Presentation is loading. Please wait.

Presentation is loading. Please wait.

Artificial Intelligence

Similar presentations

Presentation on theme: "Artificial Intelligence"— Presentation transcript:

1 Artificial Intelligence
Seyed Hashem Davarpanah University of Science and Culture

2 Text Book Illuminated Artificial Intelligence, Ben Coppin, Jones and Barlett 2004 هوش مصنوعی ترجمه سید هاشم داورپناه, عبدالرضا میرزایی Artificial Intelligence: A Modern Approach 3rd edition By Stuart Russel, Peter Norvig

3 Grading Midterm Exam 25% Project or Presentation 15% Homework 10%
Conference Paper (Extra) Journal Paper (Extra) Class Activities (Extra) Final Exam 50%

4 Contents Introduction Agents Knowledge Representation
Problems and Search Blind Search , Heuristic Search Constraint satisfaction, Optimization Problems Games Game Tree, Games of chance Advanced Topics Logic, Uncertainty and Imprecision Planning, Machine Learning

5 What is intelligence? Intelligence of Creatures
Intelligence of Non-Creatures Intelligence of Human

6 Intelligence of Creatures
Ape can … Use tool to get banana Buy coke from vending machine Dophin can… Understand “language” & communicate with human Dog can … Recognize its master and his voice Do a few jobs Parrot can … Do arithmetic

7 Intelligence of Creatures
Ants can … Find their way home Communicate with one other Manage their society Tree can … Grow and do not collapse Adapt itself to the environment (cactus) Migrant birds can … Identify their direction

8 Intelligence of Non-Creatures
Blood Heartbeat Virus Neuron Rain Do not seem to come from thinking with knowledge or information consciously …

9 Intelligence of Human Problem-Solving Reasoning Learning Planning
Communicating Perceiving Acting

10 What is AI? Intelligence: “ability to learn, understand and think” (Oxford dictionary) AI is the study of how to make computers make things which at the moment people do better. Examples: Speech recognition, Smell, Face, Object, Intuition, Inferencing, Learning new skills, Decision making, Abstract thinking

11 Strong AI vs. Weak AI هوش مصنوعی قوی هوش مصنوعی ضعیف
مريدان هوش مصنوعي قوي بر اين عقيده‌اند كه با اعمال يك برنامه كامپيوتري با قدرت محاسباتي بالا و با تأمين هوش كافي براي آن، مي‌توان كامپيوتري ساخت كه در ظاهر فكر مي‌كند و همان گونه كه يك انسان هوشيار است، هوشيار مي‌باشد. هوش مصنوعی ضعیف از ديد هوش مصنوعي ضعيف، رفتار هوشمند مي‌تواند مدل شود و جهت حل مسائل پيچيده مورد استفاده قرار گيرد  it is not necessary to mimic human (e.g. arithmetic)  it is not necessary to imitating birds in order to fly تنها به اين دليل كه كامپيوترها رفتار هوشمندانه دارند نمي‌توان استناد كرد كه همانند انسان هوشمند هستند

12 Definition of AI Weak AI Strong AI
Artificial intelligence is the study of systems that act in a way that to any observer would appear to be intelligent. Strong AI Artificial intelligence involves using methods based on the intelligence behavior of humans and other animals to solve complex problems.

13 اتاق چيني جان سيرل اتاق چيني را در مخالفت فلسفي با هوش مصنوعي قوي مطرح ‌كرد. يك مرد انگليسي زبان در يك اتاق قرار دارد. او نه مي‌تواند با زبان چييني صحبت كند، نه بخواند و نه بفهمد. در داخل اتاق يكسري كارت وجود دارد، بر روي آنها يك سري علامت‌هاي چيني به همراه يكسري راهنمايي و دستورالعمل به زبان انگليسي نوشته شده است. يك داستان، به زبان چيني، از شكاف درب به داخل اتاق داده مي‌شود. يكسري سؤالات درباره آن نيز پرسيده مي‌شود. با دنبال كردن راهنمايي‌هاي كه مرد در دست دارد او مي‌تواند جوابهايي را با استفاده از سمبول‌هاي روي كارت‌ها كه به زبان چيني مي‌باشند بسازد و آنها را از شكاف درب به سؤال‌كننده پس دهد. استدلال سيرل يك استدلال ساده است. مرد در اتاق، چيني نمي‌فهمد. قطعه كارت‌ها چيني نمي‌فهمند. اتاق خودش چيني نمي‌فهمد. اما سيستم در مجموع مي‌تواند خصوصياتي از خود نشان دهد كه يك شاهد مجموعه باور كند كه سيستم (يا قسمتي از آن) چيني مي‌فهمند. به عبارت ديگر، راه‌اندازي يك برنامه كامپيوتري كه به روش هوشمند رفتار نمايد نيازي به توليد فهم، هوشياري يا هوشمندي واقعي ندارد. اين استدلال با ديدگاه تورينگ مغايرت دارد. براساس ديدگاه تورينگ ماشيني هوشمند است كه بتواند انسان را گول بزند به طوري كه انسان فكر كند كه آن نيز يك انسان است.

14 Strong Method vs. Weak Method
روندهای قوی روندهاي قوي آنهايي هستند كه از دانش موجود در ارتباط با محيط و خود مسئله‌اي كه در حال حل شدن است استفاده مي‌نمايند. جهت حل بسياري از مسائل پيچيده دنيا با استفاده از هوش مصنوعي احتياج به استفاده از روندهاي قوي مي‌باشد. روندهای ضعیف روندهاي ضعيف آنهايي هستند كه وابسته به دانش و يافته‌هايي از محيط و مسائلي كه قصد حل آنها را دارند، نمي‌باشند. اغلب تكنيك‌هاي مطرح شده در اين كلاس از اين نوعند.

15 AI History Aristotle 384-322 B.C. : Syllogism
ارسطو نظريه قياس را بنا نهاد كه چنين تعريف مي‌شود: بحثي كه براساس آن، چيزهاي معيني بالذاته وجود دارند و ساير چيزها براساس اين اصول موجود، ضرورت وجود پيدا مي‌كنند. All men are mortal. Socratis is a man.  Socrais is mortal Gottfried Leibniz, late 17th century Developing a formal mathematical language for reasoning George Boole, Boolean algebra Gottlob Frege, 1879,1884 First-Order Predicate Calculus Charles Babbage, 1950s Analytic engine – first computer

16 Turing Test Alan Turing, Computing Machinery & Intelligence, 1950
An Interrogator Is given access to two individuals – a human and a computer Can ask the two individuals any questions in text mode Is requested to distinguish the computer from the human If the interrogator cannot distinguish the computer from the human, then the computer may be assumed to be intelligent.

17 Turing Test

18 Turing Test Giving an objective notion of intelligence
The behavior of a known intelligent being in response to a particular set of questions Preventing from being sidetracked by confusing & unanswered questions whether the computer uses internal processes whether the machine is conscious of its actions Eliminating bias in favor of living organisms over machine intelligence

19 Influences of Turing Test
No program has passed the Turing test yet Providing a basis for many schemes used to evaluate modern AI programs Human behaviors could be as indications of “intelligent” or “good” Examples Expert system Information retrieval Speech synthesis Spoken dialogue (wizard of Oz)

20 AI History Artificial Intelligence was first used by John McCarthy at a conference in Dartmouth College, in Hanover, New Hampshire. John McCarthy invented LISP programming language in 1958 Newell and Simon (1957)invented the idea of the General Problem Solver (GPS) To solve almost any logical problem Means-ends analysis

21 AI History 1960~1990 Optimism  Realism
No longer to create a robot as intelligent as a human, but rather to use algorithms, heuristics, and methodologies based on the ways in which the human brains solves problems.

22 Philosophy(حكمت و فلسفه)
Socratis and Plato مي‌خواهم بدانم كه اين چه خصوصيتي در يك انسان پرهيزگار است كه باعث مي‌شود عمل‌هايش مقدس شوند... تا شايد من هم بتوانم آن را داشته باشم و به عنوان يك الگوي استاندارد از آن استفاده كنم و به وسيله آن نگرش و برآوردي از اعمال خود و ديگر انسان‌ها برايم حاصل شود. آيا در مغز ما چيز بيشتري از مجموعه‌اي از نرون‌هاي ساده وجود دارد؟ يا، به عبارت ديگر، اگر هر نرون از مغز انسان به وسيله يك دستگاه محاسباتي معادل جايگزين شود ممكن است به شخصي مشابه دست يابيم؟ و آيا مغز حاصل مي‌تواند هوشمند باشد؟ An algorithm could be defined that described the behavior of humans determines whether a person’s behavior was good or bad. Rene Descartes (17th century) جهان از دو ماده كاملاً جدا تشكيل شده است: جسم و خرد. خرد كاملاً از بدن فيزيكي جداست و به هيچ وجه از جانب آن محدود نشده است. از آن مهم‌تر ديسكارتز معتقد بود كه اين دوگانگي درباره حيوانات صادق نيست.

23 Linguistics(زبان‌شناسي)
Noam Chomsky 1950s Syntactic Structure: a formal theory of the structure of human language A structure of human knowledge

24 Psychology (روانشناسي انساني)
Cognitive psychology (روانشناسی ادراکی) Human brain uses knowledge or information that it is capable of processing in order to solve problems, make decisions, draw conclusions, and carry out other intelligent acts. Behaviorism (رفتارگرايي) stimuli  behavior رفتارگرايي، رفتار را مستقيماً به انگيزه‌هاي آن ارتباط مي‌دهد، بدون اينكه اطلاعات و دانش موجود در مغز را در مورد آن مدنظر قرار دهد.

25 Biology(علم حیات) Neural Network Genetic Algorithm Speech Recognition
Learning capability Genetic Algorithm Gene, chromosome Evolution Speech Recognition Computer Vision

26 Four Approaches of AI Logic Cognitive Science Turing test
Knowledge rep. NL processing Machine learning Automatic reasoning robotics Rational Agent

27 AI Programming Language
C++, Java, PROLOG, LISP (List Programming) PROLOG (Programming in Logic) Facts : made_from(cheese, milk).contains(milk, calcium). Rules : contains(X, Y):- made_from(X, Z), contains(Z, Y). Queries contains(cheese, calcium).  yes contains(X, calcium)  X=milk. X=cheese.

28 AI Application Area Game Playing Automatic Reasoning & Theorem Proving
Expert Systems Natural Language Understanding and Semantic Modeling Planning and Robotics Scheduling Machine Learning Neural Networks

29 List of AI Publications
General AI conferences: IJCAI, AAAI, ECAI Reasoning under uncertainty: UAI Machine learning: ICML, NIPS Multi-agent systems: AAMAS Vision: ICCV, CVPR Some journals: Artificial Intelligence, Journal of AI Research, Machine Learning, Journal of ML Research, Journal of Autonomous Agents and Multi Agent Systems AI Magazine

30 Some AI videos Note: there is a lot of AI that is not quite this “sexy” but still very valuable! E.g. logistics planning – DARPA claims that savings from a single AI planning application during 1991 Persian Gulf crisis more than paid back for all of DARPA’s investment in AI, ever. [Russell and Norvig]

Download ppt "Artificial Intelligence"

Similar presentations

Ads by Google