Professional Documents
Culture Documents
Vestacka-Inteligencija Armin Kurtovic
Vestacka-Inteligencija Armin Kurtovic
Vestacka-Inteligencija Armin Kurtovic
SEMINARSKI RAD
Mentor:
Prof. Dr. Radoje Cveji
Student:
Armin Kurtovi
Br.indexa:I0646/13
Sarajevo, 2015.godina
________________________________________________________________________
1
SADRAJ
1. UVOD.........................................................................................................3
2. VJESTACKA INTELIGENCIJA.............................................................4
3. NEURONSKE MREZE........................................................................18
4. EKSPERTNI SISTEMI.........................................................................22
5. ZAKLJUCAK...........................................................................................25
6. LITERATURA........................................................................................26
________________________________________________________________________
2
1. UVOD
Pojam vetaka inteligencija VI (Artifical Intelligence -AI) potie od Johna
McCarty-ja i oznaava pojavu inteligencije koja je ostvarena na vetaki nain, tj. putem
programiranja raunara. Meutim mnogi autori i strunjaci iz ove oblasti se ne slau s tim
da termin vetaka inteligencija upotpunosti i najbolje opisuje ovu oblast nauke, jer
mnoge oblasti informatike u osnovi imaju inteligentno ponaanje, ali ne spadaju u oblast
vetake inteligencije, tj. ne pripadaju toj oblasti u uem smislu.
________________________________________________________________________
3
2.VETAKA INTELIGENCIJA
Vetaka inteligencija je grana raunarskih nauka koja se bavi prouavanjem i
oblikovanjem raunarskih sistema koji pokazuju neki oblik inteligencije. To su sistemi
koji mogu uiti nove koncepte, sistemi koji mogu zakljuivati i donositi zakljuke o svetu
koji ih okruuje, sistemi koji mogu razumeti prirodni jezik ili spoznati i tumaiti sloene
vizuelne scene, sistemi koji mogu obavljati i druge vrste vetina koje zahtevaju ovekovu
vrstu inteligencije (D.W. Patterson,1990). Pored ove definicije postoje i druge, a to su :
________________________________________________________________________
4
________________________________________________________________________
5
2.2 Uenje
Postoji vie razliitih oblika uenja koji su primijenjeni na oblast vjetake
inteligencije. Najjednostavniji se odnosi na uenje na grekama preko pokuaja. Na
primjer, najjednostavniji raunaraski program za rijeavanje problema matiranja u
jednom potezu u ahu, je istraivanje mat pozicije sluajnim potezima. Jednom
iznaeno rjeenje, program moe zapamtiti poziciju i iskoristiti je sljedei put kada
se nae u identinoj situaciji. Jednostavno pamenje individualnih poteza i
procedura - poznato kao mehaniko uenje - je vrlo lako implementirati u
raunarski sistem.
________________________________________________________________________
6
2.3 Razmiljanje
________________________________________________________________________
7
Metode rjeavanja problema se dijele na one posebne i one opte namjene. Metoda
posebne namjene je traenje adaptiranog rjeenja za odreeni problem i sadri vrlo
specifine osobine situacija od kojih se problem sastoji. Suprotno tome, metod opte
namjene se moe primijeniti na iri spektar problema.
Tehnika opte namene koja se koristi u VI je metod krajnje analize, dio po dio, ili
postepeno dodavanje, odnosno redukovanje razliitosti izmeu trenutnog stanja i krajnjeg
cilja. Program bira akcije iz liste metoda - u sluaju jednostavnog robota koraci su
sljedei: PICKUP, PUTDOWN, MOVEFROWARD, MOVEBACK, MOVELEFT i
MOVERIGHT, sve dok se cilj ne postigne.
Vei broj razliitih problema su rijeeni preko programa vjetake inteligencije. Neki od
primjera su traenje pobjednikog poteza, ili sekvence poteza u igrama, sloeni
matematiki dokazi i manipulacija virtulenih objekata u vjetakim, odnosno sintetikim
raunarskim svjetovima.
________________________________________________________________________
8
________________________________________________________________________
9
filozofija
matematika,
teorije algoritma
logike,
verovatnoe,
psihologije.
Podruja primene vetaka inteligencija su:
ekspertni sistemi,
formalizmi i metode prikaza znanja,
uenje,
robotika,
________________________________________________________________________
10
automatsko programiranje,
________________________________________________________________________
11
________________________________________________________________________
12
________________________________________________________________________
13
reavanja
problemima
moemo
Neuronske mree
Modeliranje evolucije i
Heuristiko programiranje
________________________________________________________________________
15
Test polazi od jedne igre u kojoj ispitiva treba da pogodi pol dva interlokutora, A i
B, a koji se nalaze u posebnim i odvojenim sobama. Iako oboje tvrde da su enskog pola,
u stvari radi se o mukarcu i eni. U izvornom Tjuringovom prijedlogu uraena je
izvjesna modifikacija, te je enu zamijenio raunar. Ispitiva treba da pogodi ko je od njih
maina, polazei od njihovog meusobnog razgovora i imajui u vidu da oboje tvrde da
su ljudi.
________________________________________________________________________
16
Naredna generacija ovih sistema Intelligent CAI ili Intelligent Tutoring Systems,
zasnivali su se na implementaciji znanja o odreenoj temi, u sam raunar. Postajala su
dva tipa ovakvih sistema. Prvi je trenirao uenika u samom procesu rjeavanja sloenih
problema, kao to je npr., prepoznavanje greaka dizajna u jednom elektrinom kolu ili
pisanje raunarskog programa. Drugi tip sistema je pokuavao da odrava silogistiki
dijalog sa studentima. Implementaciju drugog tipa sistema je bilo vrlo teko sprovesti u
praksu, velikim dijelom zbog problema programiranja sistema za razumijevanje
spontanog i prirodnog ljudskog jezika. Iz tog razloga, projektovano ih je samo nekoliko.
4. etvrtu ini pedagoki modul koji sugerie zadatke koje treba rijeiti, odgovara na
pitanja studenta i ukazuje mu na mogue greke. Odgovori na pitanja studenta i
________________________________________________________________________
17
________________________________________________________________________
18
3. NEURONSKE MREZE
razviju raunar pod nazivom Mark I koji predstavlja prvi neuroraunar. Neto posle
Rosenblatta, Bernard Widrow je sa svojim studentima (najpoznatiji je Ted Hoff, kasnije
tvorac mikroprocesora) razradio novi tip neurona - ADALINE (ADAptivini LINearni
Element, prenosna funkcija f(x)=x) i odgovarajui zakon uenja.
Sredinom 1960-ih godina je pristup reavanja problema neuronskih mrea
okarakterisan kao pogrean, nakon to Marvin Minsky i Seyour Papert u knjizi
Perceptrons objavljuju matematiki dokaz da jednoslojna neuronska mrea
Perceptron ne moe da naui funkciju XOR, uz pretpostavku da dodavanjem vie
slojeva neurona taj problem nee biti prevazien. Tano je da neuron nije u stanju da
izvede pomenutu funkciju, ali za iole sloeniju mreu od nekoliko neurona to predstavlja
veoma jednostavan zadatak. Njihov dokaz je diskreditovao istraivanja neuronskih
mrea, a finansiranja su preusmerena na druge oblasti vetake inteligencije.
Rumenel, Hinton i Williams (1986) dokazuju veliku promenljivost i potencijal
backpropagation algoritma. Krajem 80-tih i poetkom 90-tih, neuronske mree i neuro
raunarstvo se uvodi kao predmet na nekoliko elitnih univerziteta u SAD, dok se danas
neuronske
mree
gotovo
mogu
sresti
na
svim
univerzitetima.
Iako su NM imale neobinu istoriju, one su jo uvek u ranoj fazi razvoja. Moda se sad
moe rei da smo na kraju poetka. Danas NM nalaze veoma irok spektar primena u
razliitim praktinim oblastima.
3.3 Realizacija neuronskih mreza
Neuronska mrea se moe realizovati na dva naina: hardverski i softverski.
Hardverska realizacija: Vetaki neuroni su fiziki meusobno povezani, oponaajui
veze izmeu biolokih neurona. Neuroni se realizuju kao jednostavna integrisana kola.
Softverska realizacija: NM se obino simuliraju na tradicionalnim raunarima, u
kojima je veza izmeu vorova logika (virtualna).
Svaki od ovih naina realizacije NM ima svoje prednosti kao i mane. Prednost
hardverske realizacije je to to moe da koristi mogunost paralelnog procesiranja
informacija ukoliko se svakom neuronu u mrei dodeli po jedan procesor. Prednost
softverske realizacije NM na standardnom PC raunaru je u tome to se lake
uspostavljaju (i kasnije menjaju) veze izmeu pojedinih neurona u mrei. U praksi se
softverska realizacija koristi za testiranje, a konkretna realizacija koja se primenjuje u
praksi moe biti realizovana i hardverski ime se dobija na brzini.
________________________________________________________________________
20
obuena.
Postoji tri tipa obuavanja:
________________________________________________________________________
22
4. EKSPERTNI SISTEMI
Ekspertni sistemi (takoe, ekspertni sistemi) su inteligentni raunarski programi
kojima se podstie reavanje problema na nain na koji to ine eksperti i predstavljaju
jednu od najznaajnijih oblasti istraivanja vetake inteligencije. Ekspertni sistemi
reavaju realne probleme iz razliitih oblasti, koji bi inae zahtevali ljudsku ekspertizu.
Cilj je da uvek raunarski program daje korektne odgovore, u datoj oblasti, ne loije od
eksperta, ali je to teko dostino. Zato se postavlja manje ambiciozan cilj, trai se da
sistem prui pomo u odluivanju.
Ekspert je strunjak u nekoj oblasti koji poseduje i efikasno koristi odreeno
znanje, razumevanje problema i zadataka, vetine i iskustva. Eksperti poseduju i
sposobnost da u konkretnom problemu koji reavaju prepoznaju tipski zadatak. Poseduju
i neke line osobine poput snalaljivosti, to ini heuristiko znanje. Na osnovu ovog
znanja mogu da prepoznaju najbri nain dolaska do reenja, kao i ispravan pristup u
reavanju problema, ak i ako su podaci nekompletni.
Ekspertni sistemi iz pojedinih oblasti se povezuju inei na taj nain bazu znanja
ire namene, koja je veliki potencijal za pomo u odluivanju.
Podruje ekspertnih sistema, (Expert Systems-ES) predstavlja samo deo irokog
istraivakog podruja poznatog kao vetaka inteligencija Artifikal Inteligence.
Ekspertni sistemi podrazumjevaju onu oblast vjetake inteligencije koja se bavi
primenom raunarskog znanja u reavanju problema koji obino zahtevaju ljudski
intelekt.
ES se satoji od:
kontrolnog programa,
sistema za komunikacije sa korisnikom.
baze znanja,
________________________________________________________________________
23
________________________________________________________________________
24
4.5 Primena ES
Raspoloivo znanje ES je veoma ogranieno, budui da se oni dizajniraju za
reavanje usko specificiranog problemskog podruja.
Ekspertni sistemi se primenjuju za dijagnostiku i servisiranje, planiranje,
prognoziranje, dizajn, monitoring i merenje, zatim u raznim granama delatnosti kao to
su tehnika, medicina i druge. Neki ES kao to je AL/X koristi se brzo dijagnosticiranje
kvarova, PROSPECTOR u pronalaenju mineralnih sirovina, HASP tumaenje signala
sonara itd.
4.6 Izbori podruja razvoja ES
Prilikom izbora podruja za koje e se razvijati ekspertni sistem uzimaju se
podruja ili situacije koje imaju sledee karakteristike:
Gdje eksperata ima malo i rade pod velikih pritiskom (preko vikenda, praznika,
nou i sl.),
posao je toliko sloen da oduzima mnogo vremena i esto dovodi do greaka,
odluke koje se donose veoma su vane, ali se donose retko pa nema eksperata koji
se njima stalno bave.
4.8 Osobine ES
________________________________________________________________________
25
5. ZAKLJUAK
Svakodnevno smo svedoci brojnih primera upotrebe vetake inteligencije u
velikom broju razliitih oblasti. Za oekivati je da e u budunosti upotreba vetake
inteligencije biti sve zastupljenija ak i u svakodnevnom radnom okruenju. Vetaka
inteligencija pokuava oponaati ljudski nain razmiljanja sluei se deklarativno
znakovnim programiranjem uz razvijanje vizuelnih senzora i prirodnih jezika. U
budunosti je za oekivati da e putem vetake inteligencije biti zamenjeni mnogi
eksperti i strunjaci. Velike baze znanja e omoguiti lake rjeavanje problema.
________________________________________________________________________
26
6. LITERATURA
http://wikipedia.org/wiki/Vje%C5%A1ta%C4%8Dka_inteligencija
http://users.hemo.net/shoom/es.pdf
http://www.scribd.com
S. A. Argyropoulos: Artificial Intelligence in Materials Processing
Operations: A Review and Future Directions, ISIJ Int, 30(1990) 83-89.
D. A. Waterman: A Guide to Expert Systems, Addison-Wesley Publ. Co.,
Reading, MA, (1986)
Prof.dr Mladen Radivojevi, Elektronsko poslovanje-Menadment informacioni sistemi.
________________________________________________________________________
27