his 4th and 5th

losses!



12

In the match played in 1994 Tinsley had to withdraw

from the match for health reasons (6 draws were played

until then)

Chinook became the official world champion

67Marion Tinsley

Šah

1997 Deep Blue – Kasparov 3.5:2.5

68

pozicija u kojoj Kasparov u zadnjojpartiji predaje kao crni

69

Learning

EURISKO model by Douglas Lenat

program for discovering and developing heuristics(approximate methods for solving problems)

70

generating these heuristics

newly generated heuristics were evaluated byobserving how they work in practice,

and heuristics that performed bettergot higher weights

EURISKO was successful in different applications:

e.g. in generalization of 2-D integrated circuit junction designto 3-D in VLSI chip design

One interestin a lication: in la in a ver com lex

71

futuristic war game called Traveller

each player must build a fleet from a constrainedbudget and obeying extremely complicated rules

(200 pages long book with rules)

Basic concepts of the game were incorporated toEurisko

after that it played thousands of simulatedbattles used to collect data for evaluation of itsfleet design heuristics

72



13

Basic concepts of the game were incorporated toEurisko

after that it played thousands of simulatedbattles used to collect data for evaluation of itsfleet design heuristics

73

On the basis of this experience Eurisko formed astrange fleet of lightly armoured and heavily armedfast ships

however this strange fleet won every battle itplayed and became a US Traveller champion

Kako ljudi rješavaju probleme

74

Ljudi rade jako malo pretraživanja

ali dobro strukturiraju znanje s kojim rade

75



dobar dio zaključivanja izvodi se pomoćuprodukcijskih pravila

76



dobar dio zaključivanja izvodi se pomoćuprodukcijskih pravila

77

klasifikacija informacija u memoriji olakšavaspremanje i pretraživanje informacija

inteligentni_sustavi

Documents