Introdução

(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

(1) História da 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

(1) História da Inteligência Artificial 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

(1) História da Inteligência Artificial 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

(1) História da Inteligência Artificial 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”

(1) História da Inteligência Artificial 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

(1) História da Inteligência Artificial 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

(1) História da Inteligência Artificial 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.

(2) Sistemas Inteligentes Pensando “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? “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” Humanamente Idealmente (racionalmente) “O ramo da Ciência da Computação que estuda a automação de comportamento inteligente” Agentes Racionais: percebem e atuam no ambiente “A arte de criar máquinas que realizam funções que requerem inteligência quando realizadas por pessoas” (50-70) O Teste de Turing Agindo

(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 IA problemas que não possuem uma solução algorítmica Sistemas Inteligentes problemas solúveis por seres humanos

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

(2) Sistemas Inteligentes Partes de um Sistema Inteligente: Conhecimento Aquisição Aprendizagem Percepção Representação Lógica Redes Uso Raciocínio Planejamento PLN Robótica …

(3) Correntes da IA 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

Satisfação de Restrições (3) Correntes da IA conhecimento em intenção (regras) Sistemas de PLN Sistemas Nebulosos (fuzzy) Sistemas Especialistas Redes Bayesianas Sistemas baseados em Satisfação de Restrições numérico Robôs simbólico Sistemas baseado em casos Algoritmos genéticos Sistemas de Aprendizagem simbólica indutiva Sistemas baseados em Redes Neurais conhecimento em extensão (exemplos)

(3) Correntes da IA: Paradigma Simbólico 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

(3) Correntes da IA: Paradigma Simbólico 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 semântica

(3) Correntes da IA: Paradigma Simbólico A) " x,y,z Americano(x) Ù Arma(y) Ù Nação(z) Ù Hostil(z) Ù Vende(x,z,y) Þ Criminoso(x) B) " x Guerra(x,USA) Þ Hostil(x) C) " x InimigoPolítico(x,USA) Þ Hostil(x) D) " x Míssil(x) Þ Arma(x) E) " x Bomba(x) Þ Arma(x) F) Nação(Cuba) G) Nação(USA) H) InimigoPolítico(Cuba,USA) I) InimigoPolítico(Irã,USA) J) Americano(West) K) $ x Possui(Cuba,x) Ù Míssil(x) L) " x Possui(Cuba,x) Ù Míssil(x) Þ Vende(West, Cuba,x) WEST é criminoso? M) Possui(Cuba,M1) - Eliminação: quantificador existencial e N) Míssil(M1) conjunção de K O) Arma(M1) - Modus Ponens a partir de D e N P) Hostil(Cuba) - Modus Ponens a partir de C e H Q) Vende(West,Cuba,M1) - Modus Ponens a partir de L, M e N R) Criminoso(West) - Modus Ponens a partir de A, J, O, F, P e Q

(3) Correntes da IA: 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. É uma outra abordagem: linguagem -> redes de elementos simples raciocínio -> aprender diretamente a função entrada-saída

(3) Correntes da IA: Paradigma Conexionista w1i e(i) sj wji ó õ s(i) wni sn camada de entrada camada de saída camada escondida

(3) Correntes da IA: Paradigma Evolutivo 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]

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