College 1 Huishoudelijke zaken Overzicht van cursus College 1:

Slides:



Advertisements
Verwante presentaties
informatica keuzevak in 4- en 5-havo
Advertisements

informatica keuzevak in 5- en 6-vwo
Het doen van eigen onderzoek
Sudoku puzzels: hoe los je ze op en hoe maak je ze?
Autisme en Mindmap Thuis en op School
Informatica als keuzevak
Op het Zuyderzee College
- Inhoud Artificial Intelligence - Inhoud Wat is AI? OorsprongReasoningLearning • Wat is Artificial Intelligence.
Collective and Web Intelligence Werken aan een menselijker en intelligenter Internet Human Ambience Van mensenkennis naar een begrijpende omgeving Kunstmatige.
aardrijkskunde, een goede keus in de tweede fase havo
EXAMEN en UITSLAG ZIJN VERSCHERPT PER School-Examen Centraal-Examen Het examen bestaat uit een schoolexamen (SE) dit zijn: De rapport cijfers 1,2,3,4,(klas3)
aardrijkskunde, een goede keus in de tweede fase vwo
Een workshop over katten, muizen en nadenken in de Informatica
En wat doet taalkunde in het programma van CKI?
Geest, brein en cognitie Filosofie van de geest en Grondslagen van de cognitiewetenschap Fred Keijzer.
De neurale basis van structuur in taal Gideon Borensztajn
MEDMEC01 – Q1 – JAAR 1 THEMA: het creatieve proces MODULEWIJZER
aardrijkskunde, een goede keus in de tweede fase havo
Universiteit Twente meets SG Twickel Zoeken in grote tekstbestanden
Besturings- systeem A Computer A Besturings- systeem B Computer B Netwerk Handmatige taak I Applicatie 2Applicatie 1 Handmatige taak II Applicatie 3 Gebruiker.
Huisregels Op tijd binnen Eten en drinken (m.u.v. H2O) in de kantine
Informatica in de Tweede fase Havo en VWO. De uitgangspunten Informatica is een vak in de vrije ruimte voor de havo 240 slu (voor het vwo 280 slu) het.
Kennisuitwisseling in LOK Landelijk onderwijsweb Kennistechnologie Evert van de Vrie Kennisuitwisseling in LOK Landelijk onderwijsweb Kennistechnologie.
Mechanica College in Studiejaar Afdeling Natuurkunde en Sterrenkunde Vrije Universiteit Amsterdam.
Het bacheloreindproject (BEP) 1BT04 / 1GT04
AI Kaleidoscoop Werkcollege 1: AI Overzicht Radu Serban
Deltion College Engels A1 Lezen [Edu/002] thema: Headlines can-do : kan het onderwerp vaststellen van korte berichten in een krant © Anne Beeker Alle rechten.
Neurale Netwerken Genetische Algorithmen
AI101  Historisch Perspectief Weak Methods Logic Theorist General Problem Solver  Resolution Theorem Proving Leeswijzer: Hoofdstuk 13.0, 13.1, 13.2 AI.
AI111  Algemeen  Voorbeeld  Concept Learning (Version Space)  Bias Leeswijzer: Hoofdstuk AI Kaleidoscoop College 11: Machinaal.
1 e-Books & i-Papers Rik Min researcher Centre for Telematics and Information Technology (CTIT) & Faculty of Educational Science and Technology (EDTE)
Blackboard Een digitale leeromgeving. 30 mei 2002Julius Instituut 2 Inhoud Activerend leren Het inzetten van blackboard voor meer activerend leren Het.
Alcohol, roken en opvoeding
Scripting 4 designers aftrap theo arthur bennis
Hoe werkt deze digitale methode? 1
Loopbaan oriëntatie en begeleiding
Programmeren.
Kies aardrijkskunde in de bovenbouw!
Loopbaan oriëntatie en begeleiding
Week 3: Systeemtheorie versus biologische psychologie
Inhoud Deze fase bestaat uit vier onderwerpen: 1.Interesse 2.Vaardigheden 3.Persoonlijkheid 4.Passie Je werkt toe naar het ontdekken van jouw passie.
Door de bomen het bos weer zien Henk Post Bedrijfsanalist ISZF November 2005.
Waar blijft de tijd Sociale media in jouw leven. Waar blijft de tijd Intro Je hoorde het verhaal van Marijke. Reageer eens op haar situatie. Sociale media.
Ondersteuning bij contextopgaven met een intelligent kladblaadje.
Media en Kennistechnologie 19 april 2002NIOC vision on e-mission Media en Kennistechnologie een nieuw ICT-curriculum Erik Jansen Faculteit.
Effecten van taal Onderzoek naar wat woorden, zinsconstructies en tekststructuren doen met de ontvanger.
Programmeren. Wat is programmeren? Het schrijven van opdrachten voor de processor De processor “spreekt” machinetaal:
PLANNING MAKEN Stap één bij projecten. HOE MAAK JE EEN ANALYSE? Wat is het verschil tussen een planning en een plan?
Uitleg bij de vragenlijst Veiligheidsbeleving
aardrijkskunde, een goede keus in de tweede fase vwo
Programmeren.
BEGINNER EV3 PROGRAMMEER Les
HERZIENING INFORMATICA DEEL 1.
aardrijkskunde, een goede keus in de tweede fase havo
Kan je zien of iemand holebi is?
What is the meaning of? Student centered learning
De scriptie Sommige studenten schrijven het in 2 tot 3 maanden, anderen doen er een jaar of meer over… Factoren: Motivatie Plan van aanpak Begeleiding.
aardrijkskunde, een goede keus in de tweede fase vwo
Lectora als ontwikkeltool voor interactieve multimedia programma’s
Hoe krijg je de focus van de leerlingen op de chemie?
Direct aftrap C-propedeuse, studiejaar , blok 3
Vmbo 2 economie Ben jij een kritische koper ?
Big Data.
Big Data.
Informatica Keuzevak in de 2e fase.
Hoe laat ik leerlingen in de les leren?
Excursiedidactiek Radboud Docenten Academie
Stap drie bij projecten
Hoe laat ik leerlingen in de les leren?
STUDIEHULP VOOR SCHOLIEREN DEEL 1 Beter Leren
Transcript van de presentatie:

College 1 Huishoudelijke zaken Overzicht van cursus College 1: AI Kaleidoscoop College 1 Huishoudelijke zaken Overzicht van cursus College 1: Definitie van AI Overzicht van AI Leeswijzer: Hoofdstuk 1 1 1 1 1 1 1 1 1 1 1 1 1 1

Docent: Frank van Harmelen email: Frank. van. Harmelen@cs. vu Docent: Frank van Harmelen email: Frank.van.Harmelen@cs.vu.nl WWW: http://www.vu.nl/~frankh Huishoudelijke Zaken College: Di 13.30-15.15, Q1.05 Vr 13.30-15.15, KC1.59 Werkcolleges: week 2,3,4 morgen niet, dus! Frank is docent, pas over twee weken terug van lezingen tour door China -> 1e twee weken college door Annette

6 groepen, vanaf volgende week Werkcolleges 6 groepen, vanaf volgende week Studietip: Kom naar de werkcolleges, en doe de opdrachten van te voren Informatica: 33 (2 groepen is OK) Informatiekunde: 13 (1 groep is voldoende) AI: 25 (moet eigenlijk 2 groepen zijn) werkcolleges zijn studiehulp: leren hoe je de stof moet bestuderen; daarom: antwoorden pas beschikbaar *na* het werkcollege; groot verschil tussen antwoord snappen en antwoord bedenken. werkcollege opgaven zijn vaak oude tentamen opgaven: als je werkcollege kunt, kun je ook het tentamen deelname niet verplicht, wel ZEER aangeraden NON-eerstejaars mogen geen werkcolleges doen na eerste vier weken: nog wel werkboeken (met vertraagde antwoorden), maar geen werkcolleges meer: dan weet je hoe je dit zelfstandig moet bestuderen

Huishoudelijke Zaken 1 tentamen Herkansing: Feb 2009? Je bent geslaagd als je voor het 1e deeltentamen minstens een 4.0 haalt, en je voor het 2e deeltentamen minstens een 5.0 haalt, en het gemiddelde van de twee cijfers minstens een 5.5 is. Als je dit niet haalt moet je in Feb ALLES overnieuw doen (deeltentamens blijven niet staan) Non-eerste-jaars mogen GEEN deeltentamens doen

? Huishoudelijke Zaken Boek Artificial Intelligence, Structures and strategies for complex problem solving Luger (5th edition) Gebruik de studie-handleiding (zie Blackboard) Huishoudelijke Zaken Aanwezigheid: Niet verplicht, dus kom alleen als je ook echt mee doet ? Vragen stellen: tijdens college (aangemoedigd) Blackboard: discussion board (aangemoedigd) Email: Frank.van.Harmelen@cs.vu.nl In de pauze 3e editie is bruikbaar met “lijst van veranderingen” op blackboard gerucht gaat: vak is haalbaar zonder boek. Maar: boek is ook belangrijk voor latere jaren en andere vakken (Project AI, Progr. in Prolog) Er bestaan geen domme vragen. Als jij een vraag hebt, dan zijn er 10 mensen met dezelfde vraag die hem niet stellen.

On-line communicatie http://bb.vu.nl Announcements = officieel kanaal! Course documents: College rooster, slides, werkboeken, oude tentamens Discussion board: stel een vraag! beantwoord een vraag! Course information: studiehandleiding External links: software Studietip: BB-aankondiging niet gelezen = eigen schuld, dikke bult je MOET je inschrijven op BB voor dit vak

Overzicht van semester AI = zoeken kennis systemen neurale netwerken machine learning natuurlijke taal planning programmeer talen representatie stellingen bewijzers AI is een lappendeken van onderwerpen (net als elk ander wetenschapsgebied), deels overlappend, met vage grenzen » per college 1 onderwerp

Overzicht van cursus 1. AI overzicht 2. Zoeken zonder heuristieken 3. Zoeken met heuristieken 4. Zoeken met meer spelers 5. Productie regels Kennis systemen Kennis representatie 8. Kennis representatie 9. Natuurlijke taal Stellingen bewijzers 11. Machinaal leren Neurale netwerken - - Tentamen

AI:“Sluitende definitie” AI (Kunstmatige Intelligentie) is de wetenschap die probeert menselijke intelligentie / denken redeneren zo goed te begrijpen dat we het ook op een computer kunnen uitvoeren AI: twee smaken cognitief Í psychologie technisch Í informatica Maar: sluitende definities zijn altijd moeilijk en niet sluitend de twee smaken zijn niet met elkaar in concurrentie, maar vullen elkaar aan beide smaken komen terug in je studie

? AI: Voorbeeld vragen Hoe kunnen computers alledaagse taal begrijpen Hoe kunnen computers leren van hun vergissingen Welke kennis gebruikt een menselijke expert Hoe kunnen we die kennis representeren in een computer ? alledaagse taal begrijpen zou computers veel bruikbaarder maken (praten ipv typen) leren zou computers veel bruikbaarder maken (en meer “zoals mensen”) menselijke experts (arts, rechter, monteur) zijn niet alleen “intelligent”, maar hebben veel domein kennis

AI: De Buren Psychologie: bestuderen van menselijk denken Logica: de wiskundige wetten van het denken Informatica: Het bouwen van computer programma’s Filosofie: Relatie tussen geest en brein Biologie: biologisch geinspireerde rekenmethoden Taalkunde: bestuderen van strukturen in taal alweer: al deze buren komen terug in je studie

AI: Wat is het niet AI is niet: ‘t nabouwen van de menselijke hersenen AI is niet: slim knutselen aan computer programma’s AI is niet: ontestbare theorieën AI gaat niet om biochemische werking van hersenen computer programma’s zijn MIDDEL, niet doel we zitten hier bij FEW

AI: Praktisch Nut Realiseren van bestaand werk (nut?) Verhogen van bestaande kwaliteit (samenwerken ipv vervangen) Nieuwe taken mogelijk maken (als ondoenlijk voor mensen) Vb: - proces-besturing - zoeken in grote databases vervangen van experts (goedkoop, nuttig?) voorbeeld van samenwerken: ambulance centrale advies systeem (betere beslissingen) datamining, industriele processen (dingen die mensen niet zelf kunnen vanwege omvang of snelheid)

AI: Resultaten Computers die “vaag” kunnen redeneren Computers die experts bijstaan of vervangen in: medische diagnose financieel advies besturen van fabrieken ontwerpen van producten Computers die foto’s analyseren van zieke cellen weer-satelieten vaag: redeneren is niet 1/0, true/false, maar ook “misschien”, “een beetje” vb: borstkanker onderzoek: >90% foto’s zijn door computer herkenbaar als “gezond” (maar niet door leken!) 9

Overzicht van de AI Zoeken Denkspelen Stellingenbewijzers Kennissystemen Natuurlijke taal Machinaal leren Planning Neurale Netwerken Programmeertalen zoeken kennis systemen neurale netwerken machine learning natuurlijke taal planning programmeer talen representatie stellingen bewijzers

Redeneren als zoeken Gegeven: - begin toestand - gewenste eindtoestand - mogelijke overgangen Zoek: serie overgangen van begin- naar eindtoestand Vb: - zoeken in een doolhof - zoek snelste treinverbinding Maar ook: Vb: 8 puzzle 2 8 3 4 1 6 7 5 begin eind overgang (schuif een blokje) zoeken kan zoeken zijn letterlijke ruimte (doolhof) maar ook zoeken in abstracte ruimte (puzzel)

Redeneren als zoeken 2 8 3 4 1 6 7 5 6D 5R 6U 1R 3D 1D 7R 4D (7L) 4U over methodes voor zoeken gaan de colleges 2-3-4 (in oplopende slimheid) 1 2 3 4 5 6 7 8

Denkspelen Boter-kaas-en-eieren Vier-op-een-rij Dammen Schaken Bridge Go Goed gedefinieerde regels Geen ambiguiteit Makkelijk in een computer te representeren (vaak) geen externe expert nodig waarom gebruiken we spelletjes als voorbeeld: NIET omdat we spelletjes zo belangrijk vinden, maar: …

Machinaal leren Leren = systeem gaat door ervaring beter werken Essentieel voor intelligent gedrag Vb: leren van algemene regels uit specifieke voorbeelden gedrag zou nooit intelligent genoemd worden als je niet kon leren, + intelligent gedrag is niet realiseerbaar zonder leren

+ - + - Machinaal leren Poort = delen A,B,C blok(A),blok(B),blok(C) + A&B steunen C C A B C A B + - blok(C) C A B - + A raakt-niet B voorbeeld genomen uit een vroeg leerprogramma (Patrick Winston, MIT, jaren ’70) werkte in een vereenvoudigde wereld (“blokkendozen”): eenvoudige vormen, eenvoudige voorgedefinieerde relaties. Aan ‘t eind een redelijk ingewikkelde definitie van “poort” geleerd waar je niet zo snel op zou komen Poort = delen A,B,C + blok(A),blok(B) + A & B steunen C + A raakt-niet B

Natuurlijke taal Taal begrijpen = tekst opsplitsen in delen (grammatica) betekenis van delen (woordenboek) betekenissen samenstellen Echter: “Te koop: Duitse herdershond. Eet alles. Is vooral dol op kinderen” Dus: heel veel wereldkennis nodig (tot nu toe) alleen doenlijk in beperkte domeinen (bijv. vragen over spoorboekje) simpele idee over taal = compositie van betekenis van onderdelen; echter: dit is te simpel: er is wereldkennis bij nodig: hondgrapje alleen maar te begrijpen omdat wij weten: - relaties tussen mensen en kinderen - releaties tussen mensen en honden - als je iets verkoopt probeer je het positief voor te stellen

Toepassingen van Kennissystemen zelf-diagnose van auto’s verzekerings acceptatie credit-card fraude-detectie toepassen van sociale wetgeving ontwerpen van gebitsprothesen waterkracht centrales in Nepal gezondheidszorg in Zuid-Afrika beheren van kankerbehandelingen toekennen van strafmaat gebitsprothesen mooi voorbeeld van HERGEBRUIK voor beenprothesen bij kinderen (nodig vanwege snelle groei) verzekeringsacceptatie & creditcard fraude zijn allebei BEDRIJFSKRITISCHE beslissingen Nepal en Zuid-Afrika gaan over beter VERSPREIDING van kennis strafmaat is voorbeeld van SOCIALE INVLOED van kennissystemen (want bedoeling is uniformere strafmaten in heel NL)

Volgende week State space search = Hoofdstuk 3 (¹ 2)