O slideshow foi denunciado.
Creating a Gaming World
“A Evolução Darwinista aplicada à Aprendizagem e
Interação social de Programas Inteligentes”
2 Jul...
Notas Iniciais
 A Inteligência pode ser definida como a capacidade mental que envolve a
habilidade de raciocinar, planeja...
Inteligência Artificial
 Quase todas as definições de Inteligência Artificial assumem a comparação com a
inteligência e c...
Objetivo da Investigação
 Produzir um algoritmo que aprenda a interagir socialmente
Mas….
Como
Pressupostos
 Todos os tipos de evolução têm mecanismos semelhantes
 Todos os tipos de evolução obedecem a variáveis par...
Hipótese
 A Evolução das Espécies é semelhante à Evolução da Interação Social
Abordagem
 Simulação da evolução darwinista, através de software
 Definição do Habitat
 Definição dos regras de evoluçã...
Definições da Simulação - Heurística
 Evolução de organismo simples que se reproduz inicialmente por mitose
 O tempo da ...
Definições da Simulação - Heurística
 Se não houver forma de obter energia, o organism move-se
 Cada organismo morre se ...
Definições da Simulação - Cromossomas
 Movimento
 Energia para Movimentar
 Energia no Nascimento
 Energia Máxima
 Tem...
Definições da Simulação – Pormenores relevantes
 Todas as variáveis e todos os
cromossomas tem uma representação
binária
...
Objetivo da Simulação
 Conseguir reproduzir, de uma forma simplista mas consistente, a evolução de um
ecossistema a parti...
Próximo passo – Paralelismo com o ‘Social’
 Identificar o Habitat de dispersão social
e muda-lo no algoritmo (Por ex.
Fac...
Abordagens do Organismo ‘Social’
 Cada Organismo é substituido por outro em cada passo da reprodução, mas guarda
consigo ...
Objetivo da Evolução do Organismo ‘Social’
 Comportamento inteligente na linha da simulação de evolução biológica
 A fia...
Se a Hipótese se confirmar…
 Algoritmo génerico de evolução em multiplos habitats
 Aplicação não só a genética, redes so...
Fim
Muito Obrigado!!!!!
Q&A?
Próximos SlideShares
Carregando em…5
×

“A Evolução Darwinista Aplicada à Aprendizagem e Interação Social de Programas Inteligentes”

584 visualizações

Publicada em

Investigação desenvolvida pela Yucca Studios, dentro do seu projeto de I&D em Gaming, no qual a empresa tem o apoio do QREN. Esta investigação baseia-se na criação de mecanismos de comportamento inteligente em redes sociais por parte de programas que interagem com utilizadores reais, de forma a reagirem a estímulos e evoluírem ao longo do tempo, através de uma abordagem semelhante à evolução biológica.

Publicada em: Tecnologia
  • Seja o primeiro a comentar

“A Evolução Darwinista Aplicada à Aprendizagem e Interação Social de Programas Inteligentes”

  1. 1. Creating a Gaming World “A Evolução Darwinista aplicada à Aprendizagem e Interação social de Programas Inteligentes” 2 Julho 2014
  2. 2. Notas Iniciais  A Inteligência pode ser definida como a capacidade mental que envolve a habilidade de raciocinar, planejar, resolver problemas, pensar de forma abstrata, compreender ideias complexas, aprender rápido e aprender com a experiência. (Mainstream Science on Intelligence)  A Evolução é uma forma de Inteligência
  3. 3. Inteligência Artificial  Quase todas as definições de Inteligência Artificial assumem a comparação com a inteligência e comportamento humano  O Homem é o ponto de referência mas assumir Inteligência apenas em comparação com o Homem é redutor  A Inteligência Artificial é o estudo de formas de provocar comportamento inteligente em máquinas ou programas
  4. 4. Objetivo da Investigação  Produzir um algoritmo que aprenda a interagir socialmente
  5. 5. Mas…. Como
  6. 6. Pressupostos  Todos os tipos de evolução têm mecanismos semelhantes  Todos os tipos de evolução obedecem a variáveis parametrizáveis  Todos os tipos de evolução são caoticamente inteligentes
  7. 7. Hipótese  A Evolução das Espécies é semelhante à Evolução da Interação Social
  8. 8. Abordagem  Simulação da evolução darwinista, através de software  Definição do Habitat  Definição dos regras de evolução  Definição dos Cromossomas
  9. 9. Definições da Simulação - Heurística  Evolução de organismo simples que se reproduz inicialmente por mitose  O tempo da simulação é cortado em fatias de tempo  Em cada fatia de tempo, é consumida 1 unidade de enrgia  Em cada fatia de tempo, cada organismo procura obter energia: - Respirando - Alimentando-se
  10. 10. Definições da Simulação - Heurística  Se não houver forma de obter energia, o organism move-se  Cada organismo morre se a sua energia chegar a 0  Cada organismo reproduz-se se tiver o máximo de energia  A evolução da-se na reprodução com mutação de cromossomas
  11. 11. Definições da Simulação - Cromossomas  Movimento  Energia para Movimentar  Energia no Nascimento  Energia Máxima  Tempo para a Energia diminuir  Taxa de diminuição de energia  Energia necessária para reprodução  Energia depois de reprodução  Eficiencia de Respiração  Eficiencia de alimentação  Estrutura do corpo  Fonte de respiração  Fonte de alimentação  Desperdicio da respiração  Desperdicio da alimentação  Sexo
  12. 12. Definições da Simulação – Pormenores relevantes  Todas as variáveis e todos os cromossomas tem uma representação binária  As mutações acontecem nos bits dos cromossomas  Cada organismo tem um número de controlo, derivado dos cromossomas  Se esse numero for superior a metade da soma de todos os cromossomas, a especie é diferente da do(s) progenitor(es)
  13. 13. Objetivo da Simulação  Conseguir reproduzir, de uma forma simplista mas consistente, a evolução de um ecossistema a partir de um organismo.
  14. 14. Próximo passo – Paralelismo com o ‘Social’  Identificar o Habitat de dispersão social e muda-lo no algoritmo (Por ex. Facebook)  Defenir a nova Heurística (regras necessárias a viver e evoluir no Habitat)  Defenir os cromossomas da nova ‘criatura’, com focus em: - Alimentação (Por ex. Likes) - Reprodução/Dispersão (Por ex. Shares) - Resultados colaterais (Por ex. Novos Convites)
  15. 15. Abordagens do Organismo ‘Social’  Cada Organismo é substituido por outro em cada passo da reprodução, mas guarda consigo a memória evolutiva e retorna sempre à forma mais eficiente se a evolução atual não for mais eficiente que a anterior  Cada Organismo faz parte de uma sociedade coletiva com decisão central em que todos votam para uma decisão final, sendo cada individuo extinguido de acordo com a qualidade do seu voto (quanto mais longe estiver do comportamento adotado mais será a probabilidade de extinção)  Cada organismo é autónomo e expande-se individualmente sendo a cada evolução extinguido os menos eficientes
  16. 16. Objetivo da Evolução do Organismo ‘Social’  Comportamento inteligente na linha da simulação de evolução biológica  A fialibilidade é uma componente presente na evolução e no comportamento humano  Poder falhar é uma oportunidade de estudar um caminho errado e marcá-lo como errado  Genéricamente a evolução criar mecanismos cada vez mais eficientes para a ‘sobrevivência do organismo’
  17. 17. Se a Hipótese se confirmar…  Algoritmo génerico de evolução em multiplos habitats  Aplicação não só a genética, redes sociais ou jogos mas também:  Biologia  Física  Moda  Previsão de tendências  Marketing direto  Previsão financeira  Previsão geo-física  Simulções várias
  18. 18. Fim Muito Obrigado!!!!! Q&A?

×