Слайд 2
![III. Стадия интеллекта Форма отражения, свойственная наиболее высокоорганизованным животным семейства млекопитающих](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-1.jpg)
III. Стадия интеллекта
Форма отражения, свойственная наиболее высокоорганизованным животным семейства млекопитающих
Слайд 3
![И что же это такое? качество психики, состоящее из способности](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-2.jpg)
И что же это такое?
качество психики, состоящее из способности адаптироваться к
новым ситуациям, способности к обучению на основе опыта, пониманию и применению абстрактных концепций и использованию своих знаний для управления окружающей средой. Общая способность к познанию и решению трудностей, которая объединяет все познавательные способности
Слайд 4
![И что же это такое? способность системы создавать в ходе](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-3.jpg)
И что же это такое?
способность системы создавать в ходе самообучения программы
(в первую очередь эвристические) для решения задач определенного класса сложности и решать эти задачи
Слайд 5
![И что же это такое? способность системы создавать в ходе](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-4.jpg)
И что же это такое?
способность системы создавать в ходе самообучения программы
(в первую очередь эвристические) для решения задач определенного класса сложности и решать эти задачи
….
Слайд 6
![Классический ИИ (ИИ, Weak AI, GOFAI) Достаточно иметь одинаковую реакцию](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-5.jpg)
Классический ИИ (ИИ, Weak AI, GOFAI)
Достаточно иметь одинаковую реакцию модели и
человека (один и тот же выход при одном и том же входе). При этом внутренние операции мышления – алгоритмы и набор символов для оперирования могут быть различны
Девиз: лишь бы работало!
Слайд 7
![Классический ИИ (ИИ, Weak AI, GOFAI) Критерий успешности модели: сравнение](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-6.jpg)
Классический ИИ (ИИ, Weak AI, GOFAI)
Критерий успешности модели: сравнение с человеком
по качеству выполнения интеллектуальных задач.
Каких задач?
Слайд 8
![Классический ИИ (ИИ, Weak AI, GOFAI) ELIZA - знаменитая компьютерная](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-7.jpg)
Классический ИИ (ИИ, Weak AI, GOFAI)
ELIZA - знаменитая компьютерная программа Джозефа
Вейценбаума, написанная в 1966 году, которая пародирует диалог с психотерапевтом, реализуя технику активного слушания
http://www.manifestation.com/neurotoys/eliza.php3
Слайд 9
![Классический ИИ (ИИ, Weak AI, GOFAI) Logic Theorist (LT) Саймона](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-8.jpg)
Классический ИИ (ИИ, Weak AI, GOFAI)
Logic Theorist (LT) Саймона и Ньюэлла
- способна доказать большинство теорем из главы 2 труда Рассела и Уайтхеда Principia Mathematica.
Deep Blue
Тест на интеллект
Премия Лёбнера (с 1990 г.)
Слайд 10
![Придумай тест на интеллект!](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-9.jpg)
Придумай тест на интеллект!
Слайд 11
![Придумай свой тест на интеллект! Как можно отличить разумное существо](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-10.jpg)
Придумай свой тест на интеллект!
Как можно отличить разумное существо от неразумного?
Что
делает разумным пьяницу-бомжа, который и пяти слов связать не может, и неразумным – компьютер, который быстро считает к-т корреляции и обыгрывает тебя в шахматы?
Почему разумному человеку трудно поймать неразумную муху?
Слайд 12
![А возможен ли ИИ в принципе? Джон Роджерс Сёрль – мысленный эксперимент](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-11.jpg)
А возможен ли ИИ в принципе?
Джон Роджерс Сёрль – мысленный эксперимент
Слайд 13
![А мы такой НЕ проходили!](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-12.jpg)
Слайд 14
![Капица Сергей и Анохин Константин - Искусственный интеллект.mp4 https://www.youtube.com/watch?v=gCLOc9Zilgc](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-13.jpg)
Капица Сергей и Анохин Константин - Искусственный интеллект.mp4
https://www.youtube.com/watch?v=gCLOc9Zilgc
Слайд 15
![Когнитивное моделирование (Strong AI) Цель – повторить в модели те](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-14.jpg)
Когнитивное моделирование (Strong AI)
Цель – повторить в модели те же алгоритмы
и символы, которые используются человеком. Критерий успешности – не только качество выполнения интеллектуальных задач, но и одинаковое потраченное время, количество ошибок и т.д.
Девиз – чтобы как у человека!
Слайд 16
![Когнитивное моделирование (Strong AI)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-15.jpg)
Когнитивное моделирование (Strong AI)
Слайд 17
![Символьный подход Мышление – операции над символами. Актуальна проблема используемых](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-16.jpg)
Символьный подход
Мышление – операции над символами.
Актуальна проблема используемых символов и
операций (алгоритмов).
ПРОБЛЕМА: символьные системы не воспроизводят структуры мозга!
Слайд 18
![Нейронные сети Так создадим колонию искусственных нейронов!](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-17.jpg)
Нейронные сети
Так создадим колонию искусственных нейронов!
Слайд 19
![Нейронные сети Знания хранятся как совокупность связей (весов) Сеть учит](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-18.jpg)
Нейронные сети
Знания хранятся как совокупность связей (весов)
Сеть учит разные совокупности на
одном и том же множестве нейронов
Слайд 20
![Нейронные сети](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-19.jpg)
Слайд 21
![Нейронные сети](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-20.jpg)
Слайд 22
![Сходство с нейронами мозга Параллельность (нейроны медленны, но их много)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-21.jpg)
Сходство с нейронами мозга
Параллельность (нейроны медленны, но их много)
Нейроны взаимодействуют с
большим количеством других нейронов
Обучение – это изменение силы синаптической связи
Нейроны взаимодействуют через возбуждение и торможение
Слайд 23
![Сходство с нейронами мозга Информация постоянно доступна головному мозгу Частичная](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-22.jpg)
Сходство с нейронами мозга
Информация постоянно доступна головному мозгу
Частичная потеря работосполсобности при
повреждении
Управление распределенное, а не центральное
Слайд 24
![Нейронные сети умеют рисовать! А ты? нейросети состоят из 10–30](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-23.jpg)
Нейронные сети умеют рисовать! А ты?
нейросети состоят из 10–30 связанных слоев,
которые работают последовательно: получив картинку, они анализируют ее и «сообщают» результаты анализа следующему слою. Например, первые слои могут искать на изображении края и углы, средние — интерпретировать наборы особенностей в отдельные объекты. Финальные слои объединяют все эти интерпретации воедино и делают выводы о том, что изображено на картинке.
Слайд 25
![Нейронные сети умеют рисовать! А ты? Чтобы получать «картины», исследователи](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-24.jpg)
Нейронные сети умеют рисовать! А ты?
Чтобы получать «картины», исследователи заставляют работать
нейронные сети задом наперед: они показывают сети случайный шум и просят «улучшить» его таким образом, чтобы на выходе получилась определенная интерпретация.
https://meduza.io/shapito/2015/06/19/hudozhnik-ot-gugla-neyronnye-seti-nauchilis-pisat-kartiny
Слайд 26
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-25.jpg)
Слайд 27
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-26.jpg)
Слайд 28
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-27.jpg)
Слайд 29
![](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-28.jpg)
Слайд 30
![Я художник – я так вижу!](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-29.jpg)
Слайд 31
![А музыку может сочинять? Конечно! См., например, http://geektimes.ru/post/259958/](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-30.jpg)
А музыку может сочинять?
Конечно!
См., например, http://geektimes.ru/post/259958/
Слайд 32
![Генетические алгоритмы Компьтерная программа, которая развивается с помощью изменчивости и отбора](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-31.jpg)
Генетические алгоритмы
Компьтерная программа, которая развивается с помощью изменчивости и отбора
Слайд 33
![Простой ГА Начинает со случайно сгенерированного множества хромосом (возможных решений)](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-32.jpg)
Простой ГА
Начинает со случайно сгенерированного множества хромосом (возможных решений)
Вычисляет приспособленность каждой
хромосомы (fitness)
Выбирает пары родителей с вероятностью, которая является функцией ранга приспособленности
Создает новую совокупность хромосом посредством размножения (пересечения) родителей и мутаций потомков
Слайд 34
![Генетические алгоритмы](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-33.jpg)
Слайд 35
![Генетические операторы Размножение: обмен частями двух хромосом 100 00100 100](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-34.jpg)
Генетические операторы
Размножение: обмен частями двух хромосом
100 00100 100 11111
111
11111 111 00101
Мутации – случайные изменения ячеек
00000100 00000000
Слайд 36
![Алгоритм (пример 1 – комп. программы) Выбираем множество функций и](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-35.jpg)
Алгоритм (пример 1 – комп. программы)
Выбираем множество функций и переменных для
программы
Генерируем начальную совокупность случайных программ (деревьев)
Применяем ГА
Слайд 37
![Применяем ГА Приспособленность: Прогоняем любую программу на тренировочной базе данных](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-36.jpg)
Применяем ГА
Приспособленность: Прогоняем любую программу на тренировочной базе данных и вычисляем
приспособленность – сколько случаев посчитано правильно
Размножение – обмениваемся частями деревьев
Мутации – меняем часть дерева на случайное дерево
Слайд 38
![Формула площади круга](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-37.jpg)
Слайд 39
![Результат ГА Через сравнительно небольшое количество поколений получаем правильную программу!!!](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-38.jpg)
Результат ГА
Через сравнительно небольшое количество поколений получаем правильную программу!!!
Слайд 40
![Пример 2 – дилемма узника](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-39.jpg)
Пример 2 – дилемма узника
Слайд 41
![Пример 2 – дилемма узника Аксельрод (1987) провел два соревнования](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-40.jpg)
Пример 2 – дилемма узника
Аксельрод (1987) провел два соревнования программ. Выиграла
«TIT for TAT»
Применяем ГА для эволюции стратегий:
Стратегии рассматриваются как хромосомы
Слайд 42
![Пример 2 – дилемма узника Если помним только один ход,](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-41.jpg)
Пример 2 – дилемма узника
Если помним только один ход, то есть
4 возможности:
СС
СП
ПС
ПП
Стратегия представлятся в виде строки, которая показывает, что делать в каждом случае, напр., СПСП
Слайд 43
![Пример 2 – дилемма узника Если помним 3 хода, то](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-42.jpg)
Пример 2 – дилемма узника
Если помним 3 хода, то есть 64
возможности:
СС СС СС
СС СС СП
…
Стратегия - строка длиной 64. Таких стратегий 2 в 64 степени
Слайд 44
![Пример 2 – дилемма узника Эксперимент 1: Совокупность – 20](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-43.jpg)
Пример 2 – дилемма узника
Эксперимент 1: Совокупность – 20 стратегий. ГА
работал 50 поколений. Приспособленность – результат при игре нескольких игр с 8 выбранными программами (написанными людьми)
Результат: С совершенно случайного начала ГА нашел стратегию, которая значительно обыграла «TIT for TAT» по баллам.
Слайд 45
![Пример 2 – дилемма узника Это случилось потому, что алгоритм](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-44.jpg)
Пример 2 – дилемма узника
Это случилось потому, что алгоритм использовал слабости
фиксированных стратегий!
Однако можно сказать, что ГА преуспел в том, в чем и эволюция – в созданиии специализированной адаптации для определенного окружения.
Слайд 46
![Пример 2 – дилемма узника Эксперимент 2 – не фиксированное](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-45.jpg)
Пример 2 – дилемма узника
Эксперимент 2 – не фиксированное окружение.
Результат –
10-20 поколений, и на выходе такие же успешные программы как «TIT for TAT»!
Слайд 47
![Пример 3 – а музыку можно? DarvinTunes muzyka napisannaya komp](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-46.jpg)
Пример 3 – а музыку можно?
DarvinTunes muzyka napisannaya komp yuterom 4432
pokoleniy geneticheskogo algoritma (mp3top100.net).mp3
DarvinTunes muzyka napisannaya komp yuterom 4704 pokoleniy geneticheskogo algoritma (mp3top100.net).mp3
Слайд 48
![Искусственный интеллект - история и перспективы.avi.mp4 Искусственный интеллект - современное](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-47.jpg)
Искусственный интеллект - история и перспективы.avi.mp4
Искусственный интеллект - современное состояние.Искусственный интеллект
- современное состояние.avi.mp4
http://www.vesti.ru/videos/show/vid/325889/cid/1100/#
http://www.vesti.ru/videos/show/vid/324626/cid/1100/
Слайд 49
![Где тут место психолога?](/_ipx/f_webp&q_80&fit_contain&s_1440x1080/imagesDir/jpg/80003/slide-48.jpg)