4005 Ekspertni sustavi u prometu- Uvod -
Prof. dr. sc. Hrvoje GoldZagreb, 12.02.-13.02.2010.
Sveučilište u ZagrebuFakultet prometnih znanosti
Doktorski studij 2009/10
Organizacija predavanja• Predavanja: 16+0 (6 bodova) • Datum: 12.02./19.02.2010., petak, 17:00-20:00
13.02./20.02.2010., subota, 08:00-14:00 • Smjer: Svi smjerovi • Lokacija: ZUK Borongaj / Objekt 71 / Dvorana 6• Br. studenata:
• Konzultacije:prof. dr. sc. Hrvoje Gold – utorak i četvrtak13:00-15.00Borongaj, objekt 71, P-12, [email protected], www.fpz.hr/~goldh
Opis kolegija• Umjetna inteligencija i
ekspertni sustavi • Ontologije prometnih procesa i
sustava • Prikaz znanja • Sustavi temeljeni na pravilima • Mjere neizvjesnosti znanja • Prikupljanje znanja • Baze znanja • Heuristički zasnovane
klasifikacije • Konstruktivno rješavanje
problema u transportu
• Mehanizam zaključivanja • Objašnjenje ponašanja• Neuronske baze znanja • Sustavi prikaza i zaključivanja
zasnovani na neizrazitoj logici• Hibridni ekspertni sustavi • Sustav sa zajedničkom bazom • Sustav koji podržava istinitost
znanja • Mreže uvjerenosti • Pomagala za izgradnju
ekpertnih sustava • Ekspertni sustavi u prometu i
transportu
Uvod
• Društvo znanja– Snaga društva odgovara znanju kojim raspolaže– Potreba za stručnim i specijalističkim znanjima– Pojavom računala omogućen razvoj umjetnih
(stručnih/ekspertnih) sustava koji prikupljaju znanje i donose zaključke i odluke slično ljudima
– Umjetna/Strojna inteligencija Artificial/Machine Intelligence – AI/MI
Inteligencija
• Svojstvo uspješnog snalaženja u novim situacijama• Učenje na temelju iskustva • Sposobnost razumijevanja problema i načina
rješavanja problema• Svrsishodno i prilagodljivo ponašanje u zadanim
okolnostima• Sposobnost učenja, razmišljanja, prilagođavanja,
odlučivanja, prepoznavanja, zaključivanja, predviđanja
Umjetna inteligencija
• Umjetni sustavi inteligentnog ponašanja• Sposobnost prikupljanja i uporabe znanja• Sposobnost postavljanja problema• Sposobnost učenja, zaključivanja, rješavanja problema• Sposobnost obrade i razmjene znanja
• Umjetni sustav je inteligentan ako u rješavanju spoznajnih zadataka postiže iste rezulate kao i čovjek
Područja umjetne inteligencije• Sustavi za potporu u odlučivanju• Inteligentno pretraživanje podataka• Formalizmi i metode prikaza znanja• Rješavanje problema i metode pretraživanja • Učenje korištenjem primjera• Razumijevanje i obrada prirodnih (i umjetnih) jezika• Automatsko programiranje• Računalni vid, raspoznavanje uzoraka i analiza scene• Približno računanje (umjetne neuronske mreže, genetski
algoritmi, neizrazita logika)• Robotika• EKSPERTNI SUSTAVI
Ekspertni sustav
• Prikuplja, organizira i koristi znanje stručnjaka za rješavanje problema iz određenog (uskog) područja
• Ekspertni sustav – znanje i stručnost čovjeka izraženi u obliku
pravila (ako -> onda)– baza znanja i mehanizam zaključivanja su
razdvojeni– sustav može objasniti postupak zaključivanja
Inženjering znanja
• Način prikupljanja (izvlačenja), prikaza i upotrebe znanja
• Izražavanje stručnjaka – nepreciznim, dvosmislenim terminima (gotovo
uvijek, obično, ponekad) – korištenjem lingvističkih varijabli (visok, brz,
težak)• Postupak prikupljanja, provjere i preradbe
znanja je zamoran i skup
Integracija inteligentnih sustava• Sutavi temeljeni na pravilima• Neizrazita (fuzzy) logika
– računanje sa riječima– koristi neizrazite, približne vrijednosti koje opisuju
značenja, način zaključivanja i odlučivanja• Umjetne neuronske mreže
– uče na temelju iskustva i modificiraju postojeća ili proizvode nova pravila
• Evolucijski sustavi– zasnovani na modelima prirodne selekcije i genetika
• Hibridni ekspertni sustavi
Počeci razvoja područja umjetne inteligencije (1943-56)
– Warren McCulloch, Walter Pitts, A logical Calculus of the Ideas Immanent in Nervous Activity, 1943
– Alan Turing, "The Imitation Game“/”Turing Test”,Computing Machinery and Intelligence, 1950
– Electronic Numerical Integrator and Calculator (ENIAC) projekt (Mauchly, Eckert, von Neumann), 1946
– Claude Shannon, Programming a Computer for Playing Chess,1950
– Ljetna radionica o strojnoj inteligenciji na Dartmouth College-u, umjetne neuronske mreže i teorija automata,1956 – McCarthy – Artificial Intelligence - AI
Uspon područja (1956-1960’)
– General Problem Solver (GPS) opći program za rješavanje problema (Newell, Simon), 1957
– Programski jezik za obradu lista LISP (McCarthy), 1958
– F. Rosenblatt – Perceptron – model neuronske mreže sa sposobnošću učenja, 1958
– J. A. Robinson - algoritam za dokazivanje teorema predikatne logike, 1965
Uspon područja (1956-1960’)
– Lotfi Zadeh – neizrazita (fuzzy) logika, približno zaključivanje, 1965
– Arthur Bryson, Yu Chi Ho, algoritam učenja neuronske mreže povratnim rasprostiranjem pogreške, 1969
– Newell, Simon, Human Problem solving, 1972 – Marvin Minsky, A Framework for Representing
Knowledge, 1975
Stagnacija istraživanja (1960’-’1970)
– Marvin Minsky, Seymour Papert, ‘Perceptron’, oganičenja neuronskih mreža, 1969
– The Lighthill Report UK, pesimistična prognoza mogućnosti primjene umjetne inteligencije, 1971
– Ekspertni sustav DENDRAL - podrška u analizi kemijskih stuktura (Feigenbaum, Buchanan, Lederberg, Stanford University), 1969
– PROLOG – PROgrammation en LOGique (Colmerauer, Roussel, Francuska, Kowalski, UK), 1970
– M. Minsky – okvir (frame) – shema prikaza znanja, 1975
Pojava ekspertnih sustava (‘1970-1985)
Pojava ekspertnih sustava (‘1970-1985)
– B. Buchanan, E. Feigenbaum – MYCIN –model procjenjivanja u neizvjesnim okolnostima, 1976
– EMYCIN ljuska (Feigenbaum, Shortliffe, Stanford University), 1976
– Arthur Dempster, Glenn Shafer – teorija zaključivanja u slučaju neizvjesnog, promjenjivog, kolebljivog, dvojbenog znanja, 1976
– Hopfield, Neural Networks and Physical Systems with Emergent Collective Computational Abilities,1982
– Kohonen, Self-Organized Formation of Topologically Correct Feature Maps, 1982
– Rumelhart, McClelIand, Parallel Distributed Processing, 1986
– Prva međunarodna konferencija o neuronskim mrežama, IEEE,1987
– Haykin, Neural Networks, 1994 – Programski alati - Neural Network, MATLAB Application
Toolbox (The MathWorks, Inc )
Obnova umjetnih neuronskih mreža (1965- )
– Rechenberg, Evolutionsstrategien Optimierung Technischer Systeme nach Prinzipien der Biologischen Evolution, 1970
– Holland, Adaptation in Natural and Artificial Systems, 1975
– Koza, Genetic Programming: On the Programming of the Computers by Means of Natural Selection, 1992
– Schwefel, Evolution and Optimum Seeking, 1995 – Fogel, Evolutionary Computation - Towards a New
Philosophy of Machine Intelligence, 1995
Evolucijsko računanje (‘1970- )
– Zadeh, Fuzzy Sets, 1965 – Zadeh, Fuzzy Algorithms, 1969 – Mamdani, Application of Fuzzy Logic to Approximate
Reasoning Using Linguistic Synthesis, 1977 – Sugeno, Fuzzy Theory, 1983 – Proizvodi široke potrošnje (perilica za posuđe, stroj za
pranje rublja, klima uređaji, fotokopirni aparati) – Sendai Subway System (Hitachi, Japan), 1986 – Negoita, Expert Systems and Fuzzy Systems, 1985
Približno računanje (1980’- )
Približno računanje (1980’- )– Prva međunarodna konferencija o neizrazitim
sustavima, IEEE, 1992 – Kosko, Neural Networks and Fuzzy Systems, 1992 – Kosko, Fuzzy Thinking, 1993 – Yager and Zadeh, Fuzzy Sets, Neural Networks and
Soft Computing, 1994 – Cox, The Fuzzy Systems Handbook, 1994 – Kosko, Fuzzy Engineering, 1996 – Zadeh, Computing with Words — A Paradigm Shift,
1996 – Programski alati - Fuzzy Logic, MATLAB Application
Toolbox (The MathWorks, Inc )
Doba primjena (1995’-) – DART – planiranje složenih logističkih zadataka u
Zaljevskom ratu, 1991 – Šahovski program IBM Deep Blue pobjeđuje Gari, 3 5:2
5, Kasparova, 1997– RoboCup - nogometno prvenstvo robota, 1997– PROVERB - rješavanje križaljki, 1999– Breazeal, Sociable machines, Kismet, Leonardo
izražavanje emocija, 2000– Web Ontology Language, 2004– OpenCyc - vršna ontologija, 2006– Šah - Deep Fritz 10 : Vladimir Kramnik = 4 : 2
(2 pob i 4 remi), 2006
Doba primjena (1995’-)– Inteligentni transportni sustavi, 1995– Dickmanns, samostalno vozilo (robot) Mercedes S-
klasa – Munchen - Copenhagen – aktivni vid/175 km/h/66 km bez intervencije vozača, 1995
– ALVINN vidni sustav - NavLab - računalom upravljano vozilo, CMU, 1998
– Samostalni robot Nomad - potraga za uzorcima meteorita na Antarktiku, 2000
– Probabilistička robotika, Sebastian Thrun, 2005
PRIMJERISAMOSTALNIH
INTELIGENTINHVOZILA
http://www darpa mil/grandchallenge/
~ 230 km~ 230 000 GPS
Najdulji prijeđeni putSandstorm ~ 12 km
DARPA Grand ChallengeRobot Vehicle Race 2004
Nagrada 1 000 000 USD
DARPA Grand ChallengeRobot Vehicle Race 2005
Stanley - Stanford30 km/h – 6:54h
~ 210 kmPrijavljeno 195
Započelo 23Stiglo 5 vozila
Nagrada 2 000 000 USD
Sandstorm H1ghlanderStanley
DARPA 3rd Grand ChallengeUrban Challenge November 2007
96 km gradske vožnje, za < 6 sati, poštujući prometna pravila
Nagrada za 1. mjesto CMU2.000.000 USD
1. mjesto Chevy Tahoe 4:10:204 vozila za < 4 sata6 voziča stiglo na cilj
SUSTAV ZA MULTISENZORSKO IZVIĐANJE I NADZOR U IZVANREDNIM SITUACIJAMA I ZAŠTITI OKOLIŠA – TP MZOŠ
Geodetski fakultetFakultet prometnih znanosti
DRIVE-BY-WIRE
FPZ-iV podsustavi: • Strukturalni• Opažački
• Osjet okoline• Osjet unutarnjeg stanja
• Spoznajni• Združivanje podataka iz senzora• Planiranje puta i navigacija
• Pokretački• Pokretanje i nadzor pokretanja vozila
Okolina
Opažački
Spoznajni
Pokretački
Okolina
Strukturalni
Podsustavi inteligentnog vozila FPZ-iV
FPZ-iV
Citroën C6
Inteligentna vozila• 1 Road Condition Reporting – prilagodba na stanje kolnika
When a car using BMW's hazard system slips on ice, its sensors activate traction control Meantime, wireless technology alerts other cars in the area to the hazard
• 2 Adaptive Cruise Control – prilagodba na tijek prometa Luxury cars made by Audi, BMW, Infiniti, and others now use radar-guided cruise control to keep pace with the car ahead
• 3 Omnidirectional Collision System – izbjegavanje sudaraGM has built an inexpensive collision detection system that allows GPS-equipped cars to identify each other and communicate wirelessly
• 4 Lane-Departure Prevention – izbjegavanje promjene vozne stazeNissan has a prototype that uses cameras and software to detect white lines and reflective markers If the system determines the vehicle is drifting, it will steer the car back into the proper lane
• 5 Auto Parallel Park – samostalno parkiranje (NXT) (Lexus)Toyota has a technology that uses a camera to identify a curbside parking space and turns the wheel automatically to reverse you into the spot
• 6 Blind-Spot Sensors – upozorenje o mogućnosti sudara GM's GPS-based collision detectors can warn you when another car enters your blind spot
• 7 Corner Speed – prilagodba vožnje u zavojimaAn experimental Honda navigation computer anticipates upcoming turns and, if necessary, slows the vehicle to match predetermined safe speeds
Inteligenti transportni sustavi
Sustav opisan izrazima teorije općih sustava (Klir-ova paradigma)
Poopćeni sustav prijevoza i prometa
rArA tp , rDrD tp ,
Z. Radić, I. Bošnjak, H . Gold, "Generalized ITS Modeling for Improved Intermodal Interface", Proc 5th World Congress on Intelligent
Transport Systems, Paper No 2087 (CD-ROM), Seoul, Oct 12-16, 1998
Prijevozna i prometna inteligencijaINTELIGENCIJA PODSUSTAVA MREŽE
PROMETNIH KORIDORA, NTC-I
INTELIGENCIJA PODSUSTAVA PRILAGODBE PROMETNOG ENTITETA, TFA-I
INTELIGENCIJA PODSUSTAVA PROMETNOG ENTITETA, TFE-I
INTELIGENCIJA PODSUSTAVA PRILAGODBE PRIJEVOZNOG ENTITETA, TNA-I
INTELIGENCIJA PODSUSTAVA PRIJEVOZNOG ENTITETA, TNE-I
Z. Radić, H. Gold “Technological Infrastructure in Transitional ITS-Development Policies” Proceedings of the 10th World Congress on Intelligent Transport Systems,
Madrid, November, 16-20, 2003, Paper No 2726 (CD-ROM)
• osigurava djelotvornu prilagodbu prometnog entiteta na podsustav mreže prometnih koridora,
• sposobna je djelovati u stvarnom vremenu u slučaju nenadanih događaja, • sposobna je odabrati prikiadni koridor za svaki prometni entitet, • osigurava nužne uvjete za priključivanje i odvajanje prometnog entiteta na
odnosno od prometnog sustava
• uspostavlja unaprijed zadane modove prijevoza zavisno o životnom vijeku prijevoznog entiteta i odgovarajućim uvjetima prijevoza,
• osigurava promjenu modova prijevoza zavisno o ubrzanoj iii usporenoj dobi transportnog entiteta,
• sposobna je stvarnovremeno djelovati u slučaju nenadanih događaja,• osigurava nužne uvjete za priključivanje i odvajanje prijevoznog entiteta
na odnosno od prijevoznog sustava
• uspostavlja unaprijed zadane modove prijevoza zavisno o životnom vijeku transportnog entiteta i odgovarajućim uvjetima prijevoza,
• osigurava promjenu modova prijevoza zavisno o ubrzanoj iii usporenoj dobi transportnog entiteta,
• sposobna je stvarnovremeno djelovati u slučaju nenadanih događaja,• osigurava nužne uvjete za priključivanje i odvajanje prijevoznog
entiteta na odnosno od prijevoznog sustava
• podržava programirani pomak prilagođenog prometnog entiteta, • pruža informacije o stanju odgovarajućih prometnih koridora,
raspodjeljena je duž koridora, • osigurava zadane prometne uvjete prilagođenom prometnom entitetu
• osigurava obradu podataka i informacija o poIožaju prostornih koordinata i dobi prijevoznog entiteta,
• otkriva poremećaje i u stvarnom vremenu ispravlja ponašanje prijevoznog entiteta,
• surađuje sa podsustavom prijevoznog entiteta i podsustavom prometnog entiteta,
• štiti prijevozni entitet u slučaju nenadanih događaja
AI can have two purposes. • One is to use the power of computers to augment
human thinking just as we use motors to augment human or horse power. Robotics and expert systems are major branches of that.
– upotreba snage računala za povećanje / sposobnosti razmišljanja / prirodne inteligencije
• The other is to use a computer's artificial intelligence to understand how humans think in a humanoid way. If you test your programs not merely by what they can accomplish, but how they accomplish it, they you're really doing cognitive science, you're using AI to understand the human mind.
– upotreba umjetne inteligencije računala za razumijevanje / načina razmišljanja / prirodne inteligencije
Herbert Simon,1957