Projekt informatyczny

Wykład
dr inż. Piotr Grochowalski

Ver. 1.0, rok ak. 2022/2023

Myślące komputery – przyszłość czy utopia?

„Boję się nie tyle sztucznej inteligencji,

ile naturalnej głupoty”.

Joël de Rosnay
francuski biolog molekularny i informatyk
Inteligentne maszyny?
Wizja inteligentnych maszyn jest od wielu lat obecna w:
• literaturze,
• filmach z gatunku fantastyki-naukowej.

Wizja przyszłości:
• Inteligentne, autonomiczne roboty, zdolne do samodzielnego
rozwiązywania złożonych problemów.
Wizja a rzeczywistość
Robotyka to dziedzina nauki i techniki, zajmująca się projektowaniem,
budową i zastosowaniami robotów.
• Obejmuje swoim zakresem automatykę, informatykę, mechanikę, elektronikę.

Mózgiem każdego urządzenia, które ma się wykazywać inteligencją jest

odpowiednio zaprogramowany komputer.
• Dział nauki zajmujący się inteligencją przedmiotów nieożywionych to sztuczna
inteligencja.
 Sztuczna inteligencja - definicje
(ang. Artificial Intelligence)
• Automatyzacja czynności, które wiążemy z myśleniem, takich jak: podejmowanie decyzji, rozwiązywanie
problemów, zapamiętywanie... .
R. Bellman, An Introduction to Artificial Intelligence, Boyd & Frase, 1978

• Badania nad zdolnościami umysłowymi poprzez stosowanie metod obliczeniowych.

E. Charniak, D. McDermott, Introduction to Artificial Intelligence, Addison-Wesley Publishing, 1985

• Sztuka tworzenia maszyn, które wykonują funkcje wymagające inteligencji od ludzi.

R. Kurzweil, The Age of Intelligence Machines, The MIT Press, 1992

• Dziedzina badań zajmująca się maszynami, które są zdolne wykonywać rzeczy, jakie wykonują ludzie
używając inteligencji.
M. Minsky, Society of Mind, Simon & Schuster, 1985

• Dziedzina informatyki zajmująca się automatyzacją inteligentnych zachowań.

G.F. Luger, Artificial Intelligence, Structures and Strategies for Complex Problem Solving,
Addison-Wesley, 2002
 Sztuczna inteligencja - definicje
(ang. Artificial Intelligence)
Dlaczego tyle definicji?
Sztuczna inteligencja stała się interdyscyplinarną dziedziną naukową, zajmującą się:
• badaniem zachowań inteligentnych istot żywych,
• eksploracja dokonań różnych dyscyplin naukowych, w zakresie procesów myślenia i
uczenia się,
• poszukiwaniem nowych technik i metod modelowania zachowań inteligentnych,
• synteza algorytmów zdolnych do rozwiązywania problemów trudnych i uciążliwych,
• budowa systemów komputerowych zdolnych do inteligentnego sterowania maszynami i
urządzeniami,
• … .

różne spojrzenia i cele - różne definicje

 Czym sztuczna inteligencja może być dla
informatyka?
Sztuczna inteligencja to dziedzina naukowa, zajmująca się projektowaniem i tworzeniem
systemów informatycznych, zdolnych do rozwiązywania trudnych, niepodatnych na
algorytmizację problemów, poprzez wykorzystanie różnych metod modelowania zachowań
inteligentnych.
Inspiracją dla metod modelowania zachowań inteligentnych są:
• matematyka a szczególnie logika,
• filozofia,
• biologia,
• medycyna,
• neurobiologia,
• ….
Systemy oparte na wiedzy

Wiedza + wnioskowanie = myślenie

 Czym jest sztuczna inteligencja?
Odpowiedź niejednoznaczna i zależy od rozumienia relacji między inteligencją a świadomością.

Sztuczna inteligencja świadoma Sztuczna inteligencja bez świadomości

• wszelkie myślenie jest obliczaniem
Alan Turing (1912-1954)
• świadomości nie da się wyjaśnić w kategoriach ani
algorytmicznych, ani fizykalnych => wykluczamy ją ze
sztucznej inteligencji
• „nie istnieje algorytm, który przy danym układzie
aksjomatów podałby dowód każdego prawdziwego
twierdzenia arytmetyki”
• => człowiek ma zdolność poznania prawd nie dających
się wywieść z aksjomatów, podczas gdy nie potrafi tego
maszyna sterowana algorytmem.
Kurt Gӧdel (1906-1978)

Świadomości nie przejawiły żadne wytworzone maszyny

aspirujące do miana inteligentnych.
 Definicje inteligencji
Definicja (Test) Turinga
1. Inteligencja jako zdolność wykonywania zadań poznawczych przez maszynę, w
tym:
• przetwarzanie języka naturalnego,
• reprezentację wiedzy,
• automatyczne wnioskowanie,
• uczenie maszynowe.
2. Takiego testu nie zdała do dziś żadna maszyna.

Definicja Norberta Wienera (1894-1964)

Inteligencja jest procesem pozyskiwania i przetwarzania informacji dla osiągania
wyznaczonych celów.
Postępy sztucznej inteligencji (SI)

• Możliwość automatycznego dowodzenia twierdzeń w logice – General

Problem Solver (GPS) Newella i Simona (1961).
• Automatyczne tłumaczenie tekstów – problemy z semantyką.
• Autonomiczne pojazdy, maszyny.
• …
• Aktualnie same czyste dane (informacja) jest nie wystarczająca =>
konieczność uwzględniania wiedzy dziedzinowej.
Zwrot w badaniach nad SI

• Fiasko ogólnych strategii

• Porzucono ambicje zastąpienia człowieka w myśleniu i skoncentrowano się na
wykorzystaniu silnych stron maszyn do wspomagania człowieka w
podejmowaniu decyzji.
Współzależność pomiędzy informatyką a SI
• postęp technologiczny w konstrukcji komputerów sprzyja gromadzeniu danych
(funkcja bierna informatyki)
• przetwarzanie danych w wiedzę (funkcja aktywna informatyki)

ZALEW DANYCH
• Przykłady:
▪ Yahoo rejestruje 680 milionów odwiedzin stron dziennie, a rejestr tych odwiedzin rośnie w tempie 6
GB na godzinę, podobnie Google
▪ system satelitów NASA produkuje 50 GB danych obrazowych na godzinę
▪ sieć handlowa Wal-Mart (USA) generuje 20 mln transakcji dziennie

▪ Wniosek: przepaść między generowaniem danych a ich zrozumieniem,

▪ „nie sztuką jest znać fakty, ale mieć opinię”
 Odkrywanie wiedzy z danych
• proces identyfikowania prawdziwych, nietrywialnych, potencjalnie użytecznych,
bezpośrednio zrozumiałych wzorców w danych
• wzorzec - relacja przyczynowo – skutkowa, korelacja, trend, opis zdarzeń,
prawidłowość, anomalia, hipoteza itp.
 Paradygmaty odkrywania wiedzy

• nieukierunkowane:
„powiedz mi coś interesującego o moich danych”

• ukierunkowane:
„scharakteryzuj klientów, którzy odpowiedzieli na ofertę promocyjną”

• testowanie lub uściślanie hipotez:

„czy to prawda, że jest związek między sposobem odżywiania a zapadalnością
na chorobę X?”
Podział danych
Charakter danych Metodyka
Ilościowe i jakościowe Indukcyjna eksploracja danych (Data Mining)
Tekstowe Eksploracja tekstów (Text Minig, Web Mining)
Obrazowe i dźwięków Rozpoznawanie wzorców (Pattern Recognition)
 Odkrywanie wiedzy z danych ilościowych i
jakościowych
Indukcyjny charakter odkrywania wiedzy
• Obiekty: sytuacje, transakcje, osoby, akcje, itp. • Indukcja – proces tworzenia wzorców
• Atrybuty: zmienne, cechy, wskaźniki, symptomy itp. prawdziwych w świecie analizowanych
• Ilościowe = numeryczne danych.
• Jakościowe = nominalne • UWAGA! Wiedza wyindukowana z danych jest
• Dziedzina atrybutu może być uporządkowana według jedynie domyślna: nie można udowodnić
preferencji => atrybut = kryterium prawdziwości uogólnień, choć można je obalić
przez nowe dane.
IdOsoby BólGłowy BólMięśni Temperatura Grypa
1 Nie Tak Wysoka Tak
2 Tak Nie Wysoka Tak
3 Tak Tak Bardzo wysoka Tak
4 Nie Tak Normalna Nie
5 Tak Nie Wysoka Nie
6 Nie Tak Bardzo wysoka Tak
 Odkrywanie wiedzy
Z danych tekstowy (Internet):
• olbrzymie źródło danych,
• miliony zarejestrowanych domen,
• niezbędne wspomaganie wyszukiwania informacji (information retrieval)
• serwisy przeszukiwawcze np.:
• Google (https://www.google.pl/) - problem semantyki
• Carrot (https://search.carrot2.org) – wyszukiwarka uwzględniająca kontekst
• serwisy katalogowe

Z danych obrazowych:
• rozpoznawanie przez selekcję cech dyskryminujących,
• uczenie jako optymalizacja sekwencji: przetwarzania, selekcji i
konstrukcji cech, rozpoznawania obrazu – ocena: trafność
rozpoznawania,
• przykłady zastosowań: wspomaganie diagnozowania medycznego,
rozpoznawanie twarzy, rozpoznawanie pisma „ręcznego”.
 Sztuczne życie – koewolucja ciała i mózgu
(ang. Artificial life)
Tradycyjna sztuczna inteligencja przetwarzanie informacji (mózg)
„Ucieleśniona” sztuczna inteligencja sztuczne życie (mózg + ciało)

• Ucieleśniony intelekt staje się agentem - robotem

• Powstaje oddziaływanie: agent – receptory – środowisko Lego Mindstorms
• Koewolucja ciała i mózgu – Body & Brain
• Ewolucja swobodna
• Analiza dynamiki i interakcji w procesie ewolucji
• Symulacja życia biologicznego
• Autonomiczne roboty – odległe misje
• Modelowanie zachowań społecznych Framsticks
(realistyczny model ciała 3D, symulator
mechaniki (grawitacja, tarcie, sprężystość),
mózg: sieć neuronowa, receptory rozwoju).
 Co dalej?
• Rozwój nauki toczy się jak sztuczne życie agentów: wiedza (mózg) ewoluuje
razem z technologią (ciałem).
• Ray Kurzweil i jego wizja świata: mikrochipy i nanoroboty.
• Proporcje między funkcją bierną a czynną będą się zdecydowanie przechylały w
stronę funkcji czynnej.
• Nad sztucznym agentem panuje człowiek, który oprócz ciała i mózgu ma wolę.