浅谈ai人工智慧淡江大学资讯工程学系.ppt

made by catch 淺談AI人工智慧 淡江大學資訊工程學系 摘要 投石問路 - 資訊與人工智慧的領域 海底撈針 - 搜尋方法 人機比賽 - 電腦下棋 冷血超人 - 專家系統 舉一反三 - 機器學習 差不多電腦- 模糊理論及應用 腦力激盪 - 類神經網路 達爾文再世 -遺傳演算法 眼明嘴快 - 圖形與語音的辨識 資料與資訊 資料(Data) 資訊(Information) 資訊的來源：資料 資料經處理後的結果 ? 資訊 例子:A股票股價 Data: Information: 10日: 29元 A股票 and [10日-13日] 11日: 29.5元 ? 上漲 12日: 29.9元 13日: 31元 人工智慧 何謂人工智慧(Artificial Intelligence) 簡單而言，就是讓電腦能有近似人腦的能力 正式而言，計算能力的研究 知覺 推理 行動 人工智慧領域 海底撈針 只求一個解的搜尋法 e.g.魔術方塊 求最佳解的搜尋法 求近似解的搜尋法 電腦下棋的搜尋法 e.g.象棋 一方要贏 另一方不讓你贏 人機大戰 1997年人工智慧大事 IBM Deep-Blue(深藍)擊敗世界棋王 人類下棋的特性 模擬對手下幾步會採取的策略 應用著名棋局中的模式 個人下棋的經驗 學習對手的下棋模式 例子: 下象棋 象棋棋盤位置圖 審局函數 把盤面局勢的利弊得失加以數值化 作為比較形勢優劣的基礎 一般常見的考慮因素如下： 子力 位置重要性 棋子靈活度 威脅與保護 子力 我們給於每一兵種的基本價值如下： 將(帥) 2000 士(仕) 40 象(相) 40 車(俥) 200 馬(馬) 90 包(炮) 90 卒(兵) 10 位置重要性 位置重要性 棋子靈活度 「馬路疏通，包貴機動」。 棋子在盤面上如果不能靈活走動，就無法發揮他的戰鬥力 所以靈活度是評估局勢優劣的一種因素。 藉著一些規則或樣式來判斷 威脅與保護 棋子在盤面上是否安全，和他所在受到的保護與威脅的數目有關，也和威脅或保護的兵種有關。 兩種做法： 一是利用資料結構紀錄棋子之間互相保護的關係。 然後依照吃子的原則，進行兌子的考慮。 一是由終端點互攻兑子直到某一狀態，然後再引用審局函數。 遊戲樹 遊戲樹 人機大戰 電腦下棋 利用超強的計算能力 - 計算之後可能的下棋局勢 利用強大的儲存能力 - 將所有棋局模式加以儲存 利用機器學習的能力 - 學習對手下棋的模式 人與電腦到底誰厲害 冷血超人 何謂專家系統 將人類專家的知識，以規則(Rule)或其他知識表達方式建立於系統中。 例如：If下雨天, Then不要出去玩； If不出去玩, Then要念書等 推論 輸入天氣是下雨，則得到系統要你去念書 以上可知，專家系統最主要的部分就是在於規則（知識）的取得及事實的輸入． 例子: 醫療診斷專家系統 例子: 核能電廠診斷系統 專家系統架構 專家系統例子 規則一 如果努力念書就可以有好成績 規則二 如果有好成績就可以考上淡江大學 規則三 如果有好成績就可以念資訊工程學系 規則四 如果考上淡江大學且念資工系就找小明老師 Question : 我努力念書時就可以 … 專家系統例子 知識的表達 以規則為主(Rule Base) 以語意網為主(Semantic Net) 其它 專家系統之特性 蒐集有效專業知識，並能成長擴充 24小時值行監視等專業性工作 反應快速 能在不良環境下工作 能根據很多因素下判斷 能對其行為做解釋 專家系統瓶頸 建立專家系統的困難點 知識擷取的困難 規則（知識）的取得方式 由知識工程師訪談得到 由專家使用知識擷取程式而取得 由機器學習的方式 知識工程師 Many approaches Example: Personal Construct Psychology Called PCP 步驟一：由專家收集可能的分類 步驟二：由專家收集可能相關的屬性 可區分一個和另外二個分類 步驟三：由專家完成全部的表格 步驟四：產生關係圖 產生規則: From the graph: If 頭痛 Then 紅斑 … 產生規則: From The Table 從第一欄： If 發燒 and 紅斑 and 紫斑 and 沒頭痛 Then 感染一般麻疹 機器學習 機器學習是人工智慧的核心!! 由例子中學習 例如: 燕子會飛，麻雀會飛　- 鳥會飛 機器學習 什麼狗是會咬人的狗: 12筆例子 機器學習 差不多電腦 傳統電腦決策 不是對(1)就是錯(0) 例如：25歲