inteligência artificial-introducao ia

1

Inteligência ArtificialIntrodução

Prof. Patrick Pedreira Silva

Inteligência Artificial – Prof. Patrick Pedreira SIlva

O que você sabe sobre a IA?

� Para você o que é inteligência artificial? (definição informal)

� Descreva seus próprios critérios para que um sistema computacional seja “inteligente”.

� Cite exemplos de dispositivos sistemas que você considere “inteligente”.

2


A IA faz parte da sua vida...

� Ela não é uma coisa distante, somente de filmes de ficção científica, ela está aí bem do seu lado...


3



4



5



Bugs Screensaver

Esse protetor usa inteligência artificial para simular um ambiente com insetos e plantas. Ambas as espécies se multiplicam, e a idéia é ver quem consegue viver por mais tempo

6



O que é a IA?“O ramo da Ciência da Computação que estuda e se ocupa da automação do comportamento inteligente ”

� Mas o que é inteligência? O que é comportamento inteligente? (somos capazes de reconhecê-lo, mas não de defini-lo com precisão)

� Inteligência envolve habilidades, aprendizagem, criatividade, auto-consciência, intuição…mas como esses fatores estão relacionados para formar a inteligência?

� A definição completa do que seja Inteligência Artificial depende da definição do que seja inteligência.

� Diante deste quadro, Luger propõe uma definição simplória para IA:

“A coleção de problemas e metodologias estudadas pelos pesquisadores da inteligência artificial”

7


Visão Geral da IA

� Basicamente existem quatro linhas principais de pesquisa:� Conexionista: metáfora cerebral

ex. redes neurais� Simbólica: metáfora lingüística

ex. sistemas de produção, agentes,...� Evolucionista: metáfora da natureza

ex. algoritmos genéticos, vida artificial� Estatística/Probabilista

Ex. Redes Bayesianas, sistemas difusos


IA conexionista� visa à modelagem da inteligência através da

simulação dos componentes do cérebro (neurônios e suas interconexões)

� 1943: primeiro modelo matemático para um neurônio (McCulloc e Pitts)

� Perceptron - Primeiro modelo de Rede Neural (Rosenblatt)

� Fragilidades do modelo indicadas por Minsk e Papert

� Por longo período permaneceu não muito ativa� Com o advento de microprocessadores (pequenos e

baratos) tornou possível implementação do modelo dando novo incentivo às pesquisas

� Modelo conexionista deu origem à área de Redes Neurais

8


Redes Neurais

⌠⌠⌠⌠⌡⌡⌡⌡

wji

w1i

wni

∑ s(i)

e(i) e( i) = w ji × sj∑

s(i) = f (e(i))

s1

sj

sn

camadade entrada camada

de saídacamadaescondida


IA simbólica

� Segue a tradição lógica� McCarthy e Newell seus principais defensores� Sucesso dos sistemas especialistas (década de

70) estabeleceu a manipulação simbólica de um grande número de fatos especializados sobre um domínio restrito, orientando a construção de sistemas inteligentes do tipo simbólico

9


Paradigma Simbólico

� West é criminoso ou não? � “A lei americana diz que é proibido vender armas a uma

nação hostil. Cuba possui alguns mísseis, e todos eles foram vendidos pelo Capitão West, que é americano”

� Como resolver automaticamente este problema de classificação?

� Segundo a IA (simbólica), é preciso:

� Identificar o conhecimento do domínio (modelo do problema)

� Representá-lo utilizando uma linguagem formal de representação

� Implementar um mecanismo de inferência para utilizar esse conhecimento


Conhecimento: organizando...

� Programa em IA = Agente racional� entidade de software que age em um ambiente segundo um

princípio de racionalidade

� Precisa ter conhecimento sobre:� quais são suas propriedades relevantes do mundo� como o mundo evolui� como identificar os estados desejáveis do mundo� quais as conseqüências de suas ações no mundo� como medir o sucesso de suas ações� como avaliar seus próprios conhecimentos

10


Conhecimento: Representação e Uso� Raciocínio:

�processo de construção de novas sentenças a partir de outras sentenças.

� Deve-se assegurar que o raciocínio é plausível

fatos fatos

sentenças sentenças

Mundo

Representação

segue-se

implica

sem

ânt ic

a

sem

ânt ic

a


Representando o conhecimento o caso do cap. WestA) ∀ x,y,z Americano(x) ∧ Arma(y) ∧ Nação(z) ∧ Hostil(z) ∧ Vende(x,z,y)

⇒ Criminoso(x)B) ∀ x Guerra(x,USA) ⇒ Hostil(x)C) ∀ x InimigoPolítico(x,USA) ⇒ Hostil(x)D) ∀ x Míssil(x) ⇒ Arma(x)E) ∀ x Bomba(x) ⇒ Arma(x)F) Nação(Cuba)G) Nação(USA)H) InimigoPolítico(Cuba,USA)I) InimigoPolítico(Irã,USA)J) Americano(West)K) ∃ x Possui(Cuba,x) ∧ Míssil(x) L) ∀ x Possui(Cuba,x) ∧ Míssil(x) ⇒ Vende(West, Cuba,x)

M) Possui(Cuba,M1) - Eliminação: quantificador existencial eN) Míssil(M1) conjunção de KO) Arma(M1) - Modus Ponens a partir de D e NP) Hostil(Cuba) - Modus Ponens a partir de C e HQ) Vende(West,Cuba,M1) - Modus Ponens a partir de L, M e NR) Criminoso(West) - Modus Ponens a partir de A, J, O, F, P e Q

11


Paradigma Evolutivo

� EVOLUÇÃO � diversidade é gerada por cruzamento e mutações� os seres mais adaptados ao seus ambientes

sobrevivem (seleção natural)� as características genéticas de tais seres são

herdadas pelas próximas gerações


Paradigma Evolutivo� Definição:

� Método probabilista de busca para resolução de problemas (otimização) “inspirado” na teoria da evolução

� Idéia: � indivíduo = solução � faz evoluir um conjunto de indivíduos mais adaptados

por cruzamento através de sucessivas gerações� fitness function f(i): R ->[0,1]

12


Computação convencional x IA: métodos� Algoritmo passo a passo x

Mecanismo geral de inferência + conhecimento ... ou então aprendizado

� Dados e controle embutidos em código procedimental xSeparação entre conhecimento declarativo e controle

� Linguagens de programação: imperativas x “alto-nível”(ex.: linguagens lógicas)

� IA: Usa metáforas de sistemas naturais (neurônio, evolução, memória, sociedade, língua,...)


Sistemas Simbólicos: arquitetura

13


Sistemas sub-simbólicos: arquiteturas


História da IA

Pode ser dividida em 3 períodos:� Clássico (1956-1970)� Romântico (1970-1980)� Moderno (1980-1990)

14


História da IA

� Clássico (1956-1970)�Objetivo: simular a inteligência humana�Métodos: Solucionadores gerais de

problemas e lógica�Motivo do fracasso: subestimação da

complexidade computacional dos problemas


Clássico� Formalismos gerais capazes de resolver qualquer tipo de problema� Sistema GPS (General Problem Solver)� Ajudaram a estabelecer os fundamentos teóricos dos sistemas de

símbolos� Série de técnicas de programação voltadas à manipulação

simbólica (ex.: busca heurística)� resultados interessantes e impressionantes, porém, em domínios

simplificados� extensão a problemas de domínios reais mostrou-se inviável� métodos baseados em lógica de primeira ordem levam à explosão

combinatória: memória e tempo necessários para resolver problemas crescem exponencialmente

� conhecimento disponível do mundo real é incompleto e parcialmente incoerente

� levou ao desenvolvimento de outros métodos de solução que permitissem representar crenças, por exemplo, lógica nebulosa.

15


História da IA

� Romântico (1970-1980)� Objetivo: simular a inteligência humana em situações

pré-determinadas� Métodos: formalismos de representação de

conhecimento adaptados ao tipo de problema, mecanismos de ligação procedural visando maior eficiência computacional

� Motivo do fracasso: subestimação da quantidade de conhecimento necessária para tratar mesmo o mais banal problema de senso comum


Romântico

� restrito ao ambiente acadêmico na década de 1970� 1980 - programa parte menos importante, valorização da

análise formal da metodologia, semântica bem fundamentada.

� Passagem da IA para a “vida adulta” : primeiros sistemas especialistas, com desempenho intelectual equivalente ao de um ser humano adulto

� Novas perspectivas de aplicações comerciais e industriais

16


História da IA

� Moderno (1980-1990)�Objetivo: simular o comportamento de um

especialista humano ao resolver problemas em um domínio específico

�Métodos: Sistemas de regras, representação da incerteza, conexionismo

�Motivo do fracasso: subestimação da complexidade do problema da aquisição do conhecimento


Moderno� IA passa a ser vista como um produto comercializável� Comercialização de ferramentas para a construção de

sistemas especialistas� Atualmente as principais áreas de pesquisa em IA são:

sistemas especialistas, aprendizagem, tratamento de informação imperfeita, visão computacional, robótica, controle inteligente, IA distribuída, modelagem cognitiva, arquiteturas para sistemas inteligentes, processamento de língua natural.

� Além das linhas conexionista e simbólica, observa-se hoje o crescimento de uma nova linha de pesquisa, baseada na observação de mecanismos evolutivos encontrados na natureza tão como auto-organização e comportamento evolutivo. Nesta linha um dos modelos mais conhecidos são algoritmos genéticos.

17


Máquinas inteligentes?evolução em direção ao paradigma dos agentes

Pensando

Agindo

Humanamente Idealmente(racionalmente)

“A automação de atividades que nós associamos com o pensamento humano

(ex.: tomada de decisão, solução de problemas, aprendizagem, etc.)” (50-60)

“A arte de criar máquinas que realizam funções que requerem inteligência

quando realizadas por pessoas” (50-70)

“O estudo das faculdades mentaisatravés do uso de

modelos computacionais ” (60-70)

“O ramo da Ciência da Computação que estuda a automação de comportamento inteligente ”


Definições de IA

� Variam em duas dimensões� Topo interessadas em processos do

pensamento e do raciocínio� Base visam o comportamento� Esquerda: medem o sucesso em termos de

performance humana� Direita: comparam com um conceito ideal de

inteligência (a racionalidade)

18


Evolução da IA� Agindo humanamente (anos 50-70): Teste de Turing

� Problema: “mito do cérebro eletrônico“

� Pensando humanamente (anos 50-60): simulação cognitiva (Simon & Newell)� Boas inspirações (GPS, Sistemas Especialistas,...) mas fraca

justificativa para os resultados obtidos

� Pensando idealmente (anos 60-70): A escola logicista (McCarthy)� Desenvolvimento de formalismos de representação de

conhecimento� Problemas: escassez de recursos computacionais, limitação dos

tipos de inferências� Valorização da inferência correta

� Agindo racionalmente (anos 80 em diante): Agente inteligente (Newell, Minsky, Russel & Norvig)� Agente age para alcançar o melhor resultado. Deve ser

autônomos, perceber e adaptar-se ao ambiente.� Inferência é apenas parte da racionalidade.


Interação com outras disciplinas

Matemática

Sociologia

Psicologia

Filosofia

Lingüística

Computação

IA

Neuro-fisiologia Genética

19


Aplicações

Reconhecimento de formas, classificação de imagens, reconhecimento automático de textos, condução autônoma de veículos

Visão artificial (pelo computador), Reconhecimento de Imagens, Análise de Imagens e Processamento de sinais

Exemplos de aplicações práticas

Área da IA: Assuntos de estudo


Aplicações

Tradução automática, reconhecimento da fala e da voz, análise automática de textos, indexação e procura automática de informações

Processamento de Linguagem Natural

Sistemas reativos, robótica autônoma, robôs inteligentes, controle e planificação de trajetórias.

Robótica inteligente e Evolução artificial



20


Aplicações

Sistemas inteligentes para a exploração de dados (data mining, Knowlege data discovery - KDD), sistemas de ajuda ao diagnóstico (ex.: médico, industrial.), sistemas para classificação ou previsão, sistemas de ajuda a decisão, sistemas baseados em caso, sistemas baseados em conhecimento

Raciocínio automático (dedução, inferência...) e Aquisição de conhecimento: Sistemas Especialista, Sistemas inteligentes e sistemas híbridos, Aprendizado Automático, Representação do conhecimento




Aplicações

Proposição, análise e validação de modelos do comportamento cognitivo humano (modelos baseados em estudos psicológicos)

Modelos cognitivos



21


Aplicações

Modelização e concepção de sistemas baseados nas interações entre múltiplos módulos, agentes cooperativos (ex.: modelos sociais, tomada de decisões, comportamentos coletivos na robótica, aplicações militares), teoria dos jogos

IA distribuída e sistemas multi-agentes




Aplicações

Lógicas para a IA (ex.: lógica de predicados), linguagens de IA (ex.: Prolog), prova automática de teoremas

Lógica Formal



22


IA no Brasil� Fracamente representada nas graduações em

computação� no máximo, 1 disciplina obrigatória� no melhor dos casos, depois do sexto período� Ementa restrita

� Economicamente ainda incipiente� por falta de demanda ou de profissionais bem formados?

� Visão “distorcida e incompleta” do que é IA� Problemas atacados estão relativamente distantes dos

problemas da sociedade brasileira� Tamanho ainda reduzido da comunidade de

pesquisadores� Falta de mecanismos adequados de colaboração entre a

área acadêmica e a indústria

inteligência artificial-introducao ia

Documents