FACENS – Engenharia da Computação Inteligência Artificial Introdução e Histórico

O que é IA? Entender e construir artefatos com comportamento inteligente. Responder: O que somos nós? Artefatos inteligentes seriam muito úteis. Mas… o que é a inteligência? Não sabemos… Pistas - coisas que parecem constituí-la: –Memória, Raciocínio, Aprendizado, Pensamento, Criatividade, Consciência, etc… Os animais tem algumas destas propriedades… e algumas máquinas também! Podem ser considerados inteligentes até um certo grau.

Inteligência Artificial Dificuldades de definição Ciência multidisciplinar Problemas filosóficos Inteligência humana X Racionalidade IA Forte X IA Fraca Simbolistas X Conexionistas IA X IC (Inteligência Computacional)

O Contexto da Ciência IA Ciência Cognitiva: estudo dos processos cognitivos da inteligência consciente: envolve filosofia, neurociência, psicologia e a própria IA. IA: Ciência multidisciplinar, que envolve lógica, matemática, filosofia, psicologia, biologia, engenharia, computação… Sub campo: Inteligência Computacional

Campo da IA: solução de problemas reproduzindo mecanismos dos seres biologicamente inteligentes Inteligência Computacional (IC) Computação Nebulosa (Fuzzy) (CF) Computação Neural (CN) Computação Evolutiva (CE)

Abordagens de IA Modelo: Humanos Agindo como o ser humano Pensando como o ser humano Modelo: Racionalidade (fazer tudo certo) Agindo racionalmente Pensando racionalmente

Agindo como o ser humano Teste de Turing Interessante do ponto de vista de que capacidades uma entidade inteligente teria: –Processamento de linguagem natural, representação do conhecimento, raciocícinio, aprendizado, visão e robótica. A questão é: talvez detalhes necessários para imitar um ser humano não sejam relevantes para a obtenção da inteligência… Exemplo do avião, que voa sem imitar pássaros.

Pensando como o ser humano Abordagem Cognitiva O problema é definir o que é o pensamento humano Várias correntes filosóficas com diferentes modelos do que é a mente, e se ela pode ou não ser reproduzida Muitos avanços foram realizados, principalmente na neurociência e psicologia, mas na verdade ainda não se sabe como emergem do cérebro as faculdades mentais.

Pensando racionalmente Campo da Lógica Padrões de argumentos que levam a conclusões corretas a partir de premissas corretas Todos os problemas que podem ser enunciados pela notação lógica podem ser resolvidos logicamente Entretanto, muitos dos problemas do mudo real são difíceis de traduzir para notação lógica…

Agindo racionalmente Agente racional: age em busca do melhor resultado (ou correto) Vantagens: a racionalidade (o que é certo em uma situação) é mais acessível ao desenvolvimento científico do que o comportamento humano Entretanto, a racionalidade perfeita muitas vezes requer muito em termos de recursos computacionais, por exemplo. E uma coisa é indiscutível: o modelo humano é um sucesso, que se adaptou e sobreviveu em um ambiente altamente complexo…

Disciplinas da IA Filosofia: Como formalizar o conhecimento? Como surge uma mente do cérebro? Materialismo / Dualismo Conexões entre conhecimento, sentidos e ação Matemática: Formalização da lógica O que pode ser computado? Raciocinar com incerteza Problemas intratáveis Mundo é uma instância de um problema extremamente grande!

Disciplinas da IA Economia: Teoria da decisão Teoria dos jogos Processos de decisão Markovianos Neurociência: O que ocorre no cérebro? Estrutura e função do sistema nervoso Diferenças da maneira como o cérebro e os sistemas digitais trabalham Psicologia: Como os seres pensam? Como explicar e realizar previsões sobre o comportamento humano? Senso comum

Disciplinas da IA Engenharia de Computação: Computadores mais eficientes Sistemas digitais mais parecidos com o cérebro Como artefatos podem operar de forma autônoma? Lingüística: Pensamento e linguagem seriam uma só coisa? Linguagem natural e computacional

Eventos da história da IA Gestação ( ) Neurônio artificial (McCulloch e Pitts) Aprendizagem Hebbiana Computador Neural (Minsky e Edmonds) Teste de Turing Nascimento (1956) Logic Theorist (Newel e Simon) Nomenclatura IA criada

Eventos da história da IA Entusiasmo ( ) GPS (resolver problemas de forma humana) Manipulação de símbolos Definição do LISP Redes adalines e perceptrons Evolução de máquina Realismo ( ) As previsões entusiasmadas falharam… Alguns problemas simples para humanos mostraram-se extremamente difíceis para máquinas. Limitações dos Perceptrons (Minsky)

Eventos da história da IA Sistemas Especialistas ( ) Focar soluções em seus domínios específicos Utilização de heurísticas Prolog e outras linguagens para modelar estes sistemas Explosão da IA Conexionismo: novos modelos e algoritmos ampliaram o poder das redes neurais Redes bayesianas Agentes inteligentes

Aplicações Atuais Automação e Controle Diagnóstico e Tomada de Decisão Jogos Planejamento Autônomo e Logístico Robótica Reconhecimento de Padrões (Imagens, linguagem)

Inteligência Artificial - Aplicações Representação de Conhecimento e Lógica Criar representações do mundo observado Inferência para derivar novas representações Utilização de lógica (inclusive nebulosa)

Inteligência Artificial - Aplicações Agentes Inteligentes Perceber o ambiente Atuar sobre o ambiente Atingir objetivos Aprender

Inteligência Artificial - Aplicações Resolução de Problemas Busca no espaço de soluções –Cega –Heurística Planejamento Seqüência de ações para alcançar um objetivo

Inteligência Artificial - Aplicações Incerteza e Tomada de Decisão Tratamento do conhecimento incerto: probabilidade Redes Bayesianas: inferência Utilidade em decisões

Inteligência Artificial - Aplicações Aprendizagem Árvores de decisão Computação neural Estatística Tipos Supervisionada: exemplos de entrada e saída Não supervisionada: padrões de entrada Por reforço: através de recompensa ou punição

Inteligência Artificial - Aplicações Comunicação Agentes trocando informações Lingüística Percepção Reconhecimento de Padrões Detecção de Movimento

Computação Nebulosa Representação de imprecisão, conhecimento vago Abstração de detalhes irrelevantes à solução do problema (significado ao invés de precisão) Computação com palavras, variáveis e valores lingüísticos Utilização de conhecimento especialista Algoritmos baseados nos conjuntos nebulosos e lógica nebulosa Abordagem cognitiva

Universo de discurso (U) 100 g500 g1 kg500 kg 1 tonelada Pertinência - µ A (x) x 0 1 0,5 LEVEPESADOMUITO PESADO Computação Nebulosa Variável Lingüística

Computação Nebulosa Sistema de Inferência Nebuloso Leitura do ambiente Transformação para mundo lingüístico Inferência nebulosa Resultado em valores lingüísticos Conversão para números para atuação no ambiente Variáveis lingüísticas entrada Regras de inferência fuzzy Variáveis lingüísticas saída Variáveis numéricas entrada Variáveis numéricas saída

Computação Neural Aprendizado e generalização de conhecimento Baseada na estrutura cerebral humana Abordagem conexionista

Computação Neural Neurônios Artificiais

Computação Neural Redes Neurais Artificiais

Computação Evolutiva Capacidade de adaptação e de busca de soluções em espaços muito grandes Baseado na teoria da evolução das espécies

Computação Evolutiva NÃO Inicializar a população de indivíduos. Criar descendentes dos indivíduos a partir de técnicas de variação aleatória. Avaliar a aptidão ou adequação de cada um dos descendentes gerados, que sejam candidatos à solução. Incorporar os indivíduos selecionados ao espaço de soluções. O novo conjunto de soluções satisfaz os requisitos? Terminou o problema. SIM

Leitura recomendada Capítulo 1 (p. 3-32), Russel & Norvig.