7 a SEAU, UNIVAP, 19/Outubro/2005 Demonstração de Técnicas de Inteligência Artificial Prof. Dr....

77aa SEAU, UNIVAP, 19/Outubro/2005 SEAU, UNIVAP, 19/Outubro/2005

Demonstração de Técnicas de Demonstração de Técnicas de Inteligência ArtificialInteligência Artificial

Prof. Dr. Cairo L. Nascimento Jr.Prof. Dr. Cairo L. Nascimento Jr.Divisão de Engenharia EletrônicaDivisão de Engenharia Eletrônica

Instituto Tecnológico de AeronáuticaInstituto Tecnológico de AeronáuticaE-mail: [email protected]: [email protected]

Home Page: http://www.ele.ita.br/~cairo/Home Page: http://www.ele.ita.br/~cairo/

• Por que desejamos máquinas inteligentes?

– Sobrevivência x Comforto,

– Necessidades físicas (esforço físico e mental),

– Necessidades emocionais (filmes Blade Runner e IA, Sony AIBO e QRIO, chatterbot ALICE http://www.alicebot.org/).

Demonstração de Técnicas de IA

Motivação

Entertainment Robot AIBO (http://www.aibo.com)


http://www.sony.net/ProductsServices/Robots/


• Inteligência das máquinas atuais.

• Estudo da Inteligência.

• Tipos e Medição de Inteligência:– Humana, Animal, das Máquinas,

– Extra-terrestre (SETI@home).


Definição de Inteligência

• Comportamento Inteligente:– Importante para Competição (Seleção Natural),– Adaptação (mudanças no meio-ambiente),– Reconhecimento de Padrões (visão, fala,

diagnóstico de falhas/doenças, aplicações financeiras, detecção de fraudes),

– Planejamento (Modelos, Otimização) e Auxílio a Tomada de Decisões,

– Cooperação e Comunicação com outros indivíduos.


Definição de Inteligência

DARPA Grand Challenge 2005:

Percurso: 211 Km, Prêmio: US$ 2M, 9/Out/2005


Exemplos de desenvolvimento de

Equipamento Inteligente no ITA:




Barco Autonômo


Demonstração de Técnicas de IAExemplos de desenvolvimento de


Romeo I e Romeo II: http://www.ele.ita.br/romeo/



Equipamento Inteligente no ITA

Romeo 3, http://www.ele.ita.br/romeo/

Algoritmo A-estrela


Algoritmo Minimax



• Diferentes formas de representação. Exs.:– Modelo paramétrico (função de transferência para

sistemas LIT),– Modelo baseado em regras (fuzzy expert systems),– Modelo neural, fuzzy-neural.

• Aquisição de modelos dinâmicos a partir de dados reais.

• Diferentes níveis de supervisão:– Muito forte, forte, fraca, muito fraca.


• Supervisão Muito Forte: o supervisor insere os parâmetros (ou as regras) no modelo.

• Supervisão Forte: o supervisor fornece exemplos de entrada-saída (pares x,y).

• Supervisão Fraca: o supervisor classifica apenas os casos típicos.

• Supervisão Muito Fraca: o supervisor classifica como SUCESSO ou FALHA um conjunto de ações sucessivas.

Demonstração de Técnicas de IASupervisão Muito Forte:

Controlador Fuzzy


Controlador Fuzzy


6 7 8 9 10 11 12 13 14 15-100

-90

-80

-60

-40

-20

0

Time (Seconds)

bracoflc

Controlador Fuzzy

Supervisão Forte:Aprendizado usando pares [X,Yreal]


Supervisão Forte:Redes Neurais tipo feedforward

Algoritmo Back-Propagation



Reconhecimento de Caracteres0-9,A-F com ruído


Reconhecimento de Caracteres:Antes do treinamento

Tipo e No. da Unidade

No.

do

padr

ão d

e en

trad

a

Iteração = 0, rmsE = 1.2145, PFlip = 5%, NE = 16

H2 H4 H6 H8 O2 O4 O6 O8 O0 OB OD OF

Pad2

Pad4

Pad6

Pad8

Pad0

PadB

PadD

PadF


Reconhecimento de Caracteres:Após o treinamento

Tipo e No. da Unidade

No.

do

padr

ão d

e en

trad

a

Iteração = 200, rmsE = 0.028162, PFlip = 5%, NE = 0

H2 H4 H6 H8 O2 O4 O6 O8 O0 OB OD OF

Pad2

Pad4

Pad6

Pad8

Pad0

PadB

PadD

PadF


Reconhecimento de Caracteres:Teste estatístico

0 5 10 15 20 25 30 35 40 45 500

10

20

30

40

50

60

70

80

90

100

Nível de Ruído (%)

Tax

a de

Ace

rto

(%)

Teste de Generalização


Supervisão Fraca:Redes de Kohonen


Reconhecimento de Caracteres:Mapa de Agrupamento após o treinamento

1 2 3 4 5 6 7 8 9 10

1

2

3

4

5

6

7

8

9

10

Iteração 500 / 500 = 100%

j, Ncs = 0, dist = 0

i

0

1

2

3

4

5 6

7

8

9

A

B CD

E F


Reconhecimento de Caracteres:Teste estatístico

0 5 10 15 20 25 30 35 40 45 500

10

20

30

40

50

60

70

80

90

100

Nível de Ruído (%)

Tax

a de

Ace

rto

(%)

Teste de Generalização


• “Learn by doing it”.• Supervisor apenas classifica o resultado de uma série

de ações em 2 categorias: SUCESSO, FRACASSO.• A cada estado (x), existem N ações (u) possíveis.• Para cada par (x,u) define-se P = probabilidade de

sucesso.• Em geral P(x,u) não é conhecido e deve ser estimado.

Supervisão Muito Fraca:Aprendizado por Reforço

Algoritmo Bootstrap Learning


• Um conjunto de ações é escolhido usando o valor estimado de P.

• O resultado destas ações é avaliado pelo supervisor e usado para atualizar a estimativa de P(x,u).

Supervisão Muito Fraca:Aprendizado por Reforço

Algoritmo Bootstrap Learning


Problema do Labirinto:Após o treinamento

-1 0 1 2 3 4 5 6 7 8-1

0

1

2

3

4

5

6Iteracao = 600/ 600

Conclusões• Aplicações extremamente práticas. Alguns

exs.:– classificação de empresas de telecomunicações,

– classificação de sinais eletrocardiográficos,

– temporarização de semafóros de tráfego urbano,

– otimização de sequências de montagens,

– previsão de preços de produtos.

• Grandes benefícios para a indústria nacional.


Conclusões• Estamos aumentando o nível de

inteligência das nossas máquinas (lentamente ou rapidamente?).

• Área altamente multi-disciplinar e desafiadora.

• Muitas oportunidades para pesquisa teórica e aplicada.



Mais alguns links interessantes:• DARPA Grand Challengehttp://www.grandchallenge.org/http://www.darpa.mil/grandchallenge/

• Kohonen Networks:http://www.cs.bham.ac.uk/resources/courses/SEM2A2/Web/Kohonen.htm

• RL: Learning a motion to move to the fronthttp://www.fe.dis.titech.ac.jp/~gen/robot/robodemo.html

• Mais demos:http://www.cs.utexas.edu/users/kstanley/demos.html

Para mais detalhes:

Livro “Inteligência Artificial em Controle e Automação”, 2000

(re-impressões em 2002 e 2004)

Autores: Cairo L. Nascimento Jr. e

Takashi Yoneyama (ITA)

Ed. Edgard Blücher e FAPESP

http://www.ele.ita.br/ia_contaut/



Muito obrigado pela sua atenção!!

Cairo ([email protected])

7 a SEAU, UNIVAP, 19/Outubro/2005 Demonstração de Técnicas de Inteligência Artificial Prof. Dr....

Documents

Transcript of 7 a SEAU, UNIVAP, 19/Outubro/2005 Demonstração de Técnicas de Inteligência Artificial Prof. Dr....