Sistemas de Informações Gerenciais Unidade Didática 7:

Apresentação em tema: "Sistemas de Informações Gerenciais Unidade Didática 7:"— Transcrição da apresentação:

1 Sistemas de Informações Gerenciais Unidade Didática 7:
INTELIGÊNCIA ARTIFICIAL NOS NEGÓCIOS

2 Objetivos do Capítulo 9 Identificar como as redes neurais, lógica difusa, algoritmos genéticos, realidade virtual e agentes inteligentes podem ser utilizados nos negócios. Dar exemplos das diversas maneiras pelas quais os sistemas especialistas podem ser utilizados nas situações de tomada de decisões nos negócios.

3 Utilizar a razão para solucionar problemas
Atributos do Comportamento Inteligente Pensar e raciocinar Utilizar a razão para solucionar problemas Aprender e compreender a partir da experiência Adquirir e aplicar conhecimentos Demonstrar criatividade e imaginação Lidar com situações complexas ou desconcertantes Reagir pronta e eficazmente a situações novas Reconhecer a importância relativa de elementos de uma situação Manipular informações ambíguas, incompletas ou errôneas

4 Inteligência artificial
É uma ciência e tecnologia baseada em disciplinas como informática, biologia, psicologia, lingüística, matemática e engenharia. Objetivo: desenvolver computadores que consigam pensar, bem como ver, ouvir, andar, falar e sentir.

5 Aplicações da Inteligência Artificial
da Ciência Cognitiva Aplicações da Robótica Aplicações de Interfaces Naturais Linguagens Naturais Reconhecimento de Discurso Interfaces Multissensoriais Realidade Virtual Sistemas Especialistas Lógica difusa Algoritmos Genéticos Redes Neurais Percepção Visual Locomoção Condução Tatilidade

6 Sistemas de Lógica Difusa
Áreas de Aplicação da IA nas Empresas Áreas de Aplicação da IA nas Empresas Redes Neurais Sistemas de Lógica Difusa Algoritmos Genéticos Realidade Virtual Agentes Inteligentes Sistemas Especialistas

7 1. CIÊNCIA COGNITIVA Área da IA baseada em pesquisas em biologia, neurologia, psicologia, matemática e muitas disciplinas afins. Se concentra em pesquisar como o cérebro humano funciona e como os seres humanos pensam e aprendem. Os resultados dessas pesquisas são a base para o desenvolvimento de uma diversidade de aplicações de inteligência artificial computadorizadas.

8 1. CIÊNCIA COGNITIVA Sistemas de Aprendizagem Adaptativa – modifica comportamento com base em informações adquiridas enquanto opera. Lógica Difusa –podem processar dados incompletos ou parcialmente corretos. Podem resolver problemas não estruturados e com respostas aproximadas. Rede Neural – o software pode aprender processando exemplos de problemas e soluções. Reconhece padrões e se programam para resolver problemas por si mesmo. Algoritmo Genético – o software utiliza a randomização darwiniana e funções matemáticas para simular processos evolutivos para gerar soluções melhores para problemas. Agentes Inteligentes – usam SE e outras tecnologias de IA para atuarem como substitutos de software para uma diversidade de aplicações dos usuários finais.

9 Lógica Difusa O conjunto de números pares e o conjunto de números ímpares são conjuntos precisos. O conjunto de homens e o conjunto de mulheres são virtualmente precisos - existe uma ligeira indefinição sobre hermafroditas e transexuais. Mas o que dizer da série de pessoas altas? Ninguém chamaria um homem com 1,50m de "alto" mas qualquer um chamaria uma mulher de 1,80m de "alta". Onde você traçaria o limite? Um homem de 1,70m de altura estaria na série de homens altos, ou não? Um asiático iria concordar, nesse ponto, com um europeu, ou um italiano com um sueco? Altura é algo subjetivo e contínuo, então é impossível fixar um determinado padrão de altura e excluir as demais pessoas que estejam fora dele. Se 1,80m é alto, 1,79m o que é? Uma vez que começamos a pensar sobre essas questões, sobre questões de gradação, nosso pensamento começa a ficar difuso.

10 APLICAÇÕES DA LÓGICA DIFUSA
Usa-se sistemas difusos devido a capacidade de processar eficientemente informações imprecisas e qualitativas de forma geral; Tais aplicações representam o conhecimento e a experiência existentes sobre uma determinado estado do processo ou situação; A partir dos dados de entrada podem inferir a evolução temporal, as variações ou mesmo gerar sugestões sobre as próximas ações a serem tomadas Exemplos: Consumo de combustível de um automóvel; expectativa da quantidade de hospedes em um hotel; etc. 10

11 Rede Neural

12 APLICAÇÕES DAS REDES NEURAIS
As redes neurais artificiais são um método para solucionar problemas através da simulação do cérebro humano, inclusive em seu comportamento, ou seja, aprendendo, errando e fazendo descobertas. São técnicas computacionais que apresentam um modelo inspirado na estrutura neural de organismos inteligentes e que adquirem conhecimento através da experiência. As redes neurais possuem nós ou unidades de processamento. Cada unidade possui ligações para outras unidades, nas quais recebem e enviam sinais. Cada unidade pode possuir memória local. Essas unidades são a simulação dos neurônios, recebendo e retransmitindo informações.

13 Algoritmo Genético Os AG’s são técnicas de busca baseadas nas Teorias da Evolução, nos quais as variáveis são representadas como genes em um cromossomo (indivíduo). Combinam a sobrevivência dos mais aptos com a troca de informação de uma forma estruturada, mas aleatória. O AG apresenta um grupo de soluções candidatas (população) na região de soluções. Por seleção natural e operadores genéticos, mutação e cruzamento, os cromossomos com melhor aptidão são encontrados. A seleção natural garante que os cromossomos mais aptos gerem descendentes nas populações futuras.

14 APLICAÇÕES DO ALGORITMO GENÉTICO
Neste problema um caixeiro deve percorrer um conjunto de “n” cidades e voltar a sua cidade de origem, passando uma única vez em cada cidade, de modo que a distância percorrida seja mínima. O número de caminhos possíveis pode ser deduzido através de ƒ(n) como sendo uma função que fornece o número de caminhos possíveis com “n” cidades. Ao se acrescentar mais uma cidade (n + 1), quantos novos trajetos são introduzidos? Para se ter uma idéia do grau de dificuldade para resolver este problema, basta dizer que o tempo esperado para se achar o menor caminho entre 25 cidades é de mais de 20 (vinte) vezes a idade do universo, supondo que seja possível calcular (dez mil) caminhos por segundo. Usando um Algoritmo Genético, procuramos obter a solução para este problema em um espaço de tempo plausível, onde poderemos mostrar o real poder de busca de um AG

15 Otimização no AG É a busca da melhor solução para um dado problema.
Consiste em tentar várias soluções e usar a informação obtida para conseguir soluções cada vez melhores. Exemplo de otimização: Telespectador através de ajuste na antena da televisão otimiza a imagem buscando várias soluções até alcançar uma boa imagem.

16 Agentes Inteligentes Interfaces Tutoriais de Procura Agentes de
Apresentação Navegação de Rede Desempenho de Papéis Interface com o Usuário Agentes de Gerenciamento Informações de Procura Corretores de Informação Filtros de

17 AGENTES INTELIGENTES Os agentes inteligentes devem ser capazes de operar em tempo real, de explorar vastas quantidades de conhecimento, de tolerar entradas como: erros inesperados, desconhecidos, usar símbolos e abstrações, comunicar através da língua natural, aprender com o ambiente circundante a exibir comportamentos adaptativos e orientados por objetivos. Assim eles ligariam capacidades de raciocínio à resolução de problemas.

18 APLICAÇÕES DE AGENTES INTELIGENTES
No comércio eletrônico, a rapidez de atuação e potencial de custo mais baixo da operação, deve-se ao relacionamento computador a computador, desde o início da troca de informações até o fechamento do contrato, onde poucos segundos serão necessários, pois os agentes inteligentes atuarão de acordo com as diretrizes de negócios estabelecidas pela área de compras da empresa, incorporada ao seu código. Outras atividades poderão ser incorporar a tecnologia de agentes inteligentes, como consultas sobre disponibilidade de estoque de determinado produto, seus eventuais substitutos, e muitas outras funções não automatizadas, em geral executadas por programas tradicionais, não autônomos, sob dependência de ações de pessoas da área de Compras ou Finanças daquelas organizações

19 Sistemas Especialistas
Definição sistemas que empregam o conhecimento humano para resolver problemas que requererem a presença de um especialista. Área de aplicação de mais sucesso da IA Utilidade servir de assistente a especialistas servir de repositório de conhecimento “valioso” para a empresa

20 Arquitetura de Sistemas Especialistas Baseados em Regras
Máquina de Inferência Usuário Dados do problema Base de conhecimento Explicação do raciocínio Respostas Engenheiro de Especialista Ferramentas de aquisição Memória de trabalho

21 Exemplo de Sistema Especialista
Se as seguintes condições são verdadeiras: o paciente apresenta estridor respiratório; há história prévia de insuficiência respiratória congestiva então são prováveis os seguintes diagnósticos: - edema pulmonar, com uma probabilidade de 80%; - asma, com uma probabilidade de 50% - embolismo pulmonar com uma probabilidade de 20%

22 Outro Exemplo de SE Análise de crédito: Sim ou Não
O cliente já fez compra anterior? Pagou dentro do prazo? A prestação é maior do que 30% do seu salário líquido? Possui passagem pelo SPC / Serasa? Apresentou toda documentação necessária?

23 Componentes do Sistema Especialista
Conselho Especia-lizado Programas de Interface com o Usuário Base de Conhecimento Programa Utilitário de Inferência Usuário Estação de Trabalho Desenvolvimento do Sistema Especialista Engenharia do Conhecimento Programa de Aquisição de Conhecimento Especialista e / ou Engenheiro do Conhecimento Estação de Trabalho

24 Principais Categorias de Aplicação de Sistemas Especialistas
Aplicações do Sistema Especialista Gerenciamento de Decisões Diagnóstico de Problemas de Operação Manutenção /Programação Projeto /Configuração Seleção /Classificação Principais Categorias de Aplicação de Sistemas Especialistas Monitoração /Controle de Processo

25 2. ROBÓTICA IA, engenharia e fisiologia são suas disciplinas básicas. Esta tecnologia produz máquinas-robôs com faculdades físicas semelhantes às humanas, inteligência de computador e controle por computador. Aplicações: Percepção visual (visão) Faculdades táteis (tato) Destreza (habilidade no manuseio e manipulação) Locomoção (capacidade para se mover sobre qualquer terreno) Condução (encontrar seu caminho até um ponto de destino)

26 3. INTERFACE NATURAL Seu desenvolvimento considerado uma das principais áreas de aplicação da IA e é essencial ao uso natural de computadores por seres humanos. O desenvolvimento de linguagens naturais e reconhecimento do discurso, por exemplo, são importantes objetivos desta área. Ser capaz de conversar com computadores e robôs em linguagens humanas de conversação e conseguir que eles nos “compreendam” é uma meta da pesquisa da IA. Envolve pesquisa e desenvolvimento em lingüística, psicologia, informática e outras disciplinas.

27 3. INTERFACE NATURAL Linguagem Natural – uma linguagem de programação de alto nível que é muito próxima da linguagem humana. Interfaces Multi-sensoriais – capacidade que os sistemas de computadores possuem para reconhecer diversos movimentos do corpo humano que lhes permite operar. Reconhecimento de voz – capacidade que um sistema de computador possui para reconhecer modelos de voz. Realidade Virtual – uso de interfaces multi-sensoriais homem-computador que permitem aos humanos experimentarem objetos, espaços e “mundos” simulados por computador como se estes realmente existissem.

28 As principais áreas de aplicação da IA compreendem:
Resumo do Capítulo 9 Os principais domínios de aplicação da inteligência artificial (IA) incluem uma multiplicidade de aplicações na ciência cognitiva, robótica e interfaces naturais. As principais áreas de aplicação da IA compreendem: Redes Neurais Lógica Difusa Algorítmos Genéticos Realidade Virtual Agentes Inteligentes