Documente Academic
Documente Profesional
Documente Cultură
Segundo encontro:
Algoritmos Genticos/Computao Evolutiva
Redes Neurais
Lgica Nebulosa (Fuzzy)
Inteligncia Artificial e Indstria
Prova
Introduo
A Inteligncia Artificial (IA) :
Um ramo da Computao Cientfica que se
preocupa
com
a
automao
de
comportamento inteligente.
A IA baseada em princpios tericos, como:
Os
estruturas
de
dados
utilizadas
na
representao do conhecimento;
Os algoritmos necessrios para aplicar esse
conhecimento;
As linguagens e tcnicas de programao
utilizadas na sua implementao.
Utilizao de IA
Exemplos
Big data
Jogos
Jogos
Drones
Robs
Robs
Robs
Respostas???
Estas so perguntas sem respostas.
Todas tm ajudado a moldar os problemas e
metodologias de solues que constituem o ncleo da IA
moderna.
A parte atrativa da inteligncia artificial que ela uma
nica e poderosa ferramenta para explorar exatamente
estas perguntas.
A IA oferece um meio e um banco de ensaio para as
teorias de inteligncia:
Tais teorias podem ser declarados na linguagem de programas
de computador, que conseqentemente podem ser testadas e
verificadas atravs da execuo desses programas em um
computador real.
Definio de IA
Por estas razes, a definio inicial de
inteligncia artificial est aqum de uma
definio sem ambigidades.
Dificuldade em chegar a uma definio
precisa?
A inteligncia artificial ainda uma disciplina
jovem, e sua estrutura, preocupaes e
mtodos so menos claramente definidos do
que os de uma cincia mais madura como a
Fsica.
Definio de IA
A IA define-se como o conjunto de problemas e
metodologias estudadas por seus
pesquisadores.
Procura entender e construir entidades
inteligentes.
Atravs da IA podemos:
Descobrir mais sobre ns mesmos (Filosofia e
Psicologia);
Construir sistemas inteligentes que so interessantes
e teis.
Classes de definies
I. Agindo como humanos:
A abordagem do teste de Turing.
Suas questes:
As mquinas podem pensar? As mquinas podem se comportar
inteligentemente?
<http://www.ed.conpet.gov.br/br/converse.ph
p>
Cincia Cognitiva:
Modelos computacionais da IA + tcnicas experimentais da
psicologia;
Tenta construir teorias precisas e testveis a respeito dos
processos de funcionamento da mente humana.
Agente Inteligente
Agentes Inteligentes
Agentes
Um agente e algo capaz de perceber seu
ambiente por meio de sensores e de agir
sobre esse ambiente por meio de
atuadores.
Agentes
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.
Caractersticas Cognitivas
Bsicas:
Autonomia: capacidade de agir sem
interveno de outros agentes.
Reatividade: habilidade de reagir a estmulos
do ambiente.
Pro atividade: propriedade de agir guiado por
objetivos, a partir de iniciativa prpria.
Sociabilidade:
potencialidade
de
se
comunicar com outros agentes do ambiente.
Caractersticas Cognitivas
Adicionais:
Adaptatividade: capacidade de se adaptar ao
ambiente (aprendizado).
Mobilidade: habilidade de se mover entre ambientes.
Veracidade: propriedade de dizer sempre a verdade.
Benevolncia: caracterstica de realizar tudo aquilo
que lhe e solicitado.
Racionalidade: capacidade de agir sempre em busca
dos prprios objetivos.
Exemplo:
O mundo do aspirador de p
Percepes:
Poderiam ser formalizadas como: [ local,
contedo ]
Exemplo: [A, sujo]
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.
Agentes Racionais
O conceito de sucesso do agente depende de
uma medida de desempenho objetiva.
Exemplos:
Agentes Racionais
O Agente racional deve para cada
seqncia de percepes possveis:
Selecionar uma ao para a maximizar sua
medida de desempenho.
Agentes Racionais
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;
Exerccio
Crie um PEAS
Automatizado
de
Medida de desempenho:
____________________
Ambiente:
____________________
Atuadores:
____________________
Sensores:
____________________
um
Motorista
de
Taxi
Ambiente:
ruas, estradas, outros veculos, pedestres, clientes.
Atuadores:
direo, acelerador, freio, embreagem, marcha, seta,
buzina.
Sensores:
cmera, sonar, velocmetro, GPS, acelermetro,
sensores do motor, teclado ou microfone.
Exerccio
Crie um PEAS de um Sistema de Diagnostico
Medico
Medida de desempenho:
____________________
Ambiente:
____________________
Atuadores:
____________________
Sensores:
____________________
Ambiente:
paciente, hospital, equipe.
Atuadores:
exibir na tela
tratamentos.
perguntas,
testes,
diagnsticos,
Sensores:
entrada pelo teclado para sintomas, descobertas,
respostas do paciente.
Exerccio
Crie um PEAS de um Rob de seleo de pecas
Medida de desempenho:
____________________
Ambiente:
____________________
Atuadores:
____________________
Sensores:
____________________
Ambiente:
correia transportadora com pecas; bandejas.
Atuadores:
brao e Mao articulados.
Sensores:
cmera, sensores angulares articulados.
Propriedades de
ambientes de tarefa
Propriedades de
ambientes de tarefa
Propriedades de
ambientes de tarefa
Discreto versus continuo
Um numero limitado e claramente definido de
percepes e aes. (discreto)
Um numero infinito de percepes e aes.
(continuo)
Direo de taxi
Completamente
observvel
Sim
Sim
No
Determinstico
Sim
Sim
No
Episdico
No
No
No
Estatstico
Semi
Sim
No
Discreto
Sim
Sim
No
Agente nico
No
No
No
Exerccio
Quais as propriedades dos ambientes que
voc criou?
Completamente ou Parcialmente observvel;
Determinstico ou Estocstico;
Episdico ou Seqencial;
Esttico ou Dinmico;
Discreto ou Continuo;
Agente nico ou Multiagente.
Objetivo:
encontrar uma maneira de representar a
funo racional do agente concisamente.
Agente Bsico
Desvantagens:
Tabela muito grande (Ex.: xadrez = 10150 entradas);
Tempo longo para construir a tabela;
Nao tem autonomia;
Mesmo com aprendizado, demoraria muito para aprender todos
os movimentos da tabela.
Exemplo de
Agente Reativo Simples
Representao de
Conhecimento
Representao e Inteligencia
Metodos fracos de resolucao de problemas
Utilizavam pesquisa heuristica;
Logic Theoristic Shaw, Newell e Simon, 1963;
Representao e Inteligencia
Mtodos fortes de resoluo de problemas
Utilizam conhecimento explicito de um de um domnio
particular de problemas;
Possui conhecimento emprico (adquirido ate a
observao) de determinado ambiente;
Precisam de muito conhecimento especifico do domnio;
Exemplo:
SE
o motor nao virar, e
as luzes nao acendem
ENTAO
o problema e na bateria ou nos cabos.
Representao e Inteligencia
Paradigmas de representao do
conhecimento
Lgica;
Sistemas de Produo;
Redes Semnticas;
Quadros (Frames);
rvores de Deciso.
Compostas:
P: esta chovendo e ventando;
Q: se esta chovendo, entao a pista esta molhada.
Representao por
Sistemas de Produo
Proposto pelo matemtico Emil Post em
1943:
Para tratar procedimentos computveis.
Representao por
Redes Semnticas
E formado por um grafo orientado.
Possui associaes declarativas e
procedurais.
Os nos representam os objetos.
As arestas representam as relaes entre
os objetos.
Representao por
Quadros (Frames)
Baseia-se na hiptese de que
as pessoas usam conhecimentos adquiridos
em experincias anteriores
para resolver situaes novas.
Representao por
Arvores de Deciso
Introduo
Os especialistas humanos conseguem um bom nvel de
trabalho.
Eles possuem muito conhecimento especifico sobre sua rea de
especialidade.
Geralmente,
Um sistema especialista e alimentado com informaes de um
especialista humano;
O sistema emula ento a especialidade e o desempenho do
humano sobre determinado ambiente.
Sistemas Especialistas
Assim como os humanos,
Os SE so especializados, focando um
pequeno conjunto de problemas.
Seu conhecimento e terico e pratico:
Os especialistas humanos aumentam sua prpria
compreenso do problema com truques, atalhos e
heursticas;
Ou seja, utilizam o conhecimento que possuem e
adquirem novos conhecimentos no processo de
resoluo de problemas.
Caractersticas
Em sua forma geral, os sistemas especialistas:
Possuem suporte para inspecionar seu processo de raciocnio,
Explicaes do conhecimento
O conhecimento de um sistema especialista
deve permitir sua inspeo, provendo:
Informaes sobre a soluo do problema;
Explicaes sobre as decises e escolhas que o
programa fez ou esta fazendo.
Caracteristicas
Demais atributos que um SE pode fornecer:
Permitir que os usurios interajam com o sistema
(desejvel):
Interao com sua linguagem natural: portugus ou
ingls, por exemplo.
Apresentar velocidade;
Apresentar confiabilidade;
Apresentar preciso de suas recomendaes
(respostas).
Prognostico (predio):
Projetando provveis conseqncias de determinadas situaes.
Diagnose:
Utilizar os sintomas observveis para determinar a causa de
defeitos/problemas em casos complexos.
Esboo (design):
Encontrar uma configurao de componentes do sistema que atenda
os objetivos, satisfazendo um conjunto de restries de projeto.
Monitoramento:
Comparar o comportamento real de um sistema com o comportamento
esperado.
Ensino:
Auxiliar no processo de educao de domnios tcnicos e tericos.
Controle (administrao):
Dirigir/Administrar o comportamento de um ambiente complexo.
Arquitetura de um SE:
Base de Conhecimento
Componente responsvel pelo armazenamento do
conhecimento.
Deve usar algum dos modelos de representao:
Lgica, Regas de Produo, Redes semnticas, Quadros, etc.
Uniformidade:
Todas as regras utilizam um mesmo modelo de representao.
Permitindo entender o contedo do conhecimento armazenado nas
regras.
Arquitetura de um SE:
Interfaces de Aquisio e do
Usurio
De Aquisio:
Permitir ao especialista
definir e manipular regras;
Apoiar a construo
inicial da Base de
Conhecimento;
Permitir atualizaes:
Correes de regras;
Adio de novas regras.
De Usurio:
Responsvel da interao
do usurio com o sistema:
Para obter respostas as
perguntas; e
Explicaes referentes de
como chegou na concluso.
Arquitetura de um SE:
Maquina de Inferencia
Responsvel pelo processamento:
Das perguntas do usurio;
Dos fatos armazenados na base de conhecimento; e
Pela obteno das concluses e explicaes que
sero fornecidas ao usurio.
Mquina de Inferncia
Seu conhecimento pode ser representado
de diferentes formas.
Exemplos:
Com Sistemas de Produo (mais comum):
Encadeamento direto;
Encadeamento reverso;
Redes Semnticas.
Mquina de Inferncia
1.
2.
3.
4.
5.
Mquina de Inferncia
Sistema de Produo, Encadeamento
Reverso (Prova Indireta):
Utiliza somente as regras que so relevantes
a um problema em questo.
O processo inicia da concluso a ser
provada, tentando provar a validade de suas
premissas.
Mtodos de Busca
Busca
Mtodo que examina o espao de um problema, buscando um
objetivo
De-baixo-para-cima
Encadeamento para trs;
Busca guiada por Objetivos;
Comea de um objetivo e volta para um estado inicial, vendo
quais deslocamentos poderiam ter levado ao objetivo.
Metodologias
Gerar e Testar tcnica de busca cega
A mais simples abordagem de busca;
Funcionamento: gerar cada no n espao de busca e testa-lo
para verificar se este e um no objetivo;
a forma mais simples de busca de fora bruta ou busca
exaustiva;
Busca em Profundidade
Segue cada caminho ate sua maior profundidade antes
de seguir para o prximo caminho
Se a folha no representar um estado objetivo,
A busca retrocedera ao primeiro no anterior que tenha um
caminho no explorado
Exemplo
Exemplo
Comparao
Completude:
Se e completo, ou seja, se sempre acha um objetivo (qualquer
objetivo);
Obs.: se houver objetivo;
Admissibilidade:
Garantir achar a melhor soluo pelo melhor caminho.
Irrevogabilidade:
No retrocedem, examinando assim somente um caminho.
Heursticas de Busca
Mtodos Informados:
Utilizam informao adicional sobre os ns no
explorados para decidir qual escolher.
Utilizam Heursticas.
Implementao da Subida na
Colina
colina:
lista = []
estado = no_raiz
repita:
se _Objetivo(estado)
retorne SUCESSO
seno
aux = Ordenar( sucessores(estado) )
InserirNaFrenteDaLista( aux )
se lista == []
retorne FALHA
Estado = fila[0]
RemoverPrimeiroItemDa ( lista )
Busca Gulosa
Estratgia:
Expande os ns que se encontram mais prximos do
objetivo (uma linha reta conectando os dois pontos no
caso de distancias), desta maneira provvel que a
busca encontre uma soluo rapidamente.
Busca Gulosa
Busca Gulosa
Busca Gulosa
Custo de busca mnimo:
No exemplo, no expande ns fora do caminho.
No tima:
No exemplo, escolhe o caminho que mais econmico
primeira vista, via Fagaras.
Porm, existe um caminho mais curto via Rimnicu Vilcea.
No completa:
Pode entrar em loop se no detectar a expanso de estados
repetidos.
Pode tentar desenvolver um caminho infinito.
Busca A*
Estratgia:
Combina o custo do caminho g(n) com o valor da
heurstica h(n).
g(n) = custo do caminho do n inicial at o n n.
h(n) = valor da heurstica do n n at um n objetivo
(distancia em linha reta no caso de distancias
espaciais).
f(n) = g(n) + h(n).
Busca A*
Busca A*
Busca A*
A estratgia completa e tima.
Custo de tempo:
Exponencial com o comprimento da soluo, porm
boas funes heursticas diminuem
significativamente esse custo.
Custo memria:
Guarda todos os ns expandidos na memria.
Trabalho em Sala
Pesquisar e explicar sobre Hill Climbing e
Explicar como o mtodo resolve o
problema das 8 Rainhas.
Pesquisar e explicar sobre Busca Gulosa
e explicar como o mtodo resolve o
problema do caixeiro viajante
Pesquisar e explicar sobre Busca em
Profundidade e Explicar como o mtodo
resolve o problema 8-Puzzle.
Algoritmos Genticos
Redes Neurais
Lgica Fuzzi(Nebulosa)
SEVERO (2004 )
Controles:
I.A.: com controles preditivo e adaptativo;
Clssicos: parmetros constantes.
SEVERO (2004)