Professional Documents
Culture Documents
Eloadas Magyar
Eloadas Magyar
2
Motiváció: Miért van szükségünk
valami „nem klasszikusra”?
• A rendszerek és megoldandó feladatok nemlinearitása, korábban
soha nem tapasztalt térbeli és időbeli komplexitása
• Pontatlan, bizonytalan, hiányos, nem egyértelmű, ellentmondó
információ, teljes tudáshiány
• Véges erőforrások Szigorú időkövetelmények (valós-idejű
feldolgozás)
• Igény az optimalizálásra
+
• Felhasználói kényelem
Segítség:
• Megnövekedett számítógép kapacitás és
képességek
• Modell bázisú megközelítés
• Új modellezési technikák
• Közelítő számítások
• Hibrid rendszerek
5
Pontatlan, bizonytalan, hiányos, nem
egyértelmű, ellentmondó információ,
teljes tudáshiány
• Hogyan jutok el a Csattogó völgybe?
(1. személy: 2/a, 12 út. A verőcei állomásnál jobbra, aztán egyenesen 2
saroknyit, majd balra, és tovább egyenesen ... NEM: mégegyszer balra) (2.
személy: A verőcei állomásnál kétszer jobbra, aztán egyenesen 1, 2, 3, ..., kb.
5 saroknyit, de tovább nem tudom) (3. személy: Valahol a 12-es út mentén
van, de nemrég még le volt zárva az út ...)
• Képzeljük el, hogy esik az eső
• Az útról nem látszik az állomás
• Ráadásul nem tudom, hol van az Óbudai Egyetem sátra és a Kós Károly
terem (És melyikben is lesz a Műszaki szekció? És hánykor???? Szombaton
vagy vasárnap?) (Sajnos elromlott az internetem ...)
• Kérdés: Melyik nap és hány órakor kell otthonról elindulnom?
Ki (személy vagy gép) tud nekem OPTIMÁLIS választ adni?
6
Pontatlan, bizonytalan, hiányos, nem
egyértelmű, ellentmondó információ,
teljes tudáshiány
Segítség:
• Intelligens és lágyszámítási technikák,
amelyek képesek kezelni az ilyen típusú
problémákat
• Új adatgyűjtési és reprezentálási módszerek
• Adaptivitás, robusztusság, tanulási képesség
7
Véges erőforrások Szigorú
időkövetelmények (valós-idejű feldolgozás)
• Most 8.15 van. Az előadásom 3 órakor
kezdődik (remélem tényleg így van)
• Még nem főztem ebédet a családomnak
• Üres a kocsim tankja, és nyilván nem fogok
taxival jönni Budapestről
• Nem is reggeliztem
• Ma estig le kell adnom a jövő félévi
kurzusaim időbeosztását
Egyértelmű, hogy nem tudok mindent
maximális precizitással teljesíteni 8
Véges erőforrások Szigorú
időkövetelmények (valós-idejű feldolgozás)
Segítség:
• Alacsony időigényű módszerek
• Flexibilis rendszerek
• Közelítő megoldások
• Minőségi feldolgozást és további döntéseket
támogató eredmények
• Anytime technikák
9
Optimalizálás igénye
• Tradícionális felfogás:
optimalizáció = maximális pontosság
• Új felfogás:
optimalizáció = költség optimalizálás
• De mi számít költségnek!?
a pontosság és a bizonyosság is költséget hordoz
10
Optimalizálás igénye
Nézzük az „IDŐT”, mint erőforrást:
• A legfontosabb, hogy leadjam a jövő félévi
kurzusaim időbeosztását (másképp a hallgatók
nem tudják időben felvenni a tárgyakat). Ezzel
legalább 3 órát el kell töltenem
• Ebédet kell főznöm, de ma nem a hétvégén
szokásos „ünnepi” ebédet, hanem egy „átlagos”,
gyorsabb menüt állítok össze (1 óra)
• Nincs időm otthon reggelizni, ezért veszek egy
szendvicset valahol (5 perc)
• Van busz is, de a vonat gyorsabb (igaz drágább),
így vonatozom (2 óra 40 perc)
11
Felhasználói kényelem
• Meg kell kérdeznem valakitől az utat, de
nem szeretnék sokat gyalogolni
• Máskor is ide szeretnék találni
• A mai út 3,5 órát vett igénybe. De mi lesz
holnap?
• Jó lenne minél több segítséget kapni.
• ....
12
Felhasználói kényelem
Segítség:
• Olyan modellezési és adatreprezentálási technikák,
amelyek lehetővé teszik egy rendszer
– kezelését
– értelmezését
– jövőbeni viselkedésének becslését
– javítását
– optimalizálását, valamint
– a feldolgozás eddiginél nagyobb támogatását
13
Felhasználói kényelem
Emberi nyelv
Modularitás, egyszerűség, hierarchikus felépítés
A feldolgozás célja
feldolgozás előfeldolgozás
Megnövekedett Beépül
számítógépes képességek az új módszerekkel
L.A. Zadeh, Fuzzy Sets [1965]:
“A tradicionális, „kemény” számításoknál a fő cél a pontosság, a
bizonyosság és precizitás. Ezzel ellentétben a lágyszámítási
módszerek kiinduló pontja az a tény, hogy a pontosságnak és a
bizonyosságnak is van költsége, és a számítások, következtetések
és döntések - ha csak lehetséges - ki kell használják a
pontatlanság és bizonytalanság iránti tűrést.”
16
Mi is az a gépi intelligencia?
• A GI olyan módszertanok együttesének tekinthető, amelyek
jelentőséggel bírnak az információs/intelligens rendszerek
elgondolásában, tervezésében, és alkalmazásában.
• Az együttes legfontosabb elemei: fuzzy logika, neurális
számítás, evoluciós számítás, anytime számítás, valószínüségi
számítás, káosz és gépi tanulás.
• A módszertanok inkább együttműködnek és kiegészítik
egymást, mint versengők.
• Ami közös bennük: Kihasználják a pontatlanság,
bizonytalanság és részigazságok iránti tűrést, hogy ezáltal a
valóságot jobban közelítő, kezelhetőbb, robusztusabb, olcsóbb
megoldást kínáljanak.
17
A gépi intelligencia mind az öt
követelménynek megfelel:
(-Alacsony komplexitás, közelítő modellezés
-Adaptív és robusztus módszerek alkalmazása
-A megfelelő költségfüggvény meghatározása és alkalmazása, beleértve az
egyes elemek hierarchiáját és fontosságának mértékét is
-Egyensúly biztosítása a pontosság (részletgazdagság) és bonyolultság
(számítási idő és erőforrás igény) között
-A további feldolgozás támogatása)
18
Hogyan működik a gépi intelligencia?
1. Tudás
• Információ gyűjtés (megfigyelés) (miről van szó)
• Információ feldolgozás (numerikus , szimbolikus) (mit tudok)
• Az információ tárolása és előhívása (később is tudni akarom)
• Feldolgozási „struktúra” (algoritmus) keresése („mit kell
csinálni” megfogalmazása)
• Biztos tudás (absztrakt világokban formális módszerekkel)
• Bizonytalan tudás (mesterséges és valós világokban kognitív
módszerekkel
• Tudáshiány
• Tudás ábrázolás
19
Hogyan működik a gépi intelligencia?
1. Tudás
• A valóságban szinte minden optimalizás
• Ex.1. Sebesség meghatározása = a sebesség optimális becslése a mért idő és megtett
távolság alapján
• Ex.2. Ellenállás meghatározása = az ellenállás optimális becslése a mért áram és
feszültség segítségével
• Ex.3. egy mérési eredmény elemzése = a mért mennyiség optimális becslése a
mérés körülményeinek figyelembevételével a mért adatok alapján (Milyen magas a
kisfiam? – Kihúzta magát? Mezitláb van vagy cipőben? Pontos mérőrúddal vagy
pontatlanabb papírszalaggal mérem? Cm vagy mm a beosztás? )
• Ex. 4. Napi időbeosztás
• Ex. 5. Két város közötti optimális út
Az 1-3 példában az optimalizálás jellegzetessége egyértelmű és könnyen megadható
A 4-5 példa is egyszerű, de a kritériumok nem egyértelműek
20
Optimális út:
Mi az optimum? (Szubjektív, függ az elvárásoktól, izléstől, a
személy korlátaitól)
- Szeretünk/tudunk-e repülővel, vonattal, autóval, stb. utazni
Tegyük fel, hogy az autós utazást választottuk, de:
- a legrövidebb út (legkevesebb üzemanyag), a leggyorsabb út (autópálya), a
legszebb út (este hacsak lehet a pesti rakparton megyek, hogy lássam a
kivilágított Várat és Lánchidat), amerre meg tudom látogatni egy-egy barátomat,
ahol a kedvenc vendéglőim vannak, ...
Rendben, kössük meg, hogy mit részesít előnyben az adott személy
személy :
-Nyár van vagy tél, esik vagy jó az idő, útjavítás, árvíz miatt lezárva, ....
Ahogy a részletekbe belemegyünk, egyre közelebb jutunk a
megoldáshoz
Szükségünk van tudásra a körülményeket és célokat jól leíró modell
meghatározásához
A mai napra meg tudom adni, de igaz lesz ez 1 hónap múlva is? 21
2. Modell
• Ismert modell, pl. analítikus modell
(matematikai leírás differenciál egyenletekkel)
– nem kezelhető, túl összetett
• Tudáshiány – a rendszerről megszerzett
információ bizonytalan, hiányos
Model y
Parameter
tuning
Javítunk a rendszeren
(beépítjük az új tudást) Információt gyűjtünk
25
Probléma
Tudás
ábrázolás,
Modell
Ábrázolt
tudás Probléma független tér,
A probléma csak a modell formalizmusa
nem ábrázolt része köti a problémához
26
3. Optimalizálás
29
A fuzzy elmélet története
• Fuzzy halmazok & logika: Zadeh 1964/1965-
• Fuzzy algoritmusok: Zadeh 1968-(1973)-
• Fuzzy controll: Mamdani & Al. ~1975-
• Ipari alkalmazások: Japan 1987- (Fuzzy robbanás), Korea
Háztartási elektronika
Jármű vezérlés
Folyamatirányítás
Minta felismerés & képfeldolgozás
Szakértői rendszerek
Katonai rendszerek (USA ~1990-)
Űrkutatás
• Nagyon nehéz vezérlési problémák: Japan 1991-
p.l. vezető nélküli helikopter
30
Példa
• Osztály (p.l. akik épp a gépi intelligenciáról
hallgatnak egy előadást)
• Univerzum: X „éles” halmaz
FUZZY HALMAZ 31
Fuzzy viszonyítás, fuzzy következtetés
• Fuzzy viszonyítás: X is P
‘Anna fiatal’, ahol:
‘Anna’: éles, ‘fiatal’: fuzzy halmaz.
• Fuzzy következtetés: If X is P then Y is Q
‘Ha Anna fiatal, akkor Peti nagyon fiatal’
Anna
Peti
32
Fuzzy logikán alapuló vezérlés
33
Okos Autó 1 - Szabályok
A szabályok száma a problémától függ. Egyszerűség
kedvéért most csak kettőt veszünk figyelembe:
34
Okos autó 2 – Tagsági függvények
35
Okos autó 3 – Szabály egyszerűsítés
kódolással
– Távolság két autó között: X1
sebesség: X2
Fékező erő: Y
Cimkék- kicsi, közepes, nagy: S, M, L
– A megfelelés mértékének
meghatározása
– Egy következmény
meghatározása
– A teljes következtetés
megadása
– Defuzzifikálás pl. súlypont
alapján. Esetünkben kicsit
erősebb mint közepes
37
A fuzzy vezérlés előnyei
• Egyszerűbb vezérlő tervezés
• A tervezés komplexitása lecsökken, nincs
szükség komoly matematikai elemzésre
• Könnyű kódolni, szimulálni
• Robusztus
• Fejlesztési idő lecsökken
• Könnyen érthető, értelmezhető
38
Hasznos él kiemelés
39
Hasznos él kiemelés
40
Magas fényintenzitás dinamikájú képek
41
Magas fényintenzitás dinamikájú képek
42
Automatikus ütközéselemzés
Ütközési
Különböző irányképek
kameraállású EES [km/h]
[deg]
Valós adat 0 55
Számított 2 58
eredmény
43
A gépi intelligencia valóban
megoldást jelenthet
megoldhatatlan problémákra?
• Igen: Nagyszámú sikeres alkalmazás bizonyítja,
valamint azok az új területek, ahol a GI
segítségével lehetett csak automatizálni
folyamatokat
• Azonban: az új módszerek olyan új problémákat is
felvetettek, amelyek még csak részlegesen vannak
megoldva.
A jövő mérnöki tevékenysége elképzelhetetlen gépi
intelligencia nélkül
44
Összefoglalás
45