Inteligência Artificial
Introdução
P R O FA . M S C . C I N T I A C A R VA L H O O L I V E I R A
D O U TO R A N D A E M C I Ê N C I A D A C O M P U TA Ç Ã O - U F U
M E S T R E E M C I Ê N C I A D A C O M P U TA Ç Ã O – U F U
B A C H A R E L E M C I Ê N C I A D A C O M P U TA Ç Ã O - U FJ F
Introdução
Principais Avanços da Inteligência Artificial:
◦ A meta de se criar inteligência artificial pode ser traçada
desde os primórdios da era computacional. Os cientistas
que primeiro imaginaram isto foram:
◦ Alan Turing;
◦ John von Neumann entre outros.
◦ A primeira grande revolução foi o surgimento do campo
das redes neurais artificiais, a segunda do aprendizado
de máquinas e a terceira da computação evolutiva, em
que os algoritmos genéticos são os exemplos mais
conhecidos.
2
Agentes Inteligentes em IA
Definição de IA: é o estudo de agentes inteligentes que recebem
percepções do ambiente e executem ações.
Ideia dos Agentes Inteligentes: sistemas que podem decidir o que fazer
e quando fazer de forma autônoma.
O campo da Inteligência Artificial: ele tenta não apenas compreender,
mas também construir entidades inteligentes.
A IA é uma das ciências mais recentes: começou logo após a Segunda
Guerra Mundial, e o próprio nome IA foi cunhado em 1956.
A IA: sistematiza e automatiza tarefas intelectuais.
O conceito de racionalidade: um sistema é racional se “faz tudo certo”,
com os dados que tem
3
Definições de IA
Quatro estratégias para o estudo da IA
◦ Pensamento e Raciocínio (racional ou como seres humanos)
◦ Comportamento (racional ou como seres humanos)
Um agente é simplesmente algo que age. Atributos de um agente:
controle autônomo, perceber seu ambiente, persistir por um tempo
prolongado, adaptar-se a mudanças e assumir metas de outros.
Agente Racional: é aquele que age para alcançar o melhor resultado ou,
quando há incerteza, o melhor resultado esperado. Um sistema é
racional de “faz tudo certo” com os dados que tem.
Agente Humano: simula o pensamento e comportamento humano. É
necessário o estudo de psicologia e ciência cognitiva.
4
Agindo de Forma Humana
Um computador precisaria ter as
seguintes capacidades:
◦ Processamento de linguagem
natural (comunicação);
◦ Representação de conhecimento
(armazenar o que sabe);
◦ Raciocínio automatizado (tirar
conclusões a partir das perguntas);
◦ Aprendizado de máquina (adaptarse à novas circunstâncias).
5
Pensando de Forma Humana
Simular o pensamento humano
◦ Psicologia
◦ Ciência Cognitiva
6
Agindo de Forma Humana
Teste de Turing
Um humano não pode perceber, dado algumas
perguntas, que as respostas vem de um
computador.
Ainda não solucionado
Teste continua relevante mesmo após 60. anos.
7
Pensando Racionalmente
Aristóteles: Codificar o pensamento correto. Raciocínio irrefutável.
Silogismos (raciocínio dedutivo) que fornecem padrões para estrutura
de argumentos que sempre levam a conclusões corretas ao receberem
premissas corretas.
Sócrates é um homem
Todos os homens são mortais
Então Sócrates é mortal
8
Agindo racionalmente
Um agente é simplesmente algo que age. Um agente
racional é aquele que age para alcançar o melhor resultado
ou, quando há incerteza, o melhor resultado esperado.
Um agente é simplesmente algo que age. Atributos de um
agente:
◦
◦
◦
◦
◦
controle autônomo,
perceber seu ambiente,
persistir por um tempo prolongado,
adaptar-se a mudanças e
assumir metas de outros.
9
Fundamentos da IA
Matemática (cerca de 800 d.C. até a atualidade)
◦ Lógica, Computação e Probabilidade
◦ Quais são as regras formais para obter conclusões válidas?
◦ O que pode ser computado?
◦ Como raciocinamos com informações incertas?
Psicologia (de 1879 até a atualidade)
◦ Como os seres humanos e os animais pensam e agem?
10
O Estado da Arte
O que a IA pode fazer hoje? É difícil uma resposta concisa,
porque existem muitas atividades em vários subcampos:
◦
◦
◦
◦
◦
◦
◦
Planejamento
Jogos
Controle Autônomo
Diagnóstico
Planejamento Logísticos
Robótica
Reconhecimento de linguagem e resolução de problemas
11
Agentes
Inteligentes
12
Agentes Inteligentes
Um agente é tudo que pode ser considerado capaz de perceber seu
ambiente por meio de sensores e de agir sobre esse ambiente por
intermédio de atuadores.
13
Elementos Funcionais de um
Agente
Percepção: fazer referência às entradas perceptivas do agente em qualquer
momento dado.
Sequência de Percepções do Agente: é a história completa de tudo que o
agente percebeu.
◦ a escolha de ação de um agente em qualquer instante dado pode depender da
sequência inteira de percepções observadas até o momento.
Função de Agente: descreve o comportamento do agente através do
mapeamento para qualquer sequência de percepções específica para uma
ação.
Internamente ao Agente: a função de agente será implementada por um
programa de agente.
◦ Função do Agente: descrição matemática abstrata.
◦ Programa do Agente: é uma implementação concreta, relacionada à arquitetura
do agente.
14
O Bom Comportamento do
Agente
Ação certa: é aquela que fará o agente obter maior sucesso.
Método para medir sucesso = medida de desempenho
Medida de desempenho: critérios para se medir o sucesso do comportamento do
agente.
◦ é melhor projetar medidas de desempenho de acordo com o resultado realmente desejado
no ambiente, em vez de criá-las de acordo com o comportamento esperado do agente.
Racionalidade: depende de quatro fatores, citando-os, medida de desempenho,
conhecimento prévio do ambiente, ações que o agente pode executar, sequências de
percepções até o momento.
Agente racional autônomo: deve aprender o que puder para compensar um
conhecimento prévio parcial ou incorreto.
Cálculo da função do agente: quando o agente está sendo projetado, quando está
deliberando sobre sua própria ação e à medida que aprende a partir da experiência.
Trabalho da IA: é projetar o programa de agente que implementa a função de agente
que mapeia percepções em ações
15
Composição de um Agente
Execução do programa de agente: dispositivo ou arquitetura de
computação com sensores e atuadores físicos.
Agente = Arquitetura + Programa
Função de agente: Mapeia percepções em ações
Programa de agente: Implementa a função de Agente
Arquitetura: Conjunto dos sensores, atuadores e mecanismo de
computação (computador)
INTELIGÊNCIA ARTIFICIAL: MSC. DANIELE C. OLIVEIRA
16
Ambiente de Tarefa
Performance (desempenho)
Enviroment (ambiente)
Actuators (atuadores)
Sensors (sensores)
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
17
Projetando um agente:
Exemplo
Motorista de táxi automatizado:
◦ Que medida de desempenho gostaríamos que nosso
agente tivesse como objetivo?
◦ Qual é o ambiente de direção que o táxi enfrentará?
◦ Quais atuadores?
◦ Quais sensores?
18
PEAS: Outros Exemplos
Sistema diagnóstico médico:
◦ Medida de desempenho:
◦ Paciente saudável, minimizar custos, processos judiciais.
◦ Ambiente:
◦ Paciente, hospital, equipe
◦ Atuadores
◦ Exibir perguntas, testes, diagnósticos, tratamentos, indicações
◦ Sensores
◦ Entrada pelo teclado para sintomas, descobertas, respostas do
paciente
19
PEAS: Outros Exemplos
Robô de seleção de peças
◦Medida de desempenho:
◦ Porcentagem de peças em bandejas corretas
◦Ambiente:
◦ Correia transportadora com peças, bandejas
◦Atuadores:
◦ Braço e mão articulados
◦Sensores:
◦ Câmera, sensores angulares articulados
20
PEAS: Outros Exemplos
Instrutor de inglês interativo
◦Medida de desempenho:
◦ Maximizar nota de aluno em teste
◦Ambiente
◦ Conjunto de alunos, testes de agência
◦Atuadores
◦ Exibir exercícios, sugestões, correções
◦Sensores
◦ Entrada pelo teclado
21
Ambientes de tarefas
Completamente observável X Parcialmente observável
Determinístico X Estocástico
Episódico X Sequencial
Estático X Dinâmico
Discreto X Contínuo
Agente Único X Multiagente
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
22
Completamente observável X
Parcialmente observável
Completamente Observável
◦ Se os sensores de um agente permitem acesso ao estado
completo do ambiente em cada instante, dizemos que o
ambiente de tarefa é completamente observável
Parcialmente Observável
◦ Um ambiente poderia ser parcialmente observável devido
ao ruído e a sensores imprecisos ou porque partes do
estado estão simplesmente ausentes nos dados do
sensor.
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
23
Determinístico X
Estocástico
Se o próximo estado do ambiente é
completamente determinado pelo estado atual e
pela ação executada pelo agente, dizemos que o
ambiente é determinístico; caso contrário, ele é
estocástico (mudanças no ambiente)
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
24
Episódico X
Sequencial
Episódico
◦ A experiência do agente pode ser dividida em episódios
(percepções e execução em uma única ação)
◦ A escolha da ação em cada episódio só depende do
próprio episódio.
◦ Exemplo: um agente localiza peças defeituosas em uma
linha de montagem.
Sequencial
◦ A decisão atual pode afetar todas as decisões futuras.
◦ Exemplo: um agente que joga xadrez
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
25
Estático X
Dinâmico
Se o ambiente puder se alterar enquanto um
agente está deliberando, dizemos que o ambiente é
dinâmico para esse agente; caso contrário; ele é
estático.
Ambientes estáticos são fáceis de manipular,
porque o agente não precisa continuar a observar o
mundo enquanto está decidindo sobre a realização
de uma ação, nem precisa se preocupar com a
passagem do tempo
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
26
Discreto X
Contínuo
A distinção entre discreto e contínuo pode se aplicar ao
estado do ambiente, ao modo como o tempo é tratado,
e ainda às percepções e ações do agente. Por exemplo,
um ambiente de estados discretos como um jogo de
xadrez tem um número finito de estados distintos.
Porém um agente inteligente para automatizar a tarefa
de um taxi é um problema de estado contínuo e tempo
contínuo: a velocidade e a posição do táxi e de outros
veículos passam por um intervalo de valores contínuos
e fazem isso suavemente ao longo do tempo.
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
27
Agente Único X
Multiagente
A distinção entre ambientes de agente único e de
Multiagente pode parecer bastante simples.
Por exemplo, um agente que resolve um jogo de
palavras cruzadas sozinho está claramente em um
ambiente de agente único, enquanto um agente
que joga Xadrez está em um ambiente de dois
agentes.
◦ Pode ser competitivo ou cooperativo
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
28
Exemplos
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
29
Exemplos
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
30
Ferramentas Matemáticas
para o Projeto de Agentes
Inteligentes
O que pode ser inserido dentro de um agente?
Em geral, todas as técnicas existentes em Inteligência Artificial.
Agente = arquitetura + programa
Existem quatro tipos básicos de programas de agentes:
a)
b)
c)
d)
Agentes Reativos Simples;
Agentes Reativos Baseados em Modelo;
Agentes Baseados em Objetivos;
Agentes Baseados na Utilidade.
31
Agentes Reativos Simples
Selecionam suas ações com bases na percepção atual
Agem por reflexo: regras condição-ação
32
Agentes reativos baseados em
modelos
Mantém algum tipo de estado interno que dependa do
histórico de percepções.
33
Agente baseado em objetivos
Informações sobre objetivos que descreva situações
desejáveis
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
34
Agente baseado em utilidade
Funciona escolhendo sem um estado mais útil
Função de utilidade: determina o grau de satisfação do agente em
relação a um determinado estado.
INTELIGÊNCIA ARTIFICIAL: MSC. CINTIA OLIVEIRA
35
Agentes Baseados em
Aprendizado
INTELIGÊNCIA ARTIFICIAL: MSC. DANIELE C. OLIVEIRA
36
Agentes Baseados em
Aprendizado
Características:
◦ Turing (1950) propõe construir máquinas com aprendizagem e depois
ensiná-las;
◦ Ambientes inicialmente desconhecidos sendo desvendados por algoritmos
de aprendizado;
◦ Elemento de Aprendizado: responsável pela execução de aperfeiçoamentos;
◦ Elemento de Desempenho: responsável pela seleção de ações externas. Ele
recebe percepções e decide sobre ações;
INTELIGÊNCIA ARTIFICIAL: MSC. DANIELE C. OLIVEIRA
37
Agentes Baseados em
Aprendizado
◦ O Elemento de aprendizado utiliza realimentação do crítico sobre como o
agente está funcionando e decide como o elemento de desempenho deve
ser modificado para melhorar o desempenho no futuro;
◦ Primeira Pergunta: que tipo de elemento de desempenho meu agente
precisará ter para fazer isso depois de ter aprendido como fazê-lo?
◦ Crítico: informa ao elemento de aprendizado como o agente está se
comportando em relação a um padrão fixo de desempenho.
◦ Gerador de Problemas: responsável por sugerir ações que levarão a
experiências novas e informativas. Sugerir ações exploratórias.
INTELIGÊNCIA ARTIFICIAL: MSC. DANIELE C. OLIVEIRA
38
Agentes Baseados em
Conhecimento
São agentes que
◦ Conhecem seu mundo através de uma Base de Conhecimento;
◦ Raciocinam sobre suas possíveis ações através de uma Máquina de
Inferência.
Eles Sabem:
◦
◦
◦
◦
◦
O estado atual do mundo (propriedades relevantes);
Como o mundo evolui;
Como identificar estados desejáveis do mundo;
Como avaliar o resultado das ações;
Conhecimento sobre conhecimento (meta-conhecimento);
INTELIGÊNCIA ARTIFICIAL: MSC. DANIELE C. OLIVEIRA
39
Agentes Baseados em
Conhecimento
(Definições Importantes)
Sistemas Baseados em Conhecimento:
◦ Têm uma Base de Conhecimento e uma Máquina de Inferência associada;
◦ Formalizam e implementam parte dos agentes.
Qual a diferença entre Agentes e Sistemas Baseados em Conhecimento (SBC)?
◦ Agentes interagem com o ambiente onde estão imersos através dos SENSORES e ATUADORES;
Base de Conhecimento:
◦ Contém sentenças em uma linguagem de representação de conhecimento;
◦ Representações de fatos e regras;
◦ Conhecimento em forma “tratável” pelo computador.
Exemplo: Computador é um aparelho eletrônico.
DX50 é um computador.
Mecanismo (Máquina) de Inferência:
◦ Responsável por inferir, a partir do conhecimento da base, novos fatos ou hipóteses
intermediárias/temporárias.
Exemplo: DX50 é um aparelho eletrônico
INTELIGÊNCIA ARTIFICIAL: MSC. DANIELE C. OLIVEIRA
40
Introdução ao Processo de
Inferência
Inferência (“Leis do Pensamento”)
◦ Filósofo Grego Aristóteles (SILOGISMOS)
Sócrates é um homem
Todos os homens são mortais
Sócrates é mortal
◦ Como Inferir que PREMISSAS CORRETAS acarretam sempre CONCLUSÕES CORRETAS? Este é o papel da Lógica Matemática.
Adequação Inferencial
Em IA deu-se origem ao termo ADEQUAÇÃO INFERENCIAL, que é a capacidade de manipular as estruturas
representacionais de modo a derivar novas estruturas que correspondem a novos conhecimentos, inferidos a
partir de conhecimentos antigos.
Inferência x Lógicos do Século XIX
◦
◦
◦
◦
◦
As leis do pensamento deram origem ao campo denominado LÓGICA.
Notação precisa para declarações sobre todos os tipos de coisas no mundo e sobre as relações entre elas.
George Boole (1847): Lógica Booleana.
Frege (1879): Incluiu objetos e relações na LB e criou a lógica de Primeira Ordem.
Tarski (1902-1983): Mostra como relacionar os objetos de uma lógica a objetos do mundo real.
INTELIGÊNCIA ARTIFICIAL: MSC. DANIELE C. OLIVEIRA
41
Inferência x Limitações
(da Lógica e da Computação)
David Hilbert (1862-1943)
Existe um algoritmo para determinar a verdade de qualquer proposição
lógica envolvendo os números naturais?
(Problema de Decisão, 1900).
Gödel (1906-1978): Teorema da INCOMPLETEZA (1931)
◦ Existem verdades que não podem ser estabelecidas por qualquer algoritmo.
INTELIGÊNCIA ARTIFICIAL: MSC. DANIELE C. OLIVEIRA
42