Documente Academic
Documente Profesional
Documente Cultură
Stanley Kubrick:
2001: Uma Odissia no Espao (mquinas tomando decises)
Introduo
Captulo 1 Russell & Norvig
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Sistemas que pensam como seres humanos Sistemas que agem como seres humanos
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
A crtica principal em relao ao teste que ele no uma definio a partir de princpios bsicos e sim de imitao.
Aula 1 - 17/10/2010
Sistemas que pensam como seres humanos Sistemas que agem como seres humanos
Aula 1 - 17/10/2010
Sistemas que pensam como seres humanos Sistemas que agem como seres humanos
Aula 1 - 17/10/2010
Existem programas que, em princpio, podem resolver qualquer problema solucionvel descrito em notao lgica. Obstculos na prtica:
No fcil enunciar o conhecimento informal em termos formais. Esgotamento dos recursos computacionais. Qual o propsito prtico do pensamento?
Aula 1 - 17/10/2010
Sistemas que pensam como seres humanos Sistemas que agem como seres humanos
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Agentes Racionais
Um agente algo que percebe e age. Esse curso se concentrar nos princpios gerais de agentes racionais e nos componentes para constru-los. Abstratamente, um agente uma funo que mapeia uma seqncia de percepes em uma ao.
[f: P* A]
Para cada tipo de ambiente e tarefa, buscamos o agente com a melhor performance. s vezes limitaes computacionais impedem a racionalidade perfeita.
Racionalidade limitada: fazer o melhor possvel dentro das limitaes computacionais.
Aula 1 - 17/10/2010
Sistemas que pensam como seres humanos Sistemas que agem como seres humanos
Comportamento
Aula 1 - 17/10/2010
A Pr-Histria da IA
Filosofia (de 428 A.C. at a atualidade)
Lgica, mtodos de raciocnio, mente como um sistema fsico, origens do aprendizado (induo), racionalidade
Breve Histrico da IA
1943 1950 1956 McCulloch & Pitts: Modelo booleano do crebro Turing publica "Computing Machinery and Intelligence" Encontro em Dartmouth: o termo Inteligncia Artificial" criado 1950s Primeiros programas de IA, incluindo o jogador de damas de Samuel, o Logic Theorist de Newell & Simon e o Geometry Theorem Prover de Gelernter. 1965 Robinson descobre um mtodo de raciocnio lgico completo 196673 IA enfrenta o problema da complexidade computacional A pesquisa em redes neurais quase desaparece. 196979 Desenvolvimento de sistemas especialistas 1980-IA (sistemas especialistas) se torna uma indstria 1986-Retorno das redes neurais 1987-IA se torna uma cincia 1995-Surgimento de agentes inteligentes
Popularizados na internet
Aula 1 - 17/10/2010
Agentes Inteligentes
Captulo 2 Russell & Norvig
Aula 1 - 17/10/2010
Agentes
Um agente algo capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por meio de atuadores.
Aula 1 - 17/10/2010
Exemplos
Agente humano
Sensores: Olhos, ouvidos e outros rgos. Atuadores: Mos, pernas, boca e outras partes do corpo.
Agente robtico
Sensores: cmeras e detectores de infravermelho. Atuadores: vrios motores.
Agente de software
Sensores: entrada do teclado, contedo de arquivos e pacotes vindos da rede. Atuadores: tela, disco, envio de pacotes pela rede.
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aspirar
Programa: Se o quadrado atual estiver sujo, ento aspirar, caso contrrio mover para o outro lado. Aula 1 - 17/10/2010
Agentes Racionais
Como preencher corretamente a tabela de aes do agente para cada situao? O agente deve tomar a ao correta baseado no que ele percebe para ter sucesso.
O conceito de sucesso do agente depende uma medida de desempenho objetiva.
Exemplos: quantidade de sujeira aspirada, gasto de energia, gasto de tempo, quantidade de barulho gerado, etc.
Agentes Racionais
Agente racional: para cada sequncia de percepes possveis deve selecionar uma ao que se espera venha a maximizar sua medida de desempenho, dada a evidncia fornecida pela seqncia de percepes e por qualquer conhecimento interno do agente.
Exerccio: para que medida de desempenho o agente aspirador de p racional?
Aula 1 - 17/10/2010
Agentes Racionais
Racionalidade diferente de perfeio.
A racionalidade maximiza o desempenho esperado, enquanto a perfeio maximiza o desempenho real. A escolha racional s depende das percepes at o momento.
O agente tambm pode (e deve!) aprender, ou seja, modificar seu comportamento dependendo do que ele percebe ao longo do tempo.
Nesse caso o agente chamado de autnomo. Um agente que aprende pode ter sucesso em uma ampla variedade de ambientes.
Aula 1 - 17/10/2010
PEAS
Ao projetar um agente, a primeira etapa deve ser sempre especificar o ambiente de tarefa.
Performance = Medida de Desempenho Environment = Ambiente Actuators = Atuadores Sensors = Sensores
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Exemplo
Xadrez com relgio
Completamente observvel Determinstico Episdico Sim Sim No
Direo de Txi
No No No
Esttico
Discreto Agente nico
Semi
Sim No
Sim
Sim No
No
No No
O tipo de ambiente de tarefa determina em grande parte o projeto do agente. O mundo real parcialmente observvel, estocstico, seqncial, dinmico, contnuo, multi-agente.
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Desvantagens:
Tabela gigante (xadrez = 10150 entradas) Tempo longo para construir a tabela No tem autonomia Mesmo com aprendizado demoraria muito para aprender a tabela.
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Regras condio-ao (regras se-ento) fazem uma ligao direta entre a percepo atual e a ao. O agente funciona apenas se o ambiente for completamente observvel e a deciso correta puder ser tomada com base apenas na percepo atual.
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010
Aula 1 - 17/10/2010