Introdução à Inteligência Artificial_04

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!