Introdução à Inteligência Artificial

(1)

Introdução à Inteligência

Artificial

Disciplina de Inteligência Artificial

Profa. Huei Diana Lee 2018

O que é Inteligência Artificial (IA)?

Pensamento Percepção Ação

2

Modelos Baseados em

3

Modelos Baseados em

Pensamento Percepção Ação Podem ser usados para: • Explicar o passado; • Predizer o futuro; • Entender o problema; • “Controlar” o mundo. 4 Modelos Baseados em

5

Não é suficiente!

Modelos Baseados em

(2)

Representação que Provê Suporte a Modelos Baseados em

7

O que é Representação?

Representação que Provê Suporte a Modelos Baseados em

8

Exemplo do Problema de

Travessia do Rio:

Era uma vez um fazendeiro (F) que foi ao mercado e comprou um lobo (L), um carneiro (C) e uma alface (A). No caminho para casa, o fazendeiro chegou à margem de um rio e arrendou um barco. Mas, na travessia do rio por barco, o agricultor poderia levar apenas a si mesmo e uma única de suas compras - o lobo, o carneiro, ou a alface.

Se fossem deixados sozinhos em uma mesma margem, o lobo comeria o carneiro e o carneiro comeria a alface.

O desafio do fazendeiro é atravessar a si mesmo e as suas compras para a margem oposta do rio, deixando cada compra intacta.

Como ele fará isso?

9

https://pt.wikipedia.org/wiki/Problema_do_fazendeiro,_o_lobo,_o_carneiro_e_a_alface

Exemplo do Problema de

Travessia do Rio:

10

Ilustração do livro "Problem Solving Through Recreational Mathematics", 1980 http://mj-matemagia.blogspot.com.br/2013/12/travessias.html

Exemplo do Problema de

Travessia do Rio:

11 F L C A F L C A

Exemplo do Problema de

Travessia do Rio:

12 F L C A L F A C F L C A

(3)

Exemplo do Problema de

Travessia do Rio:

Exemplo do Problema de

Travessia do Rio:

Exemplo do Problema de

Travessia do Rio:

15 https://pt.wikipedia.org/wiki/Problema_do_fazendeiro,_o_lobo,_o_carneiro_e_a_alface

Exemplo do Problema de

Travessia do Rio:

16 https://pt.wikipedia.org/wiki/Problema_do_fazendeiro,_o_lobo,_o_carneiro_e_a_alface

Restrições Expostas por Representação que Provê Suporte a Modelos Baseados em

17

São fundamentais nas representações.

(4)

19

Mas nós somos Cientistas da

Computação!

20

O que é IA...

Algoritmos Capacitados por Restrições Expostas por Representação que Provê Suporte a Modelos Baseados em

21 Mais um exemplo... 22

Gerar e Testar

Gerar Testar Falhas 23

O Gerador



Não deve ser redundante;



Deve ser capaz de receber informação.

(5)



Princípio de

Rumpelstiltskin:

Uma vez que possamos nomear algo, temos o “poder” sobre isso.



Outro exemplo: a

ponta do cadarço.

http://en.wikipedia.org/wiki/Rumpelstiltskin 25

Voltando ao Gerar e Testar

Ideia simples, mas não trivial;

Cuidado com a palavra trivial;

Trivial ≠ Simples;

Simples pode ser poderoso;

Trivial é simples, mas de pouca importância, insignificante;

Ideias complicadas x ideias importantes. 26

Occam

s Razor!

William of Ockham (also Occam; c. 1287 – 1347) http://en.wikipedia.org/wiki/William_of_Ockham 27

O que é IA...

Algoritmos Capacitados por

Restrições Expostas por

Representação que Provê Suporte a Modelos Baseados em

Pensamento Percepção Ação

28

Inteligência

O que é

inteligência?

“Nossas mentes contêm processos que nos capacitam a solucionar problemas que consideramos difíceis. Inteligência é o nome que damos a qualquer um destes processos que ainda não compreendemos”

—Marvin Minsky 29

Sala Chinesa

`

?

!

30 John Searle 1980

(6)

É Inteligente?

`

?

!

31

Teste de Turing

32 http://www.rutherfordjournal.org/article040101.html Alan Turing 1950 “Computing Machinery and Intelligence”

Teste de Turing

33 http://www.rutherfordjournal.org/article040101.html

Teste de Turing

34 http://gizmodo.com/this-is-the-first-computer-in-history-to-have-passed-th-1587780232 https://s3.amazonaws.com/lowres.cartoonstock.com/medical-turing_test-artificial_intelligence-sentience-computers-alan_turing-cman563_low.jpg

Inteligência

Habilidade de aprender e lidar com situações esperadas e inesperadas;

Habilidade de contemplar, pensar e raciocinar;

Sinônimos: Cérebro; Mente; Senso. Relacionados: Discernimento; Julgamento; Perspicácia; Sabedoria. 35

Inteligência

De aorcdo com uma pqsieusa de uma uinrvesriddae ignlsea, não ipomtra em qaul odrem as lrteas de uma plravaa etãso, a úncia csioa iprotmatne é que a piremria e útmlia lrteas etejasm no lgaur crteo;

O rseto pdoe ser uma ttaol bçguana que vcoê pdoe anida ler sem pobrlmea;

Itso é poqrue nós não lmeos cdaa lrtea isladoa, mas a plravaa cmoo um tdoo.

(7)

Deep Blue x Kasparov

(Computador x Homem)

Deep Blue: sistema desenvolvido pela IBM para jogar xadrez, que venceu um campeão humano, Kasparov; Questão:

Kasparov é inteligente?

Deep Blue é inteligente?

Velocidade x Inteligência

Deep Blue utiliza uma grande árvore de busca;

Deep Blue examina 2 bilhões de movimentos por segundo;

Assumindo que Kasparov examine 2 movimentos por segundo:

Kasparov é um bilhão de vezes mais “inteligente” que Deep Blue;

Deep Blue venceu Kasparov essencialmente por força bruta.

38

Velocidade x Inteligência

Um algoritmo não-inteligente requer um aumento

exponencial na sua velocidade para um aumento linear em “inteligência”;

Ao invés de melhorias na velocidade, precisamos melhorar o projeto do algoritmo.

39

O que é IA?

O que diferencia inteligência artificial da inteligência natural? 40

Natural x Artificial

Artificial: palavra ambígua = fabricado;

Sentidos:

 Luz artificial X Flor artificial ?

Flor Artificial:

parece ser;

mas realmente não é o que parece ser (artificial = imitação, só aparência.

Luz Artificial:

é luz e ilumina;

é o que parece ser.

41

Inteligência Natural x Artificial

Natural Artificial

Adquire grande qtde de informação externa Usa Sensores (visão, audição, tato, olfato) É Criativa ou tem Imaginação

Aprende por Experiência Retém Dados Detalhados Faz cálculos complexos É adaptável

Usa uma variedade de fontes de informação Transfere informação

(8)

Inteligência Natural x Artificial

Adquire grande qtde de informação externa Alto Baixo Usa Sensores (visão, audição, tato, olfato)

É Criativa ou tem Imaginação Aprende por Experiência Retém Dados Detalhados Faz cálculos complexos É adaptável

43

Inteligência Natural x Artificial

Adquire grande qtde de informação externa Alto Baixo Usa Sensores (visão, audição, tato, olfato) Alto Baixo É Criativa ou tem Imaginação

Aprende por Experiência Retém Dados Detalhados Faz cálculos complexos É adaptável

44

Inteligência Natural x Artificial

Adquire grande qtde de informação externa Alto Baixo Usa Sensores (visão, audição, tato, olfato) Alto Baixo É Criativa ou tem Imaginação Alto Baixo Aprende por Experiência

Retém Dados Detalhados Faz cálculos complexos É adaptável

45

Inteligência Natural x Artificial

Adquire grande qtde de informação externa Alto Baixo Usa Sensores (visão, audição, tato, olfato) Alto Baixo É Criativa ou tem Imaginação Alto Baixo

Aprende por Experiência Alto Baixo

Retém Dados Detalhados Faz cálculos complexos É adaptável

46

Inteligência Natural x Artificial

Retém Dados Detalhados Baixo Alto

Faz cálculos complexos É adaptável

47

Inteligência Natural x Artificial

Faz cálculos complexos Baixo Alto

É adaptável

(9)

Inteligência Natural x Artificial

É adaptável Alto Baixo

49

Inteligência Natural x Artificial

É adaptável Alto Baixo

Usa uma variedade de fontes de informação Alto Baixo Transfere informação

50

Baixo Alto

Sistema Inteligente

Aprende por experiência;

Utiliza conhecimento adquirido (por experiência);

Soluciona problemas na ausência de alguma informação;

Reage rapidamente perante uma nova situação ;

Determina o que é importante;

Raciocina e pensa;

Entende imagens visuais;

Processa e manipula símbolos;

É criativo e imaginativo;

Utiliza heurísticas. 51

O que é IA?

―Uma área de pesquisa que investiga

formas de habilitar o computador a

realizar tarefas nas quais, até o

momento, o ser humano tem um

melhor desempenho

‖.

- Elaine Rich -

52

Definições Adicionais

Conjunto de técnicas para a construção de máquinas “inteligentes”, capazes de resolver problemas que requerem inteligência humana

(Nilsson);

Ramo da Ciência da Computação dedicado à automação de comportamento inteligente

(Luger & Stubble);

Tecnologia de processamento de informação que envolve processos de raciocínio, aprendizado e percepção (Winston).

53

Inteligência Artificial

IA tem como objetivo entender e construir sistemas inteligentes;

Motivação

Aprender mais sobre nós mesmos;

Sistemas de IA são interessantes e úteis;

Como é possível para um cérebro lento e pequeno (biológico ou eletrônico) perceber, entender, predizer e manipular um mundo muito maior e mais complicado que ele mesmo?

(10)

Definições de IA: 4 categorias

Sistemas que

pensam

como humanos

Sistemas que

pensam

racionalmente

Sistemas que

atuam

como humanos

Sistemas que

atuam

racionalmente

55 Raciocínio Comportamento

Definições de IA: 4 Categorias

Sistemas que

pensam

como humanos

Sistemas que

pensam

racionalmente

Sistemas que

atuam

como humanos

Sistemas que

atuam

racionalmente

56 Sucesso é avaliado em termos de desempenho humano Sucesso é avaliado em termos de um conceito ideal de inteligência (racionalidade)

Definições de IA: 4 Categorias

Sistemas que

pensam

como humanos

Sistemas que

pensam

racionalmente

Sistemas que

atuam

como humanos

Sistemas que

atuam

racionalmente

57

A História da Inteligência

Artificial

A História da Inteligência Artificial

A gestação de IA (1943-1956);

O entusiasmo dos primeiros anos de IA, grandes expectativas (1952-1969);

Uma dose de realidade (1966-1974);

Sistemas Baseados em Conhecimento: A Chave para o Poder? (1969-1979);

IA se torna comercial (1980-1988);

O retorno das Redes Neurais (1986 - presente);

Eventos Recentes.

59

Era “pré-Inteligência Artificial”

http://en.wikipedia.org/wiki/Ada_Lovelace 60 Por volta de 1842-43, trabalho conjunto com Charles Babbage na Máquina de Diferenças 2 (Máquina Analítica).

(11)

A Gestação de IA (1943-1956)

Primeiro trabalho de IA foi um modelo de neurônios artificiais (McCulloch e Pitts, 1943) e foi o precursor das tradições lógica e conexionista de IA. Dendritos Axiônio Terminações do Axiônio Soma (corpo da célula)

Figura adaptada. Fonte: Material didático – Prof. Zhao Liang 61

A Gestação de IA (1943-1956)

 Donald Hebb (1949) propôs algoritmo de aprendizado

baseado no reforço de ligações sinápticas (variação de pesos de entrada);

 Começo dos anos 1950: Claude Shannon e Alan Turing escreveram programas de xadrez para máquinas von Neumann;

 Ao mesmo tempo, Marvin Minsky e Dean Edmonds construíram o primeiro computador baseado em redes neurais (1951);

 Workshop em Dartmouth em 1956: pesquisadores de Princeton, IBM , MIT e CMU se reuniram a convite de John

McCarthy:

Os 20 anos seguintes foram dominados por pesquisadores participantes do Workshop e seus estudantes;

Foi neste Workshop que o nome Inteligência Artificial surgiu para denominar o novo campo de estudo (cunhado por McCarthy).

62

O Entusiasmo dos Primeiros Anos

de IA (1952-1969)

Allen Newell, John Shaw e Herbert Simon desenvolveram o “General Problem Solver” GPS, programa que foi projetado com o intuito de imitar protocolos humanos de resolução de problemas;

Assim, GPS foi o primeiro programa a incorporar a abordagem “Pensar como humanos”. A combinação de IA e Ciência Cognitiva continua até hoje:

Simon: “... não é meu objetivo surpreendê-los ou chocá-los, mas o modo mais simples de resumir tudo isso é dizer que agora existe no mundo máquinas que pensam, aprendem e criam ...”

Arthur Samuel (1952) escreveu uma série de programas para jogar damas e provou o contrário do que era senso comum na época: “a ideia de que computadores podiam fazer somente o que era dito para eles”. Seus programas aprendiam rapidamente a jogar melhor que seu criador.

63

O Entusiasmo dos Primeiros Anos

de IA (1952-1969)

John McCarthy sai do MIT (1958):

McCarthy (1958) desenvolveu LISP, que se tornou a linguagem dominante de IA na época.

John Alan Robinson (1963) descobriu o método da resolução:

Um algoritmo completo de provas de teoremas para a Lógica de 1a Ordem;

PROLOG estava a caminho.

Marvin Minsky supervisionou uma série de estudantes que escolheram problemas limitados que pareciam requerer inteligência para serem resolvidos – micromundos:

O mais famoso micromundo foi o mundo dos blocos;

Trabalhos de redes neurais começaram a florescer. 64

Uma Dose de Realidade

(1966-1974)

1960 – Bernard Widrow e Ted Hoff propuseram a Regra Delta (usada até hoje!);

1969 – Marvin Minsky e Seymor Papert:

O perceptron não resolve problemas linearmente separáveis;

Levam à descrença de redes neurais durante os anos 1970.

65

Uma Dose de Realidade

(1966-1974)

A barreira que muitos projetos de IA encontraram foi que métodos, que eram suficientes para demonstrações de um ou dois exemplos simples, falham terrivelmente quando foram aplicados a uma seleção maior de problemas ou problemas mais difíceis;

O primeiro tipo de dificuldade:

os primeiros programas continham pouco ou nenhum conhecimento do assunto que eles tratavam e tinham sucesso através de manipulações sintáticas muito simples – ELIZA (65).

(12)

Uma Dose de Realidade

(1966-1974)

O segundo tipo de dificuldade:

a intratabilidade de muitos problemas que IA estava tentando resolver:

Os primeiros programas funcionavam somente porque os micromundos continham poucos objetos;

Antes que a teoria de problemas NP-completos fosse desenvolvida, se acreditava que o problema de se “escalar” para problemas maiores era simplesmente um problema de se ter hardware mais rápido.

O terceiro tipo de dificuldade:

limitações sobre as estruturas básicas usadas para gerar comportamento inteligente.

67

Lógica Proposicional

Processo de substituição de frases em linguagem natural para letras proposicionaise conectivos

lógicos

1. Ex: Se chove então Maria Angélica estuda o problema e se não faz frio Ana Laura está nadando

p: Maria Angélica estuda o problema

q: Ana Laura está nadando

r: chove

s: faz frio

 Encontrar conectivos:

(Se chove então Maria Angélica estuda o problema) e (se (não faz frio) então Ana Laura está nadando)

1. Substituir frases e conectivos: (r p) (¬s q)

Lógica Proposicional x Relacional

Dado o domínio dos filósofos:

Todos os homens são mortais

Platão é um homem

Provar que Platão é mortal usando resolução por meio de refutação (negação da conclusão)

Lógica Proposicional x Relacional

1. X homem(X) mortal (X)

2. homem(platão)

Deseja-se provar que mortal(Platão)

Passando para a forma clausal e aplicando o método da

resolução por refutação:

1. homem(X) mortal (X)

Premissa 1

2. homem(platão)

Premissa 2

3. mortal(platão)

Neg. Conclusão

4. mortal(platão)

de 1,2 θ= {X/platão}

5. []

de 3,4

SBCs: A Chave para o Poder?

(1969-1979)

O método de resolução de problemas usado na primeira década de IA:

Mecanismo de busca de propósito geral;

Chamados de métodos fracos porque usam pouca informação sobre o domínio;

Para domínios complexos, o desempenho é pobre.

A significância do programa Dendral (69):

Inferia a estrutura molecular de informações fornecidas por um espectrômetro de massa;

Foi o primeiro sistema a trabalhar com conhecimento intensivo: sua especialidade era derivada de um grande número de regras específicas.

71

SBCs: A Chave para o Poder?

(1969-1979)

Edward Feigenbaum e outros em Stanford começam a investigar a nova metodologia de sistemas especialistas;

A importância do conhecimento do domínio foi também 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;

Frames;

Redes Semânticas.

(13)

IA se Torna Comercial

(1980-1988)

O primeiro sistema especialista de sucesso comercial, R1, que ajudava a configurar ordens para novos computadores;

Em 1981, os japoneses anunciaram a “Quinta Geração”, um projeto de 10 anos para construção de

computadores inteligentes que executavam PROLOG.

73

O retorno das Redes Neurais e o

surgimento de outros paradigmas

(1986 - 1993)

Embora a Ciência da Computação tenha negligenciado o campo das redes neurais, o trabalho continuou em outros campos, particularmente na Física (1982);

Árvores de Decisão (1987);

Naive Bayes (1994 – Estudo comparativo com Redes Neurais e Árvores de Decisão);

Ao mesmo tempo, algumas desilusões sobre a aplicabilidade de sistemas especialistas começaram a surgir;

Muitos pesquisadores defendiam que uma nova abordagem a IA deveria ser baseada em Robótica. 74

Por trás da cena (1993 - 2001)

Com quase meio século de vida, a IA atingiu alguns de

seus resultados mais antigos;

Houve sucesso em áreas de tecnologia industrial;

Alguns dos progressos foram devidos ao avanços de hardware e foco em problemas específicos;

1997: Deep blue;

Ferramentas matemáticas sofisticadas;

Probabilidade e Teoria da Decisão: Bayesian Networks, Hidden Markov Models, Teoria da Informação, otimização clássica entre outros;

Descrições matemáticas precisas foram desenvolvidas para pardigmas como Redes Neurais e Algoritmos Evolucionários.

75

Deep learning, big data e outros

(2000–presente)

Acesso a grandes quantidades de dados (big data);

Computadores mais rápidos;

Métodos de Aprendizado de Máquina avançados;

Em 2016, o mercado de produtos contendo IA alcançou mais de 8 bilhões de dólares1;

Watson:

Sequenciamento de genoma;

Oncologia;

Cloud service;

Em 2020, 60% das aplicações de IA estarão sendo executadas sob plataformas de Amazon, Google, Microsoft e IBM.

76

1IDC Research Inc.

O que é IA?

O que a IA pode fazer por nós?

77

O que a IA pode fazer por nós?

CS221: Artificial Intelligence - Percy Liang 78

(14)

O que a IA pode fazer por nós?

79

CS221: Artificial Intelligence - Percy Liang

O que a IA pode fazer por nós?

80

O que a IA pode fazer por nós?

81

O que a IA pode fazer por nós?

82

O que a IA pode fazer por nós?

83

O que a IA pode fazer por nós?

84

(15)

O que a IA pode fazer por nós?

85

Muitas outras aplicações

 Busca na Web;  Reconhecimento de fala;  Extração de informação;  Sumarização de documentos;  Correção ortográfica;  Reconhecimento de imagens;  Reconstrução 3D de cenários;  Reconhecimento de atividade humana;  Recuperação de informação (por exemplo, música);

 Análise de redes sociais; ...  Recomendação de produtos;  Marketing;  Otimização de energia em Smart Grids;  Robótica: Doméstica; Cirurgia; Exploração.  Filtragem de spam;  Detecção de fraudes;  Diagnóstico de falhas;  Diagnóstico Médico;  Tratamento de imagens médicas; ... 86

Características da IA

Alto impacto social;

Multi e transdisciplinar; Complexa. 87

Áreas Relacionadas a IA

88

Considerações Finais

Se o cérebro [humano] fosse tão simples que pudéssemos compreendê-lo, nós seríamos tão simples que não o conseguiríamos. Lyall Watson, biólogo

Inteligência

(16)

Referências

 Material didático do Prof. José Augusto Baranauskas, Inteligência Artificial, Departamento de Física e Matemática – FFCLRP-USP.

 Material didático do Prof. Zhao Liang, Inteligência Artificial, Instituto de Ciências Matemáticas e de Computação – ICMC-USP.

 Material didático do Prof. Patrick H. Winston, Artificial Intelligence, Massachusetts Institute of Technology – MIT.

 Material didático do Prof. Percy Liang, Artificial Intelligence: Principles and Techniques, Stanford.

 https://www.nytimes.com/2016/10/17/technology/ibm-is- counting-on-its-bet-on-watson-and-paying-big-money-for-it.html?emc=edit_th_20161017&nl=todaysheadlines&nlid=6 2816440&_r=0 (Acesso em 10/04/2017).