Introduktion till AI AI=“Få maskiner att göra sånt som, om…” AI<=>kognitionspsykologi 3 viktiga områden: Kunskapsrepresentation Sökning och kontroll Lärande
Kunskapsrepresentation Vad finns för kunskap inom området? Hur representera denna i datorn? Hur manipulera/förändra?
Sökning Val bland alternativ Relaterat till kunskapsrepresentation Vad är en (tillräckligt) bra lösning? “Dåliga” sökvägar Finns det en lösning? När sluta?
Inlärning Vilken kunskap finns/ges från början? Hur genereras och integreras ny kunskap? “Lärare”, ”kritiker”… Vem? Hur? “Erfarenheter”, exempel
3 exempel på AI-program AM MYCIN HYPO
AM Matematik Mycket kunskap och regler från början Agenda => val av tumregler => tillämpning => lagring av resultat 3 typer av uppgifter Hitta representant för koncept Skapa nytt koncept Lägga till uppgift på agendan
AM (forts.) Typiska regler Tumregler (c:a 40) väl lämpade för domänen Specificering Generalisering Tumregler (c:a 40) väl lämpade för domänen Kritik...
MYCIN Medicin Stor, väl utvecklad kunskapsbas Ny kunskap kan genereras genom tester Lösningar kan rangordnas utifrån kontext Regelbaserat (if … then ...) Sannolikhetskalkyl Lika bra som läkare
MYCIN (forts.) Mål-inriktat (bakåtriktat) Svårt! Kunskapsingenjör Grundkunskap genom samtal Tyst kunskap Regler Optimering
HYPO Juridik Case-baserat resonemang 3 problem HYPO har: Representation av cases Bedöma likhet (vad innebär “liknande” fall?) Hitta fall som kan vara till nytta HYPO har: Kunskapsbas av rättsfall Kunskap om juridiska faktorer, regler, lagar...
Kunskapsrepresentation Syntax och semantik Kunskapsbas och interpretator/motor Det finns inga “rätt” och “fel”… Realism Prestanda Speciella problem (t.ex. granularitet) Avvägning! Ofta reduktionistisk kunskapssyn
Typiska frågor Tydlighet Effektivitet Omfång Vokabulär Modularitet Utökbarhet Åtkomst Resonemang Arbetsfördelning Modifierbarhet
Översikt av tekniker för kunskapsrepresentation Semantiska nät Frames Scripts Regelbaserade representationer Logik
Semantiska nät Propositionell kunskap ISA-, AKO-hierarki AM: 2 ISA prime Problem: var skall gemensam information lagras? Avvägning: representation<=>interpretation
Frames Flera informationsbitar => en En samling “slots” och “slot fillers” Default (förväntningar) Hierarkiska relationer Kan ses som en agenda
Scripts Kausal kedja Typiska händelser Ofta ordnade i spec. ordning Används för att förstå korta berättelser “Common sense” krävs också
Regelbaserade representationer Produktionsregler Ofta expertsystem 3 delar: Regelbas (if…then…) Kontext (LHS) Interpretator (=>RHS)
Regelbaserade repr. (forts.) Forward och backward reasoning Forward Kontexten LHS Backward Önskade mål RHS
Regelbaserade repr. (forts.) Forward Datadriven När ingen aning Mänskligt resonerande Backward Goal-driven Ett fåtal möjliga lösningar Problemlösning
Logik FOPL Verkar inte vara kognitivt plausibel Sundhet och kompletthet Obestämbarhet