Inteligncia Artificial AplicadaProf.: Gonalo MeloEmail: goncalomgn@gmail.com

Disciplina de dois encontros: 16 e 17 de maio e 06 e 07 de Junho.Primeiro encontro:IntroduoAplicaesAgentesSistemas EspecialistasMtodos de BuscaIncio do Trabalho valendo nota

Segundo encontro:Algoritmos Genticos/Computao EvolutivaRedes NeuraisLgica Nebulosa (Fuzzy)Inteligncia Artificial e IndstriaProva

IntroduoA 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 IAPesquisadores de IA assumem muitas vezes o papel de engenheiros...Disfarando determinados artefatos de inteligentes.Estes, muitas vezes vm na forma de ferramentas de prognstico, ou na visualizao de diagnstico que permitem que seus usurios humanos executem tarefas complexas.Exemplos destas ferramentas incluem:Modelos ocultos de Markov para a compreenso da linguagem,Sistemas automatizados de raciocnio para provar novos teoremas e matemtica,Redes Bayesianas dinmicas para rastreamento de sinais atravs de redes corticais eVisualizao de padres de dados de expresso gnica.

Exemplos

Big data

Jogos

Jogos

Drones

Robs

Robs

Robs

Mas e a prpria inteligncia?O problema de definir toda a Inteligncia Artificial torna-se um problema de definir a prpria inteligncia:A inteligncia simplesmente uma nica capacidade ou apenas um nome para uma coleo de habilidades distintas e independentes?At que ponto o aprendizado inteligente se ops a ser uma ter uma existncia a priori?Exatamente o que acontece quando ocorre a aprendizagem?O que criatividade?O que intuio?Inteligncia pode ser inferida a partir do comportamento observvel, ou ela exige a comprovao de um mecanismo interno particular?

Mas e a prpria inteligncia?Como o conhecimento representado no tecido nervoso de um ser vivo, e que lies isto fornece para a concepo de mquinas inteligentes?O que a autoconscincia, que papel desempenham na inteligncia?Alm disso, necessrio criar um programa de computador inteligente depois de aprender sobre a inteligncia humana, ou somente uma "engenharia" para resolver o problema j seria suficiente?Ser que mesmo possvel alcanar a inteligncia em um computador, ou ser que a inteligncia requer a riqueza de sensaes e experincias que podem ser encontrados apenas em uma existncia biolgica?

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 IAPor 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.

Qual a real preocupao da IA?Preocupa-se com a expanso das capacidades da computao.No se preocupa com a definio de seus limites.

Definio de IAA 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.

Quatro pontos de vista sobre IA(Definies de IA)

Classes de definiesI. Agindo como humanos:A abordagem do teste de Turing.II. Pensando como humanos:A abordagem cognitiva.III. Pensando racionalmente:A abordagem das leis do pensamento.IV. Agindo racionalmente:A abordagem do agente racional.

I. Agindo como humanos:O teste de TuringProposto por Alan Turing, em 1950, no artigo:Computing Machinery and Intelligence

Suas questes:As mquinas podem pensar? As mquinas podem se comportar inteligentemente?Propunha um teste operacional para comportamento inteligente, um Jogo de Imitao;Previu que, em 2000, as mquinas teriam 30% de chance de enganar uma pessoa leiga por 5 minutos;Antecipou os principais argumentos contrrios IA dos prximos 50 anos;

I. Agindo como humanos:O teste de TuringO teste define comportamento inteligente como:A habilidade de se alcanar desempenho equivalente ao humano em todas as tarefas cognitivas, de forma a enganar um interrogador.

I. Agindo como humanos:O teste de Turing

I. Agindo como humanos:O teste de Turing Para passar no teste, o computador precisa das seguintes habilidades:Processamento de Linguagem Natural;Representao de Conhecimento;Raciocnio Automtico;Aprendizagem de mquina;J para o teste de Turing Total, o computador necessita:Viso Computacional;Robtica.

I. Agindo como humanos:O teste de TuringExemplo:O rob ED:

II. Pensando como Humanos:Abordagem CognitivaPara dizer que um certo programa pensa como um homem, devemos ser capazes de determinar como que o homem pensa.Como descobrir a forma que a mente humana trabalha por dentro?Atravs de introspeco:Observao, por uma determinada pessoa, de seus prprios processos mentais;Atravs de experimentos psicolgicos.Com uma teoria precisa do funcionamento da mente:Seria possvel express-la em um programa de computador.

II. Pensando como Humanos:Abordagem CognitivaNewel e Simon (1961) desenvolveram o GPS (General Problem Solver).Eles no se contentaram somente com a habilidade do programa de resolver problemas;Eles se preocuparam em comparar os passos do programa com os passos de uma pessoa.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.IA e cincia cognitiva ajudam uma a outra, especialmente em reas de viso computacional, linguagem natural e aprendizagem.

III. Pensando racionalmente: aabordagem das leis do pensamentoAristtelesTentou codificar o pensamento correto com silogismosSeus famosos silogismos produziram padres para estruturas de argumentao que sempre geram dedues corretas quando as premissas so verdadeiras:Scrates homem. Todo homem mortal. Portanto Scrates mortal.Acreditava-se que as leis do pensamento deveriam governar as operaes da mente.Isso iniciou o campo da lgica;O desenvolvimento da lgica formal foi nos sculos 19 e 20. Fornecendo ento uma notao precisa para declarar sobre todos os tipos de coisas do mundo e as relaes entre elas.

III. Pensando racionalmente: aabordagem das leis do pensamentoEm 1965, foram produzidos programas que, dado tempo e memria suficientes, tomavam a descrio de um problema em notao lgica e encontravam uma soluo.Foram encontrados obstculos para esta abordagem:Dificuldade de passar conhecimento informal para termos formais (notao lgica), principalmente quando o conhecimento impreciso;Alm disso, existe uma grande diferena entre ser capaz de resolver um problema e fazer isto na prtica (recursos computacionais).

IV. Agindo racionalmente:a abordagem do agente racionalUma ao racional, ou seja, agir racionalmente significa atingir os objetivos, dados os seus conhecimentos e crenas anteriores.Um agente qualquer entidade com capacidade de percepo e ao.As Leis do pensamento permitem fazer inferncias corretas.Fazer inferncias corretas parte de uma agente racional;Agir racionalmente raciocinar logicamente sobre o objetivo que uma dada ao ir alcanar, e ento agir.

Agente Inteligente

IV. Agindo racionalmente:a abordagem do agente racionalTradicionalmente, agir racionalmente significa raciocinar logicamente ao se atingir uma concluso.Porm, na vida real a racionalidade no apenas uma inferncia correta,Pois h outras formas de agir racionalmente que no envolvem necessariamente inferncia. Ex:Remover a mo de algo quente.esta ao mais eficaz do que uma deliberao lenta e cuidadosa.

IV. Agindo racionalmente:a abordagem do agente racionalVantagens sobre as outras abordagens:O agente mais geral do que as leis do pensamento, visto que a inferncia correta um mecanismo til somente para se atingir racionalidade, que no um mecanismo necessrio;O agente mais aberto ao desenvolvimento cientfico do que as abordagens baseadas no comportamento e pensamento humano, pois a racionalidade mais claramente definida e mais geral.

Agentes Inteligentes

AgentesUm agente e algo capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por meio de atuadores.

AgentesAgente humanoSensores: Olhos, ouvidos e outros rgos.Atuadores: Mos, pernas, boca e outras partes do corpo.Agente robticoSensores: cmeras e detectores de infravermelho.Atuadores: vrios motores.Agente de softwareSensores: entrada do teclado, contedo de arquivos e pacotes vindos da rede.Atuadores: tela, disco, envio de pacotes pela rede.

Caractersticas CognitivasBsicas: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 CognitivasAdicionais: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.

Mapeando percepes em aesSeqncia de percepes:histria completa de tudo que o agente percebeuO comportamento do agente dado abstratamente pela funo do agente:[ f : P* A ]onde e a P* e uma seqncia de percepes e A euma ao.O programa do agente roda em uma arquitetura fsica para produzir f.Agente = arquitetura + programa.

Exemplo:O mundo do aspirador de pPercepes:Poderiam ser formalizadas como: [ local, contedo ]Exemplo: [A, sujo]Aes: Esquerda, Direita, Aspirar, NoOp

Uma funo para o agenteaspirador de p

Agentes RacionaisComo 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 RacionaisO conceito de sucesso do agente depende de 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.

Agentes RacionaisO Agente racional deve para cada seqncia de percepes possveis:Selecionar uma ao para a maximizar sua medida de desempenho.A seleo da ao deve ocorrer baseando-se:na evidencia fornecida pela seqncia de percepes, por qualquer conhecimento interno do agente.

Agentes RacionaisRacionalidade e diferente de perfeio (Oniscincia).A racionalidade maximiza o desempenho esperado, enquanto a perfeio maximiza o desempenho real.A escolha racional s depende das percepes ate o momento.Oniscincia: Capacidade de saber tudo infinitamente.Mas os agentes podem e devem executar aes para coleta de informaes.Um tipo importante de coleta e 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 e chamado de autnomo.Um agente que aprende pode ter sucesso em uma ampla variedade de ambientes.

PEASAo projetar um agente, a primeira etapa deve ser sempre especificar o ambiente de tarefa.Performance: Medida de Desempenho ;Environment: Ambiente;Actuators: Atuadores;Sensors: Sensores;

ExerccioCrie um PEAS de um Motorista de Taxi Automatizado

Medida de desempenho: ____________________Ambiente: ____________________Atuadores: ____________________Sensores: ____________________

Motorista de Taxi AutomatizadoMedida de desempenho:viagem segura, rpida, sem violaes as leis de transito, 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, acelermetro, sensores do motor, teclado ou microfone.

ExerccioCrie um PEAS de um Sistema de Diagnostico Medico

Medida de desempenho: ____________________Ambiente: ____________________Atuadores: ____________________Sensores: ____________________

Sistema de Diagnostico MedicoMedida de desempenho:Deixa o paciente saudvel; minimizar custos e processos judiciais.Ambiente:paciente, hospital, equipe.Atuadores:exibir na tela perguntas, testes, diagnsticos, tratamentos.Sensores:entrada pelo teclado para sintomas, descobertas, respostas do paciente.

ExerccioCrie um PEAS de um Rob de seleo de pecas

Medida de desempenho: ____________________Ambiente: ____________________Atuadores: ____________________Sensores: ____________________

Rob de seleo de pecasMedida de desempenho:porcentagem de pecas em bandejas corretas.Ambiente:correia transportadora com pecas; bandejas.Atuadores:brao e Mao articulados.Sensores:cmera, sensores angulares articulados.

Propriedades deambientes de tarefaCompletamente versus parcialmente observvelOs sensores do agente do acesso ao estado completo do ambiente em cada instante. (completamente)Todos os aspectos relevantes do ambiente so acessveis. (completamente)Somente uma parte do ambiente so visveis. (parcialmente)Determinstico versus estocsticoO prximo estado do ambiente e completamente determinado pelo estado atual e pela ao executada pelo agente. (determinstico)Se o ambiente e determinstico, exceto pelas aes de outros agentes, dizemos que o ambiente e estratgico.Estocstico define-se quando tem-se origem em processos no determinsticos, com origem em eventos aleatrios.

Propriedades deambientes de tarefaEpisdico versus seqencialA experincia do agente pode ser dividida em episdios, com percepo e execuo de uma nica ao. (episdico)A escolha da ao em cada episodio so depende do prprio episodio. (episdico)A escolha da ao e o estado do ambiente dependem de uma seqncia de episdios anteriores. (seqencial)Esttico versus dinmicoO ambiente e parado, no muda enquanto o agente pensa (esttico).O ambiente e se mi se ele no muda com a passagem do tempo, mas o nvel de desempenho do agente se altera.E dinmico quando o ambiente muda a todo tempo e enquanto o agente pensa, o ambiente j se altera.

Propriedades deambientes de tarefaDiscreto versus continuoUm numero limitado e claramente definido de percepes e aes. (discreto)Um numero infinito de percepes e aes. (continuo)Agente nico versus multiagentesUm nico agente operando sozinho no ambiente. Somente ele e capaz de modificar o ambiente.No caso multiagente podemos ter:Multiagente cooperativo;Multiagente competitivo.

O tipo de ambiente de tarefa determina em grande parte o projeto do agente.

O mundo real e parcialmente observvel, estocstico, seqencial, dinmico, continuo, multiagente

ExerccioQuais 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.

Programas e funes de agentesUm agente e completamente especificadopela funo de agente: que mapeia seqncia de percepes em aes.Uma nica funo de agente e racional.ou uma nica classe de funes equivalentes.Objetivo:encontrar uma maneira de representar a funo racional do agente concisamente.

Agente Bsico Onde esta a medida de eficincia? Ser que a escolha da ao pode ser feita apartir de uma tabela que relacione diretamentecondio/ao?

Agente Dirigido por TabelaDesvantagens: Tabela muito grande (Ex.: xadrez = 10150 entradas); Tempo longo para construir a tabela; Nao tem autonomia; Mesmo com aprendizado, demoraria muito para aprender todosos movimentos da tabela.

Tipos Bsicos de AgentesQuatro tipos bsicos, do mais simples ao mais geral :Agentes reativos simples;Agentes reativos baseados em modelos;Agentes baseados em objetivos;Agentes baseados na utilidade.

Agente Reativo Simples

Exemplo deAgente Reativo SimplesPossui as aes baseadas no estado atual do mundo;Agem por reflexo: condio ao;fazendo a ligao direta entre a percepo do mundo e a ao.O agente funciona apenas seo ambiente for completamente observvel ea deciso correta puder ser tomada com base apenas na percepo atual.

Agentes Reativos Baseados emModelo

Agentes Reativos Baseados emModeloNecessrios quando um histrico e necessrio, alem da informao dos sensores.

Agentes Baseados em Objetivos

Agentes Baseados na Utilidade

Agentes com Aprendizagem

Representao de Conhecimento

Representao e InteligenciaMetodos fracos de resolucao de problemasUtilizavam pesquisa heuristica;Logic Theoristic Shaw, Newell e Simon, 1963;Busca em espaco de estados;General Problem Solver Newell e Simon, 1963-1972.Analise meio-fim: buscava operadores que aproximavam o estado atual do objetivo.Programas feitos com regras especificas baseadas em sintaxe e planejadas para resolver uma grande variedade de problemas.

Representao e InteligenciaMtodos fortes de resoluo de problemasUtilizam 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:SEo motor nao virar, eas luzes nao acendemENTAOo problema e na bateria ou nos cabos.Elimina outros componentes e poda o espao de pesquisa.

Representao e InteligenciaMtodos fortes de resoluo de problemasSo realizadas certas suposies sobre a natureza dos sistemas inteligentes.Essas suposies so formalizadas por Brian Smith (1985) como a hiptese de representao do conhecimento:Qualquer processo inteligente mecnico ser composto de ingredientes estruturais que(a) nos, como observadores externos naturalmente tentaremos representar uma considerao proposicional do conhecimento que o processo como um todo exibe, e(b) independentes de qual atribuio semntica externa utilizada, recrearemos uma regra formal para produzir o comportamento que se manifesta esse conhecimento.(a) supe que o conhecimento ser representado proposicionalmente;(b) supe que o comportamento do sistema foi causado pelas proposies da Base de Conhecimento.

Paradigmas de representao doconhecimentoLgica;Sistemas de Produo;Redes Semnticas;Quadros (Frames);rvores de Deciso.

Representacao por LogicaTrabalha sobre proposicoes:Simples:p: esta chovendo;q: a raiz quadrada de 4 e 2;Compostas:P: esta chovendo e ventando;Q: se esta chovendo, entao a pista esta molhada.

Representao porSistemas de ProduoProposto pelo matemtico Emil Post em 1943:Para tratar procedimentos computveis.As regras esto no formato:condio aoSE ENTAO Utilizando a regra de inferncia Modus Ponens

Representao porRedes SemnticasE formado por um grafo orientado.Possui associaes declarativas e procedurais.Os nos representam os objetos.As arestas representam as relaes entre os objetos.

Representao porQuadros (Frames)Baseia-se na hiptese de queas pessoas usam conhecimentos adquiridos em experincias anteriorespara resolver situaes novas.Uma nova experinciaIncrementa o conhecimento atual;Gera maior especializao.

Representao porArvores de Deciso

Sistemas Especialistas (SE)

IntroduoOs especialistas humanos conseguem um bom nvel de trabalho.Eles possuem muito conhecimento especifico sobre sua rea de especialidade.Assim como um especialista humano, um Sistema Especialista utiliza conhecimento especifico de um problema.Assim fornece qualidade de um especialista para realizar aes nessa rea.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 EspecialistasAssim 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.

CaractersticasEm sua forma geral, os sistemas especialistas:Possuem suporte para inspecionar seu processo de raciocnio,Tanto para representar os passos intermedirios para alcanar a ao,Quanto para responder questes sobre o processo de soluo do problema.Permitem modificar de forma fcil suas habilidades,Adicionando e/ou removendo regras de sua base de conhecimento.Possuir inferncias heursticas,Permitindo utilizar eu conhecimento (geralmente imperfeito) para obter solues teis.

Explicaes do conhecimentoO 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.Explicaes so importantes para os humanos,Tanto um medico quando um engenheiro vo necessitar de motivos para acreditar nas respostas do Sistema Especialista.Um humano no vai aceitar a opinio de outro humano ou de uma maquina sem entender as justificativas para isso.

CaracteristicasDemais 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.Funcionar com informaes incompletas ou incertas:Utilizao de tcnicas estatsticas, ouLgica Nebulosa.Apresentar velocidade;Apresentar confiabilidade;Apresentar preciso de suas recomendaes (respostas).

Sistemas Especialistas (SE)Os SE tem sido criados para resolver uma enorme quantidade de problemas em domnios diversos, como:Medicina;Matemtica;Engenharia;Qumica;Geologia;Computao;Negcios;Sistemas de Leis;Sistemas de defesa; eEducao.

Sistemas Especialistas (SE)Categorias comuns dos SE:Interpretao:Obtendo informaes de alto nvel, extradas de coletas de dados em seu estado original ou no processados.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.

Sistemas Especialistas (SE)Categorias comuns dos SE:Planejamento:Elaborar uma seqncia de aes para atingir uma meta, porem seguindo as condies iniciais e as restries de tempo.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 ConhecimentoComponente responsvel pelo armazenamento do conhecimento.Deve usar algum dos modelos de representao:Lgica, Regas de Produo, Redes semnticas, Quadros, etc.Os sistemas de Produo costumam ser os mais utilizados, pois possuem:Modularidade:Cada regra define um pequeno e independente pedao do conhecimento.Permitindo grande facilidade para adicionar novas regras.Regras incorretas podem ser facilmente alteradas ou excludas.Uniformidade:Todas as regras utilizam um mesmo modelo de representao.Permitindo entender o contedo do conhecimento armazenado nas regras.Facilidade de explicar as decises e solues obtidas.

Arquitetura de um SE:Interfaces de Aquisio e do Usurio

Arquitetura de um SE:Maquina de InferenciaResponsvel pelo processamento:Das perguntas do usurio;Dos fatos armazenados na base de conhecimento; ePela obteno das concluses e explicaes que sero fornecidas ao usurio.

E capaz de gerar novos conhecimentos, baseando-se:Nos Fatos;Nas Suposies; eNos Conhecimentos ja existentes em sua base.

Atravs de uma Seqncia de Operadores, a Maquina de Inferncia torna-se capaz de sair de um Estado Inicial e alcanar um Estado Final.

Mquina de InfernciaSeu conhecimento pode ser representado de diferentes formas.Exemplos:Com Sistemas de Produo (mais comum):Encadeamento direto;Encadeamento reverso;Redes Semnticas.

Mquina de InfernciaSistema de Produo, Encadeamento Direto (Prova Direta):A memria de trabalho recebe dados sobre o problema;O processo de inferncia deduz outros dados utilizando regras. Para isso, compara os dados da memria de trabalho com as premissas das regras referentes.Ento, adiciona a memria de trabalho os dados inferidos (concluso de regras validas);Efetua perguntas ao usurio para confirmar as premissas adicionais.O processo termina quando ocorre a confirmao da regra de concluso, para que possa ser aceita como resposta final.

Mquina de InfernciaSistema 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

Soluo de problemas como BuscaUm problema pode ser considerado como um objetivoUm conjunto de aes podem ser praticadas para alcanar esse objetivoAo buscar um objetivo, estamos em um determinado estadoO estado inicial e quando iniciamos a buscaO estado que satisfaz a meta e o estado objetivoBuscaMtodo que examina o espao de um problema, buscando um objetivoO espao de um problema e seu Estado de Busca

Busca guiada porDados ou ObjetivosAbordagens para fazer uma arvore de buscaDe-cima-para-baixo:Encadeamento para frente;Busca guiada por Dados;Parte de um estado inicial e usa aes permitidas para alcanar o objetivo.De-baixo-para-cimaEncadeamento para trs;Busca guiada por Objetivos;Comea de um objetivo e volta para um estado inicial, vendo quais deslocamentos poderiam ter levado ao objetivo.

Busca guiada porDados ou ObjetivosAmbas atingem o mesmo resultado;Um dos mtodos pode ser mais rpido que o outro, porem:Depende da natureza do problema

MetodologiasGerar e Testar tcnica de busca cegaA 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;Precisa de um Gerador que satisfaa:Ele deve ser completo, garantir que todas as solues possveis serao geradas. Pois assim no descartara uma soluo adequada;Ele no deve ser redundante, no gerando a mesma soluo duas vezes;Ele deve ser bem informado, s deve propor solues adequadas e que combinem com o espao de busca.

Busca em ProfundidadeSegue cada caminho ate sua maior profundidade antes de seguir para o prximo caminhoSe a folha no representar um estado objetivo,A busca retrocedera ao primeiro no anterior que tenha um caminho no exploradoUtiliza um mtodo chamado de retrocesso cronolgico:Volta na arvore de busca, uma vez que um caminho sem saida seja encontradoE assim chamado por desfazer escolhas na ordem contraria ao momento em que foram tomadasE um mtodo de busca exaustiva ou de fora bruta.

Exemplo

Busca em Largura (Extenso)Percorre a arvore em largura ao invs de profundidade.Comeam examinando todos os nos de um nvel abaixo do no raiz.Se no encontrar o objetivo, buscam um nvel abaixo.Melhor em arvores que tenham caminhos mais profundos.Utilizado em rvores de jogos.

Exemplo

ComparaoO problema de caminhos infinitos pode ser evitado na busca em profundidade pela aplicao de um limiar de profundidade

Propriedades dos mtodos de buscaComplexidade:Ligado ao tempo e espao utilizados na busca;Completude:Se e completo, ou seja, se sempre acha um objetivo (qualquer objetivo);Obs.: se houver objetivo;Quanto a ser timo:Garantir achar a melhor soluo (objetivo) que exista;No garante que seja pelo menor caminho ou tempo.Admissibilidade:Garantir achar a melhor soluo pelo melhor caminho.Irrevogabilidade:No retrocedem, examinando assim somente um caminho.

Heursticas de BuscaMtodos Informados:Utilizam informao adicional sobre os ns no explorados para decidir qual escolher.Utilizam Heursticas.Mtodos No Informados ou Cegos:No utilizam informao adicional sobre os ns no explorados.No utilizam Heursticas.Quanto melhor a heurstica for, menos ns ela precisara examinar na rvore.

Subida na colina(Hill Climbing)Caso de estudoSe tentar escalar uma montanha em dia de neblina, com um altmetro, mas sem mapa, voc utilizaria uma abordagem de subida na colinaAbordagem Gerar e Testar;Como proceder:Verificar a altura a alguns centmetros de sua posio em cada direo: norte, sul, oeste e leste.Assim que encontrar uma posio que o leve para uma altura maior que a atual, v para l e repita esses passos.Se todas as posies o levam para mais baixo de onde esta, assuma que chegou ao topo.

Implementao da Subida na Colinacolina:lista = []estado = no_raizrepita:se _Objetivo(estado)retorne SUCESSOsenoaux = Ordenar( sucessores(estado) )InserirNaFrenteDaLista( aux )se lista == []retorne FALHAEstado = fila[0]RemoverPrimeiroItemDa ( lista )

Identificando o Caminho OtimoCaminho timoAquele que tem o menor custo ou a menor distancia entre n inicial e o n objetivoExistem diversos mtodos que identificam o caminho timo em uma arvore de buscaMtodo mais simplesProcedimento do Museu Britnico envolve:examinar cada caminho na arvore de busca,retornar pelo melhor caminho que foi encontrado.

Identificando o Caminho timoAlgumas tcnicas mais sofisticadas:Busca GulosaA*

Busca GulosaEstratgia: 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.

A implementao do algoritmo se assemelha ao utilizado na busca cega, entretanto utiliza-se uma funo heurstica para decidir qual o n deve ser expandido.

Busca GulosaFuno Heurstica (h):

Distancia em linha retaFuno Heurstica (h):

Distancia em linha retaFuno Heurstica (h): Distancia em linha reta

Busca GulosaFuno Heurstica (h):

Distancia em linha retaFuno Heurstica (h):

Distancia em linha retaFuno Heurstica (h): Distancia em linha reta

Busca GulosaCusto 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).

a tcnica de busca mais utilizada .

Busca A*Funo Heurstica (h): Distancia em linha reta

Busca A*Funo Heurstica (h): Distancia em linha reta

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. Nenhum outro algoritmo timo garante expandir menos ns

Trabalho em SalaPesquisar 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 viajantePesquisar e explicar sobre Busca em Profundidade e Explicar como o mtodo resolve o problema 8-Puzzle.

Trabalho Para CasaImplementar um programa do Jogo da Velha em qualquer linguagem.O jogo dever ter dois nveis: fcil e difcil. Fazer um relatrio sobre o projetoComentar o cdigoExplicar qual mtodo e por que usou.Entrega no Segundo Encontro.

Algoritmos Genticos

Redes Neurais

Lgica Fuzzi(Nebulosa)

Inteligncia Artificial e Indstria

A maioria dos processos qumicos caracterizada por no linearidades, tempo morto muito elevado, processo restritivos e condies de operao em constante mudana.

SEVERO (2004 )

Inteligncia Artificial e IndstriaMelhor qualidade pelo menor custo...Dificuldades:no linearidade;grande nmero de parmetros .Controles:I.A.: com controles preditivo e adaptativo;Clssicos: parmetros constantes.SEVERO (2004)

Inteligncia Artificial e IndstriaControle de Processos...Segundo Sellitto (2002), quando no existe um modelo de processo para controlar por sua complexidade ou custo e esse processo bem controlado por especialistas humanos, podendo verbalizar as regras, existem condies para o uso de lgica fuzzy para automatizar o controle do controle do processo.

Inteligncia Artificial e IndstriaRedes Neurais e Engenharia Qumica...O mtodo mais adotado na soluo de problemas com rede neural artificial feedforward FANN em engenharia qumica, tanto para a identificao/ modelagem quanto para controle de processos o algoritmo retropropagao de erro (backpropagation), que pelo uso extensivo d nome a uma arquitetura prpria, embora possua algumas limitaes.SEVERO (2004)

Inteligncia Artificial e IndstriaUso da lgica fuzzi em controles de processos industriais com regras de inferncia e de defuzzificao por CBR.(Sellitto, 2002)Lgica Fuzzy...

Ilustrao 1 - O ciclo CBR de aprendizado

Ilustrao 2 - Uso da lgica fuzzi em controlesde processos industriais (Sellitto, 2002)

Inteligncia Artificial e IndstriaIndstria de Software...Ambientes de Engenharia de Software que fazem uso de inteligncia artificial :Marvel (Columbia University ) ambiente centrado em processo que orientasse e assistisse os usurios que trabalham em projetos de grande escalaMerlin (University of Dortmund) O prottipo do ambiente usa o paradigma de regras para descrever e executar processos de software.Articulator - um ambiente baseado em conhecimento para processo de desenvolvimento de software.Pandora - Pandora uma mquina de processos baseada em programao em lgica e conceitos de lgica temporal.