Mens & Machine korte complete samenvatting

Korte samenvatting

Taak 1 AI


CRUM= gaat ervanuit dat de geest mentale representaties heeft die overeenkomen met
datastructuren en computationele procedures die weer overeenkomen met algoritmen  zodat
computerprogramma’s met algoritmen de geest en zijn processen kan modulleren
- CRUM beperkt zich tot het computationele model  negeert dus het feit dat mensen een
interactie hebben met de omgeving om hun heen


Artificial intelligence (AI)= technologie ontworpen om activiteiten uit te voeren die normaal
menselijke intelligentie vereisen. (past vaak production rules toe)
- Wordt toegepast bij:
1. Machine learning= recente vooruitgang in AI. Computers die uit zichzelf leren zonder
dat deze gestuurd wordt door mensen. Om zo voorspelling/prediction in de
toekomst te maken.
 Software voor computervisie, spraak herkenning, natuurlijke taalverwerking,
robot controle en andere toepassingen
 Supervised learning methods zijn meest gebruikte machine learning
methoden (spamclassificatie in mail, gezizchtsherkenning etc.)
 Maken van een prediction/voorspelling
 Prediction wordt waardevoller zodra meer data beschikbaar wordt
 door Machine learning (bijv. algoritmen maken)  zoals Alpha
Go (=machine learning algoritmen)
 Neemt prediction van de mens over
o Prediction is geen automatisering maar input in de
automatisering
o Oordeel is meest waardevol  als de prediction leidt tot
goedkopere, snellere en vroegere diagnosen worden
verpleeg skills belangrijker
o als machines beter worden in predictions worden manager
skills minder waard, maar hun oordeel skills meer waard
(bijv. mentor) omdat ze hier meer tijd voor hebben
 Neural network/artificial neural network= connectionisme – dynamisch
systeem; vooral deep networks liggen aan basis van deep learning; in
machine learning; een artificieel neural network waardoor een computer kan
leren  geïnspireerd door menselijk brein
 Spraakherkenning, afbeeldingherkenning, gezichtsherkenning
 Alle neuronen vallen tussen nr. 0-1 -> 0 is niks en 1 is correct (Bijv.
elke pixel heeft een eigen nummer)
 Input –> hidden layers (alleen bij multi layered networks zoals deep
network) --> output
 Weights (positief of negatief afhankelijk of het een juiste connectie
is)
o Bias verteld je hoe hoog de weight moet zijn voordat de
neuronen actief worden

,  Leren is het vinden van de juiste weights en biases
o Computer geeft op t begin foute output aan  weights en
biases dienen aangepast te worden voor betere
uitkomsten
o Back propagation algoritme= hoofd algoritme waardoor
neural networks leren
deep learning= data structuren gemoduleerd naar het menselijk brein op
meerdere niveau’s (met veel hidden layers) kunnen moeilijkere problemen
oplossen
 Op vandaag zijn deep learning systemen nog ver weg van het geven
van een basis voor algemene intelligentie systemen
o Hun zwakte is dat ze circuits zijn; familie van propositionele
logica en Bayesian netwerken; die niet in staat zijn om
complexe vormen van kennis op een beknopte manier uit te
drukken
o Deep networks= heel veel artificiële neuron lagen (hidden
layers) die een verwerking doen.
 Bij BCI
 Computational creativitiy (CC)= hanteert een algoritmisch perspectief op
creativiteit en probeerd creatief gedrag te koppelen aan specifieke
processen, algoritmen en kennisstructuren
 Bayesian network= maakt het mogelijk om de kansen op een zeer groot
aantal uitkomsten in een zeer beknopte vorm weer te geven d.m.v.
algoritmen (alpha go?)
 Delta rule
 Pattern associator network, autoassociator network, competitive network
Artificial neural networks (ANN)= nabootsing van menselijk brein (onderling
verbonden netwerk van neuronen). Als gevolg hiervan kan het neurale netwerk (NN)
output genereren als reactie op omgevingsstimuli, net zoals het menselijk brein
reageert op verschillende omgevingsveranderingen. kan begeleid leren (supervised
learning), kan niet-gesuperviseerd leren, kan versterkt leren
 neural networks liggen aan de basis van deep learning  waarbij de
algoritmen van machine learning zijn geïnspireerd door het menselijk brein.
in neural network komt input (data) binnen  in midden (hidden layers)
wordt die getraind om patronen te herkennen in deze data  en voorspeld
erna de output
 Neural networks lossen problemen op in de machine learning
 Brain-computer interfaces (BCIs) = AI technologie is al direct gekoppeld aan
het menselijk brein als een manier om menselijke cognitieve of sensory-
motor functies te herstellen of te assisteren (bijv. beheersen van prothesen,
niet-aangeboren blindheid behandelen)
2. Natural language processing
- Mensen zijn bang dat het onze banen overneemt
 Virtual reality simulatie= een vorm van mens-computer interface die toestaat dat de
gebruiker ondergedompeld wordt in, en interactie heeft met, een computer-
gegenereerde simulatie omgeving.
 Chatbots
- Moore’s law= het idee dat de vooruitgang van AI verdubbeld om de 2 jaar
 Dit is niet meer het geval omdat het nu minder snel groet
- Three law’s of robotics= ethische richtlijnen voor het gebruik van AI machines (Isaac
Asimov). De wet stelt dat: