IA

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

8. Introdução a
Inteligência Artificial

9. Contextualização
O que vocês entendem por
Inteligência Artificial?
Inteligência Artificial?
slide 9

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

11. Inteligência Artificial
 Artificial (Origem: Latim)
Artificiale
Algo não natural, isto é, produzido pelo homem
slide 11
Artificiale

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

14. Como tudo começou?
slide 14

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

17. IA - Definições
slide 17

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

20. IA - Definições
slide 20

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

22. IA - Definições
slide 22

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

24. IA - Definições
slide 24

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

26. Interdisciplinaridade
Matemática
Sociologia
Filosofia
slide 26
Neurociência
Lingüística
Psicologia
IA
Cibernética
Computação
IA

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

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

37. Aplicações da IA
 Reconhecimento de Atividade Humana

38. Aplicações da IA
 Aplicações Médicas

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

49. Paradigmas de raciocínio
 Simbólico: metáfora lingüística
 ex. sistemas de produção, agentes,...
 Conexionista: metáfora cerebral
ex. redes neurais
 ex. redes neurais
 Evolutivo: metáfora da natureza
 ex. algoritmos genéticos, vida artificial
 Estatístico/Probabilista
 ex. redes bayesianas, sistemas difusos
slide 49

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

52. Paradigma Simbólico
slide 52

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

55. Paradigma Conexionista e
Evolucionário
slide 55

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