Académique Documents
Professionnel Documents
Culture Documents
Inteligência Artificial
• Warren McCulloch,
juntamente com o
matemático Pitts,
propõe modelo
matemático para o
neurônio. 1943.
Primórdios da IA
• Hebb descobre a
plasticidade das
sinapses, dando uma
explicação para o
aprendizado do
cérebro em 1943.
Que é Inteligência Artificial?
O QUE É INTELIGÊNCIA?
Binet: “Inteligência é julgar bem, compreender bem, raciocinar
bem”.
Tearman: “ A capacidade de conceituar e de compreender o
seu significado”.
Helm: “A atividade inteligente consiste na compreensão do
essencial de uma situação e numa resposta reflexa
apropriada”.
Piaget: “Adaptação ao ambiente físico e social”.
Histórico e Conceitos Básicos
A INTELIGÊNCIA É SÓ HUMANA?
Em um primeiro momento, a inteligência era geralmente
associada a uma característica unicamente humana, de
representação de conhecimentos e resolução de problemas,
refletindo um ponto de vista altamente antropocêntrico. Mas,
ainda assim, nós, humanos, não compreendemos a nós
mesmos, como funciona nossa “inteligência” e nem mesmo a
origem de nossos pensamentos.
Hoje em dia, para muitos pesquisadores, a idéia de
inteligência passou a ser associada com a idéia de
sobrevivência.
Carne: “Talvez a característica básica de um organismo
inteligente seja sua capacidade de aprender a realizar várias
funções em um ambiente dinâmico, tais como sobreviver e
prosperar” (Propriedade não só humana!).
Fogel: “Inteligência pode ser definida como a capacidade de
um sistema de adaptar seu comportamento para atingir seus
objetivos em uma variedade de ambientes”.
Histórico e Conceitos Básicos
Nancy Segal - Universidade de Minnesota: “Raciocínio,
aprendizado, memória, motivação, capacidade de se adaptar e
de resolver problemas são partes distintas da inteligência, mas
que trabalham harmoniosamente para a obtenção dos
resultados”.
• O objetivo central da IA é
simultaneamente teórico - a criação de
teorias e modelos para a capacidade
cognitiva - e prático - a implementação de
sistemas computacionais baseados nestes
modelos.
As duas abordagens da IA
• IA Simbólica
– Um sistema simbólico é capaz de manifestar
um comportamento inteligente.
– O comportamento inteligente global é
simulado sem considerar os mecanismos
responsáveis por este comportamento.
Princípios da IA Simbólica
• A estratégia fundamental que sustentou boa parte do
sucesso inicial da IA Simbólica, se deve à proposta
conhecida como “ Physical Symbol Systems Hypothesis”, de
Newell e Simon.
• Physical Symbol Systems - Newell & Simon(1976)
• IA Conexionista
– Se for construído um modelo
suficientemente preciso do cérebro, este
modelo apresentará um comportamento
inteligente. Se apenas uma pequena parte
do cérebro for reproduzida, a função
exercida por esta parte emergirá do modelo.
IA Conexionista
• As origens das redes neurais artificiais remontam
no desejo de construir artefatos capazes de
exibir comportamento inteligente.
Histórico e Conceitos Básicos
Elaine Rich: “IA é o estudo de como fazer os computadores
realizarem coisas que, hoje em dia são feitas melhores pelas
pessoas”.
Winston: IA é o estudo das idéias que permitem aos
computadores serem inteligentes”.
Charniak and McDermott: IA é o estudo das faculdades
mentais através da utilização de modelos computacionais”.
Bellman: “IA é o estudo e simulação de atividades que
normalmente assumimos que requerem inteligência”.
Russell and Norvig: “IA é o estudo e implementação de
agentes racionais”.
(um agente racional é algo que procura atingir seus
objetivos através de suas crenças.)
O objetivo central da IA é simultaneamente teórico - a
criação de teorias e modelos para a capacidade
cognitiva - e prático - a implementação de sistemas
computacionais baseados nestes modelos.
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
• Resolução de problemas (planejamento)
• Quebra-cabeças, Jogos,
• Problemas que requerem conhecimento especialista
• diagnóstico médico, localização de recursos
minerais, configuração de computadores.
• Raciocínio por senso-comum
• Simulação qualitativa ou intuitiva
• Mecanismos de Inferência
• Percepção (visão e fala)
• reconhecimento de objetos através de imagens
• reconhecimento de voz ou identificação do interlocutor
• Processamento de linguagem natural
• o que significa um conjunto de palavras
• tradução de idiomas
• acesso a dados em base de dados
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
• Extração de conhecimento
• Knowledge Data Discovery (Data Mining, Data
Warehouse)
• Aprendizado
• Desenvolver sistemas que melhorem seu desempenho
através da experiência
• Desenvolver sistemas que auxiliem no aprendizado de
alunos
• Programação
• Desenvolvimento de “shells” para Sistemas Especialistas
• Paralelização de linguagens de IA
• Distribuição da resolução de problemas
• Sistemas Multi-Agentes
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
> Intelligent Information Systems
> Intelligent Software Engineering
> Intelligent Agents
> Intelligent Networks
> Intelligent Databases
> Brain Models
> Evolutionary Algorithms
> Data mining
> Machine Learning
> Reasoning Strategies
> Automated Problem Solving
> Distributed AI Algorithms and Techniques
> Distributed AI Systems and Architectures
> Expert Systems
> Fuzzy Logic
> Genetic Algorithms
> Heuristic Searching
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
> Knowledge Acquisition
> Knowledge Discovery
> Knowledge Representation
> Knowledge -Intensive Problem Solving Techniques
> Languages and Programming Techniques for AI
> Software Tools for AI
> Natural Language Processing
> Neural Networks and Applications
> Multisource Information Fusion: Theory and Applications
> Multisource-Multisensor Data Fusion
> Learning and Adaptive Sensor Fusion
> Multisensor Data Fusion Using Neural and Fuzzy Techniques
> Integration of AI with other Technologies
> Evaluation of AI Tools
> Social Impact of AI
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
> Applications - Computer Vision
> Applications - Signal Processing
> Applications - Military
> Applications - Surveillance
> Applications - Robotics
> Applications - Medicine
> Applications - Pattern Recognition
> Applications - Face Recognition
> Applications - Finger Print Recognition
> Applications - Finance and Marketing
> Applications - Stock Market
> Applications - Education
> Emerging Applications
Histórico e Conceitos Básicos
HISTÓRIA
• Problema da dimensão
• Se um problema é resolvido com certa quantidade de
recursos se restrito a um mundo pequeno, quando este
mundo aumenta, a quantidade de recursos aumenta muito
mais rapidamente que o mundo considerado.
• Princípio da Dimensão:
• Principio da Réplica:
• em sistemas especialistas;
A
w1=1
w2=1 w1 AND
θ =2 θ
w2
A.w1+B.w2 ≥ θ
B
Que Esperar da IAE?
• Se esta coisa
horrenda tivesse um
pouco de inteligência
seria tão bom…