Summary AI
Asanee Kawtrakul
NAiST-Lab & U-Know Center
finalclass_AI_2009_Sep_20
1
Lecture Outline



Artificial Intelligence (AI) Overview
Knowledge base systems (KBS)
Expert systems (ES)




characteristics
advantages
fundamental topics
Knowledge engineering (KE)
finalclass_AI_2009_Sep_20
2
What is Artificial Intelligence?

“The exciting new effort to make computers
think… machines with minds, in the full and
literal sense.”
(Haugeland 1985)

“The study of mental faculties through the
use of computational models.”
(Charniak & McDermott 1985)
finalclass_AI_2009_Sep_20
3
What is AI? (cont'd)

“AI is the part of computer science
concerned with designing intelligent
computer systems, that is, systems that
exhibit the characteristics we associate with
intelligence in human behaviour –
understanding language, learning,
reasoning, solving problems and so on.”
(Barr & Feigenbaum, Jackson chapter 2)
finalclass_AI_2009_Sep_20
4
Some AI Areas
robotics
Speech
Vision
Artificial
Intelligence
Artificial
neural
network
Natural
language
understanding
expert
systems
Giarratano Ch 1 figure 1-1
finalclass_AI_2009_Sep_20
5
Why Bother about AI?

a whole new realm of what computers
can do

traditional applications




databases (e.g. Oracle, Access)
office automation software (e.g. Word)
communication (e.g. WWW, email)
AI applications

problems that require intelligence (e.g. medical
diagnosis of diseases)
finalclass_AI_2009_Sep_20
6
ลักษณะของปั ญหาทีใ่ ช ้ AI




ปั ญหาทีม
่ ท
ี างเลือกมากมายเพือ
่ ไปให ้ถึงคาตอบ
ต ้องการคาตอบภายในระยะเวลาทีก
่ าหนด
้
ิ ใจเปลีย
ข ้อมูลทีใ่ ชในการตั
ดสน
่ นแปลงไปหรือมี
เพิม
่ ขึน
้ เรือ
่ ยๆ เมือ
่ เวลาผ่านไป
ปั ญหาทีม
่ ข
ี ้อมูลไม่ครบถ ้วน (ill-formed problem)
finalclass_AI_2009_Sep_20
7
AI Concept




Knowledge Representation
Reasoning and Planning
Searching
Machine Learning
finalclass_AI_2009_Sep_20
8
What are Knowledge-Based
Systems?



the keyword: knowledge
a program that uses knowledge to solve
problems
knowledge can be specialised or general
finalclass_AI_2009_Sep_20
9
What are Expert Systems?



the keyword: expert
“… an intelligent computer system that uses
knowledge and inference procedures to
solve problems that are difficult enough to
require significant human expertise for their
solution.” (Feigenbaum)
to emulate the decision-making ability
of a human expert
finalclass_AI_2009_Sep_20
10
Expert System (cont'd)


a (specialised) KBS
contains “expertise”




i.e. specialised knowledge
provides expert-quality solutions
usually confined to a specific domain
Why bother about Expert Systems?

ES is one of the most successful
applications of AI to real-life problems
finalclass_AI_2009_Sep_20
11
Characteristics of ES
(Jackson Ch 1, sec 1.2, Giarratano Ch 1, sec 1.5)

internal
characteristics

simulates human
reasoning




external
characterisitcs


use of heuristics/
approximate methods
representation of
human knowledge
subjects of realistic
complexity
high performance


quality (expert-level
advice)
speed (adequate
response time)
reliability (not easily
crashed)
understandable,
explaining and
justifying solutions
finalclass_AI_2009_Sep_20

12
Let’s think

What is the advantage of ES?
finalclass_AI_2009_Sep_20
13
Advantages of Expert Systems
(Giarratano Ch1, Sec 1.3)

increased availability



reduced cost


expertise available on suitable hardware
mass production of expertise
cost of providing expertise per user is
lowered
reduced danger

ES can be used in hazardous environment
finalclass_AI_2009_Sep_20
14
Advantages of Expert Systems
(cont’d)

permanence


multiple expertise


combining expertise of multiple experts
increase reliability


expertise is permanent, human expert may
retire/quit
2nd opinion assisting human expert
explanation

explicitly explain how conclusion is reached
finalclass_AI_2009_Sep_20
15
Advantages of Expert Systems
(cont’d)

fast response


steady, unemotional & complete response


depending on software & hardware, real-time ES
response faster than human expert
ES has no problem of stress/ fatigue
intelligent tutor

student runs sample programs, ES explains
system's reasoning
finalclass_AI_2009_Sep_20
16
Different Expert System
Paradigms

production systems

also called Rule-Based System
Case-based reasoning
 other paradigms


e.g. artificial neural network
finalclass_AI_2009_Sep_20
17
Some ES Tasks

interpretation



high-level description from collections of
data
e.g. interpret information supplied by the
blood cell analyser
prediction


consequences of situations
e.g. storm forecasting
finalclass_AI_2009_Sep_20
18
Some ES Tasks (cont'd)

diagnosis



finding cause of malfunctions
e.g. medical/car diagnosis
design


configuring components subject to
constraints
e.g. computer configuration
finalclass_AI_2009_Sep_20
19
Some ES Tasks (cont'd)

planning



sequence of actions to achieve goal
e.g. schedule tasks of a manufacturing
process
monitoring


comparing observed & predicted behaviour
e.g. patient monitoring in an intensive case
unit
finalclass_AI_2009_Sep_20
20
Some ES Tasks (cont'd)

debugging & repair



remedying failures
e.g. recommend the sequence of steps to
repair a computer
control


operating complex environment
e.g. nuclear power station control
finalclass_AI_2009_Sep_20
21
Expert System Examples

MYCIN


determine structure of
molecules from mass
spectrograms


monitors the condition of
gas turbines
monitors condition of
patients in ICU
DIET


forecasts short term
sever storms
VM

configuration of VAX
computers
TIGER
METEOR


XCON/R1


diagnosis of bacterial
infection
DENDRAL



assists dietitians in
prescription of an
appropriate diet
EVIDENT

determines the
admissibility of evidence
under US federal rules
finalclass_AI_2009_Sep_20
22
What is Knowledge
Engineering?




the process of building an ES
the effort in developing a large quantity of
effective knowledge (i.e. the KB)
the acquisition of knowledge from a human
expert or other source (by a knowledge
engineering) and its coding in the ES
KE is important, because:

performance of an ES is largely determined by the
quantity & quality of knowledge in its KB
finalclass_AI_2009_Sep_20
23
Knowledge Engineering in a
Nutshell
human
expert
dialog
knowledge
engineer
knowledge
refinement
explicit
knowledge
knowledge base
(in ES)
(Giarratano Ch 1, fig. 1-4)
finalclass_AI_2009_Sep_20
24
Fundamental Topics in ES
(Jackson 1.3 pp 4)

acquiring knowledge


representing knowledge


“the transfer & transformation of potential
problem-solving expertise from some
knowledge source to a program”(Buchanan 1983)
logical, conceptual scheme of how
knowledge is stored & associated in human
brain
controlling reasoning

how knowledge is accessed & applied
finalclass_AI_2009_Sep_20
25
Fundamental Topics in ES
(cont'd) (Jackson 1.3 pp 4)

explaining solutions
users want to make sure that
program's conclusions are correct
 knowledge engineers make sure that
knowledge is properly applied
 domain experts to see how their
knowledge is applied
 programmers to debug ES

finalclass_AI_2009_Sep_20
26
Summary
KBS is a sub-field of AI
 ES is a kind of KBS
 an ES is usually specific to an
application domain
 KE is the process of building an ES


involves putting knowledge into a
knowledge base
finalclass_AI_2009_Sep_20
27
Representation Language




Semantic Network
Production Rule
Symbolic Logic
Frame And Script
finalclass_AI_2009_Sep_20
28
Semantic Network


Manipulation:Properties Inheritance
Repesentation Syntax



Link
Node
Label
height
finalclass_AI_2009_Sep_20
29
Production Rule


เป็ นการแทนความรู ้ในรูปแบบกฎ
สว่ นประกอบของระบบมี 3 อย่างคือ



Rule-Based กฎทัง้ หมดทีร่ วบรวมไว ้
Working Memory ข ้อมูลทีเ่ ป็ น fact, สถานภาพทีเ่ ป็ น
จริง
Inference Engine สว่ นทีท
่ าหน ้าทีเ่ ลือกกฎทีเ่ หมาะสม
ทีส
่ ด
ุ
finalclass_AI_2009_Sep_20
30
Symbolic Logic



การแทนความรู ้ให ้อยูใ่ นลักษณะทีม
่ ค
ี า่ เป็ นหรือเท็จ
เมือ
่ แทนออกมาแล ้ว
 ทุก statement ต ้องสอดคล ้องกัน
 แต่ละ statement ไม่กากวม
EX. (x) Fish(x) -> Swim(x)
finalclass_AI_2009_Sep_20
31
Frame And Script

Frame




แทนความรู ้โดยดูจากคุณสมบัตแ
ิ ละลักษณะของ object
ทีพ
่ จ
ิ ารณา
สว่ นใหญ่เป็ นลักษณะทัว่ ไปทีท
่ ก
ุ คนเห็นและยอมรับ
Ex. ปี ก เป็ น คุณสมบัตห
ิ นึง่ ของ object ‘นก’
Script

อธิบายความรู ้ในรูปแบบลาดับของเหตุการณ์
finalclass_AI_2009_Sep_20
32
การหาเหตุผลและการวางแผน
(Reasoning and Planning)



Reasoning : เป็ นการหาเหตุผลหรือข ้อสรุปใหม่
จากความรู ้เดิมทีม
่ ก
ี ารแทนความรู ้มาแล ้ว
Planning : เป็ นการวางแผนเพือ
่ ตรวจสอบความ
้
เป็ นไปได ้ของเสนทางที
จ
่ ะไปถึงผลลัพธ์ ก่อนทีจ
่ ะ
ลงมือประมวลผลจริง
ต ้องมีการกาหนดสถานะเริม
่ ต ้นและสถานะเป้ าหมาย
finalclass_AI_2009_Sep_20
33
เทคนิคการหาเหตุผล



Forward Chaining : เหตุ
ผล
Backward Chaining: ผล
เหตุ
้ บการแทนความรู ้แบบ Production Rule
 ใชกั
Resolution : ใชกั้ บการแทนความรู ้แบบ Symbolic
Logic
finalclass_AI_2009_Sep_20
34
ค ้นหาความรู ้ (Searching)


้ อ
้
่
เป็ นเทคนิคทีใ่ ชเพื
่ แก ้ปั ญหาทีม
่ เี สนทางไปสู
คาตอบมากมาย (Combination Explosion)
้
ค ้นหาเสนทางที
ค
่ ด
ิ ว่าดีทส
ี่ ด
ุ ในปั ญหาทีม
่ ห
ี ลาย
ทางเลือก
finalclass_AI_2009_Sep_20
35
ประเภทของการ Search


Non heuristic Search เป็ นการค ้นหาคาตอบแบบ
ทั่วไปตามลาดับ ขึน
้ กับชนิดของ algorithm
้
 ชา
้ งก์ชน
ั หรือ
Heuristic search เป็ นการค ้นหาโดยใชฟั
ิ ใจเลือกเสนทางที
้
ปั จจัยทีเ่ กีย
่ วข ้อง มาชว่ ยตัดสน
่
้
คิดว่าน่าจะถูกต ้อง หรือดีกว่าเสนทางอื
น
่
finalclass_AI_2009_Sep_20
36
การเรียนรู ้ (Machine Learning)


เป็ นวิธก
ี ารชว่ ยให ้คอมพิวเตอร์แก ้ไขปั ญหาได ้ดีและ
ถูกต ้องมากขึน
้ เมือ
่ เจอปั ญหาลักษณะเดิม
ต ้องจาเหตุการณ์และผลลัพธ์ทเี่ คยคานวณมาแล ้ว
ได ้
finalclass_AI_2009_Sep_20
37
ผลลัพธ์ทไี่ ด ้จากการแก ้ปั ญหาโดย
้
ใชเทคนิ
คของAI

้
Path ต ้องการเสนทางหรื
อวิธก
ี ารทีท
่ าให ้ได ้คาตอบ


Ex. Water jug problem
Result ต ้องการคาตอบสุดท ้ายโดยไม่สนใจทีม
่ า
ั ท์
 Ex. ใครเป็ นคนขโมยโทรศพ
finalclass_AI_2009_Sep_20
38
ต ัวอย่างการประยุกต์เทคนิค AI
Applications of AI
finalclass_AI_2009_Sep_20
39
การประยุกต์เทคนิค AI



เน ้นการแก ้ปั ญหาในชวี ต
ิ ประจาวัน
ี้ จงเหตุผลโดยใชสามั
้
การชแ
ญสานึก
(Commonsense reasoning)
เลียนแบบความสามารถมนุษย์
finalclass_AI_2009_Sep_20
40
ระบบประมวลผลภาษาธรรมชาติ




ระบบเพือ
่ แปลภาษา (Machine Translation)
ระบบเพือ
่ ติดต่อด ้วยภาษาธรรมชาติ
(Natural Language Interface)
ระบบเพือ
่ ทาความเข ้าใจ (Text or
Discourse Understanding)
ระบบเพือ
่ สร ้างถ ้อยความ (Generation of
Texts)
finalclass_AI_2009_Sep_20
41
ี่ วชาญ
ระบบผู ้เชย

้
ใชฐานข
้อมูลขนาดใหญ่




ความรู ้ทางสามัญสานึก (Commonsense
Knowledge)
ความรู ้ทางสรรพสงิ่ (World knowledge)
ความชานาญเฉพาะด ้าน (Domain specific
knowledge)
กระบวนการหาเหตุผล
finalclass_AI_2009_Sep_20
42
ระบบหุน
่ ยนต์


ประกอบด ้วยสว่ นทีเ่ คลือ
่ นไหวได ้ และระบบ
ควบคุม
Virtual Simulation
Honda Humanoid Robot
finalclass_AI_2009_Sep_20
43
เกมส ์




การค ้นหาบนห ้วงสถานะ (state space
search)
์ ระดาน ไพ่ ต่าง ๆ
เกมสก
้
ใชเทคนิ
คฮวิ ริสติค (Heuristic)
ตัวอย่าง


The Sims
FIFA Soccer
finalclass_AI_2009_Sep_20
44
Machine Learning


พัฒนาความสามารถของระบบปั ญญาประดิษฐ์โดย
การเพิม
่ และการขัดเกลาความรู ้
นาไปใชกั้ บ
 เกมส ์
 Knowledge discovery & Data mining
finalclass_AI_2009_Sep_20
45
Pattern Recognition



การกาหนดลักษณะและรูปแบบของข ้อมูล
(Classification)
ี เลิรน
ทางานร่วมกับเทคนิคแม็ชชน
์ นิง่
ประยุกต์ใชกั้ บ


การตรวจจับคาเดีย
่ วในคาพูด
ี ง
การจดจาและแยกแยะเสย
finalclass_AI_2009_Sep_20
46
Applications









Artificial Life
Automated Reasoning
Theorem Proving
Database Mining
Information Retrieval
Job Scheduling
Resource Allocation
Navigational System
Computer-Assisted Instruction
finalclass_AI_2009_Sep_20
47
สรุป
finalclass_AI_2009_Sep_20
48
Readings

Russell & Norvig


Giarratano


Chapter 1, sec 1.1, on “AI”
Chapter 1, “Intro to Expert Systems”
Jackson

Chapter 1, on “Expert Systems”
finalclass_AI_2009_Sep_20
49
Hint for Final Exam


Human Intelligence VS Artificial
Intelligence
AI Definition
finalclass_AI_2009_Sep_20
50
คาจากัดความของ AI (1)


ปั ญญาประดิษฐ์ – จอห์น แมคคาธี ปี 1956
ความหมายหลักของปั ญญาประดิษฐ์ คือ



การทาให ้คอมพิวเตอร์เป็ นอัจฉริยะ
การสร ้างโมเดลคอมพิวเตอร์จาลองปั ญญามนุษย์
การสร ้างเครือ
่ งจักรให ้เลียนแบบ
finalclass_AI_2009_Sep_20
51
คาจากัดความของ AI (2)

ซงึ่ สอดคล ้องกับ 3 แนวทางทีใ่ ช ้ คือ



แนววิธท
ี เี่ น ้นเชงิ พฤติกรรม (behavior-oriented
approach)
แนววิธข
ี องขบวนการรับรู ้ (cognitive approach)
แนววิธข
ี องหุน
่ ยนต์ (robotic approach)
finalclass_AI_2009_Sep_20
52
Human Intelligence






ความสามารถในการใช ้ และ เข้าใจภาษา
ความสามารถในการหาเหตุผล
ความสามารถในการแก้ไขปัญหาโดยอิงความรู ้
และประสบการณ์
ความสามารถในการเรียนรูส
้ งิ่ ใหม่
ความสามารถในการร ับรู ้
ความสามารถในการเคลือ
่ นไหว และ ควบคุม
finalclass_AI_2009_Sep_20
53
ฉลาดแบบประดิษฐ์






ระบบประมวลผลภาษาธรรมชาติ (natural
Language Processing System)
ระบบการให้เหตุผลอ ัตโนม ัติ (Automatic
Reasoning)
ี่ วชาญ (Expert System)
ระบบผูเ้ ชย
ระบบการเรียนรู ้ (Machine Learning)
ี ง และภาพ (Voice and Image
การวิเคราะห์เสย
Processing)
ระบบหุน
่ ยนต์ (Robotics)
finalclass_AI_2009_Sep_20
54
Tips
finalclass_AI_2009_Sep_20
55
้ AI (1)
ภาษาทีน
่ ย
ิ มใชใน

ทีน
่ ย
ิ มใชมี้ อยู่ 2 ภาษา คือ


ั ลักษณ์
LISP เหมาะกับการประมวลผลสญ
(symbolic processing)
PROLOG เหมาะกับปั ญหาทีอ
่ ธิบายได ้ด ้วย
ข ้อเท็จจริง และเงือ
่ นไข
finalclass_AI_2009_Sep_20
56
้ AI (2)
ภาษาทีน
่ ย
ิ มใชใน

ตัวอย่างภาษา LISP

ั
่ แทนความรูเ้ กีย
แทนความรู ้ เชน
่ วก ับสน
ั
(สน
ื่ เต็ม สน
ั ต์ เดชะภากร)
(ชอ
ื่ ที่ 2 สมัน)
(ชอ
ื่ ที่ 3 สมุน)
(ชอ
ื่ ที่ 4 หาบ) )
(ชอ
finalclass_AI_2009_Sep_20
57
้ AI (3)
ภาษาทีน
่ ย
ิ มใชใน

่ แทนกฎสาหรับอนุมานว่า
แทนกฎ เชน
x เป็น สม ัน ถ้า x มีเขา
(กฏที1่
(if (has-a เขา)
then (is-a สมัน) ) ) )
finalclass_AI_2009_Sep_20
58
้ AI (4)
ภาษาทีน
่ ย
ิ มใชใน

ตัวอย่างภาษา PROLOG



ข ้อเท็จจริง
father(แดง,ดา).
father(ดา,ขาว).
กฎ
grandfather(X,Y) :- father(X,Z), father(Z,Y).
้
เราสามารถตัง้ คาถามโดยใชภาษา
PROLOG แสดงแทน
ได ้ดังนี้
?- father(แดง,ดา)
true
?- grandfather(X,ขาว)
X=แดง
finalclass_AI_2009_Sep_20
59
เอกสารอ ้างอิง (1)

George F. Luger, William A. Stubblefield, “Artificial
Intelligence:Structures and Strategies for Complex
Problem Solving”, The Benjamin/Cummings
Publishing Company, Inc., 1993.





www.ai-depot.com
http://wwwformal.stanford.edu/jmc/whatisai/whatisai.html
http://www.ics.uci.edu/~chair/research/AI95.html
http://world.honda.com/robot
http://satirist.org/learn-game/
finalclass_AI_2009_Sep_20
60