1 – Introdução
Inteligência Artificial
Prof. Laurence Rodrigues do
Amaral
Introdução
• Durante milhares de anos, procuramos
entender como pensamos; isto é, como
podemos perceber, compreender, prever
e manipular um mundo muito maior e mais
complicado do que nós
• O campo da IA vai ainda mais além: ele
tenta não apenas compreender, mas
Introdução
• A IA é uma ciência recente (nasceu em 1956) e
juntamente com a Biologia Molecular, a IA é
citada regularmente como “o campo em que eu
mais gostaria de estar”
• Abrange uma enorme variedade de subcampos,
desde áreas de uso geral, como aprendizado e
percepção, até tarefas específicas como jogos
de xadrez, demonstração de teoremas
Introdução
• A IA sistematiza e automatiza tarefas
intelectuais e, portanto, é potencialmente
relevante para qualquer esfera da
atividade intelectual humana
• Boose (1994) afirmou que a IA é um
campo de estudo multidisciplinar e
interdisciplinar, que se apóia no
conhecimento e evolução de outras áreas
do conhecimento.
Introdução
• Para Boose (1994) a IA busca entender a mente humana e imitar seu comportamento, levantando questões tais como:
– Como ocorre o pensar?
– Como o homem extrai o conhecimento do mundo?
– Como a memória, os sentidos e a linguagem ajudam no desenvolvimento da inteligência?
– Como surgem as idéias?
– Como a mente processa informações e tira conclusões decidindo uma coisa ao invés de outra?
• São estas (e mais uma série) de perguntas que a IA precisa responder para simular o raciocínio humano e
Introdução
• O objetivo da IA é o estudo e a
modelagem da inteligência tratada como
um fenômeno
• A inteligência é algo extremamente
complexo, resultado de milhões de anos
de evolução
• Entendê-la não é tarefa fácil. Embora
existam muitas conclusões relevantes,
ainda há muito a ser desvendado
Definições
• Luger e Stubblefield
– IA é o ramo da computação preocupada com a automação de comportamento inteligente
• Winston
– IA como estudo da computação que torna possível perceber, raciocinar e agir
– IA é o estudo das idéias que permitem aos computadores serem inteligentes
• Feigenbaum
– IA é a parte da Ciência da Computação voltada para o
desenvolvimento de sistemas de computadores inteligentes, isto é, sistemas que exibem características, as quais associam-se
Principais áreas da IA
• Robótica
– Construção de dispositivos dotados de
alguma inteligência, que são capazes de
tomar algumas decisões
– Ex: Tarefas em águas profundas nas
Principais áreas da IA
• Visão por computador
– Desenvolver a capacidade de extrair
informações do ambiente a partir de imagens
obtidas a partir dele.
• Processamento de Linguagem Natural
– Dotar máquinas da aptidão de aprender
novas línguas
Principais áreas da IA
• Sistemas Especialistas
– São sistemas que a partir do processamento de uma base de conhecimento, conseguem fornecer
respostas sobre um determinado domínio ao usuário. – São usados na tomada de decisão:
• Medicina • Engenharia • Matemática • Administração
Principais áreas da IA
• Reconhecimento de Padrões
– Reconhecimento de faces, gestos, palavras escritas e faladas, e o próprio ambiente
– Está bastante relacionada com a área de Visão Computacional
• Base de dados inteligentes
– Adicionar às bases de conhecimento a habilidade de raciocinar, de modo que seja possível gerar novos resultados
– Usa várias técnicas de datamining (mineração de dados)
Principais áreas da IA
• Prova de Teoremas
– Consiste na definição de sequências lógicas
de ações, que levam de uma situação inicial
(hipótese) até o objetivo final (tese)
• Jogos
– Uso de estratégias e raciocínio, próprio de
seres inteligentes
Aplicações
• Ed - Robô da Petrobrás
–
http://www.ed.conpet.gov.br/br/converse.php
• Simples aplicação utilizando Algoritmos
Genéticos
– Implementação feita pelos alunos do grupo de IA – Aplicação
• DARPA Racing
Abordagens da IA
• Cognitiva
– Também denominada descendente ou simbolista
– Dá ênfase aos processos cognitivos (à forma como o ser humano raciocina)
– Objetiva encontrar uma explicação para
comportamentos inteligentes baseados em aspectos psicológicos e processos algorítmicos
– Pioneiros: John McCarthy, Marvin Minsky, Newel e Simon
Abordagens da IA
• Conexionista
– Também denominada biológica ou
ascendente
– Dá ênfase ao modelo de funcionamento do
cérebro, dos neurônios e das conexões
neurais
– Pioneiros: McCulloch, Pitts, Heldo, Rosenblatt
e Widrow
Modelos de IA
• Para Ganascia (1993), os principais
modelos de IA são:
– Algoritmos Genéticos
– Programação Evolutiva
– Lógica Fuzzy
– Sistemas Baseados em Conhecimento
– Raciocínio Baseado em Casos
– Programação Genética
– Redes Neurais Artificiais
Algoritmos Genéticos
• Modelo de Aprendizado de Máquina,
inspirado no livro Origem das Espécies,
de Charles Darwin
• Pertence à Computação Evolutiva
– Estratégia de evolução
– Programação Evolutiva
– Sistemas classificatórios
Programação Evolutiva
• Concebido por Fogel (1960)
• Assemelha-se aos AGs
• Dá maior ênfase na relação
comportamental entre os parentes e seus
descendentes
Lógica Fuzzy
• Pode ser chamada de Lógica Difusa ou
Nebulosa
• Foi estruturada por Lofti Zadeh na
Universidade da Califórnia em 1965
• Serve para representar, manipular e
Outros métodos...
• Sistemas Baseados em Regras
– São sistemas que implementam
comportamentos inteligentes de especialistas
humanos
• Programação Genética
– Construção de programas que visam imitar o
processo natural da genética
Outros métodos...
• Raciocínio Baseado em Casos
– Utiliza uma grande biblioteca de casos para
consulta e resolução de problemas
– Os problemas atuais são resolvidos através
de recuperação e consulta de casos já
solucionados e da consequente adaptação
das soluções encontradas
Redes Neurais Artificiais
• Possui várias denominações
– Redes Neuronais, Modelo Conexionista,
Neurocomputação, Modelo de Processamento Paralelo Distribuído, Sistemas Neuromórficos e Computadores Biológicos
• Classe de modelagem de prognóstico que
trabalha por ajuste repetido de parâmetro
• Consiste em um número de elementos
interconectados (neurônios) organizados em
camadas que aprendem pela modificação da
conexão firmemente conectando as camadas
Alan Turing
• Alan Mathison Turing
– Londres, 23 de Junho de 1912 — 7 de Junho de 1954
• Foi um matemático britânico
• Dedicava-se a teoremas que podiam ser
comprovados e à Teoria da Computabilidade.
• A sua preocupação depois de formado era o
que se poderia fazer através da computação.
Suas respostas iniciais vieram sob a forma
teórica.
Alan Turing
• Aos 24 anos de idade, consagrou-se com a
projeção de uma máquina que, de acordo com
um sistema formal, pudesse fazer operações
computacionais.
• Mostrou como um simples sistema automático
poderia manipular símbolos de um sistema de
regras próprias.
• A máquina teórica de Turing pode indicar que
sistemas poderosos poderiam ser construídos.
Alan Turing
• Tornou possível o processamento de símbolos,
ligando a abstração de sistemas cognitivos e a
realidade concreta dos números.
• Isto é buscado até hoje por pesquisadores de
sistemas com Inteligência Artificial (IA).
• Para comprovar a Inteligência Artificial ou não
de um computador, Turing desenvolveu um
teste, chamado de Teste de Turing
• Devido a todos esses feitos, Alan Turing é tido
como o Pai da Ciência da Computação.
Agindo de forma humana: a
abordagem do teste de Turing
• O teste de Turing, proposto por Alan
Turing (1950), foi projetado para fornecer
uma definição operacional satisfatória de
inteligência.
• Em vez de propor uma longa lista e talvez
controversa de qualificações exigidas para
inteligência, ele sugeriu um teste baseado
na impossibilidade de distinguir entre
Agindo de forma humana: a
abordagem do teste de Turing
• O computador passará no teste se um
interrogador humano, depois de propor
algumas perguntas por escrito, não
conseguir descobrir se as respostas
escritas vêm de uma pessoa ou não.
• Observamos que programar um
computador para passar no teste exige
muito trabalho!
Agindo de forma humana: a
abordagem do teste de Turing
• Capacidades que o computador precisaria ter:
– Processamento de Linguagem Natural
• Para permitir que ele se comunique com sucesso em um idioma natural
– Representação do Conhecimento
• Para armazenar o que sabe ou ouve
– Raciocínio Automatizado
• Para usar as informações armazenadas com a finalidade de responder a perguntas e tirar novas conclusões
– Aprendizado de Máquina
• Para se adaptar a novas circunstâncias e para detectar e extrapolar padrões
Teste de Turing Total
• Inclui sinal de vídeo, de forma que o
interrogador possa testar as habilidades
de percepção do assunto, além de
oferecer ao interrogador a oportunidade
de repassar objetos físicos “pela tela”.
Teste de Turing Total
• Para ser aprovado no teste o computador
precisará:
– As quatro características citadas
anteriormente
– Visão de computador
• Para perceber objetos
– Robótica
Teste de Turing
• Estas seis disciplinas compõem a maior parte
da IA
• Turing merece crédito por projetar um teste que
permanece relevante depois de 50 anos
• Ainda assim, os pesquisadores da IA tem
dedicado pouco esforço à aprovação no teste
de Turing, acreditando que é mais importante
estudar os princípios básicos da inteligência do
que reproduzir um exemplar
Unindo estas seis disciplinas
-DARPA Racing
• Wikipedia – DARPA Racing
– http://en.wikipedia.org/wiki/DARPA_Grand_Challenge – Link
•
RaceDay
•
TEAM INITECH
•
University of Florida
•
TerraHawk
•
Intel Magazine
DARPA Racing
• Videos
– Videos\30_hilite_2768K_Stream001.wmv – Videos\30_hilite_3768K_Stream002.wmv – Videos\DARPA_GCE_Highlights.wmv – Videos\FinalEvent.wmv – Videos\HighlanderCD001.wmv – Videos\KAT-5CD001.wmv – Videos\NQE_Part_1.wmv – Videos\NQE_Part_2.wmv – Videos\SandstormCD001.wmv – Videos\StanleyCD001.wmvOs Fundamentos da IA
• Breve histórico das disciplinas que
contribuíram com idéias, pontos de vista e
técnicas para a IA.
Os Fundamentos da IA
• Filosofia (de 428 a.C. até a atualidade)
– Regras formais podem ser usadas para obter
conclusões válidas?
– Como a mente (o intelecto) se desenvolve a
partir de um cérebro físico?
– De onde vêm o conhecimento?
Os Fundamentos da IA
• Matemática (cerca de 800 até a atualidade)
– Quais são as regras formais para obter conclusões válidas?
– O que pode ser computado?
– Como raciocinamos com informações incertas?
– Necessidade de uma formalização matemática em três áreas
• Lógica (conseguida por George Boole, que definiu os detalhes da Lógica Proposicional ou Lógica Booleana) • Computação
Os Fundamentos da IA
-Matemática
• Algoritmo
– Primeiro algoritmo não-trivial foi o algoritmo de Euclides para calcular o maior denominador comum.
• Teorema da Incompleteza
– Mostrou que, em qualquer linguagem suficientemente expressiva para descrever as propriedades dos números
naturais, existem afirmações verdadeiras que são indecidíveis no sentido de que sua verdade não pode ser estabelecida por qualquer algoritmo
– Ou seja, a demonstração de que existem algumas funções sobre inteiros que não podem ser representadas por um algoritmo, isto é, não podem ser calculadas
Os Fundamentos da IA
-Matemática
• Intratabilidade
– Um problema é chamado intratável se o tempo necessário para resolver instâncias do problema cresce exponencialmente com o tamanho das instâncias
– Crescimento exponencial significa que instâncias moderadamente grandes não podem ser resolvidas em qualquer tempo razoável
– Devemos dividir o problema global de geração de comportamento inteligente em subproblemas
Os Fundamentos da IA
-Matemática
• NP-Completeza
– Método para verificar se um problema é intratável ou não
– P, NP, NP-completo
• P consiste nos problemas que podem ser resolvidos em tempo polinomial
• A classe NP consiste nos problemas que são verificáveis em tempo polinomial
• Para os problemas nesta classe não foi encontrado nenhum algoritmo de tempo polinomial, nem foi provado que não pode existir um algoritmo de tempo polinomial
Os Fundamentos da IA
-Matemática
• Probabilidade
– É o estudo matemático das probabilidades
– Pierre Simon Laplace é considerado o
fundador da teoria das probabilidades
– Thomas Bayes (1702-1761)
• Propôs uma regra para atualizar probabilidades à luz de novas evidências
• A regras de Bayes e o campo resultante chamado análise bayesiana formam a base da maioria das abordagens modernas para raciocínio incerto em
Os Fundamentos da IA
• Economia (de 1776 até a atualidade)
– Como devemos tomar decisões para
maximizar o lucro?
– Como devemos fazer isso quando outros não
podem nos acompanhar?
– Como devemos fazer isso quando o lucro
pode estar distante no futuro?
Os Fundamentos da IA - Economia
• Teoria da Decisão
– Combina Teoria da probabilidade com a
Teoria da utilidade
– Fornece uma estrutura formal e completa
para decisões tomadas sob incerteza, ou
seja, em casos nos quais as descrições
probabilísticas captam de forma apropriada o
ambiente do tomador de decisões
Os Fundamentos da IA - Economia
• Teoria dos Jogos
– É um ramo da matemática aplicada que estuda situações estratégicas onde jogadores escolhem diferentes ações na tentativa de melhorar seu retorno.
– Finalmente, a teoria dos jogos despertou a atenção da ciência da computação que a vem utilizando em avanços na inteligência artificial e cibernética.
– A teoria dos jogos tornou-se um ramo proeminente da matemática nos anos 30 do século XX,
especialmente depois da publicação em 1944 de The Theory of Games and Economic Behavior de John von Neumann e Oskar Morgenstern.
Os Fundamentos da IA - Economia
• Pesquisa Operacional
– É um ramo interdisciplinar da matemática aplicada que faz uso de modelos matemáticos, estatísticos e de algoritmos na ajuda à tomada de decisões.
– É usada sobretudo para analisar sistemas complexos do mundo real, tipicamente com o objetivo de
melhorar ou otimizar a performance.
– Emergiu na Segunda Guerra Mundial dos esforços britânicos para otimizar instalações de radar e, mais tarde, encontrou aplicações civis em decisões
Os Fundamentos da IA - Economia
• Satisfação
– Criação de modelos baseados em satisfação
– A tomada de decisões “boas o suficiente”, em
vez de calcular laboriosamente uma decisão
ótima, forneciam uma descrição melhor do
comportamento real.
– Busca por soluções satisfatórias e não
soluções ótimas.
Os Fundamentos da IA
• Neurocência (de 1861 até à atualidade)
Neurocência (de 1861 até à
atualidade)
• Inserir Figura 1.3
• Os chips de computadores podem
executar uma instrução em um
nanossegundo, enquanto os neurônios
são milhões de vezes mais lentos
Neurocência (de 1861 até à
atualidade)
• Porém, os cérebros mais do que compensam
essa diferença, porque todos os neurônios
estão ativos ao mesmo tempo, enquanto a
maioria dos computadores atuais tem uma ou
no máximo algumas CPUs
• Desse modo, embora um computador seja um
milhão de vezes mais rápido em velocidade de
comutação bruta, o cérebro acaba sendo
Os Fundamentos da IA
• Psicologia (de 1879 até à atualidade)
– Como os seres humanos e os animais pensam e agem?
– Ciência Cognitiva - é normalmente definida como o estudo científico da mente ou da inteligência
• Teve início num seminário em 1956 no MIT (apenas dois meses depois do “nascimento” da IA)
• George Miller – The Magic Number Seven • Noam Chomsky – Three Models of Language • Allen Newell e Herbert Simon – The Logic Theory
Machine
• Mostraram como modelos de computadores podiam ser usados para tratar a psicologia da memória, a
Os Fundamentos da IA
• Engenharia de Computação (de 1940 até
à atualidade)
– Como podemos construir um computador
eficiente?
– Para a IA ter sucesso, precisamos de
inteligência e de um artefato, o computador
tem sido o artefato preferido
Os Fundamentos da IA
• Teoria de Controle e Cibernética (de 1948 até à
atualidade)
– Como os artefatos podem operar sob seu controle próprio?
– Teoria de Controle
• Trata da modelagem matemática de dispositivos a serem controlados (por exemplo um braço mecânico), isto é, são feitas análises e controles para se obter uma resposta final, captando dados por meio de sensores e dispositivos
• Modificar seu comportamento em resposta a mudanças no ambiente
• Foi fundamental no sucesso do projeto Apollo, no
desenvolvimento dos jatos F-16, e mais recentemente no continuado sucesso do ônibus espacial americano e outros
Teoria de Controle e Cibernética
(de 1948 até à atualidade)
• Cibernética
– A palavra Cibernética foi cunhada por Norbert Wiener (1894-1964) em 1948 como o nome de uma nova ciência que visava à compreensão dos fenômenos naturais e artificiais através do estudo dos processos de comunicação e
controle nos seres vivos, nas máquinas e nos processos sociais.
Teoria de Controle e Cibernética
(de 1948 até à atualidade)
• Função Objetivo
– É uma função que mede o quão bom é uma
dada solução para um determinado problema
– Objetivo é criar sistemas que maximizam uma
Os Fundamentos da IA
• Linguística (de 1957 até à atualidade)
– Como a linguagem se relaciona ao pensamento? – Linguística Moderna e a IA “nasceram”
aproximadamente na mesma época e cresceram juntas
– Linguística Computacional (Processamento de Linguagem Natural)
• Subárea da IA e da Linguística que estuda os problemas da geração e compreensão automática de línguas humanas naturais
• É mais complexo do que se imaginava, pois exige a compreensão do assunto e do contexto, não apenas da
História da IA
• A gestação da IA (1943 - 1955)
– 1° trabalho foi realizado por Warren
McCulloch e Walter Pitts
– Propuseram um modelo de neurônios
artificiais
• Fisiologia básica e da função dos neurônios no cérebro
• Análise formal da lógica proposicional criada por Russel e Whitehead
A gestação da IA (1943 - 1955)
• Turing quem primeiro articulou uma visão
completa da IA em 1950, no artigo
Computing Machinery and Intelligency
– Teste de Turing
– Aprendizagem de Máquina
– Algoritmos Genéticos
História da IA
• O nascimento da IA (1956)
– Seminário em Dartmouth College no verão de 1956
• Teoria dos Autômatos, Redes Neurais e no estudo da Inteligência
– McCarthy, Minsky, Claude Shannon, Nathaniel Rochester
• Organizaram o simpósio de 2 meses
– Trenchard More (Princeton University) – Arthur Samuel (IBM)
– Ray Solomonoff e Oliver Selfridge (MIT)
Pioneiros da IA
O nascimento da IA (1956)
• Porque criar um novo campo? Porque não
colocar IA dentro de Teoria de Controle?
Pesquisa Operacional? Teoria da
Decisão? Ou como um ramo da
Matemática?
O nascimento da IA (1956)
• 1) Porque IA abraçou desde o início a idéia de
reproduzir faculdades humanas como
criatividade, auto-aperfeiçoamento e uso da
linguagem e nenhum dos outros campos tratava
dessas questões
• 2) Metodologia – IA é o único desses campos
que é claramente um ramo da Ciência da
Computação
• 3) IA é o único campo a tentar construir
História da IA
• Entusiasmo inicial, grandes expectativas
(1952-1969)
– Na IBM, Nathaniel Rochester e seus colegas
produziram alguns dos primeiros programas
de IA
– Herbert Gelernter (1959) construiu o
Geometry Theorem Prover
Entusiasmo inicial, grandes
expectativas (1952-1969)
• 1958
– McCarthy saiu de Dartmouth para o MIT
– Definiu a linguagem de alto nível Lisp
– Criou o Compartilhamento de Tempo (ou
Time Sharing)
– Publicou o artigo Programs with common
sense
• Advice Taker – programa hipotético que pode ser visto como o primeiro sistema de IA completo
Entusiasmo inicial, grandes
expectativas (1952-1969)
• 1958
– Marvin Minsky foi para o MIT
– Parceria entre McCarthy e Minsky não durou muito
• McCarthy enfatizava a representação e o raciocínio em
lógica formal, enquanto Minsky estava mais interessado em fazer os programas funcionarem.
• 1963
– McCarthy foi para Stanford e fundou o laboratório de IA.
História da IA
• Uma dose de realidade (1966-1973)
– Declaração de Herbert Sinom em 1957
– “Não é meu objetivo surpreendê-los ou chocá-los – mas o modo mais simples de resumir tudo isso é dizer que agora existem no mundo máquinas que pensam, aprendem e criam. Além disso, sua
capacidade de realizar estas atividades está
crescendo rapidamente até o ponto – em um futuro visível – no qual a variedade de problemas com que elas poderão lidar será correspondente à variedade de problemas com os quais lida a mente humana”
Uma dose de realidade
(1966-1973)
• O excesso de confiança de Simon se devia ao
desempenho promissor dos primeiros sistemas de IA em exemplos simples
• Contudo, em quase todos os casos, esses primeiros sistemas acabaram falhando desastrosamente quando foram experimentados em conjuntos de problemas mais extensos ou em problemas mais difíceis
– Projetos de traduções de textos russos
– Incapacidade de conviver com a “explosão combinatória”
– Limitações fundamentais nas estruturas básicas que estavam sendo utilizadas para gerar o comportamento inteligente
História da IA
• Sistemas baseados em conhecimento: a
chave para o poder? (1969-1979)
– DENDRAL – primeiro sistema bem-sucedido
de conhecimento intensivo
• Padrões de picos no espectro que sugerissem subestruturas comuns em moléculas (química analítica)
• Havia a separação clara entre o conhecimento (na forma de regras) e o componente de raciocínio
– Incorporaram o tema principal da abordagem de McCarthy no Advice Taker
Sistemas baseados em
conhecimento
• Feigenbaum e outros pesquisadores de
Stanford
– Iniciaram o Heuristic Programming Program (HPP)
• Investigar até que ponto a nova metodologia de sistemas especialistas poderiam ser aplicadas a outras áreas do conhecimento humano.
– Desenvolveram o MYCIN
• Diagnóstico de doenças sanguíneas • Continha cerca de 450 regras
• Foi capaz de se sair tão bem quanto alguns especialistas e muito melhor do que médicos em início de carreira
Sistemas baseados em
conhecimento
• O enorme crescimento das aplicações para resolução de problemas reais causou um aumento simultâneo na demanda por esquemas utilizáveis de representação de conhecimento
• Foi desenvolvido um grande número de diferentes linguagens de representação e raciocínio
• Prolog foi desenvolvido na Europa e a família PLANNER nos USA (baseados na lógica)
• Seguindo a idéia de frames de Minsky (1975), adotaram uma abordagem mais estruturada, reunindo fatos sobre tipos específicos de objetos e eventos, organizando os tipos em uma grande hierarquia taxonômica análoga a uma taxonomia biológica
História da IA
• A IA torna uma indústria (de 1980 até a
atualidade)
– R1 (primeiro SE comercial bem sucedido)
• Iniciou sua operação na Digital Equipament Corporation
• Ajudou a configurar pedidos de novos sistemas de computadores;
• Em 1986 fez a empresa economizar cerca de $40 milhões
A IA torna uma indústria
(de 1980 até a atualidade)
• Em 1981, os japoneses anunciaram o projeto Fifth Generation, um plano de 10 anos para montar
computadores inteligentes que utilizassem Prolog • Os USA criaram o consórcio Microelectronics and
Computer Technology Corporation (MCC)
• A IA estava presente em ambos, no projeto de chips e na pesquisa em interface humana
• Nunca atenderam a suas metas ambiciosas
• A indústria da IA se expandiu de alguns milhões de dólares (1980) para bilhões de dólares em 1988.
• Logo após veio o “inverno da IA”, em que muitas
empresas sofreram à medida que deixaram de cumprir promessas extravagantes
História da IA
• O retorno das redes neurais (de 1986 até
a atualidade)
– Grande parte da ciência da computação havia
abandonado, no final dos anos 70, o campo
das redes neurais
– Retorno, na metade da década de 80, em
quatro grupos do estudo das RN.
O retorno das redes neurais (de
1986 até a atualidade)
• Os chamados sistemas conexionistas
para sistemas inteligentes eram vistos por
alguns como concorrentes diretos dos
modelos simbólicos
• Atualmente, concorda-se que as
abordagens conexionista e simbólica são
complementares, e não concorrentes
História da IA
• A IA torna-se uma ciência (de 1987 até a
atualidade)
– Revolução no trabalho em IA, tanto no
conteúdo quanto na metodologia
– É mais comum usar as teorias existentes
como bases, em vez de propor teorias
inteiramente novas, fundamentar as
afirmações em teoremas rigorosos ou a
evidência experimental rígida
A IA torna-se uma ciência
(de 1987 até a atualidade)
• Nos anos 80, grande parte do trabalho em RN foi
realizada na tentativa de definir a abrangência do que poderia ser feito e de aprender como as RN diferem das técnicas “tradicionais”
• Metodologia aperfeiçoada e estruturas teóricas, as RN podem ser comparadas a técnicas correspondentes da estatística, do reconhecimento de padrões e do
aprendizado de máquina
• Como resultado deste desenvolvimento, a tecnologia
denominada Mineração de Dados (ou Datamining) gerou uma nova e vigorosa indústria
A IA torna-se uma ciência
(de 1987 até a atualidade)
• Redes bayesianas
– Foi criado para permitir a representação eficiente do conhecimento incerto e o raciocínio rigoroso com a utilização deste tipo de conhecimento
– Esta abordagem supera amplamente muitos
problemas dos sistemas de raciocínio probabilístico das décadas de 60 e 70
– Ele domina a pesquisa em IA sobre raciocínio incerto e sistemas especialistas
– A abordagem admite o aprendizado a partir da
História da IA
• O surgimento de agentes inteligentes (de 1995
até a atualidade)
– SOAR é o exemplo mais conhecido de uma arquitetura completa de agente
– Objetivo é entender o funcionamento interno dos agentes incorporados a ambientes reais com
entradas sensoriais contínuas
– Um dos ambientes mais importantes para agentes inteligentes é a Internet
– As tecnologias da IA servem de base a muitas ferramentas da Internet, como mecanismos de
pesquisa, sistemas de recomendação e sistemas de construção de websites
