Baixe o app para aproveitar ainda mais
Prévia do material em texto
Inteligência Artificial Aula 01 – Paradigmas da Inteligência Artificial Profa. Rafaella Nascimento rafaellalnascimento@fac.pe.senac.br Inteligência Artificial O que é Inteligência Artificial (IA)? • Busca formas para softwares desempenharem tarefas simples para seres humanos, mas complexas para uma máquina. • IA é um campo de estudo. • É uma área ampla, englobando várias outras ciências, como estatística, matemática e computação. • A IA está relacionada à superação do pensamento e ação humana, gerando novos modos de solução e otimização. • Ela unifica o pensamento humano com a inteligência de dados e algoritmos. Inteligência Artificial O que é Inteligência Artificial (IA)? É a área da Computação que estuda como simular comportamento inteligente usando métodos computacionais. Mem oriz ação Apre ndiz ado Açã o Proc essa men to Prec isão Inte raçã o Paradigmas da Inteligência Artificial • exemplo geral • conjunto de formas • modelo de algo • uma visão • um perspectiva de entender algo • sistema de pensamento • forma de fazer as coisas ou seja… Paradigmas da Inteligência Artificial • Simbólico: metáfora linguística – ex. sistemas de produção, jogos, calculadora... • Conexionista: metáfora cerebral – ex. redes neurais, reconhecimento de texto, imagens… • Evolucionista: metáfora da natureza – ex. algoritmos genéticos, antenas de comunicação... • Estatístico/Probabilista – ex. Redes Bayesianas, sistemas difusos, definição de perfis, otimização logística... Paradigma Simbólico Paradigmas da Inteligência Artificial A abordagem simbólica dá ênfase aos processos cognitivos, ou seja, os métodos simbólicos em IA, procuram emular o raciocínio do ser humano na solução de problemas. Paradigmas da Inteligência Artificial Paradigmas da Inteligência Artificial • A linguagem é um exemplo de sistema simbólico. • As palavras são símbolos que representam: objetos relações Eventos • Quando as palavras são combinadas, podem descrever, explicar situações do mundo real. Paradigmas da Inteligência Artificial Paradigma Simbólico • Possui forma de Expressões Lógicas, “SE – ENTÃO”, Regras de produção, Árvores de Decisão... • Capacidade de aprendizado limitada • Sistemas especialistas Paradigmas da Inteligência Artificial Paradigma Simbólico In te rfa ce d o U su ár io Base do Conhecimento Motor de Inferência Sistema Especialista Conhecimento de um Especialista Usuário não Especialista Consulta Informação Paradigmas da Inteligência Artificial Paradigma Simbólico Resolvendo problemas: • Decisão constitui reflexos simples ou de representação complexa do mundo (estados internos) com raciocínio. • As ações geram passagem do estado A para o estado B. • Solução -> do estado existente para o estado ideal. • Explorar o espaço de estados tem custo computacional. Estado Atual/Nó raiz Próximo Estado Nó folha Nó folha Nó folha Nó folha Nó folha Determinismo? Criatividade? Autonomia? Paradigmas da Inteligência Artificial Paradigma Simbólico Os métodos simbólicos são baseados em: • técnicas de representação do conhecimento necessário para resolver o problema e • em mecanismos capazes de inferir soluções ou novos conhecimentos através da manipulação do conhecimento representado. Paradigma Conexionista Paradigmas da Inteligência Artificial Definição Romântica: Abordagem inspirada no funcionamento do cérebro, em que neurônios artificiais, conectados em rede, são capazes de aprender e de generalizar. Definição Matemática: Abordagem de aproximação de funções por regressão não linear. Sinapses terminaisDentritos AxôniosNúcleo celular Corpo celular Paradigmas da Inteligência Artificial Paradigma Conexionista • Baseada na simulação dos componentes do cérebro (modelagem da inteligência humana) e o principal exemplo são as redes neurais. • Surgiu em 1943. • No início as contribuições eram limitadas pelo fato de que eram necessários muitos recursos de hardware que não estavam disponíveis. • Hoje temos as chamadas redes profundas (deep learning) que podem ser consideradas uma grande evolução das redes neurais. • Hoje em dia esse é um dos principais padrões de aprendizagem. Paradigmas da Inteligência Artificial Paradigma Conexionista Características: • Capacidade de “aprender” através de exemplos e de generalizar este aprendizado de maneira. • Reconhece instâncias similares que nunca haviam sido apresentadas como exemplo. • Boa performance em tarefas pouco definidas (como encontrar uma solução). • Robusta imunidade a ruído (presença de informações falsas ou ausentes). Paradigmas da Inteligência Artificial Paradigma Conexionista Os modelos de redes neurais provém de: • Unidades: São os neurônios ou grupos de neurônios (em camadas); • Definição de Ativação: Definir a forma de ativar os “neurônios” artificiais; • Algoritmo de Aprendizagem: Diferentes redes modificam suas conexões de forma diferente – de forma geral, qualquer mudança matematicamente definida nos pesos de ligação ao longo do tempo é referida como o “algoritmo de aprendizagem”. Paradigmas da Inteligência Artificial Paradigma Conexionista 1º Passo: Inicialização - Atribuir valores aleatórios para os pesos e limites. -Escolha dos valores iniciais influencia o comportamento da rede. -Na ausência de conhecimento prévio estes valores devem ter valores iniciais aleatórios e pequenos uniformemente distribuídos. 2º Passo: Ativação - Calcular os valores dos neurônios da camada oculta. - Calcular os valores dos neurônios da camada de saída. 3º Passo: Treinar os Pesos - Calcular os erros dos neurônios das camadas de saída e oculta. - Calcular a correção dos pesos. - Atualizar os pesos dos neurônios das camadas de saída e oculta. 4º Passo: Iteração - Repetir o processo a partir do passo 2 até que satisfaça o critério de erro. Paradigmas da Inteligência Artificial Paradigma Conexionista • Redes neurais contêm alguma forma de “algoritmo de aprendizagem”. • Esse algoritmo modifica os pesos ou força das conexões (weights) de acordo com os padrões de entrada (inputs). • Aprende a partir de exemplos. Analogia: Uma criança aprende a reconhecer cães a partir de exemplos de cães. Paradigmas da Inteligência Artificial Paradigma Conexionista • O aprendizado ocorre a cada ciclo em que é exposta a informações de entrada. • Quando uma rede neural é apresentada inicialmente com um padrão, ela faz uma “suposição” (aleatória) da resposta. • Então verifica o erro e faz um ajuste apropriado nos seus pesos de conexão. • A Função de Ativação polariza a atividade da rede neural e ajuda na busca da estabilização. Entradas Camadas intermediárias Saídas Conexões Paradigmas da Inteligência Artificial Paradigma Conexionista Características/Variáveis Entrada: Camadas Intermediárias Neurônios Classes Saída Paradigmas da Inteligência Artificial Paradigma Conexionista Qual a nota do aluno, considerando horas de sono e de estudo? Paradigmas da Inteligência Artificial Paradigma Conexionista https://encontreumnerd.com.br/blog/revolucao-industrial-inteligencia-artificial Extração de características das imagens: Paradigma Conexionista Paradigmas da Inteligência Artificial Paradigma Conexionista https://encontreumnerd.com.br/blog/revolucao-industrial-inteligencia-artificial Paradigma Conexionista Deep Learning (RNA Profunda) Classificação Classificação + Localização Detecção de Objetos Segmentação um objeto múltiplos objetos Paradigmas da Inteligência Artificial https://www.mocomakers.com/cats-versus-dogs/ Paradigmas da Inteligência Artificial Paradigma Conexionista Algumas aplicações: • Reconhecimento de padrões: visão computacional, reconhecimento de voz, etc. • Processamento de sinais. • Previsões: variação de carga elétrica, diagnósticode falhas, demanda/estoque, identificação e controle de processos. Pouco adequada para aplicações que requerem explicação das decisões: • Planejamento; • Investimentos; • Saúde (cirurgias). Paradigmas da Inteligência Artificial Paradigma Conexionista https://speakerdeck.com/carlaprv/a-caixa-preta-da-inteligencia-artificial https://speakerdeck.com/carlaprv/a-caixa-preta-da-inteligencia-artificial Paradigmas da Inteligência Artificial Paradigma Simbólico x Paradigma Conexionista Serial Paralelo Representação simbólica Representação distribuída Regras Se-Então Sem distinção entre procedimentos e representações Transparência O aprendizado embutido Aprender é um desafio Simbólico: É necessário alimentar o sistema com os dados específicos do problema. Conexionista: Consegue inferir os padrões automaticamente por meio dos dados existentes. Paradigma Evolucionista Paradigmas da Inteligência Artificial Paradigma Evolucionista Este paradigma utiliza métodos que consistem na simulação da dinâmica evolucionária das espécies, segunda a teoria darwinistas e genética, de forma a evoluir populações de soluções em busca de resultados cada vez melhores para um problema. Paradigmas da Inteligência Artificial Paradigmas da Inteligência Artificial Paradigma Evolucionista • Assim como ocorreu na natureza, os algoritmos genéticos usam conceitos como Fenótipo, Genótipo, Cruzamento, Seleção, Perpetuação, Ambiente e Morte. • Simulando ecossistemas digitais, os “seres” ou “partes de seres” evoluem de forma muito rápida a partir de um processo interativo darwiniano. Paradigmas da Inteligência Artificial Paradigma Evolucionista • Natureza: Os seres mais adaptados ao ambiente sobrevivem e suas características genéticas são herdadas. • Ideia: Indivíduo = Solução Através de sucessivas gerações faz evoluir os indivíduos. Função fitness: função aptidão Paradigmas da Inteligência Artificial Paradigma Evolucionista Paradigmas da Inteligência Artificial Paradigma Evolucionista Problema: fazer um bolo... • Indivíduo possível: vetor cujos elementos são as quantidade de ingredientes usados para fazer um bolo + o valor de aptidão (fitness) do momento. • Função de aptidão: Feedback se o bolo ficou bom/gostoso ou não... • Mutação e Cruzamento: Troca e Alteração Paradigmas da Inteligência Artificial Paradigma Evolucionista Problema caixeiro viajante... • Indivíduo possível: vetor cujos elementos são a ordem de visita do caixeiro. = lista de cidades que resolvem o problema • Objetivo: encontrar a sequência que reduz a distância percorrida. cidade distância entre cidades Paradigmas da Inteligência Artificial Paradigma Evolucionista Problema da mochila... • Cada cromossomo representa uma sequência de bits que indica se determinado material está (1) ou não (0) na mochila considerando preço e tamanho. • Objetivo: Escolher coisas a maximizar o valor daquilo que cabe dentro da bolsa, sem exceder a sua capacidade. • A capacidade da mochila é fornecida. Paradigmas da Inteligência Artificial Paradigma Evolucionista Aplicações: • Desenvolvimento e design de novos produtos e serviços: ganhos de durabilidade, desempenho e economia de materiais. • Experiências do usuário em sistemas de compras online. • Criação de políticas de venda e precificação dinâmica. • Otimização. https://newatlas.com/autodesk-generative-design-interview/50824/ Maximizar estas características https://newatlas.com/autodesk-generative-design-interview/50824/ Paradigmas da Inteligência Artificial Paradigma Conexionista x Paradigma Evolucionista Conexionista: As técnicas conexionistas, como deep learning, necessitam de uma grande quantidade de amostras para se evitar o subajuste, ou seja, não conseguir identificar as características que rotulam dados corretamente. Evolucionista: Os algoritmos genéticos necessitam de muita computação para se alcançar resultados satisfatórios, com um grande número de iterações (evoluções). Paradigma Estatístico Paradigmas da Inteligência Artificial Paradigma utiliza as leis das probabilidades e da estatística representando eventos de domínio de aplicação como variáveis aleatórias. Paradigma Estatístico Raciocínio Probabilístico: • Situações onde não se conhece todo o escopo do problema. • Redes Bayesianas (início da década de 90) • Teoria de probabilidades • Teoria de Grafos Paradigmas da Inteligência Artificial Paradigma Estatístico Utiliza conectivos que manipulem níveis de certeza e não apenas valores booleanos. - Eu tenho probabilidade 0,8 fazer um bom trabalho de IA . - A probabilidade de um trabalho de IA ser bom é 0,7. - A probabilidade de um bom trabalho de IA tirar A é de 0,9. - Quais são as minhas chances de tirar A? Os grafos podem representar relações causais entre eventos. Paradigmas da Inteligência Artificial A teoria dos grafos é um ramo da matemática que estuda as relações entre os objetos de um determinado conjunto. Paradigmas da Inteligência Artificial Paradigma Estatístico Exemplo: redes bayesianas • Formado por um conjunto de variáveis • Um conjunto de arcos dirigidos • Cada variável possui um conjunto finito de estados • Uma tabela de probabilidade condicionada para a variável e seus ‘’pais’’. Paradigmas da Inteligência Artificial Paradigma Estatístico Exemplo: • Um novo alarme contra assaltos é instalado, mesmo sendo muito confiável na detecção de assaltos ele pode disparar caso ocorra um terremoto. • Os dois vizinhos João e Maria se disponibilizaram a telefonar caso o alarme dispare. João sempre liga quando ouve o alarme. • Entretanto, algumas vezes ele confunde o alarme com o telefone e também liga nestes casos. • Já a Maria gosta de ouvir música alta e às vezes não ouve o alarme disparar, não ligando nestes casos. Paradigmas da Inteligência Artificial Paradigma Estatístico A tabela da variável representada na rede pelo nó Alarme, dado seus pais Assalto e Terremoto. Paradigmas da Inteligência Artificial Paradigma Estatístico Aplicações: • Adequado para ambientes não deterministas e de conhecimento incerto. • Classificação textual, filtros AntiSpam, identificação de genes. • Diagnósticos, interpretação de linguagem. • Tomar decisões baseadas em probabilidades. • Explicar resultados de uma inferência probabilística ao usuário. Diagnósticos: Dos efeitos para as causas. Causas: De causas para efeitos. Características gerais... Paradigmas de Inteligência Artificial Podem ser representados a partir de características como: Determinismo: Alto grau de acurácia e baixíssima incerteza. Generalização: Capacidade de inferir conceitos genéricos a partir de análise de similaridades e diferenças. Reconhecimento: Capacidade de classificar algo corretamente mesmo em condições imprecisas. Criatividade: Capacidade de rearranjar elementos na busca de um objetivo, garantindo algo novo. Autonomia: Capacidade de aprender a partir de dados de campo com o mínimo de intervenção humana, seja na preparação dos dados, seja na configuração de parâmetros. Paradigmas da Inteligência Artificial Paradigmas da Inteligência Artificial Material Extra: Google Experiments https://experiments.withgoogle.com/ QuickDraw Handwriting AutoDraw Floom : realidade aumentada e virtual (mobile). Explorar lugares. Faz parte do pacote WebXR https://experiments.withgoogle.com/ https://quickdraw.withgoogle.com/?locale=pt_BR https://distill.pub/2016/handwriting/ https://www.autodraw.com/ https://floom.withgoogle.com/ https://experiments.withgoogle.com/collection/webxr Dúvidas? Profa. Rafaella Nascimento rafaellalnascimento@fac.pe.senac.br
Compartilhar