Carregar apresentação
A apresentação está carregando. Por favor, espere
1
Prof. Dr. Cairo L. Nascimento Jr.
7a SEAU, UNIVAP, 19/Outubro/2005 Demonstração de Técnicas de Inteligência Artificial Prof. Dr. Cairo L. Nascimento Jr. Divisão de Engenharia Eletrônica Instituto Tecnológico de Aeronáutica Home Page:
2
Demonstração de Técnicas de IA
Motivação Por que desejamos máquinas inteligentes? Sobrevivência x Comforto, Necessidades físicas (esforço físico e mental), Necessidades emocionais (filmes Blade Runner e IA, Sony AIBO e QRIO, chatterbot ALICE
3
Demonstração de Técnicas de IA
Entertainment Robot AIBO (
4
Demonstração de Técnicas de IA
5
Demonstração de Técnicas de IA
Definição de Inteligência Inteligência das máquinas atuais. Estudo da Inteligência. Tipos e Medição de Inteligência: Humana, Animal, das Máquinas, Extra-terrestre
6
Demonstração de Técnicas de IA
Definição de Inteligência Comportamento Inteligente: Importante para Competição (Seleção Natural), Adaptação (mudanças no meio-ambiente), Reconhecimento de Padrões (visão, fala, diagnóstico de falhas/doenças, aplicações financeiras, detecção de fraudes), Planejamento (Modelos, Otimização) e Auxílio a Tomada de Decisões, Cooperação e Comunicação com outros indivíduos.
7
Demonstração de Técnicas de IA
DARPA Grand Challenge 2005: Percurso: 211 Km, Prêmio: US$ 2M, 9/Out/2005
8
Demonstração de Técnicas de IA
Exemplos de desenvolvimento de Equipamento Inteligente no ITA:
9
Demonstração de Técnicas de IA
Exemplos de desenvolvimento de Equipamento Inteligente no ITA: Barco Autonômo
10
Demonstração de Técnicas de IA
Exemplos de desenvolvimento de Equipamento Inteligente no ITA: Romeo I e Romeo II:
11
Demonstração de Técnicas de IA
Exemplos de desenvolvimento de Equipamento Inteligente no ITA Romeo 3,
12
Demonstração de Técnicas de IA
Algoritmo A-estrela
13
Demonstração de Técnicas de IA
Algoritmo Minimax
14
Demonstração de Técnicas de IA
Diferentes formas de representação. Exs.: Modelo paramétrico (função de transferência para sistemas LIT), Modelo baseado em regras (fuzzy expert systems), Modelo neural, fuzzy-neural. Aquisição de modelos dinâmicos a partir de dados reais. Diferentes níveis de supervisão: Muito forte, forte, fraca, muito fraca.
15
Demonstração de Técnicas de IA
Supervisão Muito Forte: o supervisor insere os parâmetros (ou as regras) no modelo. Supervisão Forte: o supervisor fornece exemplos de entrada-saída (pares x,y). Supervisão Fraca: o supervisor classifica apenas os casos típicos. Supervisão Muito Fraca: o supervisor classifica como SUCESSO ou FALHA um conjunto de ações sucessivas.
16
Demonstração de Técnicas de IA
Supervisão Muito Forte: Controlador Fuzzy
17
Demonstração de Técnicas de IA
Controlador Fuzzy
18
Demonstração de Técnicas de IA
Controlador Fuzzy
19
Demonstração de Técnicas de IA
Supervisão Forte: Aprendizado usando pares [X,Yreal]
20
Demonstração de Técnicas de IA
Supervisão Forte: Redes Neurais tipo feedforward Algoritmo Back-Propagation
21
Demonstração de Técnicas de IA
Reconhecimento de Caracteres 0-9,A-F com ruído
22
Demonstração de Técnicas de IA
Reconhecimento de Caracteres: Antes do treinamento
23
Demonstração de Técnicas de IA
Reconhecimento de Caracteres: Após o treinamento
24
Demonstração de Técnicas de IA
Reconhecimento de Caracteres: Teste estatístico
25
Demonstração de Técnicas de IA
Supervisão Fraca: Redes de Kohonen
26
Demonstração de Técnicas de IA
Reconhecimento de Caracteres: Mapa de Agrupamento após o treinamento
27
Demonstração de Técnicas de IA
Reconhecimento de Caracteres: Teste estatístico
28
Demonstração de Técnicas de IA
Supervisão Muito Fraca: Aprendizado por Reforço Algoritmo Bootstrap Learning “Learn by doing it”. Supervisor apenas classifica o resultado de uma série de ações em 2 categorias: SUCESSO, FRACASSO. A cada estado (x), existem N ações (u) possíveis. Para cada par (x,u) define-se P = probabilidade de sucesso. Em geral P(x,u) não é conhecido e deve ser estimado.
29
Demonstração de Técnicas de IA
Supervisão Muito Fraca: Aprendizado por Reforço Algoritmo Bootstrap Learning Um conjunto de ações é escolhido usando o valor estimado de P. O resultado destas ações é avaliado pelo supervisor e usado para atualizar a estimativa de P(x,u).
30
Demonstração de Técnicas de IA
Problema do Labirinto: Após o treinamento
31
Demonstração de Técnicas de IA
Conclusões Aplicações extremamente práticas. Alguns exs.: classificação de empresas de telecomunicações, classificação de sinais eletrocardiográficos, temporarização de semafóros de tráfego urbano, otimização de sequências de montagens, previsão de preços de produtos. Grandes benefícios para a indústria nacional.
32
Demonstração de Técnicas de IA
Conclusões Estamos aumentando o nível de inteligência das nossas máquinas (lentamente ou rapidamente?). Área altamente multi-disciplinar e desafiadora. Muitas oportunidades para pesquisa teórica e aplicada.
33
Demonstração de Técnicas de IA
Mais alguns links interessantes: DARPA Grand Challenge Kohonen Networks: RL: Learning a motion to move to the front Mais demos:
34
Demonstração de Técnicas de IA
Para mais detalhes: Livro “Inteligência Artificial em Controle e Automação”, 2000 (re-impressões em 2002 e 2004) Autores: Cairo L. Nascimento Jr. e Takashi Yoneyama (ITA) Ed. Edgard Blücher e FAPESP
35
Demonstração de Técnicas de IA
Muito obrigado pela sua atenção!! Cairo
Apresentações semelhantes
© 2024 SlidePlayer.com.br Inc.
All rights reserved.