)RUVNQLQJVPHWRGLNNLQQHQ.XQVWLJLQWHOOLJHQV

Like dokumenter
Genetiske og Adferdsbaserte metoder -> Evolusjonære metoder

Darwinian Evolution. Evolutionary Algorithms. Genetiske og Adferdsbaserte metoder -> Evolusjonære metoder. Semantic. Physiological, Behavioral

MNFIT 272. Kunstig intelligens (AI) 2002

IT 272. Kunstig intelligens (AI) 2000

UKE 2 Forstå bruk/ datainnsamling. Plenum IN1050 Julie og Maria

Digitalisering: Digitale infrastrukturer for læring og progresjon. Sten Ludvigsen, UV, UiO

MNFIT-272 Kunstig intelligens Forelesning 4.

IT Kunstig intelligens (AI) 2006

Hva er dybdelæring: Hvorfor er det viktig, og hva betyr det for arbeidet i klasserommene? Sten Ludvigsen UiO

VELKOMMEN. UKE 1: Introduksjon Plenum IN1050. Julie og Maria

Kapittel 1 Vitenskap: grunnleggende antakelser

INF1500 Høst 2015 Magnus Li Martine Rolid Leonardsen. Evaluering

Innhold. Del 1 Grunnleggende begreper og prinsipper... 39

Innhold. Forord... 13

Forskningsmetoder i menneske-maskin interaksjon (MMI)

Figurer kapittel 1 Vår psykologiske hverdag. Periode/årstall Hovedsyn / sentrale retninger i psykologien Sentrale personer

Læreplan i psykologi - programfag i studiespesialiserende utdanningsprogram

GRUPPE 5, UKE 11 EVALUERING IN1050

Kode/emnegruppe: PSY 100 Årsstudiet i psykologi

Flerspråklighet og morsmålsaktiviserende læring. Om vurdering, mulige språkvansker og behov for tilrettelegging

LÆREPLAN I PSYKOLOGI PROGRAMFAG I STUDIESPESIALISERENDE UTDANNINGSPROGRAM

Dybdelæring er en forutsetning for fremtidens skole. Sten Ludvigsen UiO

Hvordan kan vi sikre oss at læring inntreffer

Fagfornyelsen: Kjerneelementer og læreplaner: vilkår for dybdelæring og progresjon. Sten Ludvigsen UiO

Seksjon for Intelligente Systemer. Agnar Aamodt (Seksjonsleder) Keith Downing (Nestleder)

PSY1000/PSYC1201 Eksamensoppgaver og skriveseminar

Psychology as the Behaviorist Views it. John B. Watson (1913).

Design, bruk, interaksjon

Ifis bachelorundervisning fra 2017

Programbeskrivelse for revidert versjon av bachelorprogrammet Matematikk, informatikk

Sist oppdatert: 18.november Øvelsesoppgaver til INF1500

HUMIT 4700: Introduksjon til masterstudier i IT SLP

Forskningsmetoder i menneske-maskin interaksjon

Utforsking av sjeldne og ukjente belastninger i ekstremt vær: Betydning av eksperimentelle studier

INF Introduksjon til design, bruk, interaksjon Introduksjon

Evaluering vol. 1. Plenum IN1050 Uke 11 Maria og Helle

Forelesning 3. Hvordan kommer vi fram til det gode forskningsspørsmålet? Forskningsspørsmålet kan formuleres med ulik presisjon.

kunnskap Jakten påp driverne

Forskningsmetoder i informatikk

Masterskolen Oppsummering Arild Jansen AFIN

Masterskolen 2015: Introduksjon

UNIVERSITETET I OSLO

INF2820 Datalingvistikk V2014. Jan Tore Lønning

2.5 BACHELORGRADSPROGRAM I INFORMATIKK

Forskningsmetoder i informatikk

Det matematisk-naturvitenskapelige fakultet. Del 4. Modellering

Læreplan i Programmering og modellering - programfag i studiespesialiserende utdanningsprogram

Orienteringsmøte bachelor Orienteringsmøte bachelor Utdanningsleder Ragnhild Kobro Runde

VELKOMMEN. Til plenumstime i IN1050. Med Maria og Helle

Studieprogram: PSY 100 Årsstudiet i psykologi

Atferdseksperiment og ferdighetstrening

Usability testing Brukertester

Forskningsmetoder i informatikk

INF2820 Datalingvistikk V2015. Jan Tore Lønning

Informasjon om studieprogrammet Beregningsorientert informatikk

Møt Freddie! GeoForum GeoLett Håvard Watland

Ergoterapi og demensutredning

INF2820 Datalingvistikk V2016. Jan Tore Lønning

Studieprogram: Årsstudiet i psykologi/ Bachelor i kulturog samfunnspsykologi

INF Introduksjon til design, bruk, interaksjon Introduksjon

TDT4160 Datamaskiner Grunnkurs Gunnar Tufte

BREDSANDKROKEN BARNEHAGE

Dybdelæring: hva er det - og hvordan kan det utvikles? Sten Ludvigsen, UiO

Læring i et gjennom digitalisert samfunn

Fra program til emner

Jan Hendrik Demmink (PhD)

NOVEMBERKONFERANSEN TRONDHEIM HEIDI STRØMSKAG. Kunnskap for en bedre verden

INF1510 Bruksorientert design. Hvorfor bør informatikere ha kunnskap om psykologi?

Forskningsprosessen & metodelære

ITS Workshop HiÅ: Smart Samferdsel

Innføring i sosiologisk forståelse

Tverrfaglighet Honours-programmet

Ved KHiB brukes åtte kriterier som felles referanseramme for vurdering av studentenes arbeid ved semestervurdering og eksamen:

Vitenskapsteori: Neste tirsdag informasjon om semesteroppgave. VIKTIG.

INF2820 Datalingvistikk V2018 Forelesning 1 del 1, 15. jan. Jan Tore Lønning

Minnebasert mønstergjenkjenningssystem

Kapittel 6: Funksjoner

Reelle tall på datamaskin

Kode/emnegruppe: PSY 200 Psykologi med religion og helse

Visitracker: Et nytt verktøy til kvalitetssikring i museumspraksis

Innledning Hva dreier boken seg om, og hvem er den for? Hvordan er innholdet organisert?... 14

Notater: INF1510. Veronika Heimsbakk 20. mai 2015

8.7 Artificial Intelligence

Eksamensoppgave i PSY2018/PSYPRO4318 Kvalitative forskningsmetoder

DEL I GRUNNPERSPEKTIVER OG METODER I STUDIET AV PSYKOLOGI I ORGANISASJON OG LEDELSE

interaktiv mediekunst Kunst, kognisjon og ny litteratur

Snapshots of AI methods and applications

GRUPPE 5 UKE 2 IN1050

INF Introduksjon til design, bruk, interaksjon Evaluering, del 1

Pasientrettede IKT tjenester som en integrert del av spesialisthelsetjenesten.

INF Introduksjon til design, bruk, interaksjon Evaluering, del 2

Forslag til felles føringer for læringsutbyttebeskrivelsene for bachelorprogrammene ved MN Prosjektgruppen for InterAct Ved Olav Sand og Knut Mørken

Mestringsbeskrivelser for nasjonale prøver i lesing

1/18/2011. Forelesninger. I dag: Obligatoriske oppgaver. Gruppeundervisning. Jan Tore Lønning & Stephan Oepen

SMART knyttet til kompetansemål i fag

Læreplan i informasjonsteknologi - programfag i studiespesialiserende utdanningsprogram

Notat om sekvens av handlinger mellom menneske og maskin

Slutninger fra data FRODE SVARTDAL UIT 2015

Kreativitet i brukerundersøkelser: Personas and beyond

Last ned Tolkning av WISC - IV - Helge Galta. Last ned

Transkript:

.XQVWLJLQWHOOLJHQV01),7 )RUHOHVQLQJ Emner: )RUVNQLQJVPHWRGLNNLQQHQ.XQVWLJLQWHOOLJHQV - Revidert definisjon - AI som empirisk vitenskap - Kognitiv vitenskap som metodisk tilnærming - Epistemologiske problemer 2SSVXPPHULQJDYIDJHW )UDÃI UVWHÃOHNVMRQ KUNSTIG INTELLIGENS AI - Artificial Intelligence )RUHVOWnWWHÃGHILQLVMRQHU Den delen av informatikk-feltet som dreier seg om automatisering av intelligent adferd. Det som kunstig intelligens forskerne driver med. *HQHUHOOÃPHQÃXOOHQ 3UDJPDWLVN "Det som datamaskiner ikke kan". Vitenskapelig vinkling: 6WXGLHWÃDYÃLQWHOOLJHQWHÃV\VWHPHUÃUHODWHUWÃWLOÃÃ Ã Ã Ã GDWDPDVNLQHOOHÃSURVHVVHU. Teknologsk vinkling: 8WYLNOHÃVPDUWHUHÃGDWDV\VWHPHU /LWHÃLQIRUPDWLY 6HUL VÃPHQÃWRGHOW

.XQVWLJLQWHOOLJHQVUHYLGHUWGHILQLVMRQ Kunstig intelligens er studiet av de underliggende mekanismene for intelligent adferd, gjennom konstruksjon og testing av systemer som realiserer slike mekanismer..xqvwljlqwhooljhqvvrphpslulvnylwhqvnds Det kunnskapsbaserte paradigmet (symbolprosesserende metoder) Fysisk symbolsystem hypotesen 'HQQ GYHQGLJHRJWLOVWUHNNHOLJHEHWLQJHOVHIRUDWHW I\VLVNV\VWHPNDQRSSYLVHLQWHOOLJHQWDGIHUGHUDWGHW HUHWI\VLVNV\PEROV\VWHP nødvendig?, tilstrekkelig? Utfordringer til det kunnskapsbaserte paradigmet Nevrale nett, konneksjonisme (subsymbolske metoder) Evolusjonære, adferdsbaserte metoder (sub/ikke-symbolske metoder) erstatning av eller tillegg til kunnskapsbaserte metoder?

Felles for alle: Den empiriske forskningsmetode dvs. at datamaskin-programmer er eksperimenter: En forsøker å forstå intelligent adferd ved å - foreslå modeller for representasjon/problemløsning/læring - utvikle metoder og bygge systemer som realiserer dem - teste og evaluere resultatet - revidere de opprinnelige modellene og/eller enkeltmetodene - osv. Gir opphav til 3 generelle forskningstilnærminger: - Teoretisk, analytisk rettet - Design- og modelleringsrettet - Konstruksjons- og implementasjonsrettet

1. Symbolprosesserende metoder Metodologisk basis Objekter og fenomener i den reelle verden kan representeres som symbolstrukturer i datamaskiner. Søkemekansimer - spesielt heuristiske metoder - opererer over symbolstrukturene, og muliggjør kognitive prosesser (persepsjon, problemløsning, læring, resonnering). Separasjon av kognisjon og kognitive arkitekturer fra dens spesielle fysiske realisering. Kalles ofte 'funksjonalisme'. 2. Sub- og non-symbolske metoder Metodologisk basis ANN (artificial neural networks): Implisitt kunnskap er distribuert i et nettverk av sammenkoblede noder, og intelligent adferd oppstår som resultat av oppretting, styrking, svekking og nedkobling av forbindelser mellom nodene. EC (evolutionary computation): Implisitt kunnskap er bitstrenger eller andre sekvenser som konkurrerer om å overleve og å få bidra til videre utvikling av intelligent adferd. AL (artificial life): Intelligent adferd utvikles fra enkle basismekanismer som styrkes, endres, forsvinner, eller kombineres avhengig av stimulus fra omverdenen.

Generelt for all AI To prinsipielt forskjellige måter å utvikle intelligent oppførset på: bunn-opp dvs. fra data, observasjon, interaksjon i omverden topp-ned dvs. fra en initiell modell av omverden Mye oppmerksomhet rundt: -> hvordan kombinere de to? Vitenskapelig <-> ingeniørmessig vinkling Vitenskapelige studier innen AI - har økt forståelse av fenomenet intelligens som generelt mål - er koblet til utvikling av praktiske applikasjoner ved at - problemstillinger i verden gir input til forskningshypoteser - utviklingen av praktiske applikasjoner blir endel av den eksperimentelle basis for metodeutviklingen - forskningen gir resultater som benyttes for å bygge bedre og mer nyttige datamaskinsystemer

Kognitiv vitenskap (Cognitive Science) Samlebetegnelse for tverrfaglig fagområde for studiet av kognitive prosesser ( tenkning ) i mennesker - og andre komplekse systemer Kombinerer innsikt og metoder fra områdene - informatikk (AI, HCI) - psykologi (kognitiv psykologi) - filosofi (epistemologi) - lingvistikk (setningsanalyse, språkforståelse) - nevro-vitenskap (kognitiv neuroscience) - antropologi (kognitiv antropologi) Kognitiv vitenskap (Cognitive Science) Basis - funksjonalisme, dvs. kognitive prosesser kan realiseres i ulike fysiske systemer - computasjonalisme intelligens kan modelleres og/eller realiseres i komputasjonelle modeller - dvs. i datamaskiner Nyere retning - situated cognition intelligens kan ikke løsrives fra situasjonen den oppstår og utøves i - modeller konstrueres I interaksjon med omgivelsene

AI som vitenskap - åpne spørsmål Representasjonell ubestembarhet - hvordan finne en god representasjon av et problem? Fysisk symbolsystem antagelsen - vs. embodyment and situatedness? Behovet for falsifiserbare modeller - under hvilke forhold virker ikke metoden? Tolkning av mening - begrenset semantisk tolkning vs. pragmatikk? Begrensninger i den vitenskapelige metode - har ført oss langt, men komme vi langt nok?