Johdatus tekoälyyn (T. Roos) Kurssikoe

Samankaltaiset tiedostot
a. (2 p) Selitä Turingin koe. (Huom. ei Turingin kone.) Minkälainen tekoäly on saavutettu, kun Turingin koe ratkaistaan?

Kokeessa piti vastata viiteen (5) tehtävään kuudesta (6). Jokaisen tehtävän maksimipistemäärä on 8.

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

Johdatus tekoälyyn (T. Roos) Kurssikoe ARVOSTELUPERUSTEET

Algoritmit 2. Luento 10 To Timo Männikkö

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

TEEMU ROOS (KALVOT MUOKATTU PATRIK HOYERIN LUENTOMATERIAALISTA)

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

HY / Matematiikan ja tilastotieteen laitos Tilastollinen päättely II, kevät 2017 Harjoitus 1 Ratkaisuehdotuksia Tehtäväsarja I

JOHDATUS TEKOÄLYYN LUENTO 4.

JOHDATUS TEKOÄLYYN TEEMU ROOS

Algoritmit 2. Luento 11 Ti Timo Männikkö

JOHDATUS TEKOÄLYYN TEEMU ROOS

Johdatus tekoälyyn

JOHDATUS TEKOÄLYYN TEEMU ROOS

b) Määritä myös seuraavat joukot ja anna kussakin tapauksessa lyhyt sanallinen perustelu.

Rajoittamattomat kieliopit (Unrestricted Grammars)

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

HiTechnic -kompassisensorin käyttäminen NXT-G -ympäristössä

Johdatus tekoälyyn. Luento : Koneoppiminen. Patrik Hoyer. [ Kysykää ja kommentoikaa luennon aikana! ]

Nollasummapelit ja bayesilaiset pelit

JOHDATUS TEKOÄLYYN TEEMU ROOS

JOHDATUS TEKOÄLYYN TEEMU ROOS

Algoritmit 2. Luento 9 Ti Timo Männikkö

811312A Tietorakenteet ja algoritmit Kertausta kurssin alkuosasta

Algoritmit 1. Luento 7 Ti Timo Männikkö

58131 Tietorakenteet (kevät 2009) Harjoitus 6, ratkaisuja (Antti Laaksonen)

Diskreetin matematiikan perusteet Laskuharjoitus 1 / vko 8

P (A)P (B A). P (B) P (A B) = P (A = 0)P (B = 1 A = 0) P (B = 1) P (A = 1)P (B = 1 A = 1) P (B = 1)

Ohjelmoinnin jatkokurssi, kurssikoe

Minimax ja alfa-beta-karsinta

verkkojen G ja H välinen isomorfismi. Nyt kuvaus f on bijektio, joka säilyttää kyseisissä verkoissa esiintyvät särmät, joten pari

30A02000 Tilastotieteen perusteet

Datatähti 2019 loppu

Vasen johto S AB ab ab esittää jäsennyspuun kasvattamista vasemmalta alkaen:

811312A Tietorakenteet ja algoritmit I Johdanto

Pelaisitko seuraavaa peliä?

58131 Tietorakenteet ja algoritmit (kevät 2014) Uusinta- ja erilliskoe, , vastauksia

.. X JOHDATUS TEKOÄLYYN TEEMU ROOS

Esimerkkejä polynomisista ja ei-polynomisista ongelmista

Tehtäväsarja I Seuraavissa tehtävissä harjoitellaan erilaisia todistustekniikoita. Luentokalvoista 11, sekä voi olla apua.

Markov-ketjut pitkällä aikavälillä

ABHELSINKI UNIVERSITY OF TECHNOLOGY

Yleistä tietoa kokeesta

Johdatus todennäköisyyslaskentaan Todennäköisyyslaskenta ja puudiagrammit. TKK (c) Ilkka Mellin (2005) 1

Tietorakenteet, laskuharjoitus 7, ratkaisuja

Turingin koneen laajennuksia

Antitammirobotti. Antti Meriläinen Martin Pärtel 29. toukokuuta 2009

LASKIN ON SALLITTU ELLEI TOISIN MAINITTU! TARKISTA TEHTÄVÄT KOKEEN JÄLKEEN JA ANNA PISTEESI RUUTUUN!

JOHDATUS TEKOÄLYYN TEEMU ROOS

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

811120P Diskreetit rakenteet

Äärellisten mallien teoria

S BAB ABA A aas bba B bbs c

Ilkka Mellin Todennäköisyyslaskenta Osa 1: Todennäköisyys ja sen laskusäännöt Verkot ja todennäköisyyslaskenta

Akateemiset taidot. Tapaaminen 11

Lego Mindstorms NXT robottien etenemissuunnitelma

A ja B pelaavat sarjan pelejä. Sarjan voittaja on se, joka ensin voittaa n peliä.

Vastapalaute kurssilla Johdatus tekoälyyn syksy 2012, Teemu Roos

811312A Tietorakenteet ja algoritmit Kertausta kurssin alkuosasta

Numeerinen analyysi Harjoitus 3 / Kevät 2017

58131 Tietorakenteet ja algoritmit (kevät 2013) Kurssikoe 2, , vastauksia

1. Osoita, että joukon X osajoukoille A ja B on voimassa toinen ns. de Morganin laki (A B) = A B.

ALGORITMIT 1 DEMOVASTAUKSET KEVÄT 2012

Äärellisten mallien teoria

Laskennan mallit (syksy 2010) Harjoitus 8, ratkaisuja

Diskreetin matematiikan perusteet Laskuharjoitus 2 / vko 9

Johdatus lukuteoriaan Harjoitus 2 syksy 2008 Eemeli Blåsten. Ratkaisuehdotelma

Tehtävät. 1. Ratkaistava epäyhtälöt. a) 2(4 x) < 12, b) 5(x 2 4x + 3) < 0, c) 3 2x 4 > 6. 1/10. Sukunimi (painokirjaimin)

T Syksy 2002 Tietojenkäsittelyteorian perusteet Harjoitus 8 Demonstraatiotehtävien ratkaisut

Tee-se-itse -tekoäly

5/11 6/11 Vaihe 1. 6/10 4/10 6/10 4/10 Vaihe 2. 5/11 6/11 4/11 7/11 6/11 5/11 5/11 6/11 Vaihe 3

Algoritmit 2. Luento 2 To Timo Männikkö

1 + b t (i, j). Olkoon b t (i, j) todennäköisyys, että B t (i, j) = 1. Siis operaation access(j) odotusarvoinen kustannus ajanhetkellä t olisi.

Algoritmit 2. Luento 2 Ke Timo Männikkö

JOHDATUS TEKOÄLYYN TEEMU ROOS

811120P Diskreetit rakenteet

MAT Todennäköisyyslaskenta Tentti / Kimmo Vattulainen

Yleistä tietoa kokeesta

Tietorakenteet ja algoritmit - syksy

Approbatur 3, demo 1, ratkaisut A sanoo: Vähintään yksi meistä on retku. Tehtävänä on päätellä, mitä tyyppiä A ja B ovat.

Ratkaisu: Käytetään induktiota propositiolauseen A rakenteen suhteen. Alkuaskel. A = p i jollain i N. Koska v(p i ) = 1 kaikilla i N, saadaan

AVL-puut. eräs tapa tasapainottaa binäärihakupuu siten, että korkeus on O(log n) kun puussa on n avainta

JOHDATUS TEKOÄLYYN TEEMU ROOS

Sovellettu todennäköisyyslaskenta B

Ratkaisuehdotukset LH 8 / vko 47

Todennäköisyyslaskenta IIa, syyslokakuu 2019 / Hytönen 2. laskuharjoitus, ratkaisuehdotukset

Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit. Todennäköisyyslaskenta ja puudiagrammit: Esitiedot

Laskennan rajoja. TIEA241 Automaatit ja kieliopit, syksy Antti-Juhani Kaijanaho. 10. joulukuuta 2015 TIETOTEKNIIKAN LAITOS.

Markov-ketjut pitkällä aikavälillä

3. laskuharjoituskierros, vko 6, ratkaisut

Transkriptio:

582216 Johdatus tekoälyyn (T. Roos) Kurssikoe 18.10.2013 Kokeessa saa pitää mukana käsinkirjoitettua A4-kokoista kaksipuolista lunttilappua, joka on palautettava koepaperin mukana. Huomaa että jokaisen koetilaisuuteen osallistuvan on palautettava vähintään tyhjä koepaperi, johon on kirjattu opiskelijanumero ja nimi. Merkitse jokaiseen vastauspaperiin kurssin nimi, päivämäärä, opiskelijanumerosi, nimesi ja allekirjoitus. HUOM: Tarkista että olet saanut kaikki tehtäväarkit. Vastaa viiteen (5) tehtävään kuudesta (6). Jos vastaat kaikkiin tehtäviin, arvostelussa otetaan huomioon ensimmäiset viisi. Jokaisen tehtävän maksimipistemäärä on 8. 1. Tekoälyn filosofiaa yms. a. (2 p) Esitä kaksi esimerkkiä kulttuurissa (elokuvissa, kirjoissa, peleissä, jne.) esiintyvistä tekoälyn tuloksista ja arvioi niiden kohdalla mitkä ominaisuudet osataan nykyään ratkaista ja mitä ei. b. (2 p) Elokuvissa tekoäly usein saavuttaa tietoisuuden ja hyökkää ihmisten kimppuun. Herra Idionarap on huolissaan tästä riskistä ja ehdottaa lakialoitetta, jolla kaikki tekoälyalgoritmit kielletään. Millaisia käytännön seurauksia tällaisella lailla olisi? Mainitse muutama esimerkki. Mitä ongelmia tällaisen lain valvontaan liittyisi? c. (2 p). Minkälaisiin ongelmiin törmättiin 80-luvulla, kun tekoälyongelmia yritettiin ratkaista logiikan avulla? Miten näihin ongelmiin reagoitiin? d. (2 p) Pitääkö väittämä tekoälytutkimuksen ensisijainen tarkoitus on kopioida ihmisälykkyys paikkansa vai ei? Perustele vastauksesi lyhyesti.

2. minimax ja alpha beta-karsinta. Ajatellaan peliä, jossa kaksi pelaajaa saa vuorotellen valita kahden siirron välillä ja pelin tulokset ovat oheisen pelipuun mukaiset. Pelin lopuksi Max saa Miniltä puun lehtisolmuun merkityn määrän euroja. Jos peli siis päättyy lehtisolmuun, jossa on negatiivinen luku ( 10), joutuu Max maxamaan Minille rahaa. MAX / \ / \ MIN / \ / \ MAX / \ / \ / \ / \ -10 5 5 1 3 3 5-10 a) (3 p) Laske kunkin pelipuun sisäsolmun (merkitty yllä merkillä ) arvo minimaxalgoritmin avulla. Vastaukseksi riittää kunkin sisäsolmun arvo. Algoritmia ei siis tarvitse simuloida askel askeleelta. b) (1 p) Jos kumpikin pelaaja noudattaa optimaalista pelistrategiaa, minkälainen on pelin kulku? Mihin lopputulokseen peli päätyy? c) (4 p) Mitkä osat pelipuusta voidaan jättää käymättä läpi alpha beta-karsinnassa, kun solmuja käydään läpi vasemmalta oikealle? Selitä alpha- ja beta-arvoihin viitaten millä perusteella kussakin tilanteessa voidaan karsia. Käytä juurisolmussa aluksi arvoja alpha =, beta = + (miinus ääretön ja plus ääretön).

3. Kuvankäsittely a. (3 p) Miksi digitaaliset signaalit kuten kuva ja ääni tuottavat ongelmia logiikkaan perustuville ja muille GOFAI ( Good Old Fashioned AI ) -menetemille? Millaiset menetelmät soveltuvat digitaalisten signaalien käsittelyyn paremmin ja miksi? b. (3 p) Vertaa SIFT/SURF-tyyppistä tunnistusmenetelmää menetelmään, jossa kuvia esittäviä bittikarttoja verrataan pikseli pikseliltä. Missä tilanteessa edellinen toimii jälkimmäistä paremmin ja miksi? c. (2 p) Ohessa on kohinanpoistoalgoritmin pseudokoodi. Selitä lyhyesti miten algoritmi toimii ja mikä sen taustalla oleva idea on. kohinanpoisto(x,t): n length(x) c dwt(x) // aallokemuunnos (discrete wavelet transform) for i = 1,...,n: if c[i] < t: c[i] = 0 end-for x idwt(c) // käänteismuunnos (inverse wavelet transform) return x 4. Koneoppiminen a. Eräs koneoppimisen määritelmä on että tietokone parantaa suorituskykyään suorittaessaan jotain tiettyä tehtävää sitä mukaa kuin se näkee esimerkkejä. a) (2 p) Esitä kaksi vaihtoehtoista tapausta siitä, mitä tehtävä ja esimerkki voivat merkitä yllä olevassa virkkeessä. Miten esittämissäsi tapauksissa voitaisiin mitata suorituskykyä numeerisesti? b) (3 p) Tehtävänä on oppia tunnistamaan tekstinäytteen perusteella, milloin kirjoittaja on poliitikko. Kuvaile järkevä tapa ratkaista ongelma käyttäen tekoälymenetelmiä. Älä siis ehdota itse keksimääsi valmista sääntöä, vaan anna koneen tehdä mahdollisimman iso osa työstä. c) (3 p) Selitä k-lähimmän naapurin luokittelijan tai perseptronialgoritmin toiminta sanallisesti ja piirrä havainnollinen kuva.

5. Todennäköisyysmallinnus Ohessa muutamia todennäköisyyslaskennan kaavoja muistin virkistykseksi: (i) P( A) = 1 P(A) "negaatio" (ii) P(A B) = P(A) + P(B) P(A, B) "disjunktio" (iii) P(A) = P(A, B) + P(A, B) "marginalisointi" (iv) P(A1,...,Ak) = P(A1) P(A2 A1) P(A3 A1,A2)... P(Ak A1,...,Ak 1) "ketjusääntö" (v) P(A B) = P(A) P(B A) / P(B) "Bayesin kaava" (vi) A B C P(A,B C) = P(A C) P(B C) "ehdollinen riippumattomuus" a. (2 p) Jos potilaalla on tietty tauti, testi antaa positiivisen tuloksen 95 % todennäköisyydellä. Jos potilaalla ei ole ko. tautia, testi voi silti antaa positiivisen tuloksen; näin käy 5 % todennäköisyydellä. Taudin yleisyys väestössä on 1/10000 (yksi kymmenestä tuhannesta). Jos testi antaa positiivisen tuloksen satunnaisesti valitun henkilön kohdalla, millä todennäköisyydellä henkilöllä on kyseinen tauti? b. (2 p) Olkoon Bayes-verkon rakenne seuraava: A C B Kaikki muuttujat (A,B,C) ovat binäärisiä eli niiden arvot ovat joko 0 tai 1. Muuttuja A määräytyy täysin satunnaisesti kolikonheittojen perusteella. Muuttuja C:n arvo on aina 0. Muuttuja B saa arvon 1 todennäköisyydellä 75%, jos pätee A = 1 tai C = 1; muussa tapauksessa B saa arvon 1 todennäköisyydellä 25%. Luettele Bayes-verkkoon liittyvät todennäköisyysparametrit ja niiden arvot. c. (4 p) Selitä miten Bayes-verkosta generoidaan dataa käyttäen esimerkkinä b-kohdan verkkoa. Simuloi menetelmää generoimalla tyypilliset 10 esimerkkimonikkoa.

6. Robotiikka Koska Legojen rakennus on hauskaa, tässä tehtävässä pääset suunnittelemaan Legorobotin ja sen ohjelman! Alla on kuvia robotin osista: keskusyksikkö, jossa on portit kahdelle moottorille (M1,M2) ja kolmelle sensorille (S1,S2,S3), kolme pyörää, kaksi moottoria (joita voi ohjata erikseen pyynnöillä forward(), backward(), stop()), ultraäänisensori (joka palauttaa pyynnöllä getdistance() etäisyyden lähimpään esteeseen (cm)), valosensori (joka palauttaa pyynnöllä getlightvalue() sensorin alla olevan lattian vaaleutta kuvaavan arvon) M1 M2 ultraäänisensori keskusyksikkö S1 S2 S3 moottorit 3 kpl pyöriä valosensori Lisäksi saat tietysti käyttää normaaleja Lego-palikoita ja akseleita, kaapeleita ja muita tarvittavia osia. a. (3 p) Piirrä yksinkertainen robotti, jolla voit ratkaista seuraavan kohdan tehtävän. Piirrä kuvaan myös kaapelit, joilla yhdistät oikeat komponentit keskusyksikön portteihin. b. (5 p) Esitä pseudokoodina ohjelma, joka etsii sitä lähinnä olevan esteen, joka saattaa olla missä tahansa suunnassa, ajaa sen luo ja pysähtyy. Ohjeita: Komento M1.forward() saa porttiin M1 kytketyn moottorin liikkeelle (eteenpäin). Voit käyttää myös ns. pilottia, jonka avulla voit kääntyä vaikkapa 45 astetta vasemmalle komentamalla pilot.rotate(45). Sensoreilta voit kysyä arvoja komennolla S1.getDistance() jne. Moottorien ja sensorien konstruktoreja tai muita alustuksia ei tarvitse esittää.