Programação em Lógica

Prévia do material em texto

Inteligência Artificial
Alexandre Fernandes Veiga
1 – Defina Inteligência Artificial.
Inteligência: faculdade de aprender, apreender ou compreender; percepção, apreensão, intelecto, 
intelectualidade (Aurélio, 1996).
Artificial: produzido pela arte ou pela indústria; não natural.
Inteligência Artificial: existem várias definições para o termo inteligência artificial, entre elas, 
destacam-se:
”A interessante tarefa de conseguir que os computadores pensem”(Haugeland, 1985).
”O estudo dos cálculos que permitem perceber, raciocinar e agir”(Winston, 1992).
”A arte de criar máquinas com capacidade de realizar funções que quando realizadas por pessoas 
requerem inteligência”(Kurzweil, 1990).
”Um campo de estudo que se concentra na explicação e emulação da conduta inteligente em função 
dos processos computacionais” (Schalko_, 1990).
”A inteligência artificial é um subterfúgio, um artifício destinado a dominar as máquinas atribuindo-
lhes uma inteligência”, (Ganascia).
“Para Kesselring (1993), o homem é um ser que age com responsabilidade enquanto o computador 
processa as informações com um tipo de inteligência que não tem uma gênese dependente de um 
fundamento sensório-motor e não se desenvolve, nem está em condições de assumir 
responsabilidades. Este autor reconhece que a teoria de Piaget pode servir como plataforma para um 
recíproco aclaramento da inteligência artificial e natural.” 
“Costa (1994) defende idéias próximas as de Kelssering quanto a -1)um possível avanço recíproco 
entre a IA e a teoria psicogenética de Piaget, 2) a idéia de evidenciar (ainda que pouco explicitada 
em Kesselring) que existem uma inteligência de homem e uma inteligência de máquina, de 
diferentes naturezas; 3) a noção de desenvolvimento, enquanto ausente na máquina e 4) a questão 
da afetividade (em Costa) e da ética (Kesselring). “
Quanto ao primeiro ponto levantado acima, Viccari (1996) conclui pela necessidade da IA 
encontrar apoio em um modelo de inteligência formalizável ou mesmo um modelo de aprendizagem 
que sirvam para fundamentar uma disciplina intitulada matética computacional (do grego 
"manthanein" = aprender), definida por Self (1991). como: "o estudo da aprendizagem, e de como 
ela pode ser promovida, utilizando as técnicas, conceitos e metodologias da Ciência da Computação 
e Inteligência Artificial".
 
O que é IA ?
1
Se abordarmos o conceito de inteligência, veremos que é um conceito relativo à construção 
de estruturas cognitivas do ser humano, responsáveis pela formação da razão, característica peculiar 
frente aos demais animais. Como o ser humano é o único animal racional, diz-se que ele é o único 
ser inteligente . 
A IA pode ser definida como o esforço de desenvolver sistemas baseados em computadores 
(hardware ou software) que possam se comportar como seres humanos, ou seja, organizar a solução 
de problemas de acordo com etapas e passos idênticos a do ser humano. Com a IA, as máquinas 
podem ter a capacidade de raciocinar e aprender funções normalmente associadas com a 
inteligência humana. Tais sistemas seriam capazes de aprender linguagens naturais, realizar tarefas 
físicas coordenadas (robótica), usar aparelhos de percepção que informam seu comportamento e 
linguagem (sistemas de percepção oral e visual) e emular especialistas e a tomada de decisão 
humanas (sistemas especialistas). Tais sistemas também podem mostrar lógica, raciocínio, intuição 
e as qualidades de bom senso que nós associamos com Inteligência Artificial o ser humano. Criada 
oficialmente em 1956, a IA está intimamente relacionada ao aprendizado da máquina, Jordain. 
Outro importante elemento são máquinas inteligentes, os hardwares físicos que executam essas 
tarefas. 
O sucesso dos sistemas de IA são baseados na especialidade, conhecimento e padrões de 
raciocínio filtrado humanos, mas eles não exibirão a inteligência do ser humano. A existência dos 
sistemas de inteligência artificial não propõem soluções novas e originais para resolver problemas. 
A sua existência estende os poderes dos especialistas, mas de nenhuma maneira os substituem ou 
obtém conhecimentos superiores a eles. Os sistemas de IA não possuem o senso comum e a 
generalidade do ser humano naturalmente inteligente.
A inteligência humana é vastamente complexa e mais ampla que a inteligência
dos computadores. Um fator chave que distingue o ser humano dos outros animais é nossa 
capacidade de desenvolver associações e usar metáforas e analogias, como por exemplo ”como”, do 
verbo comer e ”como”, a conjunção ou o advérbio. Usando metáforas e analogia nós criamos novas 
regras (uma regra pode ser, por exemplo: SE está frio ENTÃO deve-se usar agasalho), aplicamos 
velhas regras em novas situações e ao mesmo tempo atuamos intuitivamente e/ou instintivamente 
sem regras. Muito do que nós chamamos de senso comum ou generalizado nos humanos residem na 
habilidade de criar metáforas e analogia.
A inteligência humana também inclui uma habilidade única de impor um aparato conceitual 
no mundo que nos cerca. Meta-conceitos tais como causa-efeito e tempo, e conceitos de menor 
importância como, por exemplo, café da manhã, jantar e almoço são todos impostos pelos seres 
humanos no mundo que os cercam. Pensar nos termos desses conceitos e atuar sobre eles são 
características centrais da raça humana.
Mas o que significaria Inteligência Artificial , então?
Há estudos que atribuem o conceito de inteligência a outros animais e vegetais. Mas 
obviamente não é um conceito comparável ao da inteligência humana. É, isso sim, um conceito 
relativo à análise em questão: esta inteligência irracional seria a capacidade de adaptação de um ser 
vivo às circunstâncias de seu meio. Desta forma, poderemos utilizar este conceito para a máquina, 
definindo, então, uma inteligência de máquina. 
Esta inteligência seria a sua capacidade genética de instrumento de solução de problemas. Por 
capacidade genética entenda-se todo o conhecimento embutido a nível de hardware, o que permite 
um determinado conjunto de estados possíveis de funcionamento através de programas. A 
inteligência de máquina seria, então, um tipo de inteligência construída pelo homem, portanto, uma 
inteligência artificial.
2
Mas o conceito de Inteligência Artificial (IA) abarca mais do que a inteligência de máquina 
pretende-se, com ela, capacitar o computador de um comportamento inteligente. Por 
comportamento inteligente devemos entender atividades que somente um ser humano seria capaz de 
efetuar. Dentro destas atividades podem ser citadas aquelas que envolvem tarefas de raciocínio 
(planejamento e estratégia) e percepção (reconhecimento de imagens, sons, etc.), entre outras.
3
2 – Cite quatro áreas de Inteligência Artificial
As empresas estão usando várias técnicas inteligentes da computação para estender sua base 
de conhecimento antes de fornecer soluções de problemas que são enormes ou complexos para 
serem manipulados por pessoas. Sistemas especialistas, redes neurais, lógica fuzzy, algoritmos 
genéticos, raciocínio baseado em caso e agentes inteligentes são aplicações promissoras no mundo 
corporativo.
Sistemas Especialistas
Sistemas especialistas são programas de computador de conhecimento intensivo, obtido pela 
perícia de especialistas em domínios limitados do conhecimento. Eles podem auxiliar na tomada de 
decisão levantando questões relevantes e explicando as razões para adotar certas ações.
Redes Neurais Artificiais
Redes neurais artificiais são hardware ou software que tentam imitar o modelo de 
processamento do cérebro biológico. Seu amplo uso destaca cada vez mais a área conexionista da 
inteligência artificial.
Raciocínio Baseado em CasoPara a construção de sistemas especialistas obtém-se o conhecimento de especialistas 
individuais. Mas organizações também têm conhecimento coletivo e especialidades que foram 
construías durante anos. Tal conhecimento pode ser obtido e armazenado através do Raciocínio 
Baseado em Caso (RBC). O RBC é uma tecnologia de inteligência artificial que representa o 
conhecimento e experiências passadas como uma base de dados de casos e soluções. O sistema 
busca por casos armazenados com características similares a um problema novo, acha o mais 
parecido e aplica as soluções do antigo caso ao novo. Soluções bem sucedidas são adicionadas ao 
novo caso e ambos são armazenados juntos com os outros casos na base de conhecimento. Já as 
soluções mal sucedidas também são adicionadas ao banco de dados de casos junto com explicações 
do porque que as soluções não funcionaram.
Os SEs funcionam aplicando um conjunto de regras SE-ENTÃO-SENÃO que formam uma 
base de conhecimento. O RBC, ao contrário, representa o conhecimento como uma série de casos, e 
esta base de conhecimento é continuamente expandida e refinada pelos usuários. Os sistemas de 
RBC simulam o ato humano de relembrar um episódio prévio para resolver um determinado 
problema em função da identificação de afinidades entre os mesmos.
Por exemplo, a Compaq Computer de Houston, Texas, empresa que opera em alto grau de 
competitividade, ambiente de negócio baseado em serviços orientados a clientes e é diariamente 
inundada com telefonemas de clientes que precisam de suporte. Manter os clientes satisfeitos exige 
da Compaq gastar milhões de dólares anualmente para manter a ampla e tecnicamente hábil equipe 
de suporte a usuário. Quando os clientes entram em contato com a empresa, eles precisam descrever 
os problemas para o pessoal do suporte e então esperar enquanto são transferidos para técnicos 
especializados. Os clientes então descrevem todo o problema novamente enquanto os técnicos 
tentam resolver, o que demonstra uma experiência frustrante. Para melhorar o atendimento ao 
usuário e controlar os custos, a Compaq iniciou a construção de um software de RBC para clientes 
que compraram as impressoras Pagemarq. A base de conhecimento do software é composta de 
centenas de casos reais dos problemas típicos dessas impressoras. O pessoal do suporte treinou o 
RBC entrando com informações de forma textual, por palavras chaves necessárias para serem 
problemas categorizados. Eles também informaram uma série de questões que poderiam ser 
4
necessárias para permitir ao software chegar a um problema restrito. Finalmente, as soluções foram 
adicionadas para cada caso. Com o sistema de RBC instalado em seu computador, o usuário não 
precisa mais ligar para o suporte. Ao invés disso, ele executa o programa e descreve o problema. O 
sistema rapidamente busca casos reais, descartando os não relacionados e selecionando os 
relacionados ao problema. Se for necessário promover uma busca mais refinada, o software pedirá 
ao usuário mais informações. No fim, um ou mais casos relevantes para o problema especificado 
serão apresentados com suas soluções. Com isso, a Compaq economizou de 10 a 20 milhões de 
dólares por ano.
Existem boas razões para se utilizar um sistema de raciocínio baseado em caso. Primeiro, o 
conhecimento é adquirido, armazenado em uma base de dados. Segundo é possível dar manutenção 
ao conhecimento armazenado ou mesmo adicionar novos casos. Ainda, a eficiência com que o 
sistema resolve os problemas é crescente. Como o RBC armazena também os casos que não foram 
bem sucedidos, fica mais fácil evitar insucessos. E por último, o usuário final, que realmente 
experimenta ou usa um sistema RBC, pode comprovar os seus resultados.
O Sistema i-hotel, desenvolvido pela Universidade do Vale do Itajaí – UNIVALI e pela 
Universidade Federal de Santa Catarina - UFSC, dispõe um serviço de apoio ao usuário (neste caso, 
pessoa que utilizará o serviço através da página na Internet, por exemplo, um turista ou uma agência 
de viagem) na área hoteleira. O sistema ajuda na escolha de um melhor local para se hospedar e 
ainda fornece endereços, mapas e até a realização de reserva, dependendo do caso. Por enquanto o 
i-hotel abrange o estado de Santa Catarina, mas pretende-se implantá-lo para todo o Brasil.
Novos softwares comerciais, tal como o Inference’s CasePoint WebServer permite que 
clientes acessem um banco de dados de casos através da Web. Usando o raciocínio baseado em 
casos, o servidor indaga aos clientes uma série de questões para estreitar os problemas. A CasePoint 
então extrai soluções do banco de dados e as
passam para os clientes.
Lógica Fuzzy
Os programas tradicionais requerem precisão e certeza (também chamado de crisp): ligado 
ou desligado, sim ou não, certo ou errado. Porém isso não acontece no mundo real. Sabemos que 
50oC é quente e que -40oC é gelado; mas 23oC é quente, morno, ameno ou frio? A resposta 
depende de fatores como o vento, umidade, a experiência pessoal e a roupa que cada um está 
usando.
Introduzida em 1965 por Lotfi A. Zadeh, da universidade da Califórnia, a lógica fuzzy (ou 
lógica difusa) é uma tecnologia da IA baseada em regras que tolera a imprecisão e sempre usa isso 
para solucionar problemas que nós não conseguíamos resolver antes. Consiste de uma variedade de 
conceitos e técnicas para representar e inferir o conhecimento que é impreciso, incerto ou que não 
dê confiança. Os termos (conhecidos como funções de pertinência) da lógica fuzzy são definidos de 
forma imprecisa. 
Para controlar o ambiente de um quarto usando esta lógica, o programador poderia 
desenvolver similarmente definições imprecisas para umidade e outros fatores tais como vento e 
temperatura externa. Em geral, o código da lógica fuzzy exige menos regras SE-ENTÃO, tornando-
o mais simples que os tradicionais.
Inúmeras máquinas e processos usam esses controladores, muito difundidos principalmente no 
Japão. A seguir temos alguns exemplos:
• Câmera de vídeo : determina o melhor foco e luz quando há imagem em movimento;
• Metrô : aumenta a estabilidade de direção e a precisão da parada através da 
avaliação das condições de tráfego de passageiros. Fornece partida e paradas suaves;
• Aspirador de pó : ajusta a potência do motor do aspirador julgando a quantidade
5
de pó e sujeira e as características do piso.
• Plano de saúde : determina o valor da mensalidade de um indivíduo através de sua idade e 
outros atributos.
Um sistema de controle é um sistema de closed-loop, isto é, de ciclo fechado, que 
normalmente controla uma máquina para realizar uma resposta desejada, dado um
número de entradas do ambiente. Estes sistemas usam o processo de fuzificação e defuzificação. A 
fuzificação gera entradas fuzzy para uma máquina de inferência, enquanto a defuzificação faz o 
inverso, cria valores reais, também chamados de crisp, para serem aplicados na máquina sob 
controle. 
Máquina sob controle é a máquina ou processo que se deseja controlar, por exemplo, uma 
máquina de lavar roupa saídas respostas do comportamento da máquina saídas fuzzy as mesmas 
saídas, passadas pela fuzificação máquina de inferência/base de regras fuzzy converte as saídas 
fuzzy para ações a tomar acessando as regras fuzzy em uma base de regras entradas fuzzy são as 
ações fuzzy a serem executadas entradas são os indicadores crisp na máquina para controlar seu 
comportamento, convertido de entradas fuzzy com um defuzificador
6
3 – Descreva dois problemas em que poderíamos utilizar Inteligência Artificial. Como?
Algoritmo Genético
As aplicações comerciais de algoritmos genéticos estão emergindo. Engenheiros da General 
Electric (GE) usaram um algoritmogenético para ajudá-los a projetar motores de turbinas de jatos, 
que era um problema complexo envolvendo cerca de 100 variáveis e 50 equações. Os engenheiros 
avaliaram os desenhos mudarem em uma estação de trabalho que rodava uma simulação do motor 
em operação. Pelo fato que cada desenho mudado exigia uma nova simulação para testar sua 
eficácia, os projetistas poderiam gastar semanas em soluções que não poderiam ser as melhores.
Usar um sistema especialista reduziria o tempo para produzir um desenho satisfatório de 
diversas semanas para diversos dias, mas isso poderia produzir soluções somente para um modelo. 
Mais tarde, os melhoramentos exigiriam mudanças simultâneas em um amplo número de variáveis. 
Nesse ponto a GE introduziu um algoritmo genético que pegava a população inicial do desenho 
produzido pelo sistema especialista e gerava um projeto contendo três vezes o número de 
melhoramentos em relação ao melhor modelo anterior em apenas dois dias.
Agentes Inteligentes
Agentes inteligentes são programas que trabalham em segundo plano para executar tarefas 
específicas, repetitivas e previsíveis para um usuário, um processo na empresa ou um software. Os 
agentes representam um nível de abstração bem maior, podendo inclusive incorporar outras técnicas 
de IA. Usam uma base de conhecimento ensinada ou incorporada para realizar tarefas ou tomar 
decisões em nome do usuário, processo ou software. Eles podem ser programados para tomar 
decisões de acordo com as preferências pessoais do usuário. Podem ser comparados a um assistente 
digital pessoal colaborando com o usuário em um mesmo ambiente de trabalho.
Atualmente, segundo Laudon, há diversas aplicações de agentes inteligentes em sistemas 
operacionais, aplicativos, sistemas de e-mail, software de computação móvel e ferramentas de 
redes. Por exemplo, os Wizards encontrados nas ferramentas do Microsoft Office têm capacidades 
incorporadas para mostrar aos usuários como executar várias tarefas, tais como formatar 
documentos ou criar gráfico. De interesse especial para os negócios são os agentes usados para 
cruzar redes, incluindo a Internet, na busca por informação. Eles estão sendo usados em aplicações 
de comércio eletrônico para ajudar os consumidores a encontrarem produtos comparando preços e 
outras características. Os consumidores podem, assim, filtrar e buscar informações ao fazer suas 
compras de acordo com as características dos produtos de seu interesse.
Yahoo!, Excite e Miner, oferecem agentes de compra para algumas categorias de 
mercadoria, como por exemplo música, livros, eletrônicos e brinquedos. Para usar estes agentes os 
consumidores submetem informações sobre os produtos desejados em formulários. Os agentes 
fazem a busca na Web e retornam uma lista de sites que vendem os ítens de acordo com o preço ou 
outras características fornecidas e um link para a compra.
O comércio eletrônico baseado em agentes se tornará ainda mais difundido quando os 
agentes e a tecnologia Web tornarem-se mais poderosos e flexíveis. Os softwares de agentes têm 
dificuldade de obter informações de páginas Web cujo o código está em HTML (HiperText Markup 
Language) pois elas são orientadas em formato, estáticas e visíveis pelas pessoas. O aumento do uso 
de XML (eXtensible Markup Language), Java e objetos distribuídos, linguagens multiplataformas e 
mais acessíveis, tornarão o ambiente Web mais propício aos agentes e outros processos 
automatizados a acessarem e interagirem com informações baseadas na Web de forma mais fácil.
7
4 – Sabendo que o grafo de estados que determina se um número binário é divisível por 3 é :
Onde S0 é o estado inicial e estado final, determine o grafo de estados para números binários 
divisíveis por 5 . 
0 1
P (2p+0) Mod5 (2p+1)Mod5
s0 s0 s1
s1 s2 s3
s2 s4 s0
s3 s1 s2
s4 s3 s4
8
5 – Mostre que utilizando busca em profundidade limitada com limite L=2 , não é possível sair 
do estado e chegar ao estado .
9
6 – Utiliza os 3 métodos de busca para ir de à .
Largura
Profundidade
Profundidade Interativo
10
11
12
13
14
15
7 – Jogo das 8 rainhas é um problema que consiste em colocar 8 rainhas num tabuleiro de 
xadrez sem que haja ataque entre elas. Uma rainha atacou outra quando está na mesma linha, 
coluna ou diagonal. Reduza o problema para 4 rainhas, utilize busca em profundidade e em 
largura para resolvê-la a partir da seguinte configuração inicial. (Considere que cada rainha 
têm uma coluna fixa).
16