Narzędzia użytkownika

Narzędzia witryny


notatki:ai_wstep

Różnice

Różnice między wybraną wersją a wersją aktualną.

Odnośnik do tego porównania

Nowa wersja
Poprzednia wersja
notatki:ai_wstep [2025/05/23 09:57] – utworzono administratornotatki:ai_wstep [2025/06/06 10:27] (aktualna) – usunięto administrator
Linia 1: Linia 1:
-====== Wprowadzenie do Sztucznej Inteligencji (AI) ====== 
- 
-===== Co to jest AI? ===== 
-  * Dziedzina nauki modelująca zachowania wymagające inteligencji ludzkiej  
-  * AI = obliczenia umożliwiające rozumienie, wnioskowanie, działanie  
-  * Brak jednolitej definicji → różne perspektywy i interpretacje  
- 
-===== Kierunki AI ===== 
-  * Poznawczy: analiza procesów myślenia, świadomość, kognitywistyka  
-  * Techniczny: budowa maszyn/algorytmów naśladujących inteligencję  
- 
-===== Obszary i dyscypliny wspierające AI ===== 
-  * Filozofia, matematyka, psychologia, ekonomia, neurobiologia, informatyka, cybernetyka, lingwistyka  
-  * Heurystyka jako kluczowa technika  
- 
-===== Kryteria AI ===== 
-  * Symulacja procesów naturalnych (Test Turinga)  
-  * Inteligentne czynności (np. gry, dowodzenie twierdzeń)  
-  * Racjonalne sprawstwo: celowe, dostosowane do środowiska działania  
- 
-===== Przykłady zastosowań ===== 
-  * Chatboty, asystenci AI: klasyfikacja problemów, analiza danych  
-  * Inteligentny sprzęt AGD, mieszkania, roboty, systemy ekspertowe  
-  * Rozpoznawanie obrazu/mowy, tłumaczenie, sterowanie, łaziki kosmiczne  
- 
-===== Metody matematyczne ===== 
-  * Teoria optymalizacji, metody numeryczne, teoria grafów i gier  
-  * Logika (predykatów, pierwszego rzędu), probabilistyka (sieci Bayesa, Markowa)  
-  * Teoria sterowania, programowanie dynamiczne, gramatyki formalne  
- 
-===== Cele nauczania ===== 
-  * Rozpoznawanie i ocena problemów dla AI  
-  * Analiza i porównanie technik AI  
-  * Praktyczne umiejętności: reprezentacja wiedzy, sieci neuronowe, uczenie maszynowe  
- 
-===== Literatura ===== 
-  * Russell, Norvig: Artificial Intelligence: A Modern Approach (2020)  
-  * Luger: Artificial Intelligence (2009) 
-  * Flasiński: Wstęp do sztucznej inteligencji (2011/2018) 
- 
- 
- 
-====== Historia sztucznej inteligencji ====== 
- 
-==== Korzenie i inspiracje ==== 
-  * Filozofia, matematyka, ekonomia, psychologia, neurobiologia, lingwistyka, teoria sterowania 
- 
-==== Prehistoria AI ==== 
-  * XIII w. – Ramon Llull: „Ars magna” – system logiczny kalkulemus 
-  * XVII–XVIII w. – G.F. Leibniz: maszyna dwójkowa, kalkul filozoficzny 
-  * XIX w. – Charles Babbage: maszyna różnicowa i analityczna 
-  * 1943 – McCulloch & Pitts: pierwszy model sztucznego neuronu 
-  * 1945 – von Neumann: architektura uniwersalnego komputera 
- 
-==== Etapy rozwoju AI ==== 
-  * I. Początki (1943–1956) 
-    - 1950: Turing, test Turinga 
-    - 1952: Newell & Simon, Logic Theorist; Samuel, program do warcab 
-    - 1956: McCarthy, termin „Artificial Intelligence” (Dartmouth) 
-  * II. Wczesny entuzjazm (1956–1966) 
-    - Język LISP, AdviseTalker; GPS (General Problem Solver) 
-    - 1965: algorytm rezolucji Robina 
-  * III. Czas refleksji (1966–1970) 
-    - Pierwszy „zimny okres”: problemy złożoności obliczeniowej, spadek entuzjazmu 
-  * IV. Systemy z bazą wiedzy (1969–1979) 
-    - DENDRAL, MYCIN; LUNAR; ramy, sieci semantyczne 
-  * V. Lata komercjalizacji (1980–1987) 
-    - Ekspertowe systemy produkcyjne; inżynieria wiedzy; japoński projekt V generacji 
-  * VI. AI jako specjalność naukowa (od 1987) 
-    - Rozwój sieci neuronowych, algorytmy ewolucyjne, zbiory rozmyte 
-    - 1995: koncepcja agentów inteligentnych 
- 
-==== Wielkie projekty i inicjatywy ==== 
-  * CYC – zdrowy rozsądek 
-  * Japoński projekt V generacji 
-  * Projekty hybrydowe CI, inteligencja rozproszona 
- 
-==== Przełomy i kamienie milowe ==== 
-  * 1997: Deep Blue vs Kasparow 
-  * 2016: AlphaGo 
-  * 2020: AlphaFold 2 – przewidywanie struktur białek 
-  * 2020+: Boston Dynamics – parkour robotów; autonomiczne pojazdy 
-  * Generowanie obrazów (GAN), zaawansowane modele językowe (BERT, GPT) 
- 
-==== Zastosowania współczesne ==== 
-  * Rozpoznawanie mowy i obrazu 
-  * Systemy rekomendacyjne, personalizacja treści 
-  * AI w opiece zdrowotnej, finansach, przemyśle, logistyce 
- 
-====== Kierunki rozwoju sztucznej inteligencji ====== 
- 
-==== Zadania AI ==== 
-  * Przeszukiwanie i optymalizacja (np. problem komiwojażera, algorytmy genetyczne) 
-  * Wnioskowanie logiczne, dowodzenie twierdzeń 
-  * Uczenie maszynowe i głębokie, uczenie nienadzorowane 
-  * Rozpoznawanie obrazów, NLP, robotyka 
- 
-==== Podejścia i paradygmaty ==== 
-  * Symboliczna AI (GOFAI) 
-    - Symulacja kognitywna: przestrzeń stanów, heurystyki, analiza cel-środek 
-    - Logiczne wnioskowanie: programowanie logiczne (Prolog), paradygmat deklaratywny 
-    - Reprezentacja regułowa: produkcje IF-THEN, systemy ekspertowe 
-    - Strukturalna: ramy (frames), sieci semantyczne, skrypty 
-    - Gramatyki generatywne w NLP 
-  * Inteligencja obliczeniowa (CI) 
-    - Sieci neuronowe: perceptron, wielowarstwowe z BP 
-    - Logika rozmyta, sieci bayesowskie 
-    - Algorytmy ewolucyjne, algorytmy rojowe 
-  * Podejście konekcjonistyczne i trzecia fala 
-    - Głębokie sieci, transformacje wielowarstwowe, GAN 
- 
-==== Przykłady implementacji ==== 
-  * Prolog: definicja grafu, rekurencyjna trasa, przykład rozwiązania zadania arytmetycznego 
-  * Algorytm genetyczny: kodowanie chromosomów, krzyżowanie, mutacja, selekcja 
- 
-==== Kluczowe trendy i wyzwania ==== 
-  * Dostępność dużych danych i mocy obliczeniowej (chmura) 
-  * Interpretowalność modeli AI, odpowiedzialność i etyka 
-  * Integracja AI w aplikacjach biznesowych i społeczeństwie 
-  * Rozwój agentów autonomicznych i systemów wieloagentowych 
- 
-==== Narzędzia i ekosystem ==== 
-  * Języki i systemy: LISP, Prolog, Python + biblioteki ML 
-  * Platformy chmurowe: AWS, Azure, Google Cloud AI 
-  * Konsorcja i inicjatywy badawcze: EU Human Brain Project, AI4Media, AIDA 
- 
- 
  
notatki/ai_wstep.1747987044.txt.gz · ostatnio zmienione: przez administrator