FACENS – Engenharia da Computação
Inteligência Artificial
Introdução e Histórico
O que é IA?
• Entender e construir artefatos com
comportamento inteligente.
— Responder: O que somos nós?
— Artefatos inteligentes seriam muito úteis.
• Mas… o que é a inteligência?
— Não sabemos…
— Pistas - coisas que parecem constituí-la:
– Memória, Raciocínio, Aprendizado, Pensamento,
Criatividade, Consciência, etc…
— Os animais tem algumas destas
propriedades… e algumas máquinas também!
— Podem ser considerados inteligentes até um
certo grau.
Inteligência Artificial
• Dificuldades de definição
• Ciência multidisciplinar
• Problemas filosóficos
—Inteligência humana X Racionalidade
—IA Forte X IA Fraca
—Simbolistas X Conexionistas
—IA X IC (Inteligência Computacional)
O Contexto da Ciência IA
• Ciência Cognitiva: estudo dos processos
cognitivos da inteligência consciente: envolve
filosofia, neurociência, psicologia e a própria IA.
• IA: Ciência multidisciplinar, que envolve lógica,
matemática, filosofia, psicologia, biologia,
engenharia, computação…
• Sub campo:
— Inteligência
Computacional
Inteligência Computacional
• Campo da IA: solução de problemas
reproduzindo mecanismos dos seres
biologicamente inteligentes
Inteligência
Computacional (IC)
Computação
Nebulosa
(Fuzzy) (CF)
Computação
Neural (CN)
Computação
Evolutiva (CE)
Abordagens de IA
• Modelo: Humanos
— Agindo como o ser humano
— Pensando como o ser humano
• Modelo: Racionalidade (fazer tudo certo)
— Agindo racionalmente
— Pensando racionalmente
Agindo como o ser humano
• Teste de Turing
— Interessante do ponto de vista de que
capacidades uma entidade inteligente teria:
– Processamento de linguagem natural, representação
do conhecimento, raciocícinio, aprendizado, visão e
robótica.
— A questão é: talvez detalhes necessários para
“imitar” um ser humano não sejam relevantes
para a obtenção da inteligência…
— Exemplo do avião, que voa sem imitar
pássaros.
Pensando como o ser humano
• Abordagem Cognitiva
— O problema é definir o que é o pensamento
humano
— Várias correntes filosóficas com diferentes
modelos do que é a mente, e se ela pode ou
não ser reproduzida
— Muitos avanços foram realizados,
principalmente na neurociência e psicologia,
mas na verdade ainda não se sabe como
emergem do cérebro as faculdades mentais.
Pensando racionalmente
• Campo da Lógica
— Padrões de argumentos que levam a
conclusões corretas a partir de premissas
corretas
— Todos os problemas que podem ser
enunciados pela notação lógica podem ser
resolvidos logicamente
— Entretanto, muitos dos problemas do “mudo
real” são difíceis de traduzir para notação
lógica…
Agindo racionalmente
• Agente racional: age em busca do melhor
resultado (ou correto)
• Vantagens: a racionalidade (o que é certo em
uma situação) é mais acessível ao
desenvolvimento científico do que o
comportamento humano
• Entretanto, a racionalidade “perfeita” muitas
vezes requer muito em termos de recursos
computacionais, por exemplo.
• E uma coisa é indiscutível: o modelo humano é
um sucesso, que se adaptou e sobreviveu em um
ambiente altamente complexo…
Disciplinas da IA
• Filosofia:
—
—
—
—
Como formalizar o conhecimento?
Como surge uma mente do cérebro?
Materialismo / Dualismo
Conexões entre conhecimento, sentidos e ação
• Matemática:
—
—
—
—
—
Formalização da lógica
O que pode ser computado?
Raciocinar com incerteza
Problemas intratáveis
Mundo é uma instância de um problema extremamente
grande!
Disciplinas da IA
• Economia:
— Teoria da decisão
— Teoria dos jogos
— Processos de decisão Markovianos
• Neurociência:
— O que ocorre no cérebro?
— Estrutura e função do sistema nervoso
— Diferenças da maneira como o cérebro e os sistemas
digitais trabalham
• Psicologia:
— Como os seres pensam?
— Como explicar e realizar previsões sobre o
comportamento humano?
— Senso comum
Disciplinas da IA
• Engenharia de Computação:
— Computadores mais eficientes
— Sistemas digitais mais parecidos com o
cérebro
— Como artefatos podem operar de forma
autônoma?
• Lingüística:
— Pensamento e linguagem seriam uma só
coisa?
— Linguagem natural e computacional
Eventos da história da IA
• Gestação (1943 - 1955)
—
—
—
—
Neurônio artificial (McCulloch e Pitts)
Aprendizagem Hebbiana
Computador Neural (Minsky e Edmonds)
Teste de Turing
• Nascimento (1956)
— Logic Theorist (Newel e Simon)
— Nomenclatura IA criada
Eventos da história da IA
• Entusiasmo (1952-1969)
—
—
—
—
—
GPS (resolver problemas de forma humana)
Manipulação de símbolos
Definição do LISP
Redes adalines e perceptrons
Evolução de máquina
• Realismo (1966-1973)
— As previsões entusiasmadas falharam…
— Alguns problemas simples para humanos
mostraram-se extremamente difíceis para
máquinas.
— Limitações dos Perceptrons (Minsky)
Eventos da história da IA
• Sistemas Especialistas (1969-1979)
— Focar soluções em seus domínios específicos
— Utilização de heurísticas
— Prolog e outras linguagens para modelar estes
sistemas
• Explosão da IA
— Conexionismo: novos modelos e algoritmos
ampliaram o poder das redes neurais
— Redes bayesianas
— Agentes inteligentes
Aplicações Atuais
•
•
•
•
•
•
Automação e Controle
Diagnóstico e Tomada de Decisão
Jogos
Planejamento Autônomo e Logístico
Robótica
Reconhecimento de Padrões (Imagens,
linguagem)
Inteligência Artificial - Aplicações
• Representação de Conhecimento e Lógica
—Criar representações do mundo observado
—Inferência para derivar novas representações
—Utilização de lógica (inclusive nebulosa)
Inteligência Artificial - Aplicações
• Agentes Inteligentes
Sensores
Ambiente
—Perceber o ambiente
—Atuar sobre o ambiente
—Atingir objetivos
—Aprender
Percepções
Agente
Atuadores
Ações
Inteligência Artificial - Aplicações
• Resolução de Problemas
A
—Busca no espaço de soluções
– Cega
– Heurística
B
C
• Planejamento
—Seqüência de ações para
alcançar um objetivo
D
G
F
H
E
Inteligência Artificial - Aplicações
• Incerteza e Tomada de Decisão
—Tratamento do conhecimento incerto:
probabilidade
—Redes Bayesianas: inferência
—Utilidade em decisões
Jogar Futebol
Quebrar a Perna
Hospital
Inteligência Artificial - Aplicações
• Aprendizagem
—Árvores de decisão
—Computação neural
—Estatística
• Tipos
—Supervisionada: exemplos de entrada e saída
—Não supervisionada: padrões de entrada
—Por reforço: através de recompensa ou punição
Inteligência Artificial - Aplicações
• Comunicação
—Agentes trocando informações
—Lingüística
• Percepção
—Reconhecimento de Padrões
—Detecção de Movimento
Computação Nebulosa
• Representação de imprecisão, conhecimento vago
• Abstração de detalhes irrelevantes à solução do
problema (significado ao invés de precisão)
• “Computação com palavras”, variáveis e valores
lingüísticos
• Utilização de conhecimento especialista
• Algoritmos baseados nos conjuntos nebulosos e lógica
nebulosa
• Abordagem cognitiva
Computação Nebulosa
• Variável Lingüística
Pertinência - µA(x)
LEVE
PESADO
MUITO PESADO
1
0,5
0
x
100 g
500 g
1 tonelada
Universo de discurso (U)
1 kg
500 kg
Computação Nebulosa
• Sistema de Inferência Nebuloso
—Leitura do ambiente
—Transformação para mundo lingüístico
—Inferência nebulosa
—Resultado em valores lingüísticos
—Conversão para números para atuação no
ambiente
Variáveis
numéricas
entrada
Variáveis
lingüísticas
entrada
Regras de
inferência
fuzzy
Variáveis
lingüísticas
saída
Variáveis
numéricas
saída
Computação Neural
• Aprendizado e generalização de conhecimento
• Baseada na estrutura cerebral humana
• Abordagem conexionista
Computação Neural
• Neurônios Artificiais
X1
W
X2
W
2
W
3
...
...
X3
1
W
n
Xn
Sin a p se
(tra n sm issã o q u ím ic a )
sina l
re sulta n te
im p u lso s ne rvo so s
(sin a is e lé tric o s)
y
Computação Neural
• Redes Neurais Artificiais
dados
e ntra d a
o c ulta
1
1
v1 0
v1 1
d1
x1
...
...
dk
Xk
v1 2
z1
v1 k
v2 1
vj 2
vj k
w1 j
v2 0
z2
v2 2
v2 k
vj1
y1
w1 2
w2 1
w2 2
w2 j
vj 0
Zj
wi 1
wi 2
wij
w2 0
y2
...
x2
w1 0
w1 1
...
d2
sa íd a
wi 0
Yi
Computação Evolutiva
• Capacidade de adaptação e de busca de
soluções em espaços muito grandes
• Baseado na teoria da evolução das espécies
Computação Evolutiva
Inicializar a população de
“indivíduos”.
Terminou o problema.
SIM
Criar descendentes dos
“indivíduos” a partir de
técnicas de variação
aleatória.
Avaliar a aptidão ou
adequação de cada um dos
descendentes gerados, que
sejam candidatos à
solução.
NÃO
O novo conjunto de
soluções satisfaz os
requisitos?
Incorporar os “indivíduos”
selecionados ao espaço de soluções.
Leitura recomendada
• Capítulo 1 (p. 3-32), Russel & Norvig.