Inhoud. AI Kaleidoscoop. Doel. Mededelingen. Mededelingen Doel Overzicht - onderwerpen Opgaven Samenvatting. Doel van werkcollege AI Kaleidoscoop

Maat: px

Weergave met pagina beginnen:

Download "Inhoud. AI Kaleidoscoop. Doel. Mededelingen. Mededelingen Doel Overzicht - onderwerpen Opgaven Samenvatting. Doel van werkcollege AI Kaleidoscoop"

Carla van der Laan
7 jaren geleden
Aantal bezoeken:

1 Inhoud AI Kaleidoscoop Werkcollege 1: AI Overzicht Mededelingen Doel Overzicht - onderwerpen Opgaven Samenvatting Radu Serban serbanr@cs.vu.nl Mededelingen Werkwijze: discussie, oefeningen met onlangs geleerde concepten en methoden voorlezen van werkboek - niet verplicht, wel geadviseerd Materiaal AI Kaleidoscoop (werk)college: VU blackboard: AI Kaleidoscoop rooster: ontact voor vragen: 1. serbanr@cs.vu.nl; 2. Kamer T3.43 Werkcollege volgende week Doel Doel van werkcollege AI Kaleidoscoop Oefenen van geleerde concepten, methoden Voorbereiden voor examen Discusseren, eigen wijze van denken/leren aanpassen Andere meningen horen

2 Overzicht onderwerpen werkcollege ollege 1 (w.37): AI Overzicht ollege 2 (w.38): Zoeken zonder heuristieken ollege 3 (w.39): Zoeken met heuristieken Opgaven Werkboek 1 1. Wat is intelligentie? 2. Wat is Kunstmatige Intelligentie (KI)? 3. Hoe kun je KI herkennen? 4. Over de (on)mogelijkheid van KI? 5. Toepassingen van KI 6. Over zelf-lerende programma s ollege 4 (w.40): Zoeken met meer spelers Opg.1: Wat is intelligentie? Kunstmatige Intelligentie is de wetenschap die probeert menselijke intelligentie / denken / redeneren zo goed te begrijpen dat we het ook op een computer kunnen uitvoeren Eigenschappen van menselijke intelligentie? Leren van vergissingen Reageren op onvoorziene omstandigheden Nadenken over eigen en andermans gedrag Spreken Emoties hebben reativiteit Andere?

3 Andere eigenschappen van intelligent gedrag M D Opg.2: Wat is KI? 1. Woord-, spraak-, gezichtsherkenning 2. Goede geheugen hebben 3. Goed kunnen plannen 4. Nieuwe concepten abstraheren, classificeren 5. Effectief kunnen communiceren en reageren 6. Effectief kunnen vergelijken en zoeken 7. Goed kunnen samenwerken, coordineren (a) Is een computer programma met eigenschappen van menselijke intelligentie, intelligent? Welke eigenschappen zijn moeilijk te realiseren in een computerprogramma? (b) Intelligentie eisen voor een computerprogramma. Opg.3: Hoe kun je KI herkennen? Turing toets (Alan Turing, 1950): an machines think? Imitatie spel Gefocuseerd op symbolisch probleem-oplossing taken Gericht op menselijke vermogens Opg.4: (On)Mogelijkheid van KI (a) Natuurlijk kunnen computers niet intelligent zijn - hun handelen is immers volledig bepaald door de programmeur. (b) Natuurlijk kunnen dieren niet intelligent zijn - hun handelen is immers volledig bepaald door hun genen.

4 Opg.5: Voorbeelden van KI Systemen Taal Vertaling System Luchtverkeersleiding Toezienende Systemen Geautomatiseerde persoonlijke assistent Intelligente Snelwegen Robots for gevaarlijke omstandigheden NASA Verkenningsmissie Opg.5: Toepassingen van KI zelf-diagnose van auto s verzekerings acceptatie credit-card fraude-detectie toepassen van sociale wetgeving ontwerpen van gebitsprothesen locatie van waterkracht centrales verbeteren van gezondheidszorg plannen van kankerbehandelingen toekennen van strafmaat Opg.6: Over zelf-lerende programma s Machinal leren: door ervaring (leren van algemene regels uit specifieke voorbeelden) beter werken Leren van poort Leren van trap Machinaal leren Poort A B Poort = delen A,B, blok(a),blok(b),blok() + - A B + A&B steunen A B + -blok() A B - + A raakt-niet B Poort = delen A,B, + blok(a),blok(b) + A & B steunen + A raakt-niet B

5 Machinaal leren Trap : Stap 1 + Trap = delen A,B A kleiner-dan B A raakt B - + vrije ruimte tussen A,B A raakt-niet B Trap = delen A,B + blok(a),blok(b) + A raakt B Machinaal leren Trap : Stap deel(), B raakt - + delen A,B + A raakt B + A gelijk-aan B Trap = delen A,B, + blok(a),blok(b),blok() + A raakt B + B raakt + A kleiner-dan B + B kleiner-dan Machinaal leren Trap : Stap 3 Machinaal leren Trap : Stap A groter-dan B, B groter-dan + + A groter-dan B, B groter-dan - - B groter-dan + B kleiner-dan - - A boven B Trap = delen A,B,,D + blok(a),blok(b),blok() + A raakt B + B raakt + of (A kleiner-dan B en B kleiner-dan ) of (A groter-dan B en B groter-dan ) Trap = delen A,B,,D + blok(a),blok(b),blok(),blok(d)+ A raakt B + B raakt + raakt D + A niet-boven B + of (A kleiner-dan B + B kleiner-dan ) of (A groter-dan B + B groter-dan ) of (A kleiner-dan B + B groter-dan )

6 Samenvatting & Vragen KI: begrijpen van menselijke intelligentie zo goed dat we het op een computer kunnen uitvoeren KI toepassingen: plannen, coordineren van complexe takken, advies geven Machinal leren: essentieel voor intelligent gedrag van computer

Vergelijkbare documenten

AI Kaleidoscoop. College 1. Wat gaan we vandaag doen? Huishoudelijke Zaken. Huishoudelijke Zaken

AI Kaleidoscoop. College 1. Wat gaan we vandaag doen? Huishoudelijke Zaken. Huishoudelijke Zaken AI Kaleidoscoop College 1 Huishoudelijke zaken Overzicht van cursus College 1: Definitie van AI Overzicht van AI Leeswijzer: Hoofdstuk 1 1 2 Huishoudelijke Zaken Docent: Frank van Harmelen email: Frank.van.Harmelen@cs.vu.nl