Yapay Zeka BM437, Bahar 2014-1015 Öğretim Üyesi: Yrd. Doç. Dr. Mehmet ŞİMŞEK
Dersin Amacı Yapay Zekaya (YZ) Giriş ve Temel Yöntemlerin Öğrenilmesi YZ, birçok alt alana sahip oldukça geniş bir alan Birçok kavramı/örneği öğreneceğiz 14 haftada her şeyi öğrenemeyiz
Derse Genel Bakış Dersin Web Sayfası http://www.mehmetsimsek.net/bm437.htm Ders kaynakları Ödevler, duyurular, notlandırma İletişim bilgileri
Akademik Dürüstlük Her öğrenci akademik etik kurallara uymalıdır. İhlaller FF veya daha kötü durumlara neden olabilir Akademik etik ihlalleri: Kopya Aşırma Hile
BM437 Hayatınızda Neyi Değiştirecek? Günümüzde Bilim ve teknoloji hızla değişiyor «eski» bilim dalları iyi anlaşıldı Bilgisayarlar her yerde Bilim ve Teknolojideki Çözülmesi Gereken Büyük Sorunlar İnsan beynini anlamak muhakeme, bilmek, yaratıcılık Akıllı makineler yaratmak Mümkün mü? Teknik ve filozofik zorluklar neler? Muhtemelen YZ bilgisayar bilimindeki en ilginç ve en zorlu soruları barındırır.
Günün Dersi Zeka nedir? Yapay Zeka nedir? YZ nın kısa tarihçesi Bir başarı: Otonom Araç Stanley YZ nın puan cetveli YZ nın değişik alanlarında ne kadar ilerleme var Uygulamada YZ Başarılı uygulamalar YZ nın rasyonel bakış açısı
Zeka Nedir? Zeka: öğrenme ve problem çözme kapasitesi Özellikle, yeni problemleri çözebilmek mantıklı davranabilmek İnsan gibi davranabilmek Yapay Zeka Akıllı varlıklar oluştur 2 ana yaklaşım: mühendislik ve bilişsel modelleme
Zeka Neleri Kapsar? Gerçek Dünya İle Etkileşebilme Yeteneği Algılamak, anlamak ve harekete geçmek Ör: konuşmayı algılama, anlama ve sentezleme Ör: görüntüyü anlama Ör: bir etkisi olan hareket sergileme Neden-Sonuç İlişkisi Kurma ve Planlama Verilen bir giriş ile dış dünyayı modelleme Yeni problemler çözme, planlama ve karar verme Beklenmeyen problemlerin ve belirsizliklerin üstesinden gelme Öğrenme ve Uyum Sağlama Sürekli öğreniriz ve etrafa uyum sağlarız İç modellerimiz sürekli «güncellenir» Ör: bir bebeğin hayvanları tanıması ve sınıflandırması.
YZ İle İlgili Akademik Disiplinler Felsefe mantık, neden-sonuç ilişkisi kurma yöntemleri, öğrenmenin temelleri, dil, rasyonellik. Matematik biçimsel gösterim ve ispat, algoritmalar, hesaplama, karar verilebilirlik/verilemezlik. Olasılık/İstatistik belirsizliğin modellenmesi, veriden öğrenme Ekonomi fayda, karar teorisi, rasyonel ekonomik ajanlar Nöroloji bilgi işleme birimleri olarak nöronlar Psikoloji/ insanlar nasıl davranır, algılar, bilişsel bilgiyi nasıl işlerler Bilişsel Bilim bilgiyi nasıl sunarlar. Bilgisayar hızlı bilgisayarlar yapma mühendisliği Kontrol teorisi zamana bağlı bir amaç fonksiyonunu maksimize eden sistemler geliştirme Dil bilimi bilginin sunumu, gramerler
YZ Tarihi 1943: ilk adımlar McCulloch & Pitts: beynin boolean devre modeli 1950: Turing Turing in «Hesaplama makinesi ve zeka» 1956: birth of AI Dartmouth konferansı: «Yapay Zeka» ismi benimsendi 1950 ler: ilk umutlar İlk YZ programları : Arthu Lee Samuel in dama programı Newell & Simon un Mantık Teorisi 1955-65: büyük coşku Newell ve Simon: GPS, general problem solver McCarthy: LISP
YZ Tarihi 1966 73: Gerçeklerle yüzleşme Çoğu YZ probleminin çözümü zordur Mevcut yapay sinir ağı yöntemlerinin yetersizliği tespit edildi Yapay sinir ağları araştırmaları neredeyse yok oldu 1969 85: Alan bilgisinin kullanılması Bilgi tabanlı sistemlerin geliştirilmesi Kural tabanlı uzman sistemlerin başarısı, Ör: DENDRAL, kimya bilgisi kullanarak bilinmeyen organik moleküllerin tanımlanması MYCIN, hastalıklara neden olan bakterileri sınıflandırarak kişiye özel antibiyotik önerme Fakat bu sistemlerin ölçeklenebilirliği zayıftı 1986-- Makine öğrenmesinin doğuşu Yapay sinir ağları yeniden popülarite kazanır Makine öğrenmesi algoritmaları ve uygulamalarında büyük gelişmeler 1990-- Belirsizliğin rolü Rasgele değişkenleri ve bunların durumsal bağımlılıklarını graflar ile gösteren Bayes ağlarının gelişimi 1995 Bir bilim olarak YZ Öğrenme, neden-sonuç ilişkisi kurma ve bilgi gösteriminin bütünleştirilmesi Görme, dil, veri madenciliği gibi alanlarda YZ yöntemlerinin kullanılması
Başarı Hikayeleri Deep Blue Dünya satranç şampiyonu Garry Kasparov u 1997 de yendi. Bir YZ programı on yıllardır ispatlanamayan bir matematik hipotezini ispatladı (Robbins hipotezi) 1991 Körfez Savaşında, ABD, 50.000 aracı, kargoyu ve insanı planlayan ve zamanlayan bir YZ lojistik programı geliştirdi NASA nın otonom uçuş programı bir uzay aracının görev zamanlamasını kontrol etti. Proverb, kare bulmacayı birçok insandan daha iyi çözebiliyor. Robot sürücü: DARPA «grand challenge» 2003-2007 2006: tüketici kameralarında yüz tanıma yazılımları irobot Roomba Makine Öğrenmesi ile spam filtresi Siri
Örnek: DARPA «Grand Challenge» Grand Challenge Parkuru tamamlayan robotlar için 1-2 milyon $ ödül Bilgisayarla görme, robotik, planlama, makine öğrenmesi vb. alanları canlandırdı 2004 Grand Challenge: Nevada çölünde 150 mil En uzağa gidebilen robot 7 mil kadar yol aldı Ama parkurun en zorlu kısmı yolun başındaydı 2005 Grand Challenge: 132 mil Dar tüneller, keskin dönüşler, rüzgarlı dağ geçişleri Stanford birinci 2007 Şehiriçi Grand Challenge 60 mil. Trafik kuralları, engeller, araçlar. 2012 Robotik Grand Challenge Tehlikeli, bozuk ve insan yapımı ortamlarda çalışabilme
Stanley Robot Stanford Racing Team www.stanfordracing.org
İnsana benzer bir bilgisayar yapmak için ne gerekli? Faydalı olabilecek bileşenler neler? Hızlı donanım? Usta seviyesinde satranç oynamak? Karşılıklı konuşabilme? Konuşmayı sentezleme Konuşmayı tanıma Konuşmayı anlama Görüntü tanıma ve anlama? Öğrenme? Planlama ve karar verme?
Beyin kadar karmaşık bir donanım yapılabilir mi? Beynimiz ne kadar karmaşık? Bir sinir hücresi temel bir bilgi işleme birimidir İnsan beyninde yaklaşık 10 12 sinir hücresi var Yakalış 10 14 bağlantı ile sinir hücreleri bağlı İşlem süresi: 10-3 saniye (1 milisaniye) Yaptığımız bilgisayarlar ne kadar karmaşık? CPU başına 10 8 den fazla transistör Süperbilgisayar: yüzlerce CPU, 10 12 bit RAM İşlem süresi : 10-9 saniye Sonuç Evet: yakın gelecekte beyindeki basit işlem elemanları gibi elemanlara sahip olan bilgisayarlarımız olacak ama: Beyindekinden daha az bağlantı Ancak, beyin gibi bir bilgisayar yapmakla beyin gibi davranabilen bilgisayar yapmak farklı şey!
Points Ratings Bilgisayarlar insanları satrançta yenebilir mi? Satranç oyunu klasik bir YZ problemidir İyi tanımlanmış İnsanların oynaması için yeterince karmaşık 3000 2800 2600 2400 2200 2000 1800 1600 1400 1200 Dünya Şampiyonu (İnsan) 1966 1971 1976 1981 1986 1991 1997 Deep Blue Deep Thought Ratings Sonuç: Evet: günümüz bilgisayarları en iyi ustayı yenebilir.
Bilgisayarlar konuşabilir mi? Bu problem Konuşma Sentezleme olarak bilinir Yazıyı seslere çevirme Mer-ha-ba Zorluklar Heceleme (lookup) sesi doğallıktan uzaklaştırır Sesler bağımsız değildir Bulunduğu yere göre telaffuz ve vurgu değişir Vurgu, his İnsanlar ne söylemek istediklerini bilerek vurgu yaparlar Makineler yapamaz Sonuç: Bütün bir cümle için Hayır Bağımsız kelimeler için Evet
Bilgisayarlar konuşmayı tanıyabilir mi? Konuşma Tanıma: Mikrofondan alınan sesleri sözcük listesi haline getirme Klasik bir YZ problemi ve bir parça zor Küçük bir kelime dağarcığındaki bağımsız kelimeleri tanıma Sistemler bunu %99 gibi yüksek bir oranda yapabilir Ör: müşteri hizmetleri numaraları Kısıtlı sözcük dağarcığı (borç, kredi, kart, açma ) İlk olarak bilgisayar size yardımcı olur. Başaramazsa bir insana yönlendirir
Bilgisayarlar konuşmayı tanıyabilir mi? Normal konuşmayı tanımak biraz daha zordur Konuşma süreklidir: bir kelime nerde başlıyor ve nerde bitiyor? Geniş sözcük dağarcığı Binlerce olası kelime var İnsanlar lafın gelişinden bir kişinin ne demek istediğini anlayabilir Gürültü, diğer konuşmalar, ses kısıklığı Normal konuşmayı tanımada %60-70 başarı var. Sonuç: Hayır, normal konuşma, tanımak için biraz karmaşık Evet, sınırlandırılmış problemler için (tek konuşmacı, kısıtlı sözcük dağarcığı )
Bilgisayarlar konuşmayı anlayabilir mi? Anlamak tanımaktan farklıdır: «El elin eşeğini türkü çağırarak arar» Bilgisayarın bütün kelimeleri tanıdığını düşünün Kaç farklı yorum çıkar?
Bilgisayarlar konuşmayı anlayabilir mi? Anlamak tanımaktan farklıdır: «El elin eşeğini türkü çağırarak arar» Bilgisayarın bütün kelimeleri tanıdığını düşünün Kaç farklı yorum çıkar? Yorumlardan yalnızca bir tanesi doğru Fakat bilgisayar bunu nasıl anlayacak? Anlaşılacağı üzere insanlar hissi bilgilerini iletişimde kullanırlar Sonuç: Hayır. Söylemek istediğimiz şeyin aslında ne olduğunu bilgisayarlar henüz anlayamaz.
Bilgisayarlar öğrenip adapte olabilirler mi? Öğrenme ve Uyum Sağlama Bir bilgisayarın boş bir yolda araç kullanmayı öğrendiğini düşünün Ona yapması gereken şeylerle ilgili birçok kural öğretebiliriz Ya da onu koltuğa geçirip yoldan ayrılma gibi durumlarda ona müdahale edebiliriz Google ın sürücüsüz aracı Makine öğrenmesi bilgisayarları açık biçimde programlamadan bilgisayarların öğrenmesini ve bazı şeyleri yapmasını sağlar Sonuç: Evet. Eğer bilgisayarlara bilgiyi doğru yöntemlerle verirseniz öğrenip adapte olabilirler
Bilgisayarlar görebilir mi? Tanımak mı? Anlamak mı? Bir görüntüdeki nesneleri tanımak ve anlamak Sınıfa bakın Efor harcamadan nesneleri tanıyabilirsiniz İnsan beyni 2 boyutlu görüntüleri 3 boyutlu haritalara çevirebilir Görsel tanıma neden zor bir problemdir? Sonuç: Çoğunlukla Hayır. Bilgisayarlar, belirli kısıtlamalar altında belirli tipteki nesneleri «görebilir» Evet. Yüz tanıma gibi belirli problemlerde.
Bilgisayarlar plan yapıp optimal Zeka kararlar verebilirler mi? Problem çözme ile karar verip plan yapmayı içerir Ör: Tahiti de tatil yapmak istiyorsunuz Tarihlere ve uçuşlara karar vermelisiniz Havaalanına gitmelisiniz vb. birçok iş ve planı barındırır Planlamayı zor yapan şey nedir? Dünya tahmin edilemez. Uçuş iptal edilebilir ya da uçak bakıma alınabilir Çok büyük miktarlarda olası durumlar vardır Bütün uçuşları ve bütün tarihlere göz attınız mı? hayır: akıl yürütme, olasılıklarınızı sınırlar YZ sistemleri yalnızca kısıtlanmış planlama problemlerinde başarılıdır Sonuç: Hayır. Gerçek dünya problemleri üzerinde planlama ve karar verme halen bilgisayarların yeteneklerini aşıyor istisna: çok iyi tanımlanmış, kısıtlı problemler.
YZ Sistemlerinin Pratik Alanda Kullanımlarının Özeti Konuşma sentezleme, tanıma ve anlama Kısıtlı sözcük dağarcığı uygulamaları için çok kullanışlı Kısıtlandırılmamış konuşma anlama problemi halen çok zor Bilgisayar görmesi Kısıtlı problemler için çalışıyor (el yazısı tanıma gibi) Gerçek dünyayı anlama, doğa bilimleri gibi alanlar halen çok zor Öğrenme Çeşitli kısıtlarına rağmen adaptif sistemlerin kullanım alanları var Planlama ve neden-sonuç ilişkisi kurma Kısıtlı problemler için çalışıyor (satranç gibi) Gerçek dünya problemleri halen çok zor Genel anlamda: Zeki sistemlerin birçok bileşeni yapılabilir
Günlük hayatımızda YZ Müşteri Hizmetleri Merkezi Otomatik ses tanıma Dijital Kameraları Yüz tanıma ve odaklanma Bilgisayar Oyunları Akıllı karakterler Beyaz Eşyalar Fuzzy çamaşır makinesi
Yapay Zekanın Değişik Tipleri 1. İnsanların düşüncesini modelleme 2. İnsanların davranışlarını modelleme 3. İdeal bir aracın nasıl düşünmesi gerektiğini modelleme 4. İdeal bir aracın nasıl davranması gerektiğini modelleme Modern YZ son tanıma odaklanmıştır Biz de bu mühendislik yaklaşımına odaklanacağız Başarı, aracın görevini yerine getirmesi ile ölçülür
İnsan gibi davranmak: Turing testi Turing (1950) hesaplama makinesi ve zeka Makineler düşünebilir mi?" Makineler akıllıca davranabilir mi? Akıllı davranış testi * Soru: Akıllı bir sistemin insan gibi davranması gerekli mi?
İnsan gibi düşünmek Bilişsel bilimin yaklaşımı İnsan zihnindekileri anlamaya çalışmak Ör: Tersine mühendislik ile nasıl öğrendiğimiz, hatırladığımızı, tahmin ettiğimizi anlamaya çalışmak Problemler İnsanlar rasyonel davranmazlar Ör: kazalar Tersine mühendislik zor bir iş Beynin donanımı bir bilgisayar programı için çok yabancıdır.
Rasyonel düşünmek Gerçek dünyayı problemlerini mantık ile ifade et. Bu problemler hakkında neden-sonuç ilişkisi kurmak için mantıksal işleçler kullan. Rasyonel düşünmek YZ için çok uygun bir yaklaşımdır Sınırları YZ aracının gerçek dünya ile ilgili bilmediği şeyleri hesaba katmaz Gerçek dünya problemleri için amaçları, maliyetleri vb. tanımlamanın bir yolu yok
Rasyonel davranmak Karar Teorisi Gerçek dünya problemi için durumları belirle YZ aracının gerçekleştirebileceği adımları belirle Fayda = Herbir adım/durum çifti için YZ aracının kazancı Bir YZ aracı eğer Fayda yı maksimize edecek adımları seçerse rasyonel olarak davranmış olur.
Yapay Zeka şu alanları kapsar Özet İşaretlerin otomatik olarak tanınması ve anlaşılması Neden-sonuç ilişkisi kurma, planlama, karar verme Öğrenme ve uyum sağlama YZ nın kısmen de olsa ilerlediği alanlar Tanıma ve öğrenme Bazı planlama ve neden-sonuç ilişkisi kurma problemleri fakat çok fazla açık çalışma alanı var YZ uygulamaları Endüstri, Sağlık, Bilim YZ nın rasyonel bakış açısı
Biz ne öğreneceğiz? 1. Yapay Zekaya Giriş 2. Arama Algoritmaları 3. Arama Algoritmaları 4. Karınca Kolonisi, Tavlam Benzetimi, Tabu Arama Algoritmaları 5. Karınca Kolonisi, Tavlam Benzetimi, Tabu Arama Algoritmaları nın Uygulamaları 6. Genetik Algoritma 7. Genetik Algoritma Uygulamaları 8. Yapay Sinir Ağları 9. Yapay Sinir Ağları 10. Yapay Sinir Ağları Uygulamaları 11. Bulanık Mantık 12. Bulanık Mantık Uygulamaları 13. Proje Sunumları 14. Proje sunumları
Değerlendirme Vize %30 Final %40 Proje %30 Ödev + 10 puan