Różnice między wybraną wersją a wersją aktualną.
Poprzednia rewizja po obu stronachPoprzednia wersja | |||
notatki:ai_wstep [2025/05/23 09:58] – administrator | notatki:ai_wstep [2025/06/06 10:27] (aktualna) – usunięto administrator | ||
---|---|---|---|
Linia 1: | Linia 1: | ||
- | ====== AI: Wstęp ====== | ||
- | |||
- | ===== Co to jest AI? ===== | ||
- | * Dziedzina nauki modelująca zachowania wymagające inteligencji ludzkiej | ||
- | * AI = obliczenia umożliwiające rozumienie, wnioskowanie, | ||
- | * Brak jednolitej definicji → różne perspektywy i interpretacje | ||
- | |||
- | ===== Kierunki AI ===== | ||
- | * Poznawczy: analiza procesów myślenia, świadomość, | ||
- | * Techniczny: budowa maszyn/ | ||
- | |||
- | ===== Obszary i dyscypliny wspierające AI ===== | ||
- | * Filozofia, matematyka, psychologia, | ||
- | * 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/ | ||
- | |||
- | ===== Metody matematyczne ===== | ||
- | * Teoria optymalizacji, | ||
- | * Logika (predykatów, | ||
- | * Teoria sterowania, programowanie dynamiczne, gramatyki formalne | ||
- | |||
- | ===== Cele nauczania ===== | ||
- | * Rozpoznawanie i ocena problemów dla AI | ||
- | * Analiza i porównanie technik AI | ||
- | * Praktyczne umiejętności: | ||
- | |||
- | ===== Literatura ===== | ||
- | * Russell, Norvig: Artificial Intelligence: | ||
- | * Luger: Artificial Intelligence (2009) | ||
- | * Flasiński: Wstęp do sztucznej inteligencji (2011/2018) | ||
- | |||
- | |||
- | |||
- | ====== Historia sztucznej inteligencji ====== | ||
- | |||
- | ==== Korzenie i inspiracje ==== | ||
- | * Filozofia, matematyka, ekonomia, psychologia, | ||
- | |||
- | ==== 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; | ||
- | - 1965: algorytm rezolucji Robina | ||
- | * III. Czas refleksji (1966–1970) | ||
- | - Pierwszy „zimny okres”: problemy złożoności obliczeniowej, | ||
- | * IV. Systemy z bazą wiedzy (1969–1979) | ||
- | - DENDRAL, MYCIN; LUNAR; ramy, sieci semantyczne | ||
- | * V. Lata komercjalizacji (1980–1987) | ||
- | - Ekspertowe systemy produkcyjne; | ||
- | * VI. AI jako specjalność naukowa (od 1987) | ||
- | - Rozwój sieci neuronowych, | ||
- | - 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, | ||
- | * AI w opiece zdrowotnej, finansach, przemyśle, logistyce | ||
- | |||
- | ====== Kierunki rozwoju sztucznej inteligencji ====== | ||
- | |||
- | ==== Zadania AI ==== | ||
- | * Przeszukiwanie i optymalizacja (np. problem komiwojażera, | ||
- | * 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: | ||
- | - Reprezentacja regułowa: produkcje IF-THEN, systemy ekspertowe | ||
- | - Strukturalna: | ||
- | - 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, | ||
- | |||
- | ==== Przykłady implementacji ==== | ||
- | * Prolog: definicja grafu, rekurencyjna trasa, przykład rozwiązania zadania arytmetycznego | ||
- | * Algorytm genetyczny: kodowanie chromosomów, | ||
- | |||
- | ==== 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 | ||
- | |||
- | |||