Podstawy sztucznej inteligencji Maków Podhalański

Skrypt zawiera materiał wprowadzający do dziedziny sztuczna inteligencja. Jest podzielony na trzy części odpowiadające jej głównym działom: wnioskowaniu, przeszukiwaniu i uczeniu maszynowym. W opracowaniu sztuczna inteligencja jest przedstawiona jako zbiór metod współtworzących arsenał współczesnej informatyki. Prezentowanym technikom towarzyszą liczne przykłady ilustrujące ich zastosowanie. Spis treści: Przedmowa 8 1. Wprowadzenie 10 1.1. Definicja sztucznej inteligencji 10 1.2. Działy sztucznej inteligencji 11 1.3. Historia sztucznej inteligencji 12 I. Przeszukiwanie 16 2. Metody gradientowe 19 2.1. Metoda Newtona 19 2.2. Metoda Levenberga 20 2.3. Metoda gradientu prostego 21 2.4. Metoda stochastycznego najszybszego spadku 22 3. Algorytmy ewolucyjne 25 3.1. Ogólna idea i stosowana terminologia 25 3.2. Algorytm (1+1) 26 3.3. Algorytmy i strategie ewolucyjne 28 3.4. Algorytmy ewolucyjne w praktyce 31 4. Algorytmy genetyczne 34 4.1. Ogólny algorytm genetyczny 34 4.2. Kodowanie osobników 35 4.3. Reprodukcja 38 5. Przeszukiwanie przestrzeni stanów 40 5.1. Strategie nieinformowane 42 5.2. Strategie minimalizujące koszt 45 5.3. Strategie heurystyczne 47 6. Gry dwuosobowe 50 6.1. Model 50 6.2. Przegląd wyczerpujący 51 6.3. Strategia MIN-MAX 53 6.4. Przycinanie α β 55 6.5. Inne techniki poprawiania efektywności gry 56 II. Uczenie maszynowe 58 7. Regresja i klasyfikacja 60 7.1. Parametryczna aproksymacja funkcji 62 7.2. Maszyna Wektorów Nośnych 67 7.3. Drzewa i lasy decyzyjne 74 7.4. Wzmacnianie Gradientowe (Gradient Boosting) 79 7.5. Wybór właściwego modelu: k-krotna walidacja krzyżowa 81 8. Sztuczne sieci neuronowe 82 8.1 Perceptron dwuwarstwowy i wielowarstwowy 83 8.2. Aproksymacja na zbiorze skończonym 92 8.3. Aproksymacja na zbiorze nieskończonym 94 8.4. Siec neuronowa jako dobry model 96 9. Uczenie się ze wzmocnieniem 99 9.1. Proces Decyzyjny Markowa 99 9.2. Algorytmy Q-Learning i SARSA 101 9.3. Rozszerzenie algorytm6w Q-Learning i SARSA do ciągłych prze­strzeni stanów i akcji 105 III. Wnioskowanie logiczne i systemy eksperckie 109 10. Systemy wnioskujące oparte na logice zdań 111 10.1. Semantyka zdań 111 10.2. Zdania złożone 112 10.3. Klauzule i sprowadzanie wiedzy do zbioru klauzul 113 10.4. Wnioskowanie w przód 114 10.5. Wnioskowanie wstecz 118 10.6. Wnioskowanie przez rezolucję i zaprzeczenie 120 11. Systemy posługujące się logiką predykatów 123 11.1. Język 124 11.2. Wiedza w postaci klauzul 128 11.3. Podstawianie i unifikacja 131 11.4 Wnioskowanie w przód 133 11.5 Wnioskowanie wstecz 134 11.6. Wnioskowanie przez rezolucję i zaprzeczenie 137 11.7 Poprawność wnioskowania 141 12. Logika rozmyta 149 12.1. Zbiory rozmyte 150 12.2. Rozmyte spójniki 152 12.3. Rozmyte reguły 152 12.4. Wyostrzanie 153 12.5. Konstrukcja systemu rozmytego 154 13. Systemy eksperckie 155 13.1. Tryby wnioskowania 156 13.2. Szkieletowe systemy eksperckie 157 Literatura 160