|
Włodzisław Duch |
 |
|
Włodzisław Duch |
|
AI jest częścią nauki zajmującej się rozwiązywaniem - za pomocą obliczeń - problemów, które nie są efektywnie algorytmizowalne, zwanej inteligencją obliczeniową (Computational Intelligence, CI).
Klasyczne AI: głównie modelowanie wiedzy, rozwiązywaniem problemów niealgorytmizowalnych w oparciu o symboliczną reprezentację wiedzy.
Inne dziedziny wchodzące w skład CI to sieci neuronowe, logika rozmyta, algorytmy genetyczne i programowanie ewolucyjne ("soft computing"), metody uczenia maszynowego, rozpoznawania obiektów (pattern recognition), metody statystyki wielowymiarowej, metody optymalizacji, metody modelowania niepewności - probabilistyczne, posybilistyczne, zgrzebne (zbiory i logika przybliżona), zagadnienia sterowania.
CI korzysta z inspiracji biologicznych, biocybernetycznych, psychologicznych, statystycznych, matematycznych, logicznych, informatycznych, inżynierskich i innych, jeśli mogą się one przydać do rozwiązywania efektywnie niealgorytmizowalnych problemów.
1. Gałąź AI, oparta na analizie logicznej, symbolicznej, koncepcyjne rozumienie inteligencji.
Czym jest wiedza? Jak ją reprezentować? Czy modelowanie wiedzy wystarczy dla osiągnięcia inteligencji?
2. Gałąź subsymboliczna, modelowanie mózgu, symulacje komputerowe zamiast logicznych analiz. Czy można zbudować sztuczny mózg?
Metody: głównie inżynieria wiedzy i szukanie rozwiązań.
Systemy doradcze: chemia, medycyna, matematyka (Mathematica!), wiele innych.
Siła napędowa dziedziny, wiele miliardów $, używane codziennie.
Pisma matematyczno-fizyczne są tłumaczone maszynowo z rosyjskiego na angielski od wielu lat.
Dowodzenie twierdzeń matematycznych: wielkie postępy, np. dowód hipotezy Robbinsa (1936) (czy każda algebra Robbinsa jest Boolowska), której przez 60 lat tacy matematycy jak Tarski nie potrafili udowodnić - dowód znaleziony przez system EQP (1996) liczy 17 wierszy.
Inne problemy matematyczne, które niedawno rozwiązano dotyczą: geometrii algebraicznej, teorii krat, teorii kwazikrat, autodualnych algebr Boolowskich, teorii grup, półgrup i kwazigrup, logiki kombinatorycznej, wielu innych działów matematyki i logiki.
Formalizacja całej matematyki: projekt QED.
Niektóre rezultaty omówione są na stronie: https://www.mcs.anl.gov/AR/new_results/
Mistrzowskie rezultaty: gra w szachy czy warcaby.
Inne gry: niewielki rynek, mało interesujący.
Mechanizm "porcjowania" przy pamiętaniu złożonych struktur, oceny heurystyczne oparte na pamięci.
Zdumiewające, że to się da zrobić, gdyż dostępne komputery mają poniżej 0.1%
szybkości przetwarzania i wielkości pamięci ludzkiego mózgu!
Tymczasem już niedługo za 1000 USD ...
Cycorp,Inc. www.cyc.com
Najbardziej ambitny system ekspertowy, oparty na regułach zawartych w bazie wiedzy o świecie - realizowany od 1984 roku.
Zdrowy rozsądek wymaga milionów reguł! Czy to realne?
Pierwsze milion reguł dotyczy spraw ogólnych, klasyfikacji, ograniczeń, takich pojęć jak czas, przestrzeń, substancja - podstawowa ontologia, umożliwiająca komunikację kilku systemów CYC.
KBNLP, Knowledge Based Natural Language Processing system.
The Cycic Friends Network - wielu ekspertów CYC pracujących nad jednym problemem, wykorzystując tekstowe bazy danych.
Specyfikacja dla komputerowego doradcy prezydenta USA w sprawach kryzysów politycznych oraz projektu "Battlespace - Course of Action" (finansowane przez DARPA).
Umysł - system kontrolny, określający zachowanie się układu przy oddziaływaniach ze złożonym, zmiennym w czasie środowiskiem.
Inteligencja - zdolność do wykorzystania wiedzy.
Podstawą inteligentnego zachowania są procesy poszukiwania rozwiązań.
Umysł działa w oparciu o zgromadzoną wiedzę.
Umysł to system intencjonalny, oparty na symbolach.
Symbol - klasa abstrakcji znaków symbolicznych, reprezentuje wiedzę.
Systemy symboliczne mają moc uniwersalnej maszyny Turinga.
SOAR - realizacja systemu opartego na wiedzy (SOW).
Mechanizm tworzenia porcji wiedzy działa w ciągły sposób na wynikach pośredniej realizacji celów, umożliwia tworzenie nowej wiedzy na wyższym poziomie hierarchii.
Np. R1-Soar, system ekspercki do konfiguracji systemów komputerowych
Bez uczenia: 1731 cyklów decyzji, 232 reguł
Po nauczeniu: 7 cykli, 291 reguł (dodanych w wyniku porcjowania)
Zastosowania:
Steve (Soar Training Expert for Virtual Environments) - przykład programu nauczającego z wykorzystaniem technik sztucznej inteligencji.
TacAir-Soar współpracuje z realistycznym systemem symulującym dynamikę sterowania samolotem i helikopterem oraz działania czujników samolotu (program firmy Lockheed), działa w całkowicie autonomiczny sposób, wykonując misje na podstawie informacji, które otrzymują piloci, sterując wieloma samolotami biorącymi udział w zadaniach. Testy w warunkach symulacji działań bojowych trwały wiele dni. System analizy mowy pozwala na wydawanie rozkazów głosem.
Act* zastosowano do: wyjaśnienia własności pamięci, kolejność odpowiedzi i przypominania, uczenie się nowych słów, uczenie się elementów programowania i rozumowanie geometryczne w czasie dowodzenia twierdzeń.
Act* jako baza do inteligentnych programów wspomagających nauczanie, tzw. tutoriali: LISP, Prolog, Pascal, algebra, geometria.
Testy w szkołach dały bardzo dobre wyniki.
Nowe umiejętności powstają w oparciu o wcześniej nabyte.
Ludzie nie tworzą pełnych, wiernych reprezentacji.
Wiele niespójnych reprezentacji używanych jest w różnych kontekstach.
Mózg nie ma CPU - nie ma centralnego kontrolera (np. rozczepione mózgi).
Mózg ma specyficzne ograniczenia, nawet w zakresie logiki.
Irracjonalność zachowań człowieka, rola emocji.
Rozwój: złożone zachowanie w oparciu o prostsze, analiza strategii chwytania zabawek przez niemowlęta; uczenie w etapach prostsze niż końcowe; mapy wizualno-motoryczne, uczenie wskazywania celu wzrokowego, stopniowe zwiększanie złożoności - niemowlęta robią ruchy synchronicznie, maja początkowo słaba ostrość wzroku.
Kontakty społeczne i opiekuńcze środowisko: konieczne do prawidłowego rozwoju, dlatego potrzebna jest humanoidalna
postać robota.
Zaburzenia, np. autyzm pokazują, jakie interakcje są ważne.
Dzielenie uwagi, kontakt wzrokowy, gesty i wyrazy twarzy, kiwanie głową.
Cielesność: bezpośrednie sprzężenie percepcji i działania motorycznego, pozwala na ugruntowanie sensu wewnętrznych reprezentacji.
Ludzka inteligencja wymaga ludzkiego ciała; łatwiej zrobić robota niż symulować grawitację, sprężystość, koordynacje kończyn itp.
Cog ma (1998) tułów o 21 stopniach swobody.
Dynamika systemu wynika z oddziaływania ze środowiskiem, informacji priopriorecepcyjnej, zmysłu równowagi.
Jedyne reprezentacje to wewnętrzne sekwencje motoryczne.
Integracja wielomodalna: zmysły wzajemnie sobie pomagają, iluzje akustyczne mogą wywołać iluzje wzrokowe i odwrotnie!
System stabilizacji obrazu wykorzystuje system równowagi i odruch VOR.
Orientacja: sygnały akustyczne i wizualne.
Zrobiono: ruchy sakadyczne oczu, koordynację słuchu i oczu, lokalizację dźwięku, układ równowagi, koordynację ruchu głowy i oczu, rąk i oczu, sprężystość kończyn, kontrolę ruchów, rozpoznawanie twarzy i kontakt wzrokowy, skórę wrażliwą na dotyk, kategoryzację dotykanych obiektów.
Pytania:
Jak rozwijać taki system? Jakie etapy i strategie uczenia?
Jakie zachowanie wywołuje zachowania opiekuńcze u ludzi?
Jakie motywacje, emocje, popędy są konieczne do komunikacji?
Jak ma wyglądać pamięć zdolności motorycznych i wzrokowo-przestrzennych?
Jak wykorzystać wyuczone zdolności w nowych kontekstach?
Jak osiągnąć spójne zachowanie zbioru różnych podsystemów o różnych (czasem sprzecznych) celach, zachowaniu, działaniu, stabilności?
Jak szczegółowo należy modelować biologiczne cechy organizmu?
Jak oceniać postępy w tworzeniu takiego systemu?
Inne ambitne projekty:
Shruti - rozumowanie refleksyjne, sieć robiąca 8 kroków rozumowania korzystając z bazy danych 500.000 faktów.
Psyche - European Brain Project, budowa symulatora mózgu dla celów neuropsychologii, 7 ośrodków europejskich.
TIT Brain Project (Tokyo Institute of Technology) - budowa uproszczonego sztucznego mózgu.
Komputerowa psychiatria: modele pamięci, różnego rodzaju amnezji (w tym dziecięcej), procesów degeneracji (neuropsychologia), zaburzeń mowy, halucynacji, problemów psychiatrycznych.
“Neural network models offer a better chance of rescuing the study of human psychological responses to drugs than anything else currently available” (Callaway, Halliday, Naylor, Yano, Herzig, Neuropsychopharmacology 1994).
Nawet proste modele wykazują wiele podobieństw do sposobu działania umysłu.
Świadomość jest zdolnością do interpretacji stanu mózgu, dyskryminacją ciągłych reprezentacji z punktu widzenia kategorii i wartości tych stanów dla systemu.
Wyniki pojawiają się w pamięci roboczej.
Nie widać
zasadniczych powodów, dla których systemy sztuczne o mózgopodobnej organizacji nie mogłyby być przekonane, że mają wrażenia i dla których mielibyśmy takie twierdzenia odrzucić (eksperymenty myślowe w filozofii umysłu nie dają do tego podstaw).
Bunt robotów raczej nam nie grozi - przestrzeń wirtualna systemów sztucznych będzie dla nich bardziej interesująca niż przestrzeń fizyczna.
Archiwa do nauk kognitywnych: AI, modeli kognitywnych, lingwistyki, filozofii, psychologii, psychofizyki ... https://www.is.umk.pl/~duch/cognitive.html
Nauki kognitywne na UMK https://kognitywistyka.umk.pl
Pismo "Kognitywistyka i media w edukacji" https://www.ped.uni.torun.pl/kognityw/index.htm
Do sieci neuronowych, neurobiologii i matematyki: https://duch-links.wikispaces.com/Neuroscience+and+the+Brain
Wszystko o komputerach, oprogramowaniu, Internecie ... https://www.is.umk.pl/~duch/book-fsk.html
Referaty: https://www.is.umk.pl/~duch/ref.html
