Este documento apresenta uma introdução à inteligência artificial e suas aplicações na biologia. Ele discute brevemente conceitos como agentes inteligentes e define inteligência artificial. Também descreve várias técnicas de aprendizado de máquina como árvores de decisão, redes bayesianas, clustering, máquinas de vetor de suporte e redes neurais e como elas podem ser usadas para análise de dados biológicos. Finalmente, fornece exemplos e links para aprendizado adicional sobre o assunto.
2. Objetivo
Introdução
Se o objetivo da biologia é o estudo da vida, o objetivo
dessa aula é responder como a inteligência artificial
pode ajudar a biologia a compreender a vida ou
prever comportamentos.
Afinal, como eu posso utilizar IA na
minha pesquisa?
5. Algumas definições
Inteligência Artificial é um ramo da ciência da
computação que estuda e desenvolve máquinas e
softwares inteligentes.
Um agente inteligente é um sistema que percebe seu
ambiente e realiza ações que maximizam sua chance
de sucesso.
Introdução
http://en.wikipedia.org/wiki/Artificial_intelligence
12. Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são
dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation LearningReinforcement learning
Redes BayesianaClustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes NeuraisRegras de Associação
15. Exemplo: Decisão de jogar tênis
Técnicas
Todas as combinações → 3 x 3 x 2 x 2 = 36
16. Exemplo: Decisão de jogar tênis
Técnicas
Prever se joga ou não : sunny, mild, high, true
17. Exemplo: Decisão de jogar tênis
Técnicas
Prever se joga ou não : sunny, mild, high, true
Outlook
Humidity
Wind
Temperature
18. Como as árvores são geradas?
Técnicas
Ganho de informação
É a medida de quão bem um atributo classifica os dados.
Alta entropia = Baixo ganho de informação
Baixa entropia = Alto ganho de informação
22. Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são
dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation LearningReinforcement learning
Redes BayesianaClustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes NeuraisRegras de Associação
26. Redes Bayesianas
Técnicas
Problema de Monty Hall
Suponha que você escolheu A
1 - Está em A (ficar ganha)
2 - Está em B, então C é revelado (trocar ganha)
3 - Está em C, então B é revelado (trocar ganha)
27. Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são
dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation LearningReinforcement learning
Redes BayesianaClustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes NeuraisRegras de Associação
29. Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são
dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation LearningReinforcement learning
Redes BayesianaClustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes NeuraisRegras de Associação
30. Support Vector Machine
Técnicas
Técnica de clusterização binária
Pode ser útil para:
1 – Classificação de proteínas;
2 – Reconhecimento de letra de mão;
3 – Classificação de imagens.
31. Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são
dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation LearningReinforcement learning
Redes BayesianaClustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes NeuraisRegras de Associação
33. Redes Neurais
Técnicas
http://natureofcode.com/book/chapter-10-neural-networks/
Os elementos individuais de uma rede neural é simples.
Eles leem inputs, processam e geram output. Mas uma rede
de muitos neurônios pode exibir comportamento rico e
inteligente.
Capacidade de aprender -> sistema complexo adaptativo.
Isto é, ele muda sua estrutura interna baseado no fluxo de
informação que o atravessa.
36. Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são
dados experimentais.
Árvore de Decisão
Sparse dictionary
Representation LearningReinforcement learning
Redes BayesianaClustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes NeuraisRegras de Associação
37. Programação genética
Técnicas
É um algoritmo inspirado no modelo biológico da evolução
para encontrar programas que realizem um tarefa definida
pelo usuário.
É um conjunto de instruções e uma função fitness para
medir quão bem o computador executou a tarefa.
É uma especialização do algoritmo genético.
38. Programação genética
Técnicas
É um algoritmo inspirado no modelo biológico da evolução
para encontrar programas que realizem um tarefa definida
pelo usuário.
É um conjunto de instruções e uma função fitness para
medir quão bem o computador executou a tarefa.
É uma especialização do algoritmo genético.
39. Algoritmo genético
Técnicas
Inicialize um população com n indivíduos
Calcule o desempenho de cada um. Selecione os melhores.
Embaralhe a lista dos selecionados (cross-over).
11100110 11100110 11100110