PowerPoint Sunusu - Ümit ATİLA Kişisel Web Sayfası

advertisement
BLM-431 YAPAY ZEKA
Ders-1 Yapay Zekaya Giriş
Yrd. Doç. Dr. Ümit ATİLA
umitatila@karabuk.edu.tr
http://web.karabuk.edu.tr/umitatilla/
Zeka
●
Biyolojik tanım:
–
–
–
–
İnsan beyninin organik yapısının
gelişim ve olgunlaşmasının
fizyolojik bir ürünü
Potansiyel özelliğe sahip bir
yetenek.
Zeka, beyindeki bir çok nöronun
birbirleri ile olan bağlantı
derecesi ile ilgilidir.
Bağlantıları en iyi olan ve
bunları uygun bir şekilde
çalıştırabilen, en zeki olanlardır.
2
Beyin
●
Yapay zeka çalışmaları ve beynin işleyişinin incelenmesi
–
Beynin çalışması
●
●
●
●
●
●
●
●
●
Bilgi girişi
Sentezleme ve kıyaslama
Çıkış ve eylem
Beynin işleyişinin esası nöronlar arası elektriksel sinyal iletimi
İnsan sinir sistemi; çok yönlü ve karmaşık davranışların ortaya çıkmasını
sağlar.
Beyin hakkında şu an bilinenler bilinmiyenler yanında son derece azdır.
Beynin işlevini anlamak ve kısmen de olsa bilgisayarda modelleyebilmek
insanlığa hizmettir.
Davranışlarımız beynin farklı bölgeleri tarafından kontrol edilir.
Beyin, bütün olarak çalışan bir sistemdir. Her beyin işlevi beynin tümünü
ilgilendiren bir olaydır
3
Yapay Zeka
• Bilgisayarların insana özgü nitelikler olduğu
varsayılan akıl yürütme, anlam çıkarma,
genelleme ve geçmiş deneyimlerden öğrenme
gibi yüksek zihinsel süreçleri yerine getirme
yeteneğidir.
• Makineler veya yazılımlar tarafında üretilen
zekadır.
• Yapay zeka, insan zekasının bilgisayarlar
tarafından taklit edilmesini sağlamaya yönelik
metodlarla ilgilenen bir çalışma alanıdır.
• YZ araştırmacıları bu alanı akıllı etmenlerin
tasarımı olarak tanımlar.
• Akıllı etmen, çevresini algılayabilen ve başarı
şansını maksimize etmek için eylemler
gerçekleştiren sistemdir.
4
İnsan gibi davranma: Turing Test
●
Turing (1950) “Computing Machinery and Intelligence”:
–
–
–
“Makineler düşünebilir mi?” → “Makineler akıllıca davranabilir
mi?”
Akıllıca davranışı belirlemek için bir test: Taklit oyunu
Bir makinenin bu testi geçebilmesi için hangi yetneklere sahip
olması gerekir?
5
İnsan gibi davranma: Turing Test
●
●
●
Turing, 2000 yılında bir bilgisayarın ancak %30 şansla 5 dakika
boyunca insan gibi cevap vermeye vakıf olabileceğini tahmin
etmiştir.
Ayrıca sonraki 50 yıl için yapay zekanın ihtiyaç duyduğu ana
bileşenleri tahmin etmiştir. Böylece yapay zekanın alt alanları
oluşmuştur.
Yapay zeka bilimi yüksek teknik gerektiren özelleşmiş bir alandır
ve bir birleri ile etkileşimi fazla olmayan alt alanlara bölünmüştür.
•
•
•
•
•
•
•
Çıkarsama (Reasoning)
Bilgi temsili (Knowledge representation)
Planlama
Öğrenme
Doğal dil işleme (iletişim)
Algılama (Perception)
Robotik
6
Yapay Zeka
●
Yapay zeka için yapılan tanımlar 2 temel düşünce
üzerine oturtulur.
–
–
●
●
Düşünme süreci ve çıkarsama
Davranış
İnsan gibi düşünen sistemler
Rasyonel düşünen sistemler
İnsan gibi daranan sistemler
Rasyonel davranan sistemler
Tablonun solundaki tanımlar insan performansına
yaklaşmayı başarı ölçüsü kabul eder.
Sağdaki tanımlar rasyonelliği temel alır.
7
Yapay Zeka
• Yapay zeka alanında popüler olan yöntemler
• Arama ve matematiksel optimizasyon
• Mantık
• Olasılıksal yöntemler
• Yapay zeka iç içe girmiş farklı disiplinlerden oluşur.
• Bilgisayar bilimi
• Psikoloji
• Dil bilim
• Filozofi
• Sinir bilim
8
Yapay Zekanın Tarihçesi
• Mantık alanındaki çalışmalar
• Programlanabilir elektronik devrelerin icadı (Alan
Turing vd.)
• Turing’in hesaplanabilirlik teorisi ( İlk zeki
sistemler çalışmaları).
• Turing'in hesaplama teorisi bir makinenin "0" ve "1" gibi
iki basit sembolü kullanarak matematiksel işlemleri
simüle edebileceğini önermiştir.
9
Yapay Zekanın Tarihçesi
• 1948 : Sibernetik ( İnsan-makine)
• Nöroloji ve sibernetik bilimindeki ilerlemeler bir grup araştırmacıyı ciddi
olarak elektronik bir beyin üretme olasılığını düşünmeye sevketmiştir.
• 2. Dünya savaşı sonrası : Asıl gelişmeler, modern bilgisayarların
ortaya çıkmasından sonra yaşandı.
• 1956 : İlk olarak YZ deyimi kullanıldı. YZ konusunda düzenlenmiş ilk
konferans olan Dartmouth Konferansında, John McCarthy “yapay
zeka” terimini türetti.
• Allen Newell, J.C. Shaw ve Herbert Simon’un yazdığı Mantık
Kuramcısı (The Logic Theorist) adlı ilk YZ programı tanıtıldı.
• 1957 : Aynı kişiler General Problem Solver’ı yazdılar.
• 1952-1962 : IBM’den Arthur Samuel, satranç oynayabilen ilk
programı yazdı. (Daha önce 1950’de Shannon, sonra Turing)
• 1958 : MIT’den John McCarthy, LISP dilini geliştirdi.
10
Yapay Zekanın Tarihçesi
●
●
●
●
●
1961 : LISP’te Üniversite 1. Sınıf düzeyindeki matematik
problemlerini çözebilen bir program olan Saint (Aziz)’i yazıldı.
1962 : İlk endüstriyel robot şirketi kuruldu.
1963 : MIT’de, IQ sorularını çözebilen Analogy programı yazıldı.
Ivan Sutherland, bilgisayarlarda etkileşimli grafik kullanımını
başlattı. Edward A. Feigenbaum ve Julian Feldmnan, YZ
konusundaki ilk makale olan “Bilgisayarlar ve Düşünce’yi” yayınladı.
1964 : MIT’deki bir araştırma sonuçları, bilgisayarların doğal dili,
basit matematik problemleri çözebilecek kadar anladığını gösterdi.
1965 : Joseph Weizenbaum, herhangi bir konuda ingilizce sohbet
edebilen ELIZA’yı geliştirdi. Bu programın psikoterapist sürümü,
oldukça popüler bir oyuncak haline geldi.
11
Yapay Zekanın Tarihçesi
●
●
●
●
●
●
1968 : Marvin Minsky ve Seymour Papert, sinir ağlarının sınırları
konusunda bir makale yayınladı. Sonraki yıl, “Perceptrons” adlı
kitabı yayınladılar.
1969 : YZ konusundaki ilk uluslararası konferans düzenlendi.
1971 : İngilizce söylenen komutları yerine getirebilen robot kol.
1975 : Öğrenme yeteneğine sahip bir programın bulduğu sonuçların
bilimsel dergilerde yayımlanmasının ilk örneği.
1979 : Uzman sistemler geliştirilmeye başlandı. Pittsburgh
Üniversitesinde ilk iyileştirici program Internist (Stajer)
geliştirildi.
1980 : Uzman Sistemler, ticari alanda kullanılmaya başlandı.
Amerika YZ derneği, ilk ulusal YZ konferansını gerçekleştirdi.
12
Yapay Zekanın Tarihçesi
●
●
●
●
●
1984 : Yapay Sinir Ağları yaklaşımı ortaya çıktı
1987 : Marvin Minsky, zihnin teorik tanımlamasını
yapan “Toplumun Zihni” adlı kitabı yayınladı.
1997 : Deep Blue adlı satranç programı, dünya
satranç şampiyonu Garry Kasparov’u yendi.
1998 : İnternet’in yaygınlaşması ile, YZ tabanlı
birçok program geniş kitlelere ulaştı.
2000 : Etkileşimli robot oyuncaklar piyasaya
sürüldü.
13
Yapay Zekanın Tarihçesi
●
2005: Standford
robotu DARPA büyük
ödülünü kazandı.
●
●
Çöl ortamında 131 mil
boyunca otonom olarak
araç sürüşü
2007: CMU'dan bir
ekip DARPA şehir
ödülünü kazandı.
●
Şehir ortamında
trafik kurallarına
uyarak 55 mil araç
sürüşü
14
Yapay Zekanın Amaçları
●
●
●
●
●
●
●
●
Temel amaç, insanların zor yaptığı işleri yapabilecek
sistemler üretmek.
İnsan beyninin fonksiyonlarını, bilgisayar modelleri
yardımıyla anlamaya çalışmak.
İnsanın bilgi kazanma, öğrenme ve buluş yapma gibi zihinsel
yeteneklerini araştırmak.
Öğrenme metotlarını bilgisayar sistemlerine aktarmak.
İnsan bilgisayar iletişimini kolaylaştıran kullanıcı
arabirimleri geliştirmek.
Yapay uzman sistemler oluşturmak.
Yapay zekaya sahip robotlar geliştirmek ( İşbirliği)
Bilgisayarları, bilimsel araştırma ve buluşlarda kullanmak.
15
Yapay Zeka Günümüzde Ne Yapabilir?
●
Tıbbi Teşhis (Medical Diagnosis)
–
–
–
–
●
Lojistik Planlama
–
–
●
Olasılık analizlerine dayalı çalışan medikal algılama programları.
Lenf bezi patolojisi ile ilgili karmaşık bir durumun teşhisi ile ilgili
bilgisayara girdiler veriliyor.
Bilgisayar kararını etkileyen temel faktörleri belirliyor ve bu durumda olan
bir kaç semptomla ilgili incelikleri açıklıyor.
İşin uzmanı doktor da bilgisayarı onaylıyor.
1991 yılındaki Basra Körfezi krizinde ABD kuvvetleri otomatik lojistik
dağıtımı ve taşıma planlaması için DART (Dynamic Analysis and Replanning
Tool) sistemini uyguladı.
Bu sistem diğer yöntemlerle haftalar alabilecek bir planın saatler
içerisinde yapılabilmesini sağladı.
Robotics
–
Artık ameliyatlar robot yardımı ile gerçekleştiriliyor.
16
Çıkarsama ve Problem Çözme
(Reasoning and Problem solving)
• İlk yapay zeka araştırmacılarının geliştirdiği
algoritmalar
• Bir insanın bir bulmacayı çözerken yaptığı gibi adım-adım
çıkarsama yapmayı taklit eden algoritmalar
• 90'lı yıllarda geliştirilen algoritmalar
• Kesin olmayan durumlar veya eksik bilgi ile baş edebilen,
olasılık tabanlı metotlar.
• Ancak bir çok problem için bu algoritmaların çoğu aşırı
derecede fazla hesaplama kaynağı tüketimine ihtiyaç
duymakta.
• Yapay zekada daha verimli problem çözme algoritmaları
geliştirmek ana hedeflerdendir.
17
Çıkarsama ve Problem Çözme
(Reasoning and Problem solving)
• İnsanoğlu, karşılaştığı problemleri ilk yapay zeka
araştırmacılarının yapmaya çalıştığı gibi bilinçli şekilde
adım adım sonuç çıkararak değil, hızlı ve sezgisel
yargılamalar ile çözer.
• Yapay zeka bu tür problemlerin çözümünde ilerleme
sağladı.
• Etmen (agent) yaklaşımının kullanılması daha iyi çıkarsama
için sensorimotor kabiliyetlerin önemine vurgu yapmakta.
• Sinir ağı araştırmaları bu tür sensorimotor yetenekleri
kontrol eden insan beyni içindeki yapıları simule etmeye
çalışır.
• İstatistiksel yaklaşımlar ise insan doğasında bulunan
olasılıksal tahmin yeteneğini taklit eder.
18
Bilgi Temsili (Knowledge
Representation)
• Yapay zeka için çok önemli bir alandır.
• Problemlerin çözümü için makineler o problem ile
ilgili bilgiye ihtiyaç duyar.
• Yapay zekanın temsil etmesi gerekenler:
• Nesneler
• Özellikler
• Kategoriler ve nesneler arası ilişkiler
• Durumlar, olaylar, zaman
• Olaylar ve etkileri
• Bilgi hakkında bilgi (başka insanların bildiği hakkında
biz ne biliyoruz)
19
Bilgi Temsilinde Problemler
• Nitelendirme problemi:
• İnsanların bildiği her şey geçerli kabullere göre
şekillenir. Örneğin "kuş" dendiğinde herkesin
zihninde uçan cik cik öten şirin bir hayvan canlanır.
• Ama bu özelliklerin hepsi her kuş için geçerli
değildir.
• Jonh McCarthy 1969'da bu problemi tanımladı.
• Yapay zeka araştırmacıları herhangi sağduyuya
dayalı bir kuralı temsil ederken, geniş ölçüde
istisnayı göz önüne alma eğiliminde olmalı.
20
Bilgi Temsilinde Problemler
• Sağduyu bilgisi genişliği problemi
• Bir insanın bildiği atomik olguların sayısı
astronomiktir.
• Sağduyuya dayalı bilgi ile ilgili bilgi tabanı oluşturmayı
hedefleyen araştırmalar, çok fazla sayıda ontolojik
labaratuar çalışmasına ihtiyaç duyar.
• Ana hedef, bir bilgisayarın internet gibi ortamlardan
okuduklarından öğrenebilmesi ve bunları kendi bilgi
dağarcığına ekleyebilmesi için yeteri kadar kavramı
anlaması.
21
Bilgi Temsilinde Problemler
• Bazı sağduyu bilgisinin alt sembolik biçimde
olması
• İnsanların bildiği bazı şeyleri olgular veya cümleler
ile temsil etmesi mümkün değildir.
• Örneğin usta bir satranç oyuncusunun tehlikeli
olabilecek bir takım hamlelerinizi engelleyecek önlemler
alması.
• Bu tür şeyler beyinde bilinçli olmadan ve alt
sembolik olarak temsil edilen sezgisellerdir.
22
Planlama (Planning)
• Akıllı etmenler kendilerine hedef koymalı
bunlara ulaşmalıdır.
• Etmenler ortam bilgisini almalı ve kendi
eylemlerinin ortamı nasıl değiştireceği hakkında
tahminler yapabilmeli ve olası eylemler
arasından hangisinin kendisi için en iyi olduğuna
dair seçim yapabilmeli.
23
Planlama (Planning)
• Klasik planlama problemlerinde, etmen kendisini
dünya üzerinde eylem gerçekleştiren tek şey olarak
kendisini görür ve eylemlerinin sonuçları hakkında
emin olabilir.
• Ancak, eğer etmen ortamdaki tek aktör değilse, bu
durumda periyodik olarak ortamın kendi
tahminleriyle eşleşip eşleşmediğini kontrol etmek
ve gerekli olduğunda planlarını buna göre
değiştirmelidir.
• Etmenin belirsizlik durumunda çıkarsama yapması
24
Öğrenme (Learning)
• Yapay zekanın başlangıcından itibaren en
merkezi konumda yer alan alandır.
• Bilgisayar algoritmaları ile bir problem ile ilgili
geçmiş tecrübelerden makinenin öğrenmeyi
gerçekleştirmesi ve yeni durumlar hakkında
genelleme yapabilmesidir.
25
Öğrenme (Learning)
• Danışmansız öğrenme bilgisayara verilen giriş
bilgileri arasındaki ilişkiyi öğrenmeye
çalışmaktır.
• Danışmanlı öğrenmede ise hem girişler hem de
bunlara karşılık olması gereken çıkış bilgileri
bilgisayar gösterilir. Bilgisayar örnekler ile
karşılaştıkça genelleme yeteneğini artırır ve
görmediği girişlere karşılık çıkışı belli bir hata
ile tahmin edebilir hale gelir.
26
Öğrenme (Learning)
• Danışmanlı öğrenmede sınıflandırma veya regresyon
problemleri çözülür.
• Sınıflandırma, belli sınıflara ait örneklerin bilgisayar
gösterilmesi ve yeni gösterilen bir örneğin bu sınıflardan
hangisine ait olduğunun tahmin edilmesidir.
• Regresyonda ise çıkışlar sınıflara ait etiketler değil gerçek
sayısal değerlerdir.
• Regresyonda, giriş ile çıkışlar arasındaki ilişkiyi tanımlayan
fonksiyon bulunmaya çalışılır ve girişler değiştikçe çıkışların
nasıl değişmesi gerektiği tahmin edilmeye çalışılır.
• Takviyeil öğrenmede ise etmen verdiği iyi cevaplar için
ödüllendirilir, kötü cevaplar için ise cezalandırılır.
27
Doğal Dil İşleme
• Doğal dil işleme insanların konuştuğu dili okuma
ve anlama yeteneği kazandırmaya çalışır.
• Doğal dil işleme uygulamaları olarak yazılı bir
metinden anlam çıkarma veya başka bir dile
çeviri yapma gösterilebilir.
28
Algılama (Perception)
• Makine algılaması, sensör verilerinden (kamera,
mikrofon, sıcaklık, nem, ışık vb.) girişleri
edinmeye ve sonuç çıkarmaya çalışır.
• Bilgisayarlı görme (computer vision) görsel
girişleri analiz etmeye çalışır.
• Örnek problemler arasında, konuşmacı tanıma,
yüz tanıma, nesne tanıma gösterilebilir.
29
Robotik
• Robotik alanı yapay zeka ile yakında ilişkilidir.
• Robotlar için bir nesneyi değiştirme,
navigasyon, konumlandırma (ben neredeyim
başka şeyler nerede), haritalama (etrafta neler
var ve ortamın haritasını çıkarma), hareket
planlama (istene yere gitme), yol planlama
(karşılaşılan engelleri aşarak istenen hedefe
ulaşmaya çalışma)
30
Download