Inteligência
Artificial
 Definição e evolução histórica
 Aplicações
 Abordagens e problemas principais
 Comparação com a computação
convencional
1
Inteligência artificial (IA): definição
 Surgiu na década de 50
 Objetivo: desenvolver sistemas para realizar tarefas
que, no momento
 são melhor realizadas por seres humanos que por
máquinas, ou
 não possuem solução algorítmica viável pela computação
convencional
problemas que não possuem
uma solução algorítmica
IA
problemas solúveis
por seres humanos
Se o ser humano pode, por que não a máquina?
(tese de Church-Turing)
2
Interação com outras disciplinas
Matemática
Filosofia
Lingüística
Sociologia
IA
Psicologia
Computação
Neuro-fisiologia
Genética
3
Aplicações (fonte 1)
 Matemática: demonstração de teoremas, resolução simbólica
de equações, geometria, etc.
 Pesquisa operacional: otimização e busca heurística em geral
 Jogos: xadrez, damas, go, etc.
 Processamento de linguagem natural: tradução automática,
verificadores ortográficos e sintáticos, interfaces para BDs,
etc.
 Sistemas tutores: modelagem do aluno, escolha de
estratégias pedagógicas, etc.
 Percepção: visão, tato, audição, olfato, paladar...
 Robótica (software e hardware): manipulação, navegação,
monitoramento, etc.
4
Aplicações
 Sistemas especialistas: Atividades que exigem
conhecimento especializado e não formalizado
 Tarefas: diagnóstico, previsão, monitoramento, análise,
planejamento, projeto, etc.
 Áreas: medicina, finanças, engenharia, química, indústria,
arquitetura, arte, computação,...
 Computação:
 engenharia de software (sobretudo na Web)
 programação automática
 interfaces adaptativas
 bancos de dados dedutivos e ativos
 mineração de dados (data mining)
 sistemas distribuídos, etc.
5
Aplicações da IA: Robótica (fonte 2)
 Como obter navegação segura e eficiente,
manipulação fina e versátil, autonomia?
 E no caso de ambientes dinâmicos e imprevisíveis?
6
Aplicações da IA: Automação
de sistemas complexos
 Como modelar os componentes do sistema e dar-lhes
autonomia?
 Como assegurar boa comunicação e coordenação entre
esses componentes?
7
Automação de Software Complexo
Segundo o Autonomic Computing Manifesto
(IBM 2001), o que queremos são sistemas
capazes de:
Conhecer o ambiente
Auto conhecimento
Auto-Configuração
Auto-Recuperação
Auto-Otimização
Auto-Proteção
Conhecimento do contexto
Integração automática
Realizar predição
8
Aplicações da IA:
Sistemas de controle
 Como frear o carro sem as rodas deslizarem em função
da velocidade, atrito, ...?
 Como focar a câmera em função de luminosidade,
distância...?
 Como ajustar a temperatura em da quantidade de roupa,
fluxo de água, ...?
9
Aplicações da IA:
Simulações e jogos
 Como modelar o ambiente físico e o
comportamento/personalidade dos personagens?
 Como permitir interação interessante com o usuário?
The Sims
FIFA Soccer
10
Aplicações da IA: Previsão
 Como prever o valor do dólar (ou o clima) amanhã?
 Que dados são relevantes? Há comportamentos
recorrentes?
11
Aplicações da IA:
Sistemas de Recomendação
 Como fazer recomendações personalizadas de produtos?
 Como modelar os perfis dos compradores?
 Como recomendar experts capazes de ajudar usuários a
resolver problemas?
12
Aplicações da IA:
Recuperação de informação
 Como localizar a informação relevante?
13
Aplicações da IA: Detecção de intrusão e
filtragem de spam
 Como saber se uma
mensagem é lixo ou Como detectar usuários
suspeitos e como lidar com
de fato interessa?
isto?
14
Aplicações da IA:
Interação Humano Máquina
 Como dar ao usuário a ajuda de que ele precisa?
 Como interagir (e até navegar na web) com celular sem
ter de digitar (hands-free)?
 Como adaptar a informação e funcionalidades ao
dispositivo e à situação do usuário?
15
Aplicações da IA
 Internet e Web
 Maior valor agregado quando
 Redes e Sistemas
embutida em sistemas de
Distribuídos
computação
 Banco de dados
 Engenharia de software
 Hardware (projeto e análise)
 Robótica
 Interfaces
 Computação Gráfica
 Jogos
 Etc.
16
Aplicações da IA hoje
página da AAAI:
http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AITopics/Applicationsl
 Agriculture, Natural Resource
Management, and the
Environment
 Architecture & Design
 Art
 Artificial Noses
 Astronomy & Space Exploration
 Assistive Technologies
 Banking, Finance & Investing
 Bioinformatics
 Business & Manufacturing
 Drama, Fiction, Poetry,
Storytelling & Machine Writing
 Earth & Atmospheric Sciences
 Engineering
 Filtering
 Fraud Detection & Prevention
 Hazards & Disasters
 Information Retrieval &
Extraction
 Knowledge Management
17
Today’s Diversity of AI Applications (fonte
3)
 Agriculture, Natural Resource
Management, and the Environment
 Architecture & Design
 Art
 Artificial Noses
 Astronomy & Space Exploration
 Assistive Technologies
 Banking, Finance & Investing
 Bioinformatics
 Business & Manufacturing
 Drama, Fiction, Poetry, Storytelling &
Machine Writing
 Earth & Atmospheric Sciences
 Engineering
 Filtering
 Fraud Detection & Prevention
 Hazards & Disasters
 Information Retrieval & Extraction
 Knowledge Management
















Law
Law Enforcement & Public Safety
Libraries
Marketing, Customer Relations & ECommerce
Medicine
Military
Music
Networks - including Maintenance,
Security & Intrusion Detection
Politics & Foreign Relations
Public Health & Welfare
Scientific Discovery
Social Science
Sports
Telecommunications
Transportation & Shipping
Video Games, Toys. Robotic Pets &
Entertainment
AI Pays !
 AI Industry Gross Revenue:




2002: US $11.9 billions
Annual growth rate: 12.2%
Projection for 2007: $21.2 billions
www.aaai.org/AITopics/html/stats.html
 Companies specialized in AI:
 http://dmoz.org/Computers/Artificial_Intelligence/Companies/
 Corporations developing and using AI:
 Google, Amazon, IBM, Microsoft, Yahoo, ...
 Corporations using IA:
 www.businessweek.com/bw50/content/mar2003/a3826072.htm
 Wal-Mart, Abbot Labs, US Bancorp, LucasArts, Petrobrás, ...
 Government agencies using AI:
 US National Security Agency
When is a Machine Intelligent?
What is Intelligence?
Who’s smarter?
 Your medical doctor or your
cleaning lady?
 Your lawyer or your two
year old daughter?
 Kasparov or Ronaldinho?
 What did 40 years of AI
research discovered?
 Common sense intelligence
harder than expert
intelligence
 Embodied intelligence
harder than purely
intellectual, abstract
intelligence
 Kid intelligence harder
than adult intelligence
 Animal intelligence harder
than specifically human
intelligence (after all we
share 99% of our genes
with chimpanzees !)
Turing Test
?
199
7:
2050
2x1
?
www.robocup.org
 New benchmark task for AI
 Annual competition associated to conference on
AI, Robotics or Multi-Agent Systems
Tomorrow’s AI
Applications
Blade Runner
M
A
T
R
I
X
A.I.
Mercado fatura alto...
Faturamento da indústria da IA:
2007: $17.9 bilhões só para Jogos
Robótica em franco crescimento
50 Bilhões só para produtos de Semantic
Web em 2010
fonte: www.aaai.org/AITopics/html/stats.html
Empresas especializadas em IA:
http://dmoz.org/Computers/Artificial_Intellige
nce/Companies/
23
Mercado fatura alto...
 Grandes empresas desenvolvendo e utilizando IA:
IBM, HP, Sun, Microsoft, Unisys, Google, Amazon.com, Oracle ...
 Grandes empresas utilizando IA:
www.businessweek.com/bw50/content/mar2003/a3826072.htm
Wal-Mart, Abbot Labs, US Bancorp, LucasArts, Electronic Arts...
 Órgãos governamentais utilizando IA:
US National Security Agency
24
O que esses problemas
têm em comum?
 Grande complexidade
número, variedade e natureza das tarefas
 Não há “solução algorítmica”
mas existe conhecimento (em intenção) sobre o
problema
 Requerem modelagem do
comportamento de um ser inteligente
autonomia, aprendizagem, conhecimento, etc.
25
Evolução da IA
 Agindo humanamente (anos 50-70): Teste de Turing
 Problema: “mito do cérebro eletrônico“
 Pensando humanamente (anos 50-60): simulação cognitiva (Simon &
Newell)
 Boas inspirações (GPS, Sistemas Especialistas,...) mas fraca justificativa para
os resultados obtidos
 Pensando idealmente (anos 60-70): A escola logicista (McCarthy)
 Desenvolvimento de formalismos de representação de conhecimento
 Problemas: escasez de recursos computacionais, limitação dos tipos de
inferências
 Agindo idealmente (anos 80 em diante): Agente inteligente (Newell,
Minsky, Russel & Norvig)
 Abrangente (atividades), unificador (domínios da IA), excelente framework
para projeto e análise de programas.
26
Definições da IA
Realiza tarefas
 Para qual não existe algoritmo
conhecido ou prático
 No entanto efetuada com alto
desempenho por humanos
Problema
Algoritmo
X
Abstrações de IA
+ P(A|B)
27
Definições de IA
Máquina que age humanamente:
Teste de Turing
?
Teste de Turing
envolve:
Processamento de
Linguagem Natural
Representação de
Conhecimento
Raciocínio
Automático
Aprendizagem
Visão Computacional
Robótica
28
Definições de IA
Máquina que raciocina humanamente:
Ciências Cognitivas, Psicologia,
Neurociência,…
Ciências
Cognitivas
Teorias
Inteligência
Artificial
Modelos
Computacionais
29
Definições de IA
Máquina que raciocina racionalmente:
Em direção a um conceito ideal de
inteligência
Formalização de “leis do pensamento” que
governam a mente
Lógica, Probabilidades,…
Inferências corretas
P(A|B)
30
Definições de IA
Máquina que age racionalmente:
Para atingir o melhor resultado, ou
em situações de incerteza, o melhor
resultado esperado
I.e., escolha de ações que
maximizam chances do agente atingir
determinados objetivos
Obs.: Não necessáriamente envolvendo
raciocínio racional (e.g., ato reflexo)
31
Máquinas inteligentes?
evolução em direção ao paradigma dos agentes
Pensando
“A automação de atividades que nós
associamos com o pensamento
humano (e.g., tomada de decisão,
solução de problemas, aprendizagem,
etc.)” (50-60)
“O estudo das faculdades
mentais através do uso de
modelos computacionais” (6070)
Idealmente
(racionalmente)
Humanamente
“A arte de criar máquinas que
realizam funções que requerem
inteligência quando realizadas por
pessoas” (50-70)
“O ramo da Ciência da
Computação que estuda a
automação de comportamento
inteligente”
Agindo
32
Histórico da IA –
Primeiros Passos (1943 - 1956)
 Modelo matemático de um neurônio por
Warren McCulloch e Walter Pitts (1943)
x1
w1
x2
w2
x3
w3
θ

y
y = 1 se i wi * xi > θ
y = 0 caso contrário
33
Histórico da IA –
Primeiros Passos (1943 - 1956)
 Regra de Donald Hebb para aprendizado
de neurônios (1949)
 Implementação de modelos neurais por
Marvin Minsky (1950)
 “Computing Machinery and Intelligence”,
Allan Turing (1950)
34
Histórico da IA –
Nascimento da IA (1956)
 Dartmond Workshop organizado por John
McCarthy (1956)
 Adoção do termo: Inteligência Artificial
 Logic Theorist por Allen Newell and Hebert
Simon
35
Histórico da IA –
“Look Ma, No hands” (1952-1969)
 Criação de laboratórios, grupos de
pesquisa, linguagens e programas para
resolução de problemas
 Resultados expressivos:
General Problem Solver por Newell e Simon
Advice Taker por McCarthy (1958)
Perceptron por Rosemblatt (1962)
36
Histórico da IA –
“Look Ma, No hands” (1952-1969)
“Não é minha intenção supreender ou chocar
vocês, mas o que eu posso dizer é que
atualmente existem no mundo máquinas que
pensam, que aprendem e que criam. Além
disso, a habilidade dessas máquinas de
realizar tarefas está crescendo tão rápido que,
em um futuro visível, a quantidade de
problemas que elas resolveram será
comparável com a quantidade com que a
mente humana tem se ocupado.”
Hebert Simon (1957)
37
Histórico da IA –
Fase realista (1966-1973)
 Entusiasmo da fase anterior foi revisto
Primeiros programas tratavam apenas de
instâncias simples de problemas genéricos
 E.g., provar teoremas simples
Resolver problemas complexos não era uma
questão somente de mais hardware e memória
Limitações básicas existentes nos modelos mais
bem sucedidos
 E.g., Perceptrons (Minski e Papert, 1969)
38
Histórico da IA – Sistemas Baseados
em Conhecimento (1969-1979)
 Sistemas para resolução de problemas
mais específicos usando conhecimento do
domínio
 Fase dos Sistemas Especialistas
Dendral (1969) – Classificação de estrutura
modecular a partir de dados de espectrômetro
Mycin (1976) – Diagnóstico de infecções
sanguíneas
39
Histórico da IA –
Consolidação (1980---)
 Aplicação intensiva de sistemas
especialistas na indústria
 Retorno das Redes Neurais
Redes Multilayer Perceptron e o algoritmo de
BackPropagation (Rumelhart, Hinton 1986)
 Inteligência Artificial consolidada como
área de conhecimento científico
40
Inteligência Artificial
Fundamentos
•Filosofia
•Matemática
• Lógica
• Proba. e Estat.
• Cálculo
• Sociologia
• Lingüística
• Psicologia
• Genética
• Neuro-fisiologia
•Economia
•Computação
tradicional
Aplicações
Problemas
• Busca heurística
• Representação
do conhecimento
• Raciocínio
• Planejamento
• Aprendizagem
• Sistemas
Multi-Agentes
• Reconhecimento
de Padrões
•Processamento de
Linguagem Natural
• Jogos
• Sistemas
Especialistas
• Robótica
• Bioinformática
•Sistemas de Controle
•Reconhecimento de
Imagens
•Recuperação de
Informação
41
Problemas genéricos da IA
Busca heurística e resolução de problemas
Planejamento
Representação de conhecimento
Modelagem de Agentes e Sistemas
Multiagentes
Aprendizagem de Máquina
Reconhecimento de padrões
42
Paradigmas de raciocínio
 Simbólico: metáfora lingüística
 ex. sistemas de produção, agentes,...
 Conexionista: metáfora cerebral
 ex. redes neurais
 Evolucionista: metáfora da natureza
 ex. algoritmos genéticos, vida artificial,
 Estatístico/Probabilístico
 Ex. Redes Bayesianas, sistemas difusos
43
Paradigma Simbólico
 West é criminoso ou não?
“A lei americana diz que é proibido vender armas a uma
nação hostil. Cuba possui alguns mísseis, e todos eles
foram vendidos pelo Capitão West, que é americano”
 Como resolver automaticamente este problema de
classificação?
 Segundo a IA (simbólica), é preciso:
Identificar o conhecimento do domínio (modelo do
problema)
Representá-lo utlizando uma linguagem formal de
representação
Implementar um mecanismo de inferência para utilizar
esse conhecimento
44
Conhecimento: organizando...
 Programa em IA = Agente racional
 entidade de software que age em um ambiente segundo um
princípio de racionalidade
 Precisa ter conhecimento sobre:
 quais são suas propriedades relevantes do mundo
 como o mundo evolui
 como identificar os estados desejáveis do mundo
 quais as conseqüências de suas ações no mundo
 como medir o sucesso de suas ações
 como avaliar seus próprios conhecimentos
Conhecimento: Representação e Uso
 Raciocínio:
processo de construção de novas sentenças a partir de
outras sentenças.
 Deve-se assegurar que o raciocínio é plausível (sound)
fatos
segue-se
fatos
Mundo
Representação
sentenças
implica
sentenças
46
Revisitando o caso do cap. West
A) " x,y,z Americano(x) Arma(y) Nação(z) Hostil(z) Vende(x,z,y)
 Criminoso(x)
B) " x Guerra(x,USA) Hostil(x)
C) " x InimigoPolítico(x,USA) Hostil(x)
D) " x Míssil(x) Arma(x)
E) " x Bomba(x) Arma(x)
F) Nação(Cuba)
G) Nação(USA)
H) InimigoPolítico(Cuba,USA)
I) InimigoPolítico(Irã,USA)
J) Americano(West)
K) $ x Possui(Cuba,x) Míssil(x)
L) " x Possui(Cuba,x) Míssil(x)  Vende(West, Cuba,x)
M) Possui(Cuba,M1)
- Eliminação: quantificador existencial e
N) Míssil(M1)
conjunção de K
O) Arma(M1)
- Modus Ponens a partir de D e N
P) Hostil(Cuba)
- Modus Ponens a partir de C e H
Q) Vende(West,Cuba,M1)
- Modus Ponens a partir de L, M e N
R) Criminoso(West) - Modus Ponens a partir de A, J, O, F, P e Q
47
Paradigma Conexionista
Redes Neurais
 Definição “Romântica”:
Técnica inspirada no funcionamento do cérebro, onde
neurônios artificiais, conectados em rede, são capazes de
aprender e de generalizar.
 Definição “Matemática”:
Técnica de aproximação de funções por regressão não linear.
 É uma outra abordagem:
 linguagem -> redes de elementos simples
 raciocínio -> aprender diretamente a função entrada-saída
Redes Neurais
s1
w1i
sj
wji
sn
e(i)  w ji  sj
e(i)



s(i)
s(i)  f (e(i))
wni
camada
de entrada
camada
escondida
camada
de saída
Paradigma Evolutivo
 EVOLUÇÃO
diversidade é gerada por cruzamento e mutações
os seres mais adaptados ao seus ambientes
sobrevivem (seleção natural)
as características genéticas de tais seres são
herdadas pelas próximas gerações
Paradigma Evolutivo
 Definição:
 Método probabilista de busca para resolução de problemas
(otimização) “inspirado” na teoria da evolução
 Idéia:
 indivíduo = solução
 faz evoluir um conjunto de indivíduos mais adaptados por
cruzamento através de sucessivas gerações
 fitness function f(i): R ->[0,1]
Sistemas Simbólicos: arquitetura
52
Sistemas sub-simbólicos: arquiteturas
Tensões Centrais da IA
conhecimento em intenção (regras)
Sistemas de PLN
Sistemas
Nebulosos
(fuzzy)
Robôs
numérico
Algoritmos
genéticos
Sistemas baseados em
Redes Neurais
Sistemas
Especialistas
Redes
Bayesianas
Sistemas
baseado
em casos
simbólico
Sistemas de
Aprendizagem
simbólica indutiva
conhecimento em extensão (exemplos)
54
Problemas genéricos da IA
 Representação de conhecimento (RC)
 Aquisição de conhecimento e Aprendizagem (ACA)
 Busca heurística e resolução de problemas (BH)
 Planejamento (PL)
 Tratamento de incerteza (TI)
 Reconhecimento de padrões (RP)
 Ambientes/linguagens de desenvolvimento
 Avaliação de sistemas
55
Problemas genéricos e aplicações
RC
ACA
BH
Sist. Espec.
++
++
+
PLN
++
+
+
++
Robótica
+
++
+
++
Percepção
+
++
+
Jogos
+
Tutores
++
++
PL
TI
RP
+
++
+
+
++
+
++
++
++
++
+
56
Paradigmas e problemas genéricos
simbólico
RC
ACA
BH
PL
TI
++
++
++
++
+
conexion.
++
evolucion.
+
++
estatist.
+
++
+
RP
++
++
+
++
++
++
57
Paradigmas e aplicações
simbólico conexion evolucion
Sist. Espec.
++
+
PLN
++
+
Robótica
++
Jogos
++
Tutores
++
+
+
++
Percepção
estat
+
++
+
58
Computação convencional x IA:
classes de problemas
 Solução matemática (NÃO), conhecimento (SIM)
=> IA simbólica
 Modelo do problema (NÃO), exemplos de solução (SIM)
 => IA (aprendizagem)
 Autonomia, adaptabilidade, interoperabilidade, ...
 => IA simbólica
 Repositório de conhecimento especialista (expertise)
 => IA simbólica
59
Computação convencional x IA:
metas
 Tarefas para as quais os seres humanos são
 ineficientes x eficientes
 Completeza da entrada
 Fornecimento de explicações inteligíveis
 Adaptabilidade para novas instâncias do problema
 Privilégio das soluções heurísticas
60
Computação convencional x IA:
métodos
 Algoritmo passo a passo x
Mecanismo geral de inferência + conhecimento
... ou então aprendizado
 Dados e controle embutidos em código procedimental x
Separação entre conhecimento declarativo e controle
 SPIV (specify prove implement verify) x
(run understand debug edit)
RUDE
 Linguagens de programação: imperativas x “alto-nível”
(funcional, lógica, baseada em restrições)
 IA: Usa metáforas de sistemas naturais (neurônio, evolução,
memória, sociedade, língua,...)
61
IA no Brasil
 Fracamente representada nas graduações em
computação
 no máximo, 1 disciplina obrigatória
 no melhor dos casos, depois do sexto período
 Ementa restrita e desatualizada
 Economicamente ainda incipiente
 por falta de demanda ou de profissionais bem formados?
 Visão “destorcida e incompleta” do que é IA
 No exterior é o contrário
 MIT, Stanford, Carnegie Mellon, Berkeley, Imperial College,
Cambridge
 Mercado fatura alto
62