Einführung Willkommen zu Vorlesung+Praktikum Einführung in die künstliche Intelligenz © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung zur Person: •Harald Gläser •Studium und Promotion als Physiker •Zweitstudium Informatik •Berufstätigkeit bei Philips Research in der Modellierung von physiko-chemischen Systemen •Seit 15.10.2001 an der FH Furtwangen •Sprechstunde: Freitags 13:00 - 13:45 C209 © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung zur Vorlesung Fragen gleich stellen ! Folien downloaden unter www.computer-networking.de/~glaeser (im email - UFO System anmelden !!) www.ai-lab.fh-furtwangen.de Link zu UFO © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Prüfungs(vor)leistungen: Für AI‘ler gilt: Praktikum muss bestanden werden, sonst keine Klausur a) Klausur b) Praktikum: I) Alle Aufgaben müssen zu zweit selbständig bearbeitet werden. Einzelbeitrag muß erkennbar sein II) 6 von 6 Aufgaben müssen bestanden werden. © Prof. Dr. H. Gläser, Künstliche Intelligenz Für WI‘ler gilt: a) Klausur (zählt 70% der Note) b) Referat: (zählt 30% der Note) - schriftliche Ausarbeitung ! - 20min Vortrag - 10min Diskussion - bitte Thema aus Liste aussuchen - Termin beachten © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Klausurtermin: 6.02.04: © Prof. Dr. H. Gläser, Künstliche Intelligenz 9:30 Uhr Zeit je nach Raumlage Ziele der Vorlesung Knapper Überblick über grundlegende Paradigmen der KI Die Zusammenstellung der Themen erhebt keinen Anspruch auf Vollständigkeit Eventuell auf den Geschmack für den Schwerpunkt KI bringen © Prof. Dr. H. Gläser, Künstliche Intelligenz Literatur KI - Literatur (aus FHF Bibliothek): Neuronale Netzwerke Schöneburg, Hansen, Gawelczyk Künstliche Intelligenz in Willi Bruns der Technik Künstliche Intelligenz in St. Kirn, Chr. der Finanzberatung Weinhardt [Hrsg.] Handbuch der künstlichen Intelligenz KI-Einführung und Anwendungen Artificial Intelligence Künstliche Intelligenz und automatische Wissensverarbeitung Markt & Technik Hanser Studienbücher Gabler G. Görz, C.-R. Oldenburg Rollinger, J. Schneeberger [Hrsg.] Elaine Rich McGraw Hill E. Charniak, D. McDermott H. Helbig © Prof. Dr. H. Gläser, Künstliche Intelligenz Addison-Wesley Verlag Technik Buch für den Praktiker Sehr inspirierend. Eher intuitiver Ansatz Sammlung von wissenschaftl. Arbeiten Sehr dick !! Mathematisch orientiert Schöne Einführung ohne Formeln Ohne Formeln aber auf Englisch Teile der Vorlesung beruhen auf diesem Buch Einführung Was ist künstliche Intelligenz ?? Computer soll Fähigkeiten bekommen, die beim Menschen auf dessen Intelligenz beruhen Menschliche Fähigkeiten, die auf Intelligenz beruhen: Denken, logisches Schlußfolgern, Begriffe bilden, Klassifizieren Lernen, Gedächtnis Sprechen / Verstehen Im Raum orientieren und bewegen, Muster / Bilder erkennen ... © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Anwendungen der künstlichen Intelligenz Lösungssuche bei kombinatorischen Problemen (z.B. Spiele) spezialisierte Beratungssysteme (Expertensysteme) Verarbeitung natürlicher Sprache Mustererkennung (z.B. Spracherkennung, Bilderkennung) Robotics maschinelles Lernen Logik, automatisches Beweisen schlußfolgernde Datenbank-Abfragen, Data-mining, Suchmaschinen automatisches Programmieren © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Können Maschinen denken ?? Was ist „denken“ ?? A. Touring: Kann man eine Maschine bauen, mit vom Menschen ununterscheidbarem Verhalten ? © Prof. Dr. H. Gläser, Künstliche Intelligenz Einführung Themenübersicht Problemlösen Neuronale Netze Maschinen Lernen Wissensrepräsentation © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen Was ist ein Problem ?? Problem = Quadrupel P, A, Z , Op Beispiel: N Damen sollen auf NxN Schachbrett so positioniert werden, daß sie sich nicht schlagen können P: Menge von Problemzuständen. Problemzustand: Schachbrett + Belegung der Felder (mit Dame besetzt, unbesetzt) oder NIL A: anfänglicher Problemzustand. leeres Schachbrett © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Problemdefinition Z: Menge von Zielzuständen: Z P Zielzustand: NxN Schachbrett + irgendeine Belegung der Felder so, daß sich N Damen nicht schlagen können Op: Menge von Operationen o mit o: P P . unmögliche Operation dann, wenn a) Vorbedingungen der Operation treffen nicht zu b) Operation überführt „eigentlich“ in Zustand, der den Nachbedingungen nicht entspricht © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Problemdefinition Lösungsweg: eine Folge o1, o2, ... , on die von einem Anfangszustand in einen Zielzustand führt Beispiel: Damespiel: Vorbedingung : istBesetzt (bij) = false Operation oij : bij = Queen Nachbedingung: ~[ERREICHBAR(bij,bmn) istBesetzt(bmn) = true] © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Graphen Graph: Gebilde aus Knoten und (un - /gerichteten) Kanten Baum: Graph, dessen Knoten jeweils genau einen Vorgänger haben (bis auf die Wurzel) © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Graphen Zuordnung Problem <=> orientierter, markierten Graphen Problemzustände Operatoren Anfangszustand Endzustände Zielzustände Sackgassen Lösungsweg Knoten Kanten <- Knoten ohne Vorgänger Wurzel terminale Knoten <- Knoten ohne Nachfolger term. Knoten term. Knoten Pfad © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Nicht - informierte Suche keine Zusatz Kenntnisse über Problembereich Graph zufällig durchlaufen bis zufällig Zielzustand gefunden © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche © Prof. Dr. H. Gläser, Künstliche Intelligenz Übung Missionarsproblem 3 Missionare mit 3 Kannibalen versuchen mit 2 Mann Boot über einen Fluß zu kommen. Sei gegenüber Kannibalen NIE in der Minderzahl ! Identifizieren sie Problemzustände, Anfangszustand, Endzustand, Sackgassen, Operationen, Vorbedingungen, Nachbedingungen, Lösungsweg Finden Sie mehr als einen Lösungsweg ? © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Bedingungen für zielgetriebene Suche • Ziel muß explizit und nicht über ein Prädikat definiert sein (vrgl. Damen Problem bzw. Schach) • Eingangsbedingungen der Operationen gleiche Form wie Ausgangsseiten (nicht gegeben bei denen die Operationen z.B. Löschungen in der Wissensbasis auslösen) ??? © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Wann Ziel- wann Daten- getrieben ? Verzweigungsgrad bei A und Z Nachteil unidirektionaler Suche: Suche kann am Ziel vorbeiführen vrgl. A / P4 / P5 im Bspl. => bidirektionale Suche - hoffentlich treffen sich die Pfade Bspl.: A - P3; Z - P3 besonders hilfreich beim Aufeinanderzusteueren: Abstandsmaß © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Suchstrategien in Bäumen Tiefe zuerst Suche expandierend Pfadliste = Stapel strikt Schnapschuß = (Knoten, dort noch nicht angewandte Operationen) Pfad = Liste von Schnapschüssen Backtracking © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Suchstrategien in Bäumen Breite zuerst Suche 1 3 7 2 4 8 9 5 10 11 6 12 13 Pfadliste = Schlange © Prof. Dr. H. Gläser, Künstliche Intelligenz 14 Problemlösen > Techniken zur Lösungssuche Tiefe zuerst Speicherbedarf O(n) Breite zuerst O(bn) Schnelligkeit im O(bn) Allgemeinen schneller als -> Schnelligkeit worst case O(bn) O(bn) Findet mit Sicherheit nein ja © Prof. Dr. H. Gläser, Künstliche Intelligenz b = mittlerer Verzweigungs grad Problemlösen > Techniken zur Lösungssuche Modifikationen: iterierte Tiefe zuerst Schranke für Tiefe - wenn erreicht neue Tiefensuche wenn keine neue Tiefensuche möglich -> Schranke erweitern erreicht immer eine Lösung, trotzdem gute Speicherökonomie bidirektionale Breite zuerst Breite zuerst Suche sowohl von Zielknoten als auch von Ausgangsknoten Zeit und Speicheraufwand = O(bn/2) (n gerade) © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Informierte Suche: Knotenbewertungen Kantenbewertungen Kompliziertheit des Problemzustand Kosten der Operation (Reisekosten, Entfernung,...) Abstand zum Zielzustand Beitrag einer Operation zur Verringerung der Differenz zum Zielzustand entstandene Kosten bei der Entwicklung eines Pfads © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Bewertungspolynom k value( z ) ai ci ( z ) i 1 z Problemzustand ci Merkmale von z ai konstante Wichtungsfaktoren Beispiel: Schach c1 Summe des Materialwerts der eigenen Figuren (a1>0) c2 Anzahl der Drohungen durch den Gegener (a2<0) ... © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche auf jedem Knoten die Bewertung auftragen -> Bewertungsgebirge Pfad des steilsten Anstiegs einschlagen -> hill climbing Verfahren Balance zwischen Kosten der Bewertungsfkt. und deren Nutzen Gütemaß für die Suche: Penetranz = Länge des Lösungspfads / Anzahl der insgesamt erzeugten Knoten © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Graphensuche sucht in kantenbewerteten Graph den Lösungsweg mit minimalen Kosten Init. Graph G mit Wurzel A A -> Liste OPEN nicht expandierter Knoten © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche Init. Graph G mit Wurzel A A -> Liste OPEN nicht expandierter Knoten OPEN = NIL Ja Ende: Mißerfolg Nein erster Knoten von OPEN N in CLOSED N=Z Nein © Prof. Dr. H. Gläser, Künstliche Intelligenz Ja Ende: Erfolg, Lösungspfad mit Zeigern generieren Problemlösen > Techniken zur Lösungssuche Bestimmen Nachfolger von N = Menge M Zeiger von allen N‘M zu N. N‘ in M aufnehmen Wenn N‘ schon in G enthalten: wird Zeiger umgesetzt wenn niedrigerer Abstand zu A Wenn N‘ schon in CLOSED enthalten: wird Zeiger der Nachfolger umgesetzt wenn niedrigerer Abstand zu A M (ohne „closed“) in OPEN aufnehmen Ordnen der Liste OPEN nach minimalem Abstand zu A © Prof. Dr. H. Gläser, Künstliche Intelligenz Problemlösen > Techniken zur Lösungssuche © Prof. Dr. H. Gläser, Künstliche Intelligenz