Robotica Lezione 4. 2 Attributi dell’Intelligenza Pensiero Capacita’ a risolvere problemi Apprendimento e Memoria Linguaggio Intuizione e Creativita’

Presentazione sul tema: "Robotica Lezione 4. 2 Attributi dell’Intelligenza Pensiero Capacita’ a risolvere problemi Apprendimento e Memoria Linguaggio Intuizione e Creativita’"— Transcript della presentazione:

1 Robotica Lezione 4

2 2 Attributi dell’Intelligenza Pensiero Capacita’ a risolvere problemi Apprendimento e Memoria Linguaggio Intuizione e Creativita’ Coscienza Emozioni Sopravvivenza Abilita’ psicomotorie

3 Lezione 43 Diversity-Compliance Trade off Capacità di adattamento che gli organismi mostrano quando si trovano in situazioni nuove e dalle quali vogliono ricavarne vantaggio Caratteristica che si manifesta come – abilità a trovare il giusto compromesso fra diversità e adattamento, ossia, – generazione delle differenze pur aderendo alla situazione corrente

4 Lezione 44 Agente Definizione: entità distinguibile dal proprio ambiente in base a caratteristiche di delimitazione spaziale, temporale o funzionale e che possiede un certo grado di autonomia Un agente deve possedere qualche tipo di identità chiaramente identificabile nell'ambiente del quale fa parte e da cui deve differenziarsi

5 Lezione 45 Classificazione degli Agenti

6 Lezione 46 Agente Autonomo Paradigma Gerarchico (agente Knowledge-based)‏ – utilizza il punto di vista classico dell’Intelligenza Artificiale Paradigma Reattivo (agente Behavior-based) – Interazione con l’ambiente (situatedness)‏ – Intelligenza come proprieta’ emergente – Comprensione dell’ambiente mediante embodiment

7 Lezione 47 Agenti Intelligenti Si basano sul paradigma cognitivista La mente e’ al centro delle attivita’ dell’agente Compiti della mente (Phil Johnson-Laird)‏ – percezione del mondo – apprendere, ricordare e controllare le azioni – pensare e creare nuove idee – controllare la comunicazione con altri agenti – creare l'esperienza delle emozioni, delle intenzioni e della autoconsapevolezza

8 Lezione 48 Test di Intelligenza Test di Turing Stanza Cinese di John Searle Prove di tipo linguistico

9 Lezione 49 Metafora dell'Information Processing - I Il cervello è la sede dell'intelligenza dove il ciclo input-processing-output degli elaboratori si trasforma nel ciclo sensing-thinking-act degli agenti intelligenti

10 Lezione 410 Metafora dell'Information Processing - II Il cervello umano è paragonabile ad un grosso elaboratore che riceve le informazioni dal mondo esterno attraverso l'apparato sensoriale, il cui effetto è quello di mappare lo stimolo ricevuto nella rappresentazione interna (modello del mondo), per cui, a seconda dello stato interno, tale percezione genera l'intenzione o il piano (fase di elaborazione), che, finalmente, produce l'azione da eseguire (attuazione).

11 Lezione 411 Agente Knowledge-based – I il modello di riferimento è un programma per l'elaboratore sintesi basata sull'obiettivo (goal-based design)‏ agenti razionali se un agente razionale ha un obiettivo e sa che una particolare azione lo avvicinerà maggiormente all'obiettivo, allora l'agente sceglierà proprio quell'azione per eseguirla

12 Lezione 412 Agente Knowledge-based – II modularità ciclo sense-think-act architettura centralizzata per l'elaborazione delle informazioni sintesi top-down (design top-down)‏

13 Lezione 413 Funzionalismo Il punto di vista secondo il quale l'intelligenza è riconducibile a pura computazione, dove la computazione è un meccanismo che opera sulle rappresentazioni, è noto come paradigma cognitivista, o funzionalismo

14 Lezione 414 Macchina di Turing L'idea di computazione è stata formalizzata da Alan Turing (1936)‏ Alonzo Church ha sviluppato idee simili approssima- tivamente negli stessi anni. La macchina di Turing è un modello teorico astratto di elaboratore la cui realizzazione fisica è del tutto irrilevante rispetto al meccanismo concettuale di esecuzione ad ogni singolo passo della computazione

15 Lezione 415 Tesi di Church-Turing - I Le macchine di Turing sono universali perchè modellano o simulano qualunque altra macchina astratta per la computazione Si puo’ supporre, con Turing, che tali macchine siano in grado di simulare l'intelligenza umana (ipotesi nota come tesi di Church-Turing)‏ Esistono in letteratura molte versioni (alcune più deboli, altre più forti) di questa tesi.

16 Lezione 416 Tesi di Church-Turing - II Dapprima si mostra che se un problema non è risolubile per mezzo di qualche mezzo teoretico di calcolo, ad esempio, la macchina di Turing, allora non può essere risolto neanche dall'uomo. Successivamente, si argomenta che se l'uomo è in grado di risolvere un problema o comunque ha a che fare con un'attività intelligente, allora è possibile in qualche modo costruire una macchina che faccia la stessa cosa.

17 Lezione 417 Funzionalismo secondo Putman Il pensare e le altre funzioni dell'intelligenza non necessitano un hardware specifico, ossia, lo stesso tipo di funzioni può essere eseguito su dispositivi hardware (machinary) diversi. L'intelligenza o la cognizione possono essere studiati al livello degli algoritmi o dei processi computazionali senza dover considerare la struttura sottostante dei dispositivi su cui gli algoritmi sono eseguiti. Occorre distinguere fra hardware e software e quest'ultimo è il vero oggetto delle indagini

18 Lezione 418 Ipotesi del Sistema Simbolico - I Un sistema di simboli fisici è condizione necessaria e sufficiente per un'azione intelligente in generale Il termine fisico si riferisce all'idea che il sistema simbolico deve essere realizzato con l'impiego di qualche mezzo fisico (carta, elaboratore, cervello) ma la sua effettiva realizzazione è irrilevante.

19 Lezione 419 Ipotesi del Sistema Simbolico – II necessario significa che qualunque sistema che non ha questa proprietà non può essere intelligente sufficiente implica che se un sistema gode di questa proprietà allora ha tutte le potenzialità per eseguire azioni intelligenti. I linguaggi di programmazione sono sistemi di simboli fisici, dunque gli elaboratori possono essere resi potenzialmente intelligenti

20 Lezione 420 Legge della Rappresentazione I processi computazionali operano su rappresentazioni, quelle che si dicono le strutture simboliche che, nel senso di Newell e Simon devono essere intesa come qualcosa che si riferisce ad una situazione del mondo esterno e che obbedisce alla legge della rappresentazione, ossia decode[encode(T)(encode(X))] = T(X) dove X è la situazione esterna originale mentre T è la trasformazione esterna.

21 Lezione 421 Problemi della Rappresentazione Frame Problem, deriva dal modellare il cambiamento – prediction problem: cosa si deve fare per determinare ciò che è rilevante al ragionamento corrente e quindi necessita di essere aggiornato in seguito al cambiamento che si è verificato – qualification problem: quali sono tutte le precondizioni che devono essere verificate per poter applicare un'azione Symbol Grounding Problem Embodiment Problem Situatedness Problem