Um Problema. Um Problema

Transcrição

1 Inteligência Artificial Introdução PARTE 1 Agenda Introdução O que é a Inteligência Artificial? Paradigmas de IA Fundamentos PARTE 2 Historia Áreas de IA Algumas Aplicações 1

2 Um Problema Resolver o quebra-cabe cabeçasas Um Problema 2 x 2 = 24 combinações possíveis 2

3 Um Problema 3 x 3 = 362,880 combinações possíveis Um Problema 8 x x combinações possíveis 3

4 Um Problema 8 x x combinações possíveis 63 sub casos 62 sub casos Um Problema 8 x x combinações possíveis. A 1,000,000,000 de combinações por segundo demoraríamos amos 4 x milénios em testar todas as combinações. 4

5 Um Problema Então porquê que nós n s humanos, podemos resolve-lo lo num curto prazo? A resposta é simples: Porque utilizamos conhecimento do problema em forma inteligente. Um Problema Podemos programar um computador para utilizar conhecimento de um problema em forma inteligente? A resposta esta na IA. 5

6 Agenda PARTE 1 Introdução O que é a Inteligência Artificial? Paradigmas de IA Fundamentos PARTE 2 Historia Áreas de IA Algumas Aplicações O que é Inteligência Artificial Não existe uma definição única. Podemos classificar as definições de Inteligência Artificial de acordo com as seguintes quatro abordagens da IA: 6

7 O que é Inteligência Artificial Dimensões/abordagens da IA Pensando Sistemas que pensam como um ser humano Sistemas que pensam racionalmente Como humanos Sistemas que actuam como um ser humano Sistemas que actuam racionalmente Racionalmente Agindo Sistemas que actuam como um ser humano a a arte de criar máquinas m que realizem actividades que requerem inteligência quando realizadas por pessoas (Kurzweil,, 1990) como fazer os computadores fazerem coisas nas quais os seres humanos hoje em dia são mais eficientes. (Rich and Knight,, 1991) 7

8 O que é Inteligência Artificial Dimensões/abordagens da IA Pensando Sistemas que pensam como um ser humano Sistemas que pensam racionalmente Como humanos Sistemas que actuam como um ser humano Sistemas que actuam racionalmente Racionalmente Agindo Sistemas que pensam como um ser humano O O excitante esforço o para fazer computadores pensarem, máquinas m com mentes, no sentido completo e literal (Haugeland,, 1985) A A automação de actividades que associamos com o pensamento humano, tais como tomada de decisões, solução de problemas e aprendizagem (Bellman,, 1978) 8

9 O que é Inteligência Artificial Dimensões/abordagens da IA Pensando Sistemas que pensam como um ser humano Sistemas que pensam racionalmente Como humanos Sistemas que actuam como um ser humano Sistemas que actuam racionalmente Racionalmente Agindo Sistemas que pensam racionalmente O O estudo das faculdades mentais através s do uso de modelos computacionais (Charniak and McDermott, 1985). O O estudo das computações que fazem possível perceber, raciocinar e agir (Winston Winston,, 1992). 9

10 O que é Inteligência Artificial Dimensões/abordagens da IA Pensando Sistemas que pensam como um ser humano Sistemas que pensam racionalmente Como humanos Racionalmente Sistemas que actuam como um ser humano Sistemas que actuam racionalmente Agindo Sistemas que actuam racionalmente Um campo de estudo que procura explicar e emular o comportamento inteligente em termos de processos computacionais (Schalkoff,, 1990). O O ramo da ciência de computação que está preocupada com a automação do comportamento inteligente (Luger and Stubblefield,, 1993). 10

11 (John McCarthy, Basic Questions) What is artificial intelligence? It is the science and engineering of making intelligent machines, especially intelligent computer programs. It is related to the similar task of using computers to understand human intelligence, but AI does not have to confine itself to methods that are biologically observable. Yes, but what is intelligence? Intelligence is the computational part of the ability to achieve goals in the world. Varying kinds and degrees of intelligence occur in people, many animals and some machines. (John McCarthy, Basic Questions) Isn't there a solid definition of intelligence that doesn't depend on relating it to human intelligence? Not yet. The problem is that we cannot yet characterize in general what kinds of computational procedures we want to call intelligent. We understand some of the mechanisms of intelligence and not others. 11

12 Sistemas que actuam como um ser humano: O Teste de Turing Proposto por Alan Turing em O computador seria interrogado por um humano através de algum tipo de rede (na época, Turing sugeriu o teletipo). O computador passa no teste se o interrogador não consegue dizer se existe um computador ou um ser humano do outro lado. Sistemas que actuam como um ser humano: O Teste de Turing 12

13 Sistemas que actuam como um ser humano: O Teste de Turing Ideia: : obter uma forma satisfatória de definir a inteligência operacionalmente. Definição de inteligência de Turing: a a habilidade de obter uma performance de nível n humano em todas as tarefas cognitivas de forma a enganar um interrogador humano. Sistemas que pensam como um ser humano Os humanos são observados por dentro. Como é que os humanos pensam? Introspecção Ciências Cognitivas Neurociências Psicologia experimental 13

14 Sistemas que pensam racionalmente Os humanos não são sempre racionais. Racional definido em termos de lógica? l Dedutiva ou outras lógicas? l Aristóteles teles foi o primeiro a tentar definir um processo de raciocínio irrefutável. Ele desenvolveu os silogismos Os silogismos fornecem estruturas de argumentação que sempre fornecem conclusões correctas, dadas premissas correctas. Sócrates é um homem Todos os homens são mortais Então Sócrates S é mortal Sistemas que pensam racionalmente Tudo pode ser desvirtuado: Deus é amor O amor é cego Stevie Wonder é cego Conclusão Deus é cego Stevie Wonder é Deus! Se eu parti de factos verdadeiros, como posso ter chegado a conclusões absurdas? 14

15 Sistemas que pensam racionalmente Isto iniciou o campo da lógica. l O campo foi muito expandido no século s XIX por Boole,, Pascal, Bayes, etc. Existem dois problemas com esta abordagem: Dificuldade de definir conhecimento informal de forma a colocá-lo na notação lógica l (especialmente quando o conhecimento não é 100% preciso). Existe uma grande diferença a entre resolver um problema na teoria e na prática. Sistemas que actuam racionalmente Comportamento racional: Cumprir os objectivos a partir das informações disponíveis. Um agente é algo/alguém m que percebe e age. A abordagem racional dád ênfase às s inferências correctas. Para agir racionalmente, é necessário um processo de inferência racional. 15

16 Sistemas que actuam racionalmente A dificuldade vem quando não háh uma provável vel acção correcta, mas uma decisão tem que ser tomada de alguma forma. Existem formas de agir racionalmente que não envolvem inferência. Tirar a mão de uma panela quente. Piscar quando alguém m passa a mão na frente dos nossos olhos. PARTE 1 Agenda Introdução O que é a Inteligência Artificial? Paradigmas de IA Fundamentos PARTE 2 Historia Áreas de IA Algumas Aplicações 16

17 Paradigmas de IA Simbólico lico: : metáfora linguística Ex.: Sistemas periciais, agentes,... Conexionista: : metáfora cerebral Ex.: Redes neurais. Evolucionista: : metáfora da natureza Ex.: Algoritmos genéticos, vida artificial. Estatístico/Probabil stico/probabilístico/ stico/posibilístico: Ex.: Redes Bayesianas,, sistemas difusos. Paradigma Simbólico West é criminoso ou não? A A lei americana diz que é proibido vender armas a uma nação hostil. Cuba possui alguns mísseis, m e todos eles foram vendidos pelo Capitão West,, que é americano. O Capitão West vendeu os mísseis a um traficante de armas espanhol, que vendeu a Cuba Como resolver automaticamente este problema de classificação? Segundo a IA (simbólica), é preciso: Identificar o conhecimento do domínio (modelo do problema) Representá-lo utilizando uma linguagem formal de representação Implementar um mecanismo de inferência para utilizar esse conhecimento 17

18 Paradigma Conexionista Definição Romântica : Técnica inspirada no funcionamento do cérebro, c onde neurónios nios artificiais, conectados em rede, são capazes de aprender e de generalizar. Definição Matemática : Técnica de aproximação de funções por regressão não linear. É uma outra abordagem: linguagem -> > redes de elementos simples raciocínio -> > aprender directamente a função entrada-sa saída Paradigma Evolucionista Evolução Diversidade é gerada por cruzamento e mutações. Os seres mais adaptados ao seus ambientes sobrevivem (seleção natural). As características genéticas de tais seres são herdadas pelas próximas gerações. 18

19 Paradigma Evolucionista Definição ão: Método probabilista de busca para resolução de problemas (optimização) inspirado na teoria da evolução. Idéia ia: Indivíduo duo = Solução Faz evoluir um conjunto de indivíduos duos mais adaptados por cruzamento através s de sucessivas gerações. Paradigma Estatístico/Probabil stico/probabilístico/ stico/posibilísticostico Probabilidades: Raciocínio com Incerteza Possibilidades: Raciocínio com Imprecisão 19

20 Agenda PARTE 1 Introdução O que é a Inteligência Artificial? Paradigmas de IA Fundamentos PARTE 2 Historia Áreas de IA Algumas Aplicações Fundamentos Matemática Filosofia Sociologia Linguística IA Psicologia Neuro-fisiologia Genética Computação 20

21 Filosofia Sócrates, Platão, Aristóteles teles mente racional (400 AC) Criaram as bases do pensamento e cultura ocidentais. Aristóteles teles desenvolveu um sistema de silogismos para raciocínio organizado que, a princípio, pio, permitiria mecanizar o processo de geração de conclusões a partir de premissas verdadeiras. Usando este mecanismo temos um conjunto de regras para estabelecer o processo de pensamento, mas nada para definir os conceitos de livre arbítrio, criatividade, etc. Filosofia Descartes (1600) dualismo (natureza física f x mente, livre arbítrio). Descartes dizia que havia uma parte da mente que não poderia ser explicada pelas leis da física. f De acordo com Descartes, os animais não possuíam esta qualidade do dualismo. 21

22 Filosofia Materialismo (séc. XVII) o mundo (cérebro e mente) funciona de acordo com leis físicas. f Aponta a matéria como primeira e última substância de qualquer ser, coisa ou fenómeno do universo. Para os materialistas, a única realidade é a matéria em movimento, que, por sua riqueza e complexidade, pode compor tanto a pedra quanto os extremamente variados reinos animal e vegetal, e produzir efeitos surpreendentes como a luz, o som, a emoção e a consciência. Filosofia Empiricismo - fonte do conhecimento (observação dos factos e generalização de regras). nothing is in the understanding which was not first in the sense Alguns filósofos empiristas: Francis Bacon, Locke, Hume. 22

23 Filosofia Positivismo lógico, l o conhecimento pode ser expresso em teorias lógicas. l Todo significado de uma afirmação pode ser verificado ou falseado por meio de experimentação. Principais Filósofos: Circulo de Viena, Bertrand Russell. Matemática tica (Lógica e Computabilidade) Aristóteles teles Boole Frege Tarski Hilbert Godel Turing Church Bayes Cook Von Neumann 23

24 Matemática tica Aristóteles teles explica o raciocínio dedutivo Bayes probabilidade Boole 1840 formalização de operações lógicasl Frege 1880 lógica l de primeira ordem, termo e predicado, quantificação Tarski 1940 relação dos objectos da lógica l com objectos do mundo (modelo) Hilbert 1900 formalização da matemática tica Matemática tica Godel 1930 incompletude da aritmética tica mostrou que existe um procedimento efectivo para provar uma proposição verdadeira em lógica l de primeira ordem, mas que esta lógica não poderia capturar o princípio pio de indução matemática tica necessária para caracterizar os números n naturais Turing e Church 1940 computabilidade Computabilidade x tratabilidade (complexidade) Cook (1971) Problemas NP-Completos Von Neumann Teoria de Jogos/ Teoria da Decisão. 24

25 Psicologia 1850 primeiro laboratório rio de psicologia experimental para o estudo da visão humana. Pesquisa baseada na introspecção dos sujeitos (subjectivismo). Behaviorismo (1900) Observação da ação a (reação) dos sujeitos. Psicologia 1900 Psicologia cognitiva: metáfora computacional do cérebro. Crenças, objectivos, 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 açãoa ão. 25

26 Engenharia computacional Hardware Aumento da velocidade de processamento e capacidade de memória. Software Linguagens, metodologias, interfaces. Linguística Chomsky 1957 estruturas sintáticas ticas Linguagem: estrutura das sentenças + conhecimento do mundo Filosofia da linguagem representação do conhecimento Campo híbrido: h processamento de linguagem natural ou linguística computacional 26

27 Agenda PARTE 1 Introdução O que é a Inteligência Artificial? Paradigmas de IA Fundamentos PARTE 2 Historia Áreas de IA Algumas Aplicações Historia Tentativas A historia original, publicada pela Mary Shelley em 1818, descreve a tentativa do Dr.. Victor Frankenstein, de criar vida. 27

28 Historia Tentativas 1834 Historia Tentativas Joseph Faber's ( 's). Máquina M falante Euphonia It is "... a speech synthesizer variously known as the Euphonia and the Amazing Talking Machine. By pumping air with the bellows... and manipulating a series of plates, chambers, and other apparatus (including an artificial tongue... ), the operator could make it speak any European language. A German immigrant named Joseph Faber spent seventeen years perfecting the Euphonia, only to find when he was finished that few people cared." David Lindsay called "Talking Head", Invention & Technology, Summer 1997, HEADS/SIMULACRA/euphonia.html 28

29 A gestação da inteligência Artificial ( ) 1955) Warren McCulloch e Walter Pitts (1943) modelo de neurónios nios artificiais Cada neurónio nio poderia estar ligado ou desligado. A troca para ligado, ocorria como resposta aos estímulos para um número n suficiente de neurónios nios vizinhos. Conhecimento básico b sobre fisiologia e as funções dos neurónios nios no cérebro, c lógica l proposicional, teoria da computação. Marvin Minsky (tese) e Dean Edmonds construíram ram o primeiro computador de redes neurais em 1951, possuía 40 neurónios. nios. O nascimento da IA Dartmouth Conference (1956) Organizada pelo John McCarthy para estabelecer uma nova área para estudar computação e inteligência. John McCarthy baptiza a área introduzindo o termino artificial intelligence durante a conferencia. Os seguintes 20 anos testemunharam o crescimento da área, sendo este crescimento conduzido pelos pioneiros que participaram na conferência de Dartmouth. 29

30 Entusiasmo inicial ( ) 1969) Alan Newell e Herbert Simon desenvolveram o General Problem Solver (GPS) Projectado para imitar protocolos humanos de resolução de problemas GPS foi o primeiro programa a incorporar a abordagem Pensar como humanos A combinação de IA e Ciência Cognitiva continua até hoje Arthur Samuel (1952) escreveu uma série s de programas para jogar damas e provou o contrário rio do que era senso comum na época: a a ideia de que computadores podiam fazer somente o que lhes era dito Seus programas aprendiam rapidamente a jogar melhor que seu criador Herbert Gelernter (1959) Geometry Theorem Prover Demonstrava teoremas bastante complicados Entusiasmo inicial ( ) 1969) McCarthy (1958) desenvolveu o LISP, que se tornou a linguagem dominante de IA. Robinson (1963) descobriu o método m da resolução: Algoritmo de provas de teoremas para a Lógica L de 1a Ordem. PROLOG estava a caminho. Minsky supervisionou uma série s de estudantes que escolheram problemas limitados, que pareciam requerer inteligência para serem resolvidos: Micromundos. O mais famoso micromundo foi o mundo dos blocos. 30

31 Uma Dose de Realidade ( ) 1974) A barreira que muitos projectos de IA encontraram foi que: Métodos que eram suficientes para demonstrações de um ou dois exemplos simples, quase sempre fracassavam quando testados com um elenco maior de problemas ou com problemas mais difíceis ceis. O primeiro tipo de dificuldade Os primeiros programas continham pouco ou nenhum conhecimento do assunto que tratavam. Tinham sucesso através s de manipulações sintácticas muito simples - ELIZA (65). Uma Dose de Realidade ( ) 1974) O segundo tipo de dificuldade A não resolução de muitos problemas que a IA estava tentando solucionar. Os primeiros programas funcionavam somente porque os micromundos continham poucos objectos. Antes que a teoria de problemas NP-completos fosse desenvolvida, acreditava-se que o problema de se "escalar" para problemas maiores era simplesmente um problema de se ter hardware mais rápido. r Uma terceira dificuldade veio das limitações sobre as estruturas básicas usadas para gerar comportamento inteligente. 31

32 SBC: A Chave para o Poder? ( ) 1979) O método m de resolução de problemas usado na primeira década d da IA foi o mecanismo de busca de propósito geral. Eles são chamados métodos m fracos porque usam pouca informação sobre o domínio. Para domínios complexos o desempenho é pobre. Surgem os sistemas periciais Conhecimento, heurísticas e regras sobre um determinada especialidade. Separação clara entre conhecimento (regras) e componente de raciocínio. DENDRAL (1969) conhecimento de química reduz a quantidade de computação. Foi o primeiro sistema a trabalhar com conhecimento intensivo. Sua perícia era derivada de um grande número n de regras específicas. Inferia a estrutura molecular de informações fornecidas por um espectrómetro de massa. Feignbaum e outros MYCIN diagnostico de doenças infecciosas (450 regras) SBC: A Chave para o Poder? ( ) 1979) A importância do conhecimento do domínio foi também m aparente na área de processamento de linguagem natural. O crescimento das aplicações no mundo real aumentou a demanda por esquemas de representação de conhecimento alternativos: Lógica e Frames 32

33 Problemas da Linguagem Natural Olive oil Problemas da Linguagem Natural Baby oil 33

34 Renascimento ( ) 1971: T. Winograd s Ph.D. thesis (MIT) cria um sistema capaz de compreender inglês num domínio reduzido (mundo de blocos). 1972: nasce PROLOG e torna-se alternativa a LISP e o paradigma funcional. uma Renascimento ( ) 1978: O Version Space algorithm foi desenvolvido pelo Tom Mitchell em Stanford. Primeiro algoritmo de aprendizagem. E considerado o Father of Machine Learning. 1979: Lógicas L não-mon monótonas. Formalizadas pelo John McCarthy e seus colegas. 34

35 A IA Torna-se Comercial (1980-hoje) O primeiro sistema especialista de sucesso comercial, R1, começou ou a operar na DEC. Ajudava a configurar ordens para novos computadores. Em 1981, os japoneses anunciaram a "Quinta Geração ão. Um projecto de 10 anos, para construção de computadores inteligentes que utilizavam Prolog. O retorno das redes neurais (1986- hoje) Desenvolvimento continuou em outras áreas. Uso/desenvolvimento de algoritmos back-propagation. IA Tradicional x Redes Neurais. 35

36 Eventos recentes ( hoje) Avanços e utilização de tecnologia para reconhecimento de imagem e fala/som. Belief networks,, "probabilidade" que permite formalismo para tratar incertezas. Desenvolvimento de mecanismos lógicos l para tratar incerteza. Ex.: lógica l fuzzy,, lógica l modal, etc. Tendências Actuais Passagem de sistemas experimentais para aplicações reais de larga escala Representação de conhecimento (CYC). Reconhecimento da fala. Robótica. Visão. Internet (softbots( softbots). 36

37 Agenda PARTE 1 Introdução O que é a Inteligência Artificial? Paradigmas de IA Fundamentos PARTE 2 Historia Áreas de IA Algumas Aplicações Redes Neurais Raciocínio Baseado em Casos Computação Evolucionária Raciocínio Baseado em Regras Lógica Fuzzy Robótica Agentes Inteligentes Outros Linguagem Natural 37

38 Agenda PARTE 1 Introdução O que é a Inteligência Artificial? Paradigmas de IA Fundamentos PARTE 2 Historia Áreas de IA Algumas Aplicações Produção de jogos e histórias interactivas Como modelar o ambiente físico f e o comportamento/personalidade dos personagens? Como permitir uma boa interação com o utilizador? The Sims FIFA Soccer 38

39 Deep Blue Deep Blue vs Kasparov Em 1997 Deep Blue venceu Kasparov 39

40 Deep Blue vs Kasparov Características Deep Blue Kasparov Capacidade avaliativa de jogadas Conhecimento em xadrez Cálculo Até 200 milhões p/segundo Pouco Muito Até 3 p/segundo Muito Pouco Controle de tráfego aéreoa (OASIS - sofisticado sistema de controle de tráfego aéreo baseado no paradigma multiagente,, utilizado no aeroporto de Sydney,, Austrália, no qual os agentes assumem o lugar dos aviões em operação); 40

41 Massive software Multiple agent simulation system in virtual environment Cada combatente representa um agente que escolhe as suas próprias prias acções em função: Das suas percepções do ambiente Do seu conhecimento Da sua especialização Não háh lugar á decisão centralizada, cada agente é autónomo. Cada um deles toma cerca de 24 decisões por segundo. Dezenas de milhares de combatentes Massive software Multiple agent simulation system in virtual environment Os agentes têm: Uma representação do seu ambiente Sentidos: visão, audição, tacto, até mesmo olfacto Um carácter cter (agressividade, medo, força) Características pessoais (raça, a, tamanho, morfologia) Cada agente pode: Andar, correr, saltar, lutar Encontrar, identificar e iniciar o combate com o inimigo Ganhar e viver ou então perder e morrer Com isto tudo consegue-se: se: O comportamento de um combatente não é previsível: vel: Durante um combate, um humano vai responder a um ataque pegando na sua espada Depois de quando tempo? Em que preciso momento? Ele vai avançar ar? Recuar? Ou ainda ir para o lado? Quando os soldados da terra média m atacam, emitem gritos e um ruído que tem uma incidência directa sobre a moral dos seus adversários. rios. 41

42 Controle de robôs Como obter navegação segura e eficiente, estabilidade, manipulação fina e versátil? E no caso de ambientes dinâmicos e imprevisíveis? veis? HAZBOT: ambientes com atmosfera inflamável Robots - Dante 1994 Dante II (CMU) explora o vulcão Mt. Spurr (Aleutian Range, Alaska). Ambiente inóspito para humanos 42

43 Busca de informação na Web Como localizar a informação relevante? Recomendação de produtos Como fazer recomendações personalizadas de produtos? Como modelar o perfil dos compradores? 43

44 Previsão Como prever o valor do dólar d (ou o clima) amanhã? Que dados são relevantes? HáH comportamentos recorrentes? Detecção de Intrusão e Filtragem de Spam Como saber se uma mensagem é lixo ou de fato interessa? Como saber se um dado comportamento do utilizador é suspeito e com lidar com isso? 44

45 Sistemas de Controle Como travar o carro sem as rodas deslizarem em função da velocidade, atrito, etc.? Como focar a câmera em função de luminosidade, distância, etc.? Como ajustar a temperatura em relação á quantidade de roupa, fluxo de água, etc.? Interface Como fornecer ao utilizador a ajuda de que ele precisa exactamente? Como interagir (e quem sabe navegar na web) ) com um telemóvel sem ter de digitar os números n (hands( hands-free)? 45

46 O que estes problemas têm em comum? Grande complexidade (número, variedade e natureza das tarefas). Não há h solução algorítmica tmica,, mas existe conhecimento. Modelagem do comportamento de um ser inteligente (conhecimento, aprendizagem, iniciativa, etc.). Leituras Sugeridas LIVROS Russel, Norvig, Artificial Intelligence: : A Modern Approach, Cap.. 1. Costa, Simões, Inteligência Artificial. Fundamentos e Aplicações ões. Cap 1.1 a 1.4. ARTIGOS John McCarthy. What is artificial intelligence?. Alan Turing "Computing Machinery and Intelligence" 46

47 FIM 47