prof. frederico brito fernandes [email protected] introduçãointrodução

Prof. Frederico Brito [email protected]

IntroduçãoIntroduçãoIntroduçãoIntrodução

Professor: Frederico Brito FernandesProfessor: Frederico Brito Fernandes 2/24Disciplina: Inteligência ArtificialDisciplina: Inteligência Artificial

(1) História da Inteligência Artificial

• A gestação da inteligência artificial (1943-1956)

– Warren McCulloch e Walter Pitts (1943) – modelo de neurônios artificiais

• Cada neurônio poderia estar “ligado” ou “desligado”

• Troca para ligado ocorria como resposta aos estímulos para um número suficiente de neurônios vizinhos

• Conhecimento básico sobre fisiologia e as funções dos neurônios no cérebro, lógica proposicional, teoria da computação

– Marvin Minsky (tese) e Dean Edmonds construiram o primeiro computador de redes neurais em 1951, possuía 40 neurônios

– Primeiras conferências atribuir o nome do campo a Inteligência Artificial


• Entusiasmo inicial (1952-1969)

– Newell e Simon - General Problem Solver (GPS)

• Programa projetado para resolver problemas como os humanos

• Sebmetas e ações - semelhantes à ordem de resolução dos humanos

– Herbert Gelernter (1959) – Geometry Theorem Prover

• Demonstrava teoremas bastante complicados

– Arthur Samuel (1952) – série de programas para jogar damas que podiam aprender



– McCarthy (1958) - Lisp - Um ano mais nova que FORTRAN

• Advice Taker – 1º sistema de IA completo – princípios centrais de RC e raciocínio

• Escassez e custo dos recursos computacionais => time sharing

– Minsky - Micromundos - Problemas em um contexto limitado que requer inteligência para resolver

• Ex: Mundo de blocos



• Uma dose de realidade (1966-1974)

– Herbert Simon – “futuro visível” – computadores lidarão com uma variedade de problemas correspondente à mente humana

– Dificuldade de tratar problemas complexos (exemplos testados eram muito simples)

– Principais problemas nas abordagens adotadas:

• Os programas possuíam pouco, ou nenhum conhecimento sobre o problema objeto

– Problema de tradução Russo <-> inglês



– Intratabilidade de alguns problemas que AI estava tentando resolver (antes da teoria da NP-completude)

• Ilusão do poder computacional ilimitado, computadores 1.000.000 x mais rápidos não resolvem o problema – explosão combinatória

• Problemas NP-completos existem e novas abordagens devem ser adotadas

• Machine evolution (algoritmos genéticos de hoje)

– Limitação de estruturas "básicas" para gerar um comportamento inteligente

• Ex: Estrutura até então utilizada para representar redes neurais

• Minsky (1969) – Os perceptrons podem aprender qualquer coisa que eles são capazes de representar, mas eles podem representar muito pouco.

– Cai o mito que em pouco tempo teríamos máquinas “super inteligentes”



• Sistemas baseados em conhecimento (1969-1979)

– Weak methods (pouco informação sobre o domínio) – necessidade maior de computação

– Surgimento dos Sistemas Especialistas• Conhecimento, heurísticas e regras sobre um determinada especialidade

• Separação clara entre conhecimento (regras) e componente de raciocínio

• DENDRAL – conhecimento de química reduz a quantidade de computação

• Feignbaum e outros – MYCIN – diagnostico de doenças infecciosas (450 regras)

– Problemas do mundo real – representação de conhecimento teve que melhorar

– Frames (Minsky), abordagem mais estruturada baseada em classes e hierarquia de objetos, analogia com taxonomia da biologia



• A IA se torna uma indústria (1980 – hoje)

– Digital Equipment Corporation – R1 (pedidos de novos computadores

• Economia de 40 milhões de dólares

• 1988 – O grupo de IA da DEC tinha 40 sist. especialistas entregues

– Du Pont

• 100 SEs em uso e 500 em desenvolvimento

• Economia de 10 milhões de dólares



• O retorno das redes neurais (1986-presente)

– Desenvolvimento continuou em outras áreas

– Uso/desenvolvimento de algoritmos “back-propagation”

– IA Tradicional x Redes Neurais

• Eventos recentes (1987-1995-2000)

– Avanços e utilização de tecnologia para reconhecimento de imagem e fala/som.

– Belief networks, "probabilidade" que permite formalismo para tratar incertezas.

– Desenvolvimento de mecanismos lógicos para tratar incerteza. • Ex: lógica fuzzy, lógica modal, etc.



Pensando

Agindo

Humanamente Idealmente(racionalmente)

“A automação de atividades que nós associamos com o pensamento humano (e.g., tomada de decisão, solução de problemas, aprendizagem, etc.)” (50-60)

Ciências Cognitivas: como o homem pensa?

“A arte de criar máquinas que realizam funções que requerem

inteligência quando realizadas por pessoas” (50-70)

O Teste de Turing

“O estudo das faculdades mentais através do uso de modelos computacionais” (60-70)

Silogismos de Aristóteles“Sócrates é um homem; todo homem é

mortal; logo Sócrates é mortal”

“O ramo da Ciência da Computação que estuda a

automação de comportamento inteligente”

Agentes Racionais: percebem e atuam no ambiente

(2) Sistemas Inteligentes


• Definição:

“Um sistema é inteligente se e somente se ele produz a mesma

saída simbólica que um ser humano produziria, dada a mesma

entrada simbólica.” Turing, 1950

• É possível identificar/quantificar um Sistema Inteligente?– Depende de cada caso

– Porém, todo sistema, dito inteligente, é capaz de realizar tarefas que:

• são melhor realizadas por seres humanos que por máquinas,

ou• não possuem solução algorítmica viável pela computação convencional

problemas que não possuemuma solução algorítmica

problemas solúveispor seres humanosSistemas InteligentesSistemas Inteligentes

IAIA



• Características

– Heurísticas ao invés de algoritmos pré-determinados

– A solução tem que ser construída

• Comparação entre programação convencional (algoritmos) e construção de sistemas inteligentes (heurísticas)

Se o ser humano pode, por que não a máquina? (tese de Turing)

Algoritmo Heurística• Regra

• Premissas conhecida => resultados esperados

• Solução lógica, verdade, regra matemática (resolver eq. de 2º)

• Verificável

• Não é verificável – matematicamente provável

• Solução obtida através de tentativas e erros

• Regras práticas desenvolvidas através da experiência



Conhecimento

AquisiçãoAprendizagemPercepção

RepresentaçãoLógicaRedes

UsoRaciocínioPlanejamentoPLNRobótica…


• Partes de um Sistema Inteligente:


• Simbólico: metáfora lingüística– ex. sistemas de produção, agentes,...

• Conexionista: metáfora cerebral– ex. redes neurais

• Evolucionista: metáfora da natureza – ex. algoritmos genéticos, vida artificial,

• Estatístico/Probabilístico– Ex. Redes Bayesianas, sistemas difusos

(3) Correntes da IA


Sistemas baseados emRedes Neurais

Redes Bayesianas

Algoritmosgenéticos

Sistemas Especialistas

Sistemas Nebulosos

(fuzzy)

Sistemas deAprendizagem

simbólica indutiva

Sistemas de PLN

conhecimento em intenção (regras)

conhecimento em extensão (exemplos)

simbóliconuméricoSistemasbaseadoem casos

Robôs

(3) Correntes da IA

Sistemas baseados emSatisfação de Restrições


• 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 utlizando uma linguagem formal de representação– Implementar um mecanismo de inferência para utilizar esse

conhecimento

(3) Correntes da IA: Paradigma Simbólico


• 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



• Raciocínio:– processo de construção de novas sentenças a partir de outras

sentenças.

• Deve-se assegurar que o raciocínio é plausível (sound)

fatos fatos

sentenças sentenças

Mundo

Representação

segue-se

implica

sem

ântic

a

sem

ântic

a



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) - 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


WEST é criminoso?WEST é criminoso?


Redes Neurais

• Definição “Romântica”:Técnica inspirada no funcionamento do cérebro, onde neurônios

artificiais, conectados em rede, são capazes de aprender e de generalizar.

• Definição “Matemática”: Técnica de aproximação de funções por regressão não linear.

• É uma outra abordagem: – linguagem -> redes de elementos simples

– raciocínio -> aprender diretamente a função entrada-saída

(3) Correntes da IA: Paradigma Conexionista


wji

w1i

wni

s(i)

e(i) e(i) w ji sj

s(i) f (e(i))

s1

sj

sn

camadade entrada camada

de saídacamada

escondida

(3) Correntes da IA: Paradigma Conexionista


• 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

(3) Correntes da IA: 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]

(3) Correntes da IA: Paradigma Evolutivo


IA no Brasil

• Fracamente representada nas graduações em computação– no máximo, 1 disciplina obrigatória– no melhor dos casos, depois do sexto período– Ementa restrita e desatualizada

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

• Visão “distorcida e incompleta” do que é IA

• No exterior é o contrário– MIT, Stanford, Carnegie Mellon, Berkeley, Imperial College,

Cambridge– Mercado fatura alto

prof. frederico brito fernandes [email protected] introduçãointrodução

Documents

inteligncia artificial

inteligncia artificial

frederico brito fernandes

ses em uso e

o teste

o grupo

regras problemas

introduointroduo slide