Inteligência Artificial - Edson Ceroni PDF

Inteligncia Artificial
Prof. Edson Ceroni
Inteligncia Artificial - Prof. Edson Ceroni
O que inteligncia artificial?
Barr & Feigenbaum (1981)

IA a parte da cincia da computao
que se preocupa em desenvolver sistemas
computacionais
inteligentes,
isto
,
sistemas que exibem caractersticas, as
quais ns associamos com a inteligncia

no comportamento humano - por exemplo,
compreenso da linguagem, aprendizado,
raciocnio, resoluo de problemas, etc.
Nils Nilsson (1982)

Muitas atividades mentais -como escrever
programas de computadores, matemtica,
raciocnio do senso comum, compreenso de
lnguas e at dirigir um automvel demandam
inteligncia.
Nas
ltimas
dcadas, vrios sistemas computacionais
foram construdos para realizar estas tarefas.
Dizemos que tais sistemas possuem algum
grau de Inteligncia Artificial.
Charniak & McDermott (1987)

IA o estudo de faculdades mentais
atravs
do
uso
de
modelos
computacionais.
Nilson & Genesereth (1987)

estudo do comportamento
inteligente. Seu objetivo final uma
IA
teoria da inteligncia que explique o

comportamento
das
entidades
inteligentes naturais e que guie a criao
de entidades capazes de comportamento
inteligente.
Kurzweil (1990)
IA a arte de criar mquinas que
executam
funes
que
requerem
inteligncia quando executadas por
pessoas.
Winston (1992)
Inteligncia Artificial o estudo das

computaes
que
tornam
possvel
perceber, raciocinar e agir.
Luger & Stubblefield (1993)

IA pode ser definida como o ramo da
cincia da computao que se preocupa
com a automao do comportamento
inteligente.
IA a coleo de problemas e
metodologias
estudadas
pelos
pesquisadores de IA.
Elaine Rich & Kevin Knight (1993)
Inteligncia Artificial o estudo de como

fazer os computadores realizarem coisas
que, no momento, as pessoas fazem
melhor.
Como funciona a inteligncia

humana ?
No sabemos ainda exatamente como a
mente
funciona,
mas
com
os
conhecimentos
adquiridos
pelos
cientistas,
podemos
fazer
certas
suposies sobre como pensamos e
aplicar essas suposies ao projeto dos
programas de inteligncia artificial.
OBJETIVOS
Todo o pensamento nos ajuda a conseguir alguma coisa.
Quando um despertador toca de manh, um processo de
pensamento deve ser empregado para guiar sua mo at ele e
deslig-lo. No uma reao automtica; buscou-se uma resposta
especfica para a soluo de um determinado problema.
Os resultados finais para os quais todos os nossos processos de
pensamento esto dirigidos so chamados Objetivos.
Uma vez tendo alcanado o objetivo de travar o despertador, sua
mente imediatamente se confrontar com outros objetivos a serem
alcanados, como, por exemplo, ir ao banheiro, escovar dentes, se
vestir, preparar e tomar caf da manh e assim por diante.
OBJETIVOS
Todos os objetivos alcanados podem levar um objetivo

maior, que chegar ao trabalho na hora certa.
Nenhum dos pensamentos que o guiam para esse resultado
final aleatrio ou arbitrrio. Eles foram ativados porque em
cada etapa do caminho voc tinha um objetivo especfico em
mente.
Quando comprometida com a mais simples tarefa ou como a
mais complexa atividade mental, a mente se concentra
fortemente em um objetivo.
Sem objetivos, no temos razo para pensar.
EXEMPLOS DE OBJETIVOS
1. Traar o menor caminho entre So Paulo e Rio de Janeiro.
2. Decidir o melhor tipo de vinho para se beber com um certo
peixe.
3. Aprender a amarrar os sapatos.
4. Saber determinar se meu filho entende os conceitos de
aritmtica.
Quando se projeta um sistema de IA, o objetivo do sistema deve
sempre ser mantido em mente.
Lembre-se: No fazemos as coisas porque pensamos; pensamos
porque existem coisas que temos que fazer.
FATOS E REGRAS
Todos sabemos que a mente humana possui um amplo estoque

de conhecimentos relacionados a uma incontvel lista de objetos
e idias.
Nossa sobrevivncia depende de nossa habilidade em aplicar
esses conhecimentos em qualquer situao que aparea e
aprender continuamente com as novas experincias, para que
sejamos capazes de responder a situaes similares no futuro.
Aquilo que geralmente considerado inteligncia pode ser
dividido em uma coleo de fatos e um meio de se utilizar esses
fatos para alcanar os objetivos.
Isto feito em parte pela formulao de conjuntos de regras
relacionadas a todos os fatos armazenados no crebro.
EXEMPLOS DE FATOS E REGRAS
Fato/regra conjunto 1:
Fato 1: Um forno aceso fica quente.
Regra 1: SE eu puser minha mo em um forno aceso, ENTO
eu vou me queimar.
Fato 2: Durante a hora do rush as ruas ficam repletas de carros.
Regra 2: SE eu tentar atravessar uma avenida a p durante a
hora do rush, ENTO eu posso ser atropelado por um carro.
Fato 3a: Ruas escuras e pouco movimentada so perigosas.
Fato 3b: Pessoas de idade geralmente no cometem crimes
violentos.
Fato 3c: A polcia protege as pessoas contra o crime.
Regra 3a: SE eu estou em uma rua escura e pouco
movimentada e vejo uma pessoa idosa, ENTO eu no devo ficar
particularmente preocupado com minha segurana.
Regra 3b: SE eu estou em uma rua escura e pouco movimentada

e vejo um policial, ENTO eu devo me sentir seguro.
Fato 4: Quando fazemos adio de dois dgitos cuja soma
maior que nove, usamos o procedimento do transporte (ou vaium).
Regra 4: SE eu tiver de somar uma coluna de dgitos e a soma
for maior que nove, ENTO eu tenho de fazer referncia ao fato
4 para saber como concluir a adio.
Note que nos exemplos anteriores, todas as regras so expressas

numa relao SE-ENTO, ou relao condicional.
Ou seja, SE uma certa condio existe ENTO ocorrer uma ao
ou outra resposta.
Alguns fatos so obviamente mais complicados que outros, e
algumas regras dizem respeito a mais de um fato.
Em geral os seres humanos tm a capacidade de relacionar
conjuntos de regras e fatos muito complexos na tentativa de
alcanar alguns objetivos complicados.
Poda
Quando a mente humana parte para a soluo, at mesmo de
um problema simples, ela tem uma vasta quantidade de
informaes a serem coletadas para determinar o curso de ao
a ser tomada.
Vamos voltar ao exemplo que usamos anteriormente. Voc sai de
casa para o trabalho e anda at a esquina. Enquanto voc espera
para atravessar a rua, seu crebro bombardeado com todos os
tipos de dados.
A velocidade e o volume do trfego, a distncia at a outra
calada, os semforos no cruzamento todos esses fatores
devem ser considerados antes de voc faa qualquer movimento.
Poda
Alm disso, um nmero enorme de impresses sensoriais que so
totalmente irrelevantes para o problema de cruzar a rua tambm
est sendo processado ao mesmo tempo condies do tempo, a
cor e o modelo dos carros que passam a sua frente, o tipo e a
altura da rvores na calada, a aparncia das construes prximas.
Sem dvida voc tambm est pensando aonde est indo, com que
rapidez quer chegar l, quem vai ver quando chegar e assim por
diante.
Como voc pode notar, se tivesse de lidar com essa enormidade de
fatos diretamente relacionados, indiretamente relacionados ou
totalmente sem relao antes de colocar o p fora da calada, voc
poderia demorar alguns anos para atravessar a rua.
Poda
Se realmente temos tantos fatos e regras a processar todo o tempo,
como que a mente extrai rapidamente o conjunto certo de regras para
se adaptar a uma determinada situao?
Quando voc quer atravessar a rua, como que a mente sabe aplicar,
entre outros, o fato/regra conjunto 2, que diz respeito ao trfego, e no
ao fato/regra conjunto 4, que diz respeito aritmtica?
Existe um sistema mais sofisticado que guia a seleo de uma resposta
adequada a uma situao especfica. Este processo chamado de poda
(pruning).
Como o prprio nome sugere, o processo de poda elimina os caminhos
de pensamento que no so relevantes para o objetivo imediato de se
alcanar uma meta.
MECANISMOS DE INFERNCIA
Quando alcanamos um objetivo, no estamos apenas resolvendo
um problema imediato; estamos tambm adquirindo novos
conhecimentos ao mesmo tempo.
Considere a seguinte informao:
1. Os pais de Jos so Joo e Maria.
2. Os pais de Joana so Joo e Maria.
O objetivo determinar o parentesco entre Jos e Joana. O
mecanismo de poda se concentra em uma regra guardada em
segurana no crebro, que acaba com o mistrio
instantaneamente: SE uma pessoa do sexo masculino e uma
pessoa do sexo feminino tm os mesmos pais, ENTO eles so
irmos.
MECANISMOS DE INFERNCIA
Alcanamos nosso objetivo inferindo a resposta da pergunta
sobre o parentesco entre Jos e Joana da regra que j
havamos aprendido anteriormente. E no processo de
alcanar o objetivo, um novo fato deduzido: Jos e Joana
so irmos.
A parte da inteligncia que nos ajudou a chegar a esse
novo fato chamada de mecanismo de inferncia.
Ele central em nossa habilidade de aprender com a
experincia porque nos permite gerar novos fatos a partir
dos j existentes aplicando o conhecimento adquirido em
novas situaes.
RESUMO
1. Um objetivo especfico coloca nosso processo de

pensamento em ao.
2. Uma vasta coleo de fatos e as regras que a eles se
relacionam esperam ser chamados para ajudar a
alcanar um objetivo.
RESUMO
3. A poda nos ajuda a realizar uma procura rpida e

eficiente apenas das regras que dizem respeito a um
objetivo imediato.
4. O mecanismo de inferncia completa o processo
fazendo inferncias a partir das regras que foram
chamadas pelo mecanismo de poda e gerando novos
fatos que instantaneamente se tornam parte de nosso
depsito de conhecimento.
DESENVOLVENDO UM SISTEMA DE
INTELIGNCIA ARTIFICAL
Todos os elementos nos quais consiste o processo humano de
tomada de deciso objetivos, fatos, regras, mecanismos de
inferncia e poda devem ser reunidos em um programa de
computador para que ele possa ser realmente qualificado como
um programa que possui inteligncia artificial.
Definindo
os objetivos
Definindo
a soluo
Definindo
fatos
Componentes de
um sistema de IA
baseado em regras
Obtendo
dados
Obtendo novos
objetivos via
regras e
inferncias
O mecanismo de inferncia obtm

novos fatos para verificar se os
objetivos foram encontrados
corretamente
DEFININDO OS OBJETIVOS
Como o alcance dos objetivos a meta de qualquer sistema IA, a
primeira etapa no planejamento deste sistema definir um conjunto de
objetivos.
Precisamos saber que tipo de problema queremos solucionar e ser
capaz de descrev-los em termos concretos antes de comear a criar
um programa para resolv-los.
Voltando ao exemplo anterior cujo objetivo era chegar a Fatec.
Considere que o seu sistema de inteligncia humana guiou-o com
segurana e rapidez ao atravessar a rua.
Agora voc est no ponto de nibus e tem apenas um minuto ou dois
para resolver qual dos dois nibus que passam neste ponto o melhor
para voc.
A meio quarteiro de distncia est o nibus que pra em

todos os pontos, e ele est se aproximando rapidamente.
Voc quer pegar esse nibus ou esperar o nibus expresso?
Esta deciso que nibus ser melhor o objetivo.
H um nmero de fatos essenciais a ser pesado antes que a
deciso possa ser tomada, todos eles baseados na
experincia anterior de pegar nibus para ir para a FATEC.
Por exemplo, quanto tempo vai demorar para o nibus
expresso chegar? Em qual dos dois nibus ser mais
provvel eu viajar sentado? Algumas regras entram tambm
em jogo, graas poda, como SE eu tiver de esperar mais
de 10 minutos pelo nibus expresso, ENTO demorar mais
para eu chegar a FATEC do que se eu tomar o nibus que
pra em todos os pontos.
As regras esto funcionando todo o tempo, mesmo aquelas
dentro do mecanismo de poda, que supervisiona todos os
processos de pensamento localizando as regras especficas
que so necessrias para tomar a deciso imediatamente.
DEFININDO OS FATOS
Os fatos so ingredientes essenciais em um sistema de IA.

Sem eles no haveria jeito de se alcanar os objetivos.
Para alcanar o objetivo de decidir qual nibus tomar;
alguns fatos de apoio especficos daquela situao foram
necessrios.
Obviamente como toda a situao tem seu cenrio
particular, todo objetivo tem seus prprios fatos.
OBTENDO DADOS
Qual nibus est chegando ?
Lento
intervalo
S1$ (5min)
Horrio
S2$ (10:00) Banco de

Dados
S3$
Conforto
Computador
Pessoal
(Expresso)
Qual o intervalo de tempo entre os nibus expresso e aquele

que pra em todas as paradas (lento) ?
J peguei o nibus nesse horrio?
Qual nibus mais confortvel ?
Isto equivalente ao que nosso crebro faz quando tenta
decidir que nibus tomar.
REGRAS E INFERNCIAS
O Processo de se alcanar os objetivos conhecido como encadeamento

para a frente, isto , o uso dos dados para se chegar a uma concluso.
Ele nos permite prosseguir de uma maneira lgica de uma etapa para
outra, como mostra a figura abaixo.
Definindo
os objetivos
Definindo
a soluo
Definindo
fatos
Componentes de um
sistema de IA baseado
em regras
Obtendo
dados
Obtendo novos
objetivos via
regras e
inferncias
O mecanismo de inferncia
obtm novos fatos para
verificar se os objetivos foram
encontrados corretamente
VERIFICAO POR MEIO DO

MECANISMO DE INFERNCIA
Suponha que um assassinato tenha sido cometido; uma

mulher encontrada trancada em um apartamento, com
trs tiros.
O mdico-legista exclui a possibilidade de suicdio por
causa do ngulo dos ferimentos (processo de poda em
ao), e a polcia comea a trabalhar no caso
imediatamente.

A primeira coisa que analisam quem mais, alm da
vizinha, tinha a chave do apartamento. Interroga o
proprietrio do apartamento e vrios vizinhos, que dizem
que a pessoa assassinada tinha um amigo que frequentava
o apartamento. Investigaes posteriores revelam que os
dois discutiram muito recentemente.
A polcia tem agora um suspeito. Eles so capazes de
inferir, a partir de dados dos interrogatrios, que o amigo
da vtima provavelmente o assassino (encadeamento
para frente), mas precisam de algumas evidncias
concretas para arrematar o caso.

A melhor chance que eles tem para apanhar o suspeito em

flagrante encontrar a arma do crime. Obtm ento um
mandato de busca para o apartamento do amigo da vtima
e procuram em todos os seus pertences, mas intil.
Finalmente um detetive encontra um revlver dentro de
uma lata de lixo num beco das proximidades. Um exame
das impresses digitais comprova que o revlver foi
realmente manuseado pelo amigo, e um teste de balstica
estabelece que aquela a arma do crime. Caso resolvido.

Obtendo novos dados e revificando se eles eram

consistentes com a concluso original, a polcia atingiu o
objetivo de identificar o assassino.
O processo de usar uma concluso para procurar por dados
que a sustentem conhecido como encadeamento para
trs.
Neste caso a concluso o suspeito e os dados, a arma.

Em um programa de Inteligncia Artificial, o objetivo

tambm comprovado por meio de um processo similar. O
objetivo foi atingido , mas, para determinar se ele foi
atingido corretamente, precisamos abordar o problema
novamente, com novos dados e regras.

Pegando os novos dados derivados do mecanismo de
inferncia, que assume que a concluso est correta, e
comparando-os com os dados originais para efeito de
verificao, teremos um outro exemplo de encadeamento
para trs.
Como o nome indica, o encadeamento para trs anda na
direo oposta do encadeamento para frente. Em lugar de
se deslocar na direo de um objetivo definindo fatos e
obtendo dados, o encadeamento para trs comea depois
que o objetivo tiver sido inicialmente alcanado.

Encadeamento para frente

Dado
Configurao
e operao de
um programa
de IA
Obtendo
dados
Obtendo novos objetivos via fatos,

regras e inferncias
O mecanismo de inferncia obtm novos fatos para

verificar se os objetivos foram alcanados corretamente
Encadeamento para trs
PODA
No crebro, o mecanismo de poda guia a pesquisa por

regras adicionais que comprovam o objetivo at que todos
os caminhos possveis tenham sido esgotados.
Como o crebro possui uma imensa quantidade de
informaes armazenadas, podem existir vrias regras a
serem aplicadas no alcance ou comprovao de um nico
objetivo, sendo que algumas ou todas elas podem ser
chamadas em um determinado momento.
PODA
A poda permite que o computador pule ou processe
qualquer parte do banco de conhecimentos de acordo com
sua relevncia para um determinado objetivo.
Isto elimina o processamento de percursos que no
ajudaro a alcanar nosso objetivo.
PODA
A poda simplesmente anula as consideraes

desnecessrias e irrelevantes tanto no crebro como em um
sistema de inteligncia artificial.
Uma regra de poda para nosso exemplo de como chegar ao
trabalho poderia ser:
SE estiver chovendo muito forte, ENTO ignore todas as
informaes relativas ao nibus, expresso ou no, e pegue
o primeiro nibus que passar.
DEFININDO SISTEMAS ESPECIALISTAS

Vimos at o momento como os objetivos podem ser atingidos em um
sistema de inteligncia artificial por meio de fatos, de regras, de um
mecanismo inferncia e de poda.
As reas de interesse especfico para as quais podemos desenhar um
sistema de IA, como, por exemplo, diagnosticar problemas de
aprendizagem e tomar nibus, so chamadas de domnios.
Se voc estiver pensando agora que pode criar um programa de IA que
cubra qualquer domnio imaginvel, vai se deparar com srios
problemas.
Em primeiro lugar, os fatos e as regras necessrios para se alcanar
todos os objetivos em todos os domnios so virtualmente infinitos.

Levar muito tempo para que se consiga registrar a imensa
quantidade de informaes exigidas para que se cumpra tal
tarefa, e talvez isto seja at mesmo impossvel.
Alm do mais, ainda no foi inventado o computador que possa
armazenar ou processar qualquer coisa que se assemelhe a essa
quantidade de informao.
O que temos de fazer nos confinar naquelas reas que contm
apenas informaes suficientes que podem ser moldadas em um
programa de computador.
Por motivos prticos, precisamos escolher para trabalhar
domnios que contenham uma quantidade administrvel de
informaes.

Um sistema de inteligncia artificial criado para resolver
problemas em um determinado domnio chamado de
sistema especialista.
Todo o conhecimento em um sistema especialista
fornecido por pessoas que so especialistas naquele
domnio.
Os fatores de pesos que atribumos s tcnicas de
subtrao, no foram criados arbitrariamente; eles
representam um conhecimento que vem de pesquisas em
um campo de estudo.

Todos os sistemas especialistas so baseados em informaes atuais e
precisas sobre um determinado domnio:
1.
2.
3.
1.
2.
Como resolver um
problema eltrico
em carros
Como cozinhar
uma comida
chinesa
Alguns domnios administrveis
1.
2.
Como nadar

REGRAS HEURSTICAS
Suponha que um grupo de especialistas seja chamado para
resolver este problema: h um derramamento de leo em um
rio, e qualquer uma das vrias indstrias situadas ao longo da
margem do rio pode ser o agente causador do derramamento.
O objetivo determinar exatamente de onde o leo est vindo,
para que ele seja detido.
Um sistema especialista para a soluo desse tipo de problema
conter antes de mais nada um mecanismo para a efetuao de
clculos. Por exemplo, a taxa de disperso do leo na gua, a
direo e a velocidade da corrente do rio, e outros fatores que
podem ser empregados para localizar aproximadamente o local
do derramamento.

REGRAS HEURSTICAS
Quando essas informaes tiverem sido coletadas e a
determinao do local do derramamento tiver sido feita,
digamos, com uma preciso de 1 quilmetro, um conjunto
de regras especiais ser usado para acharmos a localizao
exata da fbrica, conforme mostra a definio das regras
H1 e H2 a seguir.
Essas regras so chamadas de regras heursticas, e diferem
das regras que discutimos anteriormente em um ponto
fundamental: as regras heursticas no so formuladas
como resultado de um conhecimento comum e reconhecido
por todos; elas so regras que apenas um especialista
conhece.

REGRAS HEURSTICAS
Regra H1:
SE existe uma fbrica ao longo do rio a uma

distncia de 1 quilmetro da
localizao calculada do
derramamento, ENTO assuma que esta a fbrica que
causou o derramamento.
Regra H2:
SE existe mais de uma fbrica a uma distncia de 1
quilmetro da
localizao
calculada
do
derramamento, ENTO assuma como primeira opo
a
fbrica que usa mais leo em suas operaes.

REGRAS HEURSTICAS
Vimos como o mecanismo de poda torna nossos processos

de pensamento mais eficientes na medida em que reduz o
nmero de consideraes que precisamos fazer antes de
comearmos a pensar seriamente em alcanar um objetivo.
Em um sistema especialista, um mecanismo de poda que
utiliza regra heursticas chamado de mecanismo de
pesquisa heurstica, que pode ser representado mais ou
menos como o mecanismo de poda:

REGRAS HEURSTICAS
Dado
Mecanismo de pesquisa heurstica
SE condio A
ENTO regras para A
SE condio B
ENTO regras para B

REGRAS HEURSTICAS
Quando o mecanismo de pesquisa heurstica tiver

concentrado sua ateno na fbrica que mais
provavelmente est causando o derramamento, o sistema
especialista poder ento aplicar um outro conjunto de
regras para verificar se a fbrica X a fonte.
Por exemplo, certos pontos vulnerveis do sistema de
encanamento de leo da fbrica seriam provavelmente
analisados primeiro. Abaixo uma regra heurstica que
poderia ser til nessa situao:

REGRAS HEURSTICAS
SE a presso do leo na localizao 1 da fbrica for

menor que a presso da gua do rio ao redor, ENTO
examine uma determinada localizao (x) do encanamento.
Apenas uma pessoa acostumada com esses problemas
naquela fbrica saberia essa regra.
Ela uma regra prtica, ou uma regra heurstica.

QUADRO NEGRO
No raro o caso de um problema ser to complexo que

um sistema especialista sozinho no consiga resolver.
Em nosso problema da mancha de leo, por exemplo, um
sistema especialista foi capaz de encontrar a localizao do
derramamento,
mas,
se
quisssemos
conter
o
derramamento, uma outra tcnica seria necessria.

QUADRO NEGRO
O sistema especialista chamado para a conteno

necessitaria de certas informaes includas no sistema
especialista que encontrou a localizao do derramamento.
Ento o segundo sistema especialista traria seus clculos e
seu mecanismo de pesquisa heurstica para analisar o
problema e poderia por fim recomendar que um certo
produto qumico seria o mais adequado para neutralizar
leo daquela categoria naquelas circunstncias.

QUADRO NEGRO
A comunicao das informaes entre os sistemas

especialistas feita por um mecanismo chamado quadro-
negro.
O quadro negro um lugar dentro da memria do
computador no qual as informaes armazenadas em um
sistema especialista so afixadas para que qualquer outro
sistema especialista possa us-lo se precisar das
informaes l contidas para alcanar seus objetivos.
O quadro-negro uma estrutura que contm informaes
que podem ser examinadas por sistemas especialistas
cooperativos.

QUADRO NEGRO
O que esses sistemas fazem com essas informaes
depende da aplicao. Voc nunca entrou em uma sala de
aula e viu um aviso no quadro-negro dizendo que aquela
turma mudou de sala?
Esse aviso poderia ter sido escrito pela secretria da escola
que foi informada de que o professor estaria ausente
naquele dia; por isso surgiu a necessidade de combinar
turmas similares com um s professor.
A secretria estava atenta a essa situao e reagiu de
acordo. O conceito de quadro-negro para afixar, modificar e
observar mudanas muito importante para os sistemas
cooperativos.

VOC PODE FAZ-LO
Para criar um sistema especialista, um grupo formado por

um especialista e um engenheiro de conhecimentos coleta
os dados, as regras e as regras heursticas e os organiza
em um programa de inteligncia artificial.
Voc deve estar pensando: Mas eu no sou engenheiro de
conhecimentos; como que tudo isto se aplica a meu
caso?.

VOC PODE FAZ-LO
O entendimento que voc obteve sobre inteligncia

artificial at agora, j comeou a fazer de voc um
engenheiro de conhecimentos.
Se voc souber programar um computador dessa maneira,
j ter progredido muito. Se voc souber consertar carros,
preparar comidas chinesas ou nadar, poder ser o
engenheiro de conhecimentos que desenha um sistema
especialista em qualquer um desses domnios, ou em
domnios equivalentes.
Exerccio
Elabore 03 Regras (Se => ENTO) utilizadas para a

resoluo do problema de falha de funcionamento de uma
aplicao em computador com sistema operacional
Windows.
PROCESSAMENTO DE
LINGUAGEM NATURAL
A comunicao entre pessoas e computadores uma rea

na qual est sendo feita uma imensa quantidade de
pesquisas.
O objetivo final j no muito distante permitir que o
usurio fale com o computador em uma linguagem
humana, como o ingls ou o portugus, e fazer com que o
computador responda na mesma lngua.
PROCESSAMENTO DE
LINGUAGEM NATURAL
Uma verdadeira inteligncia artificial deve ser capaz de
explicar a tarefa que querem que seja executada e o
computador seja capaz de responder a contento.
Isso pode parecer uma coisa muito simples, pois voc tem
falado e ouvido a linguagem humana desde que era
criana, e por isso toma como inteiramente certas a
maioria de suas caractersticas mais complexas.
Se voc j trabalhou com alguma linguagem de
computador, sabe a preciso com que deve escrever um
programa para que o computador faa exatamente o que
voc quer.
PROCESSAMENTO DE
LINGUAGEM NATURAL
A inteligncia dos computadores depende das pessoas que

os fazem; como eles no conseguem pensar por si,
temos de lhes dar instrues muito especficas para cada
funo a ser executada.
Os seres humanos vm ao mundo programados para
aprender a falar; metade do trabalho j est feito.
PROCESSAMENTO DE
LINGUAGEM NATURAL
Para fazer um computador entender uma lngua, no

apenas temos de dividir essa lngua em seus elementos
bsicos e inserir esses dados ao computador, como temos
tambm de desenhar computadores e programas de
computadores que em primeiro lugar aceitem essas
informaes.
A criao desse tipo de sistema de comunicao entre
pessoas e computadores chamada de processamento de
linguagem natural.
PROCESSAMENTO DE
LINGUAGEM NATURAL
Se voc tivesse um rob com inteligncia artificial que
soubesse consertar coisas, poderia dar a ele uma das
seguintes ordens:
1. Arrume o carro ao lado da casa com um pneu furado.
2. Arrume o carro ao lado da casa vermelha.
Embora a sentena 1 esteja gramaticalmente incorreta,
qualquer pessoa consegue entend-la todos ns sabemos
que uma casa no pode ter um pneu furado.
PROCESSAMENTO DE
LINGUAGEM NATURAL
Conseguimos reconhecer o erro e, o mais importante, o

corrigimos instantaneamente em nossas mentes; ou seja,
obviamente o carro que tem um pneu furado e no a
casa.
O rob teria de saber no s o significado das palavras mas
tambm o relacionamento entre elas, ou ento seria muito
provvel que ele tentasse encontrar uma casa com pneu
furado em algum lugar.
PROCESSAMENTO DE
LINGUAGEM NATURAL
Como ambas as sentenas tm estruturas idnticas, o rob
deve no apenas possuir conhecimentos de gramtica mas
deve tambm ser capaz de associar descries e objetos.
importante ter em
mente que nossas regras de
linguagem fazem sentido apenas para ns, o rob precisa
de suas prprias regras especiais para entender o que
estamos falando.
PROCESSAMENTO DE
LINGUAGEM NATURAL
Uma inteligncia artificial, como o rob, tambm deve estar

apta a analisar sentenas em relao a outras sentenas.
Exemplo:
1. Joo bebeu o leite.
2. Depois ele vestiu a blusa.
O ele na sentena 2 naturalmente se refere a Joo da
sentena 1. Sem a sentena 1, a sentena 2 teria pouco
significado.
PROCESSAMENTO DE
LINGUAGEM NATURAL
Todas as linguagens humanas so classificadas como
sensveis ao contexto.
Ou seja, a sentena 2 precisou da sentena 1, para ser
interpretada em sua totalidade.
Uma linguagem cuja interpretao de sentenas pode ser
conseguida sem o conhecimento de outras sentenas
chamada de livre de contexto, isto , livre do que
aconteceu antes ou do que acontecer depois.
PROCESSAMENTO DE
LINGUAGEM NATURAL
O processo empregado para se fazer um computador
entender sentenas composto de programas que juntos
formam o analisador de linguagem natural. As trs divises
bsicas da anlise da linguagem so:
1. Anlise lxica (anlise das palavras)
2. Anlise sinttica (anlise da colocao das palavras em
uma sentena, incluindo as regras da gramtica).
3. Anlise semntica (anlise do significado de uma
sentena em si e em relao a outras sentenas).
PROCESSAMENTO DE
LINGUAGEM NATURAL ANLISE LXICA
A anlise lxica a que considera a palavra em si (classe de
palavras, flexo, elementos mrficos, terminao, grafia etc.). Por
exemplo, uma palavra simples, como caixote, pode ser
subdividida em:
caix (raiz)
ote (sufixo)
A palavra reluzir consiste em:

re (prefixo)
luz (tema)
ir (desinncia)
Um dicionrio define as palavras, mas fazer o computador

entend-las no contexto uma tarefa consideravelmente mais
difcil.
Desinncia = extremidade gramatical dando significado de
gnero, nmero e pessoa.
PROCESSAMENTO DE LINGUAGEM
NATURAL - ANLISE SINTTICA
A anlise sinttica a que considera a palavra com relao

s outras que esto na mesma orao. E como a diviso de
uma sentena em seus componentes uma etapa vital para
se conseguir que o computador compreenda a linguagem,
preciso que sejamos capazes de traduzir as regras da
gramtica para uma forma que ele possa manipular.
Uma sentena (S) geralmente composta de uma frase

nominal (FN) (sintagma nominal) e de uma frase verbal
(FV) (sintagma verbal), e pode ser representada da
seguinte forma:
S FN,FV
Uma frase nominal pode ser geralmente dividida em um
determinante (como um artigo, um pronome etc,) e um
substantivo, representado por:
FN DET,SUB
Uma frase verbal pode ser dividida ainda mais em um verbo seguido de
uma outra frase nominal, como:
FV V,FN
Uma frase nominal, porm, pode tambm ser simplesmente um
substantivo:
FN SUB
Uma maneira comum de se dividir uma sentena criar uma rvore,
que representao esquemtica da estrutura sinttica de uma
sentena. A sentena
O menino comeu banana poderia ter a estrutura mostrada a seguir.
Sentena
FN(FN)
FV
FN
DET
SUB
V
SUB
menino
comeu
banana
Estrutura em rvore de anlise gramatical de uma

sentena.
NATURAL ANLISE SEMNTICA
Depois da sentena ser dividida, ela sofre uma anlise

semntica, processo pelo qual o computador tente
compreender seu sentido.
Em um sistema de inteligncia artificial, aplicaramos um
conjunto de regras para estabelecer o significado de uma
maneira que o computador pudesse us-lo. Vejamos a
sentena anterior como exemplo:
NATURAL - ANLISE SEMNTICA
DET
O
SUB
SUB
menino comeu
banana
O analisador semntico poderia ter o seguinte conjunto de

regras em seu banco de conhecimentos para interpretar a
sentena:
Regra 1:
SE um determinante for a primeira parte de uma
sentena e for seguido por um substantivo, ENTO o
substantivo conhecido como o sujeito.
Regra 2:
SE um verbo segue o sujeito, ENTO o verbo nos diz
o que o sujeito fez.
Regra 3:
SE um substantivo segue o sujeito e o verbo nessa
ordem, ENTO o substantivo um objeto.
Regra 4:
SE uma sentena tem a forma sujeito, verbo, objeto,
ENTO sabemos o que o sujeito fez (verbo) em relao ao
objeto.
Um processador de linguagem natural pode ser usado na
frente de um outro sistema de inteligncia artificial,
permitindo que os dados sejam passados de forma verbal:
Encontre o
que...
Processador de linguagem natural
Processador
de linguagem
natural
Objeto
(banana)
Sujeito
(menino)
Verbo (comeu)
Inteligncia
artificial
Essencialmente, o processamento de linguagem natural

pode libertar o usurio do computador da limitao e da
complexidade das linguagens dos computadores. Quando
os programas que capacitaro o computador a nos
entender e falar conosco em nossa lngua-me ficarem
prontos, teremos dado um passo muito importante em
direo obteno de um computador genuinamente
inteligente.
ENCADEAMENTO PARA A FRENTE
Vamos analisar este problema: O que voc faria se

estivesse dirigindo em um congestionamento e a
temperatura do motor comeasse a subir?
Vamos colocar o problema de uma maneira geral: temos
uma condio (superaquecimento) e queremos saber qual
ser seu resultado ou consequncia (ser que o carro vai
enguiar?).

Pensando no que aconteceu, primeiro afirmamos que uma
condio havia ocorrido o superaquecimento do motor.
Depois pensamos nas regras que conhecamos e que eram
relacionadas quela condio.
Algumas regras so:
Regra 1: SE o motor superaquecer, ENTO o carro vai
enguiar.
Regra 2: SE o carro enguiar, ENTO isto vai me custar
muito dinheiro, e vou chegar tarde em casa.

A condio da regra 1 sendo verdadeira fez com que a
parte do ENTO da regra fosse invocada, que o fato de o
carro enguiar.
O encadeamento continua: a parte SE da regra 2
acionada pelo fato de o carro realmente enguiar ou porque
a regra 1 foi chamada.
Sua concluso de que essa quebra vai lhe custar caro e
fazer com que voc chegue atrasado em casa pode resultar
da quebra em si ou da observao de um motor
superaquecido.

Como podemos chegar uma concluso de que esta situao vai
lhe custar caro e fazer com que voc chegue em casa tarde?
A condio que dispara a cadeia de eventos foi o
superaquecimento do motor. Isto fez com que a primeira parte da
regra 1, a parte da condio, ou a parte do SE, fosse chamada.
A condio da regra 1 sendo verdadeira fez com que a parte do
ENTO da regra fosse invocada, que o fato de o carro enguiar.O
encadeamento continua: a parte SE da regra 2 acionada pelo
fato de o carro realmente enguiar ou porque a regra 1 foi
chamada.Sua concluso de que essa quebra vai lhe custar caro
fazer com que voc chegue atrasado em casa pode resultar da
quebra em si ou da observao de um motor superaquecido.

Porque usamos a expresso para frente na descrio desse
problema?
Quando uma condio como um superaquecimento ocorre,
alguma coisa afetada por ela (a parte ENTO, ou
concluso).Como a condio vem antes da concluso, e como
comeamos com as condies, vamos para a frente. por isso
que usamos o termo encadeamento para frente.
Esse modelo nos ajuda a encontrar respostas para as perguntas
por meio da aplicao, em um banco de conhecimentos, dos
princpios do encadeamento para frente.Em outras palavras , a
ferramenta lhe pedir as condies superaquecimento do motor
- e o nome do banco de conhecimentos adequado problemas
mecnicos em automveis.

Quando voc tiver fornecido respostas s perguntas desse modelo, esta
far referncias s informaes armazenadas no banco de
conhecimentos e aplicar as tcnicas do encadeamento para frente que
acabamos de conhecer .
Ela lhe dar as concluses ou resultados que voc precisa, como,
exemplo, o carro vai enguiar ou uma quebra vai lhe custar caro e
voc vai chegar tarde em casa.
O primeiro passo para confeco desse modelo chamado
desenvolvimento de um algoritmo, que uma organizao lgica passo
a passo do problema e de todos os seus aspectos.
O segundo passo ser transformar esse esquema organizado do
problema na ferramenta em si um programa de computador.

O funcionamento de um tpico sistema de encadeamento
para frente:
1. O sistema apresentado com uma ou mais condies.
2. Para cada condio o sistema pesquisa em seu banco de
conhecimentos as regras que contenham essa condio
na parte SE da regra.
3. Cada regra pode, por sua vez, gerar novas condies a

partir das concluses da parte ENTO que for chamada.
Essas novas condies so incorporadas quelas j
existentes.
4. Qualquer condio que tenha sido incorporada ao
sistema processada. Se houver tal condio, o sistema
volta ao passo 2 e pesquisa novamente as regras no
banco de conhecimentos. Se no houver nenhuma
condio nova, a sesso termina.
ENCADEAMENTO PARA A FRENTE PROCESSANDO O BANCO DE

CONHECIMENTOS
A tcnica de um sistema de IA especialista requer a
construo de um nmero de tabela teis que ajudaro
a responder as perguntas e tomar decises em relao
ao problema que estamos tentando solucionar.
Essas tabelas, ou estruturas de dados, tm ento uma
finalidade indispensvel, j que so derivadas
diretamente do banco de conhecimentos.
rvore de Deciso
Considere que voc o diretor de recursos humanos de uma

grande empresa de engenharia e est entrevistando um
candidato que tem seu currculo em mos.
As qualificaes do candidato esto diante de voc, e tambm
as exigncias do cargo e as normas gerais da Cia.
Seu problema saber se o candidato se qualifica para uma
posio dentro da empresa e qual.
rvore de Deciso
Isto pode no parecer um problema muito complicado

primeira vista, mas existem vrios fatores envolvidos nesse
tipo de deciso. Suponha que o candidato tenha pouca
experincia na rea de engenharia mas que fez uma
importante descoberta em outro campo.
Ou ento suponha que o candidato no tenha uma boa base
acadmica mas tenha vrios anos de slida experincia de
trabalho.
rvore de Deciso
Cada candidato diferente, e embora alguns critrios

tenham de ser satisfeitos para se obter o emprego, existem
vrias outras combinaes de fatores na histria de qualquer
candidato que o tornam capaz de ocupar uma determinada
posio.
O objetivo selecionar entre uma variedade de alternativas,
neste caso, uma possvel posio.
rvore de Deciso
A resposta na verdade j existe, o indivduo est sentado

sua frente, talvez com as pernas cruzadas, as mos
nervosamente entrelaadas, tentando causar boa
impresso.
Se for qualificado, se adaptar melhor a uma posio que a
outra. Sua tarefa fazer as perguntas corretas, baseado no
conhecimento que voc possui, e determinar qual posio
ser melhor para o candidato.
rvore de Deciso
Definido o problema, a prxima etapa esquematiz-lo de

alguma forma, para que todos os seus aspectos sejam
ilustrados da maneira mais simples possvel.
Um dos diagramas mais comuns usados na resoluo de
problemas desse tipo a rvore de deciso, que tem esse
nome porque se ramifica exatamente como uma rvore e no
final de cada ramificao ou sistema de ramificaes existe
uma concluso: neste caso, voc deve ou no oferecer um
cargo a esse candidato e qual.
rvore de Deciso
No
Quantos
anos de
experincia
o candidato
tem? 7
No oferecer
uma posio
ao candidato
2
Mdia
menor que 3,5
O candidato
possivelmente
se qualifica
para uma
posio
3
O candidato
tem diploma?
1
Sim
O candidato
fez alguma
descoberta
importante?
4
Sim
Sim
Qual a
mdia geral
do candidato
na escola?
Menos
de 2
anos
Igual ou
maior que
2 anos
No oferecer
uma posio
ao candidato
9
Oferecer ao
candidato uma
posio de
engenheiro de
servios
10
Oferecer ao
candidato uma
posio de
pesquisador
6
Mdia
maior
ou igual
a 3,5
Oferecer ao
candidato uma
posio de
engenheiro de
produto
8
Exerccios
1) Considere que voc est num ambulatrio

escolar e recebe uma criana. Quais questes
podem ser elaboradas para a criana na
construo de uma rvore de deciso com no
mnimo 03 ramos (nveis)?
Exerccios
2) Elabore 03 Regras (Se => ENTO) utilizadas para a

resoluo do problema de falha de funcionamento de uma
aplicao em computador com sistema operacional Windows.
3) Explique o conceito de Poda.
4) Quais so as trs divises bsicas da anlise da
linguagem ?
Exerccios
5) O que um sistema especialista?

6) Identifique 03 definies de IA.
7) Apresente 02 problemas que um sistema de IA possa
resolver.
8) O que so os mecanismos de inferncia ?
9) Desenhe o diagrama de desenvolvimento de um sistema
de Inteligncia artificial.
10) O que o mecanismo de encadeamento para a frente ?
11) O que o mecanismo de encadeamento para a trs ?
Exerccios
12) O que Anlise lxica ?

13) O que Anlise semntica ?
14) Explique o mecanismo de pesquisa heurstica.
15) Como construir um banco de conhecimento para um
sistema de IA ?
16) Como os fatos e regras fazem parte de um sistema de
IA ?
17) O que anlise sinttica ?
18) O que so domnios na rea de IA ?

Inteligência Artificial - Edson Ceroni PDF

Transféré par

Informations du document

Titre original

Copyright

Formats disponibles

Partager ce document

Partager ou intégrer le document

Options de partage

Avez-vous trouvé ce document utile ?

Ce contenu est-il inapproprié ?

Droits d'auteur :

Formats disponibles

Inteligência Artificial - Edson Ceroni PDF

Transféré par

Droits d'auteur :

Formats disponibles

Inteligncia Artificial

Prof. Edson Ceroni

Inteligncia Artificial - Prof. Edson Ceroni

O que inteligncia artificial?

Barr & Feigenbaum (1981)

quais ns associamos com a inteligncia

Nils Nilsson (1982)

Charniak & McDermott (1987)

Nilson & Genesereth (1987)

teoria da inteligncia que explique o

Inteligncia Artificial o estudo das

Luger & Stubblefield (1993)

Elaine Rich & Kevin Knight (1993)

Inteligncia Artificial o estudo de como

Como funciona a inteligncia

Todos os objetivos alcanados podem levar um objetivo

Todos sabemos que a mente humana possui um amplo estoque

EXEMPLOS DE FATOS E REGRAS

EXEMPLOS DE FATOS E REGRAS

EXEMPLOS DE FATOS E REGRAS

Regra 3b: SE eu estou em uma rua escura e pouco movimentada

EXEMPLOS DE FATOS E REGRAS

Note que nos exemplos anteriores, todas as regras so expressas

1. Um objetivo especfico coloca nosso processo de

3. A poda nos ajuda a realizar uma procura rpida e

O mecanismo de inferncia obtm

A meio quarteiro de distncia est o nibus que pra em

Os fatos so ingredientes essenciais em um sistema de IA.

Qual nibus est chegando ?

S2$ (10:00) Banco de

Qual o intervalo de tempo entre os nibus expresso e aquele

O Processo de se alcanar os objetivos conhecido como encadeamento

VERIFICAO POR MEIO DO

Suponha que um assassinato tenha sido cometido; uma

VERIFICAO POR MEIO DO

VERIFICAO POR MEIO DO

A melhor chance que eles tem para apanhar o suspeito em

VERIFICAO POR MEIO DO

Obtendo novos dados e revificando se eles eram

VERIFICAO POR MEIO DO

Em um programa de Inteligncia Artificial, o objetivo

VERIFICAO POR MEIO DO

VERIFICAO POR MEIO DO

Encadeamento para frente

Obtendo novos objetivos via fatos,

O mecanismo de inferncia obtm novos fatos para

Encadeamento para trs

No crebro, o mecanismo de poda guia a pesquisa por

A poda simplesmente anula as consideraes

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS

Alguns domnios administrveis

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS

SE existe uma fbrica ao longo do rio a uma

DEFININDO SISTEMAS ESPECIALISTAS

Vimos como o mecanismo de poda torna nossos processos

DEFININDO SISTEMAS ESPECIALISTAS

Mecanismo de pesquisa heurstica

DEFININDO SISTEMAS ESPECIALISTAS