Vous êtes sur la page 1sur 22
Inteligência Artificial Introdução Prof. Patrick Pedreira Silva
Inteligência Artificial
Introdução
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”.

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

da sua vida Ela não é uma coisa distante, somente de filmes de ficção científica, ela
3
3
4
4
Bugs Screensaver Esse protetor usa inteligência artificial para simular um ambiente com insetos e plantas.

Bugs Screensaver

Bugs Screensaver Esse protetor usa inteligência artificial para simular um ambiente com insetos e plantas. Ambas

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

O que é a IA? “ O ramo da Ciência da Computação que estuda e

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”

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

Redes Neurais

s1 w1i sj wji
s1
w1i
sj
wji

sn

wni
wni

e(i)

⌠⌠⌠⌠ ∑ ⌡⌡⌡⌡
⌠⌠⌠⌠
∑ ⌡⌡⌡⌡

s(i)

e(i) =

w

ji

s j

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

camada de entrada camada camada de saída escondida
camada
de entrada
camada
camada
de saída
escondida

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

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

Conhecimento: Representação e Uso Raciocínio: processo de construção de novas sentenças a partir de outras
Conhecimento: Representação e
Uso
Raciocínio:
processo de construção de novas sentenças a
partir de outras sentenças.
Deve-se assegurar que o raciocínio é plausível
segue-se
fatos
fatos
Mundo
Representação
implica
sentenças
sentenças
semântica
semântica

Representando o conhecimento o caso do cap. West

A)

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)

N) Míssil(M1)

O) Arma(M1)

P) Hostil(Cuba)

Q) Vende(West,Cuba,M1)

R) Criminoso(West)

- Eliminação: quantificador existencial e

conjunção de K

- Modus Ponens a partir de D e N

- Modus Ponens a partir de C e H - Modus Ponens a partir de L, M e N

- Modus Ponens a partir de A, J, O, F, P e Q

Paradigma Evolutivo

Paradigma Evolutivo EVOLUÇÃO diversidade é gerada por cruzamento e mutações os seres mais adaptados ao seus

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]

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

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

x

Separação 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

Sistemas Simbólicos: arquitetura

Sistemas sub-simbólicos:

arquiteturas
arquiteturas

História da IA

Pode ser dividida em 3 períodos:

Clássico (1956-1970) Romântico (1970-1980) Moderno (1980-1990)

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.

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

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.

Máquinas inteligentes?

evolução em direção ao paradigma dos agentes

Pensando “A automação de atividades que nós associamos com o pensamento humano (ex.: tomada de
Pensando
“A automação de atividades que nós
associamos com o pensamento humano
(ex.: tomada de decisão, solução de
problemas, aprendizagem, etc.)” (50-60)
“O estudo das faculdades mentais
através do uso de
modelos computacionais” (60-70)
Idealmente
Humanamente
(racionalmente)
“A arte de criar máquinas que realizam
funções que requerem inteligência
quando realizadas por pessoas” (50-70)
“O ramo da Ciência da Computação
que estuda a automação de
comportamento inteligente”

Agindo

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)

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, justificativa para os resultados obtidos

)

mas fraca

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 Filosofia Sociologia IA Lingüística Psicologia Computação
Interação com outras disciplinas
Matemática
Filosofia
Sociologia
IA
Lingüística
Psicologia
Computação
Neuro-fisiologia
Genética

Aplicações

Área da IA: Assuntos de estudo

Exemplos de aplicações práticas

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

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

Aplicações

Área da IA: Assuntos de estudo

Exemplos de aplicações práticas

Robótica inteligente e Evolução artificial

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

Processamento de Linguagem Natural

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

Aplicações

Área da IA: Assuntos de estudo

Exemplos de aplicações práticas

Raciocínio automático (dedução, inferência

)

e

Sistemas inteligentes para a exploração de dados (data mining, Knowlege data

Aquisição de conhecimento:

Sistemas Especialista,

 

Sistemas inteligentes e sistemas híbridos, Aprendizado Automático, Representação do conhecimento

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

Aplicações

Área da IA: Assuntos de estudo

Exemplos de aplicações práticas

Modelos cognitivos

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

Aplicações

Área da IA: Assuntos de estudo

Exemplos de aplicações práticas

IA distribuída e sistemas multi-agentes

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

Aplicações

Área da IA: Assuntos de estudo

Exemplos de aplicações práticas

Lógica Formal

Lógicas para a IA (ex.:

lógica de predicados), linguagens de IA (ex.:

Prolog), prova automática de teoremas

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