Różnice

Różnice między wybraną wersją a wersją aktualną.

--- notatki:ai_sys_uczace_sie [2025/05/23 11:45] – utworzono administrator
+++ notatki:ai_sys_uczace_sie [2025/06/06 10:13] (aktualna) – usunięto administrator
@@ Linia 1: / Linia 1: @@
-====== AI: systemy uczące się ======
-Systemy uczące się (SUS, uczenie maszynowe, machine learning) – dziedzina
-wiedzyłącząca sztuczną inteligencję, statystykę i rozpoznawanie obrazów,
-która obejmujebudowę i analizę sztucznych systemów zdolnych do uczenia się
-na podstawie danych.
-Uczeniem się systemu jest każda autonomiczna zmiana w systemie zachodząca
-napodstawie doświadczeń, która prowadzi do poprawy jakości jego działania.
-Zmiana dotyczy "parametrów" systemu, które reprezentują wiedzę lub
-umiejętności systemu (inaczej jego hipotezę) i decydują o jego działaniu.
-System uczący się (uczeń) – program komputerowy wykorzystujący pewien
-abstrakcyjny "parametryzowany" algorytm rozwiązujący pewien problem.
-Uczenie się polega na dobraniu na podstawie doświadczeń (informacji
-trenującej) odpowiednich "parametrów".
-Wiedza może być:
-  * deklaratywna (opisująca obiekty, sytuacje, związki)
-  * proceduralna (umiejętności; opisująca strategie osiągania celów)
-Przykład – reprezentacja wiedzy dot. kolejności liter
-Podejście deklaratywne:
-Fakty: A stoi przed B, B stoi przed C, C stoi przed D, ...
-Reguła: Jeżeli (X stoi przed Y) i (Y stoi przed Z) to (X stoi przed Z)
-Podejście proceduralne:
-Procedura, która porównuje kolejność liter wykorzystując ich kody ASCII
-Dla naprawdę złożonych zadań trudno jest sformułować wprost ustalone, pełne i
-poprawne algorytmy ich rozwiązywania. Złożone problemy są trudne do opisu,
-często nie posiadają wystarczających modeli teoretycznych albo ich uzyskanie jest
-bardzo kosztowne.
-Środowisko lub warunki ulegają zmianie po uruchomieniu programu. Program
-powinien posiadać zdolność adaptacji.
-Inteligentne systemy powinny być w maksymalnym stopniu autonomiczne, czyli
-zdolne do działania bez (zbyt dużej) ingerencji człowieka, co nie jest możliwe bez
-adaptacyjności, zdolności do przystosowywania się do zmieniających się środowisk
-i wymagań.
-Często zbiory dostępnych danych są zbyt duże i skomplikowane, aby można było
-wyszukiwać w nich zależności, klasyfikować obiekty itd.
-niezautomatyzowany.
-Systemy uczące się klasyfikuje się w zależności od:
-  * metody reprezentacji wiedzy,
-  * sposobu używania wiedzy,
-  * źródła i postaci informacji trenującej oraz
-  * mechanizmu nabywania i doskonalenia wiedzy.
-Reprezentacja symboliczna – zorganizowane napisy, którym można przypisać interpretację
-np. A ∧B → C
-Reprezentacja subsymboliczna – np. zbiory liczb lub łańcuchów binarnych, które łącznie
-reprezentują pewna wiedzę, wyrażoną zwykle w postaci niezrozumiałej dla człowieka
-np. 001010100100100100001010101...
-Przykłady metod reprezentacji wiedzy:
-  * drzewa decyzyjne
-  * reguły: IF a>5 AND b=1 THEN C=true
-  * formuły logiki predykatów: ¬(a ∨b) ≡¬a ∧¬b
-  * rozkłady prawdopodobieństw
-  * automaty skończone
-Sposób używania wiedzy zdeterminowany jest zadaniem stojącym przed systemem. Do
-najbardziej typowych zadań należą:
-{{.:pasted:20250523-102900.png?750}}
-Gdy źródłem informacji trenującej jest "nauczyciel", który podpowiada pożądaną
-odpowiedź systemu, mówimy o uczeniu nadzorowanym.
-Zadanie SUS – poprawne (pożądane) odpowiedzi na informacje wejściowe (wektory
-wejściowe).
-Proces uczenia polega na określeniu algorytmu generowania tych odpowiedzi.
-Informacja trenująca instruuje ucznia, co do właściwego sposobu
-odpowiadania.
-{{.:pasted:20250523-103015.png?750}}
-Gdy informacja trenująca jest niedostępna, mamy do czynienia z uczeniem bez nadzoru. Wtedy
-system uczy się właściwych odpowiedzi wyłącznie na podstawie informacji wejściowej.
-Przykładem uczenia bez nauczyciela jest grupowanie danych.
-{{.:pasted:20250523-113008.png?750}}
-Inne metody uczenia:
-  * z wyrocznią (uczeń zadaje pytania)
-  * przez eksperymentowanie (np. obserwowanie konsekwencji generowania pewnych wyjść)
-  * ze wzmocnieniem (z krytykiem)
-Mechanizm nabywania wiedzy ma najczęściej charakter indukcyjny – jednostkowa informacja
-trenująca jest generalizowana w celu uzyskania ogólnej wiedzy.
-Indukcja – wnioskowanie, polegające na wyprowadzeniu ogólnych wniosków z przesłanek, które
-są poszczególnymi przypadkami tych wniosków. W naukach empirycznych metoda polegająca na
-wprowadzeniu uogólnień na podstawie eksperymentów i obserwacji faktów, formułowaniu i
-weryfikacji hipotez.
-Strategie uczenia się można podzielić na:
-  * bezpośrednie zapisanie wiedzy
-  * pozyskiwanie wiedzy na podstawie instrukcji
-  * pozyskiwanie wiedzy na podstawie analogii
-  * pozyskiwanie wiedzy na podstawie przykładów
-  * Odkrycia w bazach danych (data mining)
-  * Inteligentne sterowanie
-  * Robotyka
-  * Inżynieria oprogramowania
-  * Diagnostyka medyczna i techniczna
-  * Klasyfikowanie dokumentów (selekcja stron www, identyfikacja spamu)
-  * Prognozowanie (pogody, giełdy, zapotrzebowania, ...)
-  * Rozpoznawanie obrazów (pisma, mowy, twarzy, genów, ...)
-  * Detekcja zdarzeń nietypowych
-  * Grupowanie obiektów (dokumentów, genów, ...)
-{{.:pasted:20250523-113256.png?750}}

Kacper's Wiki

Narzędzia użytkownika

Narzędzia witryny

Różnice

Narzędzia strony