Inteligncia Artificial

IESI - Itapira 1 Semestre - 2013

Prof. Fernando

A fico versus a realidade

Fico - a IA est presente em livros, desenhos animados e filmes.
Isaac Asimov, autor russo:
O Homem Bicentenrio (evoluo do andride, pensamento prprio, liberdade, etc...) Eu, Rob (mal-funcionamento, assassinatos, etc...)

Steven Spielberg (Direo):

AI: Inteligncia Artificial (criao de andrides similares aos humanos)

Stanley Kubrick:
2001: Uma Odissia no Espao (mquinas tomando decises)

Andy e Larry Wachowsky:

Matrix (luta entre mquinas e humanos, realidade virtual)

James Cameron (Direo):

O Exterminador do Futuro (domnio das mquinas sobre os humanos, extermnio, etc...)

A fico versus a realidade

Realidade - a IA aparece na forma de Sistemas Inteligentes:
Jogos exemplo: games de futebol, cada jogador tem caractersticas muito especficas e prximas s de um competidor real. Ou seja, um melhor em passe, mas corre menos que o outro. Programas de computador exemplo: corretores ortogrficos dos processadores de texto de computador, preciso um sistema inteligente para detectar que h um problema de sintaxe na frase e oferecer uma possvel correo Outros dispositivos exemplo: mquinas fotogrficas digitais que fazem o foco automtico no rosto das pessoas ou que disparam ao encontrar um sorriso reas de pesquisa:
Robtica (robs auxiliares); Dispositivos para reconhecimentos de escrita a mo e reconhecimento de voz; Outras...

Introduo
Captulo 1 Russell & Norvig

Aula 1 - 17/10/2010

O que Inteligncia Artificial (IA)?

H milhares de anos o homem busca entender como pensamos.
Como somo capazes perceber, compreender, prever e manipular o mundo?
Filosofia, psicologia e neurocincia tentam responder essas questes.

O campo da Inteligncia Artificial vai mais alm.

Tenta tambm construir sistemas ou entidades inteligentes.

Atualmente a IA abrange uma variedade de temas.

reas de uso geral como aprendizado e percepo. Tarefas especficas como jogos de xadrez, deteco de fraudes, traduo automtica, reconhecimento de voz, veculos autnomos

Aula 1 - 17/10/2010

O que um sistema inteligente?

As abordagens para o estudo de IA se dividem em 4 categorias:
Humano
Pensamento Comportamento

Racional Sistemas que pensam racionalmente Sistemas que agem racionalmente

Sistemas que pensam como seres humanos Sistemas que agem como seres humanos

Aula 1 - 17/10/2010

Agindo de forma humana: Teste de Turing

Turing em 1950 props o famoso Teste de Turing no artigo Computing machinery and intelligence. O teste foi proposto para fornecer uma definio operacional de inteligncia. O computador passar no teste se um interrogador humano, depois de propor algumas perguntas por escrito, no for capaz de distingui-lo de um humano.

Aula 1 - 17/10/2010

Agindo de forma humana: Teste de Turing

Para passar no teste, o computador precisaria ter como capacidades:
Processamento de linguagem natural Representao de conhecimento Raciocnio automatizado Aprendizado de mquina

O teste evita a interao fsica direta para focar na inteligncia.

O chamado Teste de Turing Total inclui um sinal de vdeo para testar habilidades de percepo e tambm permite manipulao de objetos (robtica).

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

O que um sistema inteligente?

As abordagens para o estudo de IA se dividem em 4 categorias:
Humano
Pensamento Comportamento

Racional Sistemas que pensam racionalmente Sistemas que agem racionalmente

Sistemas que pensam como seres humanos Sistemas que agem como seres humanos

Aula 1 - 17/10/2010

Pensando de forma humana: modelagem cognitiva

A modelagem cognitiva surgiu nos anos 60 para tentar construir teorias precisas e verificveis sobre os processos de funcionamento da mente humana. Como validar?
Top-down: Prevendo e testando o comportamento de sujeitos humanos (cincia cognitiva). Bottom-up: Identificao direta de dados neurolgicos (neurocincia cognitiva).

Hoje em dia so reas separadas de IA.

Aula 1 - 17/10/2010

O que um sistema inteligente?

As abordagens para o estudo de IA se dividem em 4 categorias:
Humano
Pensamento Comportamento

Racional Sistemas que pensam racionalmente Sistemas que agem racionalmente

Sistemas que pensam como seres humanos Sistemas que agem como seres humanos

Aula 1 - 17/10/2010

Pensando racionalmente: leis do pensamento

Filsofo grego Aristteles: tentou codificar os raciocnios corretos = silogismos.
Scrates um homem; todos os homens so mortais; ento, Scrates mortal. O estudo dessas leis deu incio ao campo da lgica = notao e regras de derivao para pensamentos.

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

O que um sistema inteligente?

As abordagens para o estudo de IA se dividem em 4 categorias:
Humano
Pensamento Comportamento

Racional Sistemas que pensam racionalmente Sistemas que agem racionalmente

Sistemas que pensam como seres humanos Sistemas que agem como seres humanos

Aula 1 - 17/10/2010

Agindo racionalmente: a abordagem do agente racional

Comportamento racional = agir corretamente na hora certa. Agir corretamente = fazer o que esperado para atingir seus objetivos, dada a informao disponvel. No necessariamente involve pensamentos (raciocnios lgicos).
A ao pode ser resultado de um reflexo.
Ex.: Tirar a mo de um objeto quente.

O raciocnio lgico deve ser usado para alcanar um objetivo.

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

O que um sistema inteligente?

As abordagens para o estudo de IA se dividem em 4 categorias:
Fidelidade ao desempenho humano
Pensamento Racionalidade

Sistemas que pensam como seres humanos Sistemas que agem como seres humanos

Sistemas que pensam racionalmente Sistemas que agem racionalmente

Viso do livro e do curso

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

Matemtica (cerca de 800 at a atualidade)

Representaes formais, algoritmos, computabilidade, intratabilidade, probabilidade

Economia (de 1776 at a atualidade)

Conceito de utilidade, teoria da deciso, teoria dos jogos

Neurocincia (de 1861 at a atualidade)

Substrato fsico para a atividade mental

Psicologia (de 1879 at a atualidade)

Percepo e controle motor, tcnicas experimentais

Engenharia da computao (de 1940 at a atualidade)

Construo de computadores rpidos, ambientes computacionais, conceitos de programao

Lingustica (de 1957 at a atualidade)

Representao do conhecimento e gramtica
Aula 1 - 17/10/2010

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

Mapeando percepes em aes

Sequncia de percepes: histria completa de tudo que o agente percebeu. O comportamento do agente dado abstratamente pela funo do agente: [f: P* A] onde a P* uma sequncia de percepes e A uma ao. O programa do agente roda em uma arquitetura fsica para produzir f. Agente = arquitetura + programa.
Aula 1 - 17/10/2010

Exemplo: O mundo do aspirador de p

Percepes: local e contedo

Exemplo: [A, sujo]

Aes: Esquerda, Direita, Aspirar, NoOp

Aula 1 - 17/10/2010

Uma funo para o agente aspirador de p

Sequncia de Percepes [A, Limpo] [A, Sujo] [B, Limpo] [B, Sujo] [A, Limpo], [A, Limpo] [A, Limpo], [A, Sujo] ... [A, Limpo], [A, Limpo], [A, Limpo] Direita Ao Direita Aspirar Esquerda Aspirar Direita Aspirar

[A, Limpo], [A, Limpo], [A, Sujo]

...

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.

A medida de desempenho deve refletir o resultado realmente desejado.

Aula 1 - 17/10/2010

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.

Mas os agentes podem (e devem!) executar aes para coleta de informaes.

Um tipo importante de coleta de informao a explorao de um ambiente desconhecido.

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

Exemplo de PEAS: Motorista de Txi Automatizado

Medida de desempenho: viagem segura, rpida, sem violaes s leis de trnsito, confortvel para os passageiros, maximizando os lucros. Ambiente: ruas, estradas, outros veculos, pedestres, clientes. Atuadores: direo, acelerador, freio, embreagem, marcha, seta, buzina. Sensores: cmera, sonar, velocmetro, GPS, hodmetro, acelermetro, sensores do motor, teclado ou microfone.
Aula 1 - 17/10/2010

Exemplo de PEAS: Sistema de Diagnstico Mdico

Medida de desempenho: paciente saudvel, minimizar custos, processos judiciais. Ambiente: paciente, hospital, equipe. Atuadores: exibir na tela perguntas, testes, diagnsticos, tratamentos. Sensores: entrada pelo teclado para sintomas, descobertas, respostas do paciente.

Aula 1 - 17/10/2010

Exemplo de PEAS: Rob de seleo de peas

Medida de desempenho: porcentagem de peas em bandejas corretas. Ambiente: correia transportadora com peas; bandejas. Atuadores: brao e mo articulados. Sensores: cmera, sensores angulares articulados.

Aula 1 - 17/10/2010

Exemplo de PEAS: Instrutor de Ingls Interativo

Medida de desempenho: maximizar nota de aluno em teste. Ambiente: conjunto de alunos. Atuadores: exibir exerccios, sugestes, correes. Sensores: entrada pelo teclado.

Aula 1 - 17/10/2010

Propriedades de ambientes de tarefa

Completamente observvel (versus parcialmente observvel)
Os sensores do agente do acesso ao estado completo do ambiente em cada instante. Todos os aspectos relevantes do ambiente so acessveis.

Determinstico (versus estocstico)

O prximo estado do ambiente completamente determinado pelo estado atual e pela ao executada pelo agente. Se o ambiente determinstico exceto pelas aes de outros agentes, dizemos que o ambiente estratgico.

Aula 1 - 17/10/2010

Propriedades de ambientes de tarefa

Episdico (versus sequencial)
A experincia do agente pode ser dividida em episdios (percepo e execuo de uma nica ao). A escolha da ao em cada episdio s depende do prprio episdio.

Esttico (versus dinmico)

O ambiente no muda enquanto o agente pensa. O ambiente semidinmico se ele no muda com a passagem do tempo, mas o nvel de desempenho do agente se altera.

Aula 1 - 17/10/2010

Propriedades de ambientes de tarefa

Discreto (versus contnuo)
Um nmero limitado e claramente definido de percepes e aes.

Agente nico (versus multi-agente)

Um nico agente operando sozinho no ambiente. No caso multi-agente podemos ter
Multi-agente cooperativo Multi-agente competitivo

Aula 1 - 17/10/2010

Exemplo
Xadrez com relgio
Completamente observvel Determinstico Episdico Sim Sim No

Xadrez sem relgio

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

Programas e funes de agentes

Um agente completamente especificado pela funo de agente que mapeia sequncias de percepes em aces. Uma nica funo de agente (ou uma nica classe de funes equivalentes) racional. Objetivo: encontrar uma maneira de representar a funo racional do agente concisamente.

Aula 1 - 17/10/2010

Agente Dirigido por Tabela

Funo AGENTE-DIRIGIDO-POR-TABELA(percepo) retorna uma ao Variveis estticas:
percepes, uma seqncia, inicialmente vazia tabela, uma tabela de aes, indexada por seqncias de percepes, de incio completamente especificada

anexar percepo ao fim de percepes ao ACESSAR(percepes, tabela) retornar ao

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

Tipos bsicos de agentes

Quatro tipos bsicos, do mais simples ao mais geral
Agentes reativos simples Agentes reativos baseados em modelos Agentes baseados em objetivos Agentes baseados na utilidade

Aula 1 - 17/10/2010

Agente Reativo Simples

Aula 1 - 17/10/2010

Exemplo: Agente Reativo Simples

Funo AGENTE-ASPIRADOR-DE-P-REATIVO([posio,estado]) retorna uma ao se estado = Sujo ento retorna Aspirar seno se posio = A ento retorna Direita seno se posio = B ento retorna Esquerda

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

Agentes reativos baseados em modelos

Aula 1 - 17/10/2010

Agentes reativos baseados em modelo

Funo AGENTE-REATIVO-COM-ESTADOS(percepo) retorna uma ao
Variveis estticas: estado, uma descrio do estado atual do mundo regras, um conjunto de regras condio-ao ao, a ao mais recente, incialmente nenhuma estado ATUALIZA-ESTADO(estado, ao, percepo) regra REGRA-CORRESPONDENTE(estado, regras) ao AO-DA-REGRA[regra] retornar ao

Aula 1 - 17/10/2010

Agentes reativos baseados em objetivos

Aula 1 - 17/10/2010

Agentes reativos baseados na utilidade

Aula 1 - 17/10/2010

Agentes com aprendizagem

Aula 1 - 17/10/2010