Podstawy sztucznej inteligencji (ebook) Katowice

Niniejszy podręcznik przedstawia podstawowy, jednosemestralny kurs z dziedziny sztucznej inteligencji dla studentów nauk technicznych oraz informacyjnych. Do jego lektury potrzebna jest elementarna wiedza z logiki i analizy matematycznej oraz probabilistyki. W podręczniku dominuje perspektywa algorytmiczna, tzn. metody sztucznej inteligencji są przedstawiane jako narzędzia do rozwiązywania problemów z różnych obszarów: technicznych, informatycznych czy ekonomicznych. Zatem omawiana tu dziedzina to słaba sztuczna inteligencja. Niniejszy podręcznik powstał jako materiał do przedmiotu "Wprowadzenie do sztucznej inteligencji" prowadzonego na Wydziale Elektroniki i Technik Informacyjnych Politechniki Warszawskiej. Przedmiot ten zastąpił w programie studiów znakomity wykład prof. Wiesława Traczyka pt. "Inżynieria wiedzy", od którego rozpocząłem swoją edukację w dziedzinie sztucznej inteligencji. Liczne sformułowania i przykłady, traktowane przeze mnie jako należące do kanonu dziedziny, zostały w istocie wprowadzone przez prof. Traczyka. Winien jestem zatem serdeczne podziękowania Panu Profesorowi, tym bardziej że był uprzejmy przeczytać i skomentować niniejszy podręcznik w trakcie jego powstawania. Dziękuję także studentom za cenne uwagi wnoszone w ciągu kilku semestrów, kiedy był on pisany, a w szczególności studentom Koła Naukowego Sztucznej Inteligencji "Golem". Spis treści: Przedmowa 8 1. Wprowadzenie 9 1.1. Sztuczna inteligencja wokół nas 9 1.2. Działy sztucznej inteligencji 10 1.3. Definicja sztucznej inteligencji 11 1.4. Historia sztucznej inteligencji 12 1.5. Zawartość podręcznika 15 1.6. Notacja 16 I Przeszukiwanie 17 2. Metody gradientowe 20 2.1. Metoda Newtona 20 2.2. Metoda Levenberga 21 2.3. Metoda gradientu prostego 22 2.4. Metoda stochastycznego najszybszego spadku 23 3. Algorytmy ewolucyjne 27 3.1. Ogólna idea i stosowana terminologia 27 3.2. Algorytm (1 + 1) 28 3.3. Algorytmy i strategie ewolucyjne 30 3.4. Algorytmy ewolucyjne w praktyce 33 4. Algorytmy genetyczne 36 4.1. Ogólny algorytm genetyczny 36 4.2. Kodowanie osobników 37 4.3. Reprodukcja 40 5. Przeszukiwanie przestrzeni stanów 42 5.1. Strategie nieinformowane 44 5.2. Strategie minimalizujące koszt 47 5.3. Strategie heurystyczne 49 6. Gry dwuosobowe 52 6.1. Model 52 6.2. Przegląd wyczerpujący 53 6.3. Strategia MIN-MAX 55 6.4. Przycinanie α–β 57 6.5. Inne techniki poprawiania efektywności gry 58 II Uczenie maszynowe 60 7. Regresja i klasyfikacja 62 7.1. Parametryczna aproksymacja funkcji 64 7.2. Maszyna Wektorów Nośnych 69 7.3. Drzewa i lasy decyzyjne 76 7.4. Wzmacnianie Gradientowe (Gradient Boosting) 81 7.5. Miary jakości i wybór modelu 83 8. Statystyka i metody bayesowskie 85 8.1. Estymacja metodą największej wiarygodności 86 8.2. Fuzja danych i maksimum a posteriori 89 8.3. Naiwny klasyfikator bayesowski 90 9. Sztuczne sieci neuronowe 92 9.1. Perceptron dwuwarstwowy i wielowarstwowy 93 9.2. Uczenie sieci neuronowej 102 9.3. Użycie perceptronu wielowarstwowego do klasyfikacji 105 9.4. Sieć neuronowa jako dobry model 106 10. Uczenie się ze wzmocnieniem 109 10.1. Proces Decyzyjny Markowa 109 10.2. Algorytmy Q-Learning i SARSA 111 10.3. Rozszerzenie algorytmów Q-Learning i SARSA do ciągłych przestrzeni stanów i akcji 115 III Duże modele językowe 119 11. Przetwarzanie języka naturalnego 120 11.1. Reprezentacja tekstu: tokeny 120 11.2. Model językowy 121 11.3. Osadzenia 122 12. Atencja 123 12.1. Atencja z iloczynem skalarnym 123 12.2. Wielogłowa atencja 124 12.3. Maskowanie 125 12.4. Znaczniki pozycyjne 126 13. Duży model językowy: struktura, działanie i trening 128 13.1. Struktura i działanie modelu 128 13.2. Uczenie modelu 130 IV Wnioskowanie logiczne 132 14. Systemy wnioskujące oparte na logice zdań 134 14.1. Semantyka zdań 134 14.2. Zdania złożone 135 14.3. Klauzule i sprowadzanie wiedzy do zbioru klauzul 136 14.4. Wnioskowanie w przód 137 14.5. Wnioskowanie wstecz 141 14.6. Wnioskowanie przez rezolucję i zaprzeczenie 143 15. Systemy posługujące się logiką predykatów 146 15.1. Język 147 15.2. Wiedza w postaci klauzul 151 15.3. Podstawianie i unifikacja 154 15.4. Wnioskowanie w przód 156 15.5. Wnioskowanie wstecz 157 15.6. Wnioskowanie przez rezolucję i zaprzeczenie 160 15.7. Poprawność wnioskowania 164 16. Logika rozmyta 172 16.1. Zbiory rozmyte 173 16.2. Rozmyte spójniki 175 16.3. Rozmyte reguły 175 16.4. Wyostrzanie 176 16.5. Konstrukcja systemu rozmytego 177 Literatura 178