AULA 01 - Paradigmas da IA e Aplicações

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