Leon Florin I email: [email protected] I Conf

(1)

Inteligenta Artificiala: Introducere

IA 2019/2020

(2)

Cont¸inut

Organizare

Introducere

Inteligent,˘a artificial˘a: definit,ii Istoric

Aplicat,ii recente Concluzii

(3)

Pagina curs: https://sites.google.com/view/iafii Titulari:

I Prof. Dr. Leon Florin

I email: [email protected]

I Conf. Dr. R˘aschip M˘ad˘alina

I email: [email protected]; cabinet: C416

I Lect. Dr. Pistol Ionut, I email: [email protected]

(4)

Cont

,

inut curs

I Introducere: definit,ia, istoric, principii, exemple de aplicat,iii

I Modelarea problemelor de IA: modele bazate pe st˘ari I: probleme, instant,e; reprezentarea unei stari; st˘ari init,iale, finale, spat,iul

problemei; tranzit,ii s,i valid˘ari

Strategii de navigare neinformate: BFS, DFS, Iterative Deepening, Uniform cost, Backtracking

I Modelarea problemelor de IA: modele bazate pe st˘ari II: strategii informate: Hillclimbing/Simulated annealing, A*; c˘autarea cu arbori AND-OR

(5)

Cont

,

inut curs

I Probleme de satisfacere a constrˆangerilor: definitie, exemple;

propagarea constˆangerilor; algoritmi de c˘autare: Backtracking, Forward-checking, Backjumping; euristici pentru ordonarea

variabilelor s,i a valorilor; c˘autare local˘a: Min-Conflicts; constrˆangeri soft, optimizare

(6)

Cont

,

inut curs

I Modelarea problemelor interactive de decizie in jocuri I: jocuri secvent,iale; algoritmul minimax, alfa-beta; jocuri nedeterministe

I Modelarea problemelor interactive de decizie in jocuri II: jocuri strategice, echilibru Nash pur, echilibru Nash mixt; jocuri cooperante cun jucatori, reprezentarea jocurilor in forma caracteristic˘a, nucleul, valoarea Shapley

(7)

Cont

,

inut curs

I Introducere in retelele neuronale: ˆInv˘at,area automat˘a, neuronii biologici; perceptronul, Adaline, structura, algoritmul de antrenare al perceptronului, regula delta; peceptronul multistrat, structura, algoritmul Backpropagation, optimiz˘ari

I Aplicatii ale retelelor neuronale in jocuri: procese de decizii Markov, Value iteration, ecuatiile Bellman, Policy iteration; ˆInv˘at,are prin ˆınt˘arire (Reinforcement leaning): ˆınv˘at,are pasiv˘a (estimarea directa a uitilitatii, programarea dinamica adaptiva, temporal difference learning), ˆınv˘at,are activ˘a: Q-learning

(8)

Cont

,

inut curs

I Reprezentarea cunoas,terii s,i sisteme de inferent,˘a: ret,ele

semantice descriptive s,i inferent,iale; taxonomii s,i ontologii, Semantic Web; inferent,e: demoni s,i reguli

I Procesarea limbajului natural: sisteme de dialog, AIML; limbajul natural s,i limbajul formal; proces˘ari de suprafat,˘a s,i proces˘ari de adˆancime (semantice); reprezentarea s,i generarea cont,inutului semantic, resurse specifice (Wordnet, modele de limb˘a)

I Aplicat,ii ale ret,elelor neuronale ˆın procesarea limbajului natural:

reprezent˘ari vectoriale, Word2vec: modelele Skip-Gram, Continuous Bag of Words, Descompunerea valorilor singulare, Glove; ret,ele neuronale recurente, Long Short Term Memory: arhitectura, aplicat,ii:

analiza sentimentelor

(9)

Cont

,

inut curs

I Ret,ele bayesiene: teorema lui Bayes, independent,a s,i independent,a condit,ionat˘a, algoritmul Bayes-Ball; inferent,e exacte cu ret,ele bayesiene, inferent,a probabilit˘at,ilor marginale, inferent,a prin enumerare, eliminarea variabilelor; inferent,e aproximative, inferent,a stohastic˘a prin ponderarea verosimilit˘at,ii

I Planificare: tipuri de reprezent˘ari: STRIPS, ADL, PDDL, c˘autare ˆın spat,iul st˘arilor (forward, backward, euristici), planificare cu ordine part,ial˘a, grafuri de planificare, algoritmul Graphplan, planificare ˆın logica propozit,ional˘a

(10)

Bibliografie

Russell & Norvig, Artificial Intelligence: A Modern Approach, 3rd Ed.

Cristea D., Ionita M., Pistol IC. Inteligenta artificiala, Editura universitatii

“Alexandru Ioan Cuza” Iasi, 2005

https://profs.info.uaic.ro/~dcristea/cursuri/IA/carteaIA.pdf

(11)

Evaluare

I Curs: Examen scris in sesiune: 40% (PEx - maxim 10); Bonus (B1) pentru activit˘at,i sau solut,ii deosebite

I Laborator: 60% (din care 50% e lucrul la proiect)

I Punctaj obt,inut din prezent,˘a la laborator (12 * 0.2 = P, maxim 2.4)

I teme laborator (11 * 0.6 = PT, maxim 6.6)

I lucrul la proiect (s˘apt˘amˆanile 8-13 - PP, maxim 10) Bonus (B2) pentru activit˘at,i sau solut,ii deosebite

I Promovare: este necesar˘a acumularea a minim 4 puncte din P+PT s,i a minim 5 puncte din (1+P+PT)*0.3 + PP*0.3 + PEx*0.4

Notele se stabilesc folosind formula:

(1+P+PT)*0.3 + PP*0.3 + PEx*0.4

(12)

Cont¸inut

Organizare Introducere

(13)

Inteligent

,

a artificial˘ a

Inteligent,a artificial˘a ˆıncearc˘a s˘aconstruiasc˘aentit˘at,i inteligente.

I Artificial: f˘acut de om, ne-natural, construit

I Inteligent,a este mult mai dificil de definit: este un termen generic pentru multe capacit˘at,i ˆınrudite

I Capacitatea de a rat,iona, a planifica, a rezolva probleme, a gˆandi abstract, a ˆınt,elege idei complexe, a ˆınv˘at,a repede s,i a ˆınv˘at,a din experient,˘a(Mainstream Science of Intelligence, 1994)

I ˆInt,elegere (lat.

”intelligere”, inter-legere→

”intelligentia”)

I ˆInv˘at,are

I Rat,ionament

(14)

Inteligent

,

e multiple

Psihologul Howard Gardner a identificat 7 tipuri distincte de inteligent,˘a (Frames of Mind, 1983) s,i mai recent ˆınc˘a dou˘a (1995)

I Lingvistic˘a

I Se refer˘a la capacitatea s,i pl˘acerea de a citi, scrie, povesti sau rezolva cuvinte ˆıncrucis,ate

I Care dintre cuvintele urm˘atoare nu se potrives,te cu celelalte?

Colib˘a, Birou, Cas˘a, Vil˘a

(15)

Inteligent

,

e multiple

I Logico-matematic˘a

I Presupune descoperirea modelelor, categoriilor s_,i relat_,iilor

I Se manifest˘a, de exemplu, ˆın rezolvarea problemelor aritmetice sau ˆın jocurile de strategie

I Ce num˘ar urmeaz˘a ˆın serie?

3, 4, 6, 8, 12, 14, 18, 20, 24, 30, 32, 38, ?

(16)

Inteligent

,

e multiple

I Spat,ial˘a

I Se refer˘a la posibilitatea de a gˆandi ˆın imagini s,i la us,urint,a rezolv˘arii unor probleme de geometrie spat,ial˘a

I De exemplu, g˘asirea drumului ˆıntr-un labirint, talentul de a desena sau de a construi figuri din cuburi Lego

I Ce imagine urmeaz˘a?

(17)

Inteligent

,

e multiple

I Corporal-chinestezic˘a

I Implic˘a o mare sensibilitate ˆın identificarea s,i prelucrarea senzat,iilor fizice, de exemplu a simt,i ritmul unui dans

I Muzical˘a

I Presupune existent,a urechii muzicale, a posibilit˘at,ii de a percepe s,i distinge sunete care par la fel altor persoane

I Interpersonal˘a

I Este dovedit˘a de spiritul de conduc˘ator, de us,urint,a comunic˘arii s,i de existent_,a empatiei, adic˘a a capacit˘at_,ii de a ˆınt_,elege sentimentele altora

I Intrapersonal˘a

I Reflect˘a o bun˘a cunoas,tere a propriilor sentimente s,i capacit˘at,i

(18)

Inteligent

,

e multiple

I Naturalist˘a

I Capacitatea de a recunoas_,te modele ˆın natur˘a, dornici de explorarea mediului s,i de a ˆınv˘at,a despre alte specii: biologi etc.

I Existent,ial˘a

I Capacitatea de a trata problemele filosofice ale viet,ii: scriitori, filosofi, oameni c˘arora le place s˘a citeasc˘a s,i s˘a-s,i pun˘a ˆıntreb˘ari, predicatori etc.

Testele de inteligent,˘a clasice cuprind de obicei ˆıntreb˘ari referitoare la primele trei tipuri

(19)

Inteligent

,

a: de ce are nevoie

I Percept,ia

I Capacitatea de a face observat,ii complexe asupra mediului

I Prelucrarea informat,iilor

I Capacitatea de a gestiona s,i transforma informat,ii, rat,ionament

I Memoria

I Capacitatea de a stoca s_,i refolosi informat_,ii

I ˆInv˘at,area

I Capacitatea de a dezvolta noi cunos,tint,e s,i abilit˘at,i s,i de a folosi experient,a acumulat˘a

I Adaptabilitatea

I Capacitatea de a adapta ˆın mod flexibil comportamentul la situat,iile curente

I Proces intrare-ies,ire: preia - filtreaz˘a - stocheaz˘a - generalizeaz˘a - act,ioneaz˘a

(20)

Inteligent

,

a: ce face

I Utilizarea ˆın mod optim a resurselor limitate, inclusiv timpul, pentru a atinge obiective

I atingerea obiectivelor mai des sau mai repede

I Rezolva probleme noi sau probleme existente ˆın moduri noi, mai eficiente

I Adaptarea la mediu prin schimb˘ari aduse propriei persoane sau mediului

Inteligent,a este o m˘asur˘a a capacit˘at,ii de a atinge obiective ˆıntr-un mediu complex s,i dinamic

(21)

Cont¸inut

Inteligent,˘a artificial˘a: definit,ii

Istoric

(22)

Abordarea 1: a act

,

iona uman

I Inteligent,a artificial˘a este

”arta de a crea mas,ini care s˘a ˆındeplineasc˘a funct,ii care ar necesita inteligent,˘a dac˘a ar fi ˆındeplinite de oameni”

(Kurzweil)

I Poate fi testat˘a cu ajutorul testului Turing (1950)

(23)

Testul Turing

Turing. Computing machinery and intelligence, 1950

I Masinile pot sa gandeasca? → Masinile se pot comporta inteligent?

I Test operational pentru comportament inteligent

I Un arbitru (om) se angajeaz˘a ˆıntr-o conversat,ie ˆın limbaj natural cu alt,i doi participant,i la experiment: un om s,i o mas,in˘a

I Dac˘a arbitrul nu poate spune cu sigurant,˘a cine este omul s,i cine este mas,ina, aceasta se spune c˘a a trecut testul

(24)

Testul Turing

I Pˆanˆa ˆın 2000 o mas,in˘a ar putea avea o s,ansa de 30% de a p˘ac˘ali o persoan˘a timp de 5 minute

I Componentele majore ale IA:

I reprezentarea cunoas_,terii

I rat,ionament automat

I ˆınt,elegerea limbajului natural

I ˆınv˘at,are automat˘a

I A anticipat argumentele majore ˆımpotriva IA ˆın urm˘atorii 50 de ani

I Testul Turing nu este reproductibil, constructiv, sau supus analizei matematice

(25)

Camera chinezeasc˘ a

Searle (1980)

I O persoana foloses,te mult,imea de reguli ale unui calculator care trece testul Turing pentru a r˘aspunde la ˆıntreb˘ari ˆın chinez˘a

I Persoana nu cunoas,te aceast˘a limb˘a

I Un program care manipuleaz˘a simboluri, nu ˆınt,elege, nu are st˘ari mentale s,i intent,ii

(26)

Premiul Loebner

O competit,ie anual˘a ˆın domeniul IA care acord˘a premii programelor considerate a fi cele mai umane. Formatul competitiei este cel al unui test Turing standard.

I 1991 - J. Weintraub. ”Whimsical Conversation” (PC Therapist)

I 2000, 2001, 2004 - R. Wallace. Artificial Linguistic Internet Computer Entity (A.L.I.C.E.)

I 2013, 2016-2019 - S. Worswick. Mitsuku (”Pandorabots”)

I contine fisierele AIML ale lui ALICE

I capacitatea de a rat,iona

Can you eat a house? - caut˘a propriet˘at,ile pentru ”house”, g˘ases,te valoarea ”made from” setat˘a pentru ”brick”, r˘aspunde ”no”

(27)

Abordarea 2: a gˆ andi uman

”automatizarea activit˘at,ilor pe care le asociem cu gˆandirea uman˘a, activit˘at,i precum luarea deciziilor, rezolvarea problemelor, ˆınv˘at,area” (Bellman, 1978)

I Scopul este de a construi sisteme care funct,ioneaz˘a (intern) ˆın mod similar gˆandirii umane

I Programele nu trebuie doar s˘a rezolve probleme, ci s˘a le rezolve ˆın acelas,i mod ca oamenii

I Marvin Minsky. Societatea mint,ii (1988): Mintea este o colect,ie de agent,i care reprezint˘a procese diferite, posibil concurente

(28)

Abordarea 3: a gˆ andi rat

,

ional

”studiul calculelor care fac posibile percept,ia, rat,ionamentul s,i act,iunea” (Winston, 1992)

I Folosirea logicii pentru a lua decizii complexe

I Aristotel, silogismele (sec. IV ˆı.Hr.): forme de argumentare logic˘a

I o propozit,ie este inferat˘a din alte dou˘a propozit,ii

I ”Socrates is a man; all men are mortal; therefore Socrates is mortal.”

I Formalizare riguroas˘a, putere de reprezentare s,i rat,ionament

I Cum poate fi reprezentat˘a logic cunoas,terea s,i cum poate face deduct,ii un sistem?

I Dificult˘at_,i: cunos_,tint_,e nesigure, informale (exemplu:

”cred c˘a te iubesc”)

(29)

Abordarea 4: a act

,

iona rat

,

ional

”preocupat˘a de automatizarea comportamentului inteligent”(Luger & Stubblefield, 1993 )

I A act,iona rat,ional ˆınseamn˘a a identifica act,iunea optim˘a, care aduce cˆas,tigul maxim

I Accentul cade pe comportament

I Inferent,ele sunt utile, dar nu ˆıntotdeauna necesare

I Act,iunile reflexe pot fi rat,ionale

I Agent,i rat,ionali: selecteaza act,iunile care maximizeaz˘a utilitatea as,teptat˘a

I Decˆat s˘a imit˘am oamenii care ˆıncearc˘a s˘a rezolve probleme dificile, mai bine s˘a ˆıncerc˘am s˘a rezolv˘am pur s,i simplu aceste probleme

(30)

Cont¸inut

(31)

Evolut

,

ia IA

(32)

IA: istoric

I 1943: primul model de neuron artificial (McCulloch & Pitts)

I 1949: ˆınv˘at,area neuronal˘a (Hebb)

I 1950 Turing. Computing Machinery and Intelligence

I 1950, 1951: studii asupra jocului de s,ah (Shannon, Turing)

I 1951: SNARC, primul calculator neuronal (Minsky & Edmonds)

(33)

Nastererea IA-ului

I 1956: Termenul inteligent,˘a artificial˘a: Atelierul de vara de la Dartmouth. McCarthy, Minsky, Rochester, Shannon

I Logic Theorist (Newell & Simon’s) - ”primul program de inteligent,˘a artificial˘a”; demonstrarea de teoreme, explorare euristic˘a

I Entuziasmul timpuriu

I 1957: General Problem Solver: o problem˘a poate fi exprimat˘a ca o mult,ime de clauze Horn; aplicat,ii: demonstrat,ii ˆın logica de ordinul I

I 1958: McCarthy: limbajulLisp,Advice Taker: teoretic, utilizarea logicii pentru a reprezenta informat,ia

I 1959: Samuel’s checkers program; Geometry Theorem Prover (Gelernter)

I 1965: Metoda rezolut_,iei (Robinson)

I Program de dame care ˆınvat_,˘a din jocuri; program pentru analiz˘a matematic˘a

I “Microworlds”

(34)

Perceptronul

Rosenblatt (1957) - algoritm de ˆınv˘at,are supervizat˘a

I Clasificator liniar (binar)

I Teorema de convergent,˘a a perceptronului (1962)

I Algoritm de antrenare

(35)

ELIZA

Chatterbot-ul ELIZA, dezvoltat de Joseph Weizenbaum (1964):

utilizatorul putea avea o discut,ie (text) cu calculatorul

I Programul funct,iona pe baza unor reguli de reinterpretare a mesajelor introduse de utilizator

(36)

O doz˘ a de realitate

I 1966-74 IA descoper˘a complexitatea computat,ional˘a

I Programele care funct,ionau bine pentru ”microworlds” au es,uat pe probleme reale

I Rezolvarea

”ˆın principiu” nu este identic˘a cu rezolvarea ˆın practic˘a

I Explozia combinatorial˘a

I Traducerea automat˘a din rus˘a ˆın englez˘a The spirit is willing but the flesh is weak.

The vodka is good but the meat is rotten.

I Minsky & Papert. Perceptrons (1969)

I Problemele neseparabile liniar (exemplu: XOR) nu pot fi modelate de perceptroni

I Cercetarea pe ret,ele neuronale, aproape de disparit,ie

Raportul Lighthill (1973): oprirea finant˘arii cercet˘arilor de IA ˆın

(37)

IA: istoric

I 1969-79 Dezvoltarea timpurie a sistemelor bazate pe cunos,tint,e

I SistemulDendral (1969) - primul sistem expert

I identificarea structurii moleculare a unei substant,e chimice pe baza informat,iilor furnizate de un spectrometru de masa

I versiunile ulterioare au inclus ideea dinAdvice Taker: separarea cunos,tint,elor (regulilor) de programul care realizeaz˘a rat,ionamentul

(38)

Alte realizari

I 1965: Logica vag˘a / fuzzy (Zadeh)

I 1968: Reprezentarea cunoas,terii prin ret,ele semantice (Quillian)

I 1970: Limbajul Prolog(Colmerauer)

I 1972: Sistemul expert MYCIN (Shortliffe et al.)

I sistem de diagnosticare medicala: prescrie o ret,et˘a medicala pentru boli infect,ioase ale sˆangelui pe baza unui set de analize introduse ˆın sistem

I scris ˆın Lisp, 450 reguli

I dozaj, explicat_,ii (“why?”), factori de ˆıncredere

I EMYCIN (1979), “shell” de sisteme expert

I 1973: Algoritmii genetici (Holland)

I 1975: Reprezentarea cunoas,terii prin cadre (Minsky)

I 1980: Prospector - detectarea depozitelor minerale

(39)

IA: istoric

I 1980-88 Avˆantul sistemelor expert ˆın industrie

I XCON (1980): sistem expert comercial care alc˘atuia automat lista de accesorii (cabluri, conectori, etc) pentru calculatoarele produse de Digital Equipment Corporation

I economii de 40 Milioane USD anual

I 750 de reguli ˆın 1980, 5500 de reguli ˆın 1995

(40)

Proiecte de succes - anii ’80

I 1984: Proiectul Cyc (Lenat), colect,ie de cunos,tint,e de

”bun simt,”. ˆIn 2006: 47.000 concepte, 306.000 fapte

I 1985: Ret,ele bayesiene (Pearl), rat,ionament probabilistic

I 1986: Se impune algoritmul back-propagation (Rumelhart, Hinton &

Williams) pentru antrenarea ret,elelor neuronale de tip perceptron multistrat, descoperit de fapt ˆın 1969 (Bryson & Ho)

I 1986: NetTalk (Sejnowski & Rosenberg): Ret,ea neuronal˘a care ˆınvat,˘a s˘a citeasc˘a texte ˆın englez˘a : 309 neuroni, 18.629 conexiuni

I 1988: HiTech (CMU) ˆıl ˆınvinge pe marele maestru de s,ah Denker

(41)

IA: istoric

I 1988-93 Sisteme expert in industrie: ”AI Winter”

I 1985-95 Ret,elele neuronale redevin populare

I 1988- Revenirea metodelor probabiliste; Cres,terea ”Nouvelle AI”:

ALife, GAs, soft computing

I 1995- Agenti, agenti, agenti ...

I 2003- Human-level AI

(42)

Proiecte de succes - anii ’90

I 1991: DART - ˆIn timpul r˘azboiului din Golf, planificarea trupelor ce implicau 50.000 de vehicule militare, transportatoare s,i trupe, a fost realizat˘a cu ajutorul unui sistem de IA

I 1995: TD-Gammon (Tesauro) - joc de table

I 1995: ALVINN - autovehicul autonom (4585 km prin SUA)

I 1995: chatterbot-ul A.L.I.C.E.

I 1996: Conjectura lui Robbins din logica boolean˘a, nerezolvat˘a timp de zeci de ani, a fost demonstrat˘a cu ajutorul unui demonstrator automat de teoreme

(43)

Fotbal cu robot

,

i

https://www.youtube.com/watch?v=lhYdQbSq5Mo

(44)

Jocul de s

,

ah

I 1997: Deep Blue, un supercomputer produs de IBM pe care ruleaza algoritmi de IA, l-a ˆınvins pe campionul mondial Garry Kasparov

(45)

Robot

,

i

” expresivi”

I Cog Project (Brooks, MIT): Inteligent,a la nivel uman necesit˘a acumularea de experient,˘a in interact,iunea cu oamenii

I Kismet (Breazeal, MIT): o mas,in˘a care poate recunoas,te s,i simula emot,iile

(46)

Robotic˘ a

I 2000: Nomad, c˘autarea meteorit,ilor ˆın Antarctica

(47)

Algoritmul MASSIVE (2000)

Industria efectelor vizuale; capacitatea de a crea us,or mii/milioane de agent,i care act,ioneaz˘a ca indivizi

St˘apˆanul inelelor, 2001-2003

(48)

Arta computerizata

Aaron (Cohen, Kurzweil CyberArt Technologies)

(49)

Alte realiz˘ ari

I 1999: Sistem expert ˆın timp real pentru gestionarea sarcinilor de rutin˘a de reparare ale unei sonde spat,iale (Remote Agent pentru Deep Space 1)

I 2002: Kramnik s,i Deep Fritz fac remiz˘a

I 2005: Limbajul F# (Microsoft)

I 2006: Google Translate, acum peste 100 de limbi

I 2007: DARPA Urban Challenge, mas,ini f˘ar˘a s,ofer, premiu de 2.000.000 $ (96 km prin arii urbane)

I 2009: Google introduce subtitr˘ari automate ˆın videoclipurile YouTube

I 2014: Eugene Goostman / Evghen Gustman – un program care pretinde a fi un b˘aiat ucrainian de 13 ani, trece testul Turing (p˘ac˘ales,te 33% din arbitri)

(50)

Cont¸inut

(51)

Vehicule autonome

DARPA Grand Challange (2005) pentru vehicule autopilotate ˆıntr-un traseu din des,ert (cˆas,tigat de Universitatea Staford)

DARPA Urban Challange (2007) pentru vehicule autopilotate ˆın mediu urban: c˘as,tigat de un vehicul construit la Carnegie-Mellon University ce t,ine cont de trafic s,i semne de circulat,ie

Automobil autonom ˆın mediu urban (2014), Google

(52)

Aplicat

,

ii militare

Drona X-47B, SUA (2011)

I Primul avion autonom pilotat ˆın ˆıntregime de o inteligent,˘a artificial˘a

I Autonomie de zbor de 6 ore, 3900 km f˘ar˘a realimentare

I Cost: 813.000.000 $

(53)

Limbaj natural

IBM Watson

I Jeopardy! (2011)

(54)

Robot

,

i

I Swarm robotics: un num˘ar mare de robot,i identici (care pot efectua un num˘ar mic de operat,iuni) pot realiza construct,ii ”inteligente” care dep˘as,esc ”inteligent,a” fiec˘arui exemplar

I Misiuni spat,iale: NASA agents

I Robotul Atlas, Google, 2015

(55)

Deep Reinforcement Learning

Google DeepMind (2015): Programul a ˆınv˘at,at s˘a joace 49 de jocuri Atari 2600 urm˘arind direct doar afis,ajul s,i scorul

(56)

” Visele” unei inteligent

,

e artificiale

Google, Deep learning, 2015

Recunoas,tere s,i creare de imagini a obiectelor obis,nuite

(57)

Identificarea imaginilor

Wolfram (2015)

https://www.imageidentify.com/

(58)

Todai Robot

”Can a Robot Get Into the University of Tokyo?”

I Caut˘a ˆın volume mari de date

(59)

Todai Robot

”Ultima simfonie a lui Mozart are numele acestei planete”.

I Datele de intrare: ”ultima”, ”simfonie”, ”Mozart”

I Acceseaza o baz˘a de cunos,tint,e (ex: Wikipedia)

I Cauta numele unei planete ˆın informat,ia returnat˘a

I Sistemul nu interpreteaz˘a nimic: caut˘a, potrives,te tipare s,i acord˘a scoruri rezultatelor obt,inute

(60)

AlphaGo

I Google DeepMind

I Martie 2016: a cˆas,tigat cu 4-1 ˆımpotriva lui Lee Sedol, juc˘ator de go profesionist cu 9 dan, premiu: 1.000.000 $

I Mai 2017: a cˆas,tigat ˆımpotriva lui Ke Jie, cel mai bun juc˘ator de go din lume

(61)

AlphaGo

I AlphaGo Zero (2017) a ˆınv˘at,at go jucˆand cu el ˆınsus,i, f˘ar˘a a ˆınv˘at,a din mut˘arile juc˘atorilor expert,i umani

I AlphaGo Zero a ˆınvins AlphaGo (100-0)

I AlphaZero (dec. 2017) a ˆınv˘at,at s,ah ˆın 4 ore s,i a ˆınvins motorul de s,ah Stockfish (28 victorii, 72 remize, 0 ˆınfrˆangeri)

I Inteligent,a artificial˘a a atins abilit˘at,i superioare oamenilor pentru practic toate jocurile

(62)

Art˘ a

Stil artistic neuronal (2015)

Subiect (fotografie) + Stil (van Gogh) → Desen generat

(63)

Art˘ a

Proiectul “The Next Rembrandt”

I Analiz˘a computerizat˘a a 168.263 fragmente de tablou din 346 tablouri originale

I Aprilie 2016: a fost dezv˘aluit tabloul nou creat, imprimat 3D

https://www.nextrembrandt.com/

(64)

Poker

I Libratus, dezvoltat la universitatea Carnegie Mellon

I Ianuarie 2017: a ˆınvins patru dintre cei mai buni juc˘atori din lume

I 120.000 jocuri/mˆaini ˆın 20 de zile

I A cˆas,tigat echivalentul a 1.766.250 $

(65)

Google Duplex

Conversat,ii ˆın limbaj natural (2018)

Utilizeaz˘a o ret,ea neuronal˘a recurent˘a https://ai.googleblog.com/2018/05/

duplex-ai-system-for-natural-conversation.html

(66)

Cont¸inut

(67)

IA, peste tot

I Motoare de c˘autare

I Planificarea rutei (h˘art,i, trafic)

I Logistic˘a (pachete, linii aeriene)

I Diagnosticare medical˘a

I Asistent,i pentru client,i ai magazinelor online - Automated help desks

I Detect,ia spam / fraude electronice

I Echipamente inteligente

I Recomandare de produse

I Asistent,i, case inteligente

I ...

(68)

Ce poate face Inteligent

,

a Artificial˘ a?

(69)

Viitor

I Utilizam IA:

I pentru a crea sisteme inteligente

I cu cˆat este mai inteligent, cu atˆat mai bine

I pentru a obt,ine o mai bun˘a ˆınt,elegere a inteligent,ei umane

I pentru a obt_,ine cˆat mai multe beneficii

I ne-ar putea ajuta s˘a evit˘am r˘azboiul s,i catastrofele ecologice, s˘a realiz˘am nemurirea s,i sa ne extindem ˆın univers

I Ce se ˆıntampl˘a dac˘a reus,im?

(70)

Subdomeniile IA

I Reprezentarea cunoasterii

I Sisteme expert

I Rationament

I Invatare automata

I Procesarea limbajului natural

I Procesarea imaginilor

I Recunoasterea vorbirii

I Robotica

I Teoria jocurilor

I Planificare automata

(71)

Limbaj natural

I Tehnologii de recunoastere vocala

I Recunoasterea vocala (ex: Siri)

I Text-to-speech

I Sisteme de dialog

I Tehnologii de procesare a limbajului

I Sisteme de tip intrebare-raspuns

I Traducere automata

I Cautare pe Web

I Clasificarea textului, spam filtering, etc.

(72)

Concluzii

I Inteligent,a este o m˘asur˘a a capacit˘at,ii de a atinge scopuri ˆıntr-un mediu complex s,i dinamic

I Reprezint˘a o mult,ime de strategii folosite pentru a optimiza interact,iunea cu mediul

I ˆIn IA exist˘a abord˘ari bazate pe gˆandire sau comportament, respectiv modelarea mint,ii umane sau rat,ionalitate

I S-au f˘acut progrese substant,iale ˆın:

I Recunoas_,terea modelelor s_,i ˆınv˘at_,are

I Problemele de planificare s,i rat,ionament

I Mai recent, recunoas,terea imaginilor s,i limbajului

I Multe probleme sunt ˆınc˘a nerezolvate