Ongelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs
|
|
- Jere Auvinen
- 8 vuotta sitten
- Katselukertoja:
Transkriptio
1
2 Ongelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs ja jos voi, niin tulisiko sellainen rakentaa? Lasse Lensu 2
3 Ihmisen voidaan katsoa olevan älykäs. Ihminen onkin pitänyt itseään eliökunnan älykkäimpänä, mutta viime aikoina eläimistä on saatu esille yhä enemmän ihmisenkaltaiseen älykkyyteen viittaavia ominaisuuksia Lasse Lensu 3
4 Tietojenkäsittelyn perusteet 2 Älykkyys ja tekoäly Lasse Lensu 4
5 Älykkyys ja tekoäly Lasse Lensu 5
6 Älykkyys ja tekoäly Älykkyyden määrittelystä Älykkyyden mittaamisesta Tekoälystä ja etiikasta Tapaus 1: Propositiologiikan laajennuksista Tapaus 2: Tekoälyratkaisuista Lasse Lensu 6
7 Taustakysymyksiä Alaoutinen S Mitä on älykkyys? Mistä tietää, että ihminen/eläin on älykäs? Mistä tietää, että kone on älykäs? Voiko koneelle luoda ihmisenkaltaisen älyn? Voiko koneelle luoda tietoisuuden, tunteet? Jos olisi mahdollista rakentaa ihmisenkaltainen kone, tulisiko tehdä niin? Pitäisikö sellaisille koneille antaa samat oikeudet? Lasse Lensu 7
8 Älykkyyden määrittelystä Älykkyydelle on kehitetty lukuisia teorioita. Käsite kytkeytyy mieleen, oppimiseen ja mukautumiseen sekä myös kognitioon (aivoissa tapahtuvaan tietojenkäsittelyyn). Älykkyyttä voidaan ajatella olevan monilla tasoilla riippuen sen seurauksista (aikaansaamasta toiminnasta). Älykkyyteen viittaavia ominaisuuksia ovat esimerkiksi seuraavat: vuorovaikutus lajitoverien kanssa, puhe, oppiminen, toiminnan suunnittelu, päättely, ongelmanratkaisu, abstrakti ajattelu Lasse Lensu 8
9 Älykkään käyttäytymisen tasot Refleksi (behaviorismi): toiminnot ennalta määrättyjä vasteita syötteisiin. Älykkäämpi toiminta vaatii tietoa ympäristöstä: Mukautumista Tavoitteen hakua Oppimista Lasse Lensu 9
10 Älykkyyden mittaamisesta Älykkyyden määrittämiseen on pyritty kehittämään sekä määrällisiä että laadullisia testejä. Koska älykkyyttä on vaikea määritellä tyhjentävästi ja älykkyyteen liittyy erilaisia yhteismitattomia ominaisuuksia, niin sen mittaaminen psykometrisesti jonkin älykkyysosamäärän määrittämiseen on rajallista. Tavoite kokonaisvaltaisesta älykkyyden mittaamisesta on filosofisesti haastava Lasse Lensu 10
11 Turingin (älykkyys)testi Toteutustapa: Ihminen viestii ei-aistittavissa olevan kohteen kanssa kirjoituskoneen välityksellä. Testi: Pystyykö testaaja kertomaan, onko kohde ihminen vai kone? Vrt. John Searlen kiinalainen huone Lasse Lensu 11
12 Tekoäly Yhdistetään tietoa tietojenkäsittelystä, kielitieteestä, psykologiasta, filosofiasta. Tärkeimmät tekoälyn osa-alueet liittyvät tietämyksen esittämiseen ja ongelmanratkaisuun. Laskennallisen älykkyyden käytännön toteutus on tietämystekniikkaa. Rajatun aihepiirin tietämystekninen toteutus on asiantuntijajärjestelmä Lasse Lensu 12
13 Tekoälyyn liittyviä käsitteitä Tekoäly: pyrkimys saada tietokoneet suorittamaan älykkyyttä vaativia tehtäviä. Heikko tekoäly: tietokone auttaa mielen/älykkyyden (kognition) tutkimuksessa. Vahva tekoäly: tietokone pystyy ajattelemaan, ymmärtämään ja tuntemaan. Klassinen tekoäly: informaation prosessointi peräkkäistä ja symbolista (von Neumann tietokone). Konnektionistinen tekoäly: prosessointi rinnakkaista ja hajautettua Lasse Lensu 13
14 Laskentaa vai tietojenkäsittelyä Muistutuksena (edelleen osin ristiriitainen) jaottelu: Numeerinen tieto Algoritminen Teknismatemaattinen laskenta Symbolinen tieto Kaupallishallinnollinen tietojenkäsittely Ongelmanratkaisu Heuristinen Simulointi, signaalinkäsittely Tekoäly, tietämystekniikka Lasse Lensu 14
15 Tekoälyn päämäärä Antaa koneille kyky: Mitata ja havaita (kognition perusta) Käsitellä mittauksia ja tietoa (pohja oppimiseen, päättelyyn ja suunnitteluun) Oppia (oppivat algoritmit, laskennallinen älykkyys) Päätellä (luokittelu, ongelmanratkaisu) Suunnitella (optimointi, tuleva toiminta) Viestiä (tietojen keruu ja vaihto) Siirtää ja käsitellä esineitä (robotiikka) Lasse Lensu 15
16 Välineitä tekoälyn toteuttamiseen (Sääntöpohjaiset) asiantuntijajärjestelmät Laskennallisesti älykkäät menetelmät Sumeat järjestelmät Neuroverkot Evoluutiolaskenta (geneettiset algoritmit) Parviäly (engl. swarm intelligence) Fraktaalit Kaaosteoria Keinotekoiset immuunijärjestelmät Tietokonenäkö Lasse Lensu 16
17 Havaitsemisen toteuttamisesta Signaalinkäsittely Hahmontunnistus (Tieto)konenäkö Neuroverkot Lasse Lensu 17
18 Palapeliongelma Lasse Lensu 18
19 Palapelikone Lasse Lensu 19
20 Robotiikan kolme pääsääntöä Isaac Asimov 1.Robotti ei saa vahingoittaa ihmistä eikä laiminlyönnin johdosta saattaa tätä vahingoittumaan. 2.Robotin on toteltava ihmisen sille antamia määräyksiä paitsi milloin ne ovat ristiriidassa ensimmäisen pääsäännön kanssa. 3.Robotin on varjeltava omaa olemassaoloaan niin kauan kuin tällainen varjeleminen ei ole ristiriidassa ensimmäisen eikä toisen pääsäännön kanssa. Sääntö 0. Robotin tulee suojella ihmiskuntaa: Tällöin muihin pääsääntöihin lisätään määreet "mikäli se ei riko edellisiä" Lasse Lensu 20
21 Tietämyksen esittämisestä Logiikka Sääntöjärjestelmät Tietämyksen rakenne Epätäsmällinen tietämys Sumeat järjestelmät Lasse Lensu 21
22 Logiikka Keskeisin tietämyksen esittämisen menetelmä Predikaattilogiikka helposti toteutettavissa tietokoneella Koko kieli liian raskas käytännön sovelluksissa rajoitutaan helposti käsiteltäviin muotoihin Lasse Lensu 22
23 Sääntöjärjestelmät Rajoitettu logiikka Tietämys esitetty sääntömäisillä lauseilla Sääntö: ehto + seuraus Työmuisti, sääntömuisti, tulkki Säännöt itsenäisiä tietämyksen palasia, eivät vaikuta toistensa toimintaan Tulkki ratkaisee sääntöjärjestelmän toiminnan Asiantuntijajärjestelmien toteuttamiseen Ihmisen ongelmanratkonnan mallintamiseen Lasse Lensu 23
24 Tietämyksen rakenne Rajoitutaan laskennallisesti yksinkertaisiin muotoihin (pred. logiikka) Tietämys esitetään semanttisena verkkona Tietämyksen rajoittaminen Lasse Lensu 24
25 Semanttinen verkko Lasse Lensu 25
26 Epätäsmällinen tietämys Epätäsmällinen ilmiö, teoria, tietämyksen kuvaus Todennäköisyyslaskentaan perustuvat menetelmät Logiikkapohjaiset menetelmät Lasse Lensu 26
27 Sumeat järjestelmät Hyödyntävät sumeita joukkoja ja sumeaa logiikkaa Kohde voi kuulua joukkoon vain osittain: 1 0,8 0,6 0,4 Nuori(x) 0, Lasse Lensu 27
28 Sumea logiikka Jussi on melko nuori Jussi on nuori? Melko tosi Auton nopeus on melko suuri Jos auton nopeus on suuri, jarrutusmatka on pitkä Jarrutusmatka on melko pitkä Lasse Lensu 28
29 Ongelmien ratkaisemisesta Päätöksentekotilanteen vaihtoehtojen selvitys ja vaihtoehdon valinta: Haku Tehtäväsuunnittelu Päätösanalyysi Hajautettu tekoäly Lasse Lensu 29
30 Haku Keskeisin ongelmanratkonnan tekniikka Vaihtoehtoja tuotetaan ja tutkitaan jonkin strategian mukaan Kombinatorinen räjähdys heuristinen haku Haun ohjaus: kumoamattomat / kokeilevat strategiat Haun suuntaaminen: leveys/syvyys/kaksisuuntainen Lasse Lensu 30
31 Tehtäväsuunnittelu Toimenpidejonojen tuottaminen tavoitteeseen pääsemiseksi Tavoitteet + alkutila = ongelma Toimenpiteet maailmantilan muuttamiseksi Edellytykset Maailma ennustettavissa Ongelma paloiteltavissa Lasse Lensu 31
32 Päätösanalyysi Parhaan ratkaisuvaihtoehdon valinta matemaattisesti Todennäköisyyslaskenta Hyötyteoria Käytetään esimerkiksi päätöksenteon tukijärjestelmissä Lasse Lensu 32
33 Hajautettu tekoäly Yhteistyön älyllisten kykyjen tutkimista laskennallisten mallien avulla Tietämyksen ja ongelmanratkaisun hajauttaminen usean älykkään agentin kesken ja tästä syntyvät ongelmat mm. kommunikoinnissa Lasse Lensu 33
34 Yhteenveto Ihmisen voidaan katsoa olevan älykäs, mutta älykkyyden määrittely ja objektiivinen testaaminen on haastavaa. Älykkyyteen viittaavia ominaisuuksia ovat esimerkiksi vuorovaikutus lajitoverien kanssa, puhe, oppiminen, toiminnan suunnittelu, päättely, ongelmanratkaisu, abstrakti ajattelu. Tekoäly pyrkii bioniikan hengessä lainaamaan hyviä ratkaisuja luonnosta laskennallisen älykkyyden toteuttamiseksi Lasse Lensu 34
Tilastotiede ottaa aivoon
Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen
LisätiedotTilastotiede ottaa aivoon
Tilastotiede ottaa aivoon kuinka aivoja voidaan mallintaa todennäköisyyslaskennalla, ja mitä yllättävää hyötyä siitä voi olla Aapo Hyvärinen Laskennallisen data-analyysin professori Matematiikan ja tilastotieteen
LisätiedotOngelma(t): Miten digitaalista tietoa voidaan toisintaa ja visualisoida? Miten monimutkaista tietoa voidaan toisintaa ja visualisoida?
Ongelma(t): Miten digitaalista tietoa voidaan toisintaa ja visualisoida? Miten monimutkaista tietoa voidaan toisintaa ja visualisoida? 2 Tieto on koodattu aikaisempaa yleisemmin digitaaliseen muotoon,
LisätiedotLaskut käyvät hermoille
Laskut käyvät hermoille - Miten ja miksi aivoissa lasketaan todennäköisyyksiä Aapo Hyvärinen Matematiikan ja tilastotieteen laitos & Tietojenkäsittelytieteen laitos Helsingin Yliopisto Tieteen päivät 13.1.2011
LisätiedotTEKOÄLY JA TIETOISET KONEET
ITU:n Kansainvälinen Telepäivä 17.5.2018 TEKOÄLY JA TIETOISET KONEET Pentti O A Haikonen, TkT JOHTAAKO TEKOÄLY KONETIETOISUUDEN SYNTYYN? TULEEKO INTERNET TIETOISEKSI? ALUSSA OLI ENIAC SÄHKÖAIVOT Ensimmäiset
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 4 OP PERIODI 1: 6.9.2012-12.10.2012 (6 VIIKKOA) LUENNOT (B123, LINUS TORVALDS -AUDITORIO): TO 10-12, PE 12-14 LASKUHARJOITUKSET
LisätiedotKoneoppiminen ja tekoäly suurten tietomassojen käsittelyssä yleensä ja erityisesti sovellettuina satelliittidatan käyttöön metsien arvioinnissa
Koneoppiminen ja tekoäly suurten tietomassojen käsittelyssä yleensä ja erityisesti sovellettuina satelliittidatan käyttöön metsien arvioinnissa Metsätieteen päivä 26.11.2018 Jorma Laaksonen, vanhempi yliopistonlehtori
LisätiedotTekoäly ja sen soveltaminen yrityksissä. Mika Rantonen
Tekoäly ja sen soveltaminen yrityksissä Mika Rantonen Tekoäly- paljon puhetta, mistä kyse? Lyhyesti sanottuna: tekoäly on sellaista koneen tekemää toimintaa, joka ihmisen tekemänä olisi älykästä Otetaan
LisätiedotKieli merkitys ja logiikka. 2: Helpot ja monimutkaiset. Luento 2. Monimutkaiset ongelmat. Monimutkaiset ongelmat
Luento 2. Kieli merkitys ja logiikka 2: Helpot ja monimutkaiset Helpot ja monimutkaiset ongelmat Tehtävä: etsi säkillinen rahaa talosta, jossa on monta huonetta. Ratkaisu: täydellinen haku käy huoneet
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 5 OP PERIODI 1: 4.9.2014-17.10.2012 (7 VIIKKOA+KOE) LUENNOT (B123, LINUS TORVALDS -AUDITORIO): TO 10-12, PE 12-14
LisätiedotJUHTA ja VAHTI juhlatilaisuus, Tietojärjestelmien tulevaisuudesta tekoälyn kehityksen näkökulmasta. Timo Honkela.
JUHTA ja VAHTI juhlatilaisuus, 2017 Tietojärjestelmien tulevaisuudesta tekoälyn kehityksen näkökulmasta Timo Honkela timo.honkela@helsinki.fi 31. lokakuuta 2017 Ihmisestä ja ihmisyhteisöistä Kuva:/skylgroup.com/communities--socities/
LisätiedotTekoälyn perusteita ja sovelluksia (TIEP1000)
Tekoälyn perusteita ja sovelluksia (TIEP1000) Informaatioteknologian tiedekunta 6. marraskuuta 2018 JYU. Since 1863. 6.11.2018 1 Kurssin osanottajat Tiedekunta Ei tiedossa 3 HTK 77 ITK 211 KTK 4 LTK 20
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 5 OP PERIODI 3: 18.1.2016-6.3.2016 (7 VIIKKOA+KOE) LUENNOT (CK112): MA 14-16, TI 14-16 LASKUHARJOITUKSET: RYHMÄ
LisätiedotTodistus: Aiemmin esitetyn mukaan jos A ja A ovat rekursiivisesti lueteltavia, niin A on rekursiivinen.
Lause: Tyhjyysongelma ei ole osittain ratkeava; ts. kieli ei ole rekursiivisesti lueteltava. L e = { w { 0, 1 } L(M w ) = } Todistus: Aiemmin esitetyn mukaan jos A ja A ovat rekursiivisesti lueteltavia,
LisätiedotOngelma(t): Mikä on Turingin kone? Miten Turingin kone liittyy funktioihin ja algoritmeihin? Miten Turingin kone liittyy tietokoneisiin?
Ongelma(t): Mikä on Turingin kone? Miten Turingin kone liittyy funktioihin ja algoritmeihin? Miten Turingin kone liittyy tietokoneisiin? 2013-2014 Lasse Lensu 2 Algoritmit ovat deterministisiä toimintaohjeita
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS KURSSIN PERUSTIEDOT VALINNAINEN AINEOPINTOTASOINEN KURSSI, 5 OP PERIODI 3: 16.1.2017-3.3.2016 (7 VIIKKOA+KOE) LUENNOT (CK112): MA 14-16, TI 14-16 LASKUHARJOITUKSET: RYHMÄ
Lisätiedot<raikasta digitaalista ajattelua>
Citrus on digitaalisten palveluiden rakentaja. Työtämme ohjaavat luova itsenäinen ajattelu ja vankka teknologiaosaaminen. Työmme tuloksena syntyy helppokäyttöisiä ja älykkäitä
LisätiedotKiinnostuspohjainen topologian hallinta järjestämättömissä vertaisverkoissa
Kiinnostuspohjainen topologian hallinta järjestämättömissä vertaisverkoissa Lektio 20.12.2012, Annemari Soranto Tietotekniikan laitos annemari.k.soranto@jyu.fi 1 Agenda Vertaisverkon määritelmä Haku vertaisverkossa
LisätiedotA lyka s kunta - avoin, luova, virheet tunnistava ja uutta oppiva
A lyka s kunta - avoin, luova, virheet tunnistava ja uutta oppiva Jari Stenvall Professori Johtamiskorkeakoulu/ Tampereen yliopisto Jari.stenvall@uta.fi Sisältö Miltä älykkäiden kuntien kehittämispolitiikka
LisätiedotLaskennallinen älykkyys. Computational Intelligence
Laskennallinen älykkyys Computational Intelligence LASKENNALLISEN ÄLYKKYYDEN TUTKIMUS TUTKIMUSKOHTEITAMME Työvoiman hallinnan optimointi Reitti- ja logistiikkaoptimointi Ammattilaisliigojen sarjaohjelmien
LisätiedotTekoäly tukiäly. Eija Kalliala, Marjatta Ikkala
Tekoäly tukiäly Eija Kalliala, Marjatta Ikkala 29.11.2018 Mitä on tekoäly? Unelma koneesta, joka ajattelee kuin ihminen Hype-sana, jota kuulee joka paikassa Väärinymmärretty sana -> vääriä odotuksia, pelkoja
LisätiedotKestävä aivotyö aivotyön tuottavuus
Kestävä aivotyö aivotyön tuottavuus Liito-ohjelman vuosiseminaari 8.9.2009 Työelämä muuttuu muuttuuko johtaminen? tutkimusprofessori Kiti Müller Aivot ja työ tutkimuskeskus Aivot ja työ tutkimuskeskus
LisätiedotKOHTI TIETOISIA ROBOTTEJA
SESKOn kevätseminaari 2017 KOHTI TIETOISIA ROBOTTEJA Dr. Pentti O A Haikonen Adjunct Professor Department of Philosophy University of Illinois at Springfield pentti.haikonen@pp.inet.fi ESITYKSEN PÄÄAIHEET
LisätiedotKielellisten merkitysten tilastollinen ja psykologinen luonne: Kognitiivisia ja filosofisia näkökulmia. Timo Honkela.
Kielellisten merkitysten tilastollinen ja psykologinen luonne: Kognitiivisia ja filosofisia näkökulmia Timo Honkela timo.honkela@helsinki.fi Helsingin yliopisto 29.3.2017 Merkityksen teoriasta Minkälaisista
LisätiedotTulevaisuuden ja kehitteillä olevat tekniikat (FET)
Tulevaisuuden ja kehitteillä olevat tekniikat (FET) Hoitavatko robotit, mihin tietokone on kadonnut? Pekka Karp Euroopan komissio Tietoyhteiskunnan tekniikat PK - Joensuu 27/05/02 FET= Future and Emerging
LisätiedotLaskennallinen älykkyys. Computational Intelligence
Laskennallinen älykkyys Computational Intelligence MITEN PIDÄN TEIDÄT HEREILLÄ? SAMK ja laskennallisen älykkyyden tutkimus Lyhyesti muutamasta ongelmasta Miten jääkiekon SM liigan sarjaohjelma laaditaan?
LisätiedotAlgoritmit. Ohjelman tekemisen hahmottamisessa käytetään
Ohjelmointi Ohjelmoinnissa koneelle annetaan tarkkoja käskyjä siitä, mitä koneen tulisi tehdä. Ohjelmointikieliä on olemassa useita satoja. Ohjelmoinnissa on oleellista asioiden hyvä suunnittelu etukäteen.
LisätiedotItseorganisoituvat hermoverkot: Viitekehys mielen ja kielen, aivokuoren ja käsitteiden tarkasteluun
Itseorganisoituvat hermoverkot: Viitekehys mielen ja kielen, aivokuoren ja käsitteiden tarkasteluun Timo Honkela Kognitiivisten järjestelmien tutkimusryhmä Adaptiivisen informatiikan tutkimuskeskus Tietojenkäsittelytieteen
LisätiedotTekoäly tänään , Vadim Kulikov (Helsingin Yliopisto)
Tekoäly tänään 6.6.2017, Vadim Kulikov (Helsingin Yliopisto) Lyhyesti: kehitys kognitiotieteessä Representationalismi, Kognitio on symbolien manipulointia. Symbolinen tekoäly. Sääntöpohjaiset järjestelmät
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotLouhi-projektin kokemukset oppina. Tekoälyä hoitohenkilökunnalle
Louhi-projektin kokemukset oppina Tekoälyä hoitohenkilökunnalle DI Antti Airola IT-laitos FM Veronika Laippala IT-laitos ja Ranskan kieli Sh Riitta Danielsson-Ojala TYKS Tieteidenvälisyyden esteet ja karikot
LisätiedotOPETUKSEN JA OPPIMISEN PERUSTEET: Oppimisen käsitteitä P3, osa 2 Hannele Niemi syksy 2015
OPETUKSEN JA OPPIMISEN PERUSTEET: Oppimisen käsitteitä P3, osa 2 Hannele Niemi syksy 2015 Käyttäytymistieteellinen tiedekunta / Hannele Niemi 28.10.2015 1 Oppimisen käsitteen laajeneminen Oppiminen on
LisätiedotTuringin testin historia
Turingin testin historia Jessika Penttinen Seminaariesitelmä Tietojenkäsittelytieteen historia, kevät 2007 Slide 1 Esityksen rakenne Johdanto - Mikä on Turingin testi Turingin testi eri vuosikymmeninä
LisätiedotLakkautetut vastavat opintojaksot: Mat Matematiikan peruskurssi P2-IV (5 op) Mat Sovellettu todennäköisyyslaskenta B (5 op)
KORVAVUUSLISTA 31.10.2005/RR 1 KURSSIT, jotka luennoidaan 2005-2006 : Lakkautetut vastavat opintojaksot: Mat-1.1010 Matematiikan peruskurssi L 1 (10 op) Mat-1.401 Mat-1.1020 Matematiikan peruskurssi L
LisätiedotOngelma 1: Ovatko kaikki tehtävät/ongelmat deterministisiä?
Ongelma 1: Ovatko kaikki tehtävät/ongelmat deterministisiä? 2012-2013 Lasse Lensu 2 Ongelma 2: Milloin ongelmat muuttuvat oikeasti hankaliksi? 2012-2013 Lasse Lensu 3 Ongelma 3: Miten hankalia ongelmia
LisätiedotTarvitseeko informaatioteknologia matematiikkaa?
Tarvitseeko informaatioteknologia matematiikkaa? Oulun yliopisto Matemaattisten tieteiden laitos 1 Kyllä kai IT matematiikkaa tarvitsee!? IT ja muu korkea teknologia on nimenomaan matemaattista teknologiaa.
Lisätiedot11. Oppimismotivaatio ja tehokas oppiminen. (s )
11. Oppimismotivaatio ja tehokas oppiminen (s. 124-133) Käsitys itsestä oppijana käsitys itsestä oppijana muodostuu kokemusten pohjalta vaikuttavat esim. skeemat itsestä oppijana ja oppiaineesta tunteet
LisätiedotMyös opettajaksi aikova voi suorittaa LuK-tutkinnon, mutta sillä ei saa opettajan kelpoisuutta.
Tietojenkäsittelytiede Tutkintovaatimukset Perustutkinnot LUONNONTIETEIDEN KANDIDAATIN TUTKINTO (VÄHINTÄÄN 120 OV) 1. Tietojenkäsittelytieteen cum laude approbatur -oppimäärä (vähintään 55 ov) ja kypsyysnäyte
LisätiedotLuonnollisella kielellä keskustelevat järjestelmät
Luonnollisella kielellä keskustelevat järjestelmät Jussi Lepistö (jussi.lepisto@cs.helsinki.fi) Helsingin Yliopisto Tieteellisen kirjoittamisen kurssi Johdanto Esittelen luonnollisella kielellä keskustelevien
LisätiedotMatematiikan olemus Juha Oikkonen juha.oikkonen@helsinki.fi
Matematiikan olemus Juha Oikkonen juha.oikkonen@helsinki.fi 1 Eri näkökulmia A Matematiikka välineenä B Matematiikka formaalina järjestelmänä C Matematiikka kulttuurina Matemaattinen ajattelu ja matematiikan
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotJOHDATUS TEKOÄLYYN TEEMU ROOS
JOHDATUS TEKOÄLYYN TEEMU ROOS NEUROVERKOT TURINGIN KONE (TAI TAVALLINEN OHJELMOINTI) VAIN YKSI LASKENNAN MALLI ELÄINTEN HERMOSTOSSA LASKENTA ERILAISTA: - RINNAKKAISUUS - STOKASTISUUS (SATUNNAISUUS) - MASSIIVINEN
LisätiedotRobotiikan opetussuunnitelma
Robotiikan opetussuunnitelma Esi- ja alkuopetus Esi-ja alkuopetuksessa robotiikkaa ja ohjelmoinnillista ajattelua opiskellaan oppiainekohtaisten opetussuunnitelmien mukaisesti, sekä mahdollisuuksien mukaan
LisätiedotPSYKOLOGIA Opetuksen tavoitteet Aihekokonaisuudet Arviointi
PSYKOLOGIA Ihmisen toimintaa tutkivana tieteenä psykologia antaa opiskelijalle valmiuksia havainnoida ja ymmärtää monipuolisesti ihmistä ja hänen toimintaansa vaikuttavia tekijöitä. Psykologisen tiedon
LisätiedotAlgoritmit 1. Luento 3 Ti Timo Männikkö
Algoritmit 1 Luento 3 Ti 17.1.2017 Timo Männikkö Luento 3 Algoritmin analysointi Rekursio Lomituslajittelu Aikavaativuus Tietorakenteet Pino Algoritmit 1 Kevät 2017 Luento 3 Ti 17.1.2017 2/27 Algoritmien
LisätiedotTodistamisessa on tärkeää erottaa tapaukset, kun sääntö pätee joillakin tai kun sääntö pätee kaikilla. Esim. On olemassa reaaliluku x, jolle x = 5.
3.4 Kvanttorit Todistamisessa on tärkeää erottaa tapaukset, kun sääntö pätee joillakin tai kun sääntö pätee kaikilla. Esim. On olemassa reaaliluku x, jolle x = 5. Kaikilla reaaliluvuilla x pätee x+1 >
LisätiedotOngelma(t): Miten tietokoneen komponentteja voi ohjata siten, että ne tekevät yhdessä jotakin järkevää? Voiko tietokonetta ohjata (ohjelmoida) siten,
Ongelma(t): Miten tietokoneen komponentteja voi ohjata siten, että ne tekevät yhdessä jotakin järkevää? Voiko tietokonetta ohjata (ohjelmoida) siten, että se pystyy suorittamaan kaikki mahdolliset algoritmit?
LisätiedotOppilas tunnistaa ympäristöopin eri tiedonalat.
Ympäristöoppi 4.lk Arvioinnin tuki Arvioitavat tavoitteet 5 6-7 6=osa toteutuu 7=kaikki toteutuu T1 synnyttää ja ylläpitää oppilaan kiinnostusta ympäristöön ja opiskeluun sekä auttaa oppilasta kokemaan
LisätiedotSatunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos
Satunnaisalgoritmit Topi Paavilainen Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos Helsinki, 23. helmikuuta 2014 1 Johdanto Satunnaisalgoritmit ovat algoritmeja, joiden
Lisätiedot5.1 Semanttisten puiden muodostaminen
Luku 5 SEMNTTISET PUUT 51 Semanttisten puiden muodostaminen Esimerkki 80 Tarkastellaan kysymystä, onko kaava = (( p 0 p 1 ) (p 1 p 2 )) toteutuva Tätä voidaan tutkia päättelemällä semanttisesti seuraavaan
LisätiedotEsa Saarinen Filosofia ja systeemiajattelu. Luento 2 Aku Ankka ja seuraava vaihe. Dipoli, sali 1 Aalto-yliopisto 29.1.2014
Esa Saarinen Filosofia ja systeemiajattelu Luento 2 Aku Ankka ja seuraava vaihe Dipoli, sali 1 Aalto-yliopisto 29.1.2014 Muistutuksena vielä, että tavoitteena ei ole ensisijaisesti tarjota uutta tietoa
Lisätiedotetunimi, sukunimi ja opiskelijanumero ja näillä
Sisällys 1. Algoritmi Algoritmin määritelmä. Aiheen pariin johdatteleva esimerkki. ja operaatiot (sijoitus, aritmetiikka ja vertailu). Algoritmista ohjelmaksi. 1.1 1.2 Algoritmin määritelmä Ohjelmointi
LisätiedotVerkko-oppiminen: Teoriasta malleihin ja hyviin käytäntöihin. Marleena Ahonen. TieVie-koulutus Jyväskylän lähiseminaari
Verkko-oppiminen: Teoriasta malleihin ja hyviin käytäntöihin Marleena Ahonen TieVie-koulutus Jyväskylän lähiseminaari Virtuaaliyliopistohankkeen taustaa: - Tavoitteena koota verkko-oppimisen alueen ajankohtaista
LisätiedotTilaisuus alkaa klo 9 ( ). #digibarometri Wi-Fi: FinlandiaHall
Tilaisuus alkaa klo 9 (15.6.2017). #digibarometri Wi-Fi: FinlandiaHall Tervetuloa Tuomo Luoma, Verkkoteollisuus @tluoma #digibarometri Julkistaminen Petri Rouvinen, Etlatieto Oy #digibarometri 2016 2017
LisätiedotFI3 Tiedon ja todellisuuden filosofia LOGIIKKA. 1.1 Logiikan ymmärtämiseksi on tärkeää osata erottaa muoto ja sisältö toisistaan:
LOGIIKKA 1 Mitä logiikka on? päättelyn tiede o oppi muodollisesti pätevästä päättelystä 1.1 Logiikan ymmärtämiseksi on tärkeää osata erottaa muoto ja sisältö toisistaan: sisältö, merkitys: onko jokin premissi
LisätiedotEero Hyvönen. Semanttinen web. Linkitetyn avoimen datan käsikirja
Eero Hyvönen Semanttinen web Linkitetyn avoimen datan käsikirja WSOY:n kirjallisuussäätiö on tukenut teoksen kirjoittamista Copyright 2018 Eero Hyvönen & Gaudeamus Gaudeamus Oy www.gaudeamus.fi Kansi:
LisätiedotYhdyssana suomen kielessä ja puheessa
Yhdyssana suomen kielessä ja puheessa Tommi Nieminen Jyväskylän yliopisto Anna Lantee Tampereen yliopisto 37. Kielitieteen päivät Helsingissä 20. 22.5.2010 Yhdyssanan ortografian historia yhdyssanan käsite
LisätiedotItsetunto. Itsetunto tarkoittaa ihmisen tunteita ja ajatuksia itsestään sekä sitä miten hän kunnioittaa ja arvostaa itseään.
Itsetunto Itsetunto tarkoittaa ihmisen tunteita ja ajatuksia itsestään sekä sitä miten hän kunnioittaa ja arvostaa itseään. Kaikista tärkein vaihe itsetunnon kehittymisessä on lapsuus ja nuoruus. Olen
LisätiedotProfessori Esa Saarinen & Prof. Raimo P. Hämäläinen Systeeminalyysin laboratorio
Professori Esa Saarinen & Systeemiäly Prof. Raimo P. Hämäläinen Systeeminalyysin laboratorio Systeemitieteet Systeemi- ja operaatiotutkimus Paremmaksi tekemisen tiede Ongelmanratkaisua monimutkaisissa
LisätiedotTAUCHI Tampere Unit for Computer-Human Interaction Aktiiviset oppimistilat kampuksella
Aktiiviset oppimistilat kampuksella Jussi Okkonen, projektipäällikkö Arto Hippula, yhteyspäällikkö Roope Raisamo, professori SIS/ TAUCHI Tampereen yliopisto Tausta Oppimisen ja tutkintojen tavoitteet asetetaan
LisätiedotKäyttöliittymä. Ihmisen ja tuotteen välinen rajapinta. ei rajoitu pelkästään tietokoneisiin
Käyttöliittymä Ihmisen ja tuotteen välinen rajapinta ei rajoitu pelkästään tietokoneisiin Tasot: 1. Teknis-fysiologis-ergonimen 2. Käsitteellis-havainnoillinen 3. Toiminnallis-kontekstuaalinen, käyttötilanne
LisätiedotTalousmatematiikan perusteet ORMS.1030
orms.1030 Vaasan avoin yliopisto / kevät 2013 1 Talousmatematiikan perusteet Matti Laaksonen Matemaattiset tieteet Vaasan yliopisto Vastaanotto to 11-12 huone D110/Tervahovi Sähköposti: matti.laaksonen@uva.fi
LisätiedotTalousmatematiikan perusteet ORMS.1030
kevät 2014 Talousmatematiikan perusteet Matti Laaksonen, (Matemaattiset tieteet / Vaasan yliopisto) Vastaanotto to 11-12 huone D110/Tervahovi Sähköposti: matti.laaksonen@uva.fi Opettajan kotisivu: http://lipas.uwasa.fi/
LisätiedotOpetuksen tavoite: T1 tukea oppilaan innostusta ja kiinnostusta matematiikkaa kohtaan sekä myönteisen minäkuvan ja itseluottamuksen kehittymistä
MATEMATIIKKA JOENSUUN SEUDUN OPETUSSUUNNITELMASSA Merkitys, arvot ja asenteet Opetuksen tavoite: T1 tukea oppilaan innostusta ja kiinnostusta matematiikkaa kohtaan sekä myönteisen minäkuvan ja itseluottamuksen
LisätiedotRajoittamattomat kieliopit (Unrestricted Grammars)
Rajoittamattomat kieliopit (Unrestricted Grammars) Laura Pesola Laskennanteorian opintopiiri 13.2.2013 Formaalit kieliopit Sisältävät aina Säännöt (esim. A -> B C abc) Muuttujat (A, B, C, S) Aloitussymboli
LisätiedotJuha Merikoski. Jyväskylän yliopiston Fysiikan laitos Kevät 2009
FYSP120 FYSIIKAN NUMEERISET MENETELMÄT Juha Merikoski Jyväskylän yliopiston Fysiikan laitos Kevät 2009 1 Kurssin sisältö JOHDANTOA, KÄSITTEITÄ, VÄLINEITÄ [1A] Laskennallista fysiikkaa [1B] Matlabin alkeita
LisätiedotÄlykkyyttä, mutta millä hinnalla. Logistics 14 -tapahtuma Dr. Karri Rantasila, Asiakaspäällikkö Liikenne ja logistiikka VTT
Älykkyyttä, mutta millä hinnalla Logistics 14 -tapahtuma Dr. Karri Rantasila, Asiakaspäällikkö Liikenne ja logistiikka VTT Click Logistiikan to edit merkitys Master title yrityksille style Logistiikkakustannukset
LisätiedotKognitiivinen psykologia tutkii tiedonkäsittelyä. Neuropsykologia tutkii aivojen ja mielen suhdetta MITEN AIVOT TOIMIVAT?
SISÄLLYS I IHMINEN KÄSITTELEE JATKUVASTI TIETOA 10 1 Kognitiivinen psykologia tutkii tiedonkäsittelyä 12 Ympäristöön sopeudutaan kognitiivisten toimintojen avulla Kaikki asiat eivät tule tietoisuuteen
LisätiedotRobotit kuntien päätöksenteon tukena
Robotit kuntien päätöksenteon tukena Kuntamarkkinat 11.9.2019 Alkuun vähän taustaa... Miksi emme enää ole köyhiä? Digitalisaatio Laajaalainen taloudellinen ja yhteiskunnallinen muutosprosessi, jonka
LisätiedotUUDET INNOVAATIOT. Professori Heikki Kälviäinen Koulutusohjelman johtaja Laitoksen johtaja
UUDET INNOVAATIOT Professori Heikki Kälviäinen Koulutusohjelman johtaja Laitoksen johtaja Tietojenkäsittelytekniikan professori Konenäön ja hahmontunnistuksen laboratorio Tietotekniikan laitos Teknistaloudellinen
LisätiedotKieli merkitys ja logiikka. 4: Luovuus, assosiationismi. Luovuus ja assosiationismi. Kielen luovuus. Descartes ja dualismi
Luovuus ja assosiationismi Kieli merkitys ja logiikka 4: Luovuus, assosiationismi Käsittelemme ensin assosiationismin kokonaan, sen jälkeen siirrymme kombinatoriseen luovuuteen ja konstituenttimalleihin
Lisätiedot1. Algoritmi 1.1 Sisällys Algoritmin määritelmä. Aiheen pariin johdatteleva esimerkki. Muuttujat ja operaatiot (sijoitus, aritmetiikka ja vertailu). Algoritmista ohjelmaksi. 1.2 Algoritmin määritelmä Ohjelmointi
LisätiedotAlkukartoitus Opiskeluvalmiudet
Alkukartoitus Opiskeluvalmiudet Päivämäärä.. Oppilaitos.. Nimi.. Tehtävä 1 Millainen kielenoppija sinä olet? Merkitse rastilla (x) lauseet, jotka kertovat sinun tyylistäsi oppia ja käyttää kieltä. 1. Muistan
LisätiedotTalousmatematiikan perusteet ORMS.1030
orms.1030 Vaasan yliopisto / kevät 2015 Talousmatematiikan perusteet Matti Laaksonen Matemaattiset tieteet, Vaasan yliopisto Vastaanotto to 11-12 huone D110/Tervahovi Sähköposti: matti.laaksonen@uva.fi
LisätiedotTeknososiaalisuus ihmisen ja teknologian kohtaaminen sote-alalla
Teknososiaalisuus ihmisen ja teknologian kohtaaminen sote-alalla Tuomo Alasoini tuomo.alasoini@ttl.fi @tuomoalasoini Digitaalitekniikan läpimurrot ovat mahdollistaneet erilaisessa muodossa, kuten kuvana,
LisätiedotTuotteen oppiminen. Käytettävyyden psykologia syksy 2004. T-121.200 syksy 2004
Tuotteen oppiminen Käytettävyyden psykologia syksy 2004 Oppiminen Havainto Kognitiiviset muutokset yksilössä Oppiminen on uuden tiedon omaksumista, joka perustuu havaintoon Ärsyke Behavioristinen malli
LisätiedotKieli merkitys ja logiikka
Luento 10 Kieli merkitys ja logiikka Predikaattilogiikka Kielen oppimisen ongelma Ärsykkeen heikkous Luento 10: Kielen oppimisen ongelma Merge Merge Kombinatorinen luovuus: symboleita yhdistelemällä voidaan
LisätiedotJulkinen loppuraportti Simua Startupin nopea kokeilu Oulun Ritaharjun koulussa
Julkinen loppuraportti 7.8.2019 Simua Startupin nopea kokeilu Oulun Ritaharjun koulussa Oulun kaupungin nopeiden kokeilujen ohjelma II, Kevät/2019 Tulevaisuuden älykkäät oppimisympäristöt Kokeilun esittely
LisätiedotLisää kvanttoreista ja päättelyä sekä predikaattilogiikan totuustaulukot 1. Negaation siirto kvanttorin ohi
Lisää kvanttoreista ja päättelyä sekä predikaattilogiikan totuustaulukot 1. Negaation siirto kvanttorin ohi LUKUTEORIA JA TODISTAMINEN, MAA11 Esimerkki a) Lauseen Kaikki johtajat ovat miehiä negaatio ei
LisätiedotOngelma(t): Miten merkkijonoja voidaan hakea tehokkaasti? Millaisia hakuongelmia liittyy bioinformatiikkaan?
Ongelma(t): Miten merkkijonoja voidaan hakea tehokkaasti? Millaisia hakuongelmia liittyy bioinformatiikkaan? 2012-2013 Lasse Lensu 2 Ihmisen, eläinten ja kasvien hyvinvoinnin kannalta nykyaikaiset mittaus-,
LisätiedotMillainen on menestyvä digitaalinen palvelu?
Millainen on menestyvä digitaalinen palvelu? TOIMIVA ÄLYKÄS ILAHDUTTAVA Ohjelmistokehitys Testaus ja laadunvarmistus Ohjelmistorobotiikka Tekoäly Käyttöliittymäsuunnittelu Käyttäjäkokemussuunnittelu 1
Lisätiedot5. Luento: Rinnakkaisuus ja reaaliaika. Tommi Mikkonen, tommi.mikkonen@tut.fi
5. Luento: Rinnakkaisuus ja reaaliaika Tommi Mikkonen, tommi.mikkonen@tut.fi Agenda Perusongelmat Jako prosesseihin Reaaliaika Rinnakkaisuus Rinnakkaisuus tarkoittaa tässä yhteydessä useamman kuin yhden
LisätiedotSisällys PSYKOLOGIA AUTTAA YMMÄRTÄMÄÄN IHMISIÄ. Psykologia tutkii ihmisen toimintaa. Psykologiassa on lukuisia osa-alueita ja sovelluskohteita
Sisällys I 1 PSYKOLOGIA AUTTAA YMMÄRTÄMÄÄN IHMISIÄ 10 Psykologia tutkii ihmisen toimintaa 12 Mielen tapahtumat ja käyttäytyminen muodostavat ihmisen toiminnan Psykologian suuntaukset lähestyvät ihmistä
LisätiedotVerkon värittämistä hajautetuilla algoritmeilla
Verkon värittämistä hajautetuilla algoritmeilla 5 12 30 19 72 34 Jukka Suomela 15 77 18 4 9. tammikuuta 2012 19 2 68 Verkko 2 Verkko solmu 3 Verkko solmu kaari 4 Hajautettu järjestelmä solmu (tietokone)
LisätiedotAlgoritmit 2. Luento 13 Ti Timo Männikkö
Algoritmit 2 Luento 13 Ti 2.5.2017 Timo Männikkö Luento 13 Merkkijonon sovitus Horspoolin algoritmi Laskennallinen vaativuus Päätösongelmat Epädeterministinen algoritmi Vaativuusluokat NP-täydellisyys
Lisätiedoton rekursiivisesti numeroituva, mutta ei rekursiivinen.
6.5 Turingin koneiden pysähtymisongelma Lause 6.9 Kieli H = { M pysähtyy syötteellä w} on rekursiivisesti numeroituva, mutta ei rekursiivinen. Todistus. Todetaan ensin, että kieli H on rekursiivisesti
LisätiedotPsykoosisairauksien tuomat neuropsykologiset haasteet
Psykoosisairauksien tuomat neuropsykologiset haasteet Hyvinkään sairaala 19.11.2015 Neuropsykologian erikoispsykologi Laila Luoma laila.luoma@hus.fi 1 Neuropsykologian kohteena on aivojen ja käyttäytymisen
LisätiedotKasvatustieteiden laitos Opettajankoulutuslaitos LUKUVUODEN PRO GRADU- SEMINAARIRYHMIIN HAKEMINEN
Opettajankoulutuslaitos LUKUVUODEN 2018-2019 PRO GRADU- SEMINAARIRYHMIIN HAKEMINEN TUTKIMUSALUEET Suositellaan opinnäytetutkielmien sijoittumista Kasvatustieteiden ja psykologian tiedekunnan tutkimuksen
LisätiedotEdistyksen päivät, Helsinki. Voiko tutkija muuttaa maailmaa? Humanistista meta-analyysiä merkitysneuvottelevien koneiden avulla.
Edistyksen päivät, Helsinki Voiko tutkija muuttaa maailmaa? Humanistista meta-analyysiä merkitysneuvottelevien koneiden avulla Timo Honkela timo.honkela@helsinki.fi 5.10.2017 Taustaa: Rauhankone-konsepti
LisätiedotSTEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI. - case Black Knights korkeakoulujoukkue
STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI - case Black Knights korkeakoulujoukkue Harjoittelu Toistetaan määriteltyä toimintaa tai sen osaa jotta saavutetaan haluttu oppimistaso. Osaamistasot:
LisätiedotKTKP040 Tieteellinen ajattelu ja tieto
KTKP040 Tieteellinen ajattelu ja tieto Tutkimuksellisia lähestymistapoja 15.2.2016 Timo Laine 1. Miksi kasvatusta tutkitaan ja miksi me opiskelemme sen tutkimista eikä vain tuloksia? 2. Tutkimisen filosofiset
LisätiedotComputing Curricula 2001 -raportin vertailu kolmeen suomalaiseen koulutusohjelmaan
Computing Curricula 2001 -raportin vertailu kolmeen suomalaiseen koulutusohjelmaan CC1991:n ja CC2001:n vertailu Tutkintovaatimukset (degree requirements) Kahden ensimmäisen vuoden opinnot Ohjelmistotekniikan
LisätiedotTalousmatematiikan perusteet ORMS.1030
s16 Talousmatematiikan perusteet ORMS.1030 Matti Laaksonen, (Matemaattiset tieteet / Vaasan yliopisto) Sähköposti: matti.laaksonen@uva.fi Opettajan kotisivu: http://lipas.uwasa.fi/ mla/ puh. 044 344 2757
LisätiedotNeuroverkkojen soveltaminen vakuutusdatojen luokitteluun
Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Sami Hokuni 12 Syyskuuta, 2012 1/ 54 Sami Hokuni Neuroverkkojen soveltaminen vakuutusdatojen luokitteluun Turun Yliopisto. Gradu tehty 2012 kevään
LisätiedotRobotti tiimin jäsenenä. OP Keski- Suomi / Juha Uusijoki, myyntijohtaja
Robotti tiimin jäsenenä OP Keski- Suomi / Juha Uusijoki, myyntijohtaja OP lyhyesti Noin 1,8 miljoonaa omistaja- asiakasta Noin 170 osuuspankkia Hyperpaikallinen digitaalinen finanssiryhmä Ohjelmistorobotiikka,
LisätiedotFI Moninaisuudessaan yhtenäinen FI. Tarkistus. Beatrix von Storch EFDD-ryhmän puolesta
9.2.2017 A8-0005/9 9 1 a kohta (uusi) 1 a. kehottaa komissiota ehdottamaan seuraavia yhteisiä unionin määritelmiä: tekoäly on tietokonejärjestelmä, joka pystyy jäljittelemään osaa ihmisen kognitiivisista
LisätiedotFI Moninaisuudessaan yhtenäinen FI A8-0005/4. Tarkistus
8.2.2017 A8-0005/4 4 Jean-Luc Schaffhauser 1 kohta kehottaa komissiota ehdottamaan kyberfyysisille järjestelmille, autonomisille järjestelmille, älykkäille autonomisille roboteille ja niiden alaluokille
LisätiedotAAC -menetelmien sovellus kehitysvammahuoltoon. Kirsi Vainio 24.3.2011
AAC -menetelmien sovellus kehitysvammahuoltoon Kirsi Vainio 24.3.2011 1 Kommunikointi Tarkoittaa niitä keinoja joilla ihminen on yhteydessä toisiin Merkittävä tekijä ihmisen persoonallisuuden muodostumisessa
LisätiedotKognitiivinen mallintaminen 1. Kognitiiviset arkkitehtuurit ACT-R
Kognitiivinen mallintaminen 1 Kognitiiviset arkkitehtuurit ACT-R Kognitiiviset arkkitehtuurit Mielen(tai jonkin älykkään toimijan) mahdollisimman yleisiä piirteitä ja rakenteellista organisaatiota kuvaava
LisätiedotLisää pysähtymisaiheisia ongelmia
Lisää pysähtymisaiheisia ongelmia Lause: Pysähtymättömyysongelma H missä H = { w111x w validi koodi, M w ei pysähdy syötteellä x } ei ole rekursiivisesti lueteltava. Todistus: Pysähtymisongelman komplementti
Lisätiedot