Prévia do material em texto
DISCIPLINA: RACIOCÍNIO LÓGICO TEMA 4: O PROCESSO DE APRENDIZAGEM E A INTELIGÊNCIA ARTIFICIAL. Introdução à Inteligência Artificial (IA) “O ato de forçar definições para as coisas que nós não entendemos completamente geralmente causa mais danos do que benefícios. Além disso, apenas em lógica e matemática é que as definições detêm perfeitamente os conceitos. As coisas com as quais lidamos na vida prática são frequentemente muito complicadas para permitirem uma representação clara baseada em expressões compactas. Em todo caso, não podemos nos privar de buscar uma definição para as coisas, no sentido de entender o que elas são.” Marvin Minsky, The Society of Mind, 1985. O que é Inteligência Artificial? O que é Inteligência Artificial? •Área de pesquisa que tem como objetivo buscar métodos ou dispositivos computacionais que possuam ou aumentem a capacidade racional do ser humano de resolver problemas , “pensar” ou, de forma geral, “ser inteligente”. •O conceito de Inteligência Artificial é algo bem amplo e que recebe tantas definições quanto os diversos significados da palavra inteligência. O que é Inteligência Artificial? • “Inteligência” + “Artifcial” – “Artifcial” •Algo criado, algo que não é natural… – “Inteligência” •Se comportar como um humano? •Se comportar da melhor maneira possível? •Pensar? •Agir? O que é Inteligência Artificial? • [Kurzweil, 1990] – “A arte de criar máquinas que executam funções que requerem inteligência quando executadas por pessoas.” • [Bellman, 1978] – “[A automatização de] atividades que nós associamos ao pensamento humano, atividades como tomada de decisão, resolução de problemas, aprendizado . . .” • [Poole et al., 1998]: – "Inteligência artificial é o estudo do desenvolvimento de agentes inteligentes." • [Winston, 1992]: – "É o estudo da computação que faz ser possível perceber, raciocinar e agir" Sabe-se, de forma genérica, que um sistema inteligente é aquele que apresenta capacidade para: ✓ Raciocinar; ✓ Planejar; ✓ Resolver problemas; ✓ Realizar indução, dedução lógica e abdução; ✓ Armazenar conhecimento; ✓ Comunicar-se através de uma linguagem; ✓ Perceber e adaptar-se ao meio; ✓ Aprender. ● A inteligência envolve a habilidade de obter sucesso no tratamento de novas situações pelo ajuste apropriado do comportamento. ● A inteligência envolve a habilidade de perceber as relações entre fatos de modo a orientar as ações na direção de atingir uma meta desejada. “A inteligência é o que você usa quando não sabe o que fazer.” (Jean Piaget) ● A inteligência artificial é um campo da ciência da computação e da engenharia de computação que procura reproduzir, por meios computacionais, essas capacidades. ➔ “The automation of activities that we associate with human thinking, activities such as decision-making, problem solving, learning.” (Bellman, 1978) ➔ “The art of creating machines that perform functions that require intelligence when performed by people.” (Kurzweil, 1990) ➔ “The study of how to make computers do things at which, at the moment, people are better.” (Rich & Knight, 1991) ➔ “The study of mental faculties through the use of computational models.” (Charniak & MacDermott, 1985) ➔ “The study of the computations that make it possible to perceive, reason, and act.” (Winston, 1992) ➔ “AI is about algorithms enabled by constraints exposed by representations that support models targeted at thinking, perception and action.” ( P. H. Winston, MIT OpenCourseWare - Artificial Intelligence, 2010) https://www.youtube.com/watch?v=TjZBTDzGeGg IA e Filosofia IA e Matemática IA e Economia IA e Neurociência IA e Psicologia IA e Engenharia da Computação IA e Teoria de Controle IA e Linguística A sala chinesa de Searle ● SEARLE descreve uma sala com uma pessoa que domina o idioma inglês, o operador. Muitos cestos com ideogramas chineses estão na sala, assim como um livro de regras, escrito em inglês, de como combinar os ideogramas chineses. ● O operador recebe por uma abertura de entrada (na parede da sala) uma sequência de ideogramas chineses e, consultando o livro de regras, combina esses ideogramas de entrada e alguns que estão nos cestos, compondo uma nova sequência. Esta nova sequência é então passada por uma abertura de saída (na parede da sala). ● Embora o operador não saiba, ele está respondendo a perguntas no idioma chinês. A sala chinesa de Searle A sala chinesa de Searle ● SEARLE argumenta que há uma diferença marcante entre este operador e uma pessoa que domina o idioma chinês e responde às mesmas perguntas sem usar o livro de regras. O primeiro está apenas seguindo regras sintáticas. O segundo está associando semântica (significado) ao que está fazendo e, portanto, está fazendo muito mais que o primeiro. ● A conclusão de SEARLE é que os computadores, por serem máquinas sintáticas, podem substituir o operador. ● Há algo mais em ter uma mente do que executar processos formais ou sintáticos. ● Logo, programas não são suficientes para atribuir mentes a computadores. Conclusão: Computadores nunca podem pensar, porque pensar envolve semântica. Com isso, computadores nunca poderão ser inteligentes. No entanto, há outras perspectivas entre os estudiosos do assunto. De acordo com uma visão mais extrema, o cérebro é apenas um computador digital e a mente é um programa de computador. Podemos resumir esse ponto de vista dizendo que a mente está para o cérebro assim como o programa está para o hardware do computador. Esse ponto de vista é representado, por exemplo, por Alan Newell, que afirma que “descobrimos que a inteligência é só uma questão de manipulação física de símbolos.” Alan Newell e Herbert Simon, em uma famosa declaração, disseram em 1976 que um sistema físico de símbolos é necessário e suficiente para o que eles chamam de “ação geral inteligente” (FETZER , 2001). O problema da fundamentação do símbolo: Como atribuir significado (semântica) aos símbolos? “Não sabemos definir precisamente o que é inteligência e, consequentemente, não podemos definir o que é a inteligência artificial. Entretanto, embora não tenhamos uma definição de inteligência, podemos assumir que o ser humano é inteligente. Portanto, se uma máquina fosse capaz de se comportar de tal forma que não pudéssemos distinguí-la de um ser humano, essa máquina estaria demonstrando algum tipo de inteligência que, nesse caso, só poderia ser inteligência artificial.” (Alan Turing, 1950) A máquina de Turing ➔ Uma máquina é um dispositivo físico que foi projetado e construído por seres humanos, eventualmente usando outras máquinas ou produtos delas. ➔ Não há nenhuma máquina, mesmo que abstrata, que expresse auto-determinação. ➔ Como a liberdade requer auto-determinação, as máquinas não podem ser livres. ➔ Segundo a tese de Church-Turing, qualquer procedimento computacional pode ser executado usando uma máquina de Turing. ➔ Logo, qualquer computador digital real pode ser simulado empregando-se a máquina de Turing, razão pela qual ela é denominada de máquina universal. A máquina de Turing O teste de Turing • TURING (1950) teve uma intuição de que nosso pensamento é uma atividade interior muito especial, e que seria eventualmente impossível descrever seu processo cientificamente: “Será que as máquinas não poderiam realizar algo que deveria ser descrito como pensar mas que é muito diferente do que um ser humano faz? Esta objeção é muito forte, mas ao menos podemos dizer que se, contudo, uma máquina puder ser construída para jogar o jogo da imitação satisfatoriamente, nós não precisamos nos preocupar com essa objeção.” A máquina de Turing O teste de Turing ● O teste de Turing afirma que um computador pode ser chamado de inteligente se ele puder enganar um ser humano ao fazê-loacreditar que o computador é um ser humano. ● O teste consiste em um ser humano realizar um interrogatório através de um terminal, visando descobrir se do outro lado do terminal se encontra um ser humano ou um computador. ● Caso seja um computador que esteja fornecendo as respostas e o interrogador não conseguir decidir se se trata de um ser humano ou um computador, então este computador é dito ter sido aprovado no teste de Turing. A máquina de Turing O teste de Turing A máquina de Turing A máquina de Turing A máquina de Turing Requisitos para o teste de Turing ● Processamento de linguagem natural (PLN): comunicar-se verbalmente ou por escrito; ● Representação de conhecimento: armazenar o que sabe e escuta / lê; ● Raciocínio automático: responder perguntas, chegar a novas conclusões; ● Aprendizado de máquina: adaptar-se a novas circunstâncias, reconhecer e extrapolar padrões, incluindo o timing de um diálogo. ● Teste de Turing total: - Visão computacional: percepção de objetos; - Robótica: manipulação de objetos, movimentação e expressão corporal. Chatterbots ● Infelizmente, não existem ainda mecanismos sistemáticos para se medir o grau de inteligência por parte de sistemas artificiais. Daí a relevância da proposta de Turing, que hoje se encontra difundida na forma de chatterbots. ● Chatterbot (ou chatbot ou verbot) é um programa de computador que tenta simular um ser humano na conversação com as pessoas. O objetivo é responder perguntas de tal forma que as pessoas tenham a impressão de estar conversando com outra pessoa e não com um programa de computador. Após o envio de perguntas em linguagem natural, o programa consulta uma base de conhecimento e, em seguida, fornece uma resposta que tenta imitar o comportamento humano. ● A palavra chatterbot foi inventada por Michael Mauldin (fundador da Lycos, Inc. e criador do primeiro chatterbot Julia) em 1994, para descrever estes robôs de conversação. Abordagens em IA ● Conexionista: baseia-se na hipótese de causa-efeito, segundo a qual um modelo suficientemente preciso do cérebro humano é suficiente para reproduzir a inteligência que o homem possui. Essa abordagem trata de problemas imprecisos, mas que podem ser definidos através de exemplos (e.g., reconhecimento de caligrafia), e sua principal contribuição são as redes neurais. Abordagens em IA ● Simbólica: baseia-se na hipótese do sistema de símbolos físicos, segundo a qual um conjunto de estruturas simbólicas e um conjunto de regras de manipulação dessas estruturas são os meios necessários e suficientes para se criar inteligência. Essa abordagem trata problemas bem definidos (e.g., planejamento de tarefas) e sua principal contribuição são os sistemas especialistas. Abordagens em IA ● Evolucionária: baseia-se na teoria evolutiva de Darwin, a hipótese é que podemos modelar sistemas inteligentes simulando a evolução de uma população de indivíduos (aleatórios), que carregam genes com informação suficiente para dar origem à solução de um problema, usando operações genéticas de recombinação e mutação. Essa abordagem trata de problemas de otimização (e.g., escalonamento de produção) e sua principal contribuição são os algoritmos genéticos. Abordagens em IA ● Inteligência Artificial Fraca: A inteligência artificial fraca é uma corrente de pesquisa e desenvolvimento que defende que nunca será possível construir máquinas inteligentes no real sentido da palavra, pois, para ela, a inteligência demanda consciência e autopercepção, habilidades impossíveis de serem recriadas. Tudo que se pode fazer envolve imitar comportamentos inteligentes e emoções, bem como resolver problemas, mas nunca a consciência, considerando que isso se resume a um conjunto de cálculos. Exemplo: Uma máquina (hardware + software) que simule compreender chinês (como no caso do Quarto Chinês) é uma IA Fraca. Nesse caso, falta o que Searle (1980) chama de intencionalidade. Abordagens em IA ● Inteligência Artificial Forte: Já o grupo da inteligência artificial forte acredita que um dia será possível desenvolver máquinas capazes de pensar, criar e exibir comportamento inteligente nos moldes humanos, a partir da criação de algoritmos cognitivos que possam executar em computadores. Exemplo: Uma máquina que literalmente compreenda chinês é uma IA Forte. Nesse caso, existe intencionalidade. Essas duas correntes são de caráter filosófico e servem para refletir sobre os limites da tecnologia Abordagens em IA ● Superinteligência: O termo superinteligência, por sua vez, foi definido pelo filósofo sueco Nick Bostrom como “um intelecto que é muito mais inteligente do que o melhor cérebro humano em praticamente todas as áreas, incluindo criatividade científica, conhecimentos gerais e habilidades sociais” (BOSTROM, 2003). Assim, a IA abrange possibilidades que variam desde o computador um pouco mais inteligente do que um ser humano até aquele milhões de vezes mais inteligente do que uma pessoa em todas as capacidades intelectuais. Nesse tipo hipotético de inteligência artificial, concentram-se hoje as principais discussões, pois é dessa área que vêm as possibilidades mais promissoras e assustadoras para o futuro da humanidade: a imortalidade ou a extinção dos seres humanos. Técnicas de IA: Dentro da inteligência artificial, podemos definir quatro técnicas que são os pilares principais que permitem seus principais avanços: ● Categorização: a inteligência artificial requer muitos dados relevantes para o problema que está sendo resolvido. O primeiro passo para construir uma solução de inteligência artificial é criar a “métrica de intenção de projeto”, que é usada para categorizar o problema. Independentemente de os usuários estarem tentando construir um sistema que possa, por exemplo, ajudar um médico a diagnosticar o câncer ou ajudar um administrador de TI a diagnosticar problemas de redes sem fio, os usuários precisam definir métricas que permitam que o problema seja dividido em partes menores. Exemplo: Em redes sem fio, as principais métricas são tempo de conexão do usuário, taxa de transferência, cobertura e roaming. No diagnóstico de câncer, as principais medidas são contagem de células brancas, etnia e exames de raios X. ● Classificação: depois que os usuários tiverem o problema categorizado em áreas diferentes, o próximo passo é ter classificadores para cada categoria que apontarão os usuários na direção de uma conclusão significativa. Exemplo: Ao treinar um sistema de inteligência artificial para jogar o Jeopardy, os usuários devem, primeiro, classificar uma questão como sendo de natureza literal ou um jogo de palavras e, então, classificar por tempo, pessoa, coisa ou lugar. Já em redes sem fio, uma vez que os usuários saibam a categoria de um problema (por exemplo, um problema pré ou pós-conexão), os usuários precisam começar a classificar o que está causando o problema: associação, autenticação, DHCP ou outras, com fio e fatores de dispositivo. ● Aprendizado de máquina: Existem muitos algoritmos e técnicas de aprendizado de máquina, com aprendizado de máquina supervisionado usando redes neurais (ou seja, aprendizado profundo), tornando-se uma das abordagens mais populares. O conceito de redes neurais existe desde 1949, mas, com os mais recentes aumentos nos recursos de computação e armazenamento, as redes neurais estão sendo treinadas para resolver uma variedade maior de problemas do mundo real, desde o reconhecimento de imagens e processamento de linguagem natural até a previsão do desempenho da rede. Exemplo: Outras aplicações incluem descoberta de características de anomalias, detecção de anomalias de séries temporais e correlação de eventos para análise de causa raiz. ● Filtragem colaborativa: a maioria das pessoas experimentamfiltragem colaborativa quando escolhem um filme no Netflix ou compram algo da Amazon e recebem recomendações para outros filmes ou itens de que possam gostar. Além dos recomendadores, a filtragem colaborativa também é usada para classificar grandes conjuntos de dados e colocar uma face em uma solução de IA. É onde toda a coleta e análise de dados é transformada em insight ou ação significativa. Exemplo: Seja usada em um game show, seja por um médico ou por um administrador de rede, a filtragem colaborativa é o meio de fornecer respostas com alto grau de confiança. É como um assistente virtual que ajuda a resolver problemas complexos. Considerações Adicionais: Na ciência da computação, a pesquisa em IA é definida como o estudo de “agentes inteligentes”: qualquer dispositivo que perceba seu ambiente e realize ações que maximizem sua chance de atingir seus objetivos com sucesso. O escopo da IA é contestado: à medida que as máquinas se tornam cada vez mais capazes, tarefas consideradas como exigindo “inteligência” são frequentemente removidas da definição, um fenômeno conhecido como o efeito IA. Por exemplo, o reconhecimento óptico de caracteres é frequentemente excluído da inteligência artificial, tendo se tornado uma tecnologia de rotina. Os sistemas de IA são apenas um software avançado de aprendizado de máquina com extensos algoritmos comportamentais que se adaptam aos nossos gostos. Embora extremamente úteis, essas máquinas não estão ficando mais inteligentes no sentido existencial, mas estão aprimorando suas habilidades e utilidades com base em um grande conjunto de dados. Atualmente... •Pesquisa operacional: otimização e busca heurística em geral. – Planejamento de rota Atualmente... • Processamento de l inguagem natural: tradução automática, verificadores ortográficos e sintáticos, reconhecimento da fala. Atualmente... •Aprendizado de Máquina: detecção de spams, sistemas de recomendação, Data mining, Redes Sociais, etc. Atualmente... • Veículos Autônomos: Atualmente... • Robótica: Algumas Vantagens da IA Redução de erros: Uma vez que são máquinas tem reduzidas as chances de falharem, tendo maior grau de precisão. Exploração: Máquinas podem realizar um trabalho mais laborioso e duro, superando as limitações humanas. Aplicações diárias: A sua utilização está presente em vários mecanismos do nosso cotidiano. Sem pausas: As máquinas, ao contrário dos seres humanos, não precisam de intervalos frequentes. Velocidade: Apresentam soluções muito mais rapidamente que outros sistemas. Adaptabilidade: São capazes de se adaptar as mudanças de condições de operação. Algumas Desvantagens da IA Alto custo: devido a sua complexidade o seu custo de produção é alto. Falta de criatividade: A inteligência artificial não é desenvolvida ao ponto de atuar como o cérebro humano, de forma criativa. Causa o desemprego: Como são capazes de executar tarefas antes exclusivas dos humanos de maneira mais otimizada e eficiente, tendem a substituir a atividade humana em larga escala. Representação do conhecimento: para criar sistemas de inteligência artificial é necessário desenvolver um sistema de representação do conhecimento, o que geralmente é dispendioso. Slide 1 Slide 2 Slide 3 Slide 4 O que é Inteligência Artificial?1 O que é Inteligência Artificial?2 O que é Inteligência Artificial?3 O que é Inteligência Artificial?4 Slide 9 Slide 10 Slide 11 Slide 12 Slide 13 Slide 14 Slide 15 Slide 16 Slide 17 Slide 18 Slide 19 Slide 20 Slide 21 Slide 22 Slide 23 Slide 24 O que é Inteligência Artificial?5 Slide 26 Sistemas que Agem como Humanos Slide 28 Slide 29 Slide 30 Slide 31 Slide 32 Slide 33 Slide 34 Slide 35 Slide 36 Slide 37 Slide 38 Slide 39 Slide 40 Slide 41 Slide 42 Slide 43 Slide 44 Slide 45 Slide 46 Slide 47 Slide 48 Slide 49 Slide 50 Slide 51 Slide 52 Atualmente...1 Atualmente...2 Atualmente...3 Atualmente...4 Atualmente...5 Slide 58 Slide 59