Mesters

1
Mesterséges Tudományok
Mesterséges Intelligencia Mesterséges Élet
Mesterséges Társadalmak

• Gulyás László
• Tudománytörténet és Tudományfilozófia Tanszék
• gulya_at_hps.elte.hu

2
Az eloadás címérol

• Herbert Simon
• Közgazdaságtani Nobel-díj, 1978.
• A szervezeteken belüli döntési folyamatok
  elemzésében elért eredményeiért
• The Sciences of Artificial, The MIT Press, 1969.
• Az eloadás központi figurája

3
Áttekintés

• Motiváció
• Mesterséges Intelligencia (AI)
• Mesterséges Élet (ALIFE)
• Mesterséges Társadalmak (ASOC)
• Néhány konkrét alkalmazás

4
Motiváció, avagy miért?

• Komplex szoftver-rendszerek
• A szoftver sem olyan már, mint régen.
• Multi-taskos, hálózatos rendszerek.
• Az alkalmazás, amit írok együtt kell muködjön
  (kell, hogy muködjön) más, akár még meg sem írt
  alkalmazásokkal.
• A teljes kontroll elvesztése
• Globális követelmények, lokális eszközök
• Pl. aktuális EU pályázati kiírások self-X

5
Motiváció II, avagy hogyan?

• Tanuljunk a természettol
• Ember - Mesterséges Intelligencia
• Biológia - Mesterséges Élet
• Társas rendszerek,Társadalom - Mesterséges
  Társadalmak

6
Mesterséges Intelligencia

• Intenzíven muvelt kutatási terület az 50-es évek
  óta.
• Herbert Simon az egyik alapító.
• Közelíto definíció
• Olyan problémák, feladatok számítógépes
  megoldása, amiben az ember jó.
• Problémák a meghatározással
• Futóvad-lövés
• Nem az ember létrehozása
• Többmillió éves, kielégíto módszereink vannak.

7
A klasszikus MI

• Kezdetben az emberi racionalitás a cél
• Racionális mindig a leheto legjobb megoldást
  választja.
• Maximalizálás, optimalizálás.

8
A klasszikus MI 2.

• A legrövidebb út keresésének általánossága
• Bonyolult problémák matematikai leírása
• Kétszemélyes játékok (pl. sakk)

9
A klasszikus MI 3.

• Kapcsolat az MI és a közgazdaságtan között
• Herbert Simon az MI egyik alapítója
  ésközgazdaságtani Nobel-díja
• A klasszikus közgáz alapfeltétele az egyének
  racionalitása.
• Régi MI hogyan legyünk racionálisak.

10
A klasszikus MI problémái I.

• A kifejlesztett keresoalgoritmusok
  tökéletesek, de nem muködnek.
• Beláthatatlan nagy problématér.
• Mindent tudni strapás.
• A sakk példája
• Elvileg tudjuk az algoritmust a nyero játékra
  (de min. a döntetlenre).
• De ha az univerzum összes atomja számítógép
  lenne, akkor se tudnánk kivárni az eredményt.

11
Napjaink MI-kutatásai

• Nem a racionalitással foglalkoznak.
• Hanem az irracionalitással.

Herbert Simon közgazdaságtani Nobel-díja Döntési
folyamatok szervezeteken belül. Racionálisak?

• A korlátozott racionalitással
• A rendelkezésre álló információból
• A rendelkezésre álló eroforrásokkal
• A rendelkezésre álló ido alatt
• a leheto legjobbat választani.

Korlátozott racionalitás(Herbert Simon)
12
Napjaink MI-kutatásai II.

• Nem a legjobb, hanem az elég jó a cél.
• De azt idoben!
• Mi sem tudjuk, hogy amit teszünk, optimális-e.
• Ha valaki mégis tudja, akkor arról
• tudományos közleményt ír, vagy
• meggazdagszik
• Helyzetfüggo információk és megoldások
• Ld. Deep Blue Kaszparov ellen 1997-ben.

13
A klasszikus MI problémái II.

• Hétköznapi ismeretek hiánya
• A problémát le kell írni a számítógép által
  értheto módon.
• Amit nem írunk le, azt nem fogja tudni.
• Az apám apja a nagyapám.
• Az apám öregebb, mint én.
• Mennyi ideig is tanul egy ember?

14
Gépi tanulás

• Általában optimalizációs (függvény-maximalizáció)
  feladatként írják le.
• Jóság ? Jutalom maximalizálása
• De! Közelíto megoldások
• Általános módszerei
• Induktív tanulás
• Mesterséges Neuronhálók
• Genetikus Algoritmusok

Mesterséges Élet
15
Mesterséges Élet(Artificial Life)

• Félrevezeto definíció
• Számítógépen szimulált biológiai rendszerek
• A biológiai elméletek tesztelése.
• A biológiai mechanizmusok vizsgálata, valóságban
  nem létezo rendszereken.
• Mérnöki, szoftvermérnöki alkalmazások.

16
A GOLEM-projekt

• Genetikailag szervezodo életszeru eletromechanika
  (Genetically Organized Lifelike Electro
  Mechanics)
• Szimulált evolúcióval optimalizált robotok.
• Konkrétan megépített prototípusok a szimulált
  eredmények alapján.
• Cél a minél gyorsabb és stabilabb mozgás
• Kétdimenziós, sík felületen.

Nyíl
Tetra
Balance
Biped
17
Genetikus algoritmus 1.

• Általános optimáló módszer (meta-heurisztika).
• Mesterséges evolúció.
• Az evolúció elvei alapján
• Természetes szelekció
• A legfittebb túlélése
• Szexuális (géncserés) reprodukció.
• A populáció, a génsorozat, a reprodukció
• Mind metafora csupán.

18
Genetikus algoritmus 2.

• Populáció
• Megoldás-kezdemények sokasága.
• Génreprezentáció (kódoló függvény)

3x 2
19
Genetikus algoritmus 3.

• Rátermettségi függvény (fitness function)
• A megoldás jósága.

3x 2
50
20
Genetikus algoritmus 4.

• Szelekció
• A gyengék törlése és
• Az erosek szaporodása.

21
Genetikus algoritmus 5.

• Reprodukció
• Mutáció és
• Keresztezés (géncsere)

3x 2
3x 2
3
0
5x 4
22
Genetikus algoritmusPélda
23
Többszereplos rendszerek

• A biológiai rendszerek gyakran nem ragadhatóak
  meg az egyed szintjén.
• Ld. a genetikus algoritmus mesterséges
  evolúciója.
• A megoldás gyakran
• Kollektíve áll elo,
• Közelíto jellegu, de
• Robusztus.
• Mesterséges társadalmak

24
Termeszvárak
25
Termeszvár Algoritmusa I.

• Deneubourg et al.
• A dolgozó földet vesz fel
• Nyállal keveri
• Emiatt feromon kerül bele
• A feromon vonzza a többi dolgozót
• Egyre többen jönnek
• Királyno feromonja
• Párolgás

26
Termeszvár Algoritmusa II.

• Boltív

27
Hangyák élelemkeresése

• Jelenlegi ismereteink szerint / a modellben
• Sok, egyszeru dolgozó
• Nincs központi kontroll
• Nincs direkt kommunikáció
• Mégis
• Közel optimális útvonal
• Adaptivitás
• Robusztusság

28
Hangyák élelemkeresése
29
Hangyák élelemkeresésének algoritmusa

• 2 fajta feromon
• kereso,
• hazatéro
• A hangyák a feromon erosségét követik
• A hibázás fontossága
• Tehetetlenség
• Diffúzió és párolgás

30
Mesterséges társadalmak(Artificial Societies)

• Ismét egy félrevezeto név
• Társadalmi folyamatok számítógépes modellezése.
• Célja
• Társadalomtudományi elméletek alkotása.
• Mérnöki megoldások ellesése.

31
Egyre inkább elkülönülten élnek a romák

• 2004. február 19., csütörtök, 754
• Jelentosen nott a romák települési elkülönülése
  az elmúlt évtizedben - írja a Magyar Hírlap az
  MTA legfrissebb kutatásának alapján. Eszerint ma
  minden második romának jórészt roma szomszédai
  vannak, és az állapot a harminc évvel ezelottihez
  hasonló.
• Megjegyzés a nem-romák is elkülönülten élnek.

32
Miért élnek elkülönülten a romák?

• Néhány alternatíva
• Kulturális okokból.
• Gazdasági okokból.
• Mert rasszisták, kirekesztok vagyunk.
• Problémák a kérdésfelvetéssel
• Több dolgok vannak földön s égen Horatio,
  semmint bölcselmetek álmodni képes".
• Egyszerusítés ? modellek.

33
Tényleg rasszisták vagyunk-e?

• Avagy, a romák elkülönültsége valóban
  egyértelmuen erre utal-e?
• Thomas C. Schelling és modellje (1978.)
• Lakóhelyválasztás stilizált térben.
• Pirosak és kékek.
• Tolerancia-szint százalékban.
• Hova vezet a 60-os tolerancia?
• Közgazdaságtudományi Nobel-díj, 2005.

34
A 60-os tolerancia
35
Mi következik ebbol?

• Alapvetoen semmi.
• Az emberek bonyolultabbak.
• A valóság nem ilyen (v.ö. Horatio).
• De mégis
• Gondolatkísérlet.
• Egzisztencia-bizonyíték.
• A megértés fejlesztése.

36
Mesterséges társadalmak és a statisztikus fizika

• Ökonofizika (Econophysics)
• Bonyolultabbak vagyunk, mint a (számítógépes)
  modellek.
• Nem vagyunk olyan egyszeruek, mint a
  molekulák.
• Viszont a molekulák is sokkal bonyolultabbak,
  mint ahogy a termodinamika mondja

37
A mikro-makro kapcsolat

• Schelling
• Mikro motivációk és makro viselkedés
  (Micromotives and macrobehavior, 1978.)
• Herbert Simon
• Közgazdaságtan (miko- és makroökonómia)
• A millió dolláros kérdés
• Hogyan tervezzünk lokális programokat, hogy a
  globális rendszer (pl. hálózat) muködjön?

38
Piaci metaforák

• A piacgazdaság az egyik legjobban (nem
  tökéletesen!) muködo problémamegoldó,
  eroforrás-allokáló rendszer
• Elosztott
• A szereplok önállóak és önzoek.
• Kevés kommunikációt igényel.
• Egységes érték- és információ kódolás (pénz)
• Ami automatikusan koordinálja a szereploket.

39
Alulról-felfelé építkezés(Engineering from the
Bottom-Up)

• A probléma véletlen hibáknak ellenálló hálózatok
  generálása.
• Algoritmus, piaci metafórákkal
• Az ágensek egymás után kapcsolódnak a hálóra úgy,
  hogy a konnektivitásukat maximalizálják.
• Minden ágens fix k darab élet építhet.
• Az eddigi hálóra vonatkozó információ költséges,
  ezért az ágensek csak a hálózat bizonyos részeit
  ismerik. (Árazási modell és zsebpénz.)
• Robusztus hálózatokat generál, a paraméterek
  széles tartományában.
• Alapveto fontosságú az információ elérés
  milyensége (ld. pl. árazás).

40
Robusztus hálózatok generálása
41
Egyéb konkrét alkalmazások

• Beszélgeto robotok
• Információs kioszkok

42
Tozsdeoktatás

• http//vbroker.hu/
• (AITIA Rt.)

43
Megnyugtatásul

• A kontroll mindig az embernél marad.
• A miként-et nem feltétlenül tudom, de a
  korlátokat én definiálom.
• Vízforralásnál sem tudom, pontosan hogyan
  mozognak a molekulák, de ha elzárom a gázt

44
Vége

• Köszönöm a figyelmet!