YAPAY ZEKA

BRGL EGEL

Zeka

Deneyimden renme yetenei Bilgi edinme, saklama ve uygulama yetenei Yeni durumlara tepki verebilmek iin muhakeme edebilme yetenei Problem zme yetenei

Yapay Zeka

Bilgisayarn insan gibi hareket ve muhakeme edebilmesini amalayan alma alan Bilgisayarlara dnmeyi retmek Bilgisayarn insan akln taklit etmesini salamak nsanlarn iyi yapabildikleri konularda bilgisayarlarn da iyi olmasn salamak (problem zme, oyun oynama)

Yapay Zeka

Bilgisayarlar hibir zaman insanolunun yaratclk, duygu ve mizacnn benzeimini aktarabilme becerisine sahip olamayacaktr. Bununla beraber, bilgisayarlarn belirli insan davranlarn (nesneleri alma ve bunlar belirli yerlere yerletirme gibi) yapan makinalara yn vermesi ve belirli bir uzmanlk alan ile ilgili (veri hesaplamas, tbbi tehis gibi) beeri dnme srecinin benzeimini yapan (simule eden) sistemlere beyin olma becerisine sahip olmas olasdr.

Yapay Zeka

Yapay zeka (YZ) alannda nemli gelimeler gnmzde salanm olmakla beraber, aratrma dzeyi halen kuluka safhasndadr. Her geen gn, yapay zeka aratrmaclar yapay zekann yeniden tanmlanmasna yardmc olacak yeni icat ve yenilikler ortaya koymaktadr. Hatta bazlar bu gelimelere bakarak YZ'nin tanmlanmas imkansz mulak bir kavram olduunu bile sylemektedir. YZ konusunda yaplan almalarn her birisinin cevaptan daha ok yeni sorular ortaya koyduu bile sylenebilir.

Yapay Zeka

Bununla ilgili olarak, MIT (Massachusette Technical University) aratrma grubunda YZ ile ilgili almalarn ncs olan Manvin Minsky YZ'nin "hareket eden bir ufuk" gibi olduunu ifade etmektedir. YZ konusundaki almalar 1960'lardan beri gndemde olmasna karn YZ uygulamalarnn ok ileri boyutta bilgisayar gcne ihtiya duymasndan dolay aratrmaclarn ounun bu alanda yeni bir ey ortaya koyma gayreti sonusuz kalmtr.

Yapay Zeka

Ancak gnmzde bilgisayar teknolojisinde yaanan gelimelerin salad ucuz ve gl bilgisayarlar sayesinde YZ alannda byk lekli aratrma yapabilmek ekonomik adan mmkn hale gelebilmitir. Bunun sonucu olarak, YZ'nin bir alt alan olan uzman sistemler (expert systems) konusunda daha imdiden nemli gelimeler salanm olup, i dnyasnn karar verme srecinde uzman sistemlerden nemli lde yararland gzlenmektedir.

Yapay Zeka

Yapay zeka, insann dnme yapsn anlamak ve bunun benzerini ortaya karacak bilgisayar ilemlerini gelitirmeye almak olarak tanmlanr. Yani programlanm bir bilgisayarn dnme giriimidir. Daha geni bir tanma gre ise, yapay zeka, bilgi edinme, alglama, grme, dnme ve karar verme gibi insan zekasna zg kapasitelerle donatlm bilgisayarlardr. Bu konudaki ilk alma McCulloch ve Pitts tarafndan yaplmtr. Bu aratrmaclarn nerdii, yapay sinir hcrelerini kullanan hesaplama modeli, nermeler mant, fizyoloji ve Turing'in hesaplama kuramna dayanyordu.

Yapay Zeka

Her hangi bir hesaplanabilir fonksiyonun sinir hcrelerinden oluan alarla hesaplanabileceini ve mantksal "ve" ve "veya" ilemlerinin gerekletirilebileceini gsterdiler. Bu a yaplarnn uygun ekilde tanmlanmalar halinde renme becerisi kazanabileceini de ileri srdler. Hebb, sinir hcreleri arasndaki balantlarn iddetlerini deitirmek iin basit bir kural nerince, renebilen yapay sinir alarn gerekletirmek de olas hale gelmitir. 1950'lerde Shannon ve Turing bilgisayarlar iin satran programlar yazyorlard.

Yapay Zeka

lk yapay sinir a temelli bilgisayar SNARC, MIT'de Minsky ve Edmonds tarafndan 1951'de yapld. almalarn Princeton niversitesi'nde srdren Mc Carthy, Minsky, Shannon ve Rochester'le birlikte 1956 ylnda Dartmouth'da iki aylk bir alma toplants dzenledi. Bu toplantda bir ok almann temelleri atlmakla birlikte, toplantnn en nemli zellii Mc Carthy tarafndan nerilen Yapay Zeka adnn konmasdr.

Yapay Zeka

lk kuram ispatlayan programlardan Logic Theorist (Mantk kuramcs) burada Newell ve Simon tarafndan tantlmtr. Daha sonra Newell ve Simon, "insan gibi dnme" yaklamna gre retilmi ilk program olan General Problem Solver (Genel sorun zc) ' gelitirmilerdir. Simon, daha sonra fiziksel simge varsaymn ortaya atm ve bu kuram, insandan bamsz zeki sistemler yapma almalaryla uraanlarn hareket noktasn oluturmutur. Bundan sonraki yllarda mantk temelli almalar egemen olmu ve programlarn baarmlarn gstermek iin bir takm yapay sorunlar kullanlmtr.

Yapay Zeka

Daha sonralar bu sorunlar gerek yaam hibir ekilde temsil etmeyen oyuncak dnyalar olmakla sulanm ve yapay zekann yalnzca bu alanlarda baarl olabilecei ve gerek yaamdaki sorunlarn zmne leklenemeyecei ileri srlmtr. Gelitirilen programlarn gerek sorunlarla karlaldnda ok kt bir baarm gstermesinin ardndaki temel neden, bu programlarn yalnzca sentaktik bir ekilde alp konu ile ilgili bilgileri kullanmamasyd. Bu dnemin en nl programlarndan Weizenbaum tarafndan gelitirilen Eliza, karsndaki ile sohbet edebiliyor gibi grnmesine karn, yalnzca karsndaki insann cmleleri zerinde baz ilemler yapyordu.

Yapay Zeka

lk makine evirisi almalar srasnda benzeri yaklamlar kullanlp ok gln evirilerle karlalnca bu almalarn desteklenmesi durdurulmutur. Zeki davran retmek iin bu almalarda kullanlan temel yaplardaki baz nemli yetersizliklerin de ortaya konmasyla bir ok aratrmaclar almalarn durdurdular. Buna en temel rnek, sinir alar konusundaki almalarn Minsky ve Papert'in 1969'da yaynlanan Perceptrons (Algalar) adl kitaplarnda tek katmanl algalarn baz basit problemleri zemeyeceini gsterip ayn ksrln ok katmanl algalarda da beklenilmesi gerektiini sylemeleri ile bakla kesilmi gibi durmasdr.

Yapay Zeka

Her sorunu zecek genel amal program yerine belirli bir uzmanlk alanndaki bilgiyle donatlm programlar kullanma fikri yapay zeka alannda yeniden bir canlanmaya yol at. Ksa srede uzman sistemler ad verilen bir metodoloji geliti. Fakat burada ok sk rastlanan tipik bir durum, bir otomobilin tamiri iin nerilerde bulunan uzman sistem programnn otomobilin ne ie yaradndan haberi olmamasyd. nsanlarn iletiimde kullandklar Trke, ngilizce gibi doal dilleri anlayan bilgisayarlar konusundaki almalar bu sralarda hzlanmaya balad. Doal dil anlayan programlarn dnya hakknda genel bilgiye sahip olmas ve bu bilgiyi kullanabilmek iin genel bir metodolojisi olmas gerektii belirtilmekteydi.

Yapay Zeka

Uzman dizgelerin baarlar beraberinde ilk ticari uygulamalar da getirdi. DEC tarafndan kullanlan ve mteri siparilerine gre donanm seimi yapan R1 adl uzman sistem irkete bir ylda 40 milyon dolarlk tasarruf salamt. Birden dier lkeler de yapay zekay yeniden kefettiler ve aratrmalara byk kaynaklar ayrlmaya baland. 1988'de yapay zeka endstrisinin cirosu 2 milyar dolara ulamt. Btn bu almalarn sonunda yapay zeka aratrmaclar iki gruba ayrldlar. Bir grup insan gibi dnen sistemler yapmak iin alrken, dier gurup ise rasyonel karar verebilen sistemler retmeyi amalamaktayd.

10 Soruda Yapay Zeka

Yapay zek, yani AI (artificial intelligence) nedir? Yapay zek basite akll bilgisayar program demektir. Hesap yapabilen, tasnif edebilen ve en nemlisi problem zme yetisine sahip bilgisayar programlar genel olarak yapay zek tanmlamas iinde deerlendirilebilir. Peki ama, zek nedir? Dnyada amalara ulamak iin gerekli yeteneklerin hesap ksmdr. nsanlarda, pek ok hayvanda ve baz makinelerde farkl trlerde ve derecelerde grlmektedir.

10 Soruda Yapay Zeka

nsan zeksna bal olmayan somut bir zek tanm yok mu? Henz yok. Sorun u: Henz genel olarak hangi hesap prosedrlerinin akll olarak tanmland belirlenemedi. Bir eyin akll olup olmadna 'evet' ya da 'hayr' diye cevap vermek mmkn m? rnein 'Bu makine akll m, deil mi?' gibi.. Hayr. Zeka, mekanizmalar ieriyor ve yapay zek aratrmas, bilgisayarlarn nasl baz mekanizmalar yrtp bazlarn yrtmediini kefediyor. Eer bir grevi gerekletirmek sadece gnmzde iyice bilinen mekanizmalar ieriyorsa, bilgisayar programlar bu grevlerle ilgili etkileyici performanslar gerekletirebilir. Bu gibi programlar 'olduka akll' programlar olarak kabul ediliyor.

10 Soruda Yapay Zeka

Yapay zek, insan zeksn taklit mi ediyor? Zaman zaman. te yandan, sadece kendi metotlarmz gzlemleyerek bile makineleri, problemleri zecek hale getirmeyi renebiliriz. Dier taraftan, YZ almalarnn ou, insanlar ve hayvanlar incelemektense dnyadaki zek gerektiren problemleri incelemeyi ieriyor.

10 Soruda Yapay Zeka

Bilgisayar programlarnda IQ sz konusu mu? Hayr. IQ, zeknn ocuklardaki geliim seviyesidir. Zeka testlerinde zek yann kronolojik yaa blmnn 100 ile arplmasyla elde edilen sonutur. IQ hayattaki baarlar ve baarszlklarla karlkl iliki ierisindedir; ancak bir bilgisayarn IQ testlerinde elde ettii yksek sonula, yararlanlabilirlii arasnda zayf bir iliki vardr. rnein, bir ocuun bol haneli bir sayy tekrar etmesi dier zek yetenekleri ile balantldr; ocuun bir kerede ne kadar bilgiyi hesaplayabileceini ler. Ancak 'say uzunluu' ok kstl ileme sahip bilgisayarlar iin bile nemsizdir. Bununla birlikte IQ testlerindeki baz sorular yapay zek iin faydaldr.

10 Soruda Yapay Zeka

nsan ve bilgisayar zeks arasndaki dier karlatrmalar nelerdir? nsan zeks konusundaki en nemli aratrmaclardan biri olan Arthur R. Jensen, btn normal insanlarn ayn entelektel mekanizmaya sahip olduklarn ve zek farkllklarnn nicel biyokimyasal ve psikolojik koullara bal olduunu "heuristik" (kefetmeye yarayan) bir hipotez olarak ne sryor. Bunlar; hz, ksa vadeli hafza ve doru, tekrar ulalabilir uzun vadeli hafza olarak tanmlanabilir. Gnmzde yapay zeknn durumu ise bunun tam tersi. Bilgisayar programlar byk hza ve hafzaya sahip; ancak yetenekleri, program tasarmclarnn programlara kazandrd entelektel mekanizmalara bal.

10 Soruda Yapay Zeka

ocuklarn ergenlik yalarna kadar gelitiremedii baz yeteneklere sahip olabilirler, ancak iki yandaki bir ocuun sahip olduu baz yetenekler onlarda olmayabilir. Bilmeye ve kavramaya dayal bilimler, insann yeteneklerinin tam olarak ne olduu belirlemede hl baarl deil. Yapay zekdaki entelektel mekanizmalarn organizasyonu insandakinden ok daha faydal ve farkl olabilir.

10 Soruda Yapay Zeka

Yapay zek aratrmas ne zaman balad?: kinci Dnya Sava'ndan sonra bir grup aratrmac, akll makineler zerinde bamsz almalara balad. ngiliz matematiki Alan Turing yapay zek konusunda 1947 ylnda verdii bir konferansta yapay zeknn, bina ina etmek yerine en iyi bilgisayarlar programlayarak aratrlmas gerektiini iddia etti. 1950'lerin sonlarna gelindiinde, yapay zek konusunda pek ok aratrmac ortaya kt ve pek ounun almalar bilgisayar programlamaya dayal idi. Yapay zek aratrmaclar iin en nemli dnm noktalarndan biri de "Turing Testi" oldu.

10 Soruda Yapay Zeka

Alan Turing'in 1950 ylndaki "Computing Machinery and Intelligence" isimli makalesi, bir makinenin akll saylmas iin gerekli olan koullar inceliyor. Turing, 'Eer bir makine insan gibi davranyorsa, o makine kesinlikle aklldr.' diyor. Bu test pek ok kiiyi ikna etti ama filozoflar deil. Gzlemci, makine ve bir insan; "teletype" (tel ile balanan otomatik yaz makine sistemi) yolu ile (makinenin kardaki kiinin grnn ve sesini taklit etmesini engellemek iin) etkileim iine girer. Kii, gzlemciyi kendisi olduuna inandrmaya alrken, makine de kandrmaya alr. Turing Testi, tek ynl bir test. Bu testi geen bir makine kesinlikle akll olarak deerlendirilmeli; ancak bir makine farkl koullarda da akll kabul edilebilir.

10 Soruda Yapay Zeka

Ama insan seviyesinde zekya ulamak m?: Evet. En byk aba, dnyadaki problemleri zen ve hedeflere ulaan bilgisayar programlar yapmak. Ancak pek ok aratrmac bu konuda ok azimli de deil. Yapay zek, insan seviyesinde zekdan ne kadar uzakta? Ve eitlik ne zaman salanacak? ok az kii, u anda yazlan programlar gibi ok sayda program yazldnda insan seviyesinde zekya ulalabileceini dnyor. Ancak ou yapay zek aratrmacs, yeni esasl fikirlere gerek olduuna inanyor ve bu nedenle insan seviyesinde zek iin kesin bir tarih vermek mmkn deil.

Yapay Zeka

nsan gibi dnme nsan gibi davranma Rasyonel dnme Rasyonel davranma

Sistem eitleri

nsan gibi dnen sistemler:nsan gibi dnen bir program retmek iin insanlarn nasl dndn saptamak gerekir. Bu da psikolojik deneylerle yaplabilir. Yeterli sayda deney yapldktan sonra elde edilen bilgilerle bir kuram oluturulabilir. Daha sonra bu kurama dayanarak bilgisayar program retilebilir. Eer programn giri/k ve zamanlama davran insanlarnkine ese programn dzeneklerinden bazlarnn insan beyninde de mevcut olabilecei sylenebilir. nsan gibi dnen sistemler retmek bilisel bilimin aratrma alanna girmektedir. Bu almalarda asl ama genellikle insann dnme srelerini zmlemede bilgisayar modellerini bir ara olarak kullanmaktr.

Sistem eitleri

nsan gibi davranan sistemler: Yapay zeka aratrmaclarnn batan beri ulamak istedii ideal, insan gibi davranan sistemler retmektir. Turing zeki davran, bir sorgulaycy kandracak kadar btn bilisel grevlerde insan dzeyinde baarm gstermek olarak tanmlamtr. Bunu lmek iin de Turing testi olarak bilinen bir test nermitir. Turing testinde denek, sorgulaycyla bir terminal araclyla haberleir. Eer sorgulayc, denein insan m yoksa bir bilgisayar m olduunu anlayamazsa denek Turing testini gemi saylr.

Sistem eitleri

Turing, testini tanmlarken zeka iin bir insann fiziksel benzetiminin gereksiz olduunu dnd iin sorgulaycyla bilgisayar arasnda dorudan fiziksel temastan sz etmekten kanmtr. Burada vurgulanmas gereken nokta, bilgisayarda zeki davran reten srecin insan beynindeki srelerin modellenmesiyle elde edilebilecei gibi tamamen baka prensiplerden de hareket edilerek retilmesinin olas olmasdr.

Turing Testi - 1950

Alan Mathison Turing bilgisayar alannn byk nclerindendir. Matematiksel algoritmay dijital bilgisayarlara uygulamtr. Aratrmalar yapay zeka alannn doal yaratlmas ve makinalar arasndaki ilikisinde younlamtr. Turing makinasn gnmzde ki ok amal bilgisayarlarn aynsn tasavvur ederek yapmtr. Bir ve sfrlardan olumu seriyi teypden okuyabilen bir makina tasarlamtr. Bu birler ve sfrlar problem paralarn zmeye ihtiya duyulan admlar tanmlar.Turing makinas btn bu admlar okur ve ardk olarak yapar.

Turing Testi - 1950

O btn problemler iin bir algoritma gelitirilebileceine inanrd. II. dnya sava srasnda Turing bilgisini ve dncelerini Byk Britanya'nn Haberleme blmnde kulland. Almanlarn haberlemede kullandklar kodlar deifre etmek iin matematiksel becerisini kulland. Bu zellikle zor bir iti nk Almanlar Enigma (anlalmaz) adnda bir bilgisayar teybi gelitirmilerdi. O zamann kod zcleri,bunu zecek bir yapnn gelitirilmesini imkansz gryorlard. Bu haberleme merkezinde alt mddete Turing ve asistanlar COLOSSUS isimli makinayla uramlard.COLOSSUS hzl ve verimli bir ekilde Almanlar tarafndan yaplan enigmann kodunu zd. Sonuta COLOSSUS gerekten servomotorlar ve metalden oluuyordu fakat,bu dijital bilgisayarlara geiin ilk admyd.

Turing Testi - 1950

kinci dnya savandan sonra Turing otomatik bilgisayar motorlarn gelitirmek iin alt, doru dijital bilgisayarn yaplmas konusundaki ilk teebbslerden biriydi. Bu durumda doa ile bilgisayarlar arasndaki ilikiyi incelemeye balad ve "Akll makineler" adnda sonradan 1969 da baslan yazy kaleme ald. Bu yapay zeka kavramnn yaylmaya balad ilk zamanlardan biriydi. Turing zeki makinalarn insan beyninin ayrntl tasarm yaplarak oluturulabileceine inanrd. 1950'de "Turing testi" diye bilinen bir makale yaynlad.

Turing Testi - 1950

Bu test iin 2 kii ve bir bilgisayar gerekmektedir. Baka bir odada bulunan kii (IR-Interrogator) dier kii ve bilgisayara soru sorar ve verilen yantlar alr. Daha sonra hangisinin bilgisayar olduuna karar vermesi gerekmektedir. Bilgisayarn amac IR yanltmaktr bu nedenle 12345*56789 gibi bir ileme yanl yanr verebilir ya da aadaki gibi bir konuma gerekletirebilir:

IR Duyduuma gre gergedan pembe bir balonla Missisipi zerinden umu. C Bu sama. IR Amcam bir kere yapmt ama onunki beyaz ve izgili idi. C gergedanlar uamaz / izgileri yoktur.

Turing Testi - 1950

Bilgisayar baarl olur ise bilgisayar zekidir denilebilir. Bilgisayarn bu testi gemesi iin daha ok zaman gerekmektedir, hatta bu hi gereklemiyebilir. Yapay zeka genelde kstl ortamlarda denenebilmektedir. rnein satran alannda insanlardan daha iyi sonular almaktadrlar.

Sistem eitleri

Rasyonel dnen sistemler:Bu sistemlerin temelinde mantk yer alr. Burada ama zlmesi istenen sorunu mantksal bir gsterimle betimledikten sonra karm kurallarn kullanarak zmn bulmaktr. Yapay zeka'da ok nemli bir yer tutan mantk gelenek zeki sistemler retmek iin bu eit programlar retmeyi amalamaktadr. Bu yaklam kullanarak gerek sorunlar zmeye alnca iki nemli engel karmza kmaktadr. Mantk, formel bir dil kullanr. Gndelik yaamdan kaynaklanan, ou kez de belirsizlik ieren bilgileri mantn ileyebilecei bu dille gstermek hi de kolay deildir. Bir baka glk de en ufak sorunlarn dndaki sorunlar zerken kullanlmas gerekecek bilgisayar kaynaklarnn stel olarak artmasdr.

Sistem eitleri

Rasyonel davranan sistemler: Amalara ulamak iin inanlarna uygun davranan sistemlere rasyonel denir. Bir ajan alglayan ve harekette bulunan bir eydir. Bu yaklamda yapay zeka, rasyonel ajanlarn incelenmesi ve oluturulmas olarak tanmlanmaktadr. Rasyonel bir ajan olmak iin gerekli koullardan biri de doru karmlar yapabilmek ve bu karmlarn sonularna gre harekete gemektir. Ancak, yalnzca doru karm yapabilmek yeterli deildir. nk baz durumlarda doruluu ispatlanm bir zm olmad halde gene de bir ey yapmak gerekebilir.

Sistem eitleri

Bunun yannda karmdan kaynaklanmayan baz rasyonel davranlar da vardr. rnein, scak bir eye deince insann elini ekmesi bir refleks harekettir ve uzun dnce srelerine girmeden yaplr. Bu yzden yapay zekay rasyonel ajan tasarm olarak gren aratrmaclar, iki avantaj ne srerler. Birincisi "dnce yasalar" yaklamndan daha genel olmas, ikincisi ise bilimsel gelitirme yntemlerinin uygulanmasna daha uygun olmasdr.

Uygulama Alanlar

Bilgisayar Bilimlerinde: Yazlm ve donanm zerinde odaklamtr. nk Y.Z uygulamalar iin ok gl sper bilgisayarlar retilmelidir. lk Aama zeki bilgisayarlar retmektir. Optimum seviyede mantksal anlam karma ilemi iin tasarlanmaldr. Nmerik ilem yerine sembolik ilem kullanlmas gerekir. Resimleri ve basit dili tanyabilmektedir.

Uygulama Alanlar

Robotik sistemlerde: Mhendislik ve psikoloji robotii. nsan gibi fiziksel kapasitelere sahip, bilgisayar kontroll robot retiminin gerekletirilmesi. Robotlar: Grme, dokunsal alglama, idare etme, beceri, hner, hareket kabiliyeti, yol bulma zekas...vb. Nkleer santrallar, beyin ameliyat

Uygulama Alanlar

Doal ara birimlerde : nsann konuma dilinde bilgisayarlar ile robotlarnda konumaya balamas. Bizim onlar anlayabildiimiz gibi onlarnda bizi anlayabilmesidir. Dil biliminde Bilgisayar bilimleri Psikoloji nsan dilini anlama, konumay tanma Bilgisayarla tercme Metin zetlerini karma Metinlerin otomatik retilmesi Dokmanlarn hazrlanmasnda Doal konuma: Sylenen bir kelimenin ardndan hangi kelimenin geleceini tahmin etme

Uygulama Alanlar

Sanal Gereklik: Bilgisayar ortamnda oluturulan bir gerekliktir. Gzlk, stereo kulakltan oluan balk seti, vcut hareketlerini alglayan zel bir giysi, eldivenler ve ok sayda alglayc giri - k cihazna bal bir sistemle, boyutlu sanal dnyay grebilir, dokunabilirsiniz. CAD (ev tasarm) Tbbi tehis, tedavi, pilot ve astronotlarn eitiminde Fobilerin (korkularn) tedavisinde. (uaa binme korkusu giderilebilir.)

Avantajlar

Bilgisayarlar daha gl ve kullanldr. Yeni problemleri zebilir. Bilgiyi daha etkin kullanr. Arayzler gelimektedir.

Dezavantajlar

Artan Maliyet Yava yazlm geliimi Az sayda uzman programc Sektrde kullanmda olan az sayda yazlm

Bilgisayarn Baarl Olmas iin Gerekenler

Yaplacak iin ak tanm Gerekli prosedrn tanm Kural ve snrlarn tanmlanmas Srekli deien ve ok miktarda olan bilginin saklanmas ve etkin olarak ilenmesi

TIC-TAC-TOE PROGRAM-1

BOARD

ELEMENT VALUE

NINE ELEMENT VECTOR 0 IF SQUARE IS BLANK, 1 IF FILLED WITH X, 2 IF FILLED WITH O 39 =19683 ELEMENTS CONTENTS ARE CHOSEN SPECIFICALLY TO ALLOW ALGORITHM TO WORK. VIEW BOARD AS BASE THREE NUMBER AND CONVERT IT TO DECIMAL USE NUMBER IN STEP 1 AS AN INDEX TO MOVETABLE AND ACCESS VECTOR STORED THERE VECTOR SELECTED IN STEP 2 WILL BE THE WAY BOARD WILL LOOK AFTER THE MOVE. THEN BOARD WILL EQUAL THAT VECTOR

MOVETABLE

ALGORITHM
1. 2. 3.

TIC-TAC-TOE PROGRAM-1

COMMENTS

TAKES A LOT OF SPACE TO STORE THE TABLE WORK NEEDS TO BE DONE TO SPECIFY ENTRIES IT IS UNLIKELY THAT ALL ENTRIES CAN BE DETERMINED AND ENTERED WITHOUT ERRORS IN ORDER TO EXTEND TO THREE DIMENSIONS YOU HAVE TO START FROM SCRATCH IT IS NOT A GOOD AI TECHNIQUE

RESULT

TIC-TAC-TOE PROGRAM-2

BOARD

ELEMENT VALUE TURN

NINE ELEMENT VECTOR 2=SQUARE IS BLANK, 3 IF FILLED WITH X, 5 IF FILLED WITH O AN INTEGER INDICATING WHICH MOVE IS TO BE PLAYED. 1 IS THE FIRST MOVE, 9 IS THE LAST. MAKE2: RETURNS 5 IF CENTER IS BLANK [BOARD(5)=2], OTHERWISE RETURNS ANY BLANK NONCORNER SQUARE (2,4,6,8). POSSWIN(p): RETURNS 0 IF PLAYER p CANNOT WIN ON NEXT MOVE, OTHERWISE RETURNS THE NUMBER OF THE SQUARE THAT CONSTITUTES WINNING. ENABLE TO WIN AND BLOCK OPPONENT TO WIN. IT TESTS THE ROW IF PRODUCT IS 18 (3x3x2) THEN PLAYER WINS. GO(n): MAKE A MOVE IN SQUARE n. THIS PROCEDURE SETS BOARD(n) TO 3 IF TURN IS ODD, OR 5 IF TURN IS EVEN. IT ALSO INCREMENTS TURN BY ONE.

ALGORITHM
1.

2.

3.

TIC-TAC-TOE PROGRAM-2

STRATEGY (123/456/789)

COMMENTS

TURN=1: GO(1) TURN=2: IF BOARD(5) BLANK, GO(5), ELSE GO(1) TURN=3: IF BOARD(9) BLANK, GO(9), ELSE GO(3) TURN=4: IF POSSWIN(X) IS NOT 0, GO(POSSWIN(X)) -BLOCK-, ELSE GO(MAKE2) TURN=5: IF POSSWIN(X) IS NOT 0, GO(POSSWIN(X)) -WIN-, ELSE IF POSSWIN(O) IS NOT 0, GO(POSSWIN(O)) -BLOCK-, ELSE IF BOARD(7) IS BLANK, GO(7), ELSE GO(3) -DO A FORKTURN=6: IF POSSWIN(O) IS NOT 0, GO(POSSWIN(O)), ELSE IF POSSWIN(X) IS NOT 0, GO(POSSWIN(X), ELSE GO(MAKE2) TURN=7 TURN=8 TURN=9: SAME AS TURN(7) NOT EFFICIENT IN TIME AS THE FIRST ONE EFFICIENT IN TERMS OF SPACE TOTAL STRATEGY HAS TO BE FIGURED OUT IN ADVANCE CANNOT BE GENERALIZED

TIC-TAC-TOE PROGRAM-2'

BOARD

BOARD VECTOR HAS BEEN CHANGED TO 834/159/672 SO EVERY ROW, COLUMN, DIAGONAL ADD UP TO 15. PROCESS CAN BE SIMPLIFIED 2=SQUARE IS BLANK, 3 IF FILLED WITH X, 5 IF FILLED WITH O AN INTEGER INDICATING WHICH MOVE IS TO BE PLAYED. 1 IS THE FIRST MOVE, 9 IS THE LAST.

ELEMENT VALUE

TURN

TIC-TAC-TOE PROGRAM-2'

ALGORITHM

COMMENTS

BOARD IS MARKED AS MOVE IS MADE. EACH PLAYERS MOVES ARE STORED. TO CHECK FOR POSSIBLE WIN: EACH PAIR OF SQUARES OWNED BY A PLAYER IS CONSIDERED AND DIFFERENCE BETWEEN 15 IS CALCULATED. IF DIFFERENCE IS NOT POSITIVE OR GREATER THAN 9 THEN ORIGINAL TWO SQUARES ARE NOT COLLINEAR AND IGNORED. OTHERWISE, IF THE SQUARE REPRESENTING THE DIFFERENCE IS BLANK MOVE TO THERE WILL PRODUCE A WIN. SINCE NO PLAYER CAN HAVE MORE THAN 4 SQUARES THERE WILL BE FEWER EXAMINATIONS THAN PROGRAM-2. CHOICE OF REPRESENTATION HAS MAJOR IMPACT ON PROBLEM-SOLVING. ROW-SCAN IS EASIER, NUMBER-COUNTING IF EFFICIENT FOR A COMPUTER. COMPUTER LOOKS AT THE BOARD ONE SQUARE AT A TIME.

TIC-TAC-TOE PROGRAM-3

BOARD

ALGORITHM

9-ELEMENT VECTOR REPRESENTATION, A LIST OF BOARD POSITIONS THAT CAN RESULT FROM NEXT MOVE, A NUMBER FOR ESTIMATING HOW LIKELY TO WIN. LOOK AT POSITIONS THAT RESULT FROM EACH POSSIBLE MOVE DECIDE WHICH IS BEST: IF IT IS A WIN GIVE HIGHEST RATING, OTHERWISE CONSIDER ALL MOVES OPPONENT CAN MAKE. SEE WHICH IS WORST FOR YOURSELF. ASSUME OPPONENT WILL MAKE THAT MOVE, ASSIGN THE RATING OF THAT MOVE TO THE NODE. THE BEST NODE WILL BE THE ONE WITH HIGHEST RATING. MAKE THE MOVE TO THE BEST NODE ASSIGN THE RATING OF BEST MOVE TO THE CURRENT POSITION

TIC-TAC-TOE PROGRAM-3

COMMENTS

REQUIRE MUCH MORE TIME THAN OTHERS IT COULD BE EXTENDED IT IS AN EXAMPLE OF AN AI TECHNIQUE.

CONCLUSION

SEARCH PROVIDES A WAY OF SOLVING PROBLEMS FOR WHICH NO DIRECT APPROACH IS AVAILABLE USE OF KNOWLEDGE PROVIDES A WAY OF SOLVING COMPLEX PROBLEMS BY EXPLOITING THE STRUCTURES OF THE OBJECTS INVOLVED ABSTRACTION PROVIDES A WAY OF SEPARATING IMPORTANT FEATURES AND VARIATIONS FROM UNIMPORTANT ONES.

PATTERN RECOGNITION PROGRAM-1

DATA STRUCTURES

ALGORITHM

INPUT PATTERN: A MATRIX OF 0s AND 1s KNOWN PATTERNS: A HASH TABLE WITH AN ENTRY FOR EACH KNOWN LETTER (TAKE 3 ROWS FROM MATRIX, ONE ONE-QUARTER WAY DOWN, ONE IN THE MIDDLE, ONE THREE-QUARTERS WAY DOWN. CONCANATE ROWS TO FORM A KEY. MAKE SURE NO TWO LETTERS HAVE THE SAME KEY. IF THEY DO MODIFY FUNCTION) TAKE THE BITS OF THE INPUT MATRIX TAKEN AS KNOWN PATTERNS, CONSTRUCT A KEY. USE KEY TO DEFINE THE CHARACTER

PATTERN RECOGNITION PROGRAM-1

COMMENTS

1 1 1 1 1 1 1 111 1 1 1 1 1 1 1 1

WILL WORK FINE IF PATTERNS MATCH EXACTLY THE DATABASE SHOULD BE CHANGED FOR ANY CHANGE IN A CHARACTER IF THE NUMBER OF SYMBOLS ARE HIGH, IT WILL BE HARD TO FIND DIFFERENT KEY FOR EACH CHARACTER

PATTERN RECOGNITION PROGRAM-2

DATA STRUCTURES

ALGORITHM

INPUT PATTERN: A MATRIX OF 0s AND 1s KNOWN PATTERNS: A SET OF VECTORS EACH OF LENGTH N, WITH ONE VECTOR FOR EACH KNOWN PATTERN. THE MATRIX IS DIVIDED INTO N REGIONS. THE NUMBER OF 1s IN EACH REGION IS COUNTED AND RECORDED INTO VECTOR POSITION FOR THAT REGION. N MUST BE LARGE ENOUGH THAT ALL THE PATTERNS ARE REPRESENTED DIFFERENTLY. CONVERT THE MATRIX INTO N-DIMENSIONAL VECTOR COMPUTE THE DISTANCE IN IN N-DIMENSIONAL SPACE OF THE INPUT VECTOR FROM EACH OF THE PATTERN VECTORS CLASSIFY THE INPUT AS MATCHING THE PATTERN TO WHICH IT IS THE CLOSEST

PATTERN RECOGNITION PROGRAM-2

COMMENTS

BETTER THAN THE FIRST ONE NOT SO SENSITIVE FOR NEW PATTERN ADDITIONS CAN CLASSIFY IF THEY DO SLIGHTLY DIFFER FROM THE PATTERN PROGRAM IS SLOWER CAN NOT DISTINGUISH SIGNIFICANT AND INSIGNIFICANT DIFFERENCES (| AND I ARE INSIGNIFICANT, | AND J ARE SIGNIFICANT) IT CAN NOT DEAL WITH INSTANCES OF SAME LETTER (B AND B, OR E AND E) IT CAN HANDLE ACCEPTABLE VARIATIONS BY ADDING THEM INTO THE DATABASE (G OR G OR G)

PATTERN RECOGNITION PROGRAM-3

DATA STRUCTURES

ALGORITHM

INPUT PATTERN: A MATRIX OF 0s AND 1s KNOWN PATTERNS: A SET OF DESCRIPTION OF LETTERS, EACH REPRESENTED AS A BOOLEAN COMBINATION OF FEATURES. FOR EXAMPLE THE LETTER G WOULD BE REPRESENTED AS: ARC(a,b) ABOVE(a.b) LINESEGMENT(b,c) LEFT(c,b) (NIL (LINESEGMENT(b,d) BELOW(d,b))) (NIL (LINESEGMENT(a,e) ABOVE (e,a) THIS DESCRIPTION STATES THAT A G MUST CONSIST OF AN ARC AND A LINE SEGMENT COMING OFF THE LOWER END OF THE ARC AND GOING TO THE LEFT. OPTIONALLY, IT CAN HAVE ANOTHER LINE SEGMENT STICKING UP FROM THE TOP END OF THE ARC. AND IT MAY HAVE ANOTHER LINE SEGMENT GOING DOWN FROM THE BOTTOM END OF THE ARC. FIND INSTANCES OF ARCS & LINE SEGMENTS IN THE INPUT & CONSTRUCT LIST OF COMPONENTS COMPARE THIS LIST TO THE STORED PATTERNS

PATTERN RECOGNITION PROGRAM-3

COMMENTS

MORE FLEXIBLE THAN PREVIOUS TWO CAN HANDLE RELATIVE SIZE DIFFERENCES ACCURACY IS DEPENDED ON THE ACCURACY OF RULES THAT EXAMINE THE INPUT AND EXTRACT THE FEATURES ACCURACY IS DEPENDED ON THE DEATIL OF FEATURES THAT MAKE UP PATTERN DESCRIPTION EASY TO ADD NEW CHARACTERS WITH SMALL MODIFICATIONS

STATE SPACE REPRESENTATION

ALLOWS FOR A FORMAL DEFINITION OF A PROBLEM PERMITS TO DEFINE THE PROCESS OF SOLVING A PROBLEM AS A COMBINATION OF KNOWN TECHNIQUES. SEARCH IS USED FOR SOLUTION OF HARD PROBLEMS WHICH NO DIRECT TECHNIQUES ARE AVAILABLE. USEFUL FOR LESS WELL-STRUCTURED PROBLEMS

FORMAL DESCRIPTION OF A PROBLEM

DEFINE A STATE SPACE THAT CONTAINS ALL OR SOME OF THE POSSIBLE CONFIGURATIONS OF THE RELEVANT OBJECTS (AND PERHAPS SOME IMPOSSIBLE ONES FOR GENERALIZATION PURPOSES) SPECIFY INITIAL STATES THAT PROBLEM-SOLVING PROCESS MAY START. SPECIFY GOAL STATES THAT WOULD BE ACCEPTABLE AS SOLUTIONS TO THE PROBLEM. SPECIFY A SET OF RULES THAT DESCRIBE THE ACTIONS AVAILABLE. SPECIFY CONTROL STRATEGY TO MOVE THROUGH THE PROBLEM SPACE UNTIL A PATH FROM INITIAL STATE OT A GOAL STATE IS FOUND.

PROBLEM: WATER-JUG

YOU ARE GIVEN TWO JUGS, A 4-GALLON ONE AND A 3-GALLON ONE. NEITHER HAS ANY MEASURING MARKERS ON IT. THERE IS A PUMP THAT CAN BE USED TO FILL THE JUGS WITH WATER. HOW CAN YOU GET EXACTLY 2 GALLONS OF WATER INTO THE 4-GALLON JUG? STATE SPACE: (X,Y) X=0,1,2,3,4 AND Y=0,1,2,3 STARTING STATE: (0,0) GOAL STATE: (2,Y)

PROBLEM: WATER-JUG
1. 2. 3. 4. 5. 5.

RULES: (X,Y | X<4) (4,Y) FILL 4-GALLON JUG (X,Y | Y<3) (X,3) FILL 3-GALLON JUG (X,Y | X>0) (X-D,Y) POUR SOME WATER OUT OF 4G (X,Y | Y>0) (X,Y-D) POUR SOME WATER OUT OF 3G (X,Y | X>0) (0,Y) EMPTY 4-GALLON JUG (X,Y | Y>0) (X,0) EMPTY 3-GALLON JUG

PROBLEM: WATER-JUG
7.

8.

9.

10.

RULES: (X,Y | X+Y>=4 AND Y>0) (4,Y-(4-X)) POUR FROM 3G TO 4G UNTIL 4G IS FULL (X,Y | X+Y>=3 AND X>0) (X-(3-Y),3) POUR FROM 4G TO 3G UNTIL 3G IS FULL (X,Y | X+Y<=4 AND Y>0) (X+Y,0) POUR ALL FROM 3G TO 4G (X,Y | X+Y<=3 AND X>0) (0,X+Y) POUR ALL FROM 4G TO 3G

PROBLEM: WATER-JUG

RULES 3-4: EMPTYING AN UNMEASURED AMOUNT OF WATER ONTO THE GROUND IS ALLOWED. BUT THIS WILL NEVER GET US CLOSER TO A SOLUTION. ASSUMPTION: WATER CAN BE POURED TO THE GROUND.

PROBLEM: WATER-JUG

ONE OF THE POSSIBLE SOLUTIONS: IMPORTANT PART IS FINDING AN APPROPRIATE SET OF RULES.

4G 0 0 3 3 4 0 2

3G 0 3 0 3 2 2 0

RULE 2 9 2 7 5 9

GOOD CONTROL STRATEGY REQUIREMENTS:

IN THE WATER JUG PROBLEM IF WE START FROM TOP OF THE RULES LIST AND CHOOSE THE FIRST APPLICABLE ONE, WE WOULD NEVER SOLVE THE PROBLEM. (1-2-3-1-2-3-)

IT SHOULD CAUSE MOTION.

WATER JUG PROBLEM: CHOOSE A RULE AT RANDOM. THIS WOULD CAUSE MOTION. BUT BECAUSE IT IS NOT SYSTEMATIC IT MAY USE MORE STEPS THAN REQUIRED. A SYSTEMATIC APPROACH WOULD BE CONSTRUCTING A TREE AS INITIAL STATE BEING THE ROOT. GENERATE ALL THE OFFSPRINGS OF ROOT BY APPLYING EACH OF THE APPLICABLE RULES. CONTINUE GENERATION OF OFFSPRINGS UNTIL GOAL IS REACHED.

IT SHOULD BE SYSTEMATIC.

2-LEVELS OF A BREADTH-FIRST SEARCH TREE