Introdução a Inteligência Artificial

Transcrição

1 1 Introdução a Inteligência Artificial Universidade Católica de Pelotas Curso de Engenharia da Computação Disciplina de

2 2 Introdução a Conceitos Agindo de forma humana Pensando como humano Pensando racionalmente Agindo racionalmente Evolução Histórico Linhas/Paradigmas para construção de sistemas inteligentes Computação convencional X IA Agentes Inteligentes

3 3 Conceitos O que é inteligência artificial?

4 4 Conceitos (1/8) Definição é motivo de muita controvérsia Artificial: Aquilo que é feito pelo homem Dicionário Aurélio: Produzido pela arte ou pela indústria; não natural Inteligência... (difícil de definir...)

5 5 Conceitos: Inteligência (2/8) Binet: Inteligência é julgar bem, compreender bem, raciocinar bem. Vernon: Capacidade geral de pensamento ou eficiência mental. Burt: Habilidade inata, geral e cognitiva. Helm: A atividade inteligente consiste na compreensão do essencial de uma situação e numa resposta reflexa apropriada. Wechsler: A capacidade agregada ou global de um indivíduo agir com propósito de pensar racionalmente, e de se adaptar eficientemente ao ambiente. Piaget: Adaptação ao ambiente físico e social. Arnold e Bowie:...capacidade de adquirir e aplicar conhecimentos.

6 6 Conceitos: Inteligência (3/8) Definições do Dicionário Aurélio Faculdade de aprender ou compreender Qualidade ou capacidade de compreender e adaptar-se facilmente Psicol. capacidade de resolver situações problemáticas novas mediante reestruturação dos dados perceptivos

7 7 Conceitos: (4/8) Inteligência deve ser compreendida dentro de contextos específicos... Tipos distintos de inteligência

8 8 Conceitos: (5/8) Como pensamos i.e. como nosso cérebro funciona? Não é uma pergunta plenamente respondida... Objetivos da : Não apenas compreender Construir entidades inteligentes

9 9 Conceitos: (6/8) Herbert Simon: o uso de programas de computador e técnicas de programação para clarificar os princípios da inteligência em geral e do pensamento humano em particular Marvin Minsky: é a ciência de fazer com que máquinas façam coisas que requereriam inteligência se feitas pelos homens Obs. (Rabuske, 1995) considera esta definição muito ampla.

10 10 Conceitos: (7/8) Rich & Knight (1994): é o estudo de como fazer os computadores realizarem tarefas que até o momento, os homens fazem melhor Um computador é capaz de realizar cálculos extremamente complexos que se realizados por um homem poderiam levar dezenas de anos, mas algumas tarefas simples não... A definição depende dos objetivos (RABUSKE, 1995)

11 11 Conceitos: (8/8) Russell & Norvig (1995) Sistemas que pensam como humanos Sistemas que agem como humanos Sistemas que pensam racionalmente Sistemas que agem racionalmente Racionalmente: Ideal, tudo 100% certo... Humanos não são perfeitos...(ex. posso conhecer todas regras de xadrez mas não ser um mestre)

12 12 Agindo de forma humana (1/4) Teste de Turing (Alan Turing) Uma pessoa interage com dois agentes (passa perguntas por escrito, não está vendo os agentes): Humano Computacional O computador passa no teste se a pessoa não conseguir fazer distinção entre o que foi respondido pelo computador

13 13 Agindo de forma humana (2/4) Teste de Turing: O computador precisaria ter as seguintes capacidades: Processamento de Linguagem Natural PLN Permitir a comunicação Representação do conhecimento Para armazenar o que sabe Raciocínio automatizado Usar informações armazenadas com a finalidade de responder a perguntas Aprendizado de máquina Adaptação a novas circunstâncias

14 14 Agindo de forma humana (3/4) Teste de Turing Total: é possível passar objetos físicos pela tela Visão computacional: para perceber os objetos Robótica: manipulação de objetos e movimentação

15 15 Agindo de forma humana (4/4) Estas 6 capacidades compõe a maior parte da!!!! Atualmente, pouca ênfase é dada a busca pela aprovação no teste. Análise de resultados é subjetiva... Aviação (Voo artificial): Inicialmente imitar os pássaros

16 16 Pensando como humano Como um humano pensa? Como a mente funciona? Ciência Cognitiva Modelos computacionais e técnicas experimentais da psicologia para tentar construir teorias precisas e verificáveis sobre o funcionamento da mente humana Baseada na investigação experimental de humanos ou animais (pouco interesse para a disciplina)

17 17 Pensando racionalmente Pensamento correto Aristóteles: Silogismos => conexão de ideias Premissas: Sócrates é um homem Todos homens são mortais Logo... Sócrates é mortal... Problemas: Não é fácil enunciar conhecimento informal Limitação dos recursos computacionais

18 18 Agindo racionalmente Agir de forma a atingir o melhor resultado (ou o melhor resultado possível) Capacidades requeridas no teste de Turing existem para permitir ações racionais Representar e raciocinar sobre o conhecimento aumenta a possibilidade de tomar boas decisões Compreender linguagem natural permite a interação A visão oferece uma ideia melhor do resultado de uma ação Em ambientes complexos realizar tudo corretamente pode não ser possível Muitas possibilidades, muitos critérios, tempo limitado de escolha,...

19 19 Evolução Histórica

20 20 Evolução Agindo humanamente (anos 50-70): Teste de Turing Pensando humanamente (anos 50-60): Simulação cognitiva (Simon & Newell) Pensando racionalmente (anos 60-70): A escola logicista (McCarthy) Agindo racionalmente (anos 80 em diante): Agente inteligente (Newell, Minsky, Russel & Norvig)

21 21 Histórico (1/4) Até 1956 pré-histórica da IA : workshop em Dartmouth, USA, reunindo os principais interessados no assunto: John McCarthy, Allen Newell, Herbert Simon, Marvin Minsky,...

22 22 Histórico (2/4) Proposta da conferência, escrita por John McCarthy (Dartmouth), Marvin Minsky (Hardward), Nathaniel Rochester (IBM) e Claude Shannon (Bell Laboratories) Objetivo realizar um estudo durante dois meses, por dez homens, sobre o tópico inteligência artificial''. Provavelmente primeira menção oficial à expressão ''

23 23 Histórico (3/4) Desde seus primórdios, a IA gerou polêmica: O Nome da área: considerado presunçoso por alguns A definição dos objetivos e metodologias. O desconhecimento dos princípios que fundamentam a inteligência, por um lado, e dos limites práticos da capacidade de processamento dos computadores, por outro, levou periodicamente a promessas exageradas e às correspondentes decepções (BITTENCOURT, 1998)

24 24 Histórico (4/4) : tentativa de programas universais (grandes expectativas!!!!): Tradução automática Resolução de problemas (General Problem Solver) : sucesso dos primeiros experimentos Sistemas especialistas: Mycin, Dendral,... Restrição do domínio : Pesquisa: Raciocínio Baseado em Casos, algoritmos genéticos, renascimento das redes neurais,... Uso da IA em larga/maior escala

25 25 Linhas/Paradigmas da IA para construção de Sistemas Inteligentes

26 26 Linhas/Paradigmas da IA para construção de Sistemas Inteligentes Simbólica. Abordagem clássica. Não-Simbólica (Sub-Simbólicos) Abordagem moderna.

27 27 Simbólica Representa o conhecimento por sentenças declarativas i.e. o conhecimento necessário para a resolução de um determinado problema é mapeado a partir de símbolos, que representam as relações e entidades do domínio do problema Deduz consequências por métodos de raciocínio lógico. Segue a tradição lógica Geralmente baseados em regras, Possuem conhecimento intensivo do domínio da aplicação Construídos por especialistas humanos Manipulação de símbolos discretos (eficiente), Facilitar interação muito com o usuário. Existe o problema primordial da definição dos símbolos (semântica, grounding ), que deve ser feita a priori.

28 28 Simbólica É uma abordagem top-down, onde o conhecimento é introduzido explicitamente no sistema. Esta necessidade faz com que os sistemas simbólicos encontrem dificuldade para lidar de forma autônoma, em ambientes reais (contínuos) desconhecidos. Exemplo: pai(joão, maria). pai(joão, eduardo). João e Maria são parentes!!! Relacionados Redes semânticas Programação em Lógica Sistemas Especialistas

29 29 Não-Simbólica O conhecimento não é representado explicitamente por meio de símbolos Conhecimento é construído a partir de um processo de aprendizado, adaptação ou inferência (bottomup). A semântica do domínio não precisa ser introduzida explicitamente no sistema. O sistema pode induzir este conhecimento, através de um processo de aprendizagem. Pode ser muito ineficiente aprender adequadamente em ambientes complexos. O conhecimento aprendido não se torna facilmente interpretável pelo usuário.

30 30 Não-Simbólica Exemplos: Sistemas de apoio à decisão, classificação, reconhecimento de padrões, otimização, previsão, controle e automação. Relacionados Redes Neurais Artificiais Algoritmos Genéticos Sistemas Nebulosos (Fuzzy).

31 31 Computação convencional X IA Convencional Algoritmo passo a passo Mecanismo geral de inferência + conhecimento... ou então aprendizado Imperativas Pouca adaptabilidade a novas circunstâncias de um problema IA Alto nível (funcional, lógica, baseada em restrições) Maior adaptabilidade a novas circunstâncias de um problema Entrada completa Entrada incompleta

32 32 Agentes Inteligentes

33 Agente Um agente é tudo aquilo que pode ser visto como percebendo um ambiente e agindo sobre ele

34 Agentes Um agente é algo capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por meio de atuadores.

35 Exemplos Agente Humano: Sensores: Olhos, ouvidos e outros órgãos. Atuadores: Mãos, pernas, boca e outras partes do corpo. Agente Robótico: Sensores: câmeras e detectores de infravermelho. Atuadores: vários motores. Agente de Software: Sensores: entrada de teclado, conteúdo de arquivo e pacotes vindos da rede. Atuadores: tela, disco, envio de pacotes pela rede.

36 Mapeando percepções em ações Seqüência de percepções: história completa de tudo que o agente percebeu. Programa do agente: roda em uma arquitetura física para produzir f. Agente = arquitetura + programa.

37 Exemplo O mundo do aspirador de pó Percepções: local e conteúdo Exemplo [A, sujo] Ações: Esquerda, Direita, Aspirar, NoOp.

38 Programa: Se o quadrado atual estiver sujo, então aspirar, caso contrário mover para o outro lado. Uma função para o agente aspirador de pó

39 39 Dúvidas? Perguntas? Folha de Exercícios Trabalho I