Inteligência Artificial e Sistemas Inteligentes

Apresentação em tema: "Inteligência Artificial e Sistemas Inteligentes"— Transcrição da apresentação:

1 Inteligência Artificial e Sistemas Inteligentes

2 Inteligência Artificial
Conceitos gerais Dimensões/abordagens Fundamentos Histórico Aplicações Paradigma simbólico

3 Inteligência artificial (IA): Conceitos gerais
IA e CC Sistemas Especialistas (SEs) Processamento de Linguagem Natural (PLN) Interação Humano-Computador (IHC) Recuperação de Informação (IR) Data Mining (DM) Robótica

4 Conceitos gerais Comportamento inteligente de artefatos em ambiente complexo percepção raciocínio aprendizado comunicação ação e planejamento

5 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.

6 Agente Sistema com propriedades de:
reação à propriedades percebidas do ambiente algumas informações não podem ser imediatamente percebidas INFORMAÇÕES DESCRITIVAS SOBRE O AMBIENTE = CONHECIMENTO

7 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

8 Objetivos Engenharia - construção
Científicos - compreensão e teorização Filosóficos ???? as máquinas podem pensar ????

9 Um pouco de filosofia Máquinas podem pensar??? O que são máquinas?
O que é pensar? O que quer dizer podem?

10 Dimensões/abordagens da IA
Pensando “O estudo das faculdades mentais através do uso de modelos computacionais” “A automação de atividades que nós associamos com o pensamento humano” Racionalmente Como humanos “A arte de criar máquinas que realizam funções que requerem inteligência quando realizadas por pessoas” “O ramo da Ciência da Computação que estuda a automação de comportamento inteligente” Agindo

11 Dimensões/abordagens da IA
conhecimento intensional (regras) Sistemas de PLN Sistemas Nebulosos (fuzzy) Redes Bayesianas Sistemas Especialistas numérico Robôs simbólico Algoritmos genéticos Sistemas baseado em casos Sistemas de Aprendizagem simbólica indutiva Sistemas baseados em Redes Neurais conhecimento extensional (exemplos)

12 Paradigmas Simbólico (IA clássica ou GOFAI): metáfora lingüística
ex. sistemas especialistas, agentes,... Conexionista: metáfora cerebral ex. redes neurais Evolucionista: metáfora da natureza ex. algoritmos genéticos, vida artificial Estatístico/Probabilístico Ex. Redes Bayesianas, sistemas difusos

13 Sub-áreas da IA Resolução de problemas Representação de conhecimento
Raciocínio lógico (teórico) Sistemas especialistas (prático) Processamento de linguagem natural (inter-disciplinar) Agentes inteligentes, sistemas multi-agentes

14 Fundamentos Matemática Filosofia Sociologia IA Lingüística Psicologia
Computação Neuro-fisiologia Genética

15 Filosofia Sócrates, Platão, Aristóteles mente racional (400 AC)
Descartes (1600) dualismo (natureza física x mente, livre arbítrio) Materialismo mundo (cérebro e mente) funciona de acordo com leis físicas Empiricismo fonte do conhecimento (observação dos fatos e generalização de regras) Positivismo lógico conhecimento pode ser expresso em teorias lógicas

16 Matemática (lógica) Aristóteles Boole Frege Tarski Hilbert Godel
Turing Church Bayes

17 Matemática Aristóteles – explica o raciocínio dedutivo
Boole – 1840 formalização de operações lógicas Frege – 1880 lógica de primeira ordem, termo e predicado, quantificação Tarski – 1940 relação dos objetos da lógica com objetos do mundo (modelo) Hilbert – 1900 formalização da matemática

18 Matemática Godel – 1930 incompletude da aritmética
mostrou que existe um procedimento efetivo para provar uma proposição verdadeira em lógica de primeira ordem, mas que esta lógica não poderia capturar o princípio de indução matemática necessária para caracterizar os números naturais Turing e Church – 1940 computabilidade Computabilidade x tratabilidade (complexidade) Bayes (1760) – probabilidade

19 Psicologia 1850 – primeiro laboratório de psicologia experimental para estudo da visão humana pesquisa baseada na introspecção dos sujeitos (subjetivismo) Behaviorismo (1900) Observação da ação (reação) dos sujeitos

20 Psicologia 1900 Psicologia cognitiva: metáfora computacional do cérebro Crenças, objetivos, raciocínio: elementos para uma teoria do comportamento humano Características de um agente baseado em conhecimento o estímulo deve ser traduzido para uma representação interna; a representação é manipulada por processos cognitivos para derivar novas representações internas; estas representações são re-traduzidas em ação.

21 Engenharia computacional
Hardware Aumento da velocidade de processamento e capacidade de memória Software Linguagens, metodologias, interfaces

22 Lingüística Chomsky – 1957 estruturas sintáticas
Linguagem: estrutura das sentenças + conhecimento do mundo Filosofia da linguagem – representação do conhecimento Campo híbrido: processamento de linguagem natural ou lingüística computacional

23 História Inteligência Inteligência Artificial
Estudada há mais de 2000 anos por filósofos Raciocínio, memória, aprendizado, visão Inteligência Artificial surgiu na década de 50 estuda a inteligência de maneira teórica e experimental

24 História Primeiro trabalho (1943) Primeiro Evento (1956)
McCulloch and Pitts: implementação dos operadores lógicos através de uma rede neural Primeiro Evento (1956) Newell and Simon – LogicTheorist (resolvedor de teoremas)

25 História GPS (General Problem Solver) – 1960 Newell and Simon
Linguagem LISP – McCarthy 1958 Micro-mundos – Minsky 1963 (problemas de domínios limitados) O mundo dos blocos – 1968 Linguagem Prolog - Edinburgh/Marseilles 1970

26 História Primeiros programas de tradução automática (artigos científicos Russo – Inglês) caíram em descrédito Exemplo O espírito é forte mas a carne é fraca A vodka é boa mas a carne é podre Financiamentos cancelados em 1966

27 História 1969 ressurgimento do entusiasmo
Sistemas especialistas 70/80 Alguns sistemas famosos são SHRLDU (interface em linguagem natural aplicado ao mundo de blocos) MYCIN (diagnostico médico) LUNAR (interface para geólogos interrogarem sobre as mostras de rochas trazidas pela Appolo na missão lunar - o primeiro usado por pessoas que não os projetistas do sistema).

28 História Projeto japonês: a quinta geração de computadores (IA, Prolog, PLN) repercusões no financiamento global para a área de IA Deep blue vence Kasparov algoritmos de busca computadores de alta velocidade hardware específico para xadrez

29 Tendências atuais passagem de sistemas experimentais para aplicações reais de larga escala representação de conhecimento (CYC) reconhecimento da fala robótica visão internet (softbots)

30 Aplicações Pesquisa operacional: busca e otimização, heurísticas em geral Jogos: xadrez, damas, etc. Processamento de linguagem natural: tradução automática, verificadores ortográficos e sintáticos, interfaces para BDs, reconhecimento da fala, etc.

31 Aplicações Sistemas tutores: modelagem do aluno, escolha de estratégias pedagógicas, etc. Percepção: visão, tato, audição, olfato, paladar... Robótica (software e hardware): manipulação, navegação, etc.

32 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,... Computação: bancos de dados dedutivos, interfaces adaptativas, mineração de dados (data mining), programação automática, etc.

33 Dificuldades Representação: Generalidade x eficiência
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

34 Dificuldades: Xadrez Impossível reduzir o problema a um formalismo matemático Uma busca exaustiva do melhor movimento é impraticável Solução baseada em heurísticas

35 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, comparáveis entre si

36 IA Paradigma simbólico: metáfora lingüística
(IA clássica ou GOFAI Good Old Fashion) Resolução de problemas Representação de conhecimento Lógica Processamento de linguagem natural Agentes inteligentes

37 Conhecimento É preciso ter conhecimento sobre:
as propriedades relevantes do mundo como o mundo evolui os estados desejáveis as conseqüências das ações no mundo

38 Representação Raciocínio:
processo de construção de novas sentenças a partir de outras sentenças. fatos fatos sentenças sentenças Mundo Representação segue-se implica semântica