Tópicos Iniciais em IA.

Apresentação em tema: "Tópicos Iniciais em IA."— Transcrição da apresentação:

1 Tópicos Iniciais em IA

2 Algum dia os computadores serão capazes de pensar?

3 Será que precisamos ensinar o computador a pensar exatamente da mesma maneira como acontece com os humanos?

4 O que é mais rápido, um Pentium 4Core ou o Cérebro?

5 O computador tem algum tipo de consciência?

6 Humano: Matéria: com o que fazer. Mecanismo: quem fará
Humano: Matéria: com o que fazer? Mecanismo: quem fará? Finalidade: porque fazer? Determinismo: como fazer? Oportunidade: quando fazer? Aptidão: pode fazer? Ação: fazer agora! Coordenação: tá sendo feito? Regulação: podemos melhorar?

7 Máquinas Podemos transmitir a aptidão para uma máquina artificial, mas poderia passar a finalidade? Uma máquina poderia regular sua ação, mas poderia por si mesma definir como fazer sem que o algoritmo lhe seja dado?

8 Limites - Máquina e a sua Energia são coisas distintas
Limites - Máquina e a sua Energia são coisas distintas. - Homem e Energia são a mesma coisa. - Homem é inconsciência - Máquina é programa - Evolução e morte são comuns na espécie - Máquinas não morrem

9 IA Pode ser considerada a alquimia do século passado.
Quando passa a realizar tarefas de maneira tão eficiente quanto um humano, é comum considerar esta atividade como inteligente.

10 Focaremos no comportamento inteligente!
Vamos esquecer a IA! Focaremos no comportamento inteligente!

11 DESAFIOS DA IA Comunicação e Percepção: Raciocínio Simbólico.
Linguagem Natural, Visão, Manipulação. Raciocínio Simbólico. Tomada de decisões de forma automática.

12 COMUNICAÇÃO Desde o início tentou-se desenvolver um sistema de tradução simultânea. Projetos atuais: Tradutor multilíngüe com vocabulário de palavras. Sistema de consulta com diversos temas. Sistema capaz de falar e entender a linguagem natural com cerca de palavras.

13 PROBLEMAS NO PROCESSAMENTO DA LINGUAGEM NATURAL
Análise sintática e semântica das orações. Ambiguidade das palavras. Significados de palavras simples cujos significados estão associados ao contexto. O Brasil será campeão do mundo! Pegue esse copo e beba tudo agora!

14 RACIOCÍNIO SIMBÓLICO Sistemas inteligentes são baseados em regras heurísticas ao contrário das programas de cálculo em geral. Resultado: O programa segue uma linha de raciocínio ao invés de uma seqüência de passos fixos.

15 ENGENHARIA DO CONHECIMENTO
Representação do conhecimento. Aquisição do Conhecimento, a qual pode ser feita através de aprendizado por experiência, ou por regras lógicas Método de Inferência: conforme a quantidade dos dados

16 ENGENHARIA DO CONHECIMENTO
Processamento da linguagem natural, a qual facilita a inter-relação homem computador. Possibilita que um perito de qualquer área trabalhe e desenvolva de maneira prática um sistema.

17 CRIAÇÃO DE UM SISTEMA ESPECIALISTA
Os engenheiros de conhecimento devem acompanhar os seguintes passos: Seleção da ferramenta e estratégia para enfrentar o problema. Analisar o conhecimento necessário para resolução do problema. Construir um rascunho do sistema.

18 CRIAÇÃO DE UM SISTEMA ESPECIALISTA
Escrever o banco de conhecimento e prová-lo em um número amplo de casos. Ampliar e modificar o programa até que funcione tal como queremos que o faça. Manter e atualizar o sistema, conforme se necessite.

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

20 OBJETIVOS DA IA Desenvolver sistemas para realizar tarefas que ainda
Possam colocar em risco o ser humano Possa ser executado de maneira mais satisfatória Não possuem solução satisfatória pela computação convencional. Reproduza um comportamento inteligente. Facilite a interação entre máquina-máquina e homem-máquina

21 SISTEMA INTELIGENTE Um sistema inteligente deve ser capaz de adaptar-se a novas situações, perceber relações entre fatos, descobrir significados, reconhecer a verdade e aprender com base em sua experiência.

22 APLICAÇÕES Matemática: demonstração de teoremas, resolução simbólica de equações. Pesquisa operacional: otimização e busca heurística em geral. Jogos: xadrez, damas. Processamento de linguagem natural: tradução automática, verificadores ortográficos e sintáticos, reconhecimento da fala.

23 APLICAÇÕES Sistemas tutores: modelagem do aluno, escolha de estratégias pedagógicas. Percepção: visão, tato, audição, olfato, paladar... Robótica (software e hardware): manipulação, navegação, monitoramento.

24 APLICAÇÕES Sistemas especialistas: Atividades que exigem conhecimento especializado e não formalizado. Tarefas: diagnóstico, previsão, monitoramento, análise, planejamento, projeto, etc. Áreas: medicina, finanças, engenharia, química, indústria, arquitetura, arte, computação,...

25 APLICAÇÕES Computação: programação automática. interfaces adaptativas.
bancos de dados dedutivos e ativos. mineração de dados (data mining). sistemas distribuídos, etc.

26 APLICAÇÕES: SISTEMAS DE CONTROLE
Como frear o carro sem as rodas deslizarem em função da velocidade, do atrito, etc.? Como focar a câmera em função da luminosidade, da distância, etc.? Como ajustar a temperatura e fluxo de água com a quantidade e sujeira da roupa, etc.?

27 APLICAÇÕES: PREVISÃO Como prever o valor do dólar? Do clima? Das ações da bolsa? Das eleições? Que dados são relevantes? Há comportamentos recorrentes?

28 APLICAÇÕES: SIMULAÇÕES E JOGOS
Como modelar o ambiente físico e o comportamento/personalidade dos personagens? Como permitir interação interessante com o usuário?

29 APLICAÇÕES: RECOMENDAÇÃO DE PRODUTOS
Como fazer recomendações personalizadas de produtos? Como modelar os perfis dos compradores?

30 APLICAÇÕES: BUSCA DE INFORMAÇÃO NA WEB
Como localizar a informação relevante?

31 APLICAÇÕES: DETECÇÃO DE INTRUSÃO E FILTRAGEM DE SPAM
Como saber se uma mensagem é lixo ou de fato interessa? Como saber se um dado comportamento de usuário é suspeito e como lidar com isto?

32 Aplicações: interfaces amigáveis
Como dar ao usuário a ajuda de que ele precisa? Como interagir com o celular sem ter que digitar?

33 DIFICULDADES Representação: Generalidade x eficiência
Como traduzir uma tarefa em informação estruturada e processos de informação. Generalidade x eficiência Explosão combinatória (espaço de solução): reproduzir as jogadas possíveis do Xadrez.

34 Dificuldades: Xadrez Impossível reduzir o problema a um formalismo matemático. Uma busca exaustiva do melhor movimento é impraticável. Solução baseada em heurísticas.

35 Dificuldades: VISÃO Como reconhecer uma maçã no supermercado?
Contexto: maçãs serão encontradas junto com outras frutas (conceito). Segmentação: como saber onde começa e acaba uma fruta? É preciso reconhecer cores, textura, tamanho. Representação e similaridade: como diferenciar maçãs de peras, mangas? Há vários modelos visuais para representar formas de diferentes frutas.

36 PARADIGMA SIMBÓLICO 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.

37 CONHECIMENTO Programa em IA = Agente racional
entidade de software que age em um ambiente segundo um princípio de racionalidade

38 CONHECIMENTO 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

39 PARADIGMA CONEXIONISTA 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.

40 PARADIGMA CONEXIONISTA REDES NEURAIS
linguagem → redes de elementos simples. raciocínio → aprender diretamente a função entrada-saída.

41 PARADIGMA EVOLUTIVO 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.

42 PARADIGMA EVOLUTIVO Definição: Idéia:
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 através de sucessivas gerações.

43 PENSANDO RACIONALMENTE
Aristóteles tentou definir um processo de raciocínio irrefutável. Ele desenvolveu os silogismos. Os silogismos fornecem estruturas de argumentação que sempre fornecem conclusões corretas, dadas premissas corretas. Exemplo: “Sócrates é um homem” “Todos os homens são mortais” Sócrates é mortal!

44 Pensando racionalmente
Deus é amor O amor é cego Stevie Wonder é cego Conclusão Deus é cego! Stevie Wonder é Deus! Se eu parti de fatos verdadeiros, como posso ter chegado a conclusões absurdas?

45 PENSANDO RACIONALMENTE
Isso iniciou o campo da lógica. O campo foi muito expandido no século XIX por Boole, Pascal, Bayes, etc. Existem dois problemas com esta abordagem: Dificuldade de definir conhecimento informal de forma a colocá-lo na notação lógica (especialmente quando o conhecimento não é 100% preciso). Existe uma grande diferença entre resolver um problema na teoria e na prática.

46 IA NO BRASIL Fracamente representada nas graduações em computação:
Uma disciplina obrigatória depois do sexto período. Ementa restrita. Economicamente ainda incipiente por falta de demanda ou de profissionais bem formados? Visão “distorcida e incompleta”. No exterior mercado fatura alto.

47 Pluridisciplinaridade da IA
Classificação Previsão Monitoramento Diagnóstico e Interpretação Conserto Escalonamento Alocação Filtragem Descoberta Design Controle Simulação Tarefas Filosofia Matemática Lógica Probabilidade Estatística Cálculo Pesquisa Operacional Economia Sociologia Lingüística Psicologia Biologia Automação e Controle Computação tradicional Inspiração Jogos Sistemas Especialistas Percepção Computacional Visão Processamento de Voz Integração de Sensores Processamento de Linguagem Natural Robótica Navegação Manipulação Aplicações Busca heurística Representação do conhecimento Raciocínio automático Planejamento Aprendizagem e aquisição de conhecimento Sistemas multiagente Reconhecimento de padrões Problemas

48 Raciocínio Baseado em Regras
Representação do conhecimento para a resolução do problema através de regras: se... então (regras de produção) Exemplo: se o motor não roda, e as luzes não acendem então o problema está nos cabos da bateria

49 Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo)
Base de Conhecimento Memória de Trabalho Regra 1: se o motor tem combustível, e o motor trabalha então o problema é nas velas Regra 2: se o motor não trabalha, e as luzes não ligam o problema é nos cabos da bateria Regra 3: se as luzes ligam o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível o motor tem combustível O problema é X

50 Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo)
Base de Conhecimento Memória de Trabalho Regra 1: se o motor tem combustível, e o motor trabalha então o problema é nas velas Regra 2: se o motor não trabalha, e as luzes não ligam o problema é nos cabos da bateria Regra 3: se as luzes ligam o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível o motor tem combustível o motor tem combustível o motor trabalha o problema é nas velas

51 Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo)
Base de Conhecimento Memória de Trabalho Regra 1: se o motor tem combustível, e o motor trabalha então o problema é nas velas Regra 2: se o motor não trabalha, e as luzes não ligam o problema é nos cabos da bateria Regra 3: se as luzes ligam o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível o motor tem combustível o depósito tem combustível o carburador tem combustível o motor tem combustível o motor trabalha o problema é nas velas

52 O sistema irá perguntar ao utilizador acerca da veracidade de:
Neste ponto não existem regras cuja conclusão unifique com as frases na memória de trabalho. O sistema irá perguntar ao utilizador acerca da veracidade de: O depósito tem combustível? O carburador tem combustível? O motor está a trabalhar?

53 Grafo e/ou para a procura da solução
O problema é X Regra1: o problema é nas velas Regra1: o problema é nos cabos da bateria Regra1: o problema é no motor de arranque o motor tem combustível o motor trabalha o motor não trabalha as luzes não acendem o motor não trabalha as luzes acendem Regra4: o motor tem combustível o depósito tem combustível o carburador tem combustível

54 Raciocínio Baseado em Casos
Regras heurísticas e modelos teóricos são dois tipos de informação que os peritos humanos utilizam para resolver problemas. Outra estratégia utilizada é o raciocínio baseado em casos (Case-Based Reasoning - CBR) Utiliza uma base de dados com soluções de problemas para resolver novas situações. Exemplos: medicina, justiça, arquitetura, programação de computadores, história...

55 ALGORITMO DE INFERÊNCIA
Procurar casos similares na memória cuja solução pode ser aplicada à nova situação (características comuns). Modificar um desses casos para aplicar à situação nova (alterar sequência dos passos que levam de um estado inicial a um estado final). Aplicar o caso transformado ao novo problema. Guardar a solução com uma medida do sucesso ou insucesso para uso futuro.

56 RACIOCÍNIO BASEADO EM REGRAS
VANTAGENS modo direto modular desempenho facilidades de explicação as regras encaixam-se naturalmente na procura num espaço de estados o processo de inferência é fácil de seguir e depurar os passos para a solução do problema são facilmente inspecionáveis

57 RACIOCÍNIO BASEADO EM REGRAS
DESVANTAGENS regras altamente heurísticas, falta de profundidade não manuseiam falta de informação ou valores inesperados muito específico na aplicação

58 RACIOCÍNIO BASEADO EM CASOS
Vantagens: codificação direta de conhecimento histórico permite atalhar a resolução a partir de um caso apropriado não necessitando de todo o processo de resolução do problema evita erros do passado e explora os sucessos (aprendizagem) não é necessária uma análise extensiva do domínio do conhecimento aquisição de conhecimento e sua codificação relativamente fáceis Desvantagens: explicação difícil desempenho computacional (bases de dados extensas) difícil definir critérios de similaridade

59 TIPOS DE CONHECIMENTO Conhecimento Procedimental
Conhecimento Declarativo Metaconhecimento Conhecimento Heurístico Conhecimento Estrutural