images/fade/fade1.jpg

meeting

In 2001 zijn op de volgende data bijeenkomsten gehouden:

  • 17 november 2001
    lezing "Multi-agent reinforcement learning voor verkeerslicht-controle", door Dr. Marco Wiering (Universiteit van Utrecht)
  • 27 oktober 2001
    Extra Algemene Ledenvergadering (ALV), over de resultaten van de gehouden enquete, het beleidsplan en het werkplan.
    lezing "Van webcam tot beeldverwerker", door R. van de Bogaard (Universiteit van Amsterdam). In deze voordracht, die een wat workshop-achtig karakter zal hebben, zal het onderwerp worden ingeleid, en tevens worden uiteengezet hoe je zelf een neuraal netwerk voor dit doel kunt schrijven.
  • 22 september 2001
    presentatie over het gebruik van Kennistechnologie door Ard Roelvink en Rob van Ginkel van het computer bedrijf VEGA
    lezing "Neurale netwerken voor Nano-electronica", door Ir. E. Rouw (faculteit ITS, vakgroep electronica, van de TH in Delft)
  • 23 juni 2001
    presentatie over het Wator 2001 programma, door de werkgroep Ecologie
    lezing "Embodied cognitive science en neuro-ethologie", door Drs. L.J. Kortman
  • 26 mei 2001
    presentatie over het project Ant-Maze, mieren in een doolhof, door G. Vriens en P. Molenaar
    lezing "Een grondslagenstrijd in de wiskunde en de computer", door Henk Palstra (AIgg)
  • 28 april 2001
    demonstratie van zelfgebouwde robots door Abraham Vreugdenhil (AIgg). Abraham heeft uit handen van minister Hermans een prijs gekregen voor zijn originele constructies.
    lezing "NeuroFuzzy", door dr. R. Pijlgroms (HvA)
  • 24 maart 2001
    Algemene Ledenvergadering (ALV)
    lezing "Robosail, een zelflerend zeiljacht", door Prof. Dr. P. Adriaans (Perot systems)
  • 24 februari 2001
    lezing "Neurale netwerken voor datavisualisatie" door dr. M. van Wezel (Leiden Institute of Advanced Computer Science - LIACS)

(Het is niet bekend of er in januari een bijeenkomst is gehouden. In juli en augustus was er geen bijeenkomst wegens vakanties, en in december wegens de feestdagen — de bijeenkomsten waren toen nog op de derde zaterdag van de maand.)

Toelichting op de lezing "Multi-agent reinforcement learning voor verkeerslicht-controle", door Dr.Marco Wiering (Universiteit van Utrecht)

Stoplichten kunnen efficiënter het verkeer regelen als zij worden aangestuurd met behulp van Reinforcement Learning, een leertechniek waarbij de computer beloond wordt voor goede vondsten. Dit is de uitkomst van een recente studie van Marco Wiering, onderzoeker op het gebied van Machine Learning aan de Rijksuniversiteit Utrecht. Hij zal aanstaande zaterdag op de AIgg-bijeenkomst computersimulaties demonstreren waarin de methode wordt toegepast op realistische verkeersnetwerken, en uitleggen hoe een dergelijk systeem thuis op de PC nagebouwd kan worden.

Reinforcement Learning stelt AI-machines niet alleen in staat om in hun omgeving te handelen, maar ook om er achter te komen in hoeverre zijn acties zinvol zijn - een voor agents (robots, webrobots, etc.) zeer welkome eigenschap. Reinforcement Learning (RL) is ontleend aan het leren via trial-and-error bij mensen en proefdieren. Er is geen sprake meer van een passief systeem dat blindelings responsen op de toestanden van de omgeving (input) aanleert. Het systeem kan zelf aan de weet komen volgens welke 'decision policy' op de toestanden (states) gereageerd moet worden (actions) om het gewenste effect (reward) te vergroten. Het leert de hoeveelheid beloning-op-lange-termijn te verwachten voor zijn acties in de verschillende toestanden van de omgeving (beloning voor toestand-actie paren); die verwachting kan worden uitgedrukt in een 'value function'. (Overigens, de agent verandert de toestand van zijn omgeving voortdurend, en in veel gevallen is het handig om al de mogelijke toestanden van de omgeving te ordenen volgens een z.g. Markov Decision Process, waarin een 'transition function' de kans weergeeft op de overgang van een oude toestand naar een nieuwe toestand via een gekozen actie.)

De varianten van Reinforcement Learning weerspiegelen het groeiend aantal toepassingsgebieden. Enerzijds leent Reinforcement Learning zich natuurlijkerwijs voor implementatie in neurale netwerken, en dat heeft niet alleen geleid tot TD-backgammon spelende computers (plus natuurlijk het bekende karretje dat een bezemsteel laat balanceren) e.d.; het heeft ook belangrijk inzicht opgeleverd in de werking van natuurlijke intelligentie. Anderzijds kan Reinforcement Learning uitstekend onafhankelijk van neurale netwerken toegepast worden en geheel andere technieken inlijven. In deze brede categorie hoort de stoplicht-studie thuis.

Bekende varianten naast het klassieke temporal difference (TD) learning zijn: Monte Carlo sampling, Q-learning, en Model-Based Reinforcement Learning. Deze methoden kunnen eveneens worden toegepast in systemen die bestaan uit meerdere agents (in dit geval stoplichten en auto's). Hoewel ook in multi-agent systemen Q-learning momenteel de meest gebruikte variant is, breekt Marco Wiering een lans voor de toepassing van de Model-Based variant (de te verwachten wachttijden van auto's kunnen daarmee sneller worden geleerd).

Het artikel van de spreker over dit onderwerp, 'Multi-Agent Reinforcement Learning for Traffic Light Control', is te downloaden van www.cs.uu.nl/people/marco/publications.html. De sheets bij zijn college Machine Learning omvatten een aantal AI-onderwerpen, en zijn te vinden op www.cs.uu.nl/docs/vakken/lem/index.html; de sheets van de laatste drie colleges ('Optimal Control' en verder) handelen over Reinforcement Learning. (De teksten zijn in Postscript-formaat. Deze kunnen worden gelezen met GSview, dat samen met Ghostscript geïnstalleerd moet zijn; beide programma's kunnen gratis worden gedownload via http://www.cs.wisc.edu/~ghost/doc/AFPL/get700.htm).

Toelichting op de presentatie over het Wator 2001 programma, door de werkgroep Ecologie

Wator is een eenvoudig computermodel van een ruimte die bevolkt wordt door vissen en haaien. De ruimte is gevisualiseerd als een rechthoekig ruitjespatroon. In ieder hokje (ruitje) kan een vis of een haai zitten. Een haai kan naar een naburig hokje zwemmen en een daar aanwezige vis opeten. Haaien kunnen zich voortplanten als ze genoeg vissen gegeten hebben, of sterven (verhongeren) als ze geen vissen vinden. Vissen kunnen ook zwemmen. Afhankelijk van de instellingen van modelparameters kunnen de aantallen vissen en haaien op de meest vreemde manieren fluctueren (figuur). Het model laat zien hoe een eenvoudig systeem tot complex gedrag in staat is.

Het Wator 2001 programma is een verder uitgewerkte versie van het Alife programma Wator 1999, dat op de HCC dagen gedemonstreerd is. In deze versie is meer "intelligentie" ingebouwd, hetgeen tot uiting komt in de waarnemings-, voortbewegings- en jachtroutines van de verschillende vissen. Tevens zijn de verschijningsvorm en het gedrag van de vissen meer realistisch gemaakt. Het ligt in de bedoeling het programma ook op de komende HCC dagen te demonstreren.

img11 Figuur: Ontwikkeling van de aantallen (dichtheden) vissen en haaien binnen de Wator wereld bij bepaalde instellingen van de modelparameters. Ieder puntje geeft de aantallen vissen en haaien op een bepaald tijdstip weer. Een tijdstip later wordt het aantal vissen en haaien weergegeven door het volgende puntje. De buitenste kring is een limiet kring. Bij veel beginomstandigheden zullen de dichtheden uiteindelijk rondjes draaien (linksom) over de limietcyclus. Niet bij alle beginomstandigheden: bijvoorbeeld het punt (1,0), overal vissen, haaien uitgestorven, is een stabiel punt, waarbij de dichtheden niet meer variëren. (Bron: R. Durret, http://www.math.cornell.edu/~durrett/wator/)

Toelichting op de lezing "Embodied cognitive science en neuro-ethologie", door Drs.L.J.Kortman

Voor deze lezing voorzag de spreker ons van zowel een Engelstalige toelichting (in cursief schrift), als een Nederlandstalige (in normaal schrift).

The talk provides an introduction to the field of embodied cognitive science from a biological and behavioural perspective. I show how the field of neuro-ethology can help transform cognitive science and artificial intelligence from a representational to an embodied perspective. The transformation is necessary to introduce a bottom-up approach to understanding cognition in order to resolve some of the fundamental problems with classical cognitive science and traditional artificial intelligence. I shall give examples of current research by which I shall characterise the key idea of embodied cognitive science: study cognition by starting with the low-level behaviour of simple animals.

Selected references: Clark, A. (1996). Being there - putting the brain, body, and world together again. MIT-Press, Cambridge. Pfeifer, R. and Scheier, Ch. (1999). Understanding intelligence. MIT-Press, Cambridge.

Embodied cognitive science is een antwoord op de traditionele opvatting dat intelligentie en gedrag is gebaseerd op de toepassing van logische operaties op symbolen. In de robotica doet zich het probleem voor dat de werkelijke wereld te complex is voor kunstmatige intelligentie die uitgaat van deze opvatting. Dieren en mensen hebben geen moeite om met de complexiteit van hun omgeving om te gaan. De hogere cognitieve processen staan hier niet voorop, maar ontstaan natuurlijkerwijs uit de interacties van het individu met de omgeving.

De ethologie bestudeert het gedrag van dieren, en mensen, in hun alledaagse omgeving; de neuro-ethologie bestudeert wat er in het zenuwstelsel gebeurt tijdens de interactie met de omgeving. Het is vooral de neuro-ethologie die relevante inzichten kan aanleveren. Daarbij komt dat neuro-ethologen niet zelden robots bouwen om de informatieverwerking van dieren te simuleren. Hier ontmoeten robotica en gedragswetenschappen elkaar in een vakgebied dat groeiende belangstelling geniet, de studie van belichaamde cognitie: embodied cognitive science.

Korte toelichting op de lezing "Een grondslagen strijd in de wiskunde en de computer", door Henk Palstra (AIgg)

Henk zal een inleiding geven over het meningsverschil tussen de wiskundigen D.Hilbert en L.E.J.Brouwer.Die discussie komt in een nieuw licht te staan door de komst van de computer en de mogelijkheid om daarmee een zichzelf wijzigend programma te maken via een Do statement met string expressie.

Toelichting op de lezing "NeuroFuzzy", door dr. R. Pijlgroms (HvA)

In de praktijk van de kunstmatige intelligentie zijn combinaties van technieken gangbaar. Zo worden, bijvoorbeeld, fuzzy systemen of neurale netwerken vaak met behulp van genetische algoritmen afgeregeld. Voor de aandachtige gebruiker van AI zijn zulke combinaties eens te meer interessant omdat ze de mogelijkheid bieden om meerdere gebieden van de kunstmatige intelligentie tegelijkertijd in het oog te houden. De combinatie van fuzzy logic met neurale netwerken geniet zelfs een welhaast woekerend aanzien, getuige de huidige populariteit en betekenisverwatering van de term neurofuzzy.

Een standaard neurofuzzy systeem is evenals een gewoon fuzzy systeem op "als ... dan"-regels gebaseerd, doch het beschikt over het vermogen om zelf, via een neuraal leerproces, regels te genereren. Anders dan bij een normaal neuraal netwerk kan de gebruiker hier precies nagaan hoe het systeem tot zijn beslissingen komt. Bovendien kan hij beter ingrijpen in het systeem, bijvoorbeeld door vooraf regels in te bouwen. Het toepassingsgebied reikt van business tot engineering.

Toelichting op de lezing "Robosail, een zelflerend zeiljacht", door Prof. Dr. P. Adriaans (Perot systems)


syll undersail
Figure 1: Het robot-bestuurde zeilschip Syllogics onder zeil

Het oude probleem met een nieuw scheepstype is dat de beproevingen zich pas aandienen als de proefvaart achter de rug is. Het jacht 'Robosail' in klasse IV, waarmee Pieter Adriaans in de STAR 2000 vanaf de zevende dag in moeilijkheden raakt, is inderdaad nieuw. Niet alleen heeft dit zeiljacht ongewone kenmerken zoals een kantelbare mast en draaibare kiel; het schip zal na een trainingsfase zelfstandig besluiten kunnen nemen.

Deze vorm van toenadering tussen sport en robotica kon niet uitblijven. De autopilot waarop een solozeiler terugvalt als hij slaapt, of andere bezigheden heeft, stuurt de boot blindelings van punt A naar punt B. Een autopilot die daarentegen net als de zeiler zijn beslissingen kan afstemmen op wind, getijden, en golven, zou een snelheidsverbetering kunnen opleveren in de grote solo-races. Een dergelijke super-autopilot zou dan ook kunnen waarschuwen als hij vindt dat de schipper een verkeerde beslissing neemt. In de toekomst zal een geperfectioneerde versie misschien betrouwbaardere, betere besluiten kunnen nemen dan de mens. In elk geval zal die verbeterde autopilot — het brein van het schip mag een notebook computer zijn — in verbinding moeten staan met weerstations, het global positioning system, en de nodige sensors. Blijft over de vraag, hoe de super-autopilot aan zijn kennis van de zeilkunst moet komen. Tot dusver ontwikkelde modellen en vuistregels schieten te kort om het handelen van de mens en de complexiteit van zijn omgeving in een apparaat te vangen.

Adriaans, filosoof en informaticus, slaagde erin een oplossing te vinden. Zijn systeem, samengesteld uit software-agents, registreert tijdens een trainingsfase handelingen van de schipper en bijbehorende omstandigheden, slaat de records op in z.g. datawarehouses, en komt vervolgens via datamining-technieken aan de weet hoe het moet sturen en plannen. Hiermee — het is natuurlijk niet het hele AI-verhaal — is gezegd dat het systeem weet heeft van het menselijk handelen. Het schip kan met de schipper "meedenken".

Een onderdeel van de training van Robosail de superpilot was het deelnemen aan een transantlantische solo-race, de STAR. De race was dus in de eerste plaats een test van de robuustheid van de innovaties. Deze bleken bestand tegen de aanhoudende stormen. Voordat de race begon is er al gedacht aan een tweede generatie software voor het testvaartuig.

Dit jaar zal het Robosail-project weer van zich doen spreken, om te beginnen op de HISWA in Amsterdam. Bijzonderheden over het experimentele schip, dat ook bekend staat als ``Syllogic Sailing Lab'', zijn te vinden op www.robosail.com. Op die site is ook Vuiks artikel in Computer!Totaal (juli/augustus 2000) over het jacht nog eens na te lezen.

De oplossingen die Adriaans voor Robosail ontwikkelt hebben uiteraard een breder toepassinggebied dan zeilen. En in de ontwikkelde oplossingen zijn, op hun beurt, elementen terug te vinden van de lerende en anticiperende software die Adriaans ontwikkelde voor andere toepassingsgebieden, zoals netwerkbeheer, luchtvaart en muziek. De voordracht van Adriaans zal dus ook een breder gebied bestrijken dan Robosail.

Toelichting op de lezing "Neurale netwerken voor datavisualisatie" door dr. M. van Wezel (Leiden Institute of Advanced Computer Science - LIACS)

Neurale netwerken kunnen gebruikt worden om inzicht te krijgen in de structuur van gegevensverzamelingen. Banken en verzekeringen willen bijvoorbeeld weten of er in hun klantenbestand groepen te onderscheiden zijn van klanten die veel op elkaar lijken. Zulke groepen ("huisvaders", "welgestelde gepensioneerden") kunnen aantrekkelijke doelwitten zijn voor gerichte marketing. Van Wezel heeft met anderen een computerprogramma, Neural Vision, gemaakt, dat helpt om zulke gegevensverzameling "met het oog" te onderzoeken. Dit computerprogramma kreeg in 1999 de eerste prijs op een congres van de Belgisch-Nederlandse vereniging voor artificiële intelligentie omdat het het meest toepasbare systeem was dat daar werd gepresenteerd.

GV 07-03-2012


meeting

In 2002 zijn op de volgende data bijeenkomsten gehouden:

  • 30 november 2002
    Oriëntatiedag
  • 26 oktober 2002
    beginnerscursus 6: Java, deel 2, door Gerard Vriens en Patrick Molenaar
    lezing "Robot navigatie en lokalisatie", door Ing. Bas Terwijn (Centrum voor Wiskunde en Informatica, Universiteit van Amsterdam)
    lezing "Gebruik van 'Agents' in kunstmatige Intelligentie", door Jo Brants
  • 28 september 2002
    beginnerscursus 5: Java, deel 1, door Gerard Vriens en Patrick Molenaar
    lezing "Fractals, tussen schoonheid en intelligentie", door Dr.B.Schouten (CWI, Universiteit van Amsterdam). Over de toepassing van IFS-algoritmen in beeldherkenning.
  • 22 juni 2002
    beginnerscursus 4: A-life programma's, door Dolf Eijkelboom
    lezing "Alternatieven voor 'schepping' op basis van kunstmatige neurale netwerken", door Prof.Ir.N.J.Mulder (Universiteit Twente, Faculteit Elektrotechniek)
  • 25 mei 2002
    beginnerscursus 3: Prolog, door Ben Hooijenga
    lezing "DNA-computing", door Drs.C.Henkel (Universiteit Leiden, Leiden Centre for Natural Computing). In deze lezing zal tevens molecular computation in organismen (Ciliaten) aan de orde komen.
    presentatie "Inleiding opzetten en uitvoeren van projecten en werkgroepen", door Dolf Eijkelboom.
  • 27 april 2002
    beginnerscursus 2: Neurale netwerken, door Paul Huygen
    lezing "Combinatie van leer-recepten van Bak en Hebb", door Dr.W.A.van Leeuwen (Instituut voor Theoretische Fysica van de Universiteit van Amsterdam)
  • 23 maart 2002
    Algemene Ledenvergadering (ALV)
    lezing "Neural Reinforcement Learning", door Drs.P.B.Bakker (Vakgroep Functieleer en Theoretische Psychologie van de Rijksuniversiteit Leiden). Het onderwerp zal worden benaderd via de implicaties voor gedrags- en "kennende" wetenschap.
    projektvoorstel "Computer en menselijke interactie-patronen", door Ed Perelaer
  • 23 februari 2002
    beginnerscursus 1: "Genetische algoritmen, met als voorbeeld het knapzak probleem", door E.Diekema
    lezing "A.I. en de financiële markt", door J.van den Berg
  • 26 januari 2002
    Oriëntatiedag

Toelichting op de oriëntatiedagen voor beginners

Op 26 januari en 30 november zijn zgn. "oriëntatiedagen" gehouden, om met name mensen die op de HCC-dagen (eind november) lid waren geworden een beetje wegwijs te maken, zowel binnen de AI gebruikersgroep als op het gebied van de Artificiële Intelligentie. De programma's van deze dagen leken sterk op elkaar; om onnodige herhaling te voorkomen zijn ze in dit overzicht achteraf "in elkaar geschoven". De "beginnerscursus", die in afleveringen verspreid over de rest van het jaar werd gegeven, was een logisch vervolg op de eerste oriëntatiedag (die van 26 januari).
(GV 08-03-2012)

Inleiding, door Jo Brants

  • Wat is Kunstmatige Intelligentie?
  • Kort overzicht van de geschiedenis, om te laten zien hoe jong/oud het vakgebied is.
  • Enkele toepassingen.
  • Wat is de rol van de AIgg? Doelstelling.

Enkele deelgebieden, door Dolf Eijkelboom

  • Expert systemen
  • A-Life programma's
  • Genetische algoritmen
  • Fuzzy Logic
  • Neurale netwerken
  • Patroonherkenning

Neurale netwerken, door Peter Uilenreef (alleen op 30 november)

Relatie tussen menselijke en kunstmatige intelligentie, door Rob Langeveld (alleen op 30 november)

Doe het zelf, door Jan Dur (op 26 januari) en Patrick Molenaar (op 30 november)

  • Doe het zelf: heel belangrijk!
  • Informatie verzamelen
    • Binnen de AIgg
      • De lezingen
      • De Kennisgeving
      • De bibliotheek van de AIgg
      • AIgg CD-Roms
      • De AIgg website
    • Buiten de AIgg
      • Het internet in zijn algemeenheid
  • Zelf programmeren
    • Eenvoudige simulaties

Met elkaar, door Dolf Eijkelboom

  • Met elkaar praten en aan elkaar vragen op de maandelijkse bijeenkomsten in Gouda
    Vragen: wie weet daar wat van? Waar is wat te vinden?
  • Idem via E-mails.
  • Met elkaar projecten uitvoeren of werkgroepen vormen
    • Welke zijn er zoal geweest?
    • Welke zijn er momenteel actief?
    • Welke staan in de rij van voorstellen?
  • Voortgaan op elkaars projecten
  • Met elkaar programmeren in veel gebruikte talen
  • Op excursie gaan naar centra van AI-onderzoek
  • Cursussen

Toelichting op de lezing "Robot navigatie en lokalisatie", door Ing. Bas Terwijn (Centrum voor Wiskunde en Informatica, Universiteit van Amsterdam)

Een robot moet te weten kunnen komen waar hij is en waar hij naar toe moet. Door technische beperkingen geven zijn sensoren onzekere waarnemingen door. Een moderne techniek om met onzekere gegevens om te gaan is de Bayesiaanse kansberekening, gebaseerd op een zeer eenvoudige formule die door de Engelse dominee/wiskundige Bayes 250 jaar geleden was opgeschreven.

Bas Terwijn beschrijft, hoe, met behulp van de Bayesiaanse kansberekening, een robot kan zien waar hij is, door de onzekere waarnemingen te vergelijken met in het geheugen opgeslagen informatie over mogelijke posities in de omgeving.

img2

Figuur 1: De helm beperkte het waarnemingsvermogen van een middeleeuwse ridder. Ook moderne robots kunnen maar beperkt kijken. Nieuwe ontwikkelingen van het 250 jaar oude Bayes-algoritme helpen robots om toch nauwkeurig te bepalen waar ze zijn.

Toelichting op het projectvoorstel "Computer en menselijke interactie-patronen" van Ed Perelaer

De klassieke computertournooien van Axelrod, waarin de succesvolle 'Tit for Tat' strategie naar voren kwam uit de voortdurende beproevingen van het prisoners-dilemma, hebben laten zien hoe win-win oplossingen de overhand krijgen in een uit egoïsten bestaand sociaal systeem. Als het gaat om menselijke interacties spreekt men bij begrippen als 'oog-om-oog...' en 'wat gij niet wilt dat u geschiedt...' ook wel van 'regels' in het sociale gedrag.

Of het nu op de schaal van een gezin of van de wereldpolitiek is: de regels zijn talrijk en worden veelal onbewust toegepast. Bij groepen die zich eenmaal onderscheiden door de aanwezigheid van een belhamel is te zien dat een nieuwe belhamel ontstaat wanneer de eerste er uit verdwijnt. Het is moeilijk een juist beeld te krijgen van de regels die bij zulke processen betrokken zijn; ook onderzoekers hebben nu eenmaal vooroordelen. Ed Perelaer, psycholoog, en voor zijn pensionering werkzaam aan de universiteit van Leiden, zal in zijn inleiding dit - direct aan menselijke communicatie rakende - onderwerp nader uitleggen.

Daarna legt hij de vraag voor in hoeverre de computer kan bijdragen tot een scherper inzicht in dit vakgebied. Eerst op dit punt verplaatst het zoeklicht zich van psychologie (waar AI permanent naar verwijst) naar AI. Vanuit de AI-sfeer moet het mogelijk zijn goede antwoorden op de vraag te bedenken. Niet alleen worden computermodellen van levende en sociale systemen in AI toegepast; tot het terrein van de AI behoort met name ook de ontwikkeling van instrumenten die zelfstandig, en zonder reeds bestaand vooroordeel, patronen kunnen analyseren.

Toelichting op de lezing "A.I. en de financiële markt", door J.van den Berg

Winst maken op de aandelenmarkt vereist een waakzaam oog voor uitzonderingen op normale koers-schommelingen. Onderzoekers aan de Erasmus Universiteit zijn er kort geleden in geslaagd een methode te ontwikkelen voor het detecteren van zulke uitzonderingen via de computer. Zoals het een geïnspireerde uitvinding past is de methode, die de naam 'Exception Learning' gekregen heeft, eerst succesvol getest en pas daarna beter begrepen, en wel met behulp van de theorie van lerende machines.

Bij Exception Learning gaat het lerende systeem uit van fuzzy logic. Bijkomend voordeel daarvan is dat - desgewenst - het systeem in voor iedereen begrijpelijke taal zijn bevindingen over de normale en uitzonderlijke gang van zaken zou kunnen weergeven. Het onderzoek naar grenzen en toepassingsmogelijkheden van het principe is nog maar net begonnen; de belegger zal tevergeefs bij het softwarehuis op de hoek naar een kant en klaar Exception Learning pakket vragen.

De gebruikersgroep Artificiële Intelligentie prijst zich gelukkig op de bijeenkomst uit de eerste hand uitleg te krijgen over de werking en achtergronden van het systeem.

GV 07-03-2012


meeting

In 2004 zijn op de volgende data bijeenkomsten gehouden:

  • 4 december 2004
    lezing "Self Organizing Art" door Patrick Molenaar
  • 6 november 2004
    projektverslag "Turtlescript"door Gerard Vriens
  • 2 oktober 2004
    lezing "In memoriam Kees Vuik" door Peter Uilenreef
  • 4 september 2004
    geen lezing
  • 7 augustus 2004
    geen lezing
  • 3 juli 2004
    geen lezing
  • 5 juni 2004
    geen lezing
  • 1 mei 2004
    geen lezing
  • 3 april 2004
    geen lezing
  • 6 maart 2004
    geen lezing; start van de Java workshop "Taalexperiment"
  • 7 februari 2004
    geen lezing i.v.m. Algemene Ledenvergadering
  • 10 januari 2004
    lezing: Paul Huygen helpt beginners op weg met Robocode

Van de bijeenkomsten in 2004 zijn geen verslagen beschikbaar; wel is van één van de lezingen een abstract bewaard gebleven.

Toelichting op de lezing "Inleiding Robocode", door Paul Huygen

In juni was de winnaar van de Internationale Robocode wedstrijd van IBM, Enno Peters, bij ons te gast. Robocode is een computerspel, waarin spelers een tankslag tegen elkaar moeten leveren met virtuele tanks. De spelers kunnen hun tank echter niet zelf besturen, maar moeten er een zo slim mogelijk Java programma voor schrijven. Op 10 januari gaan we geënteresseerden op weg helpen om met Robocode te beginnen.

Voor veel meer informatie over Robocode, zie de toelichting bij de juni-bijeenkomst en de links bij de lezing van Enno Peters op de link-pagina!

GV 07-03-2012


meeting

Er zijn in 2003 op de volgende data bijeenkomsten gehouden:

  • 6 december 2003
    (Extra bijeenkomst ter kennismaking met de nieuwe locatie: 't Dok in Nieuwegein)
    lezing "Intelligent Agents" door Willem Gobel (AIgg)
  • 22 november 2003
    workshop Java programmeren, door Patrick Molenaar en Gerard Vriens
    lezing "Data modelleren met grafische modellen" door Alexander Ypma (Stichting Neurale Netwerken, Nijmegen)
  • 25 oktober 2003
    geen lezing; geen verdere gegevens
  • 27 september 2003
    geen lezing; geen verdere gegevens
  • 28 juni 2003
    Java workshop "TaalExperiment", door Patrick Molenaar en Gerard Vriens, 7e sessie
    lezing "Robocode", door Enno Peters (RUG)
    lezing "Een 3D-variant van het Lee-algoritme", door Bert de Vries en Ben Hiep (ABB)
  • 24 mei 2003
    lezing Regeling van automotor met Fuzzy Logic, door Dr.Ir. Stanimir Mollov (FCS Control Systems)
    lezing Support Vector Machines als alternatief voor Neurale Netwerken, door Dr. Uwe Thissen (Laboratorium voor Analytische Scheikunde, KUN)
    Java workshop "TaalExperiment", door Patrick Molenaar en Gerard Vriens
  • 26 april 2003
    Java workshop "TaalExperiment", door Patrick Molenaar en Gerard Vriens
    lezing "Mixture Models en het EM-algoritme", door Drs. J.J. Verbeek (UvA)
    lezing "Illusie en waarheid: AI en de filosofie van L.E.J. Brouwer", door Henk Palstra (AIgg)
  • 22 maart 2003
    lezing "Bayesiaans netwerk voor juridisch redeneren", doorPaul Huygen (VUA)
    Algemene Ledenvergadering (ALV)
    Java workshop "TaalExperiment", door Patrick Molenaar en Gerard Vriens
  • 22 februari 2003
    Java workshop "TaalExperiment", door Patrick Molenaar en Gerard Vriens
    lezing Lerende systemen en Natuurlijke Taalverwerking, door Antal van den Bosch (KUB)
    (Onder voorbehoud:) lezing "Intelligent Agents", door Jo Brants
  • 25 januari 2003 lezing: Frans Voorbraak (AMC), BIO-Informatica

Van de bijeenkomsten in 2003 zijn geen verslagen beschikbaar; de hierna volgende aankondigingen van de lezingen geven echter wel een goed beeld van wat er zoal de revue is gepasseerd. De web-links die in de toelichtingen staan zullen waarschijnlijk verouderd zijn en niet meer werken.

Toelichting op de lezing "Grafische modellen voor data modelleren", door Alexander Ypma (Stichting Neurale Netwerken, Nijmegen)

Veel problemen zijn zo ingewikkeld, dat we ze niet met eenvoudige wiskundige formules nauwkeurig kunnen beschrijven. Voorbeelden zijn het gedrag van consumenten ("hoeveel omzet zal een winkel morgen of volgende week hebben") of de trillingen die ontstaan als een draaiende machine aan het verslijten is. Vaak zijn er wel gegevens uit het verleden beschikbaar, en we kunnen proberen om uit deze voorbeelden te leren, zodat we ook in nieuwe situaties voorspellingen kunnen doen.
We kunnen hiervoor grafische modellen gebruiken. Hierin geven we oorzaken en gevolgen weer met behulp van knopen en pijlen in een netwerk. De pijlen geven aan hoe de oorzaken op de gevolgen inwerken (bijvoorbeeld: wat is de omzet op een regenachtige dag, en wat is de kans dat het morgen regenachtig zal zijn als het weerbericht regen voorspelt). Deze inwerkingen kunnen uit de voorhanden gegevens berekend (geschat) worden met wiskundige technieken, zoals Bayesiaanse waarschijnlijkheid, Markov modellen en Kalman filters.

Toelichting op de lezing "Robocode", door Enno Peters (RUG)

20030628

Figuur 1: Het Robocode logo

"Build the best. Destroy the rest." Dit is het motto van Robocode. Het is een computerspel, waarin twee spelers een tankslag tegen elkaar moeten leveren met virtuele tanks. De spelers kunnen hun tank echter niet zelf besturen, maar moeten er een zo slim mogelijk Java programma voor schrijven. Daarna kunnen ze alleen maar toekijken hoe de tank het doet. U kunt het zelf ook spelen; kijk bijvoorbeeld op http://www.robocode.net.

20030628c Figuur 2: Een tank kan rijden, de geschutskoepel draaien, een radarantenne draaien en natuurlijk schieten. Met de radar kan de tank zijn tegenstanders zien. In de basis is Robocode vergelijkbaar met de programmeertaal logo.

Robocode lijkt een beetje op de educatieve programmeertaal Logo, maar dan met schietmogelijkheid. Het is echter net iets veelzijdiger, en het bevat een spelelement. Het is mogelijk om er heel geavanceerde technieken uit de kunstmatige intelligentie in te programmeren. Ook zonder programmeerervaring kan een speler binnen enkele minuten zijn eerste robot-tank programmeren, en bij het ontwerpen van steeds betere programma's leert hij of zij vanzelf in de taal Java te programmeren. Bovendien zijn er discussiepanels waarin spelers van elkaar kunnen leren.

20030628d

Figuur 3: Screen shot van Robocode

In augustus 2002 organiseerde IBM een Internationale Robocode wedstrijd. Kampioen werd Yngwie - de creatie waarmee Enno Peters, student Kunstmatige Intelligentie uit Groningen, zijn 500 mededingers versloeg. Het geheim van zijn succes schuilt in de superieure manier waarop zijn robot het gedrag van zijn opponenten voorspelt. Meer informatie over Robocode en de winnende robots is te vinden op: http://www.alphaworks.ibm.com/tech/robocode of http://www-106.ibm.com/developerworks/java/library/j-robowrap.html.

Toelichting op de lezing "Een 3D-variant van het Lee-algoritme", door Bert de Vries en Ben Hiep (ABB)

Het is heel ingewikkeld om een printplaat te ontwerpen waarop een zeer groot aantal verbindingen gemaakt moet worden. Om dit probleem op te lossen wordt vaak het zogenaamde Lee algoritme gebruikt. Hiermee kunnen echter alleen verbindingen in een tweedimensionaal vlak maken, terwijl in printplaten verbindingen in lagen boven elkaar kunnen liggen. Daarom is er een variant bedacht die wel in drie dimensies werkt. Bert de Vries en Ben Hiep ontwikkelden deze variant door. Het ontwikkelde algoritme is niet alleen van belang voor het ontwerp van printplaten, maar ook voor het ontwerp van de pijpleidingen in chemische reactoren.

Toelichting op de lezing "Fuzzy Logic aansturing van de GDI automotor", door dr.ir. Stanimir Mollow (FCS)

Dr.Ir. Stanimir Mollov (FCS Control Systems) heeft bij de Technische Universiteit Delft een proefschrift geschreven over de besturing van de injectie van benzine in een injectie motor. Het precieze verloop van het verbrandingsproces in deze motor is ingewikkeld. Als het nauwkeurig bestuurd kan worden, dan wordt de motor zuinig en produceert hij weinig afvalgassen.
Mollov bouwde een regelaar, gebaseerd op fuzzy logic, die tegelijkertijd de hoeveelheid ingelaten lucht, het moment van injectie en de hoeveelheid geïnjecteerde benzine en het moment van ontsteking bestuurt. Tot nu toe was het niet goed mogelijk om zulke ingewikkelde, niet-lineaire, besturingen goed te analyseren, en te garanderen dat ze stabiel zijn. De ontwikkelde regeling is eenvoudiger te ontwerpen en aan te passen aan andere omstandigheden dan tot nu toe gangbare regelaars.

Toelichting op de lezing "Support Vector Machines als alternatief voor Neurale Netwerken", door dr. Uwe Thissen (KUN)

Een Support Vector Machine (SVM) is een relatief nieuwe methode die, net als neural netwerken, gebruikt kan worden voor niet-lineaire taken. Deze taken kunnen zijn classificatie of regressie (het vinden van een relatie tussen enkele grootheden).
Voor een deel kunnen de principes van SVMs vertaald worden naar neurale netwerk principes. Het is ook bekend dat verschillende typen neurale netwerken speciale gevallen zijn van SVMs. Het voordeel echter van SVMs t.o.v. neurale netwerken is dat SVMs minimaal zo goed presteren als standaard neurale netwerken en dat de gevonden oplossing uniek en optimaal is.
In deze lezing zullen de principes van SVMs besproken worden en er wordt een vergelijking gemaakt met standaard neurale netwerken. Tevens wordt een toepassing besproken op het gebied van regressie en van hersentumor classificatie. Bij het plaatje: Een voorbeeld van een MRI plaatje van een hersentumor dat gebruikt wordt door artsen om een medische diagnose uit te voeren. Deze plaatjes worden ook gebruikt als invoer in een neuraal netwerk en in SVMs met als doel automatische tumorclassificatie.
plaatje van een hersenscan

Toelichting op de lezing "Mixture Models en het EM-algoritme", door drs. J.J. Verbeek (UVA)

Probabilistische mixture modellen vormen een rijke klasse van kansverdelingen. Mixture modellen kunnen eenvoudig voor klassificatiedoeleinden worden ingezet, door voor elke klasse een mixture model te schatten en dan te kijken welke klasse de grootste kans heeft gegeven nieuwe data. Ook kunnen mixture modellen gebruikt worden om te kijken of nieuwe data 'lijkt' op eerder geobserveerde data, door te kijken naar de kans die het, aan de hand van eerder gegeven data, getrainde mixture model aan de nieuwe data geeft.
Het EM algoritme is een populair algoritme om de parameters van een mixture model te "tunen" op gegeven data. In mijn lezing zal ik het EM algoritme uitleggen en ingaan op het specifieke EM algoritme voor Gaussische mixture modellen.
Mixture modellen kunnen ook gebruikt worden voor niet lineaire feature extractie. Een specifieke methode daarvoor lijkt sterk op Kohonen's Self-Organizing Map (SOM), en ik zal de relatie tussen beide methoden bespreken.
Tenslotte wil ik kort ingaan op recent ontwikkelde methoden die mixture modellen gebruiken en lijken op de SOM maar waarvoor direct de, globaal, optimale parameter waarden voor kunnen worden gevonden. (Voor verdere details zie de website van de spreker) 20030426

Toelichting op de lezing "Gebruik van Bayesiaanse waarschijnlijkheid in de rechtspraak", door Paul Huygen (VUA)

Juristen, bijvoorbeeld rechters, moeten vaak beslissingen nemen op basis van onzekere feiten. De meestgebruikte logica systemen kunnen daarmee niet helpen, omdat daarin de mate van zekerheid dat een bewering waar is niet aangegeven kan worden.
Een paradigma dat goed aansluit bij juridisch redeneren is de Bayesiaanse waarschijnlijkheidsrekening. Hiermee kunnen voorwaardelijke kansen omgekeerd worden. Als bijvoorbeeld op de plaats van een misdaad een haar van de misdadiger gevonden is, en het bekend is hoeveel procent van de bevolking hetzelfde type haar heeft, dan kan van een gegeven verdachte die hetzelfde haartype heeft, de kans berekend worden dat hij de misdadiger is (gegeven een a-priori kans dat de verdachte de dader is).
Het laatste decennium is Bayesiaanse waarschijnlijkheid sterk in de belangstelling gekomen, en zijn er computerprogramma's (Bayesian Belief Networks, BBN's) ontwikkeld waarmee Bayesiaanse waarschijnlijkheidsrekening kan worden toegepast op complexe problemen. Om deze software toe te kunnen passen is geen statistische expertkennis nodig.
Als demonstratie hebben wij een juridische casus gemodelleerd met een BBN. Conclusies zijn, dat juridische casus goed met BBN's geanalyseerd kunnen worden, en dat deze analyse het inzicht in de casus verdiept. BBN's zouden ook geschikt kunnen zijn tijdens de opleiding van juristen, om inzicht in waarschijnlijkheidsrelaties te verdiepen en fouten op dat gebied te vermijden.

Toelichting op de lezing "Taal en spraak", door Antal van den Bosch (KUB)

Antal van den Bosch ontwikkelde een computerprogramma dat automatisch woorden moet leren uitspreken (met behulp van verschillende "machine learning" algoritmen). Het bleek dat hoe minder taaltheorie in het computerprogramma werd gestopt, hoe beter het programma de uitspraak kon leren. Het bleek, dat door de ingeprogrammeerde voorkennis het computerprogramma niet goed meer in staat was om algemene trends in de voorbeelden die hij gebruikt om te leren kon herkennen. Antal zal een overzicht geven van de nieuwste technieken die voor taalkundig onderzoek worden gebruikt.

GV 07-03-2012


meeting

In 2005 zijn op de volgende data bijeenkomsten gehouden:

  • 3 december 2005
  • 5 november 2005
  • 1 oktober 2005
  • 3 september 2005
  • 6 augustus 2005
  • 2 juli 2005
  • 4 juni 2005
  • 7 mei 2005
  • 2 april 2005
  • 5 maart 2005
  • 5 februari 2005
  • 8 januari 2005

Van deze bijeenkomsten zijn er geen verslagen beschikbaar. Wel is bekend dat er op geen van de bijeenkomsten lezingen (door externe sprekers) zijn gehouden.

GV 07-03-2012