Today ¡ CS ¡232: ¡Ar)ficial ¡Intelligence ¡ ¡ Introduc)on ¡ August ¡31, ¡2015 ¡ § What ¡is ¡ar)ficial ¡intelligence? ¡ § What ¡can ¡AI ¡do? ¡ § What ¡is ¡this ¡course? ¡ [These ¡slides ¡were ¡created ¡by ¡Dan ¡Klein ¡and ¡Pieter ¡Abbeel ¡for ¡CS188 ¡Intro ¡to ¡AI ¡at ¡UC ¡Berkeley. ¡ ¡All ¡materials ¡available ¡at ¡hMp://ai.berkeley.edu.] ¡ Sci-‑Fi ¡AI? ¡ What ¡is ¡AI? ¡ The ¡science ¡of ¡making ¡machines ¡that: ¡ Think ¡like ¡people ¡ Think ¡ra)onally ¡ Act ¡like ¡people ¡ Act ¡ra)onally ¡ 1
Ra)onal ¡Decisions ¡ Maximize ¡Your ¡ ¡ ¡We’ll ¡use ¡the ¡term ¡ ra#onal ¡in ¡a ¡very ¡specific, ¡technical ¡way: ¡ § ¡Ra)onal: ¡maximally ¡achieving ¡pre-‑defined ¡goals ¡ Expected ¡U)lity ¡ § ¡Ra)onality ¡ only ¡concerns ¡what ¡decisions ¡are ¡made ¡ ¡ ¡ ¡ ¡(not ¡the ¡thought ¡process ¡behind ¡them) ¡ § ¡Goals ¡are ¡expressed ¡in ¡terms ¡of ¡the ¡ u#lity ¡of ¡outcomes ¡ § ¡Being ¡ra)onal ¡means ¡ maximizing ¡your ¡expected ¡u#lity ¡ A ¡beMer ¡)tle ¡for ¡this ¡course ¡would ¡be: ¡ Computa#onal ¡Ra#onality ¡ What ¡About ¡the ¡Brain? ¡ A ¡(Short) ¡History ¡of ¡AI ¡ § Brains ¡(human ¡minds) ¡are ¡very ¡good ¡ at ¡making ¡ra)onal ¡decisions, ¡but ¡not ¡ perfect ¡ § Brains ¡aren’t ¡as ¡modular ¡as ¡so_ware, ¡ so ¡hard ¡to ¡reverse ¡engineer! ¡ § “Brains ¡are ¡to ¡intelligence ¡as ¡wings ¡ are ¡to ¡flight” ¡ § Lessons ¡learned ¡from ¡the ¡brain: ¡ memory ¡and ¡simula)on ¡are ¡key ¡to ¡ decision ¡making ¡ Demo: ¡HISTORY ¡– ¡MT1950.wmv ¡ 2
A ¡(Short) ¡History ¡of ¡AI ¡ What ¡Can ¡AI ¡Do? ¡ Quiz: ¡Which ¡of ¡the ¡following ¡can ¡be ¡done ¡at ¡present? ¡ § 1940-‑1950: ¡Early ¡days ¡ 1943: ¡McCulloch ¡& ¡PiMs: ¡Boolean ¡circuit ¡model ¡of ¡brain ¡ § § 1950: ¡Turing's ¡“Compu)ng ¡Machinery ¡and ¡Intelligence” ¡ § Play ¡a ¡decent ¡game ¡of ¡table ¡tennis? ¡ § Play ¡a ¡decent ¡game ¡of ¡Jeopardy? ¡ § 1950—70: ¡Excitement: ¡Look, ¡Ma, ¡no ¡hands! ¡ § 1950s: ¡Early ¡AI ¡programs, ¡including ¡Samuel's ¡checkers ¡program, ¡ § Drive ¡safely ¡along ¡a ¡curving ¡mountain ¡road? ¡ Newell ¡& ¡Simon's ¡Logic ¡Theorist, ¡Gelernter's ¡Geometry ¡Engine ¡ § Drive ¡safely ¡along ¡Harvard ¡Square? ¡ 1956: ¡Dartmouth ¡mee)ng: ¡“Ar)ficial ¡Intelligence” ¡adopted ¡ § § Buy ¡a ¡week's ¡worth ¡of ¡groceries ¡on ¡the ¡web? ¡ § 1965: ¡Robinson's ¡complete ¡algorithm ¡for ¡logical ¡reasoning ¡ § Buy ¡a ¡week's ¡worth ¡of ¡groceries ¡at ¡Whole ¡Foods? ¡ § 1970—90: ¡Knowledge-‑based ¡approaches ¡ § Discover ¡and ¡prove ¡a ¡new ¡mathema)cal ¡theorem? ¡ 1969—79: ¡Early ¡development ¡of ¡knowledge-‑based ¡systems ¡ § § Converse ¡successfully ¡with ¡another ¡person ¡for ¡an ¡hour? ¡ 1980—88: ¡Expert ¡systems ¡industry ¡booms ¡ § § 1988—93: ¡Expert ¡systems ¡industry ¡busts: ¡“AI ¡Winter” ¡ § Perform ¡a ¡surgical ¡opera)on? ¡ § Put ¡away ¡the ¡dishes ¡and ¡fold ¡the ¡laundry? ¡ § 1990—: ¡Sta)s)cal ¡approaches ¡ § Translate ¡spoken ¡Chinese ¡into ¡spoken ¡English ¡in ¡real ¡)me? ¡ § Resurgence ¡of ¡probability, ¡focus ¡on ¡uncertainty ¡ § General ¡increase ¡in ¡technical ¡depth ¡ § Write ¡an ¡inten)onally ¡funny ¡story? ¡ Agents ¡and ¡learning ¡systems… ¡“AI ¡Spring”? ¡ § 2000—: ¡Where ¡are ¡we ¡now? ¡ ¡ ¡ ¡ ¡ ¡ § Uninten)onally ¡Funny ¡Stories ¡ Natural ¡Language ¡ § Speech ¡technologies ¡(e.g. ¡Siri) ¡ § One ¡day ¡Joe ¡Bear ¡was ¡hungry. ¡ ¡He ¡asked ¡his ¡friend ¡ § Automa)c ¡speech ¡recogni)on ¡(ASR) ¡ ¡Irving ¡Bird ¡where ¡some ¡honey ¡was. ¡ ¡Irving ¡told ¡him ¡ § Text-‑to-‑speech ¡synthesis ¡(TTS) ¡ ¡there ¡was ¡a ¡beehive ¡in ¡the ¡oak ¡tree. ¡ ¡Joe ¡walked ¡to ¡ § Dialog ¡systems ¡ ¡the ¡oak ¡tree. ¡ ¡He ¡ate ¡the ¡beehive. ¡ ¡The ¡End. ¡ § Language ¡processing ¡technologies ¡ § Henry ¡Squirrel ¡was ¡thirsty. ¡ ¡He ¡walked ¡over ¡to ¡the ¡ § Ques)on ¡answering ¡ ¡river ¡bank ¡where ¡his ¡good ¡friend ¡Bill ¡Bird ¡was ¡sitng. ¡ § Machine ¡transla)on ¡ ¡Henry ¡slipped ¡and ¡fell ¡in ¡the ¡river. ¡ ¡Gravity ¡drowned. ¡ ¡The ¡End. ¡ § Once ¡upon ¡a ¡)me ¡there ¡was ¡a ¡dishonest ¡fox ¡and ¡a ¡vain ¡crow. ¡ ¡One ¡day ¡the ¡crow ¡ was ¡sitng ¡in ¡his ¡tree, ¡holding ¡a ¡piece ¡of ¡cheese ¡in ¡his ¡mouth. ¡ ¡He ¡no)ced ¡that ¡ ¡ ¡ he ¡was ¡holding ¡the ¡piece ¡of ¡cheese. ¡ ¡He ¡became ¡hungry, ¡and ¡swallowed ¡the ¡ cheese. ¡ ¡The ¡fox ¡walked ¡over ¡to ¡the ¡crow. ¡ ¡The ¡End. ¡ § Web ¡search ¡ § Text ¡classifica)on, ¡spam ¡filtering, ¡etc… ¡ [Shank, ¡Tale-‑Spin ¡System, ¡1984] ¡ Demo: ¡NLP ¡– ¡ASR ¡tvsample.avi ¡ 3
Demo ¡1: ¡ROBOTICS ¡– ¡soccer.avi ¡ Demo ¡4: ¡ROBOTICS ¡– ¡laundry.avi ¡ Vision ¡(Percep)on) ¡ Robo)cs ¡ Demo ¡2: ¡ROBOTICS ¡– ¡soccer2.avi ¡ Demo ¡5: ¡ROBOTICS ¡– ¡petman.avi ¡ Demo ¡3: ¡ROBOTICS ¡– ¡gcar.avi ¡ § Object ¡and ¡face ¡recogni)on ¡ § Robo)cs ¡ § Part ¡mech. ¡eng. ¡ § Scene ¡segmenta)on ¡ § Part ¡AI ¡ § Image ¡classifica)on ¡ § Reality ¡much ¡ ¡harder ¡than ¡ ¡simula)ons! ¡ § Technologies ¡ § Vehicles ¡ § Rescue ¡ § Soccer! ¡ § Lots ¡of ¡automa)on… ¡ § In ¡this ¡class: ¡ § We ¡ignore ¡mechanical ¡aspects ¡ § Methods ¡for ¡planning ¡ Demo1: ¡VISION ¡– ¡lec_1_t2_video.flv ¡ § Methods ¡for ¡control ¡ Images ¡from ¡Erik ¡Sudderth ¡(le_), ¡wikipedia ¡(right) ¡ Demo2: ¡VISION ¡– ¡lec_1_obj_rec_0.mpg ¡ Images ¡from ¡UC ¡Berkeley, ¡Boston ¡Dynamics, ¡RoboCup, ¡Google ¡ Logic ¡ Game ¡Playing ¡ § Classic ¡Moment: ¡May, ¡'97: ¡Deep ¡Blue ¡vs. ¡Kasparov ¡ § First ¡match ¡won ¡against ¡world ¡champion ¡ § Logical ¡systems ¡ § “Intelligent ¡crea)ve” ¡play ¡ § Theorem ¡provers ¡ § 200 ¡million ¡board ¡posi)ons ¡per ¡second ¡ § Humans ¡understood ¡99.9 ¡of ¡Deep ¡Blue's ¡moves ¡ § NASA ¡fault ¡diagnosis ¡ § Can ¡do ¡about ¡the ¡same ¡now ¡with ¡a ¡PC ¡cluster ¡ § Ques)on ¡answering ¡ § Open ¡ques)on: ¡ § How ¡does ¡human ¡cogni)on ¡deal ¡with ¡the ¡ ¡search ¡space ¡explosion ¡of ¡chess? ¡ § Methods: ¡ § Or: ¡how ¡can ¡humans ¡compete ¡with ¡computers ¡at ¡all?? ¡ § Deduc)on ¡systems ¡ § 1996: ¡Kasparov ¡Beats ¡Deep ¡Blue ¡ ¡“I ¡could ¡feel ¡-‑-‑-‑ ¡I ¡could ¡smell ¡-‑-‑-‑ ¡a ¡new ¡kind ¡of ¡intelligence ¡across ¡the ¡table.” ¡ § Constraint ¡sa)sfac)on ¡ § Sa)sfiability ¡solvers ¡(huge ¡advances!) ¡ § 1997: ¡Deep ¡Blue ¡Beats ¡Kasparov ¡ ¡ “Deep ¡Blue ¡hasn't ¡proven ¡anything.” ¡ § Huge ¡game-‑playing ¡advances ¡recently, ¡e.g. ¡in ¡Go! ¡ Image ¡from ¡Bart ¡Selman ¡ Text from Bart Selman, image from IBM’s Deep Blue pages 4
Recommend
More recommend
