1. Plano de ensino
Renata Freire
renatafreire@recife.ifpe.edu.br
https://sites.google.com/site/rfpnifpe/
2. Apresentação
Bases Tecnológicas:
Os fundamentos da inteligência artificial
Historia da inteligência artificial
Agentes Inteligentes
Estratégia de pesquisa não informadas
Estratégia de pesquisa não informadas
Pesquisa e exploração informadas
Funções heurísticas
Algoritmos de pesquisa local e problemas de otimização
Aprendizagem de Máquina
slide 2
3. Objetivos
Dar ao aluno uma visão geral de algumas linhas de
pesquisa em IA, de modo que ele possa ter subsídios e
orientar-se caso pretenda seguir uma carreira
orientar-se caso pretenda seguir uma carreira
desenvolvendo pesquisa nessa área.
Capacitar o aluno a utilizar técnicas de IA em
aplicações reais.
slide 3
4. Metodologia de Ensino
Desenvolvimento de cada tema da disciplina com:
Aula expositiva do professor
Realização de exercícios
Desenvolvimento de projetos/codificação
slide 4
5. Metodologia de Avaliação
Primeira Avaliação: Codificação técnicas de IA (4.0) +
Prova (6.0)
Segunda Avaliação: Codificação técnicas de IA (4.0) +
Prova (6.0)
Prova (6.0)
Segunda chamada: Caso o aluno falte a primeira ou a
segunda prova, fará uma segunda avaliação que vale
6,0 pontos.
Participação em sala de aula garante pontos extras.
slide 5
6. Referências
RUSSELL, S., NORVIG, P. Inteligência
Artificial, Editora Campus, 2004.
LUGER, G. F., Inteligência Artificial -
Estruturas e Estratégias para a Solução de
Problemas Complexos, Bookman, 2004.
BRAGA, A. P., CARVALHO, A. P. L. F.,
LUDERMIR, T. B., Redes Neurais Artificiais:
teoria e aplicações, LTC, 2007.
HAYKIN, S., Redes Neurais - Princípios e
prática, Bookman, 2001.
slide 6
7. Referências
DUDA, R. O., HART, P. E., STORK, D. G., Pattern
Classification, Wiley-Interscience, 2000.
BISHOP, C. M., Pattern Recognition and
Machine Learning, Springer, 2006.
MITCHELL, T., Machine Learning, McGraw
Hill Higher Education, 1997.
MARSLAND, S., Machine Learning: Na
Algorithmic Perspective, Chapman & Hall/Crc,
2009.
slide 7
10. Inteligência Artificial
Etimologicamente - Inteligência (Origem: Latim)
Inter (entre) e legere (escolher)
Aquilo que permite ao ser humano escolher entre
uma coisa e outra;
Habilidade de realizar, de forma eficiente,
uma determinada tarefa.
slide 10
12. Inteligência Artificial
“Um tipo de inteligência produzida
pelo homem para dotar as máquinas de
slide 12
pelo homem para dotar as máquinas de
algum tipo de habilidade que simula
a inteligência do homem.”
13. Inteligência Artificial
Algumas definições de IA:
"O ramo da ciência da computação preocupada com a automação de
comportamento inteligente."
[LUGER & STUBBLEFIELD, 93]
"O estudo da computação que torna possível perceber, raciocinar e agir."
"O estudo da computação que torna possível perceber, raciocinar e agir."
[WINSTON, 92]
"IA é a parte da ciência da computação voltada para o desenvolvimento de
sistemas de computadores inteligentes, sistemas que exibem características,
as quais nós associamos com a inteligência no comportamento humano -
e.g. compreensão da linguagem, aprendizado, raciocínio, resolução de
problemas, etc."
[FEIGENBAUM, 81]
slide 13
15. Surgimento da IA
Década de 50
Objetivo principal: desenvolver sistemas para a
realização de tarefas que são melhor realizadas por seres
humanos ou que não possuem solução algorítmica viável
pela computação convencional.
pela computação convencional.
slide 15
Se o ser humano pode, porque
não a máquina? (Alan Turing, 1950)
16. Alan Turing
Matemático britânico que contribuiu significativamente
para:
Matemática Pura
Matemática Pura
Criptografia
Teoria da Computação
Inteligência Artificial
slide 16
18. Teste de Turing
Teste baseado na impossibilidade de distinguir entre
entidades inegavelmente inteligentes – os seres
humanos
O computador passaria no teste caso um interrogador
humano, depois de propor algumas perguntas por
escrito, não conseguisse descobrir se as respostas eram
de uma pessoa ou não
Teste: três computadores, sendo duas pessoas e uma ?
Teste: três computadores, sendo duas pessoas e uma
maquina
Façam vocês o teste:
http://www.inbot.com.br/sete/
http://alice.pandorabots.com/
http://www.ed.conpet.gov.br/br/converse.php
http://www-ai.ijs.si/eliza/eliza.html
http://www.cleverbot.com/
Leiam:
http://oglobo.globo.com/sociedade/tecnologia/co
mputador-supostamente-o-primeiro-passar-no-
teste-de-turing-12772931
slide 18
?
19. Teste de Turing
A abordagem do Teste de Turing antecipou todas as grandes
questões da IA:
Processamento de linguagem natural
Representação de conhecimento
Representação de conhecimento
Raciocínio automatizado
Aprendizado de máquina
CAPTCHA
"Completely Automated Public Turing test to tell Computers and
Humans Apart" (teste de Turing público completamente
automatizado para diferenciação entre computadores e humanos)
slide 19
21. Inteligência Artificial
Pensando de forma humana
A inteligência humana está aliada a sua capacidade de
interagir com o meio através de habilidades cognitivas
(sentidos) e conotativas (ação), ou seja,
Entender o pensamento e como
nos expressamos de acordo com
o que pensamos
Filme Ela
slide 21
23. Inteligência Artificial
Pensando de forma racional
Modelar o pensamento em modelos computacionais
Uso de lógica para simular o raciocínio
Exemplo:
Jogo Campo Minado
Projeto Walkagain
slide 23
25. Inteligência Artificial
Agentes Inteligentes: perceber o ambiente e agir racionalmente
baseado na percepção
Existe um esforço, principalmente no campo da robótica, no sentido de
implementar “as máquinas inteligentes”, para propiciar:
Sistemas que provê uma maior interação com o meio
Foco em desenvolver padrões de
Foco em desenvolver padrões de
inteligência envolvidos na
aquisição do conhecimento,
reconhecimento,
aprendizado, etc.
Exibição Vídeo:
- AI vs AI
- IBM Watson
slide 25
27. Inteligência Artificial
A Inteligência Artificial busca entender a mente humana e
imitar o seu comportamento [BOOSE, 94], levantando
questões tais como:
Como ocorre o pensar?
Como o homem extrai o conhecimento do mundo?
Como a memória, os sentidos e a linguagem ajudam no desenvolvimento da
inteligência?
Como a memória, os sentidos e a linguagem ajudam no desenvolvimento da
inteligência?
Como surgem as idéias?
Como a mente processa informações e tira conclusões decidindo por uma
coisa ao invés de outra?
Essas são algumas perguntas que a IA precisa responder para
simular o raciocínio humano e implementar aspectos da
inteligência.
slide 27
28. Inteligência Artificial
IA Forte
Classificada como
autoconsciente
A IA forte é tema bastante
controverso, pois envolve
temas como consciência e
temas como consciência e
fortes problemas éticos ligados
ao que fazer com uma
entidade que seja
cognitivamente similar aos
seres humanos.
Surgimento das 3 leis da robótica
slide 28
29. Inteligência Artificial
Leis da robótica:
1ª Lei: Um robô não pode ferir um ser humano ou, por
inação, permitir que um ser humano sofra algum mal.
2ª Lei: Um robô deve obedecer as ordens que lhe
sejam dadas por seres humanos exceto nos casos em
que tais ordens entrem em conflito com a Primeira
que tais ordens entrem em conflito com a Primeira
Lei.
3ª Lei: Um robô deve proteger sua própria existência
desde que tal proteção não entre em conflito com a
Primeira ou Segunda Leis.
Mais tarde Asimov acrescentou a “Lei Zero”, acima de
todas as outras: um robô não pode causar mal à
humanidade ou, por omissão, permitir que a
humanidade sofra algum mal.
slide 29
30. Inteligência Artificial
IA Fraca
Centra a sua investigação na
criação de inteligência artificial
que não é capaz
de verdadeiramente raciocinar e
resolver problemas.
resolver problemas.
Uma tal máquina com esta
característica de inteligência
agiria como se fosse inteligente,
mas não tem autoconsciência
ou noção de si.
slide 30
31.
32. 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?
esses componentes?
slide 32
33. Aplicações da IA
• Sistemas de controle
Como frear o carro da melhor maneira? atrito, ...?
Como focar a câmera em função de luminosidade,
distância...?
slide 33
34. Aplicações da IA
• Previsão
Como prever o valor do dólar (ou o clima) amanhã?
Que dados são relevantes? Há comportamentos
recorrentes?
slide 34
35. Aplicações da IA
• Controle de robôs
Como obter navegação segura e eficiente, manipulação
fina e versátil, autonomia?
E no caso de ambientes dinâmicos e imprevisíveis?
slide 35
HAZBOT: trabalham em
ambientes com atmosfera
inflamável
36. Aplicações da IA
• Biometria
Como reconhecer uma pessoa, ou ainda a assinatura, a
voz, a íris, a digital de uma pessoa?
slide 36
39. Aplicações da IA
• Simulações e jogos
Como modelar o ambiente físico e o
comportamento/personalidade dos personagens?
Como permitir interação interessante com o usuário?
slide 39
40. Aplicações da IA
• Recomendação de produtos
Como fazer recomendações personalizadas de produtos?
Como modelar os perfis dos compradores?
slide 40
41. Aplicações da IA
• Busca de informação na web
Como localizar a informação relevante?
Como saber o que você quer pesquisar?
slide 41
42. Aplicações da IA
Como saber se uma mensagem é
lixo ou de fato interessa?
Como detectar usuários suspeitos e
como lidar com isto?
Detecção de intrusão e filtragem de spam
slide 42
43. Aplicações da IA
• Interfaces amigáveis
Como dar ao usuário a ajudar de que ele precisa?
Como interagir (e até navegar na web) com celular sem precisar digitar
(hands-free)?
slide 43
44. Aplicações da IA
E muito mais...
• Bancos de dados dedutivos e ativos
• Mineração de dados
• Sistemas distribuídos
• Documentos históricos
• Processamento bancário
• Processamento bancário
• Etc...
Exemplos de aplicações:
• http://www.aaai.org/AITopics/pmwiki/pmwiki.php/AITopics/Applications
Exibição de Vídeos
slide 44
45. IA Empresas
• Grandes empresas desenvolvendo e utilizando IA:
IBM, HP, Sun, Microsoft, Unisys, Google, Amazon, Submarino,
...
• Grandes empresas utilizando IA
Wal-Mart, Abbot Labs, US Bancorp, LucasArts, Unibanco...
Wal-Mart, Abbot Labs, US Bancorp, LucasArts, Unibanco...
• Órgãos governamentais utilizando IA
US National Security Agency
• Empresas especializadas em IA
Neurotech: http://www.neurotech.com.br/
slide 45
46. O que os problemas
apresentados têm em comum?
slide 46
47. Problemas em Aplicações
Grande complexidade
número, variedade e natureza das tarefas
Ex: Montar o melhor horário de aula
Não há “solução algorítmica”
mas existe conhecimento (em intenção ou em extensão) sobre o
mas existe conhecimento (em intenção ou em extensão) sobre o
problema
Ex: Como reconhecer se uma data mancha na pela é um câncer
Requerem modelagem do comportamento de um ser inteligente
autonomia, aprendizagem, conhecimento, etc.
Ex: Piloto automático
slide 47
48. Problemas em Aplicações
Realiza tarefas
Para qual não existe algoritmo conhecido ou prático
No entanto efetuada com alto desempenho por
humanos
slide 48
Utiliza técnicas desenvolvidas
em pesquisas de IA
X
Algoritmo
Problema
50. 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 utilizado uma linguagem formal de representação
Implementar um mecanismo de inferência para raciocinar sobre esse
conhecimento
slide 50
51. O caso do capitão West
A) Nação(Cuba)
B) Nação(EUA)
C) Nação (Irã)
D) Americano (West)
E) Americano (John)
F) InimigoPolítico(Cuba,EUA)
G) InimigoPolítico(Irã,EUA)
H) Possui(Cuba,M1)
I) Míssil(M1)
J) " x InimigoPolítico(x,EUA) Hostil(x)
slide 51
J) " x InimigoPolítico(x,EUA) Hostil(x)
K) " x Míssil(x) Arma(x)
L) " x Bomba(x) Arma(x)
M) " x Possui(Cuba,x) Míssil(x) Vende(West, Cuba,x)
N) " x,y,z Americano(x) Arma(y) Nação(z) Hostil(z) Vende(x,z,y)
Criminoso(x)
O) Arma(M1) - Analisando I e K
P) Hostil(Cuba) - Analisando F e J
Q) Vende(West,Cuba,M1) - Analisando H, I e M
R) Criminoso(West) - Analisando D, O, A, P, Q, N
53. Paradigma Conexionista
• Definição “Romântica”
Técnica inspirada no funcionamento do cérebro, onde
neurônios artificiais, conectados em rede, são capazes de
aprender e de generalizar.
slide 53
camada
de entrada camada
de saída
camada
escondida
54. Paradigma Evolutivo
• Método probabilista de busca para resolução de problemas
(otimização) “inspirado” na teoria da 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
as características genéticas de tais seres são herdadas pelas próximas
gerações
slide 54
56. Paradigma Estatístico/Probabilista
• Probabilidade de classificação
Utiliza a teoria da probabilidade e a teoria da utilidade, compondo a
teoria da decisão, como base para raciocinar num mundo com
incertezas
Ex.: 80% das pessoas são católicas. Preciso saber se Joana é católica
ou não. Afirmar que Joana é católica possui 80% de chances de
acertar e 20% de errar.
acertar e 20% de errar.
• Lógica nebulosa (Fuzzy)
É uma forma de especificar quão bem um objeto satisfaz uma
descrição vaga.
Ex: “João é alto.” Isso é verdade ou falso, sabendo que ele mede 1,75m
de altura?
não há incerteza no mundo exterior (sabe-se a altura de João), há
incerteza no significado lingüístico de “alto”.
slide 56