Inteligência Artificial
Uma Visão Geral
Profa. Dra. Flavia Cristina Bernardini
PURO – UFF
Tópicos
O que é IA
 História da IA
 Inteligência e Aprendizado

O que constitui
inteligência?

Exercício:
◦ O que vocês entendem por inteligência?
O que constitui
inteligência?

A inteligência é o termo usado no discurso
comum para se referir à habilidade cognitiva
Cognição é o conjunto dos processos mentais
usados no pensamento na classificação,
reconhecimento e compreensão para o julgamento
através do raciocínio para o aprendizado de
determinados sistemas e soluções de problemas
Cognição é a forma como o cérebro percebe,
aprende, recorda e pensa sobre toda informação
captada através dos cinco sentidos
O que constitui
inteligência?

Capacidade mental de:
◦
◦
◦
◦
◦

Raciocinar
Planejar
Resolver problemas
Abstrair e compreender ideias e linguagens
Aprender
Etimologia: Latim intellectus, de
intelligere = inteligir, entender,
compreender. Composto de íntus =
dentro e lègere = recolher, escolher, ler.
A inteligência é somente
humana?
O que nos diferencia dos outros seres da
natureza não é a inteligência ou a capacidade
de ter emoções, de sentir prazer, dor, medo, de
nos comunicar ou criar ferramentas, pois isso
várias espécies também fazem em diferentes
graus de eficiência.
O que nos torna únicos é a consciência de
nossa individualidade e, entre as
consequências disso, está o sentimento de
separação do mundo, dos outros, da natureza,
pois se somos nós não podemos ser o outro.
O que é IA?
O que constitui inteligência?
O que diferencia
inteligência artificial
de inteligência
presente na
natureza dos seres?
Como você define a IA?

Vamos divagar...
IA – Definições
“Uma área de pesquisa que investiga
formas de habilitar o computador a
realizar tarefas nas quais, até o
momento, o ser humano tem um
melhor desempenho”.
Elaine Rich
1995
“Tão logo algum problema de IA é
resolvido ele não é mais considerado
um problema da área de IA...”
Chuck Thorpe
CMU, Robotics Institute, 2000
IA – Definições
“Inteligência Artificial é o estudo dos
sistemas que agem de um modo que
a um observador qualquer parece
inteligente”
 Problema:

◦ Parecer inteligente significa ser
inteligente?
IA – Definições




Conjunto de técnicas para a construção de
máquinas “inteligentes”, capazes de resolver
problemas que requerem inteligência humana.
(Nilsson)
Ramo da Ciência da Computação dedicado à
automação de comportamento inteligente.
(Luger e Stubble)
Tecnologia de processamento de informação
que envolve processos de raciocínio,
aprendizado e percepção. (Winston)
Inteligência Artificial é o estudo das faculdades
mentais com o uso de modelos
computacionais. (Charniac & McDermott)
IA – Definições
“IA envolve utilizar métodos baseados
no comportamento inteligente de
humanos e outros animais para
solucionar problemas complexos.”
Coppin
 Podem ser projetados para se
comportar de modo inteligente
(comportamento humano) OU para
dar conta de alguma função útil
IA Forte x IA Fraca

IA Forte:
◦ Se houver um computador com capacidade
de processamento e suficiente inteligência, é
possível criar um computador que possa
literalmente pensar e ser consciente do
mesmo modo que o humano

IA Fraca:
◦ Comportamento inteligente pode ser
modelado e utilizado por computadores para
solucionar problemas complexos
◦ Agir inteligentemente não prova que seja
verdadeiramente inteligente como um
humano
As 4 categorias das definições
de Inteligência Artificial
Sistemas que
Sistemas que
pensam como os
pensam
humanos
racionalmente
Sistemas que Sistemas que agem
agem como
racionalmente
humanos
As 4 categorias das definições
de Inteligência Artificial

Pensando como humanos:
Ex: A abordagem da modelagem cognitiva

Agindo como humanos:
“The exciting new effort to make computers think...
Ex: A abordagem
Teste
deinTuring
machinesdo
with
minds,
the full and literal sense”
(Haugeland, 1985)

Pensando racionalmente:
“The automation of activities that we associate with
Ex: A abordagem
das leis do pensamento
human thinking, activities such as decision-
making, problem solving, learning...” (Bellman,
1978)
 Agindo racionalmente:
Ex: A abordagem de agentes racionais
As 4 categorias das definições
de Inteligência Artificial

Pensando como humanos:
Ex: A abordagem da modelagem cognitiva

Agindo como humanos:
Ex: A abordagem do Teste de Turing

Pensando “The
racionalmente:
art of creating machines that perform
Ex: A abordagem
leis dointelligence
pensamento
functionsdas
that require
when performed
by people” (Kurzweil, 1990)

Agindo racionalmente:
“The study of how to make computers do things at
Ex: A abordagem
racionais
which, atde
theagentes
moment, people
are better” (Rich and
Knight, 1991)
As 4 categorias das definições
de Inteligência
“The study of Artificial
mental faculties through the use of

models” (Charniak and McDermott,
Pensando computational
como humanos:
1985)
Ex: A abordagem da modelagem cognitiva
“The study of the computations that make it
possible
to perceive, reason, and act” (Winston,
 Agindo como
humanos:
1992) do Teste de Turing
Ex: A abordagem

Pensando racionalmente:
Ex: A abordagem das leis do pensamento

Agindo racionalmente:
Ex: A abordagem de agentes racionais
As 4 categorias das definições
de Inteligência Artificial

Pensando como humanos:
Ex: A abordagem da modelagem cognitiva
“A field of study that tries to explain and emulate
intelligent behavior in terms of computational
 Agindo como
humanos:
processes”
(Schalkoff, 1990)
Ex: A abordagem do Teste de Turing
“The branch of computer science that is concerned
with the automation of intelligent behavior” (Luger
 Pensando and
racionalmente:
Stubblefield, 1993)
Ex: A abordagem das leis do pensamento

Agindo racionalmente:
Ex: A abordagem de agentes racionais
Fundamentos da IA
Neurociência
Psicologia
Economia
Engenharia
Linguística
Matemática
IA
Filosofia
Fundamentos da IA

Filosofia (428 A.C. – presente)
◦ Regras formais podem ser usadas para obter conclusões
válidas?
◦ Como a mente (o intelecto) se desenvolve a partir de um
cérebro físico?
◦ De onde vem o conhecimento?
◦ Como o conhecimento conduz à ação?

Matemática (800 D.C. – presente)
◦ Quais são as regras formais para obter conclusões
válidas?
 Noção de Algoritmo
◦ O que pode ser computado?
 Intratabilidade e NP-completude
◦ Como raciocinamos com informações incertas?
 Probabilidade
Fundamentos da IA

Economia (1776 – presente)
◦ Como devemos tomar decisões para maximizar
o lucro?
 Teoria da Decisão
◦ Como devemos fazer algo quando outros não
podem nos acompanhar?
 Teoria dos Jogos (agente racional deve agir de forma
casual)
◦ Como devemos fazer algo quando o lucro pode
estar distante no futuro, e resultam de ações
executadas em sequência?
 Pesquisa Operacional

Neurociência (1861 – presente)
◦ Como o cérebro processa informações?
Fundamentos da IA

Psicologia (1879 – presente)
◦ Como os seres humanos e os animais pensam e
agem?
 Surgimento da ciência cognitiva, onde uma teoria cognitiva
deve descrever um mecanismo detalhado de
processamento de informações

Engenharia de Computadores, Ciência da
Computação, Teoria de Controle e Cibernética
(1940 – presente)
◦ Como podemos construir computador eficiente?
◦ Como podemos construir sistemas eficientes?
◦ Como os artefatos podem operar sobre seu próprio
controle?

Linguística (1957 – presente)
◦ Como a linguagem se relaciona ao pensamento?
“IA é considerada polêmica porque
desafia a idéia da unicidade do
pensamento humano, da mesma
forma que Darwin desafiou a
unicidade da origem dos seres
humanos.”
Helbert A. Simon
CMU, 2000
Linha do Tempo da IA
Alan Turing
“Computer
Machinery and
Intelligence”
Surge o termo
Artificial
Intelligence
LISP
Primeiro
Projeto
Japonês
Segundo
Projeto
Japonês
PROLOG
1950 1956 1957 1958 1962 1970 1981 1988 1992
Logic Theorist
General
Problem Solver
Primeiro Robô
Industrial
Primeiro
Sistema
Especialista
Ganhos com
Sistemas de IA
chegam a
US$ 1 Bilhão
A História da Inteligência Artificial







A gestação de IA (1943-1956)
O entusiasmo dos primeiros anos de IA,
grandes expectativas (1952-1969)
Uma dose de realidade (1966-1974)
Sistemas Baseados em Conhecimento: A
Chave para o Poder? (1969-1979)
IA se torna comercial (1980-1988)
O retorno das Redes Neurais
(1986 - presente)
Eventos Recentes
A gestação de IA (1943-1956)

Primeiro trabalho de IA foi um modelo de
neurônios artificiais (McCulloch&Pitts-43)
◦ Precursor das tradições lógica e conexionista de IA
◦ Baseado em:




Fisiologia Básica
Função dos neurônios no cérebro
Lógica Proposicional criada por Russel e Whitehead
Teoria da Computação de Turing
◦ Qualquer função computável podia ser calculada por rede
de neurônios conectados

Donald Hebb (1949) propõe atualização simples
das conexões sinápticas
◦ Aprendizado de Hebb (influente até os dias atuais)
A gestação de IA (1943-1956)

1950: “Computing Machinery and Intelligence”, por
Alan Turing
◦ Teste de Turing, Aprendizagem de Máquina, Algoritmos
Genéticos e Aprendizagem por Reforço
◦ Disponível em
http://www.loebner.net/Prizef/TuringArticle.html


Shannon & Turing escreveram programas de
xadrez para máquinas von Neumann
1951: Marvin Minsky e Dean Edmonds construíram
o primeiro computador de rede neural
◦ Mais tarde, Minsky provou teoremas importantes que
mostravam limitações da pesquisa das redes neurais da
época
O Teste de Turing
Interrogador
Barreira Física
Sistema
Computacional
Interface
Humano
A gestação de IA (1943-1956)

Workshop em Dartmouth em 56 (2 meses):
 John McCarthy (criador do LISP), Minsky e outros
reuniram pesquisadores de Princeton, IBM, MIT e CMU
interessados em Teoria dos Autômatos, Redes Neurais e
no estudo da inteligência
 Foi apresentado o LT (Logic Theorist) – provas de
teoremas matemáticos

Os 20 anos seguintes foram dominados por
pesquisadores participantes do Workshop e seus
estudantes
 Foi neste Workshop que o nome Inteligência Artificial
surgiu para denominar o novo campo de estudo, cunhado
por McCarthy
O entusiasmo dos primeiros
anos de IA (1952-1969)

Newell e Simon desenvolveram o GPS (General
Problem Solver)
◦ GPS: Programa projetado para imitar protocolos humanos
de resolução de problemas
◦ Primeiro programa a incorporar a abordagem “Pensar
como humanos”
◦ Combinação de IA e Ciência Cognitiva continua até hoje

Gelernter (1959) construiu o Geometry Thorem
Prover
◦ Demonstrava teoremas considerados bastante
complicados por muitos alunos de matemática
O entusiasmo dos primeiros
anos de IA (1952-1969)

Samuel (1952) escreveu uma série de programas
para jogar damas em nível amador elevado
◦ Provou o contrário do que era senso comum na época:
“computadores podem fazer somente o que foram
programados para fazer”
◦ Seus programas aprendiam rapidamente a jogar melhor
que seu criador

McCarthy (1958) saiu de Dartmouth para o MIT
◦ Desenvolveu o LISP, que se tornou a linguagem dominante
de IA – LISP é 1 ano mais jovem que FORTRAN (!)
◦ Ele e outros desenvolveram o conceito de time sharing
◦ Escreveu o artigo Problems with common sense
 Advice Taker – Primeiro sistema de IA completo
O entusiasmo dos primeiros
anos de IA (1952-1969)

Robinson (1963) descobriu o método da resolução
◦ Um algoritmo completo de provas de teoremas para a
Lógica de 1a Ordem – PROLOG estava a caminho.

Minsky (1958) foi para o MIT
◦ Seguiu outro caminho de pesquisa diferente de McCarthy
◦ Supervisionou uma série de estudantes que escolheram
problemas limitados que pareciam requerer inteligência
para serem resolvidos: micromundos
◦ O mais famoso micromundo foi o mundo dos blocos
◦ Trabalhos de redes neurais começaram a florescer
O entusiasmo dos primeiros
anos de IA (1952-1969)

Declaração de Herbert Simon (1957):
◦ “Não é meu objetivo surpreendê-los ou chocá-los
– mas o modo mais simples de resumir tudo isso
é dizer que agora existem no mundo máquinas
que pensam, aprendem e criam. Além disso, sua
capacidade de realizar essas atividades está
crescendo rapidamente até o ponto – em um
futuro visível – no qual a variedade de problemas
com os quais lida a mente humana.”

Previsão mais concreta de Simon:
◦ Em 10 anos um computador seria campeão de
xadrez e um teorema matemático significativo
seria provado por uma máquina
Uma dose de realidade
(1966-1974)

A barreira que muitos projetos de IA encontraram:
◦ Métodos suficientes para demonstrações de um ou dois
exemplos simples falhavam terrivelmente quando foram
utilizados em uma seleção maior de problemas ou
problemas mais difíceis

O primeiro tipo de dificuldade:
◦ Os primeiros programas continham pouco ou nenhum
conhecimento do assunto que eles tratavam
◦ Tinham sucesso através de manipulações sintáticas muito
simples
 ELIZA (1966) – simulação de diálogo entre paciente e psicólogo
 Tradução – imaginava-se que tradução de documentos eram simples
manipulações de regras sintáticas
Uma dose de realidade
(1966-1974)

O segundo tipo de dificuldade: Intratabilidade de
muitos problemas que IA estava tentando resolver
◦ Os primeiros programas funcionavam somente porque os
micromundos continham poucos objetos
◦ Antes da teoria da complexidade computacional ser
desenvolvida, acreditava-se que o problema de se
“escalar” para problemas maiores era simplesmente um
problema de se ter hardware mais rápido

Os experimentos de evolução da máquina (hoje
AGs) se baseavam em pequenas mutações
aleatórias em código de máquina para geração de
programa com bom desempenho para tarefas
simples (Nenhum progresso obtido)
Uma dose de realidade
(1966-1974)


Incapacidade da explosão combinatória serviu de
base para corte de investimentos por parte do
governo britânico
Uma terceira dificuldade veio das limitações sobre
as estruturas básicas usadas para gerar
comportamento inteligente
◦ Minsky e Papert (1969) provou que os perceptrons, que
formavam as redes neurais, podiam aprender tudo o que
podiam representar, mas sua capacidade de
representação era bastante limitada
SBCs: A Chave para o Poder?
(1969-1979)

O método de resolução de problemas usado na
primeira década de IA foi o mecanismo de busca
de propósito geral
◦ Eles são chamados métodos fracos porque eles usam
pouca informação sobre o domínio
◦ Para domínios complexos o desempenho é pobre.

Programa Dendral (69):
◦ inferia a estrutura molecular de informações fornecidas por
um espectrômetro de massa
◦ foi o primeiro sistema a trabalhar com conhecimento
intensivo – sua esperteza era derivada de um grande
número de regras específicas
SBCs: A Chave para o Poder?
(1969-1979)



Feigenbaum e outros em Stanford começam a
investigar a nova metodologia de sistemas
especialistas
A importância do conhecimento do domínio foi
também aparente na área de processamento de
linguagem natural
O crescimento das aplicações no mundo real
aumentou a demanda por esquemas de
representação de conhecimento alternativos:
lógica e frames
IA se torna comercial
(1980-1988)
O primeiro sistema especialista de
sucesso comercial, R1, começou a
operar na DEC e ajudava a configurar
ordens para novos computadores.
 Em 1981, os japoneses anunciaram a
“Quinta Geração”, um projeto de 10 anos
para construção de computadores
inteligentes que rodavam Prolog

 Não atenderam as metas ambiciosas
O retorno das Redes Neurais
(1986 - presente)

Ciência da computação negligenciou o campo
das redes neurais mas continuou em outros
campos, particularmente na Física
◦ Hopfield (1982) usou técnicas de mecânica
estatística para analisar propriedades de
armazenamento e otimização de redes, tratando
coleções de nós como coleções de átomos
Humelhart e Hinton (psicólogos) continuaram o
estudo de modelos de memória em redes
neurais
 1980: Algoritmo de retro-propagação de erros
 Modelos Conexionistas utilizados para
construir Sistemas Inteligentes

A IA se torna uma ciência
(1987 – presente)
Algumas desilusões sobre a aplicabilidade de sistemas
especialistas começaram a surgir na época
 Revolução no trabalho de IA, tanto em conteúdo quanto
em metodologia

◦ Teorias existentes são utilizadas como bases, ao invés de
propor teorias inteiramente novas
◦ Afirmações são fundamentadas em teorias rigorosas ou
em evidência experimental rígida
◦ Intuição e exemplos de brinquedo perdem espaço para
teorias bem embasadas e aplicações reais

IA deixou de se isolar da Ciência da Computação
◦ Aprendizado de Máquina e Teoria da Informação (ou
Teoria Matemática da Comunicação)
◦ Raciocínio Incerto e Modelagem Estocástica
◦ Busca e Otimização Clássica e do Controle
◦ Raciocínio Automático e Métodos Formais
A IA se torna uma ciência
(1987 – presente)

IA adotou com firmeza o método científico
◦ Hipóteses devem ser submetidas a rigorosos experimentos
empíricos
◦ Resultados devem ser analisados estatisticamente
◦ Experimentos podem ser reproduzidos com a Internet e os
repositórios de dados e códigos compartilhados

Reconhecimento de Fala – na década de 70, ampla
variedade de arquiteturas e abordagens foram
propostas, testadas em exemplos selecionados
◦ Modelos Ocultos de Markov (MOM) dominam a área,
baseados em teoria matemática rigorosa

Redes Neurais, técnicas de reconhecimento de
padrões, técnicas estatísticas e aprendizado de
máquina podem ser comparadas
◦ Surgimento da Mineração de Dados
A IA se torna uma ciência
(1987 – presente)

Redes Bayesianas foram criadas para permitir
representação de conhecimento incerto e um raciocínio
rigoroso sobre esse tipo de conhecimento
◦ Domina a IA sobre raciocínio incerto e sistemas
especialistas
◦ 1982: promoveu a ideia de sistemas que agem
racionalmente de acordo com as leis da teoria da decisão
e não procuram imitar os passos do pensamento de
especialistas humanos

Formalização e especialização também levaram alguns
tópicos cada vez mais isolados do ramo principal da IA
◦ Robótica
◦ Visão Computacional
◦ Representação de Conhecimento e Ontologias
O surgimento de Agentes
Inteligentes (1995 – presente)
Progresso na resolução de
subproblemas de IA levaram
pesquisadores a examinar mais uma vez
o problema do agente como um todo
 SOAR (1990): exemplo mais conhecido
de arquitetura completa de agente
 Objetivo: entender o funcionamento
interno dos agentes incorporados a
ambientes reais com entradas sensoriais
contínuas
Sensores

Atuadores
Uma Nova Visão
A partir dos anos 80 foi percebido que,
geralmente, o modelo de raciocínio
utilizado em IA era diferente do usado
pelos seres humanos
 Essas diferenças não invalidam o uso de
modelos não-humanos

◦ O computador precisa raciocinar como o
homem?
◦ O homem voa? E precisa voar como um
pássaro?
Uma Nova Visão
Em outras palavras, para que alguém
quer construir uma cópia da mente
humana? Não é suficiente a original?
Não é a mente humana a mais difícil
de se auto-examinar?
 A única solução aparentemente lógica
é separar a inteligência humana da
inteligência artificial para construir
algo completamente novo

Áreas Relacionadas com a
Inteligência Artificial
Lógica
Matemática
Lingüística
Biologia
Psicologia
Robótica
Engenharia
IA
Redes Neurais
Sistemas
Baseados em
Conhecimento
Ciência da
Computação
Filosofia
Planejamento
Sistemas Nebulosos
Aprendizado
de Máquina
Processamento de
Linguagem Natural
Algumas Aplicações de IA hoje






Buscadores Inteligentes
(aplicados principalmente à Web)
Reconhecimento de Voz
Robótica
Mineração de Dados
Casas Inteligentes
Sub-áreas de IA complementam-se e,
assim, podem ser combinadas produzindo
resultados surpreendentes
Algumas Aplicações de IA hoje

Notícias recentes:
◦ Google 'monopoliza' cientistas de inteligência
artificial
http://www1.folha.uol.com.br/tec/2014/02/140590
7-google-monopoliza-cientistas-de-inteligenciaartificial.shtml
◦ Unsubscribing? The New York Times Wants to
Predict That
http://www.technologyreview.com/news/524716/u
nsubscribing-the-new-york-times-wants-topredict-that/
◦ Outras tantas...
Paradigmas da Inteligência
O que é
inteligência?
Muito difícil!!!
Procedimento Inteligente










Aprende por experiência
Usa conhecimento adquirido por experiência
Soluciona problemas na ausência de alguma
informação
Reage rapidamente perante uma nova
situação
Determina o que é importante
Raciocina e pensa
Entende imagens visuais
Processa e manipula símbolos
É criativo e imaginativo
Usa heurísticas
Inteligência x Aprendizado

Aprendizado é a chave da
superioridade da Inteligência Humana
◦ Aprendizado é a essência da Inteligência

Para que uma máquina tenha
Comportamento Inteligente, deve-se
aumentar sua Capacidade de
Aprendizado
Inteligência x Aprendizado

O ser humano está pré-programado para o
aprendizado
◦ Aprende ampliando o alcance do conhecimento
que já possui, através de reordenações
sucessivas
O computador não possui o programa
inicial para procurar por informações e
realizar aprendizado em geral
 Paradigmas e técnicas de aprendizado de
máquina ainda possuem um alvo bem mais
limitado do que o aprendizado humano

Objetivos da Disciplina

Oferecer uma visão geral da IA
◦
◦
◦
◦
Representação de Conhecimento
Algoritmos de Busca
Aprendizado de Máquina
Redes Neurais
Avaliação
2 provas
 2 trabalhos (escrito e prático)

◦ Temas:









Planejamento
Processamento de Língua Natural
Visão Computacional
Robótica
Têmpera Simulada e Colônia de Formigas
Algoritmos Genéticos e Programação Genética
Ontologias
Vida Artificial e Comportamento Emergente
IA em Jogos
Agradecimentos

Parte deste material foi baseado em
slides de Maria Carolina Monard.