1 Luiz Antônio Moro Palazzo março de 2010 Inteligência Artificial Universidade Católica de...
Transcript of 1 Luiz Antônio Moro Palazzo março de 2010 Inteligência Artificial Universidade Católica de...
1
Luiz Antônio Moro Palazzomarço de 2010
Inteligência Artificial
Universidade Católica de PelotasCentro Politécnico
Bacharelado em Ciência da Computação
2
Módulo Um
Introdução e Conceitos Básicos
Roteiro e Objetivos
4
Roteiro
• Objetivos do Módulo
• O que é Inteligência Artificial?
• Fundamentos
• Origem e Evolução
• Tecnologias
• O Estado da Arte
5
Objetivos
• Situar a IA como ciência
• Estudar suas diferentes abordagens
• Relatar o desenvolvimento da IA ao longo do tempo
• Estabelecer o estado da arte na pesquisa e tecnologias da IA
6
O que é IA
7
Rich & Knight (1994)
“IA é a área da Ciência da Computação orientada ao entendimento, construção e validação de sistemas inteligentes, isto é, que exibem, de alguma forma, características associadas ao que chamamos inteligência”.
Rich & Knight (1994)
“IA é a área da Ciência da Computação orientada ao entendimento, construção e validação de sistemas inteligentes, isto é, que exibem, de alguma forma, características associadas ao que chamamos inteligência”.
Noção 1
8
Russell & Norvig (1995)
• Sistemas que pensam como humanos
• Sistemas que agem como humanos
• Sistemas que pensam racionalmente
• Sistemas que agem racionalmente
Russell & Norvig (1995)
• Sistemas que pensam como humanos
• Sistemas que agem como humanos
• Sistemas que pensam racionalmente
• Sistemas que agem racionalmente
Noção 2
9
Sistemas de IA
10
• A abordagem da Modelagem Cognitiva
• Como os seres humanos pensam?
• A Ciência Cognitiva é hoje uma área paralela, que inspira a IA e é inspirada por ela.
• A abordagem da Modelagem Cognitiva
• Como os seres humanos pensam?
• A Ciência Cognitiva é hoje uma área paralela, que inspira a IA e é inspirada por ela.
Pensar como Humano
11
• A abordagem do Teste de Turing
• Antecipou todas as grandes questões da IA:
• Processamento da Linguagem Natural
• Representação de Conhecimento
• Automação do Raciocínio
• Aprendizado de Máquina
• A abordagem do Teste de Turing
• Antecipou todas as grandes questões da IA:
• Processamento da Linguagem Natural
• Representação de Conhecimento
• Automação do Raciocínio
• Aprendizado de Máquina
Agir como Humano
12
O Teste de Turing
• Computing Machinery and Intelligence (1950): “Podem as máquinas pensar?”
• O Jogo da Imitação.
• Não é reprodutível ou construtível e é de difícil análise matemática.
?
13
• A abordagem das Leis do Pensamento.
• Origem: os silogismos de Aristóteles.
• Tradição Logicista: “A lógica pode solucionar qualquer problema solúvel”.
• Conexão direta da matemática e da filosofia com a IA moderna.
• A abordagem das Leis do Pensamento.
• Origem: os silogismos de Aristóteles.
• Tradição Logicista: “A lógica pode solucionar qualquer problema solúvel”.
• Conexão direta da matemática e da filosofia com a IA moderna.
Pensar Racionalmente
14
• A abordagem do Agente Racional
• Comportamento racional: fazer a coisa certa.
• Abrange todas as abordagens anteriores
• É a abordagem proposta por Russell e Norvig (2003).
• A abordagem do Agente Racional
• Comportamento racional: fazer a coisa certa.
• Abrange todas as abordagens anteriores
• É a abordagem proposta por Russell e Norvig (2003).
Agir Racionalmente
15
Fundamentos, Origem e Evolução da IA
16
• Computação
• Filosofia
• Psicologia
• Sociologia
• Comunicação
• Educação
• Biologia
• Engenharia ...
??
??
????
lógicalógica
redesredes
psicologia
Áreas relacionadascom a IA
17
• Filosofia (428 a.C.) • Matemática (800)• Economia (1776)• Neurociência (1861)• Psicologia (1879)• Engenharia da Computação (1940)• Cibernética e a Teoria do Controle (1948)• Lingüística (1957)• Complexidade, Caos e Auto-organização (1980)
• Filosofia (428 a.C.) • Matemática (800)• Economia (1776)• Neurociência (1861)• Psicologia (1879)• Engenharia da Computação (1940)• Cibernética e a Teoria do Controle (1948)• Lingüística (1957)• Complexidade, Caos e Auto-organização (1980)
Pré-história da IA
18
Marcos no Desenvolvimento da IA
Quando
O quê Quem
1943 Neurônio artificial McCulloch & Pitts
1950 Teste de Turing Alan Turing
1955 The Dartmouth Meeting McCarthy, Minsky ...
1965 Algoritmo de dedução Robinson
1988 Redes neurais competitivas
Holland
1995 Agentes inteligentes Diversos
2000 Computação quântica Diversos
19
Sistemas Inteligentes
20
Aprendizado
Representação Interfaces
Raciocínio
Engenharia de Sistemas Inteligentes
21
• Sistemas Simbólicos O conhecimento é representado
por sistemas de símbolos eseparado da máquina de
inferência
• Sistemas Sub-simbólicos Representam o conhecimento na
própria estrutura, integrado ao mecanismo de raciocínio
• Sistemas Simbólicos O conhecimento é representado
por sistemas de símbolos eseparado da máquina de
inferência
• Sistemas Sub-simbólicos Representam o conhecimento na
própria estrutura, integrado ao mecanismo de raciocínio
Classificação dosSistemas Inteligentes
22
• Prova de Teoremas
• Sistemas Especialistas
• Programação em Lógica
• Redes Semânticas
• Sistemas de Frames
• Sistemas de Agentes
• Prova de Teoremas
• Sistemas Especialistas
• Programação em Lógica
• Redes Semânticas
• Sistemas de Frames
• Sistemas de Agentes
Sistemas Simbólicos
23
• Redes Neurais
• Algoritmos Genéticos
• Autômatos Celulares
• Sistemas Complexos Adaptativos
• Redes Neurais
• Algoritmos Genéticos
• Autômatos Celulares
• Sistemas Complexos Adaptativos
Sistemas Sub-simbólicos
24
Tecnologias da IA
25
Sistemas Simbólicos
26
• Geralmente baseados em regras,
• Possuem conhecimento intensivo do domínio da aplicação,
• Construídos por especialistas humanos,
• Podem empregar aprendizado automático,
• Têm dificuldade em lidar com conhecimento de senso comum,
• Orientados à reutilização do conhecimento.
• Geralmente baseados em regras,
• Possuem conhecimento intensivo do domínio da aplicação,
• Construídos por especialistas humanos,
• Podem empregar aprendizado automático,
• Têm dificuldade em lidar com conhecimento de senso comum,
• Orientados à reutilização do conhecimento.
Sistemas Especialistas
27
Usuário
Interface ( shell )
consulta resposta
Máquinade
Inferência
Base de Conhecimento
ask tell
request deliever
Arquitetura de um SE
28
Aplicações de SE
• Diagnóstico,
• Suporte on-line,
• Controle de processos,
• Controladores de vôo,
• Identificação de padrões difusos,
• Medicina Digital,
• Aconselhamento jurídico...
29
• Indexam as declarações pelas entidades que descrevem,
• Facilitam a descrição de propriedades de relações,
• Originaram os conceitos da programação orientada a objetos,
• Facilitam a visualização direta dos conceitos e dos relacionamentos entre eles.
• Indexam as declarações pelas entidades que descrevem,
• Facilitam a descrição de propriedades de relações,
• Originaram os conceitos da programação orientada a objetos,
• Facilitam a visualização direta dos conceitos e dos relacionamentos entre eles.
Redes Semânticas
30
pessoa
Maria
carro1
branco
28
Av. 5
zero
automóvel
motor
roda
carroceria
veículo
instância_de
tem_dono
tem_cortem_km
estacionado
tem_idade
é_um
instância_de
parte_de parte_de
parte_de
Uma Rede Semântica
31
• Modelagem de conhecimento,
• Mapas Conceituais,
• Processamento da linguagem natural,
• Raciocínio por abstração,
• Programação orientada a objetos,
• Ontologias.
• Modelagem de conhecimento,
• Mapas Conceituais,
• Processamento da linguagem natural,
• Raciocínio por abstração,
• Programação orientada a objetos,
• Ontologias.
Aplicações de Redes Semânticas
32
Jennings (1995)
“Um agente inteligente é uma peça de software que executa uma determinada tarefa empregando informação extraída de seu ambiente para agir de forma adequada no sentido de completar sua tarefa de modo bem sucedido. O agente deve ser capaz de adaptar-se dinamicamente às modificações ocorridas no ambiente”.
Jennings (1995)
“Um agente inteligente é uma peça de software que executa uma determinada tarefa empregando informação extraída de seu ambiente para agir de forma adequada no sentido de completar sua tarefa de modo bem sucedido. O agente deve ser capaz de adaptar-se dinamicamente às modificações ocorridas no ambiente”.
Agentes Inteligentes
33
• Autonomia
• Habilidade Social
• Reatividade
• Iniciativa
• Continuidade temporal
• Orientação a objetivos
• Autonomia
• Habilidade Social
• Reatividade
• Iniciativa
• Continuidade temporal
• Orientação a objetivos
Propriedades dos Agentes Inteligentes
34
• Correio eletrônico,
• Acesso e gerenciamento móveis,
• Gerenciamento de sistemas e redes,
• Acesso e gerenciamento da informação,
• Gerenciamento administrativo,
• Comércio eletrônico,
• Interfaces inteligentes, ...
• Correio eletrônico,
• Acesso e gerenciamento móveis,
• Gerenciamento de sistemas e redes,
• Acesso e gerenciamento da informação,
• Gerenciamento administrativo,
• Comércio eletrônico,
• Interfaces inteligentes, ...
Aplicações de Agentes Inteligentes
35
Cache Local
Agente deInformações
WEBWEB
Google Altavista WebCrawler
Spider
DBMS
WAIS
URL Search
Modelos deUsuários e
Grupos
Um Agente de Informações
36
Sistemas Sub-simbólicos
37
• Paralelismo massivo,
• Adaptabilidade,
• Tolerância a falhas,
• Computação e representação distribuídas,
• Capacidade de aprender,
• Capacidade de generalizar,
• Processamento de informação contextual,
• Baixo consumo de energia.
• Paralelismo massivo,
• Adaptabilidade,
• Tolerância a falhas,
• Computação e representação distribuídas,
• Capacidade de aprender,
• Capacidade de generalizar,
• Processamento de informação contextual,
• Baixo consumo de energia.
Redes Neurais
38
Von Neumann Redes Neurais
Processador Complexo Alta velocidade
Simples Baixa velocidade
Memória Separada do processador
Integrada ao processador
Computação Centralizada Sequencial
Distribuida Paralela
Robustez Pouca Robustas
Especialidades
Operações numéricas e simbólicas
Percepção / Otimização
Von Neumann x Redes Neurais
39
...
x1
x2
xn
w1
w2
wn
h
u
y
O Modelo McCulloch-Pitts
40
Perceptronde uma sócamada
Perceptron de camadas
múltiplas
Redes funcionaisbase radial
RedesCompetitivas
Mapas deKohonen
Redes de Hopfield
ModelosART
Redes de Alimentação para Frente
Redes Recorrentes
Redes Neurais
Arquiteturas deRedes Neurais
41
• Uma população de indivíduos evolui ao longo de uma seqüência de gerações buscando atingir um ponto ótimo coletivo,
• Com base em uma função de adequação, os indivíduos mais qualificados são selecionados para reprodução,
• Dois operadores de recombinação genética são empregados no processo: cruzamento e mutação.
• Uma população de indivíduos evolui ao longo de uma seqüência de gerações buscando atingir um ponto ótimo coletivo,
• Com base em uma função de adequação, os indivíduos mais qualificados são selecionados para reprodução,
• Dois operadores de recombinação genética são empregados no processo: cruzamento e mutação.
Algoritmos Genéticos
42
O Algoritmo Genético Canônico begin AGC // começar em um tempo inicial t := 0; // inicializar uma população de indivíduos initPopulation P(t); // avaliar a adequação de todos os indivíduos na população evaluate P(t); // testar o critério de término (tempo, adequação, etc.) while not done do // incrementar o contador de tempo t := t + 1; // selecionar sub-população para produzir decendência P' := selectParents P(t); // recombinar os genes da sub-população selecionada recombine P'(t); // perturbar a população estocasticamente mutate P'(t); // avaliar a nova adequação evaluate P'(t); // selecionar os sobreviventes da geração corrente P = survive P,P'(t); od end AGC
43
Aplicação de AG
Evolução1011010100101010
...
1111110100111100
...
Atributos do Sistema Inicial Atributos do Novo Sistema
Sistema Inicial Novo Sistema
Mapeamento para strings de bits
Mapeamento paraobjetos do sistema
Evolução1011010100101010
...
1111110100111100
...
Atributos do Sistema Inicial Atributos do Novo Sistema
Sistema Inicial Novo Sistema
Mapeamento para strings de bits
Mapeamento paraobjetos do sistema
44
• Um sistema auto-organizável modifica sua estrutura em função de sua experiência e seu relacionamento com o meio-ambiente,
• Modelos conexionistas em geral possuem a propriedade da auto-organização,
• A auto organização ocorre em função da dinâmica do sistema, rumo a uma configuração otimizada para o fim proposto.
• Um sistema auto-organizável modifica sua estrutura em função de sua experiência e seu relacionamento com o meio-ambiente,
• Modelos conexionistas em geral possuem a propriedade da auto-organização,
• A auto organização ocorre em função da dinâmica do sistema, rumo a uma configuração otimizada para o fim proposto.
Auto-organização
45
Mapa das flutuações de densidade no universo primitivo, trezentos mil anos após o Big Bang, antes da formação das estrelas e galáxias.
Fonte: NASA/COBE
De onde vema ordem?
46
Auto-organização em Redes
47
O Estado da Arte
48
Marque o que pode ser feito hoje:
Dirigir numa estrada em curva na serra Dirigir no centro do Cairo Comprar o rancho semanal na Web Descobrir e provar um novo teorema Traduzir inglês-português em tempo real Comandar uma cirurgia complexa ... ou todas as alternativas acima?
49
• A Inteligência Artificial subdividiu-se em várias disciplinas, cada uma das quais constitui hoje um novo campo em si própria.
• Tecnologias de IA tendem cada vez mais a ser incorporadas a sistemas convencionais, tais como SI, SGBD, ferramentas CASE, etc.
• Com o amadurecimento tecnológico das diversas áreas, novas aplicações se tornam viáveis e passam a ser consideradas.
Em conclusão
50
Luiz Antônio Moro Palazzomarço de 2010
Inteligência Artificial
Universidade Católica de PelotasCentro Politécnico
Bacharelado em Ciência da Computação