Motivação para o estudo de IA

Transcrição

1 Motivação para o estudo de IA Aula #1.2 EBS 564 IA Prof. Luiz Fernando S. Coletta luizfsc@tupa.unesp.br Campus de Tupã

2 Motivação para o estudo de IA + Biossistema Engenharia Projeto e desenvolvimento de soluções automatizadas para controle e otimização da produção agropecuária 2

3 Motivação para o estudo de IA + +? Biossistema Engenharia Inteligência Artificial Projeto e desenvolvimento de soluções automatizadas para controle e otimização da produção agropecuária 3

4 Motivação para o estudo de IA + +? Biossistema Engenharia Inteligência Artificial Projeto e desenvolvimento de soluções automatizadas para controle e otimização da produção agropecuária 4

5 Motivação para o estudo de IA + +? Biossistema Engenharia Inteligência Artificial Projeto e desenvolvimento de soluções automatizadas para controle e otimização da produção agropecuária Automatiza tarefas intelectuais feitas por humanos! 5

6 Análise de Sentimentos Identificar: Opiniões; Emoções; Atitudes. 6

7 Internet das Coisas e Wearables Óculos, relógios inteligentes Dispositivos para meio de pagamento (substituição de moedas e cédulas, bitcoin) 7

8 Internet das Coisas e Wearables Óculos, relógios inteligentes Dispositivos para meio de pagamento (substituição de moedas e cédulas, bitcoin) Veículos Autônomos CaRINA (Carro Robótico Inteligente para Navegação Autônoma) Laboratório de Robótica Móvel (ICMC/USP - São Carlos) 8

9 Redes Neurais Artificiais para identificação de vias Mendes, C. C. T., Frémont, V., & Wolf, D. F. (2016, May). Exploiting Fully Convolutional Networks for Fast Road Detection. In 2016 IEEE International Conference on Robotics and Automation (ICRA). Mahadevan, V., Li, W., Bhalodia, V., & Vasconcelos, N. (2010, June). Anomaly detection in crowded scenes. In Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on (pp ). IEEE. 9

10 Redes Neurais Artificiais para identificação de vias Detecção de comportamento em vídeos Anormalidades, monitoramento de idosos, pacientes, etc. Mendes, C. C. T., Frémont, V., & Wolf, D. F. (2016, May). Exploiting Fully Convolutional Networks for Fast Road Detection. In 2016 IEEE International Conference on Robotics and Automation (ICRA). Mahadevan, V., Li, W., Bhalodia, V., & Vasconcelos, N. (2010, June). Anomaly detection in crowded scenes. In Computer Vision and Pattern Recognition (CVPR), 2010 IEEE Conference on (pp ). IEEE. 10

11 Deep Learning Alta capacidade de identificar padrões em vídeos e imagens 11

12 Deep Learning Alta capacidade de identificar padrões em vídeos e imagens Bioinformática Tecnologias para análises e avanços no sequenciamento de DNA Prospecção de genes que afetam certas características; Melhoramento produtivo e reprodutivo dos animais. 12

13 Deep Learning Alta capacidade de identificar padrões em vídeos e imagens Bioinformática Tecnologias para análises e avanços no sequenciamento de DNA Prospecção de genes que afetam certas características; Melhoramento produtivo e reprodutivo dos animais. Speech To Text Economia de tempo para transcrições Mercado corporativo e de agronegócio, sessões judiciais, monitoramento de mídias, material de aulas e adaptação para deficientes auditivos. 13

14 Robótica 14

15 Business Intelligence Predições para a tomada de decisões 15

16 Business Intelligence Predições para a tomada de decisões Estimação do custo e lucro da produção; 16

17 Business Intelligence Predições para a tomada de decisões Estimação do custo e lucro da produção; "Cultivar soja será economicamente viável no próximo ano?"; Previsão de desgaste do solo e variáveis meteorológicas; 17

18 Business Intelligence Predições para a tomada de decisões Estimação do custo e lucro da produção; "Cultivar soja será economicamente viável no próximo ano?"; Previsão de desgaste do solo e variáveis meteorológicas; Sensoriamento Remoto, Big Data e Drones Tecnologia embarcada e visão computacional 18

19 Business Intelligence Predições para a tomada de decisões Estimação do custo e lucro da produção; "Cultivar soja será economicamente viável no próximo ano?"; Previsão de desgaste do solo e variáveis meteorológicas; Sensoriamento Remoto, Big Data e Drones Tecnologia embarcada e visão computacional Monitoramento de cobertura vegetal, pastagens, etc; 19

20 Business Intelligence Predições para a tomada de decisões Estimação do custo e lucro da produção; "Cultivar soja será economicamente viável no próximo ano?"; Previsão de desgaste do solo e variáveis meteorológicas; Sensoriamento Remoto, Big Data e Drones Tecnologia embarcada e visão computacional Monitoramento de cobertura vegetal, pastagens, etc; Detecção de doenças, pragas, ervas daninhas; Souza, J. R., Mendes, C. C., Guizilini, V., Vivaldini, K. C., Colturato, A., Ramos, F., & Wolf, D. F. (2015, May). Automatic detection of Ceratocystis wilt in Eucalyptus crops from aerial images. In 2015 IEEE International Conference on Robotics and Automation (ICRA) (pp ). IEEE. 20

21 Business Intelligence Predições para a tomada de decisões Estimação do custo e lucro da produção; "Cultivar soja será economicamente viável no próximo ano?"; Previsão de desgaste do solo e variáveis meteorológicas; Sensoriamento Remoto, Big Data e Drones Tecnologia embarcada e visão computacional Monitoramento de cobertura vegetal, pastagens, etc; Detecção de doenças, pragas, ervas daninhas; Irrigação inteligente; Souza, J. R., Mendes, C. C., Guizilini, V., Vivaldini, K. C., Colturato, A., Ramos, F., & Wolf, D. F. (2015, May). Automatic detection of Ceratocystis wilt in Eucalyptus crops from aerial images. In 2015 IEEE International Conference on Robotics and Automation (ICRA) (pp ). IEEE. 21

22 Business Intelligence Predições para a tomada de decisões Estimação do custo e lucro da produção; "Cultivar soja será economicamente viável no próximo ano?"; Previsão de desgaste do solo e variáveis meteorológicas; Sensoriamento Remoto, Big Data e Drones Tecnologia embarcada e visão computacional Monitoramento de cobertura vegetal, pastagens, etc; Detecção de doenças, pragas, ervas daninhas; Irrigação inteligente; Contagem de animais; Souza, J. R., Mendes, C. C., Guizilini, V., Vivaldini, K. C., Colturato, A., Ramos, F., & Wolf, D. F. (2015, May). Automatic detection of Ceratocystis wilt in Eucalyptus crops from aerial images. In 2015 IEEE International Conference on Robotics and Automation (ICRA) (pp ). IEEE. 22

23 Business Intelligence Predições para a tomada de decisões Estimação do custo e lucro da produção; "Cultivar soja será economicamente viável no próximo ano?"; Previsão de desgaste do solo e variáveis meteorológicas; Sensoriamento Remoto, Big Data e Drones Tecnologia embarcada e visão computacional Monitoramento de cobertura vegetal, pastagens, etc; Detecção de doenças, pragas, ervas daninhas; Irrigação inteligente; Contagem de animais; Veículos autônomos. Souza, J. R., Mendes, C. C., Guizilini, V., Vivaldini, K. C., Colturato, A., Ramos, F., & Wolf, D. F. (2015, May). Automatic detection of Ceratocystis wilt in Eucalyptus crops from aerial images. In 2015 IEEE International Conference on Robotics and Automation (ICRA) (pp ). IEEE. 23

24 Referências Complementares AGROTITAN. O papel da tecnologia da informação na agricultura. Tecnologia & Inovação, Disponível em: Acesso em: 25/03/17. MUNIZ, Roberto. Inteligência artificial é a nova febre em empresas, Disponível em: cial-e-a-nova-febre-em-empresas, Acesso em: 25/03/17. GLOBO RURAL. Profissões do agronegócio: Engenharia de biossistemas, Disponível em: issoes-do-agronegocio-engenharia-de-biossistemas.html. Acesso em: 25/03/17. 24

25 Agentes Racionais

26 Agentes Racionais Um agente (racional) percebe o ambiente ao seu redor e é capaz de reagir a ele. 26

27 Agentes Racionais Um agente (racional) percebe o ambiente ao seu redor e é capaz de reagir a ele. Exemplo: um agente humano Sensores: visão, audição, olfato, paladar, tato; Atuadores: mãos, pernas, etc. 27

28 Agentes Racionais Um agente (racional) percebe o ambiente ao seu redor e é capaz de reagir a ele. Exemplo: um agente humano Sensores: visão, audição, olfato, paladar, tato; Atuadores: mãos, pernas, etc. Ambiente 1: na quadra de basquete alguém lança a bola com força em sua direção... 28

29 Agentes Racionais Um agente (racional) percebe o ambiente ao seu redor e é capaz de reagir a ele. Exemplo: um agente humano Sensores: visão, audição, olfato, paladar, tato; Atuadores: mãos, pernas, etc. Ambiente 1: na quadra de basquete alguém lança a bola com força em sua direção... Ambiente 2: na sala de aula alguém lhe pergunta o que é Inteligência Artificial... 29

30 Agentes Racionais Considere um aspirador de pó autônomo em um quarto a ser limpo 30

31 Agentes Racionais Considere um aspirador de pó autônomo em um quarto a ser limpo Sensores (percepção): localização e chão sujo; 31

32 Agentes Racionais Considere um aspirador de pó autônomo em um quarto a ser limpo Sensores (percepção): localização e chão sujo; Ações a partir de atuadores: ir para a esquerda, direita, trás, frente, aspirar ou não aspirar. 32

33 Agentes Racionais Um agente (racional) percebe o ambiente ao seu redor e é capaz de reagir a ele. Abstração 33

34 Agentes Racionais Exemplo em grafos... Minhas opções: Busca aleatória no espaço de soluções (não determinística); 34

35 Agentes Racionais Exemplo em grafos... Minhas opções: Busca aleatória no espaço de soluções (não determinística); Busca informada (uso de heurística) Algoritmo guloso (expande para o caminho menos custoso); 35

36 Agentes Racionais Exemplo em grafos... Minhas opções: Busca aleatória no espaço de soluções (não determinística); Busca informada (uso de heurística) Algoritmo guloso (expande para o caminho menos custoso); Algoritmo A*. 36