A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

Inteligência Artificial www.oderson.com 1DICAS Questione os temas propostos nas aulas, fica mais fácil aprender. Demonstre interesse pelo conteúdo explanado.

Apresentações semelhantes


Apresentação em tema: "Inteligência Artificial www.oderson.com 1DICAS Questione os temas propostos nas aulas, fica mais fácil aprender. Demonstre interesse pelo conteúdo explanado."— Transcrição da apresentação:

1

2 Inteligência Artificial 1DICAS Questione os temas propostos nas aulas, fica mais fácil aprender. Demonstre interesse pelo conteúdo explanado e dedique-se ao estudo. Envolva-se nas atividades teóricas e práticas. Seja receptivo aos recursos didáticos. Colabore para o bom aproveitamento do tempo em aula. Participe, você será valorizado pelos colegas, pelo professor e por si mesmo. Procure conhecer as propostas e os critérios de avaliação. Utilize a avaliação como estímulo para o seu crescimento. Para isso prepare-se! Procure relacionar as matérias do curso uma com as outras e com suas crenças pessoais. Analise o conteúdo no contexto histórico-social. Enfim viva o que está aprendendo. Participe em eventos e projetos acadêmicos e culturais. Utilize uma bibliografia diversificada e principalmente atual para se atualizar nos conteúdos apresentados nas aulas. Leia pesquisas publicadas na área. Investigue e busque elucidar os desafios apresentados em aula. Reconheça a solidariedade como valor pessoal. Apresente atitudes coerentes com o que fala. Revele respeito e aceitação no relacionamento com os professores e colegas. Adote o diálogo como meio para a solução de conflitos. Seja pontual e assíduo aos compromissos acadêmicos. Participe das atividades dos órgãos representativos. Tenha uma atitude positiva em relação ao professor, aos colegas e a instituição de ensino.

3 2 INTELIGÊNCIA ARTIFICIAL

4 Inteligência Artificial 3 Algum dia os computadores serão capazes de pensar? Eles já pensam de uma maneira, mas para que passe a pensar de outras, é preciso que passemos a entender como se dá o processo do pensamento.

5 Inteligência Artificial 4 Muitos dizem que CPUs apenas seguem instruções mais rapidamente que os humanos. Estão corretos? REstão errados pois as CPUs podem seguir outros tipos de processos, pois podem ser programados para fazerem uma pesquisa evolutiva ou um reconhecimento de padrão complexo, por exemplo.

6 Inteligência Artificial 5 Algum dia as máquinas poderão desenvolver algo comparável à consciência? RSe a habilidade do cérebro refletir sobre suas ações pode ser chamada de consciência, muitos programas já fazem algo do tipo. Pode-se dizer que já possuem um certo grau de consciência.

7 Inteligência Artificial 6 Qual será o impacto disso sobre os negócios? R Aumento na produtividade em todos os setores. Grande transformação no mercado de trabalho.

8 Inteligência Artificial 7 Os defensores da IA não cometem um erro ao descartar o livre-arbítrio como ilusão? RQuando se diz que usei meu livre-arbítrio para tomar uma decisão, isso quer dizer não sei o bastante sobre minha mente para entender como tomei esta decisão.

9 Inteligência Artificial 8 IA Pode ser considerada a alquimia do século passado. 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 não inteligente. Quando passa a realizar tarefas de maneira tão eficiente quanto um humano, é comum considerar esta atividade como não inteligente.

10 Inteligência Artificial 9 DESAFIOS DA IA Comunicação e Percepção: –Linguagem Natural, –Visão, –Manipulação. Raciocínio Simbólico. Engenharia do Conhecimento.

11 Inteligência Artificial 10 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.

12 Inteligência Artificial 11 PROBLEMAS NO PROCESSAMENTO DA LINGUAGEM NATURAL Análise sintática e semântica das orações. Ambigüidade das palavras. Significados de palavras simples cujos significados estão associados ao contexto. O espírito é forte mas a carne é fraca. A vodka é boa mas a carne é podre.

13 Inteligência Artificial 12 RACIOCÍNIO SIMBÓLICO Sistemas inteligentes são baseados em regras heurísticas ao contrário das equações analíticas dos programas de cálculo. Resultado: O programa segue uma linha de raciocínio ao invés de uma seqüência de passos fixos. O programa segue uma linha de raciocínio ao invés de uma seqüência de passos fixos.

14 Inteligência Artificial 13 ENGENHARIA DO CONHECIMENTO Representação do conhecimento. Aquisição do Conhecimento, a qual pode ser feita através de aprendizado por experiência, regras lógicas e atualmente por sessões de ensino. Método de Inferência: conforme a quantidade e o manejo dos dados pode-se usar a lógica difusa.

15 Inteligência Artificial 14 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.

16 Inteligência Artificial 15 CRIAÇÃO DE UM SISTEMA ESPECIALISTA Os conhecimentos devem ser ajustados de maneira que sua análise seja menos complexa possível. Ao delimitar o problema deve-se determinar o tipo apropriado de ferramenta para desenvolvê-lo.

17 Inteligência Artificial 16 CRIAÇÃO DE UM SISTEMA ESPECIALISTA Os engenheiros de conhecimento devem acompanhar os seguintes passos: 1.Seleção da ferramenta e estratégia para enfrentar o problema. 2.Analisar o conhecimento necessário para resolução do problema. 3.Construir um rascunho do sistema.

18 Inteligência Artificial 17 CRIAÇÃO DE UM SISTEMA ESPECIALISTA 4.Escrever o banco de conhecimento e prová-lo em um número amplo de casos. 5.Ampliar e modificar o programa até que funcione tal como queremos que o faça. 6.Manter e atualizar o sistema, conforme se necessite.

19 Inteligência Artificial 18 "Artificial Intelligence, Principles and Applications" Chapman & Hall Computing Series No sentido de oferecer minha contribuição pessoal com uma definição da Inteligência Artificial, eu pediria que fosse considerada uma analogia entre objetos que pensam e objetos que voam. Durante muitos séculos, os pássaros (e morcegos, é claro) foram tidos como os únicos "objetos" capazes de voar, assim como os seres humanos foram os únicos capazes de pensar. A crença de que uma máquina construída pelo homem pudesse voar sempre pareceu absurda e incompreensível para muitos, assim como a noção de que uma máquina possa pensar é inaceitável para muitas pessoas hoje em dia.

20 Inteligência Artificial 19 Penso que a suposição de que propriedades bioquímicas do cérebro possam ser responsáveis por crenças e pensamentos é análoga à de se acreditar que são as propriedades bioquímicas dos pássaros que lhes possibilitam desfrutar do vôo auto-sustentado. O que hoje sabemos é que são as propriedades aerodinâmicas dos pássaros que lhes permitem alçar vôos e sustentar-se no ar. A analogia por meio da aerodinâmica sugere que muito do que pudemos aprender sobre o vôo foi por meios artificiais e não diretamente. O que aconteceu foi que acabamos criando um corpo de conhecimentos científicos e leis governando aspectos tanto do vôo dos pássaros como de aviões. O vôo artificial tem progredido, mas não é na direção da imitação do vôo natural, nem por meio da sua observação.

21 Inteligência Artificial 20 Objetivo: analisar e descrever a natureza (observação) Exemplos: Química, Física, Botânica, etc. CIÊNCIAS NATURAIS

22 Inteligência Artificial 21 CIÊNCIAS DO ARTIFICIAL Objetivo: Objetivo: Prescrever e sintetizar artefatos (transformações). Prescrever e sintetizar artefatos (transformações). C riar artefatos que satisfaçam as necessidades humanas, de acordo com as leis naturais. C riar artefatos que satisfaçam as necessidades humanas, de acordo com as leis naturais. Exemplos: Exemplos: Cadeira, cura da AIDS, um programa de computador, etc. Cadeira, cura da AIDS, um programa de computador, etc. Metodologia: Metodologia: Essencialmente empírica. Essencialmente empírica. Compreensão por construção/simulação e avaliação do resultado. Compreensão por construção/simulação e avaliação do resultado.

23 Inteligência Artificial 22 Interação com outras disciplinas Matemática Sociologia Psicologia Filosofia Lingüística Computação IA Neuro-fisiologia Genética

24 Inteligência Artificial 23 OBJETIVOS DA IA Desenvolver sistemas para realizar tarefas que ainda –são melhor realizadas por seres humanos que por máquinas, ou –não possuem solução satisfatória pela computação convencional. Reproduzir o comportamento inteligente. Entender entidades inteligentes.

25 Inteligência Artificial 24 SISTEMA INTELIGENTE Um sistema inteligente deve ser capaz de adaptar-se a novas situações, raciocinar, entender relações entre fatos, descobrir significados, reconhecer a verdade e aprender com base em sua experiência.

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

27 Inteligência Artificial 26 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.

28 Inteligência Artificial 27 APLICAÇÕES Sistemas tutores: modelagem do aluno, escolha de estratégias pedagógicas. Percepção: visão, tato, audição, olfato, paladar... Robótica (software e hardware): manipulação, navegação, monitoramento.

29 Inteligência Artificial 28 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,...

30 Inteligência Artificial 29 APLICAÇÕES Computação: –programação automática. –interfaces adaptativas. –bancos de dados dedutivos e ativos. –mineração de dados (data mining). –sistemas distribuídos, etc.

31 Inteligência Artificial 30 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.? APLICAÇÕES: SISTEMAS DE CONTROLE

32 Inteligência Artificial 31 APLICAÇÕES: PREVISÃO Como prever o valor do dólar? Do clima? Das ações da bolsa? Das eleições? Que dados são relevantes? Há comportamentos recorrentes?

33 Inteligência Artificial 32 FIFA Soccer 2006 NBA 2006 APLICAÇÕES: SIMULAÇÕES E JOGOS Como modelar o ambiente físico e o comportamento/personalidade dos personagens? Como permitir interação interessante com o usuário?

34 Inteligência Artificial 33 APLICAÇÕES: RECOMENDAÇÃO DE PRODUTOS Como fazer recomendações personalizadas de produtos? Como modelar os perfis dos compradores?

35 Inteligência Artificial 34 APLICAÇÕES: BUSCA DE INFORMAÇÃO NA WEB Como localizar a informação relevante?

36 Inteligência Artificial 35 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?

37 Inteligência Artificial 36 Aplicações: interfaces amigáveis Como dar ao usuário a ajudar de que ele precisa? Como interagir com o celular sem ter que digitar?

38 Inteligência Artificial 37 DIFICULDADES Representação: –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.

39 Inteligência Artificial 38 Dificuldades: Xadrez Impossível reduzir o problema a um formalismo matemático. Uma busca exaustiva do melhor movimento é impraticável. Solução baseada em heurísticas.

40 Inteligência Artificial 39 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.

41 Inteligência Artificial 40 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.

42 Inteligência Artificial 41 CONHECIMENTO Programa em IA = Agente racional –entidade de software que age em um ambiente segundo um princípio de racionalidade

43 Inteligência Artificial 42 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

44 Inteligência Artificial 43 Raciocínio: –processo de construção de novas sentenças a partir de outras sentenças. Deve-se assegurar que o raciocínio é plausível. Conhecimento: Representação e Uso fatosfatossentenças Mundo Representação segue-se implica semântica

45 Inteligência Artificial 44 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.

46 Inteligência Artificial 45 PARADIGMA CONEXIONISTA REDES NEURAIS linguagem redes de elementos simples. linguagem redes de elementos simples. raciocínio aprender diretamente a função entrada-saída. raciocínio aprender diretamente a função entrada-saída.

47 Inteligência Artificial 46 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.

48 Inteligência Artificial 47 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 através de sucessivas gerações.

49 Tensões Centrais da IA Sistemas baseados em Redes Neurais Redes Bayesianas Algoritmos genéticos Sistemas Especialistas Sistemas Nebulosos (fuzzy) Sistemas de Aprendizagem simbólica indutiva conhecimento em intenção (regras) conhecimento em extensão (exemplos) simbóliconumérico Sistemas baseado em casos Robôs Processamento de Linguagem Natural

50 Inteligência Artificial 49 Computação convencional x IA: classes de problemas Solução matemática (NÃO), conhecimento (SIM): IA simbólica IA simbólica Modelo do problema (NÃO), exemplos de solução (SIM): IA (aprendizagem) IA (aprendizagem) Autonomia, adaptabilidade, interoperabilidade: IA simbólica IA simbólica Repositório de conhecimento especialista (expertise): IA simbólica IA simbólica

51 Inteligência Artificial 50 Computação convencional x IA: METAS Tarefas para as quais os seres humanos são ineficientes. Fornecimento de explicações inteligíveis. Adaptabilidade para novas instâncias do problema. Adaptabilidade para novas instâncias do problema. Privilégio das soluções heurísticas. Privilégio das soluções heurísticas.

52 Inteligência Artificial 51 age racionalmente: Máquina que age racionalmente: Agente racional que escolhe ações que maximizam chances do ambiente ficar em estados que satisfazem objetivos. Teoria da decisão, otimização, economia. Atos reflexos. raciocina racionalmente: Máquina que raciocina racionalmente: Lógica, Probabilidades. P(A|B) Definições da IA age humanamente: Máquina que age humanamente: Teste de Turing? raciocina humanamente: Máquina que raciocina humanamente: Modelagem cognitiva

53 Inteligência Artificial 52 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!

54 Inteligência Artificial 53 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?

55 Inteligência Artificial 54 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.

56 Inteligência Artificial 55 O que é inteligência? Quem é mais inteligente? Seu médico ou sua empregada doméstica? Seu advogado ou sua criança de 1 ano? Kasparov ou Ronaldinho? x ?

57 Inteligência Artificial 56 Novo desafio benchmark e teste de Turing para IA. Competição anual associada a conferência de IA.

58 Inteligência Artificial 57 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.

59 Inteligência Artificial 58 Faturamento da indústria da IA: –Bilhões de dólares. –fonte: Empresas especializadas em IA: –http://dmoz.org/Computers/Artificial_Intelligence/Companies/ Grandes empresas desenvolvendo e utilizando IA: –IBM, HP, Sun, Microsoft, Unisys, Google, Amazon.com,... Grandes empresas utilizando IA: –www.businessweek.com/bw50/content/mar2003/a htm –Wal-Mart, US Bancorp, LucasArts, American Express... Órgãos governamentais utilizando IA: –US National Security Agency

60 Inteligência Artificial 59 Pluridisciplinaridade da IA Busca heurística Representação do conhecimento Raciocínio automático Planejamento Aprendizagem e aquisição de conhecimento Sistemas multiagente Reconhecimento de padrões Problemas Jogos Sistemas Especialistas Percepção Computacional Visão Processamento de Voz Integração de Sensores Processamento de Linguagem Natural Robótica Navegação Manipulação Aplicações 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

61 Inteligência Artificial 60 Ed Outromundo Feito pela Insite para a Petrobras. Equipe de especialistas em diversas áreas como Inteligência Artificial, Computação Gráfica, Lingüística, além de um grupo de escritores, profissionais da área de petróleo, gás e energia e até uma psicóloga.

62 Inteligência Artificial 61 Ed Outromundo - OBJETIVO Criar para o cliente (CONPET/Petrobras) um personagem virtual capaz de conversar com os usuários no site, em português, como se fosse um personagem real. Voltado para o público infanto-juvenil, capaz de ensinar, entreter e responder questões relacionadas aos assuntos de utilização racional dos derivados do petróleo e do gás natural, preservação de energia, meio ambiente, projetos e dicas de economia.

63 Inteligência Artificial 62 Ed Outromundo Utilizou-se técnicas de inteligência artificial aperfeiçoando o software InBot, que vêm sendo desenvolvido pelo Grupo de Lingüística da Insite desde 1998.

64 Inteligência Artificial 63 Passos para criação do personagem: 1. Levantamento de dados. 2. Elaboração do perfil psicológico e de conteúdo do personagem. 3. Elaboração gráfica (ilustrações e 3D). 4. Elaboração do manual de redação e estilo. 5. Programação da Base de Conhecimento (ensinar ao personagem sobre os assuntos relacionados ao conteúdo). 6. Criação da interface de comunicação com o usuário no site. 7. Manutenção do conteúdo e do personagem.

65 Inteligência Artificial 64 Sete Zoom Modelo Virtual (UNILEVER) Criada pela Insite para a Gessy Lever. O projeto consistiu na criação da inteligência e conhecimento da personagem que tem a função de interagir com os internautas que acessam o site da Close Up.

66 Inteligência Artificial 65 Sete Zoom Mais de 1 milhão de frases conversadas em apenas 2 meses. Mais de 40 matérias publicadas na imprensa. A mais famosa modelo virtual brasileira 7 escritores, 1 roteirista, 2 programadores. 2 meses de desenvolvimento. Respostas para mais de 95% das frases dos usuários.

67 Inteligência Artificial 66 Sete Zoom Diversos conceitos existentes em uma conversa humana foram incorporados no programa como memória, contexto, aprendizado e aparente elaboração de idéias a partir de um assunto. As respostas dadas pelo programa são criadas a partir de uma personalidade (consciência sintética) e de uma base de conhecimento criada pela equipe de escritores e programadores. As frases com respostas são escolhidas e montadas automaticamente pelo programa de forma tão realística que fazem com que os usuários do chat fiquem em dúvida se estão conversando com uma pessoa ou com um programa de computador. Mais de uma hora de conversação sem que o visitante percebesse que estava dialogando com um programa de computador.

68 Inteligência Artificial 67 PASSOS PARA O DESENVOLVIMENTO Definição do perfil do personagem. Definição das áreas de conhecimento (conteúdo). Coleta do conteúdo. Acompanhamento das conversas pelos logs e relatórios. Manutenção de conteúdo.

69 Inteligência Artificial 68 MÉTODOS NÃO INFORMADOS DE BUSCA Não utilizam qualquer conhecimento específico do problema. Chamados de busca cega.

70 69 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

71 70 Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo) 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 então o problema é nos cabos da bateria Regra 3: se o motor não trabalha, e as luzes ligam então o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível então o motor tem combustível Memória de Trabalho O problema é X Base de Conhecimento

72 71 Memória de Trabalho o motor tem combustível o motor trabalha o problema é nas velas Base de Conhecimento Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo) 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 então o problema é nos cabos da bateria Regra 3: se o motor não trabalha, e as luzes ligam então o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível então o motor tem combustível

73 72 Memória de Trabalho o depósito tem combustível o carburador tem combustível o motor tem combustível o motor trabalha o problema é nas velas Base de Conhecimento 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 então o problema é nos cabos da bateria Regra 3: se o motor não trabalha, e as luzes ligam então o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível então o motor tem combustível Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo)

74 73 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 depósito tem combustível? O carburador tem combustível? O carburador tem combustível? O motor está a trabalhar? O motor está a trabalhar?

75 Inteligência Artificial 74 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

76 Inteligência Artificial 75 Explicação Perguntas: porquê (última regra em prova) como (sequência de passos para a conclusão) Suponhamos as seguintes respostas às perguntas: O depósito tem combustível? Sim O carburador tem combustível?Sim O motor está a trabalhar?Porquê? Sistema: Foi estabelecido que 1. o motor tem combustível. Se 2. o motor trabalha então o problema é nas velas.

77 Inteligência Artificial 76 O sistema chegou à conclusão: o motor tem combustível Podemos perguntar:como o motor tem combustível? Sistema: Isto resulta da regra 4: se o depósito tem combustível, e o carburador tem combustível então o motor tem combustível. O depósito tem combustível foi confirmado pelo utilizador. O carburador tem combustível foi confirmado pelo utilizador.

78 77 Diagnóstico de Avarias em Automóveis (Raciocínio Para a Frente - Orientado aos Dados) Memória de Trabalho O motor tem combustível (é derivável) O motor trabalha (não) Base de Conhecimento 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 então o problema é nos cabos da bateria Regra 3: se o motor não trabalha, e as luzes ligam então o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível então o motor tem combustível

79 78 Memória de Trabalho o carburador tem combustível (sim) o depósito tem combustível (sim) O motor tem combustível o motor trabalha (sim) o problema é das velas Base de Conhecimento 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 então o problema é nos cabos da bateria Regra 3: se o motor não trabalha, e as luzes ligam então o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível então o motor tem combustível Diagnóstico de Avarias em Automóveis (Raciocínio Para a Frente - Orientado aos Dados)

80 Inteligência Artificial 79 Regra2 Grafo para a procura da solução Primeira iteração Mem. Trabalho Falha Dispara Mem. Trabalho... O problema é nas velas Regra1 Regra4 Regra3 Regra2 Regra1 Regra3 Regra4 Sai pois nenhuma regra unifica Segunda iteração

81 80 Raciocínio Baseado em Modelos Substitui heurísticas na resolução de um problema. A análise é fundamentada diretamente na especificação e funcionalidade do sistema físico (um modelo do sistema). Normalmente aplica-se no diagnóstico. O sistema é simulado assim como a estrutura e funcionamento das suas componentes. 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

82 81 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...

83 82 ALGORITMO DE INFERÊNCIA 1. Procurar casos similares na memória cuja solução pode ser aplicada à nova situação (características comuns). 2. Modificar um desses casos para aplicar à situação nova (alterar sequência dos passos que levam de um estado inicial a um estado final). 3. Aplicar o caso transformado ao novo problema. 4. Guardar a solução com uma medida do sucesso ou insucesso para uso futuro.

84 83 RACIOCÍNIO BASEADO EM REGRAS VANTAGENS modo direto modo direto modular modular desempenho desempenho facilidades de explicação facilidades de explicação as regras encaixam-se naturalmente na procura num espaço de estados as regras encaixam-se naturalmente na procura num espaço de estados o processo de inferência é fácil de seguir e depurar o processo de inferência é fácil de seguir e depurar os passos para a solução do problema são facilmente inspecionáveis os passos para a solução do problema são facilmente inspecionáveis

85 84 RACIOCÍNIO BASEADO EM REGRAS DESVANTAGENS regras altamente heurísticas, falta de profundidade não manuseiam falta de informação ou valores inesperados muito específico na aplicação

86 85 RACIOCÍNIO BASEADO EM CASOS Vantagens: codificação direta de conhecimento histórico 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 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) evita erros do passado e explora os sucessos (aprendizagem) não é necessária uma análise extensiva do domínio do conhecimento não é necessária uma análise extensiva do domínio do conhecimento aquisição de conhecimento e sua codificação relativamente fáceis aquisição de conhecimento e sua codificação relativamente fáceisDesvantagens: explicação difícil explicação difícil desempenho computacional (bases de dados extensas) desempenho computacional (bases de dados extensas) difícil definir critérios de similaridade difícil definir critérios de similaridade

87 86 Raciocínio Baseado em Modelos vantagens: uso de conhecimento funcional/estrutural uso de conhecimento funcional/estrutural robustez (ao contrário do baseado em regras) robustez (ao contrário do baseado em regras) algum conhecimento é transferível entre tarefas (teorias genéricas...) algum conhecimento é transferível entre tarefas (teorias genéricas...) explicação causal explicação causaldesvantagens: falta de conhecimento heurístico falta de conhecimento heurístico requer um modelo explícito do domínio (nem sempre é possível) requer um modelo explícito do domínio (nem sempre é possível) complexidade complexidade situações excepcionais (um componente avariado) situações excepcionais (um componente avariado)

88 87 RACIOCÍNIO BASEADO EM REPRESENTAÇÕES HÍBRIDAS regras + casos regras + modelos modelos + casos

89 88

90 Inteligência Artificial 89 TIPOS DE CONHECIMENTO Conhecimento ProcedimentalConhecimento Procedimental Conhecimento DeclarativoConhecimento Declarativo MetaconhecimentoMetaconhecimento Conhecimento HeurísticoConhecimento Heurístico Conhecimento EstruturalConhecimento Estrutural


Carregar ppt "Inteligência Artificial www.oderson.com 1DICAS Questione os temas propostos nas aulas, fica mais fácil aprender. Demonstre interesse pelo conteúdo explanado."

Apresentações semelhantes


Anúncios Google