Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

© Prof. Dr. H. Gläser, Künstliche Intelligenz Willkommen zu Vorlesung+Praktikum Einführung in die künstliche Intelligenz Einführung.

Ähnliche Präsentationen


Präsentation zum Thema: "© Prof. Dr. H. Gläser, Künstliche Intelligenz Willkommen zu Vorlesung+Praktikum Einführung in die künstliche Intelligenz Einführung."—  Präsentation transkript:

1 © Prof. Dr. H. Gläser, Künstliche Intelligenz Willkommen zu Vorlesung+Praktikum Einführung in die künstliche Intelligenz Einführung

2 © Prof. Dr. H. Gläser, Künstliche Intelligenz zur Person: Harald Gläser Studium und Promotion als Physiker Zweitstudium Informatik Berufstätigkeit bei Philips Research in der Modellierung von physiko-chemischen Systemen Seit an der FH Furtwangen Sprechstunde: Freitags 13: :45 C209 Einführung

3 © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Folien downloaden unter zur Vorlesung Fragen gleich stellen ! (im - UFO System anmelden !!) Link zu UFO

4 © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung a) Klausur b) Praktikum: I) Alle Aufgaben müssen zu zweit selbständig bearbeitet werden. Einzelbeitrag muß erkennbar sein II) 6 von 6 Aufgaben müssen bestanden werden. Für AIler gilt: Praktikum muss bestanden werden, sonst keine Klausur Prüfungs(vor)leistungen:

5 © Prof. Dr. H. Gläser, Künstliche Intelligenz a) Klausur (zählt 70% der Note) b) Referat: (zählt 30% der Note) - schriftliche Ausarbeitung ! - 20min Vortrag - 10min Diskussion - bitte Thema aus Liste aussuchen - Termin beachten Für WIler gilt:

6 © Prof. Dr. H. Gläser, Künstliche Intelligenz Klausurtermin: : 9:30 Uhr Zeit je nach Raumlage Einführung

7 © Prof. Dr. H. Gläser, Künstliche Intelligenz Ziele der Vorlesung Knapper Überblick über grundlegende Paradigmen der KI Die Zusammenstellung der Themen erhebt keinen Anspruch auf Vollständigkeit Eventuell auf den Geschmack für den Schwerpunkt KI bringen

8 © Prof. Dr. H. Gläser, Künstliche Intelligenz Literatur KI - Literatur (aus FHF Bibliothek):

9 © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Was ist künstliche Intelligenz ?? Computer soll Fähigkeiten bekommen, die beim Menschen auf dessen Intelligenz beruhen Denken, logisches Schlußfolgern, Begriffe bilden, Klassifizieren Lernen, Gedächtnis Sprechen / Verstehen Im Raum orientieren und bewegen, Muster / Bilder erkennen... Menschliche Fähigkeiten, die auf Intelligenz beruhen:

10 © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Anwendungen der künstlichen Intelligenz Lösungssuche bei kombinatorischen Problemen (z.B. Spiele) spezialisierte Beratungssysteme (Expertensysteme) Verarbeitung natürlicher Sprache Mustererkennung (z.B. Spracherkennung, Bilderkennung) Robotics maschinelles Lernen Logik, automatisches Beweisen schlußfolgernde Datenbank-Abfragen, Data-mining, Suchmaschinen automatisches Programmieren

11 © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Können Maschinen denken ?? Was ist denken ?? A. Touring: Kann man eine Maschine bauen, mit vom Menschen ununterscheidbarem Verhalten ?

12 © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Themenübersicht Problemlösen Maschinen Lernen Wissensrepräsentation Neuronale Netze

13 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen Was ist ein Problem ?? Problem = Quadrupel Beispiel: N Damen sollen auf NxN Schachbrett so positioniert werden, daß sie sich nicht schlagen können P: Menge von Problemzuständen. Problemzustand:Schachbrett + Belegung der Felder (mit Dame besetzt, unbesetzt) oder NIL A: anfänglicher Problemzustand. leeres Schachbrett

14 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Problemdefinition Z: Menge von Zielzuständen: Z P Zielzustand: NxN Schachbrett + irgendeine Belegung der Felder so, daß sich N Damen nicht schlagen können Op: Menge von Operationen o mit o: P P. a) Vorbedingungen der Operation treffen nicht zu unmögliche Operation dann, wenn b) Operation überführt eigentlich in Zustand, der den Nachbedingungen nicht entspricht

15 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Problemdefinition Beispiel: Damespiel: Vorbedingung : istBesetzt (b ij ) = false Lösungsweg: eine Folge o 1, o 2,..., o n die von einem Anfangszustand in einen Zielzustand führt Operation o ij : b ij = Queen Nachbedingung: ~[ERREICHBAR(b ij,b mn ) istBesetzt(b mn ) = true]

16 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Graphen Graph: Gebilde aus Knoten und (un - /gerichteten) Kanten Baum: Graph, dessen Knoten jeweils genau einen Vorgänger haben (bis auf die Wurzel)

17 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Graphen Zuordnung Problem orientierter, markierten Graphen Problemzustände Operatoren Anfangszustand Endzustände Zielzustände Sackgassen Lösungsweg Knoten Kanten Wurzel terminale Knoten term. Knoten Pfad <- Knoten ohne Vorgänger <- Knoten ohne Nachfolger

18 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Nicht - informierte Suche keine Zusatz Kenntnisse über Problembereich Graph zufällig durchlaufen bis zufällig Zielzustand gefunden

19 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche

20 © Prof. Dr. H. Gläser, Künstliche Intelligenz Übung Missionarsproblem 3 Missionare mit 3 Kannibalen versuchen mit 2 Mann Boot über einen Fluß zu kommen. Sei gegenüber Kannibalen NIE in der Minderzahl ! Identifizieren sie Problemzustände, Anfangszustand, Endzustand, Sackgassen, Operationen, Vorbedingungen, Nachbedingungen, Lösungsweg Finden Sie mehr als einen Lösungsweg ?

21 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Bedingungen für zielgetriebene Suche Ziel muß explizit und nicht über ein Prädikat definiert sein (vrgl. Damen Problem bzw. Schach) Eingangsbedingungen der Operationen gleiche Form wie Ausgangsseiten (nicht gegeben bei denen die Operationen z.B. Löschungen in der Wissensbasis auslösen) ???

22 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Wann Ziel- wann Daten- getrieben ? Verzweigungsgrad bei A und Z Nachteil unidirektionaler Suche: Suche kann am Ziel vorbeiführen vrgl. A / P4 / P5 im Bspl. => bidirektionale Suche - hoffentlich treffen sich die Pfade Bspl.: A - P3; Z - P3 besonders hilfreich beim Aufeinanderzusteueren: Abstandsmaß

23 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Suchstrategien in Bäumen Tiefe zuerst Suche expandierend strikt Pfadliste = Stapel Schnapschuß = (Knoten, dort noch nicht angewandte Operationen) Pfad = Liste von Schnapschüssen Backtracking

24 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Suchstrategien in Bäumen Breite zuerst Suche Pfadliste = Schlange

25 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche b = mittlerer Verzweigungs grad

26 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Modifikationen: iterierte Tiefe zuerst Schranke für Tiefe - wenn erreicht neue Tiefensuche wenn keine neue Tiefensuche möglich -> Schranke erweitern erreicht immer eine Lösung, trotzdem gute Speicherökonomie bidirektionale Breite zuerst Breite zuerst Suche sowohl von Zielknoten als auch von Ausgangsknoten Zeit und Speicheraufwand = O(b n/2 ) (n gerade)

27 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Informierte Suche: KnotenbewertungenKantenbewertungen Kompliziertheit des Problemzustand Abstand zum Zielzustand entstandene Kosten bei der Entwicklung eines Pfads Kosten der Operation (Reisekosten, Entfernung,...) Beitrag einer Operation zur Verringerung der Differenz zum Zielzustand

28 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Bewertungspolynom z Problemzustand c i Merkmale von z a i konstante Wichtungsfaktoren Beispiel: c 1 Summe des Materialwerts der eigenen Figuren (a 1 >0) c 2 Anzahl der Drohungen durch den Gegener (a 2 <0)... Schach

29 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche auf jedem Knoten die Bewertung auftragen -> Bewertungsgebirge Pfad des steilsten Anstiegs einschlagen -> hill climbing Verfahren Balance zwischen Kosten der Bewertungsfkt. und deren Nutzen Gütemaß für die Suche: Penetranz = Länge des Lösungspfads / Anzahl der insgesamt erzeugten Knoten

30 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Graphensuche sucht in kantenbewerteten Graph den Lösungsweg mit minimalen Kosten Init. Graph G mit Wurzel A A -> Liste OPEN nicht expandierter Knoten

31 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Init. Graph G mit Wurzel A A -> Liste OPEN nicht expandierter Knoten OPEN = NIL Ende: Mißerfolg Ja Nein erster Knoten von OPEN N in CLOSED N = Z Ende: Erfolg, Lösungspfad mit Zeigern generieren Ja Nein

32 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Bestimmen Nachfolger von N = Menge M Zeiger von allen N M zu N. N in M aufnehmen Wenn N schon in G enthalten: wird Zeiger umgesetzt wenn niedrigerer Abstand zu A Wenn N schon in CLOSED enthalten: wird Zeiger der Nachfolger umgesetzt wenn niedrigerer Abstand zu A Ordnen der Liste OPEN nach minimalem Abstand zu A M (ohne closed) in OPEN aufnehmen

33 © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche


Herunterladen ppt "© Prof. Dr. H. Gläser, Künstliche Intelligenz Willkommen zu Vorlesung+Praktikum Einführung in die künstliche Intelligenz Einführung."

Ähnliche Präsentationen


Google-Anzeigen