Ladda ner presentationen
Presentation laddar. Vänta.
1
Artificiellt Liv och Intelligens
2
Artificiell intelligens
Att bygga tänkande maskiner är en uråldrig tanke Kan datorer tänka? Vad är tänkande egentligen?
3
Turingtestet Om man inte kan skilja maskinen från en människa bör den betraktas som intelligent Operationell definition av intelligens
4
Klassisk AI Ta reda på hur världen ser ut, representera den, finn väg till målet, utför den. Logik, regler, planering Frames
5
Automatisk bevisförning
Gelernters program hittade nytt geometriskt bevis 1960 AM upptäckte Goldbachs förmodan Symbolisk matematik: MACSYMA, Mathematica, Maple
6
SHRDLU - planering Terry Winograd vid M.I.T. AI Lab 1970
Språkförståelse Planering
7
Psykologen Eliza Hello! How do you do? What brings you to see me?
I'm planning to hold a course, I want you to give me some tips. Why do you say that? Because I like you. Is it because you like me that you came to me? Yes, that is the real reason. Does it bother you that is the real reason? Not at all. Earlier you said you like me? Yes. I see... Well, what makes you believe this is so?
8
Expertsystem Uppskattar sannolikheten för olika lösningar baserat på kända fakta. 70-talet Knowledge extraction Fuzzy logic
9
Spel Beslutsträd Förstärkningsinlärning Deep Blue vs. Kasparov
Arthur Samuels dam program Backgammon
10
Komposition Vem komponerar?
David Copes EMI (Experiments in Musical Intelligence) producerar övertygande musik.
11
Robotar
12
Att se och navigera
13
Datorstyrda bilar
14
Klassisk AI bra på Väldefinierade miljöer och situationer
Formella system
15
Klassisk AI är dålig på Komplicerade, osäkra miljöer ”Sunt förnuft”
Kunskapsrepresentation Behöver massor med datorkraft
16
Neuronnät Hur hantera osäkerhet och bli robust - hjärnan klarar ju det? Låna idéer direkt från biologin - neuronnät
17
Hjärnans struktur 100 miljarder neuroner, kopplade med synapser till varandra.
18
Artificiella Neuronnät
Neuronnät består av många element, tätt kopplade till varandra, som skickar enkla signaler och anpassar sig.
19
Inlärning Övervarkad inlärning Förstärkningsinlärning
Minska felet mellan verklig och önskad output Förstärkningsinlärning Maximera belöning Oövervakad inlärning Självorganisation
20
ANN bra på Uppgifter där man inte kan hitta en algoritmisk lösning
Där man kan lära från exempel Där man vill hitta struktur i existerande data - kan ofta generalisera
21
Nackdelar Träning kräver data och datakraft Ingen validering
22
Tillämpningar Förutsäga börskurser
Teckenigenkänning, signaturigenkänning Proccesskontroll Talsyntes Kategorisering, databrytning
23
Simulationer av biologiska neuroner
Förstå hjärnan Nejonögats simrörelser
24
Artificiellt Liv Vi studerar verkligt fysik genom att simulera den - varför inte göra samma sak med biologi? Vad är liv egentligen?
25
Evolution Reproduktion Variation Selektion
26
Självreplikering von Neumanns maskiner Cellulära automater
27
Genetiska algoritmer Att odla program Låt lösningar tävla mot varandra
Korsa bra lösningar
28
Att odla kretsar
29
Karl Sims
30
”Blockies” Lära sig röra sig Spela fotboll
32
Tom Rays Tierra Små program konkurrerar Press att bli effektiv
Parasiter och immunitet
33
Grafik Lindemeyersystem
34
Karl Fleischer Celler och kemiska signaler
35
Att förstå och skapa liv
Varför inträffar massutrotningar? Hur fungerar marknader och samhällen? Kan evolution styras? Hur blir världen komplex?
36
Länkar och referenser http://www.nada.kth.se/~asa/Multimedia
Douglas Hofstadter, Gödel Escher Bach Hans Moravec, Robot: From Mere Machine to Transcendent Mind Ray Kurzweil, The Age of Spiritual Machines
Liknande presentationer
© 2024 SlidePlayer.se Inc.
All rights reserved.