View
239
Download
0
Category
Preview:
Citation preview
Inteligência Artificial e Sistemas Inteligentes
Inteligência Artificial
Conceitos gerais Dimensões/abordagens Fundamentos Histórico Aplicações Paradigma simbólico
2
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
3
Conceitos gerais
• Comportamento inteligente de artefatos em ambiente complexo– percepção– raciocínio– aprendizado– comunicação– ação e planejamento
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.
Agente
• Sistema com propriedades de:– reação à propriedades percebidas do ambiente– algumas informações não podem ser
imediatamente percebidas• INFORMAÇÕES DESCRITIVAS SOBRE O AMBIENTE =
CONHECIMENTO
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
Objetivos
• Engenharia - construção• Científicos - compreensão e teorização• Filosóficos
– ???? as máquinas podem pensar ????
Um pouco de filosofia
• Máquinas podem pensar???– O que são máquinas?– O que é pensar?– O que quer dizer podem?
9
Dimensões/abordagens da IA
Pensando
Agindo
Como humanos Racionalmente
“A automação de atividades que nós associamos com o pensamento humano”
“A arte de criar máquinas que realizam funções que requerem inteligência quando realizadas por pessoas”
“O estudo das faculdades mentais através do uso de modelos computacionais”
“O ramo da Ciência da Computação que estuda a automação de comportamento inteligente”
Dimensões/abordagens da IA
Sistemas baseados emRedes Neurais
Redes Bayesianas
Algoritmosgenéticos
Sistemas Especialistas
Sistemas Nebulosos
(fuzzy)
Sistemas deAprendizagem
simbólica indutiva
Sistemas de PLN
conhecimento intensional (regras)
conhecimento extensional (exemplos)
simbóliconumérico
Sistemasbaseadoem casos
Robôs
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
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
Fundamentos
14
Matemática
Sociologia
Psicologia
Filosofia
Lingüística
Computação
IA
Neuro-fisiologia Genética
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
Matemática (lógica)
• Aristóteles• Boole• Frege• Tarski• Hilbert
• Godel• Turing • Church• Bayes
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
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
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
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.
Engenharia computacional
• Hardware– Aumento da velocidade de processamento e
capacidade de memória• Software
– Linguagens, metodologias, interfaces
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
História
• Inteligência– 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
23
História
• Primeiro trabalho (1943)– McCulloch and Pitts: implementação dos
operadores lógicos através de uma rede neural• Primeiro Evento (1956)
– Newell and Simon – LogicTheorist (resolvedor de teoremas)
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
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
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).
História
• 1980 - Projeto japonês: a quinta geração de computadores (IA, Prolog, PLN) repercusões no financiamento global para a área de IA
• 1997 - Deep blue vence Kasparov– algoritmos de busca– computadores de alta velocidade– hardware específico para xadrez
Tendências atuais
• passagem de sistemas experimentais para aplicações reais de larga escala – representação de conhecimento (CYC)– reconhecimento da fala – robótica– visão– internet (softbots)
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.
30
Aplicações• Sistemas tutores: modelagem do aluno, escolha de
estratégias pedagógicas, etc.
• Percepção: visão, tato, audição, olfato, paladar...
• Robótica (software e hardware): manipulação, navegação, etc.
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.
32
Dificuldades
• Representação:– 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
Dificuldades: Xadrez
• Impossível reduzir o problema a um formalismo matemático
• Uma busca exaustiva do melhor movimento é impraticável
• Solução baseada em heurísticas
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
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
Conhecimento
• É preciso ter conhecimento sobre:– as propriedades relevantes do mundo– como o mundo evolui– os estados desejáveis – as conseqüências das ações no mundo
Representação
• Raciocínio:– processo de construção de novas sentenças a partir de outras
sentenças.
38
fatos fatos
sentenças sentenças
Mundo
Representação
segue-se
implica
semântica
semântica
Recommended