Em que Consiste a Inteligência Artificial Lab. de Conexionismo e Ciências Cognitivas - L3C UNIVERSIDADE FEDERAL DE SANTA CATARINA
Que é Inteligência Artificial? O sonho de fabricar artefatos com propiedades de inteligência vem acompanhando o ser humano há séculos. O mito de Frankenstein não é novo. É característica da época pré-histórica da IA.
Virada do fim do século XIX O final do século XIX foi marcado por mudanças radicais na direção da ciência. Ao lado do nascimento das geometrias não euclidianas,, com Russel nascia a Lógica Formal
Descoberta do Neurônio Golgi descobriu método de colorir neurônios e poder vê-los ao microscópio. Cajal dedicou suia vida a traçar circuitos neurais; Primeiros passos para compreender a inteligência.
Limites dos Computadores Church com seu Lambda cálculo e Turing com sua máquina estabelecem limites para aquilo que pode ser resolvido por computadores, introduzindo o conceito de computabilidade em 1936.
Primórdios da IA Warren McCulloch, juntamente com o matemático Pitts, propõe modelo matemático para o neurônio.. 1943.
Primórdios da IA Hebb descobre a plasticidade das sinapses, dando uma explicação para o aprendizado do cérebro em 1943.
Que é Inteligência Artificial? Na época do aparecimento dos primeiros computadores a admiração com as inúmeras possibilidades destas máquinas fizeram com que elas fossem também conhecidas como cérebros eletrônicos, por suas capacidades de resolver problemas que até então eram reservados aos homens. Isto criou um certo mito que fez com que, até o final dos anos 50, computadores eram olhados com uma certa desconfiança (e hoje?).
Fim do Mito Cérebro Eletrônico No inicio dos anos 60 intensa propaganda de fabricantes conseguiu que eles passassem a ser considerados como incapazes de qualquer forma de raciocínio. Esta reviravolta ajudou a mostrar que apesar de não serem inteligentes, computadores poderiam ser extremamente úteis em tarefas tais como contabilidade, administração de empresas, controle de estoque, preparação de folhas de pagamento, etc. As pessoas passaram a ver o computador como a máquina útil para automatizar tarefas da vida de todos os dias.
Seria mesmo o fim? E computadores começaram a ser vendidos e usados. São cada vez mais eficientes e mais úteis, sempre guardando sua burrice como grande qualidade. Mas durante esta época, um grupo de pessoas, nos laboratórios, continuaram a pesquisar o sonho Frankensteniano de dotar os computadores com características inteligentes.
Sistemas Especialistas Foi o retumbante anúncio do projeto japonês da quinta geração (pretendia construir uma nova geração de computadores inteligentes) que levou ao cidadão comum as primeiras notícias da IA. A aplicação mais importante na época eram os Sistemas Especialistas (abreviado SE).
Histórico e Conceitos Básicos I propose to consider the question,, Can machines think? This should begin with definitions of the meaning of the terms machine and think think. A. Turing, Computing Machinery and Intelligence,, 1950 Se queres discutir comigo, define primeiro teus termos. Descartes O QUE É INTELIGÊNCIA? Binet: : Inteligência é julgar bem, compreender bem, raciocinar bem. Tearman: : A capacidade de conceituar e de compreender o seu significado. Helm: : A atividade inteligente consiste na compreensão do essencial de uma situação e numa resposta reflexa apropriada. Piaget: : Adaptação ao ambiente físico e social.
Histórico e Conceitos Básicos A INTELIGÊNCIA É SÓ HUMANA? Em um primeiro momento, a inteligência era geralmente associada a uma característica unicamente humana, de representação de conhecimentos e resolução de problemas, refletindo um ponto de vista altamente antropocêntrico.. Mas, ainda assim, nós, humanos, não compreendemos a nós mesmos, como funciona nossa inteligência e nem mesmo a origem de nossos pensamentos. Hoje em dia, para muitos pesquisadores, a idéia de inteligência passou a ser associada com a idéia de sobrevivência. Carne: : Talvez a característica básica de um organismo inteligente seja sua capacidade de aprender a realizar várias funções em um ambiente dinâmico, tais como sobreviver e prosperar (Propriedade não só humana!). Fogel: : Inteligência pode ser definida como a capacidade de um sistema de adaptar seu comportamento para atingir seus objetivos em uma variedade de ambientes.
Histórico e Conceitos Básicos Nancy Segal - Universidade de Minnesota: : Raciocínio, aprendizado, memória, motivação, capacidade de se adaptar e de resolver problemas são partes distintas da inteligência, mas que trabalham harmoniosamente para a obtenção dos resultados. O QUE É INTELIGÊNCIA ARTIFICIAL (IA)? É um ramo da ciência da computação ao mesmo tempo recente (oficialmente nasceu em 1956) e muito antigo (lógica de Aristóteles) Até mesmo a origem do termo é cercada de mistério - John McCarthy,, criador do termo em 1956, não tem certeza de não haver ouvido o termo anteriormente.
Origens da Inteligência Artificial O que é Inteligência Artificial? É a propriedade de um artefato de poder resolver problemas que se fossem resolvidos por um seu vivo ele seria considerado inteligente. (Barreto) Assim como existe medidas de inteligência para humanos é possível ter medidas de inteligência para máquinas.
O que é Inteligência Artificial? Elaine Rich: : IA é o estudo de como fazer os computadores realizarem coisas que, hoje em dia são feitas melhores pelas pessoas. Winston: : IA é o estudo das idéias que permitem aos computadores serem inteligentes. Charniak and McDermott: : IA é o estudo das faculdades mentais através da utilização de modelos computacionais. Bellman: : IA é o estudo e simulação de atividades que normalmente assumimos que requerem inteligência. Russell and Norvig: : IA é o estudo e implementação de agentes racionais. (um agente racional é algo que procura atingir seus objetivos através de suas crenças.)
O que é Inteligência Artificial? O objetivo central da IA é simultaneamente teórico - a criação de teorias e modelos para a capacidade cognitiva - e prático - a implementação de sistemas computacionais baseados nestes modelos.
As duas abordagens da IA IA Simbólica Um sistema simbólico é capaz de manifestar um comportamento inteligente. O comportamento inteligente global é simulado sem considerar os mecanismos responsáveis por este comportamento.
Princípios da IA Simbólica A estratégia fundamental que sustentou boa parte do sucesso inicial da IA Simbólica, se deve à proposta conhecida como Physical Symbol Systems Hypothesis, de Newell e Simon. Physical Symbol Systems - Newell & Simon(1976) A physical symbol system consists of a set of entities, called symbols, which are physical patterns that can occur as components of another type of entity called an expression (or symbol structure) ) the system also includes a collection of processes that operate on expressions to produce other expressions: processes of creation, modification, reproduction and destruction. A physical symbol system is a machine that produces through time an evolving collection of symbol structures.such a system exists in a world of objects wider than just these symbolic expressions themselves
As duas abordagens da IA IA Conexionista Se for construído um modelo suficientemente preciso do cérebro, este modelo apresentará um comportamento inteligente. Se apenas uma pequena parte do cérebro for reproduzida, a função exercida por esta parte emergirá do modelo.
IA Conexionista As origens das redes neurais artificiais remontam no desejo de construir artefatos capazes de exibir comportamento inteligente.
Histórico e Conceitos Básicos Elaine Rich: : IA é o estudo de como fazer os computadores realizarem coisas que, hoje em dia são feitas melhores pelas pessoas. Winston: : IA é o estudo das idéias que permitem aos computadores serem inteligentes. Charniak and McDermott: : IA é o estudo das faculdades mentais através da utilização de modelos computacionais. Bellman: : IA é o estudo e simulação de atividades que normalmente assumimos que requerem inteligência. Russell and Norvig: : IA é o estudo e implementação de agentes racionais. (um agente racional é algo que procura atingir seus objetivos através de suas crenças.) O objetivo central da IA é simultaneamente teórico - a criação de teorias e modelos para a capacidade cognitiva - e prático - a implementação de sistemas computacionais baseados nestes modelos.
Histórico e Conceitos Básicos O QUE FAZ UM PESQUISADOR EM IA? Resolução de problemas (planejamento) Quebra-cabeças, Jogos, Problemas que requerem conhecimento especialista diagnóstico médico, localização de recursos minerais, configuração de computadores. Raciocínio por senso-comum Simulação qualitativa ou intuitiva Mecanismos de Inferência Percepção (visão e fala) reconhecimento de objetos através de imagens reconhecimento de voz ou identificação do interlocutor Processamento de linguagem natural o que significa um conjunto de palavras tradução de idiomas acesso a dados em base de dados
Histórico e Conceitos Básicos O QUE FAZ UM PESQUISADOR EM IA? Extração de conhecimento Knowledge Data Discovery (Data Mining,, Data Warehouse) Aprendizado Desenvolver sistemas que melhorem seu desempenho através da experiência Desenvolver sistemas que auxiliem no aprendizado de alunos Programação Desenvolvimento de shells shells para Sistemas Especialistas Paralelização de linguagens de IA Distribuição da resolução de problemas Sistemas Multi-Agentes
Histórico e Conceitos Básicos O QUE FAZ UM PESQUISADOR EM IA? > Intelligent Information Systems > Intelligent Software Engineering > Intelligent Agents > Intelligent Networks > Intelligent Databases > Brain Models > Evolutionary Algorithms > Data mining > Machine Learning > Reasoning Strategies > Automated Problem Solving > Distributed AI Algorithms and Techniques > Distributed AI Systems and Architectures > Expert Systems > Fuzzy Logic > Genetic Algorithms > Heuristic Searching
Histórico e Conceitos Básicos O QUE FAZ UM PESQUISADOR EM IA? > Knowledge Acquisition > Knowledge Discovery > Knowledge Representation > Knowledge-Intensive Problem Solving Techniques > Languages and Programming Techniques for AI > Software Tools for AI > Natural Language Processing > Neural Networks and Applications > Multisource Information Fusion: Theory and Applications > Multisource-Multisensor Multisensor Data Fusion > Learning and Adaptive Sensor Fusion > Multisensor Data Fusion Using Neural and Fuzzy Techniques > Integration of AI with other Technologies > Evaluation of AI Tools > Social Impact of AI
Histórico e Conceitos Básicos O QUE FAZ UM PESQUISADOR EM IA? > Applications - Computer Vision > Applications - Signal Processing > Applications - Military > Applications - Surveillance > Applications - Robotics > Applications - Medicine > Applications - Pattern Recognition > Applications - Face Recognition > Applications - Finger Print Recognition > Applications - Finance and Marketing > Applications - Stock Market > Applications - Education > Emerging Applications
Histórico e Conceitos Básicos HISTÓRIA Formalmente a área foi criada em 1956 quando o nome foi cunhado (Darthmouth( College). Entretanto, por 2000 anos filósofos estudaram como o ver, apreender, recordar e raciocinar pode ser realizado? O desejo de criar artefatos capazes de reproduzir um comportamento inteligente encontra suas origens em tempos remotos. Autômatos (relógios, jogador de xadrez, Frankenstein) Analytical Engine, Babbage,, 1842 - Ela seria capaz de compor peças musicais de qualquer grau de complexidade e extensão (comentário de Lady Lovelace) Autômata para jogar a final de um jogo de xadrez de rei contra rei e torre (Torres Y Quevedo,, 1911).
Histórico e Conceitos Básicos HISTÓRIA Precursores da IA George Boole,, inventou a álgebra booleana.. Suas idéias se incorporam como base da matemática e da filosofia. Lewis Carrol,, ( Alice no país das maravilhas ) mostrou de maneira bem humorada como a lógica pode encerrar raciocínios pouco usuais. Alan Turing,, propôs um teste para decidir se um computador exibe inteligência.
Histórico e Conceitos Básicos HISTÓRIA Acredita-se que a IA nasceu como disciplina em uma conferência chamada "The" Dartmouth Summer research Project on Artificial Intelligence", organizada entre outros por, John McCarthy, Marvin Minsky,, Alan Newell e Herb Simon. Nesta conferência, um sistema conhecido como LOGIC THEORIST foi demonstrado por Newell e Simon.. LOGIC THEORIST era um sistema capaz de descobrir provas de teoremas expressos de maneira simbólica. A importância deste sistema, nas palavras de Feigenbaum e Feldman (1963: p. 108) LOGIC THEORIST era: " the first foray by artificial intelligence into high-order intellectual processes." Este sucesso inicial foi rapidamente seguido por vários outros sistemas que poderiam aparentemente realizar tarefas inteligentes. Por exemplo, o "DENDRAL" era capaz de automatizar aspectos do raciocínio científico na área da química orgânica; o "MYCIN", era capaz de interativamente diagnosticar doenças infecciosas.
Histórico e Conceitos Básicos HISTÓRIA Os anos que se seguiram ao encontro de Darthmouth foram de grande otimismo. Acreditava-se que em poucos anos: a tradução automática entre duas linguagens diferentes poderia ser obtida pela construção de um programa que usasse duas gramáticas e um dicionário, seria possível construir um programa para resolver um problema genérico. Um programa venceria o campeonato mundial de xadrez, Problema da dimensão Se um problema é resolvido com certa quantidade de recursos se restrito a um mundo pequeno, quando este mundo aumenta, a quantidade de recursos aumenta muito mais rapidamente que o mundo considerado. Os problemas de IA são comumente de complexidade NP-completos.
Histórico e Conceitos Básicos A estratégia fundamental que sustentou boa parte do sucesso inicial da IA Simbólica, se deve à proposta conhecida como Physical Symbol Systems Hypothesis, de Newell e Simon. Physical Symbol Systems - Newell & Simon(1976) A physical symbol system consists of a set of entities, called symbols, which are physical patterns that can occur as components of another type of entity called an expression (or symbol structure) ) the system also includes a collection of processes that operate on expressions to produce other expressions: : processes of creation, modification, reproduction and destruction.. A physical symbol system is a machine that produces through time an evolving collection of symbol structures.such a system exists in a world of objects wider than just these symbolic expressions themselves.
Histórico e Conceitos Básicos Physical Symbol Systems - Newell & Simon(1976) The Physical Symbol System Hypothesis: : Um sistema simbólico é capaz de manifestar um comportamento inteligente. Although there has been a great deal of controversy about exactly how this hypothesis should be interpreted, there are two important conclusions which have been drawn from it. The first conclusion is that computers are physical symbol systems, in the relevant sense,, and thus there are grounds (should the hypothesis be correct) ) to believe that they should be able to exhibit intelligence. The second conclusion is that,, as we humans also are intelligent, we too must be physical symbol systems and thus are in a significant sense,, similar to computers.
Histórico e Conceitos Básicos ESTADO DA ARTE Sucesso de marketing Deep Blue ao ganhar do campeão mundial de xadrez Algumas aplicações em que o sucesso impressiona Sistemas comerciais de reconhecimento de fala Sistemas especialistas para auxílio ao diagnóstico médico que segundo alguns podem ser melhores que o médico para algumas especialidades Operação automatizada de veículos Alguns problemas ainda não resolvidos Falar com computadores Possibilidade de reconhecimento de vários objetos em uma grande gama de contextos Máquinas com grande capacidade de aprendizado Tradução entre linguagens com termos coloquiais, figuras de linguagem, etc.
A Razão das Dificuldades Princípio da Dimensão: Se um problema é resolvido com certa quantidade de recursos se restrito a um mundo pequeno, quando este mundo aumenta a quantidade de recursos aumenta muito mais rapidamente que o mundo considerado.
Abordagem Simbólica Princípio do Sistema Simbólico: Um sistema simbólico é capaz de manifestar um comportamento inteligente.
Abordagem Conexionista Principio da Réplica: Se for construido um modelo suficientemente preciso do cérebro, este modelo apresentará um comportamento inteligente. Se apenas uma pequena parte do cérebro for reproduzida, a função exercida por esta parte emergirá do modelo
Abordagem Evolutiva Principio da Seleção Natural: Dada uma população de individuos vivendo em um determinado ambiente, os mais aptos às condições de vida oferecidas, têm mais probabilidade de se reproduzir do que os menos aptos. Desta forma, com o correr do tempo, e após gerações sucessivas, a população tende a ficar cada vez mais adaptada ao ambiente.
Que Esperar da IAS? IAS deve ser usada quando o problema é bem definido, que se tenha uma boa idéia de como ele seria resolvido e que seja explícito o modo de achar uma solução. Raciocínio impreciso, generalizações, raciocínio por falta, aprendizado, devem ser convenientemente previstos. Um cético poderia mesmo dizer que na IAS, não existe inteligência: tudo é consequência direta do que foi programado.
Que Esperar da IAC? Espera-se da IAC um desempenho melhor que a da IAS em problemas mal definidos, onde falta o conhecimento explícito de como realizar uma tarefa. Além disso, são dela esperadas características encontradas nos seres vivos e dificuldades em realizar tarefas de natureza intrinsecamente algoritmicas.
Campos de Aplicação da IAC reconhecimento de padrões, incluindo letras, faces,assinaturas, impressões digitais, etc; controle de processos industriais de dinâmica complexa, com modelo matemático complexo; em robótica, no controle do movimento do robô; em sistemas especialistas; como opção às técnicas de raciocínio baseado em casos para resolução de problemas.
IA Simbólica X IA Conexionista Conhecimento representado por regras (ou outra estrutura similar: Lógica, Redes semânticas, Quadros ( frames frames ), Estruturas híbridas - Bittencourt, p.258) que podem ser facilmente tratadas e analisadas. Permite a explicação do processo que levou a uma determinada resposta. Fácil inserção de novos conhecimentos obtidos a partir do especialista ou através de métodos automáticos de aquisição de conhecimento.
IA Simbólica X IA Conexionista Necessidade de se trabalhar com conhecimentos completos e exatos sobre um determinado problema. Dificuldade de explicar todos os conhecimentos relativos ao problema através de regras simbólicas. Dificuldade para tratar informações imprecisas ou aproximadas, e valores numéricos (dados quantitativos). Exemplo: regular a temperatura da água do banho.
IA Simbólica X IA Conexionista Outro Exemplo: Conhecimento Teórico AND(A,B) = if A=0 then AND=0 else if B=0 Conhecimento Empírico then AND=0 else AND=1 A B AND 0 0 0 0 1 0 1 0 0 1 1 1
IA Simbólica X IA Conexionista A B AND 0 0 0 0 1 0 1 0 0 1 1 1 w1=1 w2=1 θ =2 A w1 w2 θ AND A.w1+B.w2 θ B
Que Esperar da IAE? Evolução biológica é um exemplo de solução do problema bem definido de sobrevivência de uma espécie em ambiente variável. Pode ser encarada como um método de otimização com restrições variáveis e muitas vezes desconhecidas.
Será útil ter máquinas inteligentes? Se esta coisa horrenda tivesse um pouco de inteligência seria tão bom