Nenáročný úvod do umelej inteligencie I.

Autor: dispersus | 2.1.2011 o 15:22 | (upravené 2.1.2011 o 17:09) Karma článku: 8,29 | Prečítané:  2900x

Umelá inteligencia je veda, v ktorej sa snažíme naučiť počítače chovať sa rovnako ako tie, ktoré vidíme vo filmoch. (Anonym)

Každý asi pozná situácie z filmov, kedy sa na pár sekúnd dostanete do úlohy robota,  vidíte jeho očami, keď vám na displeji blikajú rôzne indikátory a vy skenujete okolie.  Väčšinou sa kladný hrdina usiluje pred vami ujsť alebo skryť pred vašim zrakom, no váš vše vidiaci systém osobu identifikuje a už aj na ňu chrlí guľky a rakety.

obraz.pngTerminator3T800.jpg

Každý to pozná, baví nás to, ale je to stále pre nás veľmi abstraktné. Predstavujeme si kopu káblikov pospájaných dokopy a niečo, čo spôsobuje, že robot vidí a reaguje. To „niečo" už neskúmame, nakoľko je to veľmi vzdialené od bežnej reality. Síce, sa už píše rok 2011 a naši predkovia nám predpovedali, že v túto dobu budeme bicykel poznať iba z múzea, od terminátorov sme ešte stále ďaleko.

Tento blog bude o úvode do umelej inteligencie.  Nie však o káblikoch, obrazovkách a pancieroch, ktoré poznáme z filmov ale práve o tom neznámom „niečom".

Študentom a absolventom elektrotechniky, kybernetiky, informatiky bude tento koncept veľmi známy, nakoľko tento predmet, predpokladám, absolvovať museli. Možno ste už o ňom aj počuli, či čítali. Tým zvyšným možno pomôže pochopiť, ako myslí reálny robot.

Oblasť umelej inteligencie je označovaná  ako doména  IT-čkárov, ale  s bežne poznaným IT  to má „málo" spoločné.  Jedná sa totiž o programovanie matematických a štatistických vzorcov, teda skôr o matematikov a štatistikov, ktorí vedia programovať :).

Ľudia sú veľmi invenční. Existuje však niekto, kto je ešte invenčnejší v navrhovaní riešení. A tým niekým je príroda. Snažíme sa teda odkukať biologické a fyzikálne riešenia a nejakým spôsobom  to „napasovať"  pre naše počítače.  Lepší počítač ako je ľudský mozog zatiaľ nemáme a z tohto dôvodu ho berieme za inšpiráciu. Bol inšpiráciou aj pre oblasť umelej inteligencie, ktorú voláme „umelé neurónové siete".

Na začiatok je nutné oprášiť naše znalosti z biológie.

Mozog pozostáva  z neurónov a neurón sa skladá z dendridov, ktoré prijímajú signály a axónu, ktorý prenáša vyslaný signál z tela neurónu.  Axón sa pripája k dendridom ostatných neurónov prostredníctvom synapsie. V prípade, že sa neurón aktivuje, vystrelí signál a cez synapsie sa dostáva k ostatným neurónom, ktoré môžu páliť ďalej. Synapsie môžu signál zvýrazniť alebo oslabiť. Týmto spôsobom sú miliardy neurónov pospájané do jednej supersiete. Umelé neurónové siete sa však skladajú zväčša len zo stoviek max. tisícok neurónov, nakoľko najmä pri metóde výpočtu učenia bez učiteľa  sa riešenie stane výpočtovo neúnosným.

neuronparts.gif

Neurón1

Prvý umelý neurón (cháp matematický model neurónu) sa datuje do obdobia  2.svetovej vojny (McCulloch, 1943). V roku 1958 Frank Rosenblatt navrhol jednoduchú neurónovú „sieť" skladajúcu sa len z jediného neurónu. Nazval ju perceptrón.  Ďalšou významnou osobou, ktorá prispela do problematiky neurónových sietí bol kanadský psychológ Donald Hebb, ktorý stanovil, že učenie je založené na zmene váh synaptických spojení. Inými slovami, niekde je tá väzba (synapsia) silnejšia ako na inom mieste a mení sa v čase so skúsenosťami.  Ilustrovať to môžeme na Pavlovom experimente podmieneného reflexu zvončeka, jedla a psa.  Teda, že spojenie v mozgu psa medzi zvončekom  a jedlom, resp. medzi časťou mozgu, ktorá zodpovedá za sluch a slintanie bolo posilnené a to má za následok chovanie psa.

Každý neurón vyšle signál (označme ich x), tie sa prostredníctvom synapsií (váh w) prevážia. Teda, každý jednotlivý signál vstupuje do nasledujúceho neurónu na úrovni zodpovedajúcej súčinu tohto signálu a synaptickej váhy = xw. Nakoľko na skúmaný neurón je napojených viacej neurónov naraz, vážené signály jednotlivých strieľajúcich neurónov  sa spočítajú (suma - označujeme  ) = xw. Ak suma vážených signálov prekročí prahovú úroveň, neurón sa aktivuje a strieľa ďalej. V Binárnom modeli (0,1) nadobúda táto prahová funkcia hodnotu 1 (ak je súčet signálov väčší ako prah) a 0 (ak je menší). Toto je však veľmi zjednodušený model, nakoľko napr. prahová funkcia môže mať charakter spojitej funkcie (teda nielen dve čísla, ako v binárnom (0,1) alebo biparitnom (-1,1)modeli).

Percept.jpg

Perceptrón

Teraz si ilustrujeme, ako sa matematický model „učí", nakoľko neurónové siete sú „samoučiace". Teda  ako matematický model vie, že niečo robí dobre alebo zle a podľa toho sa ďalej chová.

Predstavte si, že takýchto neurónov, ako sme si popísali, máte stovky. Po predložení vstupu x sieti neurónov sa sieť aktivuje a prebehne ňou signál. Na základe nejakého kritéria, ktoré si určíme (napr. vzdialenosť od žiadaného riešenia, resp. nejaká minimalizačná funkcia) odhalíme, ktoré neuróny ako fungovali a tie ktoré fungovali dobre, resp. sa blížili k dobrému riešeniu, tak tam sa posilní/oslabí väzba (synapsia = váha w). Týmto spôsobom sieť indikuje dobré a zlé riešenia (učenie).

multiperceptron1.jpg

Viacvrstvová neurónová sieť.2

Teraz sa môže ponúkať otázka, k čomu to môže slúžiť.

Odpoveď môžeme hľadať  v dvoch prístupoch k neurónovým sieťam.  Prvým (učenie s učiteľom) je, že sieti  povieme, čo chceme, aby dosiahla (poznáme výsledný jav). V druhom prístupe (učenie bez učiteľa) to sami nevieme a necháme to na sieti, čo zistí.  My jej len dáme nástroje, ktoré má používať. Inými slovami, siete sú výborným nástrojom na klasifikáciurozpoznanie vnemov, vzorov (obrazu, zvuku, textu ) triedenie vnemov do skupín, predikcieaproximácie funkcií. Týmto spôsobom našli neurónové siete cestu do oblastí financií, manažmentu, medicíny, genetikystrojárenstva, umelej inteligencie atď.

heatmapdendrogram.gif

Využitie neurónových sietí v technológií microarray (Genetika)3

Teda ak Terminátor skenuje prostredie a hľadá svoju korisť, o ktorej vie, ako vyzerá (učenie s učiteľom), klasifikuje dáta získané z prostredia,  jeho mozog uskutočňuje matematicko-štatistické operácie, pri ktorých triedi dáta do skupín, ktoré môžu mať rôzny tvar a veľkosť.  Týmto spôsobom naučíte počítač vidieť. Samozrejme, s týmto ľahko opísaným princípom je spojených more ťažkostí, preto sú v súčasnosti naše modely skôr takým  slabozrakým wall-e-m s 12-kami dioptriami a belmom na oboch očiach, ako skákajúcim Terminátorom.  Napr. vieme vytvoriť pekné modely na vizuálnu navigáciu robotov vo vnútorných priestoroch.  Ak však ten istý model použijeme na park alebo les, môže byť robot vedľa jak tá jedla:).

walleeve.jpg

V dnešnej dobe už existuje množstvo modelov neurónových sietí. Nikde totiž neexistuje jednotné pravidlo, akú má mať sieť architektúru, ale hŕstka z nich si vydobyla miesto na svete a presadila sa. Následne sa začali modifikovať a vytvorili desiatky a stovky odvodených algoritmov. Medzi víťazov patrí:

1.       model spätného šírenia

2.       Hopfieldov model

3.       Kohenenov model samoorganizujúcich s máp

4.       Teória adaptívnej rezonancie4

Samozrejme neurónové siete nie sú všeobecným liekom. Sú výborným pomocníkom a nástrojom, ale tiež ich použitie treba porovnávať s inými prístupmi, ktoré možno nie sú nasiaknuté futuristickým robotickým nádychom, ale môžu dávať v danom prípade rovnako dobré alebo postačujúce výsledky.


Lukáš Pastorek

Step Out of Range

Informácie a perličky zo sveta vedy  - facebook- klub dispersus


 

Literatúra:

 

1. http://www.morphonix.com/software/education/science/brain/game/specimens/neuron_parts.html

2.http://www.neurevolution.net/category/history/

3.http://bioinfoworld.wordpress.com/2008/12/04/microarray-data-analysis/

4.HÚSEK, D., ŘEZÁNKOVÁ, H., SNÁŠEL, V.: Shluková analýza dat. Praha, Professional Publishing, 2007. ISBN 978-80-86946-26-9

 

Páčil sa Vám tento článok? Pridajte si blogera medzi obľúbených a my Vám pošleme email keď napíše ďalší článok
Pridaj k obľúbeným

Hlavné správy

DOMOV

Minúta po minúte: Fico na sneme opäť útočil aj na médiá

Vo funkcii podpredsedov skončia Dušan Čaplovič a Pavol Paška.

DOMOV

Odhalila kauzu predsedníctva. Odkiaľ prišla Zuzana Hlávková?

Gymnázium, ktoré navštevovala, jej plánuje vyjadriť verejnú podporu.

EKONOMIKA

RegioJet skracuje svoje vlaky do Košíc, na prevádzku má málo vozňov

Jazdiť bude len so siedmimi vozňami.


Už ste čítali?