Introduktion till AI AI=“Få maskiner att göra sånt som, om…”

Slides:



Advertisements
Liknande presentationer
Material för projektarbetet
Advertisements

Beskriver vad eleven ska försöka uppnå
Kunskapskrav för godtagbara kunskaper i slutet av årskurs 3 – Svenska
KANDIDATUPPSATS.
En förskola att förundras i!
Referat En sammanfattning.
Supported Employment & Customized Employment
En integrerad strategi för kompetensutveckling Linköpings universitet
Att söka och förvalta kunskap
Vecka 47 Måndag Onsdag Vecka 48 Måndag Torsdag Fredag Vecka 49 Måndag Onsdag Torsdag Vecka 51 Onsdag 19 dec Här och nu! tenta.
Gemensam webbinformation inom området psykisk ohälsa
Task Analysis (”uppgiftsanalys”) inom MDI
Strukturering av domänkunskap för pedagogiska tillämpningar
Föreläsning 7 Analys av algoritmer T(n) och ordo
Datastrukturer och algoritmer Föreläsning 11. Datastrukturer och algoritmer VT08 Innehåll  Mängd  Lexikon  Heap  Kapitel , , 14.4.
Kjerstin Larsson Forskningsledare
Statsvetenskap 3, statsvetenskapliga metoder
Växjö 21 april -04Språk & logik: Kontextfria grammatiker1 DAB760: Språk och logik 21/4: Kontextfria 10-12grammatiker Leif Grönqvist
Flödeskontroll Satser i ett program utförs en och en efter varandra. Detta kallas sekvensiell flödeskontroll. Ofta är det dock nödvändigt att modifiera.
Detection of similarity between documents Axel Bengtsson Ola Olsson
Logikprogrammering och Prolog
Från analog till digital skola. Bakgrund Från Småskaligt verksamhetsnära IT Via Teknikstyrd stordrifts IT med administrativa industriella förtecken På.
Sammanställning av gruppdiskussioner på pers.ass.-kurs, Fyrbodal
Hitta åtgärdspaket och bedöma dess lönsamhet Lönsam energieffektivisering genom Totalprojekt Projektinnehåll Etapp 1 - Totalprojekt En kort introduktion.
Lennart Edblom, Frank Drewes, Inst. f. datavetenskap 1 Föreläsning 6: Semantik Statisk semantik Attributgrammatiker Dynamisk semantik Axiomatisk.
Semantik – introduktion
Grundläggande programmering
Nätverk i ett globalt perspektiv Martin Granholm
Jonny Karlsson INTRODUKTION TILL PROGRAMMERING Föreläsning 3 ( ) INNEHÅLL: -Jämförelseoperatorer -Villkorssatser -Logiska operatorer.
Jonny Karlsson INTRODUKTION TILL PROGRAMMERING Föreläsning 3 ( ) INNEHÅLL: -Jämförelseoperatorer -Villkorssatser -Logiska operatorer.
Utmaningar i arbetet med BfL
Marknadsförarens mall för att skapa köpares persona!
1. Konnektionism – grunderna
Ledamot i en beredning - vad innebär det? Anders Öberg.
1 Introduktion till AI AI=“Få maskiner att göra sånt som, om…” AI kognitionspsykologi 3 viktiga områden: Kunskapsrepresentation Sökning (och kontroll)
Läsbar prolog CM 8.1. allmäna principer correctness user-friendliness efficiency readability modifiability robustness documentation.
Statsvetenskap 3, statsvetenskapliga metoder
Jonny Karlsson INTRODUKTION TILL PROGRAMMERING Föreläsning 3 ( ) INNEHÅLL: -Tabeller -Villkorssatser -Repetitionssatser.
Offensiv kvalitetsutveckling
1 Semantik – introduktion Semantik = läran om mening Tvärvetenskapligt filosofi lingvistik psykologi AI Lingvistik motsägelser mångtydighet metaforer Filosofi.
Föreläsning 14 Logik med tillämpningar Innehåll u Cuts och negation u Input/output u Extralogiska predikat u Interaktiva program, failure-drivna.
Analysförmåga Jämföra: Likheter och skillnader, för- och nackdelar
Pickering Robust semantisk parser Del i HIGGINS- projektet –Felhantering i dialogsystem –Navigering i stadsmiljö.
Formella metoder i MDI Behovet Vad menas med formell? Verktyg Exempel Att läsa: Kapitel 14 i kursboken.
Ifous Små barns lärande APT 22 april 2015
Helena Lindgren 1 MDI – fördjupningskurs (D – nivå) Kursens mål ge teoretisk fördjupning i ämnet människa-dator interaktion, ge kunskap om metoder.
Välkommen till Fördjupningsdag öppna data Fördjupningsdag Öppna data Offentliga rummet, Visby 1 juni 2015.
Konstgjord intelligens. Intelligens Vad är det? Vad är det? Kan det jämföras? Kan det jämföras? Kan det mätas? Kan det mätas? Hur gör vi det? Hur gör.
Lunds universitet / LTH / Datavetenskap / Jacek Malec Konstgjord intelligens, eller Kommer din dator att bli klokare än du? mars 2011.
Lunds universitet / Datavetenskap / Jacek Malec Konstgjord intelligens.
Anpassning av Europarådets språkliga referensnivåer för omsorgsarbete En lärande arbetsplats.
Musikkompendium Test. Musikkompendium Test 2 Musikkompendium Test 3.
Systematisk problemlösning enligt EPA-modellen -MÖJLIGHETER OCH UTMANINGAR.
Kognitiva processer och representationer n Propositionella representationer lagrar information i LTM n Aktivationsspridning möjliggör åtkomst n Men sen.
Problemlösning Matematik II åk / Pia Eriksson.
Epistemologiska frågor Epistemologi behandlar kunskapens natur, struktur och ursprung Traditionella frågor –Analys av begreppet kunskap –Grunder för berättigad.
Sökning – introduktion Blind vs. heuristisk blind – bara strukturen heuristisk – värderar alternativen heuristisk överlägsen vid hög kostnad men värdering.
Coaching.
Konsekventialismens kriterium för en moraliskt rätt/fel handling:
Bedömning för lärande Erfarenheter från arbetet med respons
Behaviorism och intentionalitet
Mål v.3 Jag känner mig säker (grön) Oftast går det bra (gul)
Lön och verksamhet BILD 2: Introduktion forts.
Svenska – skriva berättelser
Träff 11 Välkomna!.
Helhet och allsidighet
Coachande samtal.
ÄMNESHJUL MATEMATIK ÅK 3
Uppdrag IT-universitet 2018
Agenda Bakgrund/utgångspunkt - för Västkom idag
Presentationens avskrift:

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