Akademija tehničko-umetničkih strukovnih studija Beograd

Odsek Visoka škola elekrotehnike i računarstva

VEŠTAČKA INTELIGENCIJA

mr Miloš Pejanović, dipl.inž.

milos.pejanovic@viser.edu.rs
 Sadržaj
 Uvod

 Inteligencija i veštačka inteligencija

 Kratka istorija veštačke inteligencije

mr Miloš Pejanović, dipl.inž. 2

 Uvod

mr Miloš Pejanović, dipl.inž. 3

 Uvod

Živimo u zanimljivim vremenima

za veštačku inteligenciju (VI).

U poslednjih desetak godina, VI

je znatno napredovala.

Pogledajmo neke od poslednjih

vrhunaca. . .
mr Miloš Pejanović, dipl.inž. 4
 Uvod: Atlas - humanoidni robot
Visoko pokretljiv humanoidni robot
oblikovan za rad na otvorenom (neravnom
terenu).

Oblikovan za zadatke potrage i spašavanja

Izgradila ka je tvrtka Boston Dynamics,
finansirala DARPA, javnosti je predstavljen
2013. godine.

28 hidraulički pokretanih stepena slobode,

dva dlana, ruke, noge, stopala i torzo.

Sensorska glava sa stereo-kamerama i

laserskim meračem udaljenosti-
Proglašen primerkom nove vrste, “robo
sapiens“.
https://www.youtube.com/watch?v=rVlhMGQgDkY
mr Miloš Pejanović, dipl.inž. 5
 Uvod: VoiceTra - mašinsko
prevođenje u realnom vremenu
Mašinsko prevodenje rezultat je 60-
godisnjeg istraživanja

Zrela tehnologija, zahvaljujući napretku u

mašinskom ucenju i racunarstvu u oblaku

Japan razvija sisteme za visokokvalitetno

prevodenje iz govora u govor, u realnom
vremenu

Lansiranje pre Olimpijade 2021. godine u

Tokiju, kao pomoc posetiocima.

Trenutno pokriva 27 jezika u tekstu i

četiri jezika u govoru.
The Japan Times:
mr Miloš Pejanović, dipl.inž. 6
http://www.japantimes.co.jp/news/2015/03/31/reference/translation-tech-gets-
olympic-push
 Uvod: Neuronsko mašinsko
prevodenje (NMT)
Novembar 2016.: Google sistem za statisticko mašinsko prevođenje
(zasnovan na frazama) zamenjuje sistemom zasnovanom na dubokim
neuronskim mrežama (sequence-to-sequence learning).

Duboka LSTM-mreža sa 8 slojeva kodera i dekodera 60%-tno

smanjenje grešaka u prevodu!

mr Miloš Pejanović, dipl.inž. 7

Inteligencija i veštačka inteligencija
Danas:

1. Mogu li mašine misliti?

2. Mi i mašine

3. Inteligencija i veštačka inteligencija

4. Testiranje veštačke inteligencije

5. Kratka istorija veštačke inteligencije

mr Miloš Pejanović, dipl.inž. 8
 Mogu li mašine misliti?

Hiljade godina staro pitanje:

“Kako mi mislimo?"
Zajedno s nastankom kompjutera
nastalo je iuverenje da cemo
inteligenciju reprodukovati
kompjuterom.

Šta je to uopšte inteligencija? Šta

podrazumevamo pod pojmom
veštačka inteligencija?

I pre nastanka kompjutera postojali

su pokušaji da napravimo svoju
kopiju . . .

mr Miloš Pejanović, dipl.inž. 9

 Istorijski pokušaji: Frankenstein

Izvorna priča Mary Shelley

“Frankenstein, ili moderni
Prometej",izdana 1818. godine,
opisuje pokušaj
naučnika Victora
Frankensteina da
stvori veštački zivot.

mr Miloš Pejanović, dipl.inž. 10

 Istorijski pokušaji - Turčin
1770. godine Wolfgang von Kempelen konstruisao je automat koji
igra šah i izvodi konjićev obilazak.

Automat je izlagan i demonstriran 80 godina po Evropi i Americi.

Vešto konstruisana mehanička iluzionistička naprava.

mr Miloš Pejanović, dipl.inž. 11

 Istorijski pokušaji - Robot

Godine 1921. češki pisac Karel Čapek napisao je dramu R. U. R.

(Rossum's Universal Robots)

Robot (češki robota) - rad, prisilan rad

mr Miloš Pejanović, dipl.inž. 12

 Kompjuteri i elektronski mozak
1945. godine razvijen je ENIAC, prvi elektronski kompjuter
(računar)
U početku razvoja kompjuteraa smatralo se da su kompjuteri
identični elektronskom mozgu.

mr Miloš Pejanović, dipl.inž. 13

 Mogu li mašine misliti?
Kompjuteri danas upravljaju vrlo složenim procesima, kompjuterom
simuliramo rešavanje složenih problema, donošenje odluka,
zaključivanja, prirodan jezik, . . .

mr Miloš Pejanović, dipl.inž. 14

 Mi i mašine
Deep Blue vs. Garry Kasparov (1)
1997. godine kompjuter Deep Blue (IBM) pobedio je svetskog
šahovskog prvaka Garryja Kasparova.

Da li je Deep Blue inteligentan?

mr Miloš Pejanović, dipl.inž. 15

 Rasprava - Da li je Deep Blue
inteligentan?
Pitanje 1:
Deep Blue je pobedio svetskog ahovskog prvaka Garryja
Kasparova.
Da li je Deep Blue inteligentna mašina?
Razmislite o tome nekoliko sekundi i zauzmite stav.
Napišite barem dva razloga kojima dokazujete svoj stav.

Razmenite mišljenja sa kolegom (koleginicom).

Pokušajte argumentovati svoj stav.
Pažljivo saslušajte mišljenje svog kolege (koleginice).
Pokušajte dogovoriti zajednički stav.

Donesite konačan stav: DA (mašina je inteligentna), NE

(mašina nije inteligentna) ili X (nema zajedničkog stava).
mr Miloš Pejanović, dipl.inž. 16
 Deep Blue vs. Garry Kasparov (2)

200,000,000 šahovskih pozicija u 3 šahovske pozicije u sekundi

sekundi

Poseduje malo znanja o šahu, ali Posjeduje mnogo znanja o šahu, ali
ogromnu sposobnost bitno manju sposobnost
izračunavanja izračunavanja.

Mašina nema osećaje niti Ima osećaje i istančanu intuiciju,

intuiciju, ne zaboravlja, ne može ali može osećati umor i dosadu te
se zbuniti niti osećati neugodno gubiti koncentraciju
mr Miloš Pejanović, dipl.inž. 17
 Deep Blue vs. Garry Kasparov (3)

Deep Blue ne uči, pa ne može Garry Kasparov može učiti i brzo se

iskoristiti veštačku inteligenciju prilagoditi na osnovu svojih uspeha
da bi naučio od svog protivnika. i grešaka.

Deep Blue neverovatno efikasno Garry Kasparov je uopšte vrlo

rešava probleme iz domena inteligentan. Autor je nekoliko
šaha, ali je manje „inteligentan" knjiga i govori mnoge jezike
čak i od malog deteta.

mr Miloš Pejanović, dipl.inž. 18

 Deep Blue vs. Garry Kasparov (3)

Izmene u načinu igre mogu

Garry Kasparov u svakom trenutku
napraviti samo članovi razvojnog
može promeniti svoj način igre
tima, i to tek nakon igre.
Garry Kasparov je vešt u proceni
Deep Blue je vrlo vešt u proceni
svog protivnika, i u iskorišćavanju
šahovskih pozicija, ali nije u stanju
protivnikovih slabosti
proceniti slabosti svog protivnika
Garry Kasparov je sposoban
Deep Blue mora provesti detaljno
selektivno pretraživati da bi
pretraživanje svih mogućih pozicija
odredio sledeci potez
da bi odredio optimalni potezmr Miloš Pejanović, dipl.inž. 19
 Pretraživanje prostora stanja
Rešavanje ovakvih teških problema
zahteva pretraživanje velikog
prostora .stanja.
U proseku je moguće napraviti 35
različitih poteza.
Da bi se na majstorskom nivou
igrao
šah, potrebno je pretraživati 8
koraka unapred, što znači da treba
ispitati oko 358 ili 2 x 1012 stanja.

Kombinatorna eksplozija:
Broj kombinacija raste
eksponencijalno u
svakom koraku.
mr Miloš Pejanović, dipl.inž. 20
 Pretraživanje prostora stanja
Šah je razmerno jednostavan - faktor grananja je 35, a pravila
igre stanu na jednu stranicu.

Znatno složenije: interpretacija rečenice prirodnog jezika

Višeznačnost prirodnog jezika:

“John saw a boy and a girl with a red wagon with one blue and
one white wheel dragging on the ground under a tree with huge
branches.”

Ova rečenica može imati 8064 tumačenja - višeznačna je i za

ljude!

Mašinsko prevođenje jedan je od najtežih zadataka

veštačke inteligencije, odnosno obrade prirodnog jezika .
mr Miloš Pejanović, dipl.inž. 21
 IBM Watson - projekt DeepQA

16.2.2011.: Superračunar IBM Watson pobedio je u igri

Jeopardy najbolje ljudske takmičare i osvojio $35.734

Napredni postupci obrade prirodnog jezika, prikazivanja

znanja, zakljucivanja i pretrazivanja informacija

mr Miloš Pejanović, dipl.inž. 22

 Zadaci teški za kompjuter, a
jednostavni za čoveka
• Razumevanje prirodnog jezika

• Zdravorazumsko zaključivanje (engl. common sense

reasoning)

• Raspoznavanje uzoraka, razumevanje slike i dinamičke

scene

• Kretanje i navigacija

• Zadaci koju uključuju kreativnost

...
Činjenica je: mi puno toga znamo.
mr Miloš Pejanović, dipl.inž. 23
 Zadaci teški za kompjuter, a
jednostavni za čoveka

Najsloženiji kompjuterski problem

veštačke inteligencije (težnja):

izgradnja mašine inteligentne

koliko i čovek!

mr Miloš Pejanović, dipl.inž. 24

Inteligencija i veštačka inteligencija

Šta je inteligencija?
lat. intelligere - razabirati, shvaćati, razumevati
Inteligencija je deskriptivan pojam - opisuje neka
svojstva jedinke ili grupe jedinki.

Ne postoji saglasnost oko definicije inteligencije.

Većina definicija uključuje koncepte kao što su
apstraktno rasuđivanje, razumevanje, samosvest,
komunikacija, učenje, planiranje i rešavanje problema

mr Miloš Pejanović, dipl.inž. 25

 Inteligencija - neke definicije

• Inteligencija - svojstvo uspešnog snalaženja

jedinke u novim situacijama (R. Pintner).
• Inteligencija - sposobnost učenja prilagođavanja
na okolinu (Colvin)
• Inteligencija - opštaa sposobnost apstraktnog
zaključivanja pri rešavanju problema (Terman)
• Inteligencija - urođena opšta kognitivna
sposobnost (Burt)
• Inteligencija se manifestuje u odnosu na neki
posebni društveni i kulturni kontekst (J.
Weizenbaum, 1975.)
mr Miloš Pejanović, dipl.inž. 26
 Inteligencija
Svojstvo uspešnog snalaženja u novim
situacijama

Učenje na osnovu iskustva

Sposobnost razmišljanja pri rešavanju problema

Svrsishodno i prilagodljivo ponašanje u zadanim

okolnostima

Sposobnost učenja, prilagođavanja, odlučivanja,

prepoznavanja, zaključivanja, predviđanja
mr Miloš Pejanović, dipl.inž. 27
 Šta je veštačka inteligencija?

John McCarthy, (1956.)

-Veštačka inteligencija - naziv za naučnu

disciplinu koja se bavi izgradnjom
kompjuterskih sistema čije se ponašanje
može tumačiti kao inteligentno"

mr Miloš Pejanović, dipl.inž. 28

 Šta je veštačka inteligencija?
D. W. Patterson (1990.)

- Veštačka inteligencija je grana računarske

(kompjuterske) nauke koja se bavi proučavanjem
i oblikovanjem računarskih sistema koji pokazuju
neki oblik inteligencije.

Takvi sistemi mogu učiti, mogu donositi zaključke

o svetu koji ih okružuje, oni razumeju prirodni
jezik te mogu spoznati i tumačiti složene vizuelne
scene te obavljati druge vrste veština za koje se
zahteva čovekov tipmrinteligencije."
Miloš Pejanović, dipl.inž. 29
 Veštačka inteligencija – VI
Tehnički sistemi veštačke inteligencije (ITS)
- inteligentno ponašanje mašina:

Sposobnost prikupljanja i upotrebe znanja

Sposobnost postavljanja problema

Sposobnost zaključivanja

Sposobnost obrade i razmene znanja

mr Miloš Pejanović, dipl.inž. 30

Osnove (baza) veštačke
inteligencije
Filozofija

Matematika

Psihologija

Računarstvo

Lingvistika

Biologija
mr Miloš Pejanović, dipl.inž. 31
Filozofija (-428 - )
 Aristotel (-384-322) – silogizmi – algoritmi
zaključivanja

 Rene Decartes (1596 -1650)

- dualizam – deo uma izvan uticaja zakona fizike

 Wilhelm Leibniz (1646 – 1716)

- um nastaje radom mozga prema zakonima fizike

 Francis Bacon (1561-1626) ‘Novum Organum’ –

empiricizam

mr Miloš Pejanović, dipl.inž. 32

Filozofija (-428 - )
 David Hume (1711-1776) ‘A Treatise of Human Nature’
– princip indukcije

 Bertrand Russell (1872-1970) – logički pozitivizam

 George Boole (1815-1864)

– formalni jezik logičkog zaključivanja

 Gottlob Frege (1848-1925)

– predikatska logika

mr Miloš Pejanović, dipl.inž. 33

Matematika (1800 - )
 Alfred Tarski (1902-1983)
– teorija reprezentacije

 Kurt Godel (1906-1978)

– dokaz problema neodlučivosti

 Alan Turing (1912-1954)

– Turing-ova mašina
- Church-Turing-ova teza

mr Miloš Pejanović, dipl.inž. 34

Psihologija (1879 - )
 Herman von Helmholz (1821-1894) i Wilhelm Wundt
(1832-1920)
– naučne metode proučavanja vida

 John Watson (1878-1958) i Edward Lee Thorndike

(1874-1949)
- teorija podražaja i odziva

mr Miloš Pejanović, dipl.inž. 35

Računarstvo (1940 - )
 Alan Turing (1940) Heath Robinson
– elektromehanička računska mašina

 Konrad Zuse (1941)

– programabilni računar Z-3
- Plankalkül - viši programski jezik

 John Atanasoff, Clifford Berry (1942)

- ABC - elektronski računar -
Mark I, II i III

 John Mauchly, John Eckert (1945) – ENIAC

mr Miloš Pejanović, dipl.inž. 36
Lingvsitika (1957 - )
 Noam Chomsky (1957) – teorija sintaktičke strukture
jezika – generativna gramatika

mr Miloš Pejanović, dipl.inž. 37

Biologija

 W. McCulloch, W. Pitts (1943) – veštački neuron

 Donald Hebb (1949) – učenje neuronskih mreža

mr Miloš Pejanović, dipl.inž. 38

 Testiranje veštačke inteligencije
Ispitivanje inteligencije

Alan Turing u članku “Computing Machinery

and Intelligence“ (1950.), u časopisu Mind,
predložio je operacionalizaciju pitanja
“mogu li mašine razmišljati“

Pitanje “Mogu li mašine razmišljati?"

zameniti eksperimentom “igra
oponašanja (imitacije)“.

Eksperiment upoređuje performanse

pretpostavljene inteligentnoe mašine i
čoveka na osnovu nekog skupa upita.

mr Miloš Pejanović, dipl.inž. 39

 Turingov test (1)
U igru su uključena tri učesnika s
različitim ciljevima: A, B
(ispitanici) i C (ispitivač).
A i B su suprotnih polova.

Cilj igrača C: postavljanjem pitanja

odrediti pol ispitanika
Cilj igrača B: pomoći ispitivaču C
Cilj igrača A: navesti ispitivača C na
pogrešnu identikaciju.

Eksperiment se ponavlja i meri se

uspesnost ispitivača C.

mr Miloš Pejanović, dipl.inž. 40

 Turingov test (2)
Šta će se dogoditi ako mašina preuzme ulogu igrača A?
Hoće li ispitivac C napravitijednak broj grešaka kao kada u igri
učestvuju muškarac i žena?

Turing: Ako je broj grešaka jednak, onda je mašina inteligentna

Standardna varijanta: ispitivač C treba da prepozna razliku između
čoveka od mašine.

mr Miloš Pejanović, dipl.inž. 41

 Loebnerova nagrada
1990. godine ustanovljena je Loebnerova nagrada:
$100,000 i zlatna medalja za prvi chat program
(chatbot) čiji se odgovori ne budu razlikovali od
čovekovih.
Kontroverzno takmičenje je upitne koristi za VI.
Glavna nagrada još uvek nije osvojena.
Dobitnici nagrade za “program najsličniji
čoveku":
2016, Steve Worswick: Mitsuku
2015, Bruce Wilcox: Rose
2014, Bruce Wilcox: Rose
2013. Steve Worswick: Mitsuku
2012. Mohan Embar: Chip
2011., 2010. Bruce Wilcox: Suzette
2009. David Levy: Do-Much-More
2008. Fred Roberts: Elbot
2007. Robert Medeksza: Ultra Hal
mr Miloš Pejanović, dipl.inž. 42
 Kratka istorija veštačke
inteligencije
Početak: 1943. - 1952.
1943. J. McCulloch, W. Pitts: model
veštačkog neurona

1949. D. Hebb: pravilo za

modifikovanje veze izmedu dva
neurona

1951. Minsky i Edmons: prva neuronska

mreža od 40 neurona
(vakumske cevi)

1950. A. Turing: Turingov test,

mašinsko učenje, genetski algoritmi,
podržano učenje
mr Miloš Pejanović, dipl.inž. 43
 1952.-1969. Rani entuzijazam,
velika očekivanja (1)
1952. A. Samuel: igra dame, program koji uči

1956. Newell, Shaw i Simon: Logic Theorist

(LT) - skraćeni dokaz teorema iz knjige
Principia Mathematica

1957. Newel & Simon: GPS, prvi program koji je

oponašao ljudski način razmišljanja

1958. J. McCarthy: LISP

1960.-1962. Widrow i Ho: Adaline

1962. F. Rosenblatt: dokaz konvergencije

perceptrona

mr Miloš Pejanović, dipl.inž. 44

 LISP (programski jezik)
Lisp (istorijski, LISP) je familija programskih jezika sa dugom
istorijom. Lisp je drugi najstariji viši programski jezik koji se i danas
veoma koristi. Jedino je Fortran stariji (godinu dana). Danas postoji
veliki broj dijalekata Lisp-a, a najpoznatiji među njima su
Common Lisp i Scheme.
Čisti Lisp je primer funkcionalnog programskog jezika.

U funkcionalnom programiranju, funkcije se primenjuju na argumente

i vrednosti. Vraćene vrednosti se koriste kao argumenti za druge
funkcije. Funkcionalno programiranje je suprotno
proceduralnom programiranju, gde se koriste naredbe koje menjaju
okruženje programa na neki način, kao što je pripisivanje vrednosti
promenljivim. U funkcionalnom programiranju, te promene okruženja
se minimizuju korišćenjem vrednosti koje vraća pozvana funkcija kao
direktan ulaz u drugu funkciju, bez upotrebe pripisivanja naredbi.
Ime LISP je nastalo od "LISt
mr MilošProcessor".
Pejanović, dipl.inž. Povezane liste su jedan45
od glavnih tipova podataka.
 LISP (programski jezik)
Povezane liste su jedan od glavnih tipova podataka.

The Greedy algorithm/method

Koristi “POHLEPNI” algoritam traženja

LISP JE UTICAO NA RAZVOJ:

CLIPS, CLU, COWSEL, Dylan, Elixir, Falcon, Forth, Haskell, Io, Ioke,
JavaScript, Julia, Logo, Lua, Mathematica, MDL, ML, Nim, Nu, OPS5,
Perl, Python, R, Rebol, Ruby, Scala, Smalltalk, Tc
Objektno orijentisani:
The Common Lisp Object System, CLOS (https://common-lisp.net/)
ObjectLisp ili Object Lisp, korišćen od strane
Lisp Machines Incorporated i ranije verzije Macintosh Common Lisp-a
LOOPS (Lisp Object-Oriented Programming System) i kasniji
CommonLOOPS mr Miloš Pejanović, dipl.inž. 46
Flavors, nastao na MIT, i njegov naslednik New Flavors(developed by
 1952.-1969. Rani entuzijazam,
velika očekivanja (2)

1965. Joseph Weizenbaum - chat program ELIZA

1965. Robinson - pravilo rezolucije (matematička logika sa primenom

klauzula (tvrdnji, koje se dokazuju)

1966. Quillian - semantičke mreže (metoda predstavljanja znanja.

BAZA ZNANJA kao osnovni elemenat inteligentnog tehničkog
sistema)

1969. Minsky, Papert: “Perceptrons" - ograničenje neuronske mreže

mr Miloš Pejanović, dipl.inž. 47

 1952.-1969. “Otrežnjenje”
Rezultati ranih sistema pokazali su se slabim na širem rasponu
problema ili na težim zadacima

Rani programi sadržavali su malo ili ništa znanja, a uspeh se

zasnivao na jednostavnim sintaktičkim manipulacijama

Drugi veliki problem – eksplozija kombinatorike mnogih problema

koje je VI pokušavala rešiti

Početni uspeh bio je moguć zbog malog broja kombinacija u

mikrosvetovima (pojednostavljeni problemi)

Pre razvoja teorija izračunljivosti mislilo se da ce se prelaskom na

veće probleme rešiti povećanjem kompjuterskih performansi

1969. Minsky i Papert: Perceptrons - obeshrabrenje istraživanja

neuronskih mreža mr Miloš Pejanović, dipl.inž. 48
 1970.-1979. Sistemi zasnovani na
znanju
DENDRAL, Fiegenbaum, Buchanan (Stanford) - sistem
baziran na znanju zaključuje o molekularnim strukturama
organskih spojeva na osnovu spektroskopije masa - 450
pravila

MYCIN, Shortlie (Stanford), 550 pravila, različit od

DENDRALA: nema teorijskog modela kao podlogu, uvođenje
faktora izvesnosti

Napredak u obradi prirodnog jezika

PROLOG - logicki programski jezik popularan u Evropi

1975. Minsky, teorija okvira (frames) – prestavljanje znanja

mr Miloš Pejanović, dipl.inž. 49
 PROLOG
Prolog (енгл. PROgramming in LOGic) je deklarativan programski jezik
namenjen rešavanju zadataka simboličke prirode. Prolog se zasniva na
teorijskom modelu logike prvog reda – PREDIKATSKA LOGIKA.

Osamdesetih godina prošlog veka je postojala relativno mala grupa

naučnika koja se se bavila računarstvom, oni su verovali da je logičko
programiranje najbolji način da se prevaziđe složenost imperativnih
jezika, kao i problem proizvodnje velike količine pouzdanih softvera
koji su bili potrebni.

Postoje dva velika razloga zbog kojih logičko programiranje nije

zaživelo. Prvi razlog, programi napisani u logičkom programskom jeziku
nisu dovoljno efikasni kao programi napisani u nekom ekvivalentnom
imperativnom jeziku. Drugi razlog, utvrđeno je da je oblast primene
relativno mala.
Postoji verzija Prolog-a koja podržava objektno-orjentisano
programiranje, Prolog++ mr Miloš Pejanović, dipl.inž. 50
 PROLOG - primer
majka_dete(Ana, Jovana).
otac_dete(Pera, Jovana).
otac_dete(Pera, Jelena).
otac_dete(Pera, Tamara).
otac_dete(Mika, Pera).
polusestra(X,Y) :- roditelj_dete(Z,X), roditelj_dete(Z,Y).
roditelj_dete(X,Y) :- otac_dete(X,Y).
roditelj_dete(X,Y) :- majka_dete(X,Y).

Rezultat datog upita koji bi bio tačan:

?- polusestra(Jovana,Jelena).
Yes

mr Miloš Pejanović, dipl.inž. 51

 1980. - 2010.
1980 - VI postaje deo industrije! (velika ulaganja)

1980-ih - Povratak neuronskih mreža (Werbos –

algoritam backpropagation)

Inteligentni agenti (agent - percepcija okoline kroz

senzore i delovanje na sredinu kroz akcije)

Robotika

Mašinsko učenje

mr Miloš Pejanović, dipl.inž. 52

 2010. do danas

• Era dubokog učenja (deep learning)

• Duboko učenje - učenje višeslojnih apstrakcija podataka

kroz višeslojne neuronske mreže

• Mašinsko učenje na velikim količinama podataka

• Veliki napreci u računarskom gledanju (vidu),

• Obećavajući napreci u obradi prirodnog jezika

mr Miloš Pejanović, dipl.inž. 53

Dubinsko ucenje: prepoznavanje broja kalorija (Google)
http://www.popsci.com/google-using-ai-count-calories-food-photos

Sistem na osnovu fotografije jela procenjuje koliko ono sadrži kalorija

mr Miloš Pejanović, dipl.inž. 54

Razvoj VI

mr Miloš Pejanović, dipl.inž. 55

 Oblasti veštačke inteligencije
Grana računarske nauke:

1 Opšte područje (kognitivno modelovanje, filozofske osnove)

2 Ekspertni sisitemi i primene
3 Automatsko programiranje
4 Dedukcija i dokazivanje teorema
5 Formalizmi i metode prikaza znanja
6 Mašinsko učenje
7 Razumevanje i obrada prirodnih i veštačkih jezika
8 Rješavanje problema, metode upravljanja i metode
pretraživanja
prostora stanja
9 Robotika
10 Računarski vid, raspoznavanje uzoraka i analiza scena

mr Miloš Pejanović, dipl.inž. 56

 Oblasti veštačke inteligencije

Sistemi za podršku u odlučivanju

Inteligentno pretraživanje podataka

Ekspertni sistemi

Formalizmi i metode prikaza znanja

Rešavanje problema i metode pretraživanja

Učenje korišćenjem primera

mr Miloš Pejanović, dipl.inž. 57

 Oblasti veštačke inteligencije

Razumevanje i obrada prirodnih (i veštačkih) jezika

Automatsko programiranje

Računarski vid, raspoznavanje uzoraka i analiza scene

Približno računanje (veštačke neuronske mreže,

genetski algoritmi, neizrazita FUZZY logika)

Robotika

mr Miloš Pejanović, dipl.inž. 58

 Razvoj i područja veštačke inteligencije
Kognitivna
psihologija Obrada prirodnih
jezika

Formalna Simboličko Prepoznavanje

logika (nenumeričko) govora
programiranje
Robotika
Jezici za Primenjena Prepoznavanje
obrade lista
veštačka oblika
Mali
inteligencija sistemi

Sistemi za podršku Veliki sistemi za

uska područja
odlučivanju
Razvoj Veliki hibridni
programskih sistemi
okruženja Ekspertni
sistemi Alati za razvoj ES
Interaktivno
računarstvo Inteligentno izračunavanje
(neuronske mreže, genetski
Razvoj algoritmi, neizrazita (fuzzy)
računara
logika)

1940 1970 1975 1980 1985 1990 1995

mr Miloš Pejanović, dipl.inž. 59

Model biološkog inteligentnog sistema

SPOZNAJNI
PODSISTEM

SENZORSKI Trajna MOTORIČKI

PODSISTEM memorija PODSISTEM

POTICAJI OSETILA Radna EFEKTORI ODZIVI

memorija

Privremena Privremena
memorija memorija
Spoznajni
procesor

mr Miloš Pejanović, dipl.inž. 60

Karakteristike sistema veštačke inteligencije

Sistemi koji mogu učiti nove koncepte:

sistemi koji mogu zaključivati i donositi
upotrebljive zaključke o svetu koji ih okružuje,
sistemi koji mogu razumeti prirodni jezik ili
spoznati i tumačiti složene vizuelne scene,
sistemi koji mogu obavljati i druge vrste veština
koje zahtevaju čovekovu vrstu inteligencije.

D. W. Patterson, 1990.

mr Miloš Pejanović, dipl.inž. 61

Funkcije veštačkog inteligentnog sistema
(sledeća slika)

1. Interakcija s spoljnim svetom (radnom

okolinom)
2. Prikupljanje i obrada informacija
3. Prikupljanje znanja (učenje)
4. Rukovanje (manipulisanje) znanjem
5. Obrada znanja i zaključivanje
6. Planiranje
7. Komunikacija s čovekom i /ili s drugim
inteligentnim sistemima

mr Miloš Pejanović, dipl.inž. 62

 Model veštačkog inteligentog sistema

BAZA PODATAKA BAZA ZNANJA

NADZOR I ZAKLJUČIVANJE O
STANJU SVETA I STANJU
SISTEMA

OSETILA KORISNIČKI EFEKTORI

INTERFACE

ČOVEK ILI
INTELIGENTNI
INFORMACIONI
SISTEM

STVARNImr
SVET ILI RADNA
Miloš Pejanović, dipl.inž. OKOLINA 63
MAŠINSKO UČENJE

mr Miloš Pejanović, dipl.inž. 64

Šta nas čeka sutra?

mr Miloš Pejanović, dipl.inž. 65

Pitanja ?

mr Miloš Pejanović, dipl.inž. 66