Lekcia 1: Úvod do predmetu Umelá inteligencia

• Pojmem "umelá inteligencia"

  • Je schopnosť strojov vykonávať úlohy, ktoré obvykle vyžadujú ľudskú inteligenciu, ako napr. rozprávanie reči, rozhodovanie a učenie sa z vlastných skúseností.
  • V podstate ide o systém, ktorý dokáže:
    1. Analyzovať dáta
    2. Usudzovať na základe tejto analýzy
    3. Prispôsobiť sa novým situáciám v priebehu času

• História a súčasnosť tohto odboru

  • Šachový automat (Turek)
  • Veda o UI existuje cca viac ako pol storočia.

• Základné prúdy umelej inteligencie

  • Symbolický funkcionalizmus:
    1. Reprezentácia problému a inteligentné prehľadávanie pristoru stavov,
    2. Logika,
    3. Vety prirodzeného jazyka.
  • Konekcionizmus:
    • Inteligencia vyplýva z prepojenia veľkého počtu jednoduchých výpočtových jednotiek.
    • Myšlienka (inšpirovaná mozgom), základná jednotka je model neurónu.
    • Hlavnou vetvou sú neuronové siete.
    • Skúma zdanlivo chaotické prepojenia.
  • Robotický funkcionalizmus:
    • Koncentruje na funkcionalitu modelovaného systému.
    • Inteligentným správanie je interakcia medzi entitami: systém, prostredie, úloha.

• Turingov test, problémy testu, jeho modifikácie

  • Otázka testu: "Môže stroj myslieť?"
  • Mysliaci počítač je taký, ktorého chovanie nebudeme schopný rozoznať od človeka.
  • Test je imitačná hra (rozlíšenie 2 ľudí podľa pohlavia).
  • Test spočíva v tom, že imitátorom človeka by bol počítač.
  • Doteraz žiadnemu programu sa nepodarilo splniť.
  • Modifikácie:
    1. Komunikácia medzi hráčmi:
       • Ľudský vyšetrovateľ komunikuje s dvoma hráčmi, A a B.
       • Ak vyšetrovateľ nedokáže určiť, ktorý hráč je počítač a ktorý je človek, tak počítač zložil test.
       • Ak je počítač nerozoznateľný od človeka vo všeobecnom rozhovore o prirodzenom jazyku, musí sa dostať do inteligencie na úrovni človeka.
    2. Simulácia iba jednej z mnohých schopností človeka (schopnosť jazyka v písanej forme).
    3. Simulácia všetkých ľudských schopností (spĺňa iba pokročilý humanoidní robot).
  • Problémy:
    1. Pôvodnosť - počítač nemyslí, pretože myslenie je spojené s pôvodnosťou. Z počítača však dostaneme iba modifikáciu toho, co doň vložíme.
    2. Niekedy tieto testy môžu zisťovať to, či počítač sa správa viac ako človek, ako to, či je inteligentný.
    3. Paradox čínskej izby - splnenie testu ešte nemusí znamenať myslenie a uvedomovanie si.
    4. Dokonalosť - počítač môže byť odhalený práve tým, že nerobí chyby, počíta rýchlejšie.

---

Lekcia 2: Riešenie problémov - vyjadrenie problému

• Vyjadrenie problému v AI (začiatočný stav, množina operátorov, stavový priestor, cieľový test, cena cesty)

  • Začiatočný stav - v ňom sa agent nachádza.
  • Množina operátorov - opisujú aký stav vznikne vykonaním akcie v danom stave.
  • Stavový priestor - množina všetkých dosiahnuteľných stavov zo začiatočného stavu ľubovoľnou postupnosťou akcií.
  • Cieľový test:
    • Testuje, či sa dosiahol cieľ.
    • Predstavuje hodnotenie nejakého stavu alebo hodnotenie cesty v stavovom priestore.
    • Môže byť daný:
      1. explicitne - ako množina stavov,
      2. implicitne - vlastnosťou stavu.
  • Cena cesty:
    • Súčet cien jednotlivých akcií na ceste.
    • Pri viacerých riešeniach daného problému, pomocou ceny cesty nájdeme riešenie, ktoré pozostáva z menšieho počtu alebo lacnejších akcií.
  • cena riešenia = cena cesty k riešeniu + cena hľadania

• Základné problémy pre algoritmy hľadania riešenia

  • Hľadanie riešenia je prístup, pri ktorom nevychádzame z algoritmu riešenia problému. Vychádzame z algoritmu ako riešenie hľadať.
  • Problém nie je algoritmicky riešiteľný pre neefektívnosť alebo preto, že algoritmus nepoznáme.

• Neinformatívne hľadanie - prehľadávanie do šírky, stratégia rovnomernej ceny

  • Prehľadávanie do šírky:
    • Rozvinie sa koreňový uzol, potom všetky uzly vzniknuté jeho rozvitím, potom sa rozvijú všetky ich nasledovníci atď...
    • V strome hľadania sa expandujú všetky uzly v hĺbke d skôr ako sa rozvijú uzly v hĺbke d + 1.
    • Patrí medzi systematické stratégie.
      • Nevynechá ani jeden uzol.
      • Žiadny uzol sa nevyberie dvakrát.
    • Ak riešenie existuje, pri hľadaní sa určite nájde, t.j. stratégia je úplná.
    • Pri hľadaní sa nájde najplytkejšie riešenie.
  • Stratégia rovnomernej ceny (uniform - cost search):
    • Na expanziu sa vyberie vždy uzol, ktorý je na najlacnejšej ceste.
    • Optimálne riešenie sa nájde vždy, ak sa pri postupe nezníži, napr. súčet cien aplikácie operátov a pod.

• Obojsmerné hľadanie

  • Môže sa použiť iba keď máme problém, ktorého riešením je cesta a cieľový stav je známy.
  • Musí byť splnená podmienka existencie inverzných operátorov.
  • Stratégia:
    1. Od počiatočného stavu bude hľadanie postupovať vpred smerom k cieľovému stavu (priame hľadanie),
    2. Od cieľového stavu bude hľadanie postupovať vzad (inverzné operátory) smerom k počiatočnému stavu (spätné hľadanie),
    3. Ak oba procesy vygenerujú ten istý stav, nájde sa cesta spájajúca počiatočný stav s cieľovým.
  • Problémy:
    1. Ak sa dajú definovať inverzné operátory, nie je ich výpočet zložitejší?
    2. Ako postupovať aj je viacej cieľových stavov?
    3. Ak sú ciele dané implicitne, je ťažko nájsť predchodcov.

• Prehľadávanie do hĺbky a jeho modifikácie

  • V strome hľadania sa najprv expanduje uzol, ktorého hĺbka je najväčšia. Keď sa narazí na uzol bez nasledovníkov, dôjde k navracaniu (back tracking), teda hľadanie sa vráti k expanzii uzlov na plytších úrovniach.
  • Často rýchlejší ako prehľadávanie do šírky.
  • Nezaručuje nájdenie riešenia (hlavne pri problémoch) - je neúplná.
  • Hľadanie sa nemusí orientovať smerom k optimálnemu riešeniu.
  • Modifikácie:
    • Ohraničené prehľadávanie do hĺbky:
      • Zamedzí, aby riešenie uviazlo hlboko v strome.
      • Stanoví sa hraničná hĺbka, do ktorej sa bude hľadať.
    • Cyklicky sa prehlbujúce hľadanie:
      • Postupne vyskúša všetky možné hraničné hĺbky - od najmenšej po najväčšiu.
    • Hľadanie do hĺbky s návratom:
      • Pri výbere uzla na skúmanie sa generuje iba jeden jeho nasledovník, ktorá ak nie je listový uzol sa ďalej skúma, inak sa vráti k najbližšiemu nerozvitému uzlu.
      • Šetrí pamäť a nevygeneruje uzly napravo od cesty.
      • Nemožno použiť žiadnu doplňujúcu informáciu na výber najlepšieho nasledovníka, lebo sa vždy vygeneruje iba jeden.

---

Lekcia 3: Heuristické prehľadávanie, Genetické algoritmy, Hry ako problém hľadania

• Lačné hľadanie

  • Aaa

• Algoritmus A*

  • Aaa

• Heuristiky zmenšujúce priestor stavov

  • Aaa

• Genetické algoritmy

  • Aaa

• Herné problémy, algoritmus Min-Max

  • Aaa

---

Lekcia 4: Znalosti

• Znalosti

  • Aaa

• Vlastnosti znalostných systémov

  • Aaa

• Reprezentácia znalosti (vyjadriteľnosť, použiteľnosť, začleniteľnosť)

  • Aaa

• Logika, výroková logika, predikátová logika

  • Aaa

• Pravidlá

  • Aaa

• Sémantické siete, ontológie

  • Aaa

---

Lekcia 5: Vnímanie - Rozpoznávanie vzorov

• Aplikácie rozpoznávania vzorov

  • Aaa

• Príznakové rozpoznávanie

  • Aaa

• OCR systémy

  • Aaa

• Časti OCR systémov

  • Aaa

• Príznaky a spôsoby výberu príznakov

  • Aaa

---

Lekcia 6: Strojové učenie - Rozhodovacie stromy

• Čo reprezentujú rozhodovacie stromy

  • Aaa

• Rozhodovacie stromy a strojové učenie

  • Aaa

• Prepis stromu na pravidlá

  • Aaa

• Výber vlastností pre tvorbu ulov

  • Aaa

• Klasifikačná chyba

  • Aaa

• Pravidlá pre ukončenie rekurzie tvorby stromov

  • Aaa

---

Lekcia 7: Strojové učenie, Naive Bayes, Q-learning

• Oblasti využitia strojového učenia

  • Aaa

• Biflovanie, induktívne učenie sa

  • Aaa

• Naivný Bayesovský klasifikátor

  • Aaa

• Typy strojového učenia

  • Aaa

---

Lekcia 8: Strojové učenie - Regresia

• Lineárna regresia

  • Aaa

• Residual sum of squares (RSS)

  • Aaa

• Stupne polynómu - komplexnosť modelu

  • Aaa

• Pridanie ďalších parametrov

  • Aaa

---

Lekcia 9: Spracovanie prirodzeného jazyka (NLP)

• Predspracovanie textu

  • Aaa

• Tokenizázia

  • Aaa

• Lematizácia

  • Aaa

• Stop slová

  • Aaa

• POS tagging

  • Aaa