Die Präsentation wird geladen. Bitte warten

Die Präsentation wird geladen. Bitte warten

1/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Projektgruppe KIMAS Künstliche Intelligenz und Künstliches Leben 10.09.2003 Falk Windheim.

Ähnliche Präsentationen


Präsentation zum Thema: "1/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Projektgruppe KIMAS Künstliche Intelligenz und Künstliches Leben 10.09.2003 Falk Windheim."—  Präsentation transkript:

1 1/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Projektgruppe KIMAS Künstliche Intelligenz und Künstliches Leben Falk Windheim

2 2/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Gliederung 1. Motivation 2. Künstliche Intelligenz 1.Einführung 2.Suche 3.Logisches Schließen 3. Künstliches Leben 1.Einführung 2.Zellularautomaten 3.KL in maschinennahen Welten 4. Literatur

3 3/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Motivation Die PG-KIMAS will Agenten schaffen die in der 3-dimensionalen Welt von Quake III bestehen können Hierzu müssen diese Agenten ein gewisses Maß an Intelligenz besitzen, die von uns künstlich geschaffen werden muss Es ist daher sinnvoll einmal die zu dieser Aufgabe passenden Forschungsgebiete KI und KL geben vorzustellen

4 4/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Künstliche Intelligenz

5 5/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Künstliche Intelligenz und ihre 4 Ansätze

6 6/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Künstliche Intelligenz - Suche

7 7/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Einleitung Das Lösen von Problemen lässt sich im Allgemeinen als Suche nach der richtigen Lösung auffassen Ein Grund sich näher mit verschiedenen Suchmethoden zu befassen Im Folgenden werde ich an einem Beispiel die Vorteile eines intelligenten Suchverfahren demonstrieren

8 8/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Suchbeispiel Sei folgendes Problem gegeben: In einem Streckennetz (z.B. Schiene oder Strasse) soll die kürzeste Verbindung zwischen zwei gegebenen Orten gefunden werden

9 9/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Dijkstra Eine Möglichkeit ist der Kürzeste Wege Algorithmus von Dijkstra, einer auf gewichtete Graphen angepassten Breitensuche Das Streckennetz wird einfach als gewichteter Graph interpretiert, und der Algorithmus wird vom Ausgangsort aus gestartet und es wird solange gesucht, bis das Ziel gefunden wurde

10 10/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Dijkstra Genau wie Breitensuche beginnt der Algorithmus also am Startpunkt und sucht in alle Richtungen gleichzeitig, bis er das Ziel gefunden hat

11 11/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Bewertung Dijkstra findet auf jeden Fall den kürzesten Weg Dadurch das jedoch auch in eher abwegige Richtungen gesucht wird, wird Rechenzeit verschwendet Anders sind hier Verfahren die Informationen über die Problemdomäne verwenden, um ihre Suche auf vielversprechende Bereiche zu fokussieren sogenannte informierte Suchverfahren

12 12/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Informierte Suchverfahren (Best First Search) Wie kann man dieses vielversprechend in eine algorithmisch verwendbare Form bringen? Man kann zum Beispiel die Länge eines Weges, der über eine bestimmte Zwischenstation führt, schätzen in dem man den Luftlinienabstand verwendet Und im Folgenden zunächst in Richtungen suchen die einen kleineren Schätzwert aufweisen

13 13/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Informierte Suchverfahren (Best First Search) Sucht man immer in Richtung der vielversprechendsten Zwischenstation, so ist es teilweise möglich viel Suchzeit zu sparen

14 14/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Anwendungsbeispiel: Suche in Brettspielen Ein Anwendungsgebiet von Suche ist es die Spielbaumsuche in Brettspielen Folgende Leistungsklassen werden hierbei von Programmen für bestimmte Spiele erreicht: Schach (8x8 Felder, 12 Spielsteintypen) – Großmeister Go (19x19 Felder, 2 Spielsteintypen) – Amateur Reversi (8x8 Felder, 1 Spielsteintyp) – Übermenschlich Ergebnis - je größer der Suchraum, desto schlechter ist der Rechner relativ zum Menschen

15 15/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Künstliche Intelligenz – Logisches Schließen

16 16/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Logisches Schließen Im Folgenden möchte ich anhand des Wumpusspiels zeigen wie logisches Schließen benutzet werden kann um sinnvolles Verhalten zu erzeugen

17 17/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Das Wumpusspiel

18 18/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Ausgangswissen des Agenten

19 19/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Erste Erkenntnisse

20 20/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Weitere Erkenntnisse

21 21/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Logischer Schluss

22 22/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Künstliches Leben

23 23/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Einleitung Zunächst – Was ist überhaupt Leben? Gängige Definitionen beinhalten Eigenschaften wie z.B: Vermehrungsfähigkeit Stoffwechsel... Dies ist jedoch selbst bei einfachen Dingen nicht ausreichend (Feuer, Maultiere,...) Zusammengefasst: Es existiert (noch) keine endgültige Definition des Begriffs Leben

24 24/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Warum Künstliches Leben? Die meisten KL-Forscher versuchen aber auch gar nicht etwas zu erschaffen was lebt Viel mehr versuchen sie die vorteilhaften Eigenschaften die Leben zeigt in künstliche Systeme einzubauen, als da wären: Selbstreproduktion Selbstorganisation Lösungsfindung durch Evolution...

25 25/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Künstliches Leben – Zellularautomaten

26 26/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL von Neumanns Idee Der erste der einen umsetzbaren Entwurf für ein selbstreproduzierendes System lieferte war der Mathematiker John v.Neumann (`04-`57) Sein erster Entwurf sah einen Automaten vor, der in einem See von Bauteilen schwimmt Dieser Automat sollte bestehen aus: Sensoren die Bauteile zu erkennen Elementen die Bauteile zu manipulieren Einer steuernden Recheneinheit Informationen über seinen eigenen Aufbau Dieses sogenannte Kinematische Modell war natürlich noch nicht umsetzbar

27 27/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Zellularautomaten Erst als ihm ein Kollege die Verwendung eines Zellularautomaten als Grundlage vorschlug gelang eine umsetzbarer Entwurf Zellularautomaten bestehen aus einem n-dimensionalen Gitter von endlichen Automaten Das gesamte Gitter ist mit Zeitschritten getaktet Zu jedem Zeitschritt bestimmt jeder der Automaten (Zelle) seinen neuen Zustand anhand der vorherigen Zustände von sich selbst und seinen Nachbarn

28 28/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Selbstreproduzierende Strukturen in Zellularautomaten Auf dieser Grundlage gelang nun ein solcher Entwurf. Es waren Zellen und 29 verschiedene Zustände hierfür nötig Diese gewaltigen Zahlen wurden u.a. benötigt weil der Automat turingmächtig sein sollte Verzichtet man auf die Turingmächtigkeit so sind auch kleinere Entwürfe ausreichend 1986 benötigte Langton 9 Zustände und 179 Regeln für seine berühmten Langtonschleifen

29 29/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Langtons Schleifen

30 30/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Wolframs Zellularautomatenklassen Wie muss ein Zellularautomat beschaffen sein, damit sich komplexe Strukturen in ihm entwickeln können? Hinweise hierzu lieferte Wolfram. Dieser untersuchte 1983 eine große Zahl Zellularautomaten und fand hierbei 4 Klassen: I - Entwickeln einen homogenen Endzustand II - Einfaches zyklisches Verhalten III - Chaotisches strukturloses Verhalten IV - Entwickeln komplexe haltbare Strukturen

31 31/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Langton und Lambda Es gibt also 4 Klassen - doch wodurch wird bestimmt zu welcher Klasse ein Automat gehört? Von Langton stammt eine Maßeinheit, mit welcher man dies bestimmen kann, der sogenannten Lambdaparameter Um jedoch den Lambdaparameter verstehen zu können muss zunächst ein weiterer Begriff erklärt werden, der des Bewegungslosen Zustands

32 32/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Konstruiert man eine Struktur für einen Zellularautomaten, so benötigt man zumeist einen Zustand der den Teil der Welt beschreibt, welcher nicht zu der Struktur gehört: Der Bewegungslose Zustand

33 33/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Bewegungsloser Zustand: Definition Wenn man in einem vorgegebenen Zellularautomaten den bewegungslosen Zustand identifizieren will, so hilft diese Definition: Ein Zustand wird als Bewegungsloser Zustand bezeichnet, wenn aus ihm heraus alle gleichförmigen Nachbarschaften (Sprich alle Zellen im gleichen Zustand) auf ihn selbst zurückabgebildet werden

34 34/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Lambdaparameter Der Lambdaparameter eines Automaten ist nun einfach die Wahrscheinlichkeit mit welcher seine Regeln nicht in den Bewegungslosen Zustand abbilden Dieses Lambda lässt sich nun verwenden um Wolframs Klassen zu identifizieren

35 35/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Künstliches Leben – Maschinennahe Welten

36 36/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Core Wars Doch nicht nur Zellularautomaten können als Grundlage für künstliches Leben dienen `90 verwendete Rasmussen das Programmierspiel Core Wars als Grundlage für einen Versuch Core Wars findet in einem simulierten ring- förmigen Arbeitspeicher statt. In diesem versuchen von den Spielern geschriebene Assemblerprogramme versuchen einander zu vernichten

37 37/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL VENUS Rasmussen nun startete ein Core Wars Spiel Doch statt den Speicher mit konstruierten Programmen zu füllen füllte er ihn mit Zufallsgenerierten Bytesequenzen Darüber hinaus führte er eine Funktion ein die in zu zufälligen Zeitpunkten Speicherstellen zufällig änderte – als Simulation von Mutation Rasmussen hoffte, das sich sich in dieser von ihm VENUS genannten Welt komplexe selbstvermehrende Programme entwickeln würden

38 38/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL VENUS - Ergebnisse In VENUS entwickeln sich jedoch keinerlei komplexe Programme Es stellte sich lediglich heraus das eine gewisse Befehlskombination recht erfolgreich den Speicher sättigte VENUS war jedoch kein kompletter Fehlschlag, denn es inspirierte Ray zu seinem Tierra- System:

39 39/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Tierra Der Wissenschaftler Thomas Ray erkannte einen Nachteil von VENUS darin das der zugrundeliegende Maschinecode zu anfällig war Ray entwickelte daher einen flexibleren Code der unanfälliger gegenüber zufälligen Veränderungen war Dann schuf er ein Urahnenprogramm setzte es in den simulierten Speicher und ließ die Simulation laufen:

40 40/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Künstliche Evolution in Tierra Zunächst vermehrte der Urahn sich und seine Nachkommen bevölkerten den Speicher Nach einiger Zeit jedoch traten Parasitenprogramme auf die die Urahnen ausnutzten um sich selbst zu vermehren Daraufhin...es würde an dieser Stelle zu weit führen alle Entwicklungen in Tierra aufzuzählen es sei jedoch gesagt das ein interessantes evolutionäres Wettrüsten einsetzte

41 41/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Literatur

42 42/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Literatur Adami, Christoph, Introduction to Artificial Life, 1998 Springer-Verlag New York, Inc. Levy, Steven, KL – Künstliches Leben aus dem Computer, 1993 Droemer-Knaur Russell, Stuart und Norvig, Peter, Artificial Intelligence – A Modern Approach, 2003 Pearson Education, Inc. Unbekannter Autor, Theory of Cellular Automata,


Herunterladen ppt "1/25 UNIVERSITY OF PADERBORN Projektgruppe KIMAS – KI KL Projektgruppe KIMAS Künstliche Intelligenz und Künstliches Leben 10.09.2003 Falk Windheim."

Ähnliche Präsentationen


Google-Anzeigen