Inteligência Artificial e Sistemas Inteligentes

Inteligência Artificial

Conceitos gerais Dimensões/abordagens Fundamentos Histórico Aplicações Paradigma simbólico

2

Inteligência artificial (IA): Conceitos gerais

• IA e CC– Sistemas Especialistas (SEs)– Processamento de Linguagem Natural (PLN)– Interação Humano-Computador (IHC)– Recuperação de Informação (IR)– Data Mining (DM)– Robótica

3

Conceitos gerais

• Comportamento inteligente de artefatos em ambiente complexo– percepção– raciocínio– aprendizado– comunicação– ação e planejamento

Sistema inteligente

• Um sistema inteligente deve ser capaz de adaptar-se a novas situações, raciocinar, entender relações entre fatos, descobrir significados, reconhecer a verdade e aprender com base em sua experiência.

Agente

• Sistema com propriedades de:– reação à propriedades percebidas do ambiente– algumas informações não podem ser

imediatamente percebidas• INFORMAÇÕES DESCRITIVAS SOBRE O AMBIENTE =

CONHECIMENTO

Objetivos da IA

• desenvolver sistemas para realizar tarefas que ainda– são melhor realizadas por seres humanos que por

máquinas, ou– não possuem solução satisfatória pela computação

convencional

• reproduzir o comportamento inteligente

• entender entidades inteligentes

Objetivos

• Engenharia - construção• Científicos - compreensão e teorização• Filosóficos

– ???? as máquinas podem pensar ????

Um pouco de filosofia

• Máquinas podem pensar???– O que são máquinas?– O que é pensar?– O que quer dizer podem?

9

Dimensões/abordagens da IA

Pensando

Agindo

Como humanos Racionalmente

“A automação de atividades que nós associamos com o pensamento humano”

“A arte de criar máquinas que realizam funções que requerem inteligência quando realizadas por pessoas”

“O estudo das faculdades mentais através do uso de modelos computacionais”

“O ramo da Ciência da Computação que estuda a automação de comportamento inteligente”

Dimensões/abordagens da IA

Sistemas baseados emRedes Neurais

Redes Bayesianas

Algoritmosgenéticos

Sistemas Especialistas

Sistemas Nebulosos

(fuzzy)

Sistemas deAprendizagem

simbólica indutiva

Sistemas de PLN

conhecimento intensional (regras)

conhecimento extensional (exemplos)

simbóliconumérico

Sistemasbaseadoem casos

Robôs

Paradigmas• Simbólico (IA clássica ou GOFAI): metáfora lingüística

– ex. sistemas especialistas, agentes,...

• Conexionista: metáfora cerebral– ex. redes neurais

• Evolucionista: metáfora da natureza – ex. algoritmos genéticos, vida artificial

• Estatístico/Probabilístico– Ex. Redes Bayesianas, sistemas difusos

Sub-áreas da IA

• Resolução de problemas • Representação de conhecimento• Raciocínio lógico (teórico)• Sistemas especialistas (prático)• Processamento de linguagem natural (inter-

disciplinar)• Agentes inteligentes, sistemas multi-agentes

Fundamentos

14

Matemática

Sociologia

Psicologia

Filosofia

Lingüística

Computação

IA

Neuro-fisiologia Genética

Filosofia

• Sócrates, Platão, Aristóteles mente racional (400 AC)

• Descartes (1600) dualismo (natureza física x mente, livre arbítrio)

• Materialismo mundo (cérebro e mente) funciona de acordo com leis físicas

• Empiricismo fonte do conhecimento (observação dos fatos e generalização de regras)

• Positivismo lógico conhecimento pode ser expresso em teorias lógicas

Matemática (lógica)

• Aristóteles• Boole• Frege• Tarski• Hilbert

• Godel• Turing • Church• Bayes

Matemática

• Aristóteles – explica o raciocínio dedutivo• Boole – 1840 formalização de operações lógicas• Frege – 1880 lógica de primeira ordem, termo e

predicado, quantificação• Tarski – 1940 relação dos objetos da lógica com

objetos do mundo (modelo)• Hilbert – 1900 formalização da matemática

Matemática

• Godel – 1930 incompletude da aritmética• mostrou que existe um procedimento efetivo para provar uma

proposição verdadeira em lógica de primeira ordem, mas que esta lógica não poderia capturar o princípio de indução matemática necessária para caracterizar os números naturais

• Turing e Church – 1940 computabilidade • Computabilidade x tratabilidade (complexidade)

• Bayes (1760) – probabilidade

Psicologia

• 1850 – primeiro laboratório de psicologia experimental para estudo da visão humana– pesquisa baseada na introspecção dos sujeitos

(subjetivismo)• Behaviorismo (1900)

– Observação da ação (reação) dos sujeitos

Psicologia• 1900 Psicologia cognitiva: metáfora computacional

do cérebro• Crenças, objetivos, raciocínio: elementos para uma

teoria do comportamento humano– Características de um agente baseado em conhecimento

• o estímulo deve ser traduzido para uma representação interna;• a representação é manipulada por processos cognitivos para

derivar novas representações internas;• estas representações são re-traduzidas em ação.

Engenharia computacional

• Hardware– Aumento da velocidade de processamento e

capacidade de memória• Software

– Linguagens, metodologias, interfaces

Lingüística• Chomsky – 1957 estruturas sintáticas

• Linguagem: estrutura das sentenças + conhecimento do mundo

• Filosofia da linguagem – representação do conhecimento

• Campo híbrido: processamento de linguagem natural ou lingüística computacional

História

• Inteligência– Estudada há mais de 2000 anos por filósofos

• Raciocínio, memória, aprendizado, visão

• Inteligência Artificial – surgiu na década de 50– estuda a inteligência de maneira teórica e

experimental

23

História

• Primeiro trabalho (1943)– McCulloch and Pitts: implementação dos

operadores lógicos através de uma rede neural• Primeiro Evento (1956)

– Newell and Simon – LogicTheorist (resolvedor de teoremas)

História

• GPS (General Problem Solver) – 1960 Newell and Simon

• Linguagem LISP – McCarthy 1958• Micro-mundos – Minsky 1963 (problemas de

domínios limitados)• O mundo dos blocos – 1968• Linguagem Prolog - Edinburgh/Marseilles 1970

História

• Primeiros programas de tradução automática (artigos científicos Russo – Inglês) caíram em descrédito– Exemplo

• O espírito é forte mas a carne é fraca• A vodka é boa mas a carne é podre

• Financiamentos cancelados em 1966

História• 1969 ressurgimento do entusiasmo

– Sistemas especialistas• 70/80 Alguns sistemas famosos são

– SHRLDU (interface em linguagem natural aplicado ao mundo de blocos)

– MYCIN (diagnostico médico) – LUNAR (interface para geólogos interrogarem sobre as

mostras de rochas trazidas pela Appolo na missão lunar - o primeiro usado por pessoas que não os projetistas do sistema).

História

• 1980 - Projeto japonês: a quinta geração de computadores (IA, Prolog, PLN) repercusões no financiamento global para a área de IA

• 1997 - Deep blue vence Kasparov– algoritmos de busca– computadores de alta velocidade– hardware específico para xadrez

Tendências atuais

• passagem de sistemas experimentais para aplicações reais de larga escala – representação de conhecimento (CYC)– reconhecimento da fala – robótica– visão– internet (softbots)

Aplicações• Pesquisa operacional: busca e otimização, heurísticas em

geral

• Jogos: xadrez, damas, etc.

• Processamento de linguagem natural: tradução automática, verificadores ortográficos e sintáticos, interfaces para BDs, reconhecimento da fala, etc.

30

Aplicações• Sistemas tutores: modelagem do aluno, escolha de

estratégias pedagógicas, etc.

• Percepção: visão, tato, audição, olfato, paladar...

• Robótica (software e hardware): manipulação, navegação, etc.

Aplicações

• Sistemas especialistas: atividades que exigem conhecimento especializado e não formalizado– Tarefas: diagnóstico, previsão, monitoramento,

análise, planejamento, projeto, etc.– Áreas: medicina, finanças, engenharia, química,

indústria, arquitetura, arte, computação,...

• Computação: bancos de dados dedutivos, interfaces adaptativas, mineração de dados (data mining), programação automática, etc.

32

Dificuldades

• Representação:– Como traduzir uma tarefa em informação

estruturada e processos de informação• Generalidade x eficiência• Explosão combinatória (espaço de solução):

– reproduzir as jogadas possíveis do Xadrez

Dificuldades: Xadrez

• Impossível reduzir o problema a um formalismo matemático

• Uma busca exaustiva do melhor movimento é impraticável

• Solução baseada em heurísticas

Dificuldades: Visão• como reconhecer uma maçã no supermercado?

– Contexto: maçãs serão encontradas junto com outras frutas (conceito)

– Segmentação: como saber onde começa e acaba uma fruta? É preciso reconhecer cores, textura, tamanho

– Representação e similaridade: como diferenciar maçãs de peras, mangas? Há vários modelos visuais para representar formas de diferentes frutas, comparáveis entre si

IA• Paradigma simbólico: metáfora lingüística• (IA clássica ou GOFAI Good Old Fashion)

– Resolução de problemas– Representação de conhecimento– Lógica– Processamento de linguagem natural– Agentes inteligentes

Conhecimento

• É preciso ter conhecimento sobre:– as propriedades relevantes do mundo– como o mundo evolui– os estados desejáveis – as conseqüências das ações no mundo

Representação

• Raciocínio:– processo de construção de novas sentenças a partir de outras

sentenças.

38

fatos fatos

sentenças sentenças

Mundo

Representação

segue-se

implica

semântica

semântica