Artificial Intelligence (Künstliche Intelligenz 1) Conclusion of KI-1 - Michael Kohlhase July 12, 2018 - kwarc.info
←
→
Page content transcription
If your browser does not render page correctly, please read the page content below
Artificial Intelligence (Künstliche Intelligenz 1)
Conclusion of KI-1
Michael Kohlhase
Professur für Wissensrepräsentation und -verarbeitung
Informatik, FAU Erlangen-Nürnberg
http://kwarc.info
July 12, 2018
Kohlhase: KI 1: Conclusion 122 July 12, 2018Chapter 7 What did we learn in AI 1? Kohlhase: KI 1: Conclusion 122 July 12, 2018
Topics of AI-1 (Winter Semester)
I Getting Started
I What is Artificial Intelligence (situating ourselves)
I Intelligent Agents (a unifying framework)
I Logic Programming in Prolog (An influential paradigm)
I Problem Solving
I Problem Solving and Search
I Game playing (Adversarial Search)
I Constraint Satisfaction Problems
I Knowledge and Reasoning
I Formal Logic as the Mathematics of Meaning
I Logic Programming
I Planning
I Planning
I Planning and Acting in the real world
Kohlhase: KI 1: Conclusion 123 July 12, 2018Rational Agents as an Evaluation Framework for AI
I Agents interact with the environment
Kohlhase: KI 1: Conclusion 124 July 12, 2018Rational Agents as an Evaluation Framework for AI
I General agent schema
Kohlhase: KI 1: Conclusion 124 July 12, 2018Rational Agents as an Evaluation Framework for AI
I Simple Reflex Agents
Kohlhase: KI 1: Conclusion 124 July 12, 2018Rational Agents as an Evaluation Framework for AI
I Reflex Agents with State
Kohlhase: KI 1: Conclusion 124 July 12, 2018Rational Agents as an Evaluation Framework for AI
I Goal-Based Agents
Kohlhase: KI 1: Conclusion 124 July 12, 2018Rational Agents as an Evaluation Framework for AI
I Utility-Based Agent
Kohlhase: KI 1: Conclusion 124 July 12, 2018Rational Agents as an Evaluation Framework for AI
I Learning Agents
Kohlhase: KI 1: Conclusion 124 July 12, 2018Rational Agent
I Idea: Try to design agents that are successful (do the right thing)
I Definition 0.1. An agent is called rational, if it chooses whichever action
maximizes the expected value of the performance measure given the percept
sequence to date. This is called the MEU principle.
Note: a rational need not be perfect
I only needs to maximize expected value (Rational 6= omniscient)
I need not predict e.g. very unlikely but catastrophic events in the future
I percepts may not supply all relevant information (Rational 6= clairvoyant)
I if we cannot perceive things we do not need to react to them.
I but we may need to try to find out about hidden dangers (exploration)
I action outcomes may not be as expected (rational 6= successful)
I but we may need to take action to ensure that they do (more often) (learning)
I Rational ; exploration, learning, autonomy
Kohlhase: KI 1: Conclusion 125 July 12, 2018Symbolic AI: Adding Knowledge to Algorithms
I Problem Solving (Black Box States, Transitions, Heuristics)
I Framework: Problem Solving and Search (basic tree/graph walking)
I Variant: Game playing (Adversarial Search) (Minimax+αβ Pruning)
Kohlhase: KI 1: Conclusion 126 July 12, 2018Symbolic AI: Adding Knowledge to Algorithms
I Problem Solving (Black Box States, Transitions, Heuristics)
I Framework: Problem Solving and Search (basic tree/graph walking)
I Variant: Game playing (Adversarial Search) (Minimax+αβ Pruning)
I Constraint Satisfaction Problems (heuristic search over partial assignments)
I States as partial variable assignments, transitions as assignment
I Heuristics informed by current restrictions, constraint graph
I Inference as constraint propagation (transferring possible values across arcs)
Kohlhase: KI 1: Conclusion 126 July 12, 2018Symbolic AI: Adding Knowledge to Algorithms
I Problem Solving (Black Box States, Transitions, Heuristics)
I Framework: Problem Solving and Search (basic tree/graph walking)
I Variant: Game playing (Adversarial Search) (Minimax+αβ Pruning)
I Constraint Satisfaction Problems (heuristic search over partial assignments)
I States as partial variable assignments, transitions as assignment
I Heuristics informed by current restrictions, constraint graph
I Inference as constraint propagation (transferring possible values across arcs)
I Describing world states by formal language (and drawing inferences)
I Propositional Logic and DPLL (deciding entailment efficiently)
I First-Order Logic and ATP (reasoning about infinite domains)
I Digression: Logic Programming (logic+search)
Kohlhase: KI 1: Conclusion 126 July 12, 2018Symbolic AI: Adding Knowledge to Algorithms
I Problem Solving (Black Box States, Transitions, Heuristics)
I Framework: Problem Solving and Search (basic tree/graph walking)
I Variant: Game playing (Adversarial Search) (Minimax+αβ Pruning)
I Constraint Satisfaction Problems (heuristic search over partial assignments)
I States as partial variable assignments, transitions as assignment
I Heuristics informed by current restrictions, constraint graph
I Inference as constraint propagation (transferring possible values across arcs)
I Describing world states by formal language (and drawing inferences)
I Propositional Logic and DPLL (deciding entailment efficiently)
I First-Order Logic and ATP (reasoning about infinite domains)
I Digression: Logic Programming (logic+search)
I Planning: Problem Solving using white-box world/action descriptions
I Framework: describing world states in logic as sets of propositions and actions by
preconditions and add/delete lists
I Algorithms: e.g heuristic search by problem relaxations
Kohlhase: KI 1: Conclusion 126 July 12, 2018Topics of AI-2 (Summer Semester)
I Uncertain Knowledge and Reasoning
I Uncertainty
I Probabilistic Reasoning
I Making Decisions in Episodic Environments
I Problem Solving in Sequential Environments
I Foundations of Machine Learning
I Learning from Observations
I Knowledge in Learning
I Statistical Learning Methods
I Communication (If there is time)
I Natural Language Processing
I Natural Language for Communication
Kohlhase: KI 1: Conclusion 127 July 12, 2018Chapter 8 Discussing the Course Evaluation Kohlhase: KI 1: Conclusion 127 July 12, 2018
Zitate aus der Evaluation I
I Sehr netter und guter Dozent, der versucht auch sehr theoretische Themen an
"Praxisbeispielen" klar zu machen
Vielen Dank!
I Der kleine Kalah-Wettbewerb war sehr erfrischend und hat richtig Spas̈
gemacht! Gerne mehr davon!
Haben Sie gute Ideen für das nächste Jahr?
I Auch die Pause ist ein gros̈es Plus
I Tolles Team, das immer für Fragen/Probleme offen steht und sehr engagiert ist!
Ich möchte mich sehr bei Dennis Müller und den Tutoren bedanken.
Kohlhase: KI 1: Conclusion 128 July 12, 2018Zitate aus der Evaluation III (Logik)
I Der Logikteil ist m.E nach etwas gros̈ geraten. Ich finde, dass man nicht alles
hätte herleiten/beweisen müssen.
Wurde mir wärend der VL auch klar, wird im nächsten Jahr stark ausgedünnt.
I Besonders beim Logikteil fehlt auch das eine oder andere passende Beispiel, was
das formal definierte sinnig anwendet.
OK, das kann ich ändern
I Der erste Teil der Vorlesung (Spiele-KI-Programmierung und CSP) hat relativ
genau das getroffen, was ich erhofft hatte: Algorithmen praxisnah dargestellt mit
Herleitung/Beweis u.ä. aber der Logikteil in dieser Fülle und Tiefe war schon
etwas... Ätzend...
Dabei ist Logik doch so ein tolles Werkzeug, wenn man es erst mal verstanden
hat.
UND, die KI war in den ersten 40 Jahren klar von der Logik dominiert.
Kohlhase: KI 1: Conclusion 129 July 12, 2018Zitate aus der Evaluation III (Allgemeines)
I Es wäre schön gewesen wenn für die Vorlesung immer ein Raum mit Tafel
verfügbar gewesen wäre.
Ich stimme absolut zu.
I Wenn Herr Kohlhase mal was an der Tafel gemacht hat, dann wirkte dass sehr
unvorbereitet.
Da ich mich auf die Tafel in der Vorbereitung nicht verlassen konnte, versuchte
ich auf Ihre Bedürfnisse einzugehen.
Kohlhase: KI 1: Conclusion 130 July 12, 2018Zitate aus der Evaluation III (Allgemeines)
I Es wäre schön gewesen wenn für die Vorlesung immer ein Raum mit Tafel
verfügbar gewesen wäre.
Ich stimme absolut zu.
I Wenn Herr Kohlhase mal was an der Tafel gemacht hat, dann wirkte dass sehr
unvorbereitet.
Da ich mich auf die Tafel in der Vorbereitung nicht verlassen konnte, versuchte
ich auf Ihre Bedürfnisse einzugehen.
I ich bin gespannt wie die klausur wird. ich kann mir aufgrund des breiten
themenumfanges noch nichts konkretes vorstellen
Dafür hatten wir eigentlich die Probeklausur, die Klausur wird ähnlich (aber
etwas länger)
Kohlhase: KI 1: Conclusion 130 July 12, 2018Zitate aus der Evaluation III (Allgemeines)
I Es wäre schön gewesen wenn für die Vorlesung immer ein Raum mit Tafel
verfügbar gewesen wäre.
Ich stimme absolut zu.
I Wenn Herr Kohlhase mal was an der Tafel gemacht hat, dann wirkte dass sehr
unvorbereitet.
Da ich mich auf die Tafel in der Vorbereitung nicht verlassen konnte, versuchte
ich auf Ihre Bedürfnisse einzugehen.
I ich bin gespannt wie die klausur wird. ich kann mir aufgrund des breiten
themenumfanges noch nichts konkretes vorstellen
Dafür hatten wir eigentlich die Probeklausur, die Klausur wird ähnlich (aber
etwas länger)
I Welchen didaktischen Wert hat es, Slides auf Englisch bereit zu stellen, die
Vorlesung dagegen aber auf Deutsch zu halten? In meinen Augen keine.
Dadurch wird nur eine zusätzliche Inderektion zwischen Prof. und Student
geschaffen. Besser: Alles Englisch oder alles Deutsch.
Das würde ich gerne mit Ihnen diskutieren. . .
Kohlhase: KI 1: Conclusion 130 July 12, 2018References I
Kohlhase: KI 1: Conclusion 130 July 12, 2018You can also read
