CMD + K

Kapittel 0Begreper & formler · Hva er kunstig intelligens?
Referanseside · Kapittel 0

Begreper & referanser

Alle nøkkelbegrepene, formlene og referansene fra Hva er kunstig intelligens?, samlet på én side. Bruk denne som oppslag når du leser, øver flashcards eller tar quiz.

Øv med flashcards15 kort fra dette kapittelet

Begreper

Sentrale begreper fra kapittelet med korte definisjoner.

01Turingtesten

En test der en dommer fører skriftlige samtaler med en maskin og et menneske uten å vite hvem som er hvem. Maskinen består hvis dommeren ikke pålitelig klarer å skille den fra mennesket (Turing test).

02Den totale Turingtesten

En utvidet Turingtest der dommeren også kan vise fram og gi gjenstander til maskinen. Den krever i tillegg datasyn og robotikk (total Turing test).

03Kognitiv modellering

Tilnærmingen «tenke menneskelig»: programmer der mellomstegene og tidsbruken skal stemme med hvordan mennesker løser samme oppgave. Modellene testes mot eksperimenter i psykologi og nevrovitenskap (cognitive modeling).

04Den logisistiske tradisjonen

Tilnærmingen «tenke rasjonelt», også kalt tenkelovene: problemet beskrives i formell logikk, og programmet trekker korrekte slutninger. Svakheten er at kunnskap om verden sjelden er sikker, og at riktige slutninger alene ikke gir gode handlinger (logicist tradition, laws of thought).

05Rasjonell agent

En agent som velger den handlingen som gir best forventet utfall ut fra det den har observert og det den vet. Rasjonalitet måles mot en ideell standard, ikke mot menneskelig atferd (rational agent).

06Standardmodellen

Synet at KI handler om å bygge agenter som optimerer et mål mennesket har gitt dem på forhånd. Det dominerer faget, men forutsetter at målet er riktig og fullstendig spesifisert (standard model).

07Begrenset rasjonalitet

Å handle godt nok når det ikke er tid eller regnekraft til å finne den perfekte handlingen. I komplekse miljøer er perfekt rasjonalitet uoppnåelig, så agenten må bruke ressursene sine fornuftig (limited rationality).

08Verdijusteringsproblemet

Problemet med å sørge for at målet vi gir en maskin, stemmer med det vi egentlig ønsker. En dyktig agent som optimerer et feilspesifisert mål, kan gjøre stor skade uten å bryte reglene den fikk (value alignment problem).

09Hypotesen om fysiske symbolsystemer

Newell og Simons påstand fra 1976 om at et fysisk symbolsystem, som manipulerer symboler etter regler, har de nødvendige og tilstrekkelige midlene for generell intelligent handling. Den er et filosofisk grunnlag for den symbolske KI-tradisjonen (physical symbol system hypothesis).

10Ekspertsystem

Et program som løser oppgaver i et smalt fagområde med mange regler hentet fra menneskelige eksperter, for eksempel diagnose eller konfigurering av datamaskiner. Ekspertsystemene var kommersielt viktige på 1980-tallet (expert system).

11KI-vinter

En periode der forventningene til KI ikke ble innfridd, og finansieringen og interessen falt kraftig. De to kjente vintrene kom etter 1973 og etter 1987 (AI winter).

12Dyp læring

Maskinlæring med nevrale nett i mange lag, der hvert lag lærer mer abstrakte trekk enn laget under. Gjennombruddet kom rundt 2012 med store datasett og rask parallell maskinvare (deep learning).

Formler

Hver formel: hva den heter, hvordan den ser ut, og hva symbolene betyr.

forventet-nytte

Rasjonelt valg: maksimer forventet nytte

Agenten regner ut den sannsynlighetsvektede nytten av hver handling og velger den største. En vanlig feil er å velge handlingen med det beste enkeltutfallet eller det mest sannsynlige gode utfallet i stedet for det beste gjennomsnittet.

a*handlingen en rasjonell agent velger
P(s′ | s, a)sannsynligheten for utfallet s′ når a gjøres i s
U(s′)nytten av utfallet s′
bayes-regel

Bayes' regel

Oppdaterer troen på hypotesen når observasjonen kommer inn. Sannsynlighetsregningen er matematikkens viktigste bidrag til agenter under usikkerhet; en vanlig feil er å forveksle med .

P(A | B)sannsynligheten for A etter at B er observert
P(B | A)sannsynligheten for observasjonen når A er sann
P(A)sannsynligheten for A før observasjonen
P(B)den totale sannsynligheten for observasjonen

Kodesnutter

Kodesnutter fra kapittelet, vist literal.

Kode

Paraply eller ikke: forventet nytte

Python
p_regn = 0.30  # @param 0.00..1.00 0.05nytte_vaat = -8  # @param -20..0 # Nytte for hvert utfall: paraplyen er litt plagsom en tørr dagnytte = {    ("paraply", "regn"): 3,    ("paraply", "opphold"): 4,    ("uten", "regn"): nytte_vaat,    ("uten", "opphold"): 6,}  def forventet(valg):    return p_regn * nytte[(valg, "regn")] + (1 - p_regn) * nytte[(valg, "opphold")]  med = forventet("paraply")uten = forventet("uten")if abs(med - uten) < 0.000001:    valg = "likegyldig"elif med > uten:    valg = "ta med paraply"else:    valg = "la paraplyen ligge"print(f"Forventet nytte med paraply: {med:.2f}")print(f"Forventet nytte uten paraply: {uten:.2f}")print(f"Rasjonelt valg: {valg}")

Prøv: sett p_regn til 0.10 og se at linja Rasjonelt valg: bytter, og dra så nytte_vaat ned mot −20 og se at paraplyen vinner igjen.

Læringsmål

Hva du skal kunne etter å ha lest kapittelet.

  1. 01Klassifiser en definisjon av KI i rutenettet tenke/handle × menneskelig/rasjonelt og begrunn plasseringen
  2. 02Forklar hva Turingtesten og den totale Turingtesten måler, og hva de ikke måler
  3. 03Regn ut forventet nytte for hver handling og velg den rasjonelle
  4. 04Forklar hvorfor standardmodellen fører til verdijusteringsproblemet, og hva begrenset rasjonalitet betyr
  5. 05Beskriv hva de viktigste grunnlagsfagene har bidratt med til KI
  6. 06Plasser sentrale hendelser i KI-historien i riktig epoke og rekkefølge