Podstawy sztucznej inteligencji - notatki

Podstawy sztucznej inteligencji

Literatura podstawowa

  • A. Walaszek-Babiszewska, A. Bryniarska: Podstawy teorii systemów rozmytych z zadaniami, OW PO, Opole 2018.

  • Bartecki K.: Sztuczne sieci neuronowe w zastosowaniach. Zbiór ćwiczeń laboratoryjnych z wykorzystaniem biblioteki Neural Network Toolbox pakietu Matlab. Skrypt Politechniki Opolskiej nr 289, Opole, 2010.

  • L. Rutkowski: Metody i techniki sztucznej inteligencji. Wydawnictwo Naukowe PWN, Warszawa 2005.

  • Yager R. R., Filev D. P.: Podstawy modelowania i sterowania rozmytego. WNT, Warszawa, 1995.

  • Piegat A.: Modelowanie i sterowanie rozmyte. Akademicka Oficyna Wydawnicza EXIT, Warszawa, 1999.

  • Korbicz J., Obuchowicz A., Uciński D.: Sztuczne Sieci Neuronowe. Podstawy i zastosowania. AOW Wydawnicza PLJ, Warszawa, 1994.

  • Osowski S.: Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa, 1996.

  • Łęski J.: Systemy neuronowo-rozmyte. Wydawnictwa Naukowo-Techniczne, Warszawa 2008.

Literatura uzupełniająca

  • Brzózka J., Dorobczyński L.: Matlab – środowisko obliczeń naukowo-technicznych. PWN, Warszawa, 2008.

  • Rutkowska D., Piliński M., Rutkowski L.: Sieci neuronowe, algorytmy genetyczne i systemy rozmyte. PWN, Warszawa – Łódź, 1997.

  • Tadeusiewicz R.: Odkrywanie właściwości sieci neuronowych przy użyciu programów w języku C#. PAU, Kraków, 2007.

  • Rojek R., Bartecki K., Korniak J.: Zastosowanie sztucznych sieci neuronowych i logiki rozmytej w automatyce. Skrypt Politechniki Opolskiej nr 234, Opole, 2000.

Inteligencja – techniki obliczeniowe

  • Przegląd inteligentnych technik obliczeniowych:

    • Techniki obliczeniowe jako metody rozwiązywania zadań do tworzenia programów komputerowych rozwiązujących konkretne problemy.

    • Metoda postępowania: ogólna metoda służąca do realizacji algorytmu rozwiązywania praktycznych zadań poprzez implementację w języku programowania.

  • Ponadto, w kontekście inteligentnych technik obliczeniowych warto zwrócić uwagę na:

    • Inteligencję jako umiejętność rozwiązywania problemów i reagowania na okoliczności.

    • Świadomość działania oraz umiejętność przyznania się do ograniczeń.

Inteligencja ludzka

  • Podstawowe rodzaje inteligencji:

    1. Inteligencja praktyczna: umiejętność rozwiązywania problemów oparte na doświadczeniach.

    2. Inteligencja abstrakcyjna: manipulacja symbolami i pojęciami.

    3. Inteligencja społeczna: umiejętność interakcji w grupie.

  • Kluczowe koncepcje:

    • Dopasowanie działania do zmieniających się okoliczności oraz umiejętność wyboru najlepszego rozwiązania w danej sytuacji.

    • Znajomość własnych ograniczeń, pozwala na adekwatne ocenienie sytuacji.

Naturalna inteligencja

  • Inteligencja w potocznym rozumieniu:

    • Związana z osiągnięciami w nauce, miejscu pracy oraz zdolnościami Matematycznymi, subiektywnymi, zauważalnymi przez innych.

  • Zrozumienie trudności zadań i dostępność ich na różnych poziomach rozwoju.

  • Definicja od zadań intelektualnych i jakości umysłu.

Sztuczna inteligencja

  • Rozszerzenie definicji inteligencji naturalnej na systemy sztuczne (programy komputerowe).

  • Kluczowe aspekty sztucznej inteligencji:

    • Programy zdolne do rozwiązywania skomplikowanych problemów z akceptowanym wynikiem.

    • Badanie reguł rządzących inteligentnym zachowaniem oraz modeling tych zachowań.

    • Definicja: sztuczna inteligencja jako dział informatyki zajmujący się badaniem i modelowaniem inteligencji ludzkiej.

Problemy AI

  • Kluczowe wyzwania sztucznej inteligencji:

    • Podejmowanie decyzji w warunkach braku danych.

    • Analiza i synteza języków naturalnych.

    • Rozumowanie logiczne.

    • Gra w szachy czy go, zarządzanie wiedzą, systemy ekspertowe, uczenie.

Narzędzia sztucznej inteligencji

  • Główne narzędzia AI:

    • Logika rozmyta.

    • Sieci neuronowe i Deep Learning.

    • Algorytmy genetyczne.

Historia AI

Era prehistoryczna (do 1960)

  • Powstają pierwsze koncepcje związane ze sztuczną inteligencją.

Era romantyczna (1960-1965)

  • Przewidywania sukcesu sztucznej inteligencji w krótkim czasie oraz zwiększona świadomość społeczna.

Okres ciemności (1965-1970)

  • Krytyka i zmniejszenie funduszy na AI.

Renesans (1970-1975)

  • Powstawanie użytecznych systemów doradczych.

Okres partnerstwa (1975-1980)

  • Wprowadzenie metod z nauk poznawczych.

Okres komercjalizacji (1980-…)

  • Zastosowanie technologii AI w przemyśle oraz AGD.

Zmiany w AI

  • Procesy i ewolucja związane z narodzinami AI, kluczowe postacie i odkrycia (np. McCullock, Turing,Russell).

Silna i słaba AI

  • Silna AI: przedstawienie inteligencji człowieka przez maszyny.

  • Słaba AI: symulacja inteligentnych działań przez komputery bez prawdziwej myśli.

Zastosowanie SI w codziennym życiu

  • Samochody autonomiczne, rozpoznawanie obrazów, medycyna oraz edukacja.

Cyberbezpieczeństwo

  • Zastosowanie ontologii w systemach bezpieczeństwa urządzeń IoT. Obszar badań nad cyberbezpieczeństwem.

  • Minimalizacja ryzyka oraz zabezpieczenie danych.

Ontologia i sieci semantyczne

  • Formalne modele reprezentacji wiedzy w budowie systemów sztucznej inteligencji.