Baixe o app para aproveitar ainda mais
Prévia do material em texto
WBA0869_v1.0 Introdução à Inteligência Artificial Aplicações a partir dos princípios da inteligência artificial Processamento de linguagem natural Bloco 1 Marcelo Henrique dos Santos Processamento de linguagem natural • Hutter (2004) realizou pesquisas altamente focadas na inteligência artificial (IA), apontando que precisamos examinar mais de perto essa abordagem à procura de teorias que guiem nossa busca por algoritmos, que meçam a capacidade de um agente de atingir objetivos em uma ampla gama de ambientes, cujos campos de pesquisa relevantes são: ciência da computação, engenharia, economia, matemática, psicologia e filosofia. Processamento de linguagem natural • A linguagem é um método de comunicação com a ajuda do qual podemos falar, ler e escrever. Por exemplo, pensamos, tomamos decisões, planos e muito mais em linguagem natural – precisamente, em palavras. • No entanto, a grande questão que nos confronta nessa era da IA é que podemos realizar uma comunicação de maneira semelhante com os computadores. Em outras palavras, os seres humanos podem comunicar-se com computadores em sua linguagem natural? • É um desafio para desenvolvermos a partir dos princípios do processamento de linguagem natural. Figura 1 – Representação do processo de detecção de som. Fonte: Christoph Burgstedt/iStock.com. Processamento de linguagem natural • O Processamento de Linguagem Natural (Natural Language Processing – NLP) é um recurso da Inteligência Artificial e da Linguística, dedicado a fazer com que os computadores entendam as declarações ou palavras escritas em línguas humanas. Figura 2 – Representação da utilização do reconhecimento de voz Fonte: B4LLS/iStock.com. Processamento de linguagem natural • O processamento de linguagem natural surgiu para facilitar o trabalho do usuário e para satisfazer o desejo de se comunicar com o computador em linguagem natural. • Uma linguagem pode ser definida como um conjunto de regras ou de símbolos. Os símbolos são combinados e usados para transmitir informações. • O processamento de linguagem natural pode ser classificado basicamente em duas partes, ou seja, compreensão natural da linguagem e geração de linguagem natural, que evolui a tarefa para compreender e gerar o texto. Processamento de linguagem natural • Os projetos que utilizam os princípios do NLP são do subcampo da ciência da computação, especialmente IA, que se preocupa em habilitar os computadores para compreender e processar a linguagem humana. Figura 3 – Representação da utilização do reconhecimento de voz Fonte: Irina Vodneva /iStock.com. Processamento de linguagem natural • Dividimos a história do NLP em quatro fases, as quais têm preocupações e estilos distintos. Figura 4 – Representação da utilização do reconhecimento de voz Fonte: JIRAROJ PRADITCHAROENKUL/iStock.com. Processamento de linguagem natural Primeira fase (fase de tradução automática) – Final dos anos 1940 até final dos anos 1960 • O trabalho realizado nessa fase incidiu principalmente na tradução automática. Foi um período de entusiasmo e otimismo. • A pesquisa sobre NLP começou no início dos anos 1950, após a investigação de Booth & Richens e o memorando de Weaver sobre tradução automática em 1949. • Em 1954 foi realizada uma experiência limitada na tradução automática do russo para o inglês. Processamento de linguagem natural Segunda fase (fase influenciada pela IA) – Final dos anos 1960 até final dos anos 1970 • Nessa fase, o trabalho realizado relacionou-se fundamentalmente com o conhecimento do mundo e com seu papel na construção e manipulação de representações de sentido. • No início de 1961, o trabalho começou com os problemas de endereçamento e construção de dados ou base de conhecimento, tendo sido influenciado pela IA. • No mesmo ano, também foi desenvolvido um sistema de perguntas e respostas BASEBALL. Processamento de linguagem natural Terceira fase (fase gramático-lógica) – Final dos anos 1970 até final dos anos 1980 • Essa fase pode ser descrita como a gramático-lógica. Devido ao fracasso da construção de um sistema prático na última fase, os pesquisadores avançaram para o uso da lógica para a representação do conhecimento e raciocínio em IA. • A abordagem gramático-lógica, no final da década, ajudou com poderosos processadores de frases de uso geral, como o Core Language Engine da SRI e a Teoria da Representação do Discurso, que ofereceu um meio de abordar mais o discurso estendido. Processamento de linguagem natural Quarta Fase (Fase Lexical e Corpus) – Década de 1990 • Podemos descrever essa fase como lexical e corpus. Teve uma abordagem lexicalizada para a gramática que apareceu no final dos anos 1980 e se tornou uma influência crescente. • Havia uma revolução no processamento de linguagem natural nessa década com a introdução do algoritmos de máquina de aprendizagem para processamento de linguagem. Aplicações a partir dos princípios da inteligência artificial Robótica Bloco 2 Marcelo Henrique dos Santos Robótica • A robótica é um campo integrativo interdisciplinar, na confluência de várias áreas, que vão da engenharia mecânica e elétrica à teoria do controle e ciência da computação, com extensões recentes em direção à física material, bioengenharia ou ciências cognitivas. • A interseção IA-Robótica é muito rica e abrange questões como: ação deliberada; planejamento, atuação, monitoramento e raciocínio objetivo; perceber, modelar e compreender ambientes abertos; interagir com humanos e outros robôs; e integrar essas funções de forma adaptável (arquitetura resiliente). Robótica • A IA continuou batendo todos os recordes e superando muitos desafios que eram impensáveis há menos de uma década. A combinação desses avanços continuará a remodelar nossa compreensão sobre inteligência robótica em muitos novos domínios. Figura 5 – Robô cirúrgico na sala de operação Fonte: PhonlamaiPhoto/iStock.com. Robótica • Com base nos avanços da mecatrônica, da engenharia elétrica e da computação, a robótica está se desenvolvendo e as funções estão cada vez mais sofisticadas, dando às máquinas a capacidade de se adaptar às constantes mudanças do meio. • Até agora, o sistema de produção industrial foi organizado em torno da máquina e é calibrado de acordo com seu ambiente e suas variações mínimas toleradas. Hoje, ele pode ser integrado mais facilmente a um meio ambiente. Robótica • Esse nível de inteligência pode ser medido como sendo a capacidade de prever o futuro, seja no planejamento de uma tarefa ou interagindo (pela manipulação ou navegação) com o mundo. • Apesar de criar um sistema exibindo a inteligência humana, permanece indescritível, pois os robôs podem realizar tarefas autônomas especializadas, como dirigir um veículo; sobrevoar ambientes naturais e artificiais; praticar esportes, como a natação; carregar caixas e materiais em diferentes terrenos; pegar objetos e colocá-los no chão. Robótica • Outra aplicação importante da IA em robótica é para a tarefa de percepção. Os robôs podem sentir o ambiente por meio de sensores integrados ou visão computacional. • Na última década, sistemas de computador melhoraram a qualidade desses sensores e da visão. A percepção não é importante apenas para o planejamento, mas também para criar um senso artificial de autoconsciência no robô. Isso permite suportar interações com o robô com outras entidades no mesmo ambiente. Robótica • Esta disciplina é conhecida como robótica social e Abrange dois grandes domínios: interações homem-robô (HCI – human-robot interactions) e robótica cognitiva. • A visão da HCI é para melhorar a percepção robótica dos humanos, como na compreensão de atividades, emoções e comunicações não verbais, e torna-lo capaz de navegar em um ambiente junto com os humanos. Figura 6 – Representação da utilização da robótica na Indústria4.0 Fonte: ipopba/iStock.com. Robótica • O campo da robótica cognitiva se concentra em fornecer robôs com a capacidade autônoma de aprender e adquirir conhecimentos de níveis sofisticados de percepção com base na imitação e na experiência. • Tem como objetivo imitar o sistema cognitivo humano, que regula o processo de aquisição de conhecimento e compreensão, por meio da experiência e sensorização. • Na robótica cognitiva, também existem modelos que incorporam a motivação e a curiosidade para melhorar a qualidade e a velocidade de aquisição de conhecimento por meio da aprendizagem. Robótica • Muitas aplicações de robótica não requerem recursos de deliberação, como: robôs na fabricação e outros bem modelados a partir de determinados ambientes; aspirador de pó e outros dispositivos limitados a uma única tarefa; robôs cirúrgicos. A deliberação é uma funcionalidade crítica para um robô autônomo que enfrenta uma variedade de ambientes e uma diversidade de tarefas. • Várias funções podem ser necessárias para agir deliberadamente. As fronteiras entre essas funções pode depender de implementações e arquiteturas específicas, mas é esclarecedor distinguir cinco funções de deliberação. Robótica • Planejamento: combina previsão e busca para sintetizar uma trajetória em um espaço de ação abstrato, usando modelos preditivos de ações viáveis e de ambiente. • Atuação: implementa feedback de circuito fechado on- line. As funções processam fluxos de estímulos de sensores para comandos de atuadores, a fim de refinar e controlar a realização das ações planejadas. • Perceber: extrai recursos do ambiente para identificar estados, eventos e situações relevantes para a tarefa. Combina a detecção de baixo para cima, de sensores a dados significativos, com foco de cima para baixo (mecanismos), ações de sensoriamento e planejamento. Robótica • Monitoramento: compara e detecta discrepâncias entre previsões e observações, realiza o diagnóstico e aciona ações de recuperação. • Raciocínio de metas: mantém os compromissos atuais e objetivos em perspectiva, avaliando sua relevância dadas as evoluções, as oportunidades, as restrições ou as falhas observadas; decide sobre os compromissos a serem abandonados e sobre as metas a serem atualizadas. Aplicações a partir dos princípios da inteligência artificial Visão computacional Bloco 3 Marcelo Henrique dos Santos Visão computacional • A visão computacional tem objetivo duplo. Do ponto de vista da ciência biológica, visa criar modelos computacionais do sistema visual humano; e, do ponto de vista da engenharia, visa construir sistemas autônomos que poderiam realizar algumas das tarefas realizadas pelo sistema visual humano, podendo até mesmo superá-lo em muitos casos. Figura 7 – Representação da utilização dos princípios da Visão Computacional Fonte: Kazim Yilmaz /iStock.com. Visão computacional • Muitas tarefas estão relacionadas à extração de informações 3D e temporais de dados 2D variáveis no tempo, como obtido por uma ou mais câmeras de televisão, e, mais geralmente, a compreensão de tais cenas dinâmicas. Figura 8 – Representação da utilização dos princípios da Visão Computacional Fonte: Ekkasit919/iStock.com. Visão computacional As propriedades e características do ser humano • O sistema visual costuma dar inspiração aos engenheiros que estão projetando sistemas de visão computacional. • Por outro lado, algoritmos de visão de computador podem oferecer insights sobre como o sistema visual humano funciona. Figura 9 – Representação do Conceito de visão e de inteligência artificial Fonte: vchal/iStock.com. Visão computacional História da Visão Computacional • É comumente aceito que o pai da Visão Computacional é Larry Roberts, que, em 1960, discutiu as possibilidades de extrair informações geométricas 3D de vistas em perspectiva 2D de blocos (poliedros). • Muitos pesquisadores do Massachusetts Institute of Technology (MIT) e de outros lugares acompanharam esse trabalho e estudaram sobre a visão computacional no contexto dos blocos. Mais tarde, perceberam que era necessário lidar com imagens do mundo real. Assim, era necessário pesquisar nas chamadas tarefas de visão como detecção de bordas e segmentação. Visão computacional História da Visão Computacional • Um marco importante foi a estrutura proposta por David Marr em 1978 (no MIT), que adotou uma abordagem ascendente para a compreensão da cena. • Os algoritmos de processamento de imagem de baixo nível são aplicados a imagens 2D para obter o “esboço primal” (segmentos de borda direcionados etc.), a partir dos quais um esboço 2,5 D da cena é obtido usando binóculo estéreo. • Finalmente, técnicas de alto nível (análise estrutural, conhecimento a priori) são usadas para obter as representações 3D de modelo dos objetos na cena. Visão computacional Por que a visão do computador é difícil? • A Visão Computacional como campo de pesquisa é notoriamente difícil e quase nenhum problema de pesquisa foi resolvido de forma satisfatória. Uma das principais razões para essa dificuldade se deve ao fato de o sistema visual humano ser excelente para realizar diversas tarefas (ex.: reconhecimento facial), enquanto os sistemas de visão computacional sofrem para realizar uma comparação adequada. Figura 10 – Representação da aplicação da visão computacional Fonte: Prostock-Studio/iStock.com. Visão computacional Por que a visão do computador é difícil? • Um ser humano pode reconhecer rostos sob todos os tipos de variações de iluminação, ponto de vista, expressão etc. Na maioria dos casos, não temos dificuldade em reconhecer um amigo em uma fotografia tirada há muitos anos, por exemplo. • Além disso, parece não haver limite de quantas faces podemos armazenar em nossos cérebros para reconhecimento futuro. • Parece não haver esperança na construção de um sistema autônomo com tal desempenho. Visão computacional Por que a visão do computador é difícil? Podem ser identificadas duas dificuldades principais relacionadas à visão computacional: 1. Como podemos destilar e representar a vasta quantidade de conhecimento humano em um computador de tal maneira que a recuperação seja fácil e rápida? 2. Como realizamos (em hardware e software) a vasta quantidade de computação que é frequentemente exigida de tal forma que a tarefa (como reconhecimento de rosto) possa ser realizada em tempo real? Visão computacional Aplicação da visão computacional: passado, presente e futuro • As aplicações que utilizam os princípios da visão computacional incluem: navegação autônoma, robótica, montagem e inspeções industriais. • A principal dificuldade é que os algoritmos de visão por computador são quase todos frágeis; podem funcionar em alguns casos, mas não em outros. Visão computacional • Banco de dados de imagem/vídeo: indexação e recuperação baseada em conteúdo de imagem. • Interface humano-computador baseada na visão: por exemplo, usando gestos (combinados com a fala) na interação com ambientes virtuais. • Agente/ ator virtual: gerando cenas de uma pessoa sintética com base em parâmetros extraídos de sequências de vídeo de uma pessoa real. É encorajador ver que vários pesquisadores em visão computacional já começaram a se aprofundar para o desenvolvimento desses aplicativos e outros relacionados. Teoria em Prática Bloco 4 Marcelo Henrique dos Santos Reflita sobre a seguinte situação O desenvolvimento tecnológico, e em particular a digitalização, tem implicações importantes para os mercados de trabalho. Avaliar seu impacto será crucial para o desenvolvimento de políticas que promovam mercados de trabalho eficientes para o benefício dos trabalhadores, dos empregadores e das sociedades como um todo. As inovações tecnológicas podem afetar o emprego de duas formas principais: • Deslocando diretamente os trabalhadores das tarefasque ocupavam anteriormente (efeito de deslocamento). • Aumentando a demanda por mão de obra nas indústrias ou empregos que surgem devido ao progresso tecnológico (efeito produtividade). Reflita sobre a seguinte situação Diante desse cenário, a equipe de Recursos Humanos contratou você para prestar uma consultoria com o objetivo de observar o impacto que a integração dos recursos da IA irá causar nos funcionários de uma empresa multinacional. Você deverá gerar um relatório para orientar aqueles funcionários que desenvolvem alguma tarefa que poderá ser automatizada, para que eles possam ser treinados e preparados para essa nova realidade. Como você responderia à solicitação para construir o relatório? Norte para a resolução... A tecnologia pode substituir o trabalho humano em tarefas rotineiras, sejam manuais ou cognitivas, mas, por enquanto, não pode substituir o trabalho humano em tarefas não rotineiras. Figura 11 – Representação da utilização de robôs Fonte: sompong_tom/iStock.com. Norte para a resolução... O impacto da tecnologia leva ao aumento da: • Demanda relativa de empregos qualificados e bem pagos, que normalmente exigem habilidades cognitivas não rotineiras. • Demanda relativa de pessoas de baixa renda, em empregos menos qualificados, que normalmente requerem habilidades manuais não rotineiras. Figura 12 – Representação da utilização de robôs (aspirador de pó) Fonte: imaginima/iStock.com. Norte para a resolução... Ao mesmo tempo, a demanda por empregos "médios", que têm as habilidades manuais e cognitivas de rotina normalmente exigidas, cairá. Os autores chamam esse processo de polarização do trabalho. Figura 13 – Representação da utilização de robôs Fonte: onurdongel/iStock.com. Norte para a resolução... • A qualidade do capital humano também desempenha um papel crucial. A capacidade dos indivíduos para usar os avanços tecnológicos em benefício de seu trabalho requer o desenvolvimento de habilidades digitais específicas por meio de políticas bem definidas. • Isso destaca a importância de usar instrumentos adequados para garantir que os trabalhadores estejam bem preparados para aproveitar as forças disruptivas das tecnologias digitais. Dica do(a) Professor(a) Bloco 5 Marcelo Henrique dos Santos Dica do(a) Professor(a) Filme: Matrix (1999) • Os humanos nessa história eram sustentados por um sistema abrangente de máquinas e tubos que atendiam a suas necessidades físicas, enquanto um jogo de realidade virtual ainda mais abrangente atendia a suas necessidades emocionais. Figura 14 – Print do Trailer do Filme Fonte: captura de tela de https://www.youtube.com/watch?v=m8e- FF8MsqU. Acesso em: 12 jan. 2021. Dica do(a) Professor(a) Artigo: A utilização de robótica nas disciplinas da educação básica • O artigo apresenta algumas atividades propostas para aplicação da robótica educacional em algumas disciplinas da educação básica, mostrando como pode ser realizada a interação aluno versus robô. Referências COPPIN, B. Inteligência artificial. Rio de Janeiro: Grupo Gen-LTC, 2015. HUTTER, M. Universal Artificial Intelligence philosophical: mathematical, and computational foundations of inductive inference and intelligent agents the learn. 2004. Disponível em: http://www.hutter1.net/ai/suaibook.pdf. Acesso em: 11 jan. 2021. MCKINNEY, W. Python para Análise de Dados. São Paulo: Novatec, 2018. RUSSEL, S.; NORVIG, P. Inteligência Artificial. 3 ed. Rio de Janeiro: Campus, 2013. SANTOS, Tatiana; POZZEBON, Eliane; FRIGO, Luciana. A utilização de robótica nas disciplinas da educação básica. 2013 Disponível em: https://www.researchgate.net/publication/331330144_A_UTILIZACAO _DE_ROBOTICA_NAS_DISCIPLINAS_DA_EDUCACAO_BASICA. Acesso em: 12 jan. 2021. Bons estudos! Introdução à Inteligência Artificial Aplicações a partir dos princípios da inteligência artificial Processamento de linguagem natural Processamento de linguagem natural Processamento de linguagem natural Processamento de linguagem natural Processamento de linguagem natural Processamento de linguagem natural Processamento de linguagem natural Processamento de linguagem natural Processamento de linguagem natural Processamento de linguagem natural Aplicações a partir dos princípios da inteligência artificial Robótica Robótica Robótica Robótica Robótica Robótica Robótica Robótica Robótica Robótica Aplicações a partir dos princípios da inteligência artificial Visão computacional Visão computacional Visão computacional Visão computacional Visão computacional Visão computacional Visão computacional Visão computacional Visão computacional Visão computacional Teoria em Prática Reflita sobre a seguinte situação Reflita sobre a seguinte situação Norte para a resolução... Norte para a resolução... Norte para a resolução... Norte para a resolução... Dica do(a) Professor(a) Dica do(a) Professor(a) Dica do(a) Professor(a) Referências Bons estudos!
Compartilhar