Upload
thiago-richter
View
655
Download
7
Embed Size (px)
DESCRIPTION
An Artificial Intelligence Overview.Topics: Fuzzy Logic; Robotics; Computer Vision; Genetic Algorithms; Fuzzy Systems; Agents and Multi-Agents Systems; Artificial Neural Networks; Natural Language Processing; Data Mining; Expert Systems
Citation preview
1
Inteligência ArtificialInteligência Artificial
Visão Geral
Prof. MSc. Thiago Richter
2
EEPO que O que éé IA?IA?
� Definição 1: Ferramentas computacionais que buscam simular mecanismos inteligentes encontrados na natureza.
� Para instigar, vamos ao overview.
3
EEPOverviewOverview
� Lógica Clássica (Aristóteles) versus Lógica Nebulosa (Fuzzy)
Algo familiar??O que tem a ver a “Picanha ao Ponto” com IA??
Resp.: Muito!
4
EEPOverviewOverview
� Lógica Clássica (Aristóteles) versus Lógica Nebulosa (Fuzzy)
� Lógica Clássica:� A velocidade é considerada Alta entre 100 e 140Km/h.
� 110Km/h é considerado Alta velocidade?� E 99Km/h?
5
EEPOverviewOverview
� Lógica Clássica (Aristóteles) versus Lógica Nebulosa (Fuzzy)
� Lógica Nebulosa ou Lógica Fuzzy:
� Sim, Não, Mais ou Menos,Extremamente, Não Muito, etc.
6
EEPOverviewOverview
� Robótica
� Como devemos programar um Robô (autônomo)?
� Programação Estruturada?
Asimo
RoboCup
1G1
EEP
BR
‘05
7
EEPOverviewOverview
� Visão Computacional� Conjunto de métodos e técnicas através dos quais sistemas
computacionais podem ser capazes de interpretar imagens
� O que é esta imagem?
8
EEPOverviewOverview
� Visão Computacional� A B C?
� 12 13 14?
Aibo
9
EEPAG AG -- FuncionamentoFuncionamento
� Algoritmos Genéticos� Teoria da Evolução?
� Sim.
� Avaliação� Determinação do grau de aptidão do indivíduo;
� Seleção� Mais aptos para representar a solução do problema;
� Reprodução� Cruza-se os indivíduos (normalmente os mais aptos) para gerar nova população, pode ser
sexuado ou assexuado;
� Mutação� Modifica-se aleatoriamente alguns indivíduos;
� Predação� Introduz algum “vírus”, “predador” ou, simplesmente, “fuzila” uma parcela da população.
10
EEPOverviewOverview
� Algoritmos Genéticos� Aplicações:
11
EEPOverviewOverview
� Sistemas Fuzzy� Exploram as formas que o cérebro usa para o tratamento de
informações qualitativas e incertas;� Suportam os modos de raciocínio que são aproximados; � Capazes de tratar informações vagas, aproximadas, as quais são
expressas por regras lingüísticas.� Consistem em aproximar a decisão computacional da decisão humana.
12
EEPOverviewOverview
Entradas:
Mudança de
Temperatura(kn )
+ +
Dias de Fermentação
� Sistemas Fuzzy� Produção de Saque
13
EEPOverviewOverview
Regras:
Resultados:
“Deffuzyficação”:
- Aumentar ou Diminuir a Temperatura
- Finalizar o Processo
� Sistemas Fuzzy� Produção de Saque
14
EEPOverviewOverview
� Agentes e Sistemas Multiagentes� O que são?
� Entidade cognitiva, ativa e autônoma
DARPA
Grand
Challenge
Swarm bots
15
EEPOverviewOverview
� Redes Neurais Artificiais (RNA)� O que são?
� Modelos computacionais inspirados nos mecanismos de aprendizagem do cérebro humano;
� E que tentam emular a forma com que o cérebro resolve problemas.
� Características:� Aprender através de exemplos;� Capacidade de se adaptar ou aprender;� Capacidade de generalização;� Agrupar ou organizar dados;� Tolerância à Falhas;� Auto-Organização.
16
EEP
Representação do Neurônio Biológico
Representação do Neurônio
Artificial
OverviewOverview
� Redes Neurais Artificiais (RNA)
17
EEP
Áreas de Aplicação:
� Reconhecimento de padrões� Reconhecimento de voz.� Reconhecimento de imagens.� Reconhecimento de assinaturas, etc.
� Previsão / Estimação� Previsão de tempo.� Análise de crédito.� Estimação do mercado de ações.
� Otimização de Sistemas� Problemas de otimização combinatorial.� Problemas de otimização não-linear.� Problemas de seqüenciamento de produção.
� Clustering/Categorização� Problemas de diagnóstico (médico).� Compressão de dados.� Garimpagem de Dados (Data Mining).
� Memórias Associativas� Recuperação de informações distorcidas.
� Organização de Informações ausentes.
� Aproximador Universal de Funções� Controle de processos.� Robótica.� Problemas de modelagem científica.� Identificação e Estimação de Sistemas.
OverviewOverview
18
EEPOverviewOverview
0 100 200 300 400 500 600 700 800 9000
0.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
segundos
0 100 200 300 400 500 600 700 800 9000.1
0.2
0.3
0.4
0.5
0.6
0.7
0.8
0.9
1
seconds
Norm
aliz
ed L
am
bda v
alu
es
Entradas:
Saída Desejada:
� Aproximador de Funções
19
EEP
Resultados:
100 200 300 400 500 600 700 8000
0.2
0.4
0.6
0.8
1
Seconds
Target
Reached
240 260 280 300 320 340 360 380 400 420 4400
0.2
0.4
0.6
0.8
1
Seconds
Target
Reached
480 482 484 486 488 490 492 494 496 498 5000.23
0.24
0.25
0.26
0.27
0.28Relative Mean Error (%): 0.20619
Seconds
Target
Reached
OverviewOverview
� Aproximador de Funções
20
EEPOverviewOverview
� Redes Neurais Artificiais (RNA)� Robótica
Autonomous walking robot under
neural control
Pattern Recognition UsingMulti Layer Perceptron Neural Networks
21
EEPOverviewOverview
� Processamento de Linguagem Natural (PLN)� ALICE
22
EEPOverviewOverview
� Data Mining
Visual Data-Mining an Image Collection
Busca de Padrões Moleculares
23
EEPOverviewOverview
� Sistemas Especialistas (SE)
http://www.ed.conpet.gov.br/converse.php
Um exemplo de SE que também envolve PLN