INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL

simular “comportamento inteligente”, através de algoritmos e técnicas que simulem situações consideradas específicamente humanas, tais como:

→ Compreensão de linguagem natural

→ Reconhecimento de padrões

→ Jogos de estratégia

→ Demonstração automática de teoremas

→ Otimização de sistemas de recuperação

→ Programação automática

→ Robótica

→ Sistemas de consulta especializados

• O que é “comportamento inteligente” ?

Comportamento Inteligente .... Aprendizado

Although it is impossible to give succint definitions or descriptions of intelligence, it is clear that intelligence is associated with a specialization of knowledge, and that involves the ability to learn and to adapt to the environment

Aprendizado

Raciocínio

Comportamento Inteligente .... Aprendizado

O pássaro...

(1-2) Ataca e come borboleta de sabor agradável... (3) Ataca uma de sabor desagradável...

(4-5) Come apenas parte do espécime... (6) Reage ao mau gosto da borboleta...

(7-8) Vomita, bebe água e vomita novamente...

INTELIGÊNCIA ARTIFICIAL

projeto e da construção de computadores e robôs inteligentes.

• Computador inteligente possui qualquer uma das habilidades mentais que fazem uma pessoa ser considerada inteligente. Algumas habilidades:

 Capacidade de raciocinar e fazer inferências

 Capacidade de resolver problemas

 Capacidade de acumular e de usar conhecimentos

 Capacidade de falar línguas humanas tais como o inglês e o português

 Capacidade de planejar as próprias ações e de prever o resultado delas

 Capacidade de aprender com a experiência

INTELIGÊNCIA ARTIFICIAL

Teste de Turing

O filósofo John Searle e a Sala Chinesa (contra-argumento ao Teste de Turing)

 Um humano que compreende inglês permanece numa sala isolada.

 Este humano não fala/compreende nada de chinês (nem mesmo os ideogramas)

 Na sala existe apenas uma “interface de entrada” (input) com o exterior da sala por

onde se passa, em ideogramas chineses, uma história e perguntas sobre a história .

 Na sala existe um dispositivo (output) para saída em papel das respostas escritas a

mão pelo humano

 Na sala existe um conjunto de instruções (rule ledger), escritas em inglês, sobre os

procedimentos a serem adotados para cada tipo de dados apresentado através da “interface de entrada” (input)

• Perguntas:

 O humano é inteligente ?

 O sistema [ Humano + input + rule ledger + output ] é inteligente ?

 O observador externo acredita que o humano sabe chinês... É verdade ou

Dos anos 60 aos 90

• Desde os anos 50, uma grande dose de otimismo original com IA foi perdida, tendo sido substituída por uma dose de realismo

Pesquisa Heurística X Algoritmica

 Problema: procurar uma vaga perto da universidade

 Se você fosse o motorista arriscaria tentar uma vaga melhor

Definição de PROBLEMA para IA

PROBLEMA em IA ⇒ Uma busca em um espaço de estados com o objetivo de partir de um estado inicial e se chegar a um estado-meta (estado final).

PROBLEMA para IA – Exemplo 1

“Problema” = Jogar Xadrez

• Estruturas de dados:

→ “Configuração inicial” das peças no tabuleiro

→ “Configuração final” das peças no tabuleiro

→ Descrever todas as regras de movimento legal das peças

→ Como descrever cada uma das 10120 possíveis posições no tabuleiro nas regras ?

PROBLEMA para IA – Exemplo 2

PROBLEMA para IA – Exemplo 2

PROBLEMA para IA – Exemplo 3

“Problema” das jarras de água

Definição: Tem-se duas jarras de água, uma de 4 litros e uma de 3 litros. Nenhuma delas tem qualquer marcação de medidas. Há uma torneira que pode ser usada para encher as jarras com água. Problema: como proceder para encher a

jarra de 4 litros com exatamente 2 litros de água ?

• Estruturas de dados:

→ Par ordenado (x,y) onde x = 0, 1, 2, 3 ou 4 e y = 0, 1, 2 ou 3 representa o espaço de estados do problema

→ “Configuração inicial” : (0,0)

PROBLEMA para IA – Exemplo 3

“Problema” das jarras de água

PROBLEMA para IA – Exemplo 4

PROBLEMA para IA – Exemplo 5 “Problema” do caixeiro viajante

Definição: Um vendedor tem uma lista de clientes que precisa visitar exatamente uma vez. Há estradas diretas entre cada par de clientes da lista. Problema: Encontre a rota que o

vendedor deverá seguir para que a viagem seja a menor possível, e que comece e termine na loja de origem do vendedor.

Primeira tentativa de solução: Combinatória de possibilidades de ordem de visitação considerando n clientes.

Por exemplo, tendo-se como ponto de partida a loja S do vendedor e sendo necessário visitar os clientes A, B, C e D temos:

n = 4 clientes a serem “combinados” (A, B, C e D) Pn = n! = 4! = 24 possíveis “combinações”

PROBLEMA para IA – Exemplo 5 “Problema” do caixeiro viajante

 Supondo que o tempo gasto para geração e cálculo do custo

de cada rota numa máquina hipotética seja da ordem de 1

µs (10-6 segundos). Assim, considerando-se n clientes a visitar temos:

 Esse tempo envolve a execução das instruções de controle

IA – Técnicas de busca

 Em princípio, as técnicas de busca da solução para

PROBLEMA em IA envolvem a navegação pelos ramos das árvores de possibilidade até que se encontre a solução

 Mas, se a árvore de possibilidades for “grande”, a busca da

IA – Técnicas de busca

• Podemos dizer, de modo geral, que as técnicas de busca para a solução de problemas em IA são análogas à situação acima onde Johnnie Walker tem que procurar o vale mais profundo.

IA – Técnicas de busca

• Quais os ramos “corretos” a serem percorridos para se chegar ao resultado “ótimo” ?

IA – Representação de conhecimento Usando lógica matemática

•

Lógica proposicional

Conectivos: E - ∧ OU - ∨ NÃO - ¬

Se...Então... - → Se e somente se ↔

Exemplos: p = João é médico q = João é estudioso p ∧ q, p ∨ q, p → q, p ↔ q, ¬q

•

Lógica de predicados (1

ordem)

Conectivos: ∧ , ∨ , ¬ , → , ↔ Quantificadores: ∀ - “Para todo”

∃ - “Existe ao menos um” Exemplo: Predicados

H - (...) ser humano M - (...) ser mortal V - (...) ser vegetal G - (...) gosta de (...) Objeto: s – Sócrates

∀x(Hx → Mx) “Todo humano é mortal”

Hs “Sócrates é humano”

∀x∀y (Hx ∧ Vy→ Gxy) “Todo humano gosta de vegetal” Hs → ∃xMx “Se Sócrates é humano, então

IA – Representação de conhecimento Usando regras de produção

IA – Representação de conhecimento Usando redes semânticas

• Estrutura de GRAFO ⇒ NÓS e ARCOS

• Tríade Objeto-Atributo-Valor (O-A-V) Ex.: “Todo carro é um veículo”

IA – Técnicas de busca /*--- */ /* Base de Conhecimento */ /*---*/ clauses /*--> Fatos <--*/ cachorro(pluto). gato(tom). humano(socrates). humano(mane). vegetal(abacateiro). vegetal(limoeiro). vegetal(mamoeiro). /*--> Regras <--*/ mortal(X) :- mamifero(X). mortal(X) :- faz_fotossintese(X). mamifero(X) :- humano(X). mamifero(X) :- cachorro(X). mamifero(X) :- gato(X). faz_fotossintese(X) :- vegetal(X). tem_raiz(X) :- vegetal(X).

IA – Técnicas de busca

Heurística é qualquer método ou técnica criada, ou desenvolvida, para resolver um determinado tipo de problema.

Meta-Heurísticas são consideradas heurísticas de uso geral ou uma heurística das heurísticas.

Os métodos utilizados para resolver problemas de otimização combinatória (excluindo os algoritmos exponenciais) podem ser assim classificados:

Heurísticas: (a) Míopes ou gulosas, (b) Locais e (c)

Partição ou agrupamento

Métodos enumerativos: não exaustivos, do tipo

“Branch-and-Bound” e Programação Dinâmica

Métodos de Programação Linear e Não-Linear:

Simplex, Pontos Interiores, Algoritmo dos Elipsóides, etc.

Métodos Estocásticos: Simulated Annealing, Tabu Search, etc

Métodos Analógicos: Redes Neurais e Algoritmos

IA e Mineração de dados (data mining)

(Revista Byte – Outubro/1995 –págs. 96-110)

• Há ouro em seus dados, mas você não consegue vê-lo.

 Pode ser uma percepção tão simples (e tão lucrativa)

quanto se dar conta de que compradores de comida para bebês são também compradores de fraldas.

• A mineração de dados (data mining) deixa que o poder dos computadores faça o trabalho de joeirar as imensas quantidades de dados armazenados. Uma busca incansável e persistente pode encontrar a minúscula pepita de ouro em uma montanha de entulho de dados.