FACULDADE METROPOLITANA DE CAMAÇARI CURSO DE BACHARELADO EM ENGENHARIA DE CONTROLE E

AUTOMAÇÃO.

INTELIGÊNCIA ARTIFICIAL: APLICAÇÃO ROBÓTICA.

Camaçari-Ba 2012

FACULDADE METROPOLITANA DE CAMAÇARI CURSO DE BACHARELADO EM ENGENHARIA DE CONTROLE E

AUTOMAÇÃO.

INTELIGÊNCIA ARTIFICIAL: APLICAÇÃO ROBÓTICA.

Cláudia Cristina Guimarães.

Hagner Viera.

Robson.

Camaçari-Ba 2012

Pesquisa Bibliográfica da disciplina Inteligência Artificial a ser encaminhada ao Professor Dalzir Barros para avaliação e análise. Referente à 3º Unidade do curso de Bacharelado em Engenharia de Controle e Automação (Mecatrônica).

É sabido que só se progride quando há mudança. Mas não se pode esquecer que nem toda mudança significa progresso, embora todo

progresso exija mudança.

Aristóteles

INTELIGÊNCIA ARTIFICIAL: APLICAÇÃO ROBÓTICA.

Sumário

1. INTRODUÇÃO....................................................................................................05

2. APLICAÇÕES DA INTELIGÊNCIA ARTIFICIAL..............................................06 3. COMPUTAÇÃO EVOLUTIVA............................................................................08 4. IA APLICADA À ROBÓTICA...............................................................................09

5. REDES NEURAIS EM IA....................................................................................09 6. ROBÓTICA INDUSTRIAL E ALGORISMOS DE PLANEJAMENTO..................14 7. ROBÓTICA EVOLUTIVA...................................................................................13 8. CONCLUSÃO.....................................................................................................15 9. REFERÊNCIAS BIBLIOGRÁFICAS...................................................................16

INTELIGÊNCIA ARTIFICIAL: APLICAÇÃO ROBÓTICA.

1. INTRODUÇÃO. O homem tem a capacidade única de raciocínio e durante milhares de anos, ele procurou entender como o pensamos: isto é, como um mero punhado de matéria pôde compreender, perceber, prever e manipular um mundo muito maior e muito mais complexo que ele próprio. O campo da inteligência artificial vai ainda mais além: ele tenta não apenas compreender, mas também construir entidades inteligentes.

A inteligência artificial é uma das ciências mais recentes, teve início após a Segunda Guerra Mundial e, atualmente, abrange uma enorme variedade de subcampos, desde áreas de uso geral, como aprendizado e percepção, até tarefas específicas como jogos de xadrez, demonstração de teoremas matemáticos, criação de poesia e diagnóstico de doenças. A inteligência artificial sistematiza e automatiza tarefas intelectuais e, portanto, é potencialmente relevante para qualquer esfera da atividade intelectual humana.

A Geração da Inteligência Artificial (1943-1955) Pode-se dizer que o primeiro grande trabalho reconhecido como IA foi realizado por Warrem Macculloch e Walter Pitts (1943). De acordo com Russell e Norvig (2004), eles se basearam em três fontes: “o conhecimento da fisiologia básica e da função dos neurônios do cérebro, uma análise formal da lógica proposicional criada por Russell e Whitehead e a teoria da computação de Turing”. Esses pesquisadores sugeriram um modelo de neurônios artificiais, no qual, cada neurônio era caracterizado por “ligado” ou “desligado”, desse modo, o estado de um neurônio era analisado como, “equivalente em termos concretos a uma proposição que definia seu estímulo adequado” (RUSSELL; NORVIG, 2004).Contudo, foi Alan Turing o primeiro a articular uma visão completa da IA em seu artigo de 1950 “Computing Machinery and Intelligency”. Entusiasmo Inicial e Grandes Expectativas (1952-1969) Este período foi marcado por grandes entusiasmos e expectativas, mas poucos progressos, John McCarthy, Hyman Minsky, Claude Shannon e Nathaniel Rochester foram os principais idealizadores da época. Eles organizaram um seminário de dois meses em Dartmouth, em 1956, onde havia mais seis participantes: Trenchard More (Princeton) , Arthur Samuel (IBM), Allen Newell e Herbet Simon (CMU) , Ray Solomonoff e Oliver Selfridge do (MIT) . Os destaques desse encontro foram: Allen Newell e Herbet Simon, com o programa de raciocínio Logic Theorist (LT). O seminário não trouxe muitas novidades no campo da IA, contudo, apresentou os personagens mais importantes da história. “Nos vinte anos seguintes, o campo seria dominado por essas pessoas e por seus alunos e colegas do MIT, da CMU, de Stanford e da IBM” (RUSSELL; NORVIG, 2004). Em 1969, a Universidade de Stanford desenvolveu o programa DENDRAL para desenvolver soluções capazes de encontrar as estruturas moleculares orgânicas a partir da espectrometria de massa das ligações químicas presentes em uma molécula desconhecida. Na época, personagens importantes como Edward Feigenbaum (antigo aluno de Herbert Simon), Bruce Buchanan (filósofo transformado em cientista de computação) e Joshua Lederberg

(geneticista premiado com um prêmio Nobel) constituíram equipe para resolver o problema e o DENDRAL foi capaz de solucionar graças ao seu modo automático de tomar decisões. A Inteligência Artificial se Torna uma Indústria (De 1980 Até a Atualidade) O primeiro sistema especialista comercial bem-sucedido, o R1, iniciou sua operação na Digital Equipament Corporation (DEC). O programa contribuiu para configurar pedidos de novos sistemas de computador; em 1986, ele já fazia a empresa faturar cerca de 40 milhões de dólares por ano. Em 1988, o grupo de IA da DEC já possuía 40 sistemas especialistas entregues, com outros sendo produzidos (CHARNIAK; MCDERMOTT, 1985). A Du Pont tinha 100 desses sistemas em uso e 500 em desenvolvimento, economizando aproximadamente 10 milhões de dólares por ano. Quase todos os conglomerados importantes dos Estados Unidos possuíam seu próprio grupo de IA e estavam usando ou investigando sistemas especialistas. Nos últimos anos, houve uma revolução no trabalho em Inteligência Artificial, tanto no conteúdo quanto na metodologia. Agora, é mais comum usar as teorias existentes como bases, em vez de propor teorias inteiramente novas, fundamentar as afirmações em teoremas rigorosos ou na evidencia experimental rígida, em vez de utilizar como base a intuição e destacar a relevância de aplicações reais em vez de exemplo de brinquedos (RUSSELL; NORVIG, 2004). 2. APLICAÇÕES DA INTELIGÊNCIA ARTIFICIAL.

A inteligência artificial é um ramo da Ciência da Computação cujo interesse é fazer com que os computadores pensem ou se comportem de forma inteligente. Por ser um tópico muito amplo, IA também está relacionada com psicologia, biologia, lógica matemática, linguística, engenharia, filosofia, entre outras áreas científicas, conforme mostra a Figura 1.

Vale destacar algumas aplicações desenvolvidas por esse sistema que podem ser assim explicitadas porém serão abrangidas aqui as referentes à aplicação robótica: 2.1_Sistemas Especialistas Um Sistema Especialista é uma importante área da IA, desenvolvido a partir das necessidades de processamento das informações não numéricas, um sistema especialista é capaz de apresentar conclusões sobre um determinado tema, desde que devidamente orientado e alimentado. É uma forma de sistema baseado no conhecimento e foi especialmente projetado para emular a especialização humana de algum domínio específico. Este sistema foi construído por uma base de conhecimento formada de fatos, regras e heurísticas sobre o domínio, tal como um especialista humano faria, e deve ser capaz de oferecer sugestões e conselhos aos usuários e, também, adquirir novos conhecimentos e heurísticas com essa interação (BARONE, 2003). Na década de 70, os primeiros sistemas especialistas que obtiveram sucesso em seus objetivos foram os sistemas DENDRAL, citado anteriormente, e o MYCIN . A partir dessa época, vários sistemas foram desenvolvidos para atuação em diferentes domínios, como por exemplo, agricultura, química, sistemas de computadores, eletrônica, engenharia, geologia, gerenciamento de informações, direito, matemática, medicina, aplicações militares, física, controle de processos e tecnologia espacial (BARONE, 2003).

2.2_ Robótica Os robôs são agentes físicos que executam tarefas manipulando o mundo físico. Para isso, eles são equipados com efetuadores como pernas, rodas articulações e garras (RUSSELL; NORVIG, 2004). Os efetuadores têm o único propósito de exercer forças físicas sobre o ambiente. Os robôs também estão equipados com uma diversidade de sensores, que lhes permitem perceber o ambiente: câmeras, ultrassom , giroscópios , acelerômetros . A maior parte de robôs atuais se enquadra em três tipos de categorias: manipuladores, móveis e híbridos. Os manipuladores, ou braços robôs, estão fisicamente ancorados (ou fixos) ao seu local de trabalho, como por exemplos os robôs de linha industrial. O movimento do manipulador em geral envolve uma cadeia inteira de circulações controláveis, permite que esses robôs coloquem seus efetuadores em qualquer posição dentro do local de trabalho. Os manipulares são a maioria, quando se trata de robôs, existem mais de um milhão de unidades instaladas em todo o mundo e sua utilização esta focada no ramo industrial (RUSSELL; NORVIG, 2004). Os robôs móveis se deslocam pelo ambiente usando rodas, pernas ou mecanismos parecidos. Eles foram projetados para entrega alimentos em hospitais, mover contêineres em docas de carga e tarefas semelhantes (Ide, 2004). Os robôs móveis podem ser classificados em quatro tipos: Veículos Terrestres não tripulados (Unmanned Land Vehicle - ULV): robôs como o NAVLAB que realiza a navegação autônoma sem condutor em autoestradas. Veículos Aéreos não tripulados (Unmanned Air Vehicle - UAV): utilizados para vigilância, pulverização de lavouras, operações militares, dentre outras atividades do ramo. Veículos Autônomos subaquáticos (Autonomous Underwater Vehicle - AUV): usados em explorações no fundo do mar.

E por último, os Viajantes Interplanetários, como o robô Sojourner mostrado na Figura 2. O terceiro tipo de robôs é o híbrido: robô móvel equipado com manipuladores. Eles incluem o robô humanoide, como o mostrado na Figura 3. Os robôs híbridos podem utilizar os efetuadores adicionais em campos mais amplos que os manipuladores fixos, porém seu trabalho ser torna muito mais difícil, pois eles não possuem a rigidez que um ponto de fixação oferece. O campo da robótica não se limita apenas aos três tipos citados acima, existem também os dispositivos protéticos (membros artificiais para seres humanos), ambientes inteligentes (casas superequipadas de sensores e efetuadores) e sistemas com vários corpos, nos quais a ação robótica é alcançada por enxames de pequenos robôs cooperativos (STAIRS; REYNOLDS, 2006).

3. COMPUTAÇÃO EVOLUTIVA.

4. IA APLICADA À ROBÓTICA

Uma das aplicações da IA mais complexas está na Robótica. A Robótica pode ser definida como a área da engenharia que estuda a construção de máquinas capazes de realizar certas tarefas de forma autônoma [2]. Por sua própria natureza, a Robótica é uma área multidisciplinar, que envolve o estudo das mais variadas áreas, como: matemática, física, engenharia mecânica, engenharia elétrica, computação, etc. A robótica têm se desenvolvido em uma velocidade vertiginosa nos últimos anos, e desta forma têm se mostrado um campo muito fértil para inovações tecnológicas em todas as áreas que a compõe. A IA é uma das tecnologias chave deste desenvolvimento, pois permite a construção de robôs mais inteligentes, capazes de tomar decisões dentro de ambientes não estruturados, ou diante de situações novas. Desta forma, tanto a robótica pode ser usada como laboratório para testes das técnicas de construção de sistemas inteligentes da IA, como a IA pode ser usada como uma ferramenta para a resolução dos novos desafios a que a expansão da robótica submete os criadores de robôs. A Robótica também pode ser usada como um laboratório experimental para ensino e pesquisa em IA, pois os desafios referentes ao controle inteligente de robôs representam amplo território para as aplicações das técnicas de IA, tanto isoladamente quanto combinadas em sistemas de alta complexidade. Schafer [3] descreve a utilização de kits educacionais de robótica para promover o ensino da IA entre os alunos de seu curso de Ciência da Computação, obtendo bons resultados. A metodologia descrita pelo autor foi a de apresentar o conteúdo teórico da disciplina e durante as aulas propor desafios em que os

alunos deveriam trabalhar em equipes e montar robôs, incluindo hardware e software, que fossem capazes de dar conta dos desafios propostos. Muitas áreas da IA podem ser abordadas por esta metodologia: Sistemas Baseados em Conhecimento e Regras, Sistemas Nebulosos, Redes Neurais Artificiais, Algoritmos Genéticos, Raciocínio Baseado em Casos, etc. A construção de robôs também estimula a criatividade dos alunos e faz dos mesmos um recurso de aprendizagem valioso assim como em desenvolvimento industrial. 5. REDES NEURAIS E IA EM ROBOS.

Quando falamos sobre inteligência artificial (IA) muitas pessoas pensam que as redes neurais devem ser como um cérebro inteligente de um humano. Algumas dessas pessoas não imaginam como estas redes são tão utilizadas hoje em dia. Vamos falar um pouco mais sobre isso, de uma forma simples e didática. Onde mais existe uso de IA é na robótica. Hoje não é muito complicado contruir um robô simples alguns sensores e motores. A parte difícil é fazê-lo reagir ao mundo real com o é esperado que ele o faça. Normalmente, quando o cérebro do robô é programado, são feitas verificações nos estados dos sensores e informado como ele deve reagir à uma circustância particular, como encontrar um muro, uma linha no chão ou algo assim. Mas robôs com mais sensores possuem reações bem mais complexas. Programar estes sistemas mais complexos pode ser problemático, se não forem utilizadas simples redes neurais. Uma rede neural possui duas fases: "conhecimento" e "aprendizado". Isso significa que um sistema inteligente possui algum conhecimento, também conhecido como experiência, e habilidade para aprender e aperfeiçoar. Exemplo, uma vez que você queimou a mão no fogo, você sempre recordará a dor e tentará evitar o calor. com a inteligência artificial o que acontece é a mesma coisa, mas em um nível diferente. No atual mundo da IA, alguns passos iniciais precisam ser entendidos: como os neurônios interagem e como o cérebro.funciona. Na eletrônica digital os neurônios podem ser interpretados como múltiplas entradas AND, OR ou XOR (E, OU ou OU Exclusivo). Mas na realidade o neurônio é um elemento analógico com múltiplas entradas com diferentes sensibilidades. A soma destes sinais de entrada define a ativação no neurônio. O sinal de saída do neurônio pode ser processada como um resultada ou encaminhada a outra entrada de outro neurônio. Em uma rede neural normal é um conjunto de elementos interconectados, onde cada um deles tem seus próprios sinais de entrada com algum sinal resultante de saída. como exemplo, a plataforma simples do robô:

A função pode ser qualquer algoritmo lógico, um algoritmo finito ou,

simplesmente, um conjunto de operações em qualquer linguagem de

programação. Mas entenda, esse algoritmo não é uma reação a um ou a

outro comando de entrada, mas descreve simplesmente o método que é usado

pela rede neural. O ensino da rede neural é feito através de exemplos: as

entradas da rede são afetadas por algumas ações e os sinais de saída

são comparados com a nossa reação prevista. Se ela diferir, então nós

dizemos que ocorreu um “erro”. A fim de reduzir este erro, as sensibilidades

das entradas são reduzidas. Esse processo é repetido muitas vezes até que a

rede;reaja como;esperado.

Alguma ciência tem que ser feita quando se escolhe a estrutura correta das

redes neurais. Se a rede neural for muito pequena, então será ineficiente e não

estará apta a aprender o que você quer. Se ela irá possuir neurônios demais,

então aprender tomará muito mais tempo que o esperado. Depois do

treinamento inicial, a rede neural pode ser utilizada para controlar a plataforma

do robô. Ele pode aprender por si mesmo reagindo aos objetos do mundo real.

Por exemplo: ele pode aprender a encontrar a maneira mais eficiente para

virar-se para a luz com o número mínimo de colisões e assim por diante.

Olhando a fundo, existem muito mais coisas interessantes que fazem parte

das redes neurais, como os algorítmos genéticos. Eles são usados para

copiar o exemplo do mundo real, onde populações diversas de redes neurais

agem e podem duplicar-se de forma a gerar uma rede neural com finalidade

mais específica. Mas ainda é cedo para falar sobre inteligência artificial como

sendo muito mais que um conjunto de "reflexos artificiais".

6. ROBÓTICA INDUSTRIAL E ALGORISMOS DE PLANEJAMENTO.

Os robôs industriais, utilizados na automação de processos de produção, são hoje uma realidade cada vez mais presente nas grandes indústrias, tais como as equipamentos, bem como começam a aparecer em indústrias de médio e pequeno porte. Estes robôs executam tarefas complexas e de alto risco, tais como a soldagem de peças e montagem de componentes, a pintura e/ou limpeza de partes, transporte de peças, monitoração e segurança de

instalações industriais, limpeza e reparo de dutos e tubulações, etc [1]. Esta classe de robôs geralmente possui uma programação única que é executada de maneira repetitiva e sequencial, de forma a cumprir suas funções. A dificuldade técnica que tais robôs impõem, portanto, de um ponto de vista científico, corresponde ao desenvolvimento de algoritmos de planejamento das atividades a serem executadas pelo robô. Um exemplo prototípico de um robô deste tipo é dado na figura 1 a seguir:

6.1_A Arquitetura de Subsunção e a Robótica Baseada em Comportamentos

A partir da metade da década de 80, um grande movimento científico iria mudar de maneira radical as pesquisas envolvendo robótica e inteligência artificial. Esse movimento foi liderado pelo pesquisador Rodney Brooks do MIT AI Lab. Basicamente, Brooks pregava [3] que havia algo de fundamentalmente errado na inteligência artificial, e que para que uma inteligência comparável à do ser humano pudesse ser obtida em sistemas artificiais, seria necessária uma mudança paradigmática na maneira como as pesquisas em inteligência artificial eram conduzidas. À essa época, eram populares as pesquisas em IA com os chamados “toy problems”, ou seja, problemas simplificados normalmente desvinculados do mundo real, que eram resolvidos por meio de algoritmos de busca, lógica matemática [4] e os assim chamados sistemas especialistas [5]. Brooks pregava que a inteligência artificial somente poderia prosperar se ospesquisadores deixassem as pesquisas em ambientes artificiais, e apostassem na robótica como ambiente de desenvolvimento [6]. As pesquisas em desenvolvimento envolvendo robótica utilizavam até então um paradigma serial de processamento, como ilustrado na figura 4 a seguir:

A proposta de Brooks era substituir esse paradigma serial por um paradigma paralelo, que Brooks chamou de arquitetura de subsunção, ilustrado na figura 5.

Essa arquitetura de subsunção inaugurava a chamada “Robótica baseada em Comportamentos” como uma nova abordagem de pesquisa em inteligência artificial. Duas mudanças significativas podem ser demarcadas aqui. A primeira delas foi a possibilidade de se descartar a visão de que para se agir de maneira inteligente, era necessário se ter um modelo do mundo centralizado, como as arquiteturas da época pregavam [7]. Tais modelos do mundo eram tipicamente definidos de maneira simbólica, sem uma ligação explícita entre esses símbolos e fenômenos do mundo real que supostamente deveriam representar. A segunda mudança foi a constatação de que a inteligência não poderia ser vista meramente como um processo computacional que tomava uma entrada e produzia uma saída, mas que, devido ao fato de que essa inteligência existe em um agente que se encontra incorporado e em contato com um mundo, que possui uma dinâmica implícita, o fenômeno da inteligência deveria possuir também alguma componente dinâmica. Com estas duas mudanças, o vocabulário clássico da IA começou a se tornar obsoleto, sendo que não mais haviam representações explícitas de “beliefs”, “desires” e “intentions”, a própria noção de ato de fala “speech act” se tornava obsoleta e junto com tais idéias da IA, um grande número de dificuldades herdadas da chamada IA clássica pareciam desaparecer. Simultaneamente a esses desenvolvimentos, uma grande revolução também se travava na área de ciência cognitiva. Após muitos anos onde o cognitivismo foi predominante como teoria para explicar as funções cognitivas humanas, uma nova proposta começava a se delinear, fundamentada na Autopoise de Maturana e Varela [8]: a idéia de uma “mente incorporada” [9]. Em outras palavras, uma mente só pode funcionar enquanto mente, caso tenha um corpo por meio do qual possa interagir com algum ambiente. Essa interação da mente com o corpo é que acaba por proporcionar a cognição. Uma vez que a idéia de “mente incorporada” se difundiu nas ciências cognitivas, abriu-se o caminho para que o conceito de mente pudesse sair da esfera das criaturas da natureza, e pudesse ser aplicado também a robôs [10].

7. ROBÓTICA EVOLUTIVA

Alguns pesquisadores da área de robótica, recentemente começaram a conjecturar sobre o fato de que, ao contrário de seres vivos, uma diferença fundamental entre os corpos de robôs e corpos de seres vivos é o fato de que o corpo de robôs é sempre o mesmo. Apesar da mente do robô poder

evoluir,utilizando-se técnicas de aprendizado, o corpo permanece sempre o mesmo, ao contrário de seres vivos, cujos corpos estão sempre sendo modificados. Segundo alguns destes pesquisadores, essa restrição poderia limitar as potencialidades de evolução das mentes dos próprios robôs, uma vez que em seres vivos essa evolução ocorre em co-evolução com as mudanças dos corpos. A partir desta observação, surgiu uma nova modalidade de estudos na área de robótica, que acabou sendo conhecida como robótica evolutiva. Nesta área, tanto o sistema de controle como o próprio corpo dos robôs são desenvolvidos de maneira evolutiva. É óbvio que grande parte do processo se dá por meio de simulação. Entretanto, alguns protótipos de robôs que tiveram um bom desempenho em suas tarefas podem ser construídos e utilizados no mundo real, tal como o exemplo da figura 22.

Os trabalhos de pesquisa em robótica evolutiva estão em grande parte associados a uma outra área de pesquisa conhecida como vida artificial, contribuindo de maneira significativa para o entendimento das origens da vida, bem como da inteligência.

8. CONCLUSÃO

A inteligência artificial é um campo que está sendo pesquisado e aprimorado em grande escala nos últimos anos, além das áreas citadas acima, a IA faz parte de muitas outras áreas. Hoje têm-se as Redes Neurais e os conceitos de Aprendizagem, além das grandes inovações no mundo tecnológico aplicados em áreas que não se achava possível sua utilização. Na medicina, por exemplo, existem robôs que auxiliam nas cirurgias e em alguns casos o médico apenas precisa controlá-los e sua presença na sala nem se faz necessária. Outro grande exemplo da utilização da IA é no mundo dos games e jogos eletrônicos, linguagens com PROLOG e LISP, aplicam seus conceitos em algoritmos cada vez mais inteligentes e nos jogos mais reais a máquina simula os acertos e erros de quem está por trás de tudo isso, os controladores humanos. A IA ainda é tabu dependendo do assunto abordado, ainda não se sabe se o homem vai ser capaz de criar a real inteligência artificial, ou ao menos desvendar os princípios do cérebro humano que é a base sua criação. Hoje, o que se sabe é que seus conceitos desenvolvidos ao longo de anos têm trazido grandes benefícios para humanidade e que de um modo geral ela sempre vai inovar e evoluir gradativamente.

9. REFERÊNCIAS BIBLIOGRÁFICAS

BARONE, Dante. Sociedades Artificiais: A Nova Fronteira da Inteligência nas Máquinas. 1. ed. Porto Alegre: Bookman, 2003. CHARNIAK, Eugene; MCDERMOTT, Drew. A Bayesian Model of Plan Recognition. Massachusetts: Addison-Wesley, 1985. HAUGELAND, John. Artificial Intelligence: The Very Idea. Massachusetts: The MIT Press, 1985. KURZWEIL, Ray. The Age of Spiritual Machines. Massachusetts: The MIT Press, 1990. LOPES, Silvana. Sistemas Especialistas na Educação. Ariquemes: Universidade Federal de Rondônia, 2008. MONARD, Maria Carolina; BARANAUKAS, José Augusto. Aplicações de Inteligência Artificial: Uma Visão Geral. São Carlos: Instituto de Ciências Matemáticas e de Computação de São Carlos, 2000. POOLE, D.; MACKWORTH, A. K.; GOEBEL, R. Computational Intelligence: A Logical Approach. Oxford: Oxford University, 1998. RUSSEL, Stuart; NORVIG, Peter. Inteligência Artificial. 2. Ed. Rio de Janeiro: Campos, 2004. STAIR, Ralph M.; REYNOLDS, George W. Princípios de Sistemas de Informação. São Paulo: Thomson, 2006