INTELIGÊNCIA ARTIFICIALINTELIGÊNCIA ARTIFICIAL

Adriano CoserAdriano Coser

Andréa Andréa GlockGlock

Charles Charles PradaPrada

Vanessa SuzukiVanessa Suzuki

1968 1968 –– ““2001 Uma Odisséia no Espaço2001 Uma Odisséia no Espaço””

1982 1982 –– ““BladeBlade RunnerRunner””

2001 2001 –– ““Inteligência ArtificialInteligência Artificial””

1999 1999 –– ““MatrixMatrix””

2004 2004 –– ““Eu RobôEu Robô””

2002 2002 –– ““MinorityMinority ReportReport””

1998 1998 –– ““O Homem BicentenárioO Homem Bicentenário””

INTRODUÇÃOINTRODUÇÃO

Nos denominamos Nos denominamos Homo sapiens Homo sapiens porque nossasporque nossascapacidades mentais são muito importantes paracapacidades mentais são muito importantes paranós.nós.

Mas será somos capazes de explicar nossaMas será somos capazes de explicar nossacapacidade de perceber, compreender, prever ecapacidade de perceber, compreender, prever emanipular um mundo tão maior e mais complexo quemanipular um mundo tão maior e mais complexo quenós mesmos?nós mesmos?

Mais ainda, seríamos capazes de reproduzir nossoMais ainda, seríamos capazes de reproduzir nossocomportamento inteligente em entidadescomportamento inteligente em entidadesartificiais?artificiais?

Estas questões têm inquietado a humanidade háEstas questões têm inquietado a humanidade hámuitos anos, inspirando utopias concretizadasmuitos anos, inspirando utopias concretizadasapenas em livros e filmes.apenas em livros e filmes. ??

Mas diz-se que Mas diz-se que ““sem utopia não há direçãosem utopia não há direção””::

Ainda não somos capazes de construir robôsAinda não somos capazes de construir robôsque pensam e agem como humanos, mas criamosque pensam e agem como humanos, mas criamosum campo de pesquisa fascinante: aum campo de pesquisa fascinante: aInteligência ArtificialInteligência Artificial..

Mesmo frustrando algumas expectativas dosMesmo frustrando algumas expectativas dosmais românticos, os produtos da IA têm nosmais românticos, os produtos da IA têm nosajudado a resolver problemas complexos,ajudado a resolver problemas complexos,intratáveis por métodos tradicionais.intratáveis por métodos tradicionais.

O QUE É INTELIGÊNCIA ARTIFICIAL?O QUE É INTELIGÊNCIA ARTIFICIAL?

Pensar como HumanoPensar como Humano((modelagem cognitivamodelagem cognitiva))

Pensar RacionalmentePensar Racionalmente((lógicalógica))

Agir como HumanoAgir como Humano((Teste de Teste de TuringTuring))

Agir RacionalmenteAgir Racionalmente((fazer tudo certofazer tudo certo))

Não existe consenso único sobre a definiçãoNão existe consenso único sobre a definiçãode IA.de IA.

MelhorMelhor entendê entendê--lala sob a ótica das estratégias sob a ótica das estratégiasde pesquisa adotadas na elaboração dosde pesquisa adotadas na elaboração dossistemas, que buscam:sistemas, que buscam:

Neste seminário faremos um vôoNeste seminário faremos um vôopanorâmico sobre a IA, onde mostraremos:panorâmico sobre a IA, onde mostraremos:

Sua evolução histórica e as basesSua evolução histórica e as basesfornecidas por outras ciênciasfornecidas por outras ciências

Alguns de seus principais produtosAlguns de seus principais produtos(métodos, técnicas)(métodos, técnicas)

As expectativas para a IA na sociedadeAs expectativas para a IA na sociedadedo conhecimentodo conhecimento

CIÊNCIAS QUE CONTRIBUEM PARA IACIÊNCIAS QUE CONTRIBUEM PARA IA

IA

Filosofia

Matemática

Economia

Linguística

Psicologia

Computação

Sociologia

Neurociência

Genética Cibernética

FILOSOFIAFILOSOFIA(de 428 a.C. até a atualidade)(de 428 a.C. até a atualidade)

Demarcam a maioria das idéiasDemarcam a maioria das idéiasimportantes sobre a IAimportantes sobre a IA

Conjunto de regras podem descrever aConjunto de regras podem descrever aparte formal e racional da menteparte formal e racional da mente

ConhecimentoConhecimento pode ser caracterizado por teoriaspode ser caracterizado por teoriaslógicas conectadaslógicas conectadas

Como pode ser adquirido por experiênciaComo pode ser adquirido por experiência Procedimento computacional para extrairProcedimento computacional para extrairconhecimento conhecimento –– primeira teoria da mente como primeira teoria da mente comoprocesso computacionalprocesso computacional

MATEMÁTICAMATEMÁTICA(cerca de 800 até a atualidade)(cerca de 800 até a atualidade)

Ciência formalCiência formal Formalização na lógica, computação e probabilidadeFormalização na lógica, computação e probabilidade

Lógica de primeira ordemLógica de primeira ordem Lógica Lógica booleanabooleana + objetos e relações + objetos e relações Sistema básico de representação do conhecimentoSistema básico de representação do conhecimento

Algoritmo Euclides Algoritmo Euclides –– maior denominador comum maior denominador comum

IntratabilidadeIntratabilidade tempo cresce exponencialmentetempo cresce exponencialmente Dividir o problema em sub-problemas tratáveis (NP Dividir o problema em sub-problemas tratáveis (NP ––Completeza)Completeza)

ProbabilidadeProbabilidade Lidar com medidas incertas e teorias incompletasLidar com medidas incertas e teorias incompletas

ECONOMIAECONOMIA(de 1776 até a atualidade)(de 1776 até a atualidade)

Escolhas que levem a resultados preferenciaisEscolhas que levem a resultados preferenciais

Teoria da decisãoTeoria da decisão Teoria da probabilidade + teoria da utilidadeTeoria da probabilidade + teoria da utilidade Estrutura formal e completa para decisões tomadasEstrutura formal e completa para decisões tomadassob a incertezasob a incerteza

Usada em grandes economiasUsada em grandes economias

Teoria dos jogosTeoria dos jogos Pequenas economiasPequenas economias Leva em consideração as ações de outros agentesLeva em consideração as ações de outros agentes

Modelos baseados em SatisfaçãoModelos baseados em Satisfação Fornece descrição do comportamento humano realFornece descrição do comportamento humano real

NEUROCIÊNCIANEUROCIÊNCIA(de 1861 até a atualidade)(de 1861 até a atualidade)

Como o cérebro processa as informações?Como o cérebro processa as informações? Estudo do sistema nervosoEstudo do sistema nervoso Mistério do modo como o cérebro habilita oMistério do modo como o cérebro habilita opensamentopensamento

Coleção de células simples pode levar aoColeção de células simples pode levar aopensamento, à ação e à consciênciapensamento, à ação e à consciência

Cérebro e computador possuem propriedadesCérebro e computador possuem propriedadesdistintasdistintas Velocidade, capacidade de armazenamentoVelocidade, capacidade de armazenamento

PSICOLOGIAPSICOLOGIA(de 1879 até a atualidade)(de 1879 até a atualidade)

Como seres humanos e animais pensamComo seres humanos e animais pensame reagem?e reagem?

BehaviorismoBehaviorismo forte influência na psicologiaforte influência na psicologia Estuda medidas objetivas dos estímulosEstuda medidas objetivas dos estímulosdados a um animal e suas açõesdados a um animal e suas açõesresultantesresultantes

Psicologia cognitiva: Cérebro -Psicologia cognitiva: Cérebro -dispositivo de processamento dedispositivo de processamento deinformaçõesinformações

Teoria cognitiva deve ser como umTeoria cognitiva deve ser como umprograma de computadorprograma de computador

ENGENHARIA DE COMPUTADORESENGENHARIA DE COMPUTADORES(de 1940 até a atualidade)(de 1940 até a atualidade)

IA ter sucesso: inteligência e artefatoIA ter sucesso: inteligência e artefato(computador)(computador)

Pós-guerra: Turing queria usar computadoresPós-guerra: Turing queria usar computadorespara pesquisas em IA (programa de xadrez)para pesquisas em IA (programa de xadrez)

Construção de um computador eficienteConstrução de um computador eficiente

Aumento em velocidade, capacidade e reduçãoAumento em velocidade, capacidade e reduçãode custosde custos

Área de Área de softwaresoftware forneceu sistemas forneceu sistemasoperacionais, linguagens de programação eoperacionais, linguagens de programação eferramentas para escrever programas.ferramentas para escrever programas.

TEORIA DE CONTROLE E CIBERNÉTICATEORIA DE CONTROLE E CIBERNÉTICA(de 1948 até a atualidade)(de 1948 até a atualidade)

Seres vivos podiam mudar o comportamento emSeres vivos podiam mudar o comportamento emresposta a mudança do ambienteresposta a mudança do ambiente

Máquina Máquina AutocontroladaAutocontrolada

artefatos operando sob seu próprio controleartefatos operando sob seu próprio controle relógio de água, máquina a vapor etcrelógio de água, máquina a vapor etc

CibernéticaCibernética

Possibilidade de máquinas dotadas dePossibilidade de máquinas dotadas deinteligênciainteligência

Limitações da matemática da Teoria de ControleLimitações da matemática da Teoria de Controle

Fora do campo de ação: Linguagem, visão eFora do campo de ação: Linguagem, visão eplanejamentoplanejamento

LINGUÍSTICALINGUÍSTICA(de 1957 até a atualidade)(de 1957 até a atualidade)

Skinner Skinner –– abordagem abordagem behavoristabehavorista para o para oaprendizado da linguagemaprendizado da linguagem

Chomsky Chomsky –– baseada em modelos sintáticos baseada em modelos sintáticos(estruturas) e formal para ser programada(estruturas) e formal para ser programada

Lingüística Computacional relaciona aLingüística Computacional relaciona aLingüística Moderna com IALingüística Moderna com IA

Representação do ConhecimentoRepresentação do Conhecimento

Como colocar o conhecimento em umaComo colocar o conhecimento em umaforma que o computador possa utilizarforma que o computador possa utilizar

Vinculado à linguagem e suprido comVinculado à linguagem e suprido cominformações de lingüísticainformações de lingüística

HISTÓRICOHISTÓRICO

Primeiros estudos surgiram na década de 40Primeiros estudos surgiram na década de 40(II Guerra Mundial)(II Guerra Mundial)

Tecnologia voltada para a análise deTecnologia voltada para a análise debalística, quebra de códigos, bomba atômica.balística, quebra de códigos, bomba atômica.

Computador não ficou restrito ao âmbitoComputador não ficou restrito ao âmbitomilitar e científicomilitar e científico

Termo IA surgiu em 1956 com uma conferênciaTermo IA surgiu em 1956 com uma conferênciade verão em de verão em DartmouthDartmouth CollegeCollege, USA, USA

Objetivo: Objetivo: ““tornar os computadores mais úteistornar os computadores mais úteise compreender os princípios que tornam ae compreender os princípios que tornam ainteligência possívelinteligência possível””

Duas linhas principais de pesquisa:Duas linhas principais de pesquisa:conexionistaconexionista e simbólicae simbólica

GRUPOS DE ABORDAGEM DA IAGRUPOS DE ABORDAGEM DA IA

SimbólicaSimbólica (IA clássica ou GOFAI): metáfora (IA clássica ou GOFAI): metáforalingüísticalingüística ex. sistemas especialistas, agentes,...ex. sistemas especialistas, agentes,...

ConexionistaConexionista: metáfora cerebral: metáfora cerebral ex. redes neuraisex. redes neurais

EvolucionistaEvolucionista: metáfora da natureza: metáfora da natureza ex. algoritmos genéticos, vida artificialex. algoritmos genéticos, vida artificial

Estatístico/ProbabilísticoEstatístico/Probabilístico Ex. Redes Ex. Redes BayesianasBayesianas, sistemas difusos, sistemas difusos

LINHA CONEXIONISTALINHA CONEXIONISTA

Modelagem da inteligência humana atravésModelagem da inteligência humana atravésda simulação dos componentes do cérebroda simulação dos componentes do cérebro(neurônios e interligações)(neurônios e interligações)

Proposta formalizada inicialmente em 1943,Proposta formalizada inicialmente em 1943,quando o quando o neuropsicólogoneuropsicólogo McCullochMcCulloch e o e ológico Pitts propuseram um primeiro modelológico Pitts propuseram um primeiro modelomatemático para um neurôniomatemático para um neurônio

Deu origem à área de redes Deu origem à área de redes neuronaisneuronaisartificiaisartificiais

LINHA SIMBÓLICALINHA SIMBÓLICA Segue a tradição lógicaSegue a tradição lógica Divisão da história da IA simbólica em Divisão da história da IA simbólica em “é“épocaspocas””::

Clássica (1956-1970)Clássica (1956-1970) Objetivo: simular a inteligência humanaObjetivo: simular a inteligência humana Fracasso: subestimação da complexidade computacionalFracasso: subestimação da complexidade computacionaldos problemasdos problemas

Romântica (1970-1980)Romântica (1970-1980) Objetivo: simular a inteligência humana em situaçõesObjetivo: simular a inteligência humana em situaçõespré-determinadas.pré-determinadas.

Fracasso: subestimação da quantidade de conhecimentoFracasso: subestimação da quantidade de conhecimentonecessária para tratar problema banaisnecessária para tratar problema banais..

Moderna (1980-1990)Moderna (1980-1990) Objetivo: simular o comportamento de um especialistaObjetivo: simular o comportamento de um especialistahumano ao resolver problemas em um domínio específico.humano ao resolver problemas em um domínio específico.

Fracasso: subestimação da complexidade do problema deFracasso: subestimação da complexidade do problema deaquisição de conhecimento.aquisição de conhecimento.

ABORDAGEM SIMBÓLICAABORDAGEM SIMBÓLICASistemas Baseados em Conhecimento (SBC)Sistemas Baseados em Conhecimento (SBC)

Sistemas Especialistas(SE)

Raciocínio Baseado em Casos(RBC)

Técnicas

SISTEMAS ESPECIALISTAS (SE)SISTEMAS ESPECIALISTAS (SE)

Sistemas que são projetados eSistemas que são projetados edesenvolvidos para atender a umadesenvolvidos para atender a umaaplicação determinada e limitada doaplicação determinada e limitada doconhecimento humano.conhecimento humano.

Capazes de emitir uma decisão, comCapazes de emitir uma decisão, comapoio no conhecimento justificado, aapoio no conhecimento justificado, apartir de uma base de informações,partir de uma base de informações,tal qual um especialista detal qual um especialista dedeterminada ciência.determinada ciência.

HISTÓRICOHISTÓRICO

DENDRALDENDRAL (1965) (1965)

Determinar automaticamente conjunto deDeterminar automaticamente conjunto deestruturas molecurares a partir deestruturas molecurares a partir deinformações espectográficas de massa.informações espectográficas de massa.

MYCINMYCIN (1972) (1972)

Diagnóstico e terapia de doençasDiagnóstico e terapia de doençasinfecciosas do sangue.infecciosas do sangue.

PROSPECTORPROSPECTOR (1972) (1972)

Auxiliar geologistas na prospecçãoAuxiliar geologistas na prospecçãomineral.mineral.

COMPONENTES DE UM SECOMPONENTES DE UM SEConhecimento abstrato, regras do tipo:Conhecimento abstrato, regras do tipo:

SE.... (condição verdadeira) SE.... (condição verdadeira) ENTÃO ... (executa ação)ENTÃO ... (executa ação)

Base de Conhecimento

Mecanismo de Inferência

Quadro Negro ou Memória de Trabalho

Verificar FatosVerificar Fatos

Buscar Novas RegrasBuscar Novas Regras

Analisar RegrasAnalisar Regras

Coração do SE.Coração do SE.Interpreta o conhecimento,Interpreta o conhecimento, seleciona e avalia regras, seleciona e avalia regras,

infere conclusões e gera novos fatos infere conclusões e gera novos fatos

Conhecimento concreto.Conhecimento concreto.São os fatos antes do processoSão os fatos antes do processo

de inferência.de inferência.

SISTEMAS ESPECIALISTASSISTEMAS ESPECIALISTASXX

PROGRAMAS CONVENCIONAISPROGRAMAS CONVENCIONAIS

Sistema EspecialistaSistema EspecialistaPrograma ConvencionalPrograma Convencional

Dados + Algoritmo = ProgramaDados + Algoritmo = Programa Dados + Inferência = SistemaDados + Inferência = Sistema

Representação e uso de dadosRepresentação e uso de dados Representação e uso de conhecimentoRepresentação e uso de conhecimento

AlgorítmicoAlgorítmico HeurísticoHeurístico

Processo interativoProcesso interativo Processo de InferênciaProcesso de Inferência

Manipulação de base de dadosManipulação de base de dados Manipulação de base de conhecimentoManipulação de base de conhecimento

ETAPAS DE DESENVOLVIMENTO DO SEETAPAS DE DESENVOLVIMENTO DO SE

Identificação doIdentificação dodomínio do problemadomínio do problema

Aquisição doAquisição doconhecimentoconhecimento

Organização eOrganização erepresentação dorepresentação do

conhecimentoconhecimento

Implementação do SEImplementação do SE

Testes e validaçãoTestes e validação

11

44

33

22

55

EXEMPLO PRÁTICO: SECROMEXEMPLO PRÁTICO: SECROM

Desenvolvido através da ferramenta KAPPA-PCDesenvolvido através da ferramenta KAPPA-PCem 1997em 1997

Utiliza questionamentos sobre os fenômenosUtiliza questionamentos sobre os fenômenoscadavéricoscadavéricos

Permite aPermite aobservação deobservação detodos ostodos osfenômenos.fenômenos.

SECROMSECROM

SECROMSECROM

Representação do conhecimento é híbridaRepresentação do conhecimento é híbrida

FRAME : Respostas_N2

SLOTS:Conteúdo_Estomacal: texto, contendo características particulares deste fenômeno

Conteúdo_Vesical: texto, contendo características particulares deste fenômeno Cristais_Sangue_Putrefeito: texto, contendo características particulares deste fenômeno

Pressão_Intra_Ocular: numérico, valor máx. 0,700 e mín. 0,025MÉTODOS :

Mostrar

Limpar

/*************************************

**** RULE: R1

*************************************/

MakeRule( R1, [],

resp:Livores_de_Hipostase #= "Corpo sem Livores",

SetValue( horas_resp:Livores_de_Hipostase, 1h ) );

FramesFrames

RegrasRegras

SECROMSECROM

Mecanismo de inferência:Mecanismo de inferência:

Encadeamento de regras Encadeamento de regras ““para frentepara frente””(Forward Chain)(Forward Chain)

Regras do tipo Regras do tipo ““condição-açãocondição-ação””

Possúi 283 regrasPossúi 283 regras

Existe atribuição de pesos paraExiste atribuição de pesos paradeterminadas regrasdeterminadas regras

RACIOCÍNIO BASEADO EM CASOS (RBC)RACIOCÍNIO BASEADO EM CASOS (RBC)

Sistemas de RBC simulam o ato humanoSistemas de RBC simulam o ato humanode relembrar um episódio prévio parade relembrar um episódio prévio pararesolver um determinado problema emresolver um determinado problema emfunção da identificação de afinidadesfunção da identificação de afinidadesentre os mesmos.entre os mesmos.

O raciocínio humano reproduzido no RBCO raciocínio humano reproduzido no RBCé a analogia.é a analogia.

problemas similares têm soluçõesproblemas similares têm soluçõessimilares;similares;

os tipos de problemas se repetem.os tipos de problemas se repetem.

CICLO DO RBCCICLO DO RBC

RECUPERARRECUPERAR

RETERRETERREUTILIZARREUTILIZAR

REVISARREVISAR

EXEMPLO PRÁTICO: EXEMPLO PRÁTICO: Alpha ThemisAlpha Themis

Sistema para recuperação de conhecimentoSistema para recuperação de conhecimentocontido em sûmulas dos tribunais nacionaiscontido em sûmulas dos tribunais nacionais

Desenvolvido pela WBSA e pesquisadores doDesenvolvido pela WBSA e pesquisadores doIJURISIJURIS

sistema interpreta o contexto do textosistema interpreta o contexto do textodescrito pelo operador jurídico e procuradescrito pelo operador jurídico e procurapelas súmulas mais semelhantes a ele. Opelas súmulas mais semelhantes a ele. Oresultado da busca traz as súmulas ordenadasresultado da busca traz as súmulas ordenadasde acordo com o grau de semelhança com ode acordo com o grau de semelhança com otexto descrito na consultatexto descrito na consulta

Engloba mineração de texto tambémEngloba mineração de texto também

Alpha ThemisAlpha Themis

ABORDAGEM CONEXIONISTAABORDAGEM CONEXIONISTARedes Neurais Artificiais (Neurônios)Redes Neurais Artificiais (Neurônios)

Em 1911, estudo pioneiro de Ramón eEm 1911, estudo pioneiro de Ramón e Cájal Cájal,,introduzindo a idéia de neurônios como constituintesintroduzindo a idéia de neurônios como constituintesestruturais da mente;estruturais da mente;

Alguns valores: Alguns valores:10 bilhões de10 bilhões deneurônios noneurônios no cortex cortexhumano;humano;

60 trilhões de60 trilhões desinapses ou conexões.sinapses ou conexões.

REDE NEURAL ARTIFICIAL (RNA)REDE NEURAL ARTIFICIAL (RNA)

Pode-se dizer que rede neural é:Pode-se dizer que rede neural é:

Processador distribuído;Processador distribuído; MassivamenteMassivamente em paralelo; em paralelo; Propensão natural para armazenar conhecimentoPropensão natural para armazenar conhecimentoexperimentais;experimentais;

Disponível para uso.Disponível para uso.

Aspectos similares à mente humana:Aspectos similares à mente humana:

Conhecimento é adquirido através do processo deConhecimento é adquirido através do processo deaprendizagem;aprendizagem;

Pesos da conexões entre neurônios (sinapses), sãoPesos da conexões entre neurônios (sinapses), sãousados para armazenar conhecimento.usados para armazenar conhecimento.

REDE NEURALREDE NEURAL

ConceitoConceito São técnicas computacionais que apresentam umSão técnicas computacionais que apresentam ummodelo matemáticomodelo matemático insipirado insipirado na estrutura na estruturaneural de organismos inteligentes e queneural de organismos inteligentes e queadquirem conhecimento através da experiência.adquirem conhecimento através da experiência.

ObjetivoObjetivo Aprender padrões diretamente dos dadosAprender padrões diretamente dos dadosatravés de um processo de repetidasatravés de um processo de repetidasapresentações dos dados experiência;apresentações dos dados experiência;

Procurar por relacionamentos, constróiProcurar por relacionamentos, constróimodelos automaticamente e os corrige, assimmodelos automaticamente e os corrige, assimdiminui o seu erro.diminui o seu erro.

REDE NEURALREDE NEURAL

CaracterísticasCaracterísticas Modelos adaptativos treináveis (aprendizagem);Modelos adaptativos treináveis (aprendizagem); Podem representar domínios complexos (nãoPodem representar domínios complexos (nãolineares);lineares);

São capazes de generalização diante daSão capazes de generalização diante dainformação incompleta;informação incompleta;

Robustos;Robustos; Capacidade de fazer o armazenamentoCapacidade de fazer o armazenamentoassociativo;associativo;

Processam informações Espaço/temporais;Processam informações Espaço/temporais; Possuem grande paralelismo, o que lhe conferemPossuem grande paralelismo, o que lhe conferemrapidez de processamento;rapidez de processamento;

Abstração.Abstração.

HISTÓRICO HISTÓRICO

McCullochMcCulloch e e Pitts Pitts (1943), (1943), Hebb Hebb (1949), e (1949), eRosemblattRosemblatt (1958). Publicações que introduziram o (1958). Publicações que introduziram oprimeiro modelo de RNA;primeiro modelo de RNA;

Anos 60 e 70, importantes trabalhos sobre modelosAnos 60 e 70, importantes trabalhos sobre modelosde RNA, memória, controle e auto-organização como:de RNA, memória, controle e auto-organização como:AmariAmari, Anderson, Cooper,, Anderson, Cooper, Cowan Cowan, Fukushima,, Fukushima,GrossbergGrossberg,, Kohonen Kohonen,, von von der der Malsburg Malsburg,, Werbos Werbos e eWidrowWidrow;;

Reinício da RNA com a publicação dos trabalhos deReinício da RNA com a publicação dos trabalhos deHopfieldHopfield (1982); (1982);

HISTÓRICOHISTÓRICO

GrossebergGrosseberg apresentou um trabalho em Aprendizado apresentou um trabalho em AprendizadoCompetitivo;Competitivo;

Em 1986,Em 1986, Rumelhart Rumelhart,, Hinton Hinton e e Wiliams Wiliams introduziram introduziramo método o método BACKPROPAGATIONBACKPROPAGATION;;

Em 1988,Em 1988, Broomhead Broomhead e e Lowe Lowe descreveram um descreveram umprocedimento usando funções de Base Radial;procedimento usando funções de Base Radial;

MODELO DE NEURÔNIO ARTIFICIALMODELO DE NEURÔNIO ARTIFICIAL

-- Camada de Entrada;Camada de Entrada;-- Camada EscondidaCamada Escondida(Intermediária);(Intermediária);

-- Camada Saída.Camada Saída.

PROCESSO DE APRENDIZAGEMPROCESSO DE APRENDIZAGEM

Habilidade de aprender com seu ambiente eHabilidade de aprender com seu ambiente emelhorar o desempenho;melhorar o desempenho;

Isto é feito através de um processoIsto é feito através de um processointerativo de ajustes de pesosinterativo de ajustes de pesos(treinamento);(treinamento);

O aprendizado ocorre quando a RNA atingeO aprendizado ocorre quando a RNA atingeuma solução generalizada para uma classeuma solução generalizada para uma classede problemas.de problemas.

PROCESSO DE APRENDIZAGEMPROCESSO DE APRENDIZAGEM

Mecanismos de TreinamentoMecanismos de Treinamento SupervisionadoSupervisionadoNão-SupervisionadoNão-Supervisionado

MapeamentoMapeamentoNão-linearNão-linearAproximadoAproximadoGeneralizaçãoGeneralização

REDE NEURAL (GERAIS)REDE NEURAL (GERAIS)

Em 1958Em 1958 Rosemblatt Rosemblatt demonstrou aplicações demonstrou aplicaçõespráticas usandopráticas usando Perceptron Perceptron;;

PerceptronPerceptron é o neurônio de é o neurônio de McCulloch McCulloch--PittsPitts..

Criação doCriação do Perceptron Multi Perceptron Multi-Camadas;-Camadas;

Para treinar um MLP, utiliza oPara treinar um MLP, utiliza oalgoritmo dealgoritmo de BackpropagationBackpropagation..

EXEMPLO DE UTILIZAÇÃO DE RNAEXEMPLO DE UTILIZAÇÃO DE RNA

Utilização de Redes Neurais para aUtilização de Redes Neurais para aavaliação de produtividade do Solo,avaliação de produtividade do Solo,visando a classificação de terras paravisando a classificação de terras parairrigação;irrigação;

EXEMPLO DE UTILIZAÇÃO DE RNAEXEMPLO DE UTILIZAÇÃO DE RNA

ABORDAGEM EVOLUCIONISTAABORDAGEM EVOLUCIONISTA

ALGORITMOS GENÉTICOSALGORITMOS GENÉTICOS((AgsAgs))

Inteligência Inspirada na NaturezaInteligência Inspirada na Natureza

ALGORITMOS GENÉTICOSALGORITMOS GENÉTICOS

Algoritmos de busca probabilísticos,Algoritmos de busca probabilísticos,inspirados nas teorias evolucionistasinspirados nas teorias evolucionistasde Darwin.de Darwin.

Aplicáveis especialmente a problemasAplicáveis especialmente a problemasde natureza combinatória.de natureza combinatória.

Não buscam a melhor solução possível,Não buscam a melhor solução possível,mas sim uma solução suficientementemas sim uma solução suficientementeboa.boa.

ALGORITMOS GENÉTICOSALGORITMOS GENÉTICOS

Estratégia:Estratégia: Codificar as possíveis soluções doCodificar as possíveis soluções doproblema em uma cadeia de símbolos problema em uma cadeia de símbolos ––cromossomos, genótipos ou indivíduos.cromossomos, genótipos ou indivíduos.

Gerar sucessivas populações deGerar sucessivas populações deindivíduos, favorecendo os mais aptosindivíduos, favorecendo os mais aptosno processo de reprodução.no processo de reprodução.

Parar a geração quando for concebidoParar a geração quando for concebidoum indivíduo suficientemente bom um indivíduo suficientemente bom ––adotado como solução para o problema.adotado como solução para o problema.

MODELAGEM DE MODELAGEM DE AGsAGs

CromossomoCromossomo: : codificar uma solução para o problema nacodificar uma solução para o problema naforma de uma forma de uma string string (binária, literal ou mais complexa).(binária, literal ou mais complexa).Cada posição da Cada posição da string string é um gene.é um gene.

0010011001100000100110011000Maria Maria | | JoséJosé | | FernandaFernanda | | LídiaLídia

Função de avaliaçãoFunção de avaliação ( (fitnessfitness): ): determina o quantodetermina o quantoum indivíduo é uma boa solução. Freqüente o uso deum indivíduo é uma boa solução. Freqüente o uso deheurísticas.heurísticas.

ReproduçãoReprodução: : escolher as estratégias e operadores paraescolher as estratégias e operadores paragerar uma nova população a partir da atual.gerar uma nova população a partir da atual.

ParâmetrosParâmetros: : tamanho da população, taxa de mutação etc.tamanho da população, taxa de mutação etc.

REPRODUÇÃO EM REPRODUÇÃO EM AGsAGs

Cruzamento (Cruzamento (crossovercrossover))

MutaçãoMutação ElitismoElitismo

EXEMPLO DE ALGORITIMO GENÉTICOEXEMPLO DE ALGORITIMO GENÉTICO

Programação de ordens de produção em chãosProgramação de ordens de produção em chãosde fábrica de fábrica –– Prof. Fernando Prof. Fernando GauthierGauthier, Dr., Dr.1993.1993.

As ordens de produção requerem máquinasAs ordens de produção requerem máquinasespecíficas por determinado tempo.específicas por determinado tempo.

As ordens possuem relações hierárquicas.As ordens possuem relações hierárquicas.

Um cromossomo era uma programação dasUm cromossomo era uma programação dasordens produção.ordens produção.

Cada gene identificava a ordem, a máquina eCada gene identificava a ordem, a máquina eo horário de início da execução.o horário de início da execução.

M1O210 | M3O410 | M2O715M1O210 | M3O410 | M2O715

CONVERGÊNCIACONVERGÊNCIA

Agentes InteligentesAgentes Inteligentes

Sistemas Sistemas MultiMulti-Agentes-Agentes

Sistemas CognitivosSistemas Cognitivos

AGENTES INTELIGENTESAGENTES INTELIGENTES As técnicas desenvolvidas até aqui convergemAs técnicas desenvolvidas até aqui convergemem um ponto: a construção de agentesem um ponto: a construção de agentesinteligentes.inteligentes.

“Entidades de software que realizam algum conjunto de operações embenefício do usuário ou de outro programa, utilizando certo grau de

independência ou autonomia, e, ao fazê-lo, empregam algumconhecimento ou representação dos objetivos ou preferências do

usuário” Gilbert et al (1996) PropriedadesPropriedades

AutonomiaAutonomia MobilidadeMobilidade Comunicabilidade (representatividade, veracidade)Comunicabilidade (representatividade, veracidade) AprendizagemAprendizagem ReatividadeReatividade Pró-atividadePró-atividade Sociabilidade e Sociabilidade e cooperatividadecooperatividade

FUTURO: SISTEMAS COGNITIVOSFUTURO: SISTEMAS COGNITIVOS Ron Brachman e seus colegas do DARPA/IPTO (2002),Ron Brachman e seus colegas do DARPA/IPTO (2002),

apontam a construção de sistemas cognitivos como oapontam a construção de sistemas cognitivos como ofuturo da computação.futuro da computação.

São sistemas que São sistemas que ““sabem o que estão fazendosabem o que estão fazendo””..

Entre outras características, os sistemas deverão:Entre outras características, os sistemas deverão:

Raciocinar a partir de grandes quantidades deRaciocinar a partir de grandes quantidades deconhecimento representado apropriadamente.conhecimento representado apropriadamente.

Aprender com suas experiências, realizando cada vezAprender com suas experiências, realizando cada vezmelhor suas tarefas.melhor suas tarefas.

Saber explicar-se e receber ordens.Saber explicar-se e receber ordens.

Responder com robustez às surpresas ocorridas no seuResponder com robustez às surpresas ocorridas no seuambiente.ambiente.

Auxiliar na sua própria depuração.Auxiliar na sua própria depuração.

ReconfigurarReconfigurar a si próprios em resposta às mudanças no a si próprios em resposta às mudanças noambiente.ambiente.

Impedir a interferência de outros programas que nãoImpedir a interferência de outros programas que nãosabem dizer o que estão fazendo no ambiente.sabem dizer o que estão fazendo no ambiente.

FUTURO: SISTEMAS COGNITIVOSFUTURO: SISTEMAS COGNITIVOS

IA E A SOCIEDADE DA INFORMAÇÃOIA E A SOCIEDADE DA INFORMAÇÃO

Aquisição de conhecimentoAquisição de conhecimento

Data Data miningmining, , texttext miningmining, , webweb miningmining BusinessBusiness IntelligenceIntelligence

Gestão do conhecimento e a novaGestão do conhecimento e a novaEngenhariaEngenharia do do ConhecimentoConhecimento

WebWeb semântica semântica

CSCW CSCW –– Trabalho colaborativo suportado Trabalho colaborativo suportadopor computadorpor computador

A Inteligência ArtificialA Inteligência Artificialmarcou gols na copamarcou gols na copa

da Alemanha?da Alemanha?

Equipe:Equipe:

Adriano CoserAdriano Coser

Andréa Andréa GlockGlock

Charles Charles PradaPrada

Vanessa SuzukiVanessa Suzuki