Zerówka Flashcards
nigger
Podaj definicje AI praktyczno-poznawczą
Sztuczna inteligencja to dział informatyki, zajmujący się badaniami nad systemami inteligentnymi, ich modelowaniem, konstrukcją oraz wykorzystaniem do wspomagania i substytucji pracy umysłowej człowieka oraz do głębszego zrozumienia ludzkiego sposobu rozumowania.
Rozwiń skrót PEAS
Performance measure:
- miara jakości działania agenta.
Environment:
- środowisko agenta
Actuators:
- mechanizmy wykonawcze agenta
Sensors:
- czujniki agenta
Wyjaśnij pojęcia:
TERM,
PREDYKAT,
FORMUŁA ATOMOWA,
KONCEPTUALIZACJA
-
TERM- W języku logiki reprezentują
obiektyi mogą byćstałymi, zmiennymi, funkcjami -
PREDYKAT - Reprezentują
relacje na zbiorze termów. Możemy je traktować jako funkcje mające wartość prawdy lub fałszu. -
FORMUŁA ATOMOWA -
zapis predykatów z zestawem termów. -
KONCEPTUALIZACJA -
wybór zestawu symboli którymi mamy zamiar opisać obiekty i relacje pewnego świata, od przyjętej konceptualizacji może zależeć łatwość a nawet możliwość wyrażania faktów o dziedzinie problemowej.
Wyjaśnij znaczenie i podaj przykład zapisu: CNF DNF
CNF - Formuła jest w postaci CNF jeśli jest ona koniunkcją alternatyw literałów (formuł atomowych i ich negacji)
CNF jest modularna (łatwo można dodać nowe fakty w postaci CNF).
(P ∨ Q ∨ ¬R) ∧ (P ∨ ¬Q ∨ R) - CNF
DNF - Formuła jest w postaci DNF jeśli jest ona alternatywą koniunkcji literałów
(¬P∧Q)∨R - DNF
Reprezentacja czasu w logice pierwszego rzędu
Rachunek sytuacji - opisuje zmiany sytuacji w wyniku wykonania kolejnych działań. W rachunku sytuacji każda sytuacja (z wyjątkiem początkowej) jest wynikiem pewnego działania
Rachunek zdarzeń - opisuje stany zmieniające się w czasie w sposób ciągły i jest uogólnieniem rachunku sytuacji. W rachunku zdarzeń istnieje możliwość zaistnienia pewnego zdarzenia w dowolnej chwili t
Opisz modele świata: otwarty, zamknięty
model świata otwartego - dotyczy człowieka, zdobywa on fakty poprzez rozumowanie, nie neguje nieznanych faktów
model świata zamkniętego - dotyczy logiki, nie posiada domyślnych faktów o świecie, więc fakt nieistniejący w bazie danych przyjmuje jako fałszywy
Napisz definicję funkcji h(n), opisz dopuszczalność i zgodność
-
h(n) -
oszacowanie kosztu z n do celu(Funkcja h(n) musi być określona na podstawie informacji dodatkowych, najczęściej heurystycznych.) -
Dopuszczalność - jeżeli heurestyka
nigdy nie przeszacowuje kosztuosiągnięcia celu- h(n) ≤ h*(n), h*(n) - rzeczywisty koszt osiągnięcia celu
- h(n) ≥ 0, zatem h(G) = 0 dla każdego celu G
-
Zgodność - jeżeli dla
węzła nkażdynastępnik n` generowanydziałaniem aspełnia nierówność trójkąta:- h(n) ≤ c(n,a,n`) + h(n`)
Wybierz przeszukiwanie, które spełnia wszystkie kryteria (zgodny, optymalny, złożoność liniowa)
- [ ] w szerz
- [ ] w głąb
- [x] pogłębianie iteracyjne
- [ ] stała głębokość/dwukierunkowe
Relacje w sieciach semantycznych
-
ISA (is a) - relacja pomiędzy
indywiduum (obiektem) a jego klasą
(np. michaś ISA student) -
HASA (has a) - relacja
cześć - całość, alternatywnie PART
(np. krzesło HASA oparcie) -
AKO (a kind of) - relacja pomiędzy
podklasą a nadklasą, alternatywnie SUBCLASS albo SS (subset)
(np. student informatyki AKO student)
Uzupełnij schemat klasyfikacji metod nauczania maszynowego
-
Nadzorowane
- Regresja
- Klasyfikacja
-
Nienadzorowane
- Redukcja wymiarów
- Klasteryzacja
- Systemy rekomendacyjne
- Ze wzmocnieniem
Problemy nauczania maszynowego:
Przykładowe problemy (zadania) nauczania maszynowego:
- rozpoznawanie mowy
- rozpoznawanie pisma odręcznego
- tłumaczenie i rozumienie języka naturalnego
- przetwarzanie i rozumienie obrazów
- kierowanie pojazdem
- rozgrywka gier
- klasyfikacja tekstów do grup tematycznych
- rozpoznawanie obiektów astronomicznych
- rozpoznawanie chorób na podstawie symptomów
- aproksymacja nieznanej funkcji na podstawie próbek
- odnajdywanie drogi
- odkrywanie zależności funkcyjnych w danych
- przewidywanie trendów w danych finansowych
- budowanie systemów wyszukiwania i udostępniania
- korekcja błędów w zautomatyzowanych systemach
- wykrywanie anomalii (zdarzeń nietypowych)
Problemy nauczania maszynowego:
Ograniczenia systemów uczenia maszynowego
- zależność i niezależność systemu od otoczenia
- wiarygodność i poprawność generowanych wniosków
- problemy wynikające z wprowadzania błędnych danych
Problemy nauczania maszynowego:
Postulaty wobec systemów uczenia maszynowego:
- Wszelka wiedza wygenerowana przez maszynę powinna być oceniana i/lub kontrolowana przez człowieka (lub według kryteriów przez niego zdefiniowanych)
- Systemy powinny być zdolne do udzielania wyjaśnień
- Tworzona wiedza powinna być wyrażana w formie odpowiadającej opisom przyjętym przez człowieka i jego modelom myślowym (postulat zrozumiałości)
Problemy nauczania maszynowego
3 powody, dla których uczenie maszynowe jest potrzebne
- Twórcy systemów sztucznej inteligencji
nie są w stanie przewidzieć wszystkich możliwych sytuacji, w jakich znajdzie się system - Nie można
przewidzieć wszystkich możliwych zmian w czasie - Niekiedy programiści po prostu
nie potrafią zaprogramować pewnych rozwiązań
Co to przeuczanie, wymień 3 sposoby na radzenie sobie z nim
Przeuczenie występuje, kiedy na skutek długiego procesu uczenia sieć dopasowuje się do szumów (drobnych błędów) występujących w danych testowych i zaczyna uznawać je za część poprawnego rozwiązania.
Z reguły sieć przeuczona ma bardzo dużą trafność predykcji dla danych treningowych, jednak na zbiorze nowych danych przestanie sobie dobrze radzić
Sposoby zapobiegania przeuczaniu:
- Zbiory walidacyjne - zatrzymuje się uczenie, kiedy błędy na zbiorze walidacyjnym zaczynają rosnąć, podczas gdy błędy na zbiorze treningowym nadal się zmniejszają
- Regularyzacja - modyfikacja funkcji kosztu sieci, aby zmusić sieć do uczenia się w bardziej pożądany sposób (aby funkcja sieci była bardziej regularna). Do przykładowych form regularyzacji należą regularyzacje L2 i L1 oraz metoda dropout
- Zwiększenie zbioru treningowego - więcej różnorodnych danych treningowych będzie zawierać mniej wspólnych niedoskonałości
