INTELIGÊNCIA ARTIFICIAL

Transcrição

1 INTELIGÊNCIA ARTIFICIAL Think INTELIGENCIA ARTIFICIAL Docentes: Ana Paula Rocha Henrique Cardoso INTELIGÊNCIA ARTIFICIAL OBJECTIVOS GENÉRICOS DA DISCIPLINA: Introdução a um novo continente do saber! 3 Palavras chave: * CONHECIMENTO * LÓGICA * ENGENHARIA Objetivos: Conclusão: * APRENDER novos MÉTODOS * USAR outras TÉCNICAS * REALIZAR diferentes PROGRAMAS APRENDER novas formas de resolver Problemas que requeiram CONHECIMENTO Page 1

2 INTELIGÊNCIA ARTIFICIAL I-INTRODUÇÃO À INTELIGÊNCIA ARTIFICIAL Metodologias e Objetivos específicos embora intersectando com outras áreas das Ciências da Computação e das Ciências Cognitivas, das Neurociências, da Sociologia e da Economia Aspectos científicos e tecnológicos nos domínios da Programação, da Algoritmia, I da Análise Sistémica, da Interpretação de dados e outros ramos da Engenharia. Debilidades metodológicas falta, em certos casos, de formalização nos métodos e teorias propostas para alcançar os seus objetivos de compreender e implementar Sistemas dotados de inteligência INTELIGÊNCIA ARTIFICIAL INTELIGENCIA ARTIFICIAL CIENCIA VERSUS TECNOLOGIA PSICOLOGIA COGNITIVA CIENCIA DA COMPUTAÇÃO I A Sociónica ENGENHARIAS Economia Page 2

3 INTELIGÊNCIA ARTIFICIAL Definições "A Inteligência Artificial é o estudo das ideias que, implementadas no computador, lhes permitam realizar os mesmos objetivos que fazem as pessoas parecer inteligentes". "Mais especificamente a IA tenta que os computadores sejam mais úteis e ao mesmo tempo estuda os princípios que tornam a inteligência possível" Patrick Winston: ex-director do Lab. de IA do M.I.T. Comentários >ambígua (a definição contém o definido); > verdade de "Lapalice" (computadores mais úteis). INTELIGÊNCIA ARTIFICIAL "O campo da Inteligência Artificial tem como pressuposto que existem processos comuns baseando percepção e pensamento e que estes processos podem ser compreendidos e estudados científicamente. Além disso é completamente irrelevante para a teoria da IA quem (ou o quê) "percebe" ou "pensa" - homem ou computador. Isso é um detalhe de implementação...". N. Nilsson ex-director do Stanford Research Institut; Stanford Robotics Lab. Comentário:> polémico. A IA desviou-se, durante algum tempo deste paradigma para se tornar mais realista. Retorno aos fundamentos Page 3

4 INTELIGÊNCIA ARTIFICIAL "A IA é o estudo dos processos que possibilitam aos computadores realizar tarefas para as quais, no momento, as pessoas são mais aptas. E. Rich. Comentário:> Vaga. Incompleta. Mas aproximativa da verdade na sua simplicidade INTELIGÊNCIA ARTIFICIAL Outra definição: A Inteligência Artificial é uma disciplina científica cujo objetivo fundamental é realizar sistemas computacionais capazes de exteriorizar comportamentos operacionais semelhantes aos humanos em situações estereotipadas. As técnicas de programação usadas, de pesquisa não deterministica, baseiam-se, pelo menos parcialmente, em Linguagens declarativas, sendo essencialmentalmente relacionais, baseadas na lógica ou funcionais. Page 4

5 INTELIGÊNCIA ARTIFICIAL EVOLUÇÃO: Ciência da Cognição Inteligência Artificial Engenharia do Conhecimento Agentes Autónomos Domínios De Aplicação DIFERENCIAÇÃO: Técnicas de Inteligência Artificial para: i) problemas complexos ii) Modelização do raciocínio INTELIGÊNCIA ARTIFICIAL Definições de Inteligência Artificial organizada em 4 categorias pensar Fazer as máquinas pensar Modelos Computacionais para o estudo da mente agir Máquinas que realizam funções requerendo inteligência Estudar processos computacionais que simulam inteligência humanos Sist. que pensam como humanos Sist. que agem como humanos racionalidade Sist. que pensam racionalmente Sist. que agem racionalmente Page 5

6 INTELIGÊNCIA ARTIFICIAL INTELIGÊNCIA ARTIFICIAL : SINÓPSE CRONOLÓGICA "Pré-História" Clássico Romântico Pragmático Difusão/Integração Refundação Antropom Filosofia (Lógica) Matemática : Boole Frege (IBM) Psicologia: Behaviorismo Cognitivismo (W. James) Cibernética T. de Turing Teoria da Informação (Shannon) Modelo do Neurónio Artificial (McCulloch & Pits) Computação neuronal (Doutoramento de Minsky) Logic Theorist e G.P.S. (Newell&Simon&Shaw) Geometry P.S. Jogo de Damas (A. Samuel) LISP, Time-sharing (Mccarthy) Pesquisa+ Conhecimento (advice taker) Grupos: MIT (Minsky) U.Stanford (McCarthy) Robótica ("Shakey") Cálculo Integral (SAINT) Gramática SIR (B.Raphael) Perceptrão (Rosenblatt) Eliza Minsky & Papert e polémica dos perceptrões P. da Resolução (A.Robinson) saída do reconhecimento de formas HEARSAYII- Blackboard Engª do Conhecimento (Feigenbaum) Dendral Sistemas Periciais: MYCIN Raciocínio incerto e Probabilístico: Prospector Frames (Minsky) Lunar PROLOG (Colmerauer) Tom Mitchell em Stanford, Formação de Conceitos (ML) Computadores da 5º Geração (MITI) Hdw dedicado: Controlo "Fuzzy" ESPRIT Redes Neuronais Robótica reactiva (Brooks) Agentes Emocionais Agentes "situados" KISMET () IA Distribuída: S.Multi-Agente Ag. cognitivos IA + Web Deep Blue Agentes Robóticos Inteligência Social, IPC Semântica da LN e, Web COG no MIT E- Robô humanóide S.Baseados em (R.Brooks) Conhecimento divulgados SOAR - Newell Aprendizagem Business Inteligente Nascimento da IA: Reunião do Dartmouth College (Minsky, Mccarthy, Simon, Newell, Shannon,..). PROGRAMA PROGRAMA DE INTRODUÇÃO À INTELIGENCIA ARTIFICIAL I INTRODUÇÃO Objectivo Metodologia (ensino e avaliação) Evolução e Cronologia da Inteligência Artificial Documentação II NOÇÕES BASICAS Definições: o que é a I. A.? Aplicações: em que domínios? Definições básicas de Agente Arquitecturas de Agentes: dos Reactivos aos Cognitivos III MÉTODOS DE RESOLUÇÃO DE PROBLEMAS Sistemas de "Produções" Estratégias de Controlo da Pesquisa Sistemática Encadeamento directo e inverso (Primeiro em Prof. e Primeiro em Largura) Pesquisa irrevogável: Subir-a-colina ( "hill climbing ) Arrefecimento Simulado ( Simulated Annealing ) Pesquisa por tentativas: "backtracking; Pesquisa em grafo Algoritmo Branch and Bound (ramifica e limita) Page 6

7 PROGRAMA III MÉTODOS DE RESOLUÇÃO DE PROBLEMAS (cont.) Computação Evolucionária (Algoritmos Genéticos) Pesquisa Heurística: "O melhor primeiro" Algoritmo A* e decréscimo progressivo da admissibilidade Análise Meios-Fins Métodos de Satisfação de Restrições: Princípios da "Relaxação" ** Pesquisa em "Jogos": Procedimento Minmax Cortes Alfa-Beta Exemplos em Prolog de estratégias básicas: Interpretadores primeiro-em-largura e primeiro-em-profundidade ** avaliação na Aula Teórica PROGRAMA IV INTRODUÇÃO À REPRESENTAÇÃO DO CONHECIMENTO Definição de um Sistema de Representação Estruturas de Representação: Regras de Produção; Redes Associativas "Frames"; "Scripts" Lógica de Predicados e Outras Lógicas Raciocínio Inexacto: Modelo Probabilístico; Factores de Certeza; Modelo Dempster-Schafer; ** Lógica dos Conjuntos Difusos Lógica: Logica Proposicional, Logica de Predicados, Lógica Intencional. (referência) V ENGENHARIA DO CONHECIMENTO ** avaliação na Aula Teórica Sistemas Baseados em Conhecimento Sistemas Periciais: Caracterização Estrutura Rep. do Conhecimento e Meta-Conhecimento Motor de Inferência e Geração de Explicações Casos exemplares de Sistemas Periciais: ORBI; SMYCIN; ARCA Demonstrações Sistemas Genéricos : "Shells" Page 7

8 PROGRAMA VI INTRODUÇÃO À LINGUAGEM NATURAL COMPUTACIONAL Objectivos e dificuldades Análises Sintática e Semântica ATN; Redes Associativas; "Frames ; Casos Típicos (referência) Aproximação clássica e uso da Lógica : Gramáticas com Cláusulas Definidas; alguns ex. em Português Gramáticas de extraposição VII APRENDIZAGEM AUTOMÁTICA Tipos de aprendizagem VIII INTRODUÇÃO ÀS REDES NEURONAIS Princípios básicos ** avaliação na Aula Teórica ap. de Conceitos; ap. pelo exemplo; ap. por analogia ap. Baseada em Explicações (EBL) : Descrição dos Algorítmos para EBG, mebg e IOL; Exemplo concreto Aprendizagem Indutiva: Algoritmos ID3 e C4.5 Exemplos de Aplicação ** Algoritmos fundamentais Exemplo de Aplicação PROGRAMA Métodos de Resolução de Problemas Intr. IA Representação Noções Básicas Pesq.Sistem. AG Pesq.Heuríst. Pesq.Jogos Conhecimento SPeri ciais Linguagem Natural Aprendizagem Automática RN Lançamento trabalhos Agentes, pesquisa, minimax, AG, optimização Repres. Conhec;SP Acompanhamento dos Trabalhos LNatural Aprend. Page 8

9 BIBLIOGRAFIA BIBLIOGRAFIA de Inteligência Artificial Quadros tópicos disponibilizados no sítio web da disciplina- Eugénio Oliveira LIVROS "ARTIFICIAL INTELLIGENCE: A Modern Approach", S.Russel and P.Norvig; Prentice Hall, 2nd ED 2003 "ARTIFICIAL INTELLIGENCE" E. Rich; K. Knight, 2nd Ed., MacGraw-Hill, 1991 C4.5-Programs for Machine Learning" Ross Quinlan,Morgan Kaufmann,1993 "THE ART OF PROLOG" Sterling and Shapiro, MIT Press, 1986 "INTELIGÊNCIA ARTIFICIAL-Fundamentos e Aplicações " E.Costa, A.Simões; FCA editores, 2004 REVISTAS Autonomous Agents and Multi-Agent Sytems, Springer "ARTIFICIAL INTELLIGENCE Elsevier-North North-Holland "IEEE EXPERT" "MACHINE LEARNING" Kluwer A.P. TRABALHOS A. Pesquisa Sistemática/Informada de Soluções (vários) Métodos: Pesquisa em Profundidade, Largura, Profundidade Iterativa, Bidireccional, Gulosa, Algoritmo A*, Heurísticas B. Resolução de Problemas de Optimização Comparação de Métodos (vários) Métodos: Pesquisa Sistemática/Informada, Algoritmos Genéticos, Pesquisa Tabu, Arrefecimento Simulado e Programação com Restrições C. Pesquisa com Adversários Jogos (vários) Métodos: Algoritmo MiniMax com Cortes Alfa-Beta e variações deste, Análise de Situações (operadores compostos) D. Engenharia do Conhecimento e Linguagem Natural (vários) Métodos: Representação do Conhecimento, Raciocínio Impreciso, Sistemas Periciais, Linguagem Natural E. Algoritmos de Aprendizagem e Redes Neuronais (vários) Métodos: Algoritmos de Aprendizagem ID3 e C4.5, Redes Neuronais Artificiais. Page 9

10 AVALIAÇÃO Cálculo das classificações: Exame 50% (mínimo 7,5 em 20) Frequência 50% (mínimo 7,5 em 20)» Relatório e Trabalho Intercalar 20%» Apresentação e Relatório Final 10%» Participação e avaliação nas Aulas 30%» Trabalho realizado 40% AVALIAÇÃO Valor da Disciplina em ECTS = 6ECTS 1 ECTS ~ 27H Total ~ 162 H Aulas (T +TP): 64h (4h*16s) Trabalho: 51h (3h*12+6h*2) Estudo + preparação 42h (3h*14) Exame 2,5h Page 10

11 TÉCNICAS EXEMPLOS SIMPLES da abordagem orientada IA (GOFAI): A- Pesquisa: Jogo do Tic-Tac-Toe O X O Abordagem tradicional: -Algoritmo simples Vector V com todas as configurações possíveis (Vi) número ternário (configuração) decimal indexar nova posição no Vector Nova posição corresponde à resposta -Desvantagens gasto de memória; introdução de todas as situações (erros);inflexível - Nova abordagem: - Algoritmo: Cálculo das próximas configurações possíveis (filhos do nodo) encontra solução SENÃO considerar respostas possíveis para cada nó - Desvantagem: Mais tempo (todas as sequências possíveis antes de cada movimento) -Vantagem: Extensível, versátil (vários jogos,heurísticas; vários níveis), menos memória TÉCNICAS Exemplo B: Representação do conhecimento Reconhecimento de Letras - Uma abordagem tradicional: matriz analógica: tabela de hashing indexar padrões - Desvantagens: I J l I - Uma alternativa: - Contar o nº de 1s em cada sub-área - Construir vector com os resultados - Computar distância para os padrões Entradas: contagem de 0s e 1s da matriz analógica (chave: nº 1s de 3 linhas da matriz e combine-as sem colisões numa f. de hashing) Desvios de letras significativos ou não Muitos padrões implicam colisões B Page 11

12 TÉCNICAS - Nova abordagem: -Padrões como descrições de características: e a c b d -Vantagem arc (a,b) AND up(a,b) AND line(b,c) AND left(c,b) AND (nil OR (line(b,d) AND down(d,b))) AND (nil OR (line(a,e) AND up(e,a))) - Algoritmo - Encontrar instâncias das primitivas (arcos, linhas) - Relacioná-los e comparar com os padrões - Seleccionar o mais próximo Permite variação de tamanhos; descrições alternativas com simplicidade -TÉCNICAS DE IA envolvidas nos exemplos: PESQUISA E REPRESENTAÇÃO SIMBÓLICA Domínios para a INTELIGÊNCIA ARTIFICIAL ALGUNS DOMÍNIOS DE INVESTIGAÇÃO E APLICAÇÃO 1 Compreensão Computacional da Linguagem Natural compreender traduzir Tratamento superficial : Análise Lexical (Ex: Eliza ) Análise em profundidade implica: Sintática, Semântica, Pragmática Frase: João atira a bola branca F --> SN SV SN --> Qt SN1 SN --> SN1 SN1 --> N FADJ Gramática elementar FADJ--> nil FADJ ADJ SV --> V SN N --> João bola ADJ --> branca Qt --> a o V --> atira Page 12

13 Domínios para a INTELIGÊNCIA ARTIFICIAL Interpretação Semântica fundamental para selecção da Acção ex: Qual é o valor da Aptidão do solo à Agricultura no ponto X 1,Y 1 Depois da Análise sintática, a análise semântica gera: ponto(x1, Y1, D, V), a( 3, D, V-R). A Acção é a produção da resposta às questões aqui definidas (objectivos). Domínios para a INTELIGÊNCIA ARTIFICIAL SISTEMAS PERICIAIS ("EXPERT SYSTEMS") ESPECÍFICO VS GERAL Conhecimento Vs "Inteligência" SISTEMA SIMULADOR DO PERITO: Uso de Conhecimento SIMBÓLICO E HEURÍSTICO Uso de Conhecimento INCERTO, VAGO, INCOMPLETO Acesso ao Conhecimento MODULAR EXPLICAÇÕES AQUISIÇÃO do Conhecimento (eventualmente automático) Page 13

14 Domínios para a INTELIGÊNCIA ARTIFICIAL ROBÓTICA - ARQUITECTURAS: Cognitivas e Reactivas; Híbridas - PERCEPÇÃO: Interpretação de Cenas - DECISÃO: Geração Automática de Planos "Frame Problem" - Linguagens: Nível Tarefa - Visão + Modelização+ Interpretação - COORDENAÇÃO de Equipas Domínios para a INTELIGÊNCIA ARTIFICIAL APRENDIZAGEM, ADAPTAÇÃO E DATA MINING * Indução de Regras baseada em: - analogia; exemplos; explicações * Data e Text Mining - Criação de novo Conhecimento; - Reconhecimento de padrões (texto, imagem, música) - Sumarização * Adaptação progressiva (Alg. Evolucionários) NOVAS LÓGICAS para o Racicinio Automático - de ordem n - Modais e Intencionais - temporais - não-monótonas Page 14

15 Domínios para a INTELIGÊNCIA ARTIFICIAL ARQUITECTURAS CONECTIVISTAS E NEURONAIS - Informação sub-simbólica: Previsão Controlo adaptativo Reconhecimento de padrões INTELIGÊNCIA ARTIFICIAL DISTRIBUÍDA -AGENTES DISTRIBUÍDOS E COOPERATIVOS Aplicações em domínios DDD: - Gestão de Redes - Produção (CIM) - Softbots (Pesquisadores, Shopbots,...) - Mercados Electrónicos (Leilões, contractos) - Instituições Electrónicas (Empresas Virtuais, Negociação, contratação) - Agentes Emocionais - Simulação de eco-sistemas Domínios para a INTELIGÊNCIA ARTIFICIAL TUTORES INTELIGENTES Representação de Conhecimento do domínio, Estratégias Pedagógicas de Ensino (Itinerários de formação adaptativos) Estratégias de Adaptação/Classificação e constituição de perfis SIMULAÇÃO DE COMPORTAMENTOS Arquitecturas mentalistas e baseadas em Emoções Coordenação de equipas Sistemas ecológicos Page 15

16 Introdução aos Agentes AGENTES COMPUTACIONAIS * Agentes são entidades computacionais dispondo de capacidade de percepção do ambiente exterior a si (através de "sensores") e de interacção com esse ambiente (através de "efectuadores"). * Agentes usam sequências percepcionais juntamente com eventual conhecimento à priori para agirem de forma a maximizar o seu desempenho. * Agentes dizem-se autónomos na medida em que o seu comportamento é baseado na sua própria experiência e percepções (e não só na do seu criador) Introdução aos Agentes Descrição "PAGE" dos Agentes: [Percepção, Acções, "Goals" (objectivos), "Environment" (ambiente)] Agora (PEAS- Performance measures, Environment, Actuators, Sensors) Exemplos de Agentes Tipo Percepção Acções Objectivos Ambiente Sistema de Diagnóstico Médico Sintomas Questionarios testes tratamentos Saúde do Paciente Minimização dos custos Paciente Tecnologia Hospitalar Robô Manip. pixeis de intensidade variada pegar e largar peças localizar e colocar correctamente mesas ou passadeiras com peças Softbot bibliografico (ou um comprador) leitura de páginas Web Localização de pg. Web filtragem de informação Selecção de informação relevante Computadores Internet Web pages Page 16

17 Aplicações de AGENTES APLICAÇÕES de AGENTES e SMA Pesquisadores na Web: Gestão dinâmica de Redes de Distribuição Selecção de Recursos distribuídos em Empresas (por ex. de Construção) Mercados Electrónicos: de Bens de consumo e de Utilidades (Electricidade) Delegação de representação e negociação em Empresas Virtuais Encaminhamento de Sistemas de Transportes Agentes Robóticos de exploração ou deslocamento Gestão de Comunicações Interfaces inteligentes e emocionais (Avatares) Sistemas Distribuídos de Apoio à Decisão Arquitecturas básicas função esqueleto-agente (percepção) retorna acção estática:memória /* a memória do mundo do agente memória <---- actualiza_mem (memória, percepção) acção <---- selecciona_melhor (memória) memória <---- actualiza_mem (memória, acção) retorna acção Notas: a sequência de percepções é criada internamente. A medida do desempenho é exterior ao agente Page 17

18 Arquitecturas básicas * agente mais elementar: agente_tabela função agente_tabela (percepção) retorna acção estática: memória /* a memória do mundo do agentetabela indexada pelas percepções. Inicialmente completamente especificada*/ memória <---- actualiza_mem (memoria, percepção) acção <---- selecciona_melhor (memoria) memória <---- actualiza_mem (memoria, acção) retorna acção Desvantagens: enormes tabelas. Tempo de construção da tabela agente sem autonomia A IA tenta substituir a programação exaustiva por um código mais compacto que permita gerar comportamento racional Arquitecturas básicas * Um Agente com "raciocínio" pode tentar evitar estas desvantagens. * Como construir agentes capazes de melhor mapear as percepções em acções? * Consideremos cinco tipos de agentes: a) Reactivos simples b) Memorizando o mundo c) Geridos por objetivos d) Baseados na utilidade e) Com Aprendizagem Page 18

19 Arquitecturas 1) Reactivos simples: Usam um conjunto de regras "situação-acção" * válidos quando a decisão correcta é só função da percepção actual função agente_reactivo_simples(percepção) retorna acção estática: regras /*conjunto de regras situação-acção */ estado <----- interpreta_input (percepção) regra <----- selecciona (estado, regras) acção <----- conclusão_regra (regra) retorna acção AGENTE Regras:Condições->acção Sensores estado do mundo próxima acção? Efectuadores A M B B I E E N N T E Diagrama esquemático de um Agente Reactivo simples Arquitecturas 2) Memorizando o mundo: A decisão implica um conhecimento prévio do mundo. função agente_reactivo_c_mem (percepção) retorna acção estática: estado /* descrição do estado corrente do mundo */ regras /* conjunto de regras situação_acção */ estado <----- actualiza_estado (estado, percepção) regra <----- selecciona_regra (estado, regras) acção <----- conclusão_regra (regra) estado <----- actualiza_estado (estado, acção) retorna acção /*mesma percepção -->acções diferentes,(estado do mundo) estado evolução do mundo resultados das acções Regras:Condições->acção AGENTE Sensores estado do mundo próxima acção? Efectuadores A M B I E N T E Diagrama esquemático de um Agente "Reactivo" com estado interno Page 19

20 Arquitecturas 3) Geridos por objetivos: Para além da descrição do estado corrente o agente usa informação sobre os objetivos. Implica pesquisa e planeamento. É mais flexivel pois diferentes Comportamentos são obtidos para o mesmo estado do mundo dependendo do destino. Sensores estado evolução do mundo resultados das acções Objectivos AGENTE estado do mundo evolução do mundo se executar acção A próxima acção? Efectuadores A M B I E N T E Diagrama esquemático de um Agente com objectivos explícitos Arquitecturas 4) Baseados na utilidade Utilidades são medidas de "satisfação", para o agente, relativamente aos diversos estados. Utilidades podem ser usadas para decidir entre objectivos em conflito ou ainda (quando há incerteza nas acções) para medir a verosimilhança de atingir o objectivo. Agentes que usam a função utilidade são mais racionais (ex. jogar xadrez,...). Sensores estado evolução do mundo resultados das acções Medida de Utilidade estado do mundo evolução do mundo se executar acção A Qual o grau de de satisfação do Agente neste estado? A M B I E N T E Objetivos AGENTE próxima acção? Efectuadores Diagrama esquemático de um Agente baseado em Utilidades Page 20

21 Arquitecturas 5) Agentes Adaptativos (na disciplina de AIAD) Medida do Sucesso AGENTE feedback Crítico Aprendizagem Conhecimento Objectivos da Aprendizagem Gerador de Estados alterações Sugestões Sensores agente executor A M B I E N T E Efectuadores Diagrama esquemático de um Agente Adaptativo Page 21