Upload
vuongkien
View
215
Download
0
Embed Size (px)
Citation preview
1
F. OSÓRIO - UNISINOS 2000
PIP/CA - Programa Interdisciplinar de Pós-Graduação Mestrado em Computação Aplicada da UNISINOS
2000/1 - 2o. Tr imestre - AULA 01 / FSO
INTELIGÊNCIA ARTIFICIAL &
SISTEMAS INTELIGENTES
INTELIGÊNCIA ARTIFICIAL &
SISTEMAS INTELIGENTES
• Professores Responsáveis:
Par te I - Profa. Dr . Renata Vieira Web: http://www.inf.unisinos.br/~renata/iam.html
Parte II - Prof. Dr . Fernando Osór io E-Mail: [email protected] Web: http://www.inf.unisinos.br/~osorio/ia.html
F. OSÓRIO - UNISINOS 2000
TEMAS DE ESTUDO
Resolução de problemas / Competindo com os seres humanos:
- Busca em espaços de estados:
> Busca Cega - Busca em Largura, Busca em Profundidade, Br itish Museum Search
> Busca Heur ística - Best First, Branch and Bound, A*
- IA em Jogos: Mini-Max, Alfa-Beta, Autômatos - Redes de Petr i e Cadeias de Markov
Sistemas Inteligentes:
- Analogia: Case Based Reasoning (CBR), métr icas de semelhança (Nearest Neighbors)
- Inferência: Sistemas Especialistas - Fatos, Regras e Mecanismo de Inferência
- KBS / RBS (Knowledge / Rule Based Systems): Forward Chaining,
Backward Chaining, Algor itmo Rete, ... Expert System Shells
Representação de conhecimentos:
- Conhecimento incerto e impreciso: Fuzzy rules, Certainty Factor , Bayesian Networks
- Conhecimento: validação, explanação, meta-conhecimentos, aquisição
2
F. OSÓRIO - UNISINOS 2000
RESOLUÇÃO DE PROLEMAS E DE JOGOS
“ A maior ia dos problemas interessantes do ponto de vista da I .A. não dispõem de soluções algor ítmicas, ou tem soluções algorítmicas conhecidas mas sua complexidade as torna impraticáveis”
Busca da Solução <==> Complexidade
Inteligência ?Análise de Algor itmos ==> Problema da explosão combinatór iaPesquisa Operacional ==> Otimização
* Problemas: Quebra-Cabeças e Jogos
- Ser humano é capaz de achar soluções- Uma boa resposta é associada as “ pessoas inteligentes”- Toy problems: do simples ao mais complexo (jogo da velha => xadrez)- Problemas auto-contidos: conhecimento sobre o problema é completo
* Busca da soluções: uso de técnicas de Inteligência Ar tificial
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS
Busca:
- Achar a solução através de uma pesquisa nos possíveis estados do sistema (possíveis estados do sistema = espaço de estados)
- Definição de um problema: > Estados iniciais (1 ou mais) > Estados Finais (0 ou mais soluções) > Operadores que levam de um estado a outro > Construção de uma “árvore de busca”
e1
e3
e4
e5
e2
e6
e7
op1
op7op6 op5
op4
op2op3
op8
op9
op10
e1
e2
e6
e5
e4
e3
e3 e7
e7
op1
op4
op10
op2
op6
op7
op8op9
op11
3
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS
Tipos de Busca - Quanto a estratégia:
1. BUSCA CEGA
1.1. Busca em Largura 1.2. Busca em Profundidade 1.3. Busca Exaustiva
2. BUSCA HEURÍSTICA: A*
Tipos de Busca - Quanto ao problema:
1. Mecanismo de busca livre: Problemas em geral (quebra-cabeça)
2. Mecanismos de busca condicionada: Jogos com mais de 1 jogador Presa as jogadas do oponente
F. OSÓRIO - UNISINOS 2000
S
D
A B
E
C
F
G
3
4
5
4 4
2 4
5
3
BUSCA EM ESPAÇO DE ESTADOS
4
F. OSÓRIO - UNISINOS 2000
S
D
G
A
C
F
B
E
D
D
A E
B F
A GC
B
C E
E
B F
C G F
G
BUSCA EM ESPAÇO DE ESTADOS
F. OSÓRIO - UNISINOS 2000
S
G
A
C
F
B
E
D
D
BUSCA EM ESPAÇO DE ESTADOS
Depth-First Search:
- Busca em Profundidade- Algor itmo “Leve”- “ Não ótimo” / Pode não chegar na solução- Podemos inserir limite de profundidade
Algor itmo de Busca:- Open Set / Closed Set = Pendente / Já visitou- Select = Usa uma pilha, retira do topo- Cr itérios de parada: Sucesso, Profundidade
5
F. OSÓRIO - UNISINOS 2000
S
DA
C
F
B
E
D
D
A E
B F
A GC
B
C E
E
B F
BUSCA EM ESPAÇO DE ESTADOS
Breadth-First Search:
- Busca em Largura- Algor itmo “Pesado”- “ Ótimo” / Deve chegar na solução (não se sabe quando)
Algor itmo de Busca:
- Open Set / Closed Set- Select = Usa uma fila, insere no final- Cr itérios de parada: Sucesso
F. OSÓRIO - UNISINOS 2000
S
D
G
A
C
F
B
E
D
D
A E
B F
A GC
B
C E
E
B F
C G F
G
BUSCA EM ESPAÇO DE ESTADOS:British Museum Search - Optimal search
Busca Exaustiva: breadth + depth
Achar TODAS as soluções possíveis para o problemaSeleciona a melhor depois de achar todas as soluções
6
F. OSÓRIO - UNISINOS 2000
S
D
G
A
C
F
B
E
D
D
A E
B F
A GC
B
C E
E
B F
C G F
G
BUSCA EM ESPAÇO DE ESTADOS:NonDeterministic Search
Busca não determinística:
Seleciona de modo não deterministico o caminho a seguir ...
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS
Exemplos de Problemas tipo “ quebra-cabeça” :
1. Caixeiro viajante2. Torre de Hanoi3. Labir into4. Puzzle 8 peças5. Missionár io e os canibais6. Homem, lobo, carneiro e a alface7. Problema dos baldes8. Quadrados mágicos9. Resta 110. Problema do depósito: alocação de espaço
Alguns destes problemas tendem a se tornar intratáveis dependendo do “ tamanho” do espaço de estados a ser analisado (exemplo: 1, 2, 3, 8, 9, 10).
Qual a solução ? OTIMIZAR = USAR UMA HEURÍSTICA
7
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Heur ística
- Conhecer uma dica, uma informação que permita auxili ar na busca da solução do problema
S
D
A B
E
C
F
G
4.06.7
10.4
11.0
8.9
6.93.0
Os valores indicam a distância em linha reta entre os pontos dados
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Heur ística
Hill Climbing Search- Conhecemos uma informação que permite avaliar os caminhos- Heur ística: depth-first + minimizar o “custo” (distância absoluta)
Problemas Conhecidos:
- Máximos locais x Global- Armadilhas: Cumes, Planaltos, Vales- Resumindo: podemos ficar bloqueados...
S
DA
A E
B F
G
10.4 8.9
6.910.4
3.06.7
8
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Heur ística
Beam Search- Heur ística: Breadth-first + seleciona apenas“ N” caminhos por nível
(procura selecionar os “ n” melhores - tipo Hill Climbing)
S
DA
C
B
E
D A E
B F
A GC
10.4
Dead End
10.4
8.9
6.7
6.74.0
6.9
6.98.9
3.0
Características Conhecidas:
- Possibil iade de fuga de estados que bloqueiam a procura da solução- Menos pesado que o Breadth-First
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Heur ística
Best-First Search- M inimiza o custo, mas considera todos os que estão no “ Open Set”- No caso específico abaixo: equivale ao Hill Climbing (nunca se arrepende)
S
D
G
A
C
F
B
E
D
D
A E
B F
A GC
B
C E
E
B F
C G F
G
10.4
6.7 8.9
4.0 6.9
8.9
10.4 6.9
8.9 3.0
6.9 6.7 6.7
6.7 3.0
3.0
3.0
10.44.0 4.06.9
4.0
9
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Heur ística - Optimal search
Branch-and-Bound Search- Conhecemos uma informação que permite avaliar os caminhos e o custo total- Heur ística: avança e volta caso se “ arrependa” do caminho adotado
* Dicas - Hints
- Sabemos que o custo ótimo total é 13 SDEFG = 13 (menor caminho)- Podemos desprezar os caminhos onde a soma atinge 13 Exemplo: SDAB e tudo que estiver abaixo deste caminho
S
D
A E
F
G
B
13
13
4
4
2
3
5
4
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Heur ística - Optimal search
Branch-and-Bound Search com estimativa- Conhecemos uma informação que permite avaliar os caminhos e o custo total- Heur ística: avança e volta caso se “ arrependa” do caminho adotado
* Custo composto:
C(caminho) = C(viajado) + C(falta) C(viajada) = Conhecido C(falta) = Valor Estimado
S
D
A E
F
G
B
13
13
4
4
2
3
5
4
8.9
6.9
3.0
10.4
6.7
C=13.4
C=12.9
C=19.4
C=12.9
C=13.0
A
3
10
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Heur ística - Optimal search
A* Search => Select: Sempre busca o melhor da lista Open
- Heur ística: Custo (Caminho) = Custo (Caminho Percorr ido) + Custo (Caminho Restante)
- Simpli ficação: eliminar caminhos redundantes Exemplo => SD... SA... SD... SAD... (D é novamente usado, caminho maior ) SAB...
S
DAS
DA
B D
43
4
87A* Search:Branch-and-Bound + Simpli ficação
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Resumindo...
1. Busca Livre em espaço de estados - Problemas / Quebra-cabeças
1.1. Busca Cega 1.1.1. Busca em Profundidade (Depth-Search) 1.1.2. Busca em Largura (Breadth-Search) 1.1.3. Busca não determinística (Nondeterministic Search) 1.1.4. Busca exaustiva (British Museum Search - ótima)
1.2. Busca Heurística 1.2.1. Hill Climbing Search 1.2.2. Beam Search 1.2.3. Best-Fisrt Search 1.2.4 Optimal Search 1.2.4.1. Branch-and-Bound Search
1.2.4.2. A* Search
2. Busca Condicionada em espaços de estados - Jogos / Adversário externo
11
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Busca condicionada em Jogos
Jogos:
- Caminhos possíveis dependem das “ reações” do adversár io- Exemplo de jogos tratados pela I .A.:
Jogo da VelhaGamãoDamasXadrezGoOthello
- Jogos também são uma procura do caminho em um espaço de estados, onde desejamos seguir o caminho que leva a vitór ia
- Heur ísticas: Avaliar as jogadas (boa, ruim) e a situação/evolução do jogo
Algor ítmos mais usados:
• Minimax• Alpha-Beta
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Busca condicionada em Jogos
MiniMax Procedure- Alternância de jogadores- Construção de uma árvore com camadas alternadas (Mini e Max)
* Exemplo: Jogo dos 5 pali tos - Objetivo: pegar 1 ou 2 palitos e não ser o último a jogar
Cenário 1:Jogador 1: Retira 2 pali tosJogador 2: Retira 2 pali tosJogador 1: Retira o último (perde)
Cenário 2:Jogador 1: Retira 1 pali toJogador 2: Retira 2 pali tosJogador 1: Retira 1 pali toJogador 2: Retira o último (perde)
5
4
1 2 2 3
1 2
3
0 1 0 1
Nro. de Palitos
1
0
Jog. 1
Jog. 2
Jog. 1
Jog. 2
Jog. 1
12
F. OSÓRIO - UNISINOS 2000
5
4
1 2 2 3
1 2
3
0 1 0 1
Nro. de Palitos
10
Jog. 1
Jog. 2
Jog. 1
Jog. 2
Jog. 1
BUSCA EM ESPAÇO DE ESTADOS: Busca em Jogos - MiniMax
-1 +1 -1 +1 +1
+1 -1
-1
Etapas do algor itmo:- Pontuação nos nodos terminais da árvore de busca (usualmente: +1, 0, -1)- Classificar os nodos como do tipo Max (jog. 1 - L ivre escolha “ou” = ) ou Mini (jog. 2 - Adversár io escolhe = ) - Propagar os mini (menor dos dois filhos) e os max (maior dos dois filhos)
F. OSÓRIO - UNISINOS 2000
5
4
1 2 2 3
1 2
3
0 1 0 1
Nro. de Palitos
10
Jog. 1
Jog. 2
Jog. 1
Jog. 2
Jog. 1
BUSCA EM ESPAÇO DE ESTADOS: Busca em Jogos - MiniMax
-1 +1 -1 +1 +1
+1 -1
-1
Propagação dos Mini e Max...
Para obter o melhor caminho, seguir a melhor pontuação!(Em alguns casos podemos também limitar a profundidade da árvore)
=> Agora você pode fazer o mesmo para o Jogo da Velha!!
+1
+1
+1
+1
-1
+1
-1
13
F. OSÓRIO - UNISINOS 2000
BUSCA EM ESPAÇO DE ESTADOS: Busca condicionada em Jogos
Alpha-Beta Procedure- L imitar a procura tirando proveito das relações existentes entre as sub-árvores- Procedimentos: Cor te Alpha e Cor te Beta
A
B C
F GD E20 10 5
≥≥ 10
≤≤ 510
??
Cor te Alpha:
Sabendo-se que A recebe o maior entre B e Ce que no lado de C existe um valor igual a 5(logo um valor menor ou igual a 5 será selecionadoem C => pois este é um nodo tipo Mini),então não precisamos examinar a sub-arvore G.
A
B C
F GD E5 10 20
≤≤ 10
≥≥ 2010
??
Cor te Beta:
Sabendo-se que o nodo A é o menor entre B e C,podemos desprezar a sub-árvore G pois esta écer tamente maior ou igual a 20, e vamosguardar o menor valor entre B e C
F. OSÓRIO - UNISINOS 2000
Jogos Inteligentes:
Técnicas usadas...
• Máquinas de estados• Rule Based Systems / Sense & Act• Redes de Petr i• Cadeias de Markov• HFSM - Hierarquical Finite State Machines
Integração de I .A. com outras áreas de pesquisa:(referente ao tema estudado nesta aula)
I .A. e Pesquisa OperacionalI .A. e Análise de Algor itmosI .A. e Computação Gráfica (jogos)
Tendências:
- Desafios... Xadrez, Go- Jogos inteligentes: AI Wars (rules), FramSticks (ar tificial li fe), ...
14
F. OSÓRIO - UNISINOS 2000
Redes de Petr i: Uma rápida introdução...
Estado:Pré-Condições
Transição: Condições
Estado:Pós-Condições
Marcas: são deslocadas doestado prévio para o estado poster ior
Linguagens baseadas em Redes de Petr i:
GrafCET - Comando-Etapa-Transição
Exemplo:
Se Encheu_Tanque E Atingiu_L imite Então Abr ir_Válvula_Escape
Se Aberta_Válvula_Escape E Tanque_VazioEntão Fechar_Válvula_Escape