Mérő László: Heurisztikus eljárások és a mesterséges intelligencia
A mesterséges intelligencia:
- műszaki diszciplína: a cél által specifikált működés létrehozása, bármilyen mesterségesen előállítható eszközzel (emberi viszonylatban az intelligenciát igénylő kognitív tevékenysége) pl.: a természetes nyelven írt szövegeket megértő gépek, sakkozó programok stb.
- kognitív pszichológia: kognitív működési modellek (nem feltétlenül a kognitív folyamat modelljei is, az autók sem lábakon futnak) az intelligens tevék
enység folyamán az agyban lejátszódó kognitív folyamatok modellezése
Az alábbiakban olyan módszereket tekintünk át, melyeket a mesterséges intelligencia kutatói dolgoztak ki feladataik során. Ezek bemutatására legjobb példa a sakkjáték, mert
- látványos haladáson ment keresztül rövid idő alatt
- az emberi és a gépi működési módok és teljesítmények viszonylag egzakt összehasonlítására alkalmas.
Heurisztikák:
Definíció: minden olyan szabály, következtetés, értékelés, érv idetartozik, melyről elmondható, hogy egy bizonyos fajta szituációban többnyire érvényes, illetve működik, de nem mindig.
Cél: adott szituációban a vizsgálatok körének radikális szűkítése, mert a következtetési láncok összes ágának végiggondolása többnyire a leggyorsabb számítógépeknek is lehetetlen.
Két fajtája van:
- dinamikus heurisztikák: ahol az a fő szerveződési elv, hogy adott szituációban milyen lépést célszerű választani
- statikus heurisztikák: ahol a fő szerveződési elv az, hogy egy adott állást hogyan értékelünk.
Az emberi gondolkodás általában kombinálja a kettőt. Azonban egy ember által alkalmazott heurisztikák gyakran egymással ellentétesek, mert a heurisztikus elvek rugalmas alkalmazása befolyásolja a teljesítményt.
Jó minőségű mesterséges intelligencia programokat azo
kra a feladatokra sikerült készíteni, melyekre elég egzakt módon sikerült hatékony heurisztikákat definiálni.
Keresési algoritmusok:
Cselekvéssorozatok tervezése:
- döntési szituációban a lehetséges cselekvésláncokat egy gráffal szoktuk reprezentálni, melyen kiindulási és célcsúcs van feltüntetve
- a kiindulási csúcstól haladva az összes lehetséges cselekedet után előálló helyzetnek egy-egy csúcsot feleltetünk meg, melyek élekkel vannak összekötve a kiinduló csúccsal
- heurisztikus becslés: gyorsíthatjuk vele az algoritmust, ez egy olyan függvény, melyminden csúcshoz becslést ad arra, hogy milyen messze van a céltól
- Slagle, Nilsson: célpreferencia elve (az eddigi út költsége és a heurisztikus becslés) alapján működnek a labirintuskísérletek (patkányokkal) és a kísérlet vezetők is abban a tekintetben, ho
gyan közelítik meg a labort
- Martelli: az élekre írt számok az élek költségei, csúcsok számai a hozzájuk tartozó heurisztikus becslés
- Mérő: az ember képes arra, hogy saját heurisztikáit az adott feladatban észlelt konkrét tapasztalatok alapján felülbírálja
(a gép??)
- Az emberi gondolkodás nem feltétlenül törekszik az optimumra, megelégszik egy közel optimális út megkeresésével. Újabban a robotok cselekvési tervének meghatározásakor figyelembe veszik azokat a körülményeket is, amikkel a robotok a célhoz vezető
úton várhatóan találkoznak.
Interakció ellentétes érdekű partnerrel:
- A környezet minden egyes cselekvésünkre egy tőlünk független válaszcselekvéssel reagál, ilyen helyzetben célszerű megtalálni az optimális cselekvést. (ekkor a döntési szituáció gráf mindig fa lesz)
- Az optimális lépés megtalálására mindig a minimax algoritmus szolgál (a kiindulócsúcs akkor kap 1 értéket, ha a kiindulóállásból van nyerő lépés, 0 értéket akkor kap, ha a legjobb elérhető eredmény döntetlen, végül –1 lesz, ha a kiindulási
állásból az ellenfél optimális játéka esetén mindenképpen veszíteni kell)
- A minimax algoritmus alapján minden véges játékra optimálisan játszó számítógépprogram írható.
- Alfa-béta levágás: olyan matematikai eljárás, mely egy adott algoritmus hatékonyságának fokozására szolgál. Pl.: csak azokat a kiindulócsúcsokat veszi számításba az első lépéstől, melyek legalább 0 értékűek.
A számítógépes programok részfáinak mérete nagyságrendekkel nagyobb, mint amit az emberi agy képes lenne figyelembe venni. A teljesítmény a használt heurisztikák mennyiségén, minőségén illetve a használatok módozatán múlik.
Vizsgálat: sakkozók, különböző tudásszinteken, feladat: egy adott állásban eldönteni a legjobb lépést
Eredmények: az amatőrök illetve a nagymesterek teljesítménye hasonló, lényegi különbség csak a lépés jóságában van, a részfák sem mélységben, sem szélességben nem különböznek lényegesen
Vizsgálat: sakkállások rekonstrukciója
Eredmények: a nagymesterek teljesítménye lényegesen jobb mint az amatőröké, ok: RTM kapacitása, a nagymester és az amatőr mintarepertoárja között nagy a különbség
Keresés konkrét cél nélkül – felfedező programok
Az utóbbi időben számos olyan program készült, mely a tudomány, a művészet vagy a játékok egy-egy területén új összefüggéseket képes felfedezni. Ezekben a programokban a heurisztikus eljárások nem egy kitűzött cél elérésére irányulnak, hanem érdekes fogalmak definiálására és az ezek közötti érdekes összefüggések kezelésére. (statikus heurisztikák, adott szabályrendszer)
Az ilyen rendszerek szerzői valószínűsítik, hogy a kreatív gondolkodás nem kell külön specifikus mechanizmusokat feltételezni, bár ez csak akkor lesz igaz, ha a rendszer szerzője számára is “új” felfedezést tesz.