inteligentni_sustavi
TRANSCRIPT
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 2/13
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 3/13
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 4/13
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)
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 5/13
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 6/13
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 7/13
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 8/13
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 9/13
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 10/13
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 11/13
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!
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 12/13
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
7/25/2019 Inteligentni_sustavi
http://slidepdf.com/reader/full/inteligentnisustavi 13/13
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
Ljudi rade jako malo pretraživanja
ali dobro strukturiraju znanje s kojim rade
dobar dio zaključivanja izvodi se pomoćuprodukcijskih pravila
76
Ljudi rade jako malo pretraživanja
ali dobro strukturiraju znanje s kojim rade
dobar dio zaključivanja izvodi se pomoćuprodukcijskih pravila
77
klasifikacija informacija u memoriji olakšavaspremanje i pretraživanje informacija