Eero Hyvönen Helsingin yliopisto

Samankaltaiset tiedostot
Kognitiivinen mallintaminen I

4 Heuristinen haku. Eero Hyvönen Helsingin yliopisto

Nollasummapelit ja bayesilaiset pelit

5. Rajoitelaskenta (Constraint Satisfaction)

OHJ-2550 TEKOÄLY Kevät 2007

3. Ongelmanratkonta haun avulla. Eero Hyvönen Helsingin yliopisto

Rationaalisen valinnan teoria

Opettaminen ja oppiminen

Tekoäly muuttaa arvoketjuja

Informaation arvo. Ohjelmistotekniikan laitos OHJ-2550 Tekoäly, kevät

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

TAIDEKASVATUS YHTEISÖLLISYYDEN VAHVISTAJANA

JULKISTEN PALVELUJEN MERKITYS TULONJAOLLE JA KÖYHYYDEN EHKÄISYLLE

Ongelma(t): Voiko älykkyyden määritellä ja voiko sitä mitata, myös objektiivisesti? Onko älykkyyttä ilman (näkyvää) toimintaa? Voiko kone olla älykäs

Koneoppiminen ja tekoäly suurten tietomassojen käsittelyssä yleensä ja erityisesti sovellettuina satelliittidatan käyttöön metsien arvioinnissa

Tilastotiede ottaa aivoon

LAAJENNETUN MUODON RATIONALISOITUVUUS. S ysteemianalyysin. Arno Solin Laboratorio. Aalto-yliopiston Teknillinen korkeakoulu

Laskut käyvät hermoille

Mikä on onnettomuus. Usein ennalta arvaamaton tapahtuma Tiedostetaan riskit. Monta syytä usein

Luento 5: Peliteoria

Tulevaisuuden liikenne- ja innovaatiopolitiikka: johdatus ryhmäkeskusteluun. Raimo Lovio Aalto-yliopiston kauppakorkeakoulu

Surveytutkimusksen Suunnittelu ja Teoreettisten Konstruktioiden Validointi. Seppo Pynnönen Vaasan yliopisto Menetelmätieteiden laitos

MS-C2105 Optimoinnin perusteet Malliratkaisut 5

Agentin toiminnan arviointi

Liikennelabra päivä: Kokemukset liikkujan datasta ja analytiikasta (Liikennelabra 1.0)

Viime kerralta Epävarmuus ja riski Optimaalinen kulutus-säästämispäätös: Tulo- ja substituutiovaikutus analyyttinen tarkastelu Epävarmuus Epävarmuus

Luento 10 Kustannushyötyanalyysi

Onnistuneen oppimisprosessin edellytyksiä verkossa

Bayesin pelit. Kalle Siukola. MS-E2142 Optimointiopin seminaari: Peliteoria ja tekoäly

Metsien kestävä käyttö Suomessa laskennan vai äänestyksen tulos?

Laitoskuntoutuksen paikka päihdetyp. Lapin yliopisto

Verkkokoulutus ja uuden oppimiskulttuurin luominen. TieVie-kouluttajakoulutus Helsinki Pirjo Ståhle

Haitallinen valikoituminen: yleinen malli ja sen ratkaisu

Varian luku 12. Lähde: muistiinpanot on muokattu Varianin (2006, instructor s materials) muistiinpanoista

OHJ-2550 TEKOÄLY Kevät 2009

Haitallinen valikoituminen: Kahden tyypin malli

Luento 5: Peliteoriaa

Työnohjauksen mahdollisuudet varhaiskasvatuksessa

Yleistä tietoa kokeesta

Luento 4: Liikkeen kuvausta, differentiaaliyhtälöt

Tilastotiede ottaa aivoon

KILPAILUSUORITUS JA HARJOITTELU

Kansallinen metsäohjelma 2015:n (KMO) väliarviointi Työsuunnitelma

Arvot ja toiminnan identiteetti / luonne. Michael Rossing, kehittämis- ja viestintäpäällikkö

Digi buustaa kehittymisen Mitä uutta digitalisaatio voi tuoda henkilöstön osaamisen kehittämiselle

Maiju Mykkänen Susanna Sällinen

1 Ratkaisuja 2. laskuharjoituksiin

TOIMIVAN NÄYTÖN JA TYÖSSÄ OPPIMISEN ARVIOINTI JA KEHITTÄMINEN

KUNTIEN JA MAANMITTAUSLAITOKSEN KIINTEISTÖTEHTÄVIEN KOULUTUSPÄIVÄ

Virtuaalimoduulien pedagoginen tavoitteisto. Liisa Kyyrönen

Johdatus yrittäjyyskasvatukseen

Luento 6: Monitavoitteinen optimointi

How to Support Decision Analysis with Software Case Förbifart Stockholm

Johdatus tekoälyn taustalla olevaan matematiikkaan

-mitä historia on, mihin sitä tarvitaan. -Tansanian kehityshistoria hanke: päälinjoja ja metodologisia haasteita

Toimitusketjun riskienhallinta konsernissa

Tekoäly ja dynamiikka tietokonepeleissä

Harjoitus 6: Simulink - Säätöteoria. Syksy Mat Sovelletun matematiikan tietokonetyöt 1

Kielellisten merkitysten tilastollinen ja psykologinen luonne: Kognitiivisia ja filosofisia näkökulmia. Timo Honkela.

Bayesilainen päätöksenteko / Bayesian decision theory

Tentin materiaali. Sivia: luvut 1,2, , ,5. MacKay: luku 30. Gelman, 1995: Inference and monitoring convergence

FIPA-agenttiarkkitehtuuriin pohjautuvat rationaaliset agentit. Janne Järvi

TILASTOLLINEN OPPIMINEN

Kansanopiston sivistystehtävä

TIIMITYÖSKENTELY ( pv )

1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI

-mitä historia on, mihin sitä tarvitaan ja käytetään. -Tansanian kehityshistoria hanke: päälinjoja ja metodologisia haasteita

Tulevaisuuden markkinat tulevaisuuden yrittäjä. Vesa Puhakka

1 Tieteellinen esitystapa, yksiköt ja dimensiot

Agentit ja semanttinen web. Pekka Halonen

1. TODENNÄKÖISYYSJAKAUMIEN ESTIMOINTI

Diskreetit todennäköisyysjakaumat. Kertymäfunktio Odotusarvo Binomijakauma Poisson-jakauma

Hankearvioinnin kehikko - käsitteet

Satunnaisalgoritmit. Topi Paavilainen. Laskennan teorian opintopiiri HELSINGIN YLIOPISTO Tietojenkäsittelytieteen laitos

6. laskuharjoitusten vastaukset (viikot 10 11)

Hintadiskriminaatio 2/2

MITEN OPIT SKAALATAAN? TONI LUHTI - PLATFORM OF TRUST

Pelipuiston päiväkodin ympäristökasvatussuunnitelma

Tutkimaan oppimassa - Tutkivaa Oppimista varhaiskasvatuksessa

Maisema myytävänä löytyykö ostaja?

TIETO LISÄÄ TAITOA. ARVIOINTIIN PERUSTUVA JOHTAMINEN Oppimistulosten arviointi. Anu Räisänen

JOHDATUS TEKOÄLYYN LUENTO 4.

PARIEN KANSSA. stä. ja Miesten keskuksen yhteistyöst klo Sirpa Hopiavuori Ensi- ja turvakotienliitto Miesten keskus

Symbolinen mallintaminen: tausta. Kognitiivinen mallintaminen I. Symbolisysteemin hypoteesi. Symbolisysteemin hypoteesi

STEFAN KARKULAHTI HARJOITTELUN JA OPPIMISEN OPTIMOINTI. - case Black Knights korkeakoulujoukkue

Päätöksentekomenetelmät

Approksimatiivinen päättely

Teknologia strategisen oppimisen apuvälineenä. Jonna Malmberg Oppimisen ja Koulutusteknologian tutkimusyksikkö

Moraalinen uhkapeli: perusmalli ja optimaalinen sopimus

Farmaseuttinen etiikka

Uuden äärellä ohjelmoitava vai oppiva kone?

TUKIMATERIAALI: Arvosanan kahdeksan alle jäävä osaaminen

Muuttujien eliminointi

Tentissä on viisi tehtävää, jotka arvosteellaan asteikolla 0-6. Tehtävien alakohdat ovat keskenään samanarvoisia ellei toisin mainita.

Rationaalisen toimijan malli

Asiakkaiden ajatuksia laadusta ja arvioinnista. kelä

Käytännön ideoita verkostotyöhön & toimintatutkimuksellinen ote verkostojen kehittämiseen. Timo Järvensivu, KTT Aalto-yliopiston kauppakorkeakoulu

MS-A0501 Todennäköisyyslaskennan ja tilastotieteen peruskurssi

Transkriptio:

2. Älykkäät t agentit Eero Hyvönen Helsingin yliopisto

Agentin äly = funktio Tekoäly, Eero Hyvönen, 2004 2

Esimerkki agentista Tekoäly, Eero Hyvönen, 2004 3

Pölynimurin agenttifunktio Taulukkona Ohjelmana Tekoäly, Eero Hyvönen, 2004 4

Rationaalisuuden käsitek Rationaalinen = tehdä järkevä/järkevin valinta Osata valita agenttifunktiolle aina oikea arvo Järkevyyden kriteeri: suoritusarvo (performance( measure) Esim. maksimaalinen pölyn p imurointi Kriteerinä haluttu toiminta Ongelma: pölyn p pääp äästäminen lattialle lisää suoritusta! Maksimaalisen puhtaat tilat Kriteerinä haluttu lopputulos (yleensä hyvä kriteeri) Yleinen ongelma: ristiriitaisten tavoitteiden sovittaminen Esim. vapaa-ajan ajan vs. palkkatulojen maksimointi Tekoäly, Eero Hyvönen, 2004 5

Rationaalisuus riippuu neljäst stä seikasta Suoritusarvosta, joka määm äärää onnistumisen Agentin a priori tiedosta ympärist ristöstä Agentit toimenpidevalikoimasta Agentit havaintohistoriasta P* Rationaalisen agentin määm ääritelmä Rationaalinen agentti valitsee jokaiselle havaintohistorialle P* toimenpiteen, joka maksimoi suoritusarvon odotusarvon perustuen P*:hen ja agentin a priori tietoon Tekoäly, Eero Hyvönen, 2004 6

Rationaalisuuden ominaisuuksia Rationaalisuus kaikkitietävyys (omniscience) Havainnot voivat olla puutteellisia/virheellisiä Rationaalisuus selvänäköisyys (clairvoyance( clairvoyance) Toimenpiteet voivat johtaa yllätt ttäviin tuloksiin Rationaalisuus ei välttv lttämättä johda lopulta parhaaseen tulokseen Maksimoidaan suoritusarvon odotusarvoa Johtaa tutkimiseen (explore( explore), oppimiseen (learn( learn), itsenäisyyteen isyyteen (autonomy( autonomy) Tekoäly, Eero Hyvönen, 2004 7

Agentin laskennan vaiheet Luomisvaiheessa ohjelmoidaan a priori tietoa Toimintavaiheessa tehdää ään n toimenpiteen valinta Historiatiedosta opitaan Tästä seuraa vähitellen v autonomisuus Tekoäly, Eero Hyvönen, 2004 8

Tehtäväymp ympäristö (task environment) Ongelmakenttä,, jonka agentti hoitaa Määritellään n ensimmäisen isenä älykästä agenttia suunniteltaessa Luonnehdinta PEAS-teht tehtäväympäristönä: Performance Measure Environment Actuators Sensors Tekoäly, Eero Hyvönen, 2004 9

Esimerkki: automaattinen taksi Tekoäly, Eero Hyvönen, 2004 10

Tehtäväymp ympäristön n dimensiot Havainnoitavuus (Observability( Observability) Onko kaikki vai osa tiedosta havaittavissa? Esim. jalankulkija vs. sokea jalankulkija Deterministisyys vs. stokastisuus Määräytyykö seuraava tila edellisen tilan ja toimenpiteen perusteella Esim. auton ajossa myös s ympärist ristö vaikuttaa toimenpiteen lopputulokseen Episodisuus vs. peräkk kkäisyys Riippuuko seuraava toimenpide edellisistä Esim. shakki ei ole episodista Tekoäly, Eero Hyvönen, 2004 11

Staattisuus vs. dynaamisuus Muuttuuko ympärist ristö agentin pohtiessa Esim. ristisanatehtävän n ratkonta on staattista Diskreetti vs. jatkuva Esim. shakin maailma koostuu diskreeteistä tiloista Yksi vs. moniagenttiympärist ristö Competitive vs. co-operative operative Tekoäly, Eero Hyvönen, 2004 12

Tekoäly, Eero Hyvönen, 2004 13

Tekoäly, Eero Hyvönen, 2004 14

Tekoäly, Eero Hyvönen, 2004 15

Millainen on reaalimaailma? Tekoäly, Eero Hyvönen, 2004 16

Agentin rakenne Agentti = Arkkitehtuuri + Ohjelma Taulukkoperustainen agentti: Ratkaisee teoriassa kaikki ongelmat!? Tekoäly, Eero Hyvönen, 2004 17

Taulukkoperustaisuuden ongelmia Tekoäly = yritetää ään n korvata taulukko pienellä ja tehokkaalla agenttiohjelmalla Vrt. esim. logaritmitaulut ja taskulaskin Tekoäly, Eero Hyvönen, 2004 18

Agenttiohjelmien 4 perustyyppiä Kompleksisuusjärjestyksess rjestyksessä Simple reflex agent (heijasteagentti) Model-based reflex agent (malliperustainen h.) Goal-based agent (tavoitteellinen a.) Utility-based agent (hyötyperustainen a.) Näistä voidaan luoda myös s oppivat versiot Tekoäly, Eero Hyvönen, 2004 19

Heijasteagentti Tekoäly, Eero Hyvönen, 2004 20

VRT. TAULUKKO! Tekoäly, Eero Hyvönen, 2004 21

Rajoituksia Oikeaa toimenpidettä ei useinkaan voi tehdä yksittäisen isen havainnon perusteella Agentti ei tunne ympärist ristöään Joka ei muista historiaa on tuomittu sitä toistamaan Tekoäly, Eero Hyvönen, 2004 22

Malliperustainen heijasteagentti Kuten heijasteagentti, mutta condition-action action-säännön ehto-osan osan argumenttina havainnon lisäksi sisäinen inen tila (state) Agentilla malli siitä,, miten maailma muuttuu agentin toimien seurauksena ja agentista riippumatta Tekoäly, Eero Hyvönen, 2004 23

Malliperustainen heijasteagentti Tekoäly, Eero Hyvönen, 2004 24

Malliperustaisuus vs. ympärist ristön n heijastelu Agentille on vaikeaa muodostaa täydellistt ydellistä maailmankuvaa Malliperustaisuuden skaalautuvuusongelma Äly ly syntyy vuorovaikutuksessa ympärist ristön n kanssa Herbert Simonin muurahainen R. Brooksin Mars-mönkij nkijät Tekoäly, Eero Hyvönen, 2004 25

Tavoiteperustainen agentti Pelkkä tilan luonne ei riitä kriteeriksi seuraavan toimenpiteen valitsemiseen Monesta vaihtoehdosta on voitava valita tavoitteen mukaan Edellyttää eri skenaarioiden selvittämist mistä -> haku (search)) ja suunnittelu (planning) Joustavuus eri tilanteissa -> äly Tekoäly, Eero Hyvönen, 2004 26

Tekoäly, Eero Hyvönen, 2004 27

Hyötyperustainen agentti Pelkkä tavoitteenmukainen lopputulos ei riitä Vaihtoehtoisilla tavoitteen toteuttavilla ratkaisuilla on eri hyötyarvo Esim. eri kulkuyhteydet keskustasta Kumpulaan Tavoite toteutuu, mutta toiset ovat hitaampia, kalliimpia, turvallisempia jne. kuin toiset Tavoitteen osittainen saavuttaminen (utility( function) Päästään n vain lähelle l Kumpulaa Hyödyn ja todennäköisyyden yhdistäminen Esim. tilanteissa, jossa ympärist ristöä ei voida havainnoida täsmt smällisesti Esim. epätarkka kartta Ristiriitaisten hyötyjen arvottaminen Esim. hinta vs. nopeus (taksi vs. bussi) Tekoäly, Eero Hyvönen, 2004 28

Tekoäly, Eero Hyvönen, 2004 29

Oppiva agentti Vähentää ohjelmoimisen tuskaa Vrt. ihmisen kehitys Joustavuus toimia uusissa ja muuttuvissa olosuhteissa -> älykkyys Eri agenttimallien eri osiin voi liittyä oppimista Tekoäly, Eero Hyvönen, 2004 30

- Esimerkiksi autolla ajo Tekoäly, Eero Hyvönen, 2004 31

Tekoäly, Eero Hyvönen, 2004 32

Lähteet S. Russell,, P. Norvig: Artificial Intelligence, a Modern Approach. Prentice-Hall Hall,, 2003. S. Russell,, Tekoälykurssin kalvot Berkleyn yliopistossa, 2004. Tekoäly, Eero Hyvönen, 2004 33