introducao inteligenciaartificial

Introdução à Inteligência Artificial

Esther Camilo

10/09/2013

Objetivo

Introdução

Se o objetivo da biologia é o estudo da vida, o objetivo dessa aula é responder como a inteligência artificial

pode ajudar a biologia a compreender a vida ou prever comportamentos.

Afinal, como eu posso utilizar IA na minha pesquisa?

Introdução

Introdução

Robótica

Finanças

Jogos

Medicina

Algumas definições

Inteligência Artificial é um ramo da ciência da computação que estuda e desenvolve máquinas e

softwares inteligentes.

Um agente inteligente é um sistema que percebe seu ambiente e realiza ações que maximizam sua chance

de sucesso.

Introdução

http://en.wikipedia.org/wiki/Artificial_intelligence

Algumas definições

Introdução

http://en.wikipedia.org/wiki/Artificial_intelligence

Quimiotaxia

Formação de biofilmes

Google Machine Translation Systems

Introdução

Google Machine Translation Systems

Introdução

Google Machine Translation Systems

Introdução

Hora certa

Introdução

Inteligência Artificial

Explosão de informação em Biologia

Introdução

Foco em aprendizado de Máquina

Técnicas

Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.

Árvore de Decisão

Sparce dictionary learning

Representation Learning Reinforcement learning

Redes Bayesiana Clustering

Support Vector Machines

Programação Lógica Indutiva Programação Genética

Redes Neurais Regras de Associação

Árvore de Decisão

Técnicas

Exemplo: Decisão de jogar tênis

Técnicas

Exemplo: Decisão de jogar tênis

Técnicas

Todas as combinações → 3 x 3 x 2 x 2 = 36

Exemplo: Decisão de jogar tênis

Técnicas

Prever se joga ou não : sunny, mild, high, true

Exemplo: Decisão de jogar tênis

Técnicas

Prever se joga ou não : sunny, mild, high, true

Outlook

Humidity

Wind

Temperature

Como as árvores são geradas?

Técnicas

Ganho de informação É a medida de quão bem um atributo classifica os dados.

Alta entropia = Baixo ganho de informação Baixa entropia = Alto ganho de informação

Exemplo

Técnicas

Exemplo

Técnicas

Exemplo

Técnicas

Foco em aprendizado de Máquina

Técnicas

Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.

Árvore de Decisão

Sparce dictionary learning

Representation Learning Reinforcement learning

Redes Bayesiana Clustering

Support Vector Machines

Programação Lógica Indutiva Programação Genética

Redes Neurais Regras de Associação

Redes Bayesianas

Técnicas

P(sol)=0.5

P(aumento) = 0.1

Sol $

Felicidade

P(feliz) = 0.6

Rede de probabilidades

Redes Bayesianas

Técnicas

T1 T2

diagnóstico

P(C) = 0,01 P(¬C) = _____ P(+|C) = 0,9 P(- |C) = _____ P(+|¬C) = 0,2 P(- |¬C) = _____ P(C|+) = ______

Probabilidade de incidência de um determinado tipo de câncer

Redes Bayesianas

Técnicas

Problema de Monty Hall

http://en.wikipedia.org/wiki/Monty_Hall_problem

Redes Bayesianas

Técnicas

Problema de Monty Hall

Suponha que você escolheu A 1 - Está em A (ficar ganha) 2 - Está em B, então C é revelado (trocar ganha) 3 - Está em C, então B é revelado (trocar ganha)

Foco em aprendizado de Máquina

Técnicas

Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.

Árvore de Decisão

Sparce dictionary learning

Representation Learning Reinforcement learning

Redes Bayesiana Clustering

Support Vector Machines

Programação Lógica Indutiva Programação Genética

Redes Neurais Regras de Associação

Clustering

Técnicas

É uma técnica de aprendizado não supervisionado

Connectivity based clustering

Foco em aprendizado de Máquina

Técnicas

Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.

Árvore de Decisão

Sparce dictionary learning

Representation Learning Reinforcement learning

Redes Bayesiana Clustering

Support Vector Machines

Programação Lógica Indutiva Programação Genética

Redes Neurais Regras de Associação

Support Vector Machine

Técnicas

Técnica de clusterização binária

Pode ser útil para: 1 – Classificação de proteínas; 2 – Reconhecimento de letra de mão; 3 – Classificação de imagens.

Foco em aprendizado de Máquina

Técnicas

Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.

Árvore de Decisão

Sparce dictionary learning

Representation Learning Reinforcement learning

Redes Bayesiana Clustering

Support Vector Machines

Programação Lógica Indutiva Programação Genética

Redes Neurais Regras de Associação

Redes Neurais

Técnicas

http://natureofcode.com/book/chapter-10-neural-networks/

964324

Scientists have already spent entire careers researching and implementing complex solutions.

reconhecimento de padrões

Redes Neurais

Técnicas

http://natureofcode.com/book/chapter-10-neural-networks/

Os elementos individuais de uma rede neural é simples.

Eles leem inputs, processam e geram output. Mas uma rede

de muitos neurônios pode exibir comportamento rico e

inteligente.

Capacidade de aprender -> sistema complexo adaptativo.

Isto é, ele muda sua estrutura interna baseado no fluxo de

informação que o atravessa.

Redes Neurais

Técnicas

http://natureofcode.com/book/chapter-10-neural-networks/

Os pesos variam, enquanto o programa não executa a

tarefa de forma satisfatória.

Redes Neurais

Técnicas

www.sciencedirect.com/science/article/pii/S092523120700286X

Foco em aprendizado de Máquina

Técnicas

Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.

Árvore de Decisão

Sparse dictionary

Representation Learning Reinforcement learning

Redes Bayesiana Clustering

Support Vector Machines

Programação Lógica Indutiva Programação Genética

Redes Neurais Regras de Associação

Programação genética

Técnicas

É um algoritmo inspirado no modelo biológico da evolução

para encontrar programas que realizem um tarefa definida

pelo usuário.

É um conjunto de instruções e uma função fitness para

medir quão bem o computador executou a tarefa.

É uma especialização do algoritmo genético.

Programação genética

Técnicas

É um algoritmo inspirado no modelo biológico da evolução

para encontrar programas que realizem um tarefa definida

pelo usuário.

É um conjunto de instruções e uma função fitness para

medir quão bem o computador executou a tarefa.

É uma especialização do algoritmo genético.

Algoritmo genético

Técnicas

Inicialize um população com n indivíduos

Calcule o desempenho de cada um. Selecione os melhores.

Embaralhe a lista dos selecionados (cross-over).

11100110 11100110 11100110

Algoritmo genético

Técnicas

Weka

Software

http://www.cs.waikato.ac.nz/ml/weka/

http://jmlr.org/mloss/

Sugestões de estudos

Além

http://www.udacity.com