Schach

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