Санкт-Петербургский государственный университет Санкт-Петербургский государственный университет информационных технологий, механики и оптикиинформационных технологий, механики и оптики

Кафедра компьютерной фотоники и Кафедра компьютерной фотоники и видеоинформатикивидеоинформатики

Научно-образовательный Научно-образовательный инновационный центринновационный центр

Интеллектуальных систем Интеллектуальных систем компьютерного восприятия и компьютерного восприятия и

управленияуправленияАлексей ПотаповАлексей Потапов

Деятельность Центра

• Окружающий интеллект: бытовые роботы, системы помощи водителю, умные дома, ...

• Эволюционная робототехника: очувствленные и обучающиеся роботы, нейронные сети, генетические алгоритмы, …

Деятельность Центра

• Многое другое:• системы дополненной реальности,• игровой интеллект,• бизнес-интеллект

Что такое искусственный интеллект?

МифыРусские сказки• ковер-самолет• скатерть-самобранка• самоходные повозки• меч-кладенец

Прочее• гомункулусы• големы• …

Суть технического прогресса

История техники – история замены или дополнения живого искусственным

• палка • колесо• рычаг• счеты• линза• …

Но техника пассивна => неавтономна

История мехатроники

До н.э.Механические:• птицы • танцовщицы• музыканты• …

Позднее• Железный «человек-привратник» Альберта Великого (XIII в.)• Искусственный шахматист и говорящая машина Вольфганга фон Кемпелена (XVIII-XIX в.)• Промышленная революция XIX в.: механические швеи и т.д.

История интеллектуальных систем

До н.э.• счеты• часы• …

Позднее• Арифметические машины Блеза Паскаля на основе часового механизма (XVII в.) воспроизводят искусство счета, доступное лишь интеллектуалам• Идеоскоп Корсакова (XIX в.)

Чего не хватало роботам?

Что такое компьютер?

Разделы ИИ, выделяемые на основе решаемых задач

Машинный перевод;

Автоматическое реферирование;

Информационный поиск;

Системы речевого общения;

Игровой интеллект;

Автоматическое доказательство теорем;

Автоматическое программирование;

Извлечение данных;

…

Разделы ИИ, выделяемые на основе используемых методов

Искусственные нейронные сети;

Эволюционные вычисления;

Распознавание образов;

Экспертные системы;

Эвристическое программирование;

Мультиагентный подход;

…

Смена парадигм ИИ

1. Поиск в пространстве решений; 1950-е – 1960-е гг.; Решение формализованных задач; Ограничение: формализация задач выполняется вручную

2. Представление знаний 1970-е – середина 1980-х гг.; Решение задач из описанной узкой предметной области; Ограничение: извлечение знаний выполняется вручную

3. Машинное обучение середина 1980-х гг. – 1990-е гг.; Построение описания узкой предметной области в рамках заданного представления; Ограничение: структура области определяется вручную

Мышление как поиск

1. Формальное понятие алгоритма Алгоритм как цепочка операций над символами моделирует

процесс решения задач или доказательства теорем математиком; решение задачи как поиск цепочки операций над строками символов, приводящих от условия задачи к решению

2. Лабиринтная гипотеза мышления Мышление животных и человека может быть представлено как

поиск пути в некотором «лабиринте», в котором развилки соответствуют ситуациям, а коридоры – доступным переходам между этими ситуациями.

3. Эвристическое программирование Первая парадигма в искусственном интеллекте, в рамках

которой мышление рассматривалось как поиск в пространстве решений и изучались вопросы оптимизации этого поиска.

Основные понятия эвристического программирования

Дерево вариантов• Дерево игры• Дерево целей

• Дерево эксплицитное• Дерево имплицитное

Порождающая процедура

• Поиск в ширину• Поиск в глубину

NP-полнота

Комбинаторный взрыв

Эвристика

Поиск в пространстве решений

Решаемые задачи:

Игровой интеллект

Автоматическое доказательство теорем

Некоторые задачи планирования

Общий решатель задачСоздан А. Ньюэллом и Г. Саймоном на основе

программы «Логик-теоретик» в 1957 году и развивался более 10 лет

Описание проблемной среды Описание операторов

Описание различий

Таблица связей

Упорядоченье различий

Описание задачи Совокупность состояний объектов в начальной ситуации Совокупность состояний объектов в начальной ситуации

Метод решения: анализ целей и средств

Пример ограничений эвристического программирования

Системы представления знаний

Логические модели

Системы продукций

Семантические сети

Фреймы

Объектно-ориентированные представления

Сценарии

Системы с досками объявлений

…

Системы продукций

Правило или продукция имеет вид A=>B

Примеры

Преобразование символов (переход от именительного к дательному падежу)

рожь => ржи

Xь => Xи

Xа => Xе

X => Xу

Описание действий1. Автомобиль не заводится и есть бензин => проверить

зажигание.2. Автомобиль не заводится => проверить наличие бензина.3. … Распознавание объектов1. Зеленый, полосатый, вкусный => Арбуз2. Желтый, кислый => Лимон3. …

Ассоциативные сети

Сети, в узлах которых находятся понятия, а дуги задают ассоциативные связи между понятиями; структура связей, как правило, определяется из психофизических экспериментов

Животное

Птица

Канарейка Страус

ЛетатьПерья

ДышатьКожа

Желтый

Петь

Семантические сети

Сети, в узлах которых находятся понятия или некоторые объекты, а дуги произвольные связи и отношения между ними; эти сети служат для представления знаний

Мебель

Стул

Спинка Ножка

Сидеть

состоит из состоит из

назначение

относится к

Падежные фреймыПадежные фреймы имеют структуру, подобную структуре семантических сетей, и служат для представления глубинной структуры предложений на естественном языке

Гвоздь

ЗабитьИван

Молоток

Будущеесубъект

инструмент

времяобъект

Представления знанийМебель

СтулСпинка

Ножкасостоит из

состоит из

относится к

Материал дерево

Вес 4 кг

Ножек 4

Вращается Нет

Спинка (…)

Ножка 1 (…)

Высота 39 см.

Наклон 0о

Форма кругл.

Высота 48 см.

… …

Экспертные системы

Основные элементы

База знаний

Машина вывода

Блок общения

Основные функции

Приобретение знаний

Представление знаний

Манипулирование знаний

Разъяснение решений

Проблема приобретения знаний стала узким местом в разработке экспертных систем. Извлечение знаний, осуществляемое инженерами по знаниям, было крайне трудоемким в связи с чем возникла необходимость разработки автоматических методов приобретения знаний или в общей постановке – обучения.

Машинное обучение

Типы обучения по виду предоставляемой информации

Обучение с учителем

Обучение с подкреплением

Обучение без учителя

Усвоение знаний, умений и навыков путем или получения и восприятия информации от учителя или обработки наблюдаемой информации с последующим построением на основе этих наблюдений новых общих правил и закономерностей.

Входное представление

Обучающая информация

Система машинного обучения

Выходное представление

Результат обучения

Схема взаимодействия интеллектуального агента со средой

Агент

эффекторырецепторы управление

«тело»

Среда действиесигналы

подкрепление наказание

Поколения роботов

• Программные• Адаптивные• Интеллектуальные~ Когнитивные

Суть различий: в степени недетерминированности среды

Области применения робототехники

• промышленные роботы• медицинские роботы• роботы для оборонных задач• беспилотные летательные аппараты и роботизированные автомобили• роботы в сфере услуг• бытовые роботы

Особенности бытовых роботов:• применяются не организациями, а отдельными людьмижесткие требования к отношению стоимости к полезности, а также к компактности• наименьшая детерминированность условий функционирования

Приложения бытовой робототехники• роботы-игрушки

• большое различие по функциональным возможностям• роботы, выполняющие работу по дому

• роботы-пылесосы• роботы-газонокосилки• роботы-повара• роботы-посудомойки• роботы-охранники• …

• роботы, взаимодействующие с людьми• роботы, помогающие инвалидам, больным и пожилым людям• роботы, приглядывающие за детьми (например, роботизированные люльки) или домашними животными (автоматическое кормление и т.д.)

Большинство продуктов не окупают стоимость разработки непосредственно за счет продаж.

Развитие бытовой робототехники• Коммерческое освоение рынка бытовой робототехники начинается с середины 1990-х годов. До этого существовали преимущественно академические исследования и разработки.

• Первые полноценные бытовые роботы стали выходить в продажу в 1999-2002 гг.; темпы их продаж составили свыше 100 экз./год.

• К 2005 г. некоторые типы роботов были проданы по несколько миллионов экземпляров.

• Тем не менее, до сих пор лишь отдельные типы роботов являются умеренно прибыльными; в большинстве же своем они используются для повышения престижа компании и отработки новых технологий.

Примеры развития бытовой робототехники• 1999: AIBO (Sony); стоимость 2500$; темп продаж в среднем (1999-2006 гг): 20000 экз./год.

• 2003: Робот-газонокосилка Robomow (FriendlyRobotics); стоимость 1000$; темп продаж 10000 экз./год.

• 2002-3: роботы-пылесосы:• Roboking (LG), стоимость 2500$;• Roomba (iRobots), стоимость >300$;• Характерная стоимость сейчас: ~500$; темпы продаж одной модели: 10000-100000 экз./год (в сумме >500000 экз./год).

• Исходно эти модели роботов для навигации использовали сонары и датчики касания

Примеры развития бытовой робототехники• 2003: робо-охранники (подвижные автоматизированные системы видеонаблюдения)

• MARON-1 (Fujitsu); стоимость 1500$;• Существуют модели со стоимостью >10000$.

• Коммуникационные роботы:• 2005: Wakamaru (Mitsubishi), стоимость 15000$.

• Роботы этих типов используют камеры. С 2008 года использование камер для навигации оказалось экономически оправданным для роботов-пылесосов.

Особенности компьютерного зрения в бытовой робототехнике

• Современная тенденция развития бытовой робототехники заключается в добавлении видеокамер в «бюджетные» модели, а не только в «высокотехнологичные» разработки.• По-прежнему существуют существенные ограничения на вычислительную мощность бортовых вычислителей:

• Наиболее дешевыми решениями являются мобильные процессоры типа ARM.• Возможно использование DSP и FPGA, которые, однако, также менее эффективны процессоров персональных компьютеров.• В «высокотехнологичных» моделях могут использоваться более мощные процессоры, однако и их производительность недостаточна для решения многих задач анализа изображений существующими методами.

Особенности задач компьютерного зрения в бытовой робототехнике

• Использование низкокачественных видеокамер.• Существенно трехмерные изображения.• Отсутствие фотограмметрических меток и векторных моделей объектов.

• В ряде решений подобные метки используются.• Непредсказуемое взаимодействие пользователя с роботом.• Для многих задач компьютерного зрения в бытовой робототехнике, характеризующихся высокой априорной неопределенностью, вообще отсутствуют методы решения.

Существующие технологии• Методы быстрого выделения контуров и построение на их основе структурных элементов.

• Решение задач стереозрения, определения точек схода.• Восстановление трехмерной структуры сцены (например, неплотной карты диспаратности).

• Системы локальных признаков.• Решение задач сопоставления изображений.

• Сенсорная локализация мобильного робота.• Распознавание объектов с низкой изменчивостью.

• Метод каскадов Хаара.• Обнаружение и распознавание лиц.

• Коммуникационные и игровые роботы.• Построение и анализ оптического потока

• Решение задач обнаружения движущихся объектов и слежения за ними; распознавание жестов.

• Робо-охранники.• Частные методы.

• Пример: текстурный анализ по априорным признакам.• Приложение: обнаружение смятой одежды.

Изображения Контуры Структурные описания

Решение задачи стереозрения

Измеренная глубина сцены

Сопоставление изображений

Приложение: навигация мобильных роботов

Чего сейчас не могут зрительные системы бытовых роботов

• Распознавать объекты с высокой изменчивостью.• Распознавать «неограниченные» классы объектов

(«посуда», «мебель», …).• Интерпретировать сцены.• Работать в условиях изменяющегося и плохого

освещения.• Строить «плотные» карты дальности.• Обучаться.• …

Приглашаем школьников

Для школьников 9-11 классов предоставляется возможность принять участие в деятельности Центра

• Участие в реальных исследовательских и коммерческих проектах

• Современное оборудование• Постоянный обмен опытом в творческой атмосфере

• Семинары с выступлениями ведущих специалистов

Интересующиеся проблемами искусственного интеллекта, обращайтесь на кафедру или по e-mail: pas.aicv@gmail.com