งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

งานนำเสนอกำลังจะดาวน์โหลด โปรดรอ

INC 551 Artificial Intelligence อาจารย์ผู้สอน ผศ. ดร. พจน์ ตั้งงามจิตต์

งานนำเสนอที่คล้ายกัน


งานนำเสนอเรื่อง: "INC 551 Artificial Intelligence อาจารย์ผู้สอน ผศ. ดร. พจน์ ตั้งงามจิตต์"— ใบสำเนางานนำเสนอ:

1 INC 551 Artificial Intelligence อาจารย์ผู้สอน ผศ. ดร. พจน์ ตั้งงามจิตต์

2 About the Instructor Office: CB40603 (CB4 ชั้น 6) Tel: x ลักษณะการ lecture: น. ศ. ต้องจด lecture ตามที่ผมพูดด้วย ตัวเอง

3 รายละเอียดวิชา 3 หน่วยกิต ระดับปริญญาโท Lecture 3 ชั่วโมงต่อสัปดาห์ ทบทวน และทำการบ้าน 6-12 ชั่วโมงต่อสัปดาห์ Prerequisites Computer Programming Skill C/C++ Basic Logic Basic Probability

4 การให้คะแนนและตัดเกรด สัดส่วนของคะแนน 4 Assignments40% Discussion20% Exam40% เกรด ตามประสิทธิภาพของนักศึกษา

5 Discussion Score Peer Scoring System Your votes are secret. 50% - You are voted by your friends. 50% - Your vote correspond to the instructor.

6 Assignments นักศึกษาต้องใช้เวลาในการทบทวนเนื้อหาและแสดงความเข้าใจออกมาในรูป Program ขอให้มีการแบ่งและเผื่อเวลาให้ดี Policy ของการลอกกัน Program codes ของนักศึกษาแต่ละคนจะถูก check ด้วย โปรแกรมตรวจสอบความเหมือนกันของ source code (INC senior Project 2549 โดย อรรถศักดิ์ ลภาไพโรจน์ ) ถ้าพบการลอกกันแม้แต่บางส่วนใน assignment ใดๆก็ตามจะ ถือว่าทุจริตและให้เกรด F ทั้งคู่โดยไม่มีข้อยกเว้น

7 Late Policy นักศึกษาจะต้องส่ง assignment ทั้ง 4 ตามกำหนดส่ง ในกรณีที่ส่งสาย จะถูกตัดคะแนนวันละ 2% ของคะแนนเต็ม

8 More on Assignments Assignments should be implemented in Microsoft Visual Studio 2008

9 Textbooks Artificial Intelligence: A Modern Approach (Second Edition) by Stuart Russell and Peter Norvig Prentice Hall

10 Topics Lecture 1: Introduction to AI and the course Lecture 2: Uninformed Search Lecture 3: Informed search and heuristics Lecture 4: Problem Solving and Constraint Satisfaction problems (CSPs) Lecture 5: Game Playing Lecture 6: Predicate logic (First-order logic) Lecture 7: knowledge representation and reasoning Lecture 8: Introduction machine learning Lecture 9: Dealing with Uncertainty Lecture 10: Probabilistic Reasoning Lecture 11: Introduction to mobile robotics Final Exam

11 Course Webpage

12 AI คืออะไร ? Artificial Intelligence = การทำให้ computer ฉลาดเหมือนมนุษย์ มีการตัดสินใจเองได้

13 วิชานี้เอาไปทำอะไร ? Program หรือวิเคราะห์ระบบหุ่นยนต์ ทำให้ computer ทำงานบางอย่างได้อย่างคน

14 Rationality Right thing at the right time Like Human = 100% Rational = 50-80%

15 What define “smart”? Think Act

16 Four Directions of AI How to think like human? How to act like human? How to think rationally? How to act rationally? Science Engineering

17 Think like human Cognitive Science Act like human Natural Language Processing (NLP) Knowledge Representation Reasoning Machine Learning

18 Turing Test By Alan Turing (1950) Is this human?

19 Think rationally Logic Act rationallyRobotics

20 AI คืออะไร ? Artificial Intelligence = การทำให้ computer (machine) ฉลาดเหมือนมนุษย์ มีการตัดสินใจเองได้ จะรู้ได้อย่างไรละว่า machine ฉลาด ? จะดูได้จากอะไร ?

21 การตัดสินความฉลาดจะดูจากการกระทำ แนวคิดช่วงก่อนปี 1990 “ การกระทำที่ฉลาดเกิดจากการคิดก่อนทำ ” ดังนั้น agent (robot) ควรจะมีกลไกการคิด

22 World Model World model คือแบบจำลองกกลไกของสิ่งแวดล้อม การคิดจะต้องมี world model World model สามารถอยู่ในรูปแบบต่างๆยังไงก็ได้ตามที่ผู้ออกแบบต้องการ

23 Problem with World Model Incorrect – noise จาก sensor Incomplete – unexpected events

24 แนวคิดช่วงหลังปี ปัจจุบัน “ ไม่จำเป็นต้องคิดก่อนทำก็ดูฉลาดได้ แต่การกระทำต้องถูกออกแบบมาอย่างดี ” “Behavior-based Robotics”

25 Start Goal Maze Problem เดินสำรวจ, สร้าง map คิดหาเส้นทางออก behavior “ เดินเลาะทางขวาไปเรื่อยๆ ”

26 นิยามของ Agent Agent = anything that can perceive through sensors and act through effectors Agent จะฉลาดหรือไม่ดูจากการกระทำ

27 Agent Environment Action Sense, Perceive Model of Agent

28 Types of Agents แบ่งตาม world model Reactive Deliberative

29 Reactive Agent Environment Action Sense, Perceive Rules to Make Decision Agent

30 Deliberative Agent Environment Action Sense, Perceive Make Decision Agent World Model

31 ข้อดี ข้อเสีย Reactive เร็ว ง่าย ทำงานซับซ้อนไม่ได้ ทนต่อ error และ unexpected incidents Deliberative ช้า ทำงานซับซ้อนได้อย่างมีระบบกว่า มี error ก็จะทำให้ระบบผิดพลาดไปเลย

32 Course Overview World model First half - DeliberativeSecond half - Reactive แบบต่างๆ State-Action Logic Probability วิธีคิดหาคำตอบ Search Reasoning Rules & Architecture แบบต่างๆ MDP Neural Net Adaptive (learning)

33 Example Agent แบบต่างๆ Simple reflex agents Model-based reflex agent Goal-based agents Utility-based agents

34 Simple Reflex Agent

35 Model-based Reflex Agent

36 Goal-based Agent

37 Utility-based Agent

38 ชนิดของ Environment Observable – Partially-observable Deterministic – Nondeterministic Episodic – Non-episodic Static – Dynamic - Semi Discrete – Continuous Single Agent – Multi Agent

39 TaskObservableDeterministicEpisodicStaticDiscreteAgents CrosswordFullyDeterministicnoStaticDiscreteSingle Chess with clock FullyStrategicnoSemiDiscreteMulti PokerPartiallyStochasticnoStaticDiscreteMulti Backgammo n PartiallyStochasticnoStaticDiscreteMulti Taxi DrivingPartiallyStochasticnoDynami c Continuo us Multi

40 Want 10 litre x 2


ดาวน์โหลด ppt INC 551 Artificial Intelligence อาจารย์ผู้สอน ผศ. ดร. พจน์ ตั้งงามจิตต์

งานนำเสนอที่คล้ายกัน


Ads by Google