INTELLIGENS GÉPEK MESTERSÉGES INTELLIGENCIA

INTELLIGENCIA Definíciós nehézség Több komponens Viszonyítási alap Kulturális háttér Műveltség, tapasztalat Feldolgozó képesség

INTELLIGENCIA Az intelligencia az a képességünk, hogy nem teljesen meghatározott célok elérése érdekében is tudunk döntéseket hozni. Intelligenciánk fokmérője az, hogy döntésünk mennyire volt jó azaz végrehajtása után milyen pontosan sikerült elérnünk célunkat és mennyire volt gyors.

INTELLIGENCIA Nyelvi Vizuális-térbeli Logikai-matematikai Érzelmi Zenei Interperszonális Mozgási Metakognitív Szexuális Pénzügyi Vezetői (Kreativitás, Savantok)

MESTERSÉGES INTELLIGENCIA Egy gép, program vagy mesterségesen létrehozott tudat által megnyilvánuló intelligencia. Fejlesztésének az a célja, hogy olyan gépeket hozzanak létre, amik önálló döntésre képesek.

Definiáljuk az ultraintelligens gépet olyan gépként, amely messze túlhaladja a lehető legintelligensebb ember intellektuális tevékenységét is. Mivel a gépek tervezése az intellektuális tevékenységek egyike, egy ultraintelligens gép még jobb gépeket tud tervezni; nem kérdés, hogy egy intelligenciarobbanás történne, ami messze lehagyja az emberi intelligenciát. Az ultraintelligens gép így egyben az emberiség utolsó szükséges felfedezése, feltéve persze, hogy a gép elég engedelmes, és elmondja, hogyan tarthatjuk ellenőrzésünk alatt. (I. J. Good)

THE RISE OF ARTIFICIAL INTELLIGENCE

Egész gyorsan kiszorítanak minket a létezésből. Másokkal szemben engem ez a lehetőség nem tölt el aggodalommal, én ezeket a jövőbeli gépeket a leszármazottainknak, elmebeli gyermekeink -nek tartom, akiket képünkre és hasonlatosságunkra építettünk, önmagunkként egy jóval nagyobb képességű alakban. A korábbi generációk biológiai gyermekeihez hasonlóan az emberiség hosszú távú jövőről alkotott legjobb reményét testesítik meg. Belső kötelességünk minden előnyt megadni nekik és ellépni útjukból, ha már többet nem tudunk segíteni. (Moravec)

MESTERSÉGES INTELLIGENCIA Állandó emberi beavatkozás nélkül képes legyen válaszolni környezeti behatásokra (automatizáltság) Képes legyen hasonlóan viselkedni, mint egy természetes intelligenciával rendelkező élőlény (másolás) Képes legyen viselkedését célszerűen és megismételhető módon változtatni (tanulás)

GÉPEK LÁZADÁSA

AZ ORGANIZMUS Evolúció, Techvolúció Adaptáció (nem a legerősebb marad fenn) Környezettel való érintkezés, új környezet Az ember számítási kapacitása és memóriája Önmeghaladási képesség, tanulás Hardver + szoftver = Test + lélek + tudat (szellem)? Dualizmus vesrus Materializmus Honnantól élőlény (ember) egy gép?

DETERMINIZMUS ÉS ÉRZELMEK Szabad akarat (az a mód, ahogyan a választási lehetőségek észlelése a döntési folyamat számára megjelenik), ok és okozat, determináció, véletlen

DETERMINIZMUS ÉS ÉRZELMEK Érzelmek: Az érzelem olyan szubjektív állapot, amely a környezetünk fontos változására adott reakcióként fogható fel, ami a további viselkedést meghatározza. Ember másolása, Turing-teszt, Borzongások völgye Ember vagy állat másolása (Etorobotika)

AZ ÉLET ÉS A FELFEDEZÉS Gépi látás, hallás, szaglás, ízlelés, tapintás, 6. Tudjuk-e a percepciós és kognitív funkciókat modellezni? Mi az élet? Hogyan jött létre? Miért csökkenti a homogenitást? A legegyszerűbb élőlények?

MESTERSÉGES INTELLIGENCIA Az MI a legnehezebb probléma az emberiség életében. (Marvin Minsky, 1927) Erős MI: gondolkodásra és érzelmekre képes, tudattal rendelkező gép (Az emberek belső mentális állapota valós?) Gyenge MI: nem gondolja, hogy előbbiek valóban léteznének, csak modellezi őket (viselkedés a fontos) Egy értelem megalkothatja-e saját magát?

EMBER: Szonetted első sorában, mely úgy hangzik, hogy hasonlítanálak téged a nyári naphoz, nem lenne legalább ugyanolyan jó, ha tavaszi nap szerepelne? GÉP: Nem jönne ki az ütem. EMBER: De ha téli nap lenne? Ez ütemre ugyanolyan jó. GÉP: Persze, de hát senki sem szeretné, ha egy téli naphoz hasonlítanák. EMBER: Mondanál olyat, hogy Pickwick úr a karácsonyra emlékeztet téged? GÉP: Bizonyos értelemben igen. EMBER: A karácsony viszont egy téli nap, és én nem gondolom, hogy Pickwick úrnak ellenére lenne az összehasonlítás. GÉP: Nem hiszem, hogy ezt komolyan gondolod. A téli nap alatt egy átlagos téli napot szokás érteni, nem pedig egy olyan különlegeset, mint a karácsony.

FILOZÓFIA Mi valójában a tudatunk, vagyis kik vagyunk? (neuronok hálózata és működési módja) Funkcionalizmus: a gépek is gondolkodnak Biológiai naturalizmus: csak a valódi neuronok Agyprotézis kísérlet: Moravec szerint, aki robotkutató és funkcionalista, változatlan maradna a tudata. A filozófus és biológiai naturalista Searle azonban ugyanilyen erősen vallja, hogy a tudata eltűnne. Ha a tudat megmarad, akkor helyettesíthető egy óriási adatbázissal is akár???

MIND CONTROL

Azt fogod észrevenni legnagyobb megdöbbenésedre, hogy a külső viselkedésed irányítása mintegy kicsúszik a kezeid közül. Azt veszed észre, hogy például amikor az orvosok vizsgálják a látásodat, hallod őket, amint azt mondják: Egy piros tárgyat tartunk ön előtt, kérjük, mondja el, mit lát. Ez a kiáltás törne ki belőled: Semmit sem látok. Teljesen megvakulok. De hallod a saját hangodat, amint befolyásodtól teljesen függetlenül ezt mondja: Egy vörös tárgyat látok magam előtt. ( ) Tudatos tapasztalatod lassan semmivé zsugorodik, de a külső, megfigyelhető viselkedésed változatlan marad.

MESTERSÉGES INTELLIGENCIA Az MI korlátozása hozzájárul az emberszerűséghez. Az élet végességének tudata, miként befolyásolja a tudatunkat? A mentális élet egy mesterséges testben is megvalósulhat? Emberi tudat áttöltése (fejlettebb) mesterséges testbe? A klónban lévő ÉN.

BEHAVIORISTA ÉS KOGNITÍV PSZICHOLÓGIAI HOZZÁÁLLÁS Csak a megfigyelhető viselkedés fontos. Kognitív funkciókat kell modellezni (emlékezet, tanulás, gondolkodás, problémamegoldás, látás) Gyenge és Erős MI analógiájára Első MI konferencia (1956): A mentális működés leírható olyan precízen, hogy egy gép utánozni tudja.

KIBERNETIKA (AUTONÓM ROBOTIKA) Olyan dinamikus rendszereket vizsgál, amelyek a külvilággal való kölcsönhatás során változnak. A rendszerek szerepének, struktúrájának és viselkedésének törvényszerűségeit kutatja. Fontos működési elv a szabályozás, amely kompenzálja a külvilágnak a rendszerre gyakorolt zavaró hatásait, illetve elősegíti a rendszer alkalmazkodását a változó külső feltételekhez. Ennek az az előfeltétele, hogy a rendszer észlelje a külvilág hatásait, vagyis információt tudjon felvenni és feldolgozni.

MECHATRONIKUS KARPROTÉZIS

ELISE W. Gray Walter 1940-es évek Fényszerető és fényutáló robot Akkumulátor merülése miatt véletlenszerű viselkedés Valójában nem érez vágyat, hogy újratöltse magát Tehát a viselkedés alapján nem BIZTOSAN MI valami

AZ MI CÉLJA Olyan gépek építése, amely magas szintű kognitív képességekkel rendelkeznek Ennek feltétele a percepciós képesség Kiegészítése a motoros képesség

4 FÉLE MEGKÖZELÍTÉS Emberi módon Viselkedés (Turing-teszt) Emberi módon Gondolkodás (Kognitív modellezés) Racionálisan Gondolkodás (Tiszta logika) Racionálisan Viselkedés (Optimális ágensek)

TURING-TESZT

HUMÁN MI FELTÉTELEI Természetes nyelvfeldolgozás Tudásreprezentáció, tárolás Automatizált következtetés Gépi tanulás Gépi látás, környezet feltérképezése Robotika, motoros képességek

AZ AGY MŰKÖDÉSE Akciós potenciálok Kémiai transzmitterek Mintázatok, bonyolultságelmélet, emergencia (egyszerű elemek interakciójából emergencia fakad, amelyet nem lehet bejósolni az alkotóelemek ismeretében) Tudat, Lélek, Szellem Módosult tudatállapotok

MI FEJLŐDÉSE John Searle: Az MI-hez megfelelő gép is kell, nem elég csak a szoftver. Hans Moravec: Ha egyenként lecseréljük az idegsejtjeinket mesterségesre, a végén azonos lesz a kezdeti állapottal? Jerry Fodor: Az elme feladatspecifikus modulokból áll, amelyek nem mindig férnek hozzá egymás tartalmaihoz.

MÜLLER-LYER ILLÚZIÓ Tudás versus Látás

MI FEJLŐDÉSE Arthur Samuel (tanuló dámaprogram): Az ágens képességeit nem feltétlenül határolják az alkotójának képességei. A program belső reprezentációja egy fa-struktúra. A sakk végtelen állapottere. Megoldás: csak néhány lépésre gondolkodnak előre és értékelik a kialakult helyzetet, pontoznak.

MI TULAJDONSÁGAI Jelenleg az MI-k merevek, ha változik a kezdeti feltétel. Robosztusság kérdése emberi agy és gép sérülése után Agy 1000 Hz, PC több GHz Agy párhuzamos, PC soros működés Nem biztos, hogy másolni kell: madár versus repülőgép

MI ALKALMAZÁSA Autonóm tervkészítés és ütemezés (NASA Remote Agent) Az IBM Deep Blue (1987) megveri Kaszparovot Autonóm szabályozás: Alvinn látórendszer, sávkövetés Diagnózis: rendszerek bonyolult kölcsönhatása Logisztika: Öbölháború, DART, 30 év megtérülése Robotika, Nyelvfelismerés, Problémamegoldás

ÁGENSEK Ami intelligens viselkedésre képes. Fizikai, Virtuális, Hibrid (robotok, mesterséges entitások) Ken Wilber: holonok (cselekvőképesség, részvétel a közösségben, felbomlás, önmeghaladás) Hangyatársadalom, alágensek Szenzorok és aktuátorok + feldolgozás

KÖRNYEZET Teljesen vagy részlegesen megfigyelhető Determinisztikus vagy sztochasztikus Epizódszerű vagy sorozatszerű viselkedés Statikus vagy dinamikus Diszkrét vagy folytonos Egy vagy többágenses (kompetitív, kooperatív, kommunikáció)

ÁGENSEK Ágensfüggvény, ágens viselkedését írja le Ágensprogram, ágensfüggvény implementációja Teljesítményérték, mennyire ér célt a viselkedés Racionális ágens, teljesítményérték maximalizálása Információgyűjtés, exploráció Tanulás, autonómia, szerzett tudás Architektúra, hardver

ÁGENSEK Egyszerű reflexszerű, teljes megfigyelhetőség Modellalapú, rendszer modellezése Célorientált, keresés és tervkészítés Hasznosságorientált, optimum Tanuló ágens, tanuló és végrehajtó elem, kritikus, problémagenerátor

TANULÓ ÁGENS

EGYSZERŰ REFLEXSZERŰ, TELJES MEGFIGYELHETŐSÉG

MODELLALAPÚ, RENDSZER MODELLEZÉSE

CÉLORIENTÁLT, KERESÉS ÉS TERVKÉSZÍTÉS

HASZNOSSÁGORIENTÁLT, OPTIMUM

TANULÓ ÁGENS, TANULÓ ÉS VÉGREHAJTÓ ELEM, KRITIKUS, PROBLÉMAGENERÁTOR

PROBLÉMAMEGOLDÁS Jelenlegi, kiinduló állapot Cél tisztázása, célmegfogalmazás Problémamegfogalmazás, mit veszünk figyelembe Lehetséges megoldások, keresés, megoldásfa, állapottér, teljes és heurisztikus keresés Kiválasztás, útiköltség, optimális megoldás Kivitelezés

KÉTIRÁNYÚ SZÉLESSÉGI KERESÉS

GENETIKUS ALGORITMUSOK Egy olyan keresési eljárás, mely a lehetséges megoldások legéletképesebb egyedeit kiválasztva, ezek mutációja és egymás közötti kereszteződése útján olyan egyedeket hoz létre, melyek értéke az optimális megoldáshoz tart. Genetikus algoritmusok alatt olyan keresési technikák egy osztályát értjük, melyekkel optimumot vagy egy adott tulajdonságú

GENETIKUS ALGORITMUSOK Egyed a rendszer szerveződési egysége, mely génjei által meghatározott tulajdonságokkal bír; szaporodásra, kereszteződésre és mutációra képes. A feladat lehetséges megoldásait egyedeknek nevezzük. Az egyedek összessége a populáció. Kromoszóma az egyedek egyes megoldásainak rögzített struktúrájú kódolása. A kromoszóma génekből áll. Gén a genetikai információt hordozó anyag, mely a többi génnel együtt tulajdonságokat határoz meg.

GENETIKUS ALGORITMUSOK Szelekció az a folyamat, mely során bizonyos egyedek lehetőségei a túlélésre és szaporodásra jobbak a többi egyedéhez képest. A szelekció egy határozott irányú genetikai változást jelent. Mutáció a gén adott valószínűséggel bekövetkező változása. Keresztezés a szaporodás során a különböző kromoszómájú egyedek génjeinek véletlenszerű kicserélődései. Fitness érték a szelekció kritériumai alapján egy adott egyed esélyét határozza meg a túlélésre és utódok létrehozására.

EVOLÚCIÓ

GENETIKUS ALGORITMUS ALKALMAZÁSOK FELÉPÍTÉSE Válasszunk ki az alapvető struktúrákat és eljárásokat: a kromoszóma kódolását a populáció méretét, mutációs faktort, fitness függvényt kiválasztási és törlési stratégiákat (determinisztikus és sztochasztikus lehet) keresztezési és mutációs operátorokat Definiáljuk a megállási feltételt

A GENETIKUS ALGORITMUS ELŐNYEI Könnyű megérteni a működését. Moduláris, (könnyen) elválasztható az optimalizálandó probléma programjától. Támogatja a több célfüggvénnyel rendelkező optimalizációkat (is). Alkalmas zajos környezetben történő optimalizálásra. Minden esetben ad legalább egy megoldást. A megoldás az idő (iterációs lépések) előrehaladtával egyre jobb (pontosabb) lesz.

GENETIKUS ALGORITMUSOK (ALKALMAZÁSI PÉLDÁK) Szabályozás: pneumatikus, hidraulikus rendszerek irányítása, rakéta (robot) mozgó tárgy követése Tervezés: integrált áramkör tervezés, repülőgép tervezés, kommunikációs hálózatok optimalizálása Ütemezés: gyártórendszerek működése, erőforrás elosztás és telepítés, raktárazási feladatok tervezése végrehajtása Robot vezérlés: trajektória tervezés Gépi tanulás: neurális hálózatok tervezése,osztályozó rendszerek fejlesztése, osztályozó rendszerek, minimális elemű algoritmus tervezése Jelfeldolgozás: szűrők tervezése, zajos jel információ tartalmának kihámozása Játék elmélet: póker, egyéb kártyajátékok és játékgép algoritmusok Kombinatorikus optimalizálás: utazó ügynök, adott szempontok szerinti útvonal keresés

FUZZY RENDSZEREK

190 180 190 180 170 1 170 160 10 160 190 160 0 2 x ha x x ha x ha x x vagy x ha x A

FUZZY RENDSZEREK A fuzzy rendszerek lényegét adó fuzzy algoritmusok ha -akkor szabályokból és azok aggregációjából állnak. A szabályok matematikailag relációkat alkotnak. A következtetés a relációk kompozíciója. A fuzzy algoritmusok, fuzzy relációk nyelvi formulák. Egy fuzzy relációhoz való tartozást tagsági értékkel lehet kifejezni.

FUZZY LOGIKA ALAPFOGALMAI Állítás, melyben és, vagy és nem kapcsolatok segítségével kombinációk hozhatók létre, benne fuzzy halmazokkal definiált nyelvi címkék szerepelnek. Fuzzy halmaz, melyet az alaphalmaz minden eleméhez hozzárendelt 0 és 1 közötti valós számmal lehet definiálni. Fuzzifikálás során a mért értéket alakítjuk fuzzy halmazzá. Defuzzifikálásnak nevezzük a fuzzy halmazok konkrét értékké

FUZZY LOGIKA ALAPFOGALMAI A tagsági (hozzárendelő) függvény az alaphalmaz elemeinek a fuzzy halmazhoz való hozzárendelését végző függvény. Szabálybázis azon szabályok összessége, amelyek a felhalmozott tudást, a rendszer működését írják le. Következtetés, implikáció során a bemeneti adatok és az egyes szabályok kompozícióját képezzük külön-külön, majd a kapott következtetések uniójaként számítjuk ki a kimeneti fuzzy halmazt.

FUZZY LOGIC ROBOT

MOGI ROBI If OwnerInTheRoom=False Then MissTheOwner =Increasing If OwnerInTheRoom=True Then MissTheOwner =Decreasing If OwnerToDogDistance=Small And StrangerToDogDistance=High Then AnxietyLevel=Decreasing If OwnerToDogDistance=High And

NEURONOK, NEURÁLIS HÁLÓ Neuron: dendrit, sejttest, axon, szinapszis Neuronok elektromos (100 m/s) és kémiai (30 nm távolság) jelátvitele, irányok, tüzelési frekvencia (1 khz) Egy neuron több 100-1000 más neuronhoz kapcsolódhat Az agykérgi szinapszisok száma köbcentinként 10 9 Ingerület összeadódása, gátlás

MESTERSÉGES NEURÁLIS HÁLÓZAT Inspiráció: biológiai neurális hálózatok szerkezete és működése Cél: hagyományos algoritmusokkal nehezen vagy egyáltalán nem megoldható feladatok kezelése Egymással összekapcsolt neuronok, párhuzamos működés

ALKALMAZÁS Összetett feladatok (képfelismerés, mozgáskoordináció) A megoldandó problémával kapcsolatban gazdag adathalmaz áll rendelkezésre. A megoldáshoz szükséges szabályok ismeretlenek. A rendelkezésre álló adathalmaz nem teljes, hibás adatokat is tartalmazhat. Sok összefüggő bemenő adat-, összefüggő kimeneti paraméter áll rendelkezésre.

MESTERSÉGES NEURÁLIS HÁLÓZAT A mesterséges neurális hálózat, egy biológiai indíttatású program, ami a biológiai neurális hálózat néhány tulajdonságát modellezi. Alapelve, hogy a számolásokat egymással összekapcsolt kis feldolgozóegységek, neuronok végzik.

MESTERSÉGES NEURÁLIS HÁLÓZAT A mesterséges neuron több bemenetű, egy kimenetű, egyszerű számítási egység. A hálók több ilyen elemi egységből épülnek fel. Mindegyik egység generál egy aktiválási értéktől függő kimeneti értéket (jelet). A neuronok között továbbított jelek binárisak (esetleg nulla és egy közötti értékek). A szinapszisoknak megfelelő kapcsolatot numerikus súlytényezők biztosítják. Az egység kimenete hatással van a másik egység aktivációjára.

NEURÁLIS HÁLÓK

NEURÁLIS HÁLÓZATOK TANÍTÁSA Ellenőrzött tanulásnál a hálózat összetartozó be- és kimeneti értékei, tanító mintapont párok állnak rendelkezésre. A háló feladata, hogy megtanulja a mintapont párok által reprezentált bemenet-kimenet leképzést. Nem ellenőrzött tanulásnál nem állnak rendelkezésre adott bemenetekhez tartozó kívánt válaszok. A hálózatnak azt kell felderítenie, hogy van-e a bemeneti adatokban, jelekben valami hasonlóság, van-e közöttük korreláció, kialakíthatók-e csoportok, kategóriák. Analitikus tanulásnál a hálózat kialakulása közvetlen számítás útján, matematikai összefüggések kiértékelésével, analitikus módszerekkel történik.

NEURÁLIS HÁLÓZATOK TANÍTÁSA Felügyelt tanulás: a hálózat által számított kimenet (a tanuló) és az elvárt (a tanár) közötti különbség (hiba) csökkentése Önálló tanulás: a hálózatnak összefüggéseket kell találnia az adatok és a költségfüggvény között Megerősítővel tanulás: a hálózat által számított eredmény megfelelő vagy sem, ennek alapján szükséges-e a módosítás

NEURÁLIS HÁLÓZATI RÉTEGEK Bemeneti réteg: azok a neuronok találhatók itt, amelyek a bemeneti jel továbbítását végzik a hálózat felé. Rejtett réteg: a tulajdonképpeni feldolgozást végző neuronok tartoznak ide. Egy hálózaton belül több rejtett réteg is lehet. Kimeneti réteg: az itt található neuronok a külvilág felé továbbítják az információt. A feladatuk ugyanaz, mint a rejtett rétegbeli neuronoké.

AZ MI JÖVŐJE Elvezet-e ez a fejlődés egy változatos környezetekben működésre képes, általános célú intelligens ágenshez? Interakció a környezettel (szenzorok, effektorok) Identifikáció, Tanulás Primitívebb entitások mimetikája Csak rövid távolságra látunk előre, de azt látjuk, hogy sok a tennivaló. (Alan Turing: Computing Machinery and

PRESENT