Treść książki
Przejdź do opcji czytnikaPrzejdź do nawigacjiPrzejdź do informacjiPrzejdź do stopki
1020Działysztucznejinteligencji
Przeszukiwanie
Istotlinteligentnegozachowaniajestniekiedydokonywanienajlepszychwg
pewnegokryteriumwyborów.Dokonanietrafnegowyborupoleganamniej
lubbardziejsystematycznymprzejrzeniuprzestrzeniwszystkichpotencjalnych
wyborów.
Przykładyalgorytmówprzeszukujlcychprzestrzeńmożliwychwyborów,
zktórymibędziemymielidoczynieniawdalszejczęściskryptu:
ŻAlgorytmyewolucyjne/genetyczne.Algorytmutrzymujepewienzbiór(po-
pulację)potencjalnychwyborów(osobników).Populacjatareprodukujesię
wtakisposób,abywkolejnychpokoleniachbyłocorazwięcejosobników,
którzyslwgdanegokryteriumlepsi.
ŻAlgorytmywyborusekwencji.Niekiedyproblememjestniepojedynczy
wybór,alesekwencjawyborów,np.działańprowadzlcychwzręcznyspo-
sóbdojakiegoścelu.Przykłademalgorytmuposzukujlcegooptymalnych
sekwencjiwyborówjestA*.
ŻAlgorytmywyboruruchuwgrze.Jednlzefektownychdemonstracjite-
go,copotocznienazywasięsztucznlinteligencjlslprogramygrajlce
wgryplanszowe.Wybórdokonywanyprzeztakiprogramwynikazin-
teligentnegoprzejrzeniaprzestrzenisekwencjiruchówwykonywanychprzez
przeciwników,poczlwszyodbieżlcejpozycjinaplanszy.Algorytmydoko-
nujlcetakiegoprzeglldutoMIN-MAXi0−β.
Uczeniemaszynowe
Dziedzinaπuczeniemaszynoweπobejmujetechnikiautomatycznegopozyskiwa-
niawiedzy.Nauczeniemaszynoweskładasięszeregpodgałęzi:
Żdatamining,czyliwydobywaniewiedzyzbazdanych;efektemdziałania
metodtegorodzajujestzbiórprawidłowościstatystycznychdotyczlcych
świataopisanegowbaziedanych;
Żuczeniesięzewzmocnieniem,czyliuczeniesiępodejmowaniadecyzji(ste-
rowania)wnieznanychzgórysystemachdynamicznych;
Żsiecineuronowe;nośnikieminformacji,któreslrezultatemuczeniamaszy-
nowego,moglbyćrozmaitestruktury;wwieluzastosowaniachwykorzy-
stujesięwtejrolisztucznesiecineuronoweŹstrukturyinspirowanebudowl
mózgu.
11
