Aula 02 INT introdução

Prévia do material em texto

Inteligência Artificial
O que é Inteligência Artificial?
O que é “inteligência artificial”?
Inteligência (Aurélio):
• faculdade de aprender ou compreender
• qualidade ou capacidade de compreender e adaptar-se 
facilmente
• destreza mental; habilidade
• psicol. capacidade de resolver situações problemáticas 
novas mediante reestruturação dos dados perceptivos
Artificial (Aurélio):
• produzido pela arte ou pela indústria; não natural.
Diferentes visões da IA
• A Inteligência Artificial (IA) pode ser definida 
de várias formas e através de vários ângulos.
• Segundo Russell & Norvig, em relação à ação e 
ao “pensamento”, os sistemas inteligentes 
podem se dividir em “humanos” e racionais.
•
https://www.saraiva.com.br/inteligencia-artificial-3-ed-2013-4991521.html
Ciência Cognitiva
Sistemas que pensam como “humanos”
• “O novo e excitante esforço para fazer 
computadores pensarem... máquinas com 
mentes, no sentido literal e completo” 
(Haugeland)
• “A automação de atividades que nós 
associamos com o pensamento humano, 
atividades como tomada de decisões, solução 
de problemas, aprendizado...” (Bellman)
Lógica
Sistemas que pensam racionalmente
• “O estudo de faculdades mentais através do 
uso de modelos computacionais” (Charniak
and McDermott)
• “O estudo de computações que tornem 
possível perceber, raciocinar e agir” (Winston)
Teste de Turing
Sistemas que agem como “humanos”
• “A arte de criar máquinas que realizam 
funções que requerem inteligência quando 
realizada por pessoas” (Kurzweil)
• “O estudo de como fazer os computadores 
realizarem tarefas as quais, até o momento, as 
pessoas fazem melhor” (Rich & Knight).
Agentes racionais
Sistemas que agem racionalmente
• “Um campo de estudo que busca explicar e 
emular comportamento inteligente em termos 
de processos computacionais” (Schalkoff)
• “O ramo da ciência da computação que se 
preocupa com a automação do 
comportamento inteligente” (Luger & 
Stubblefield)
Outras visões de IA
• “o uso de programas de computador e 
técnicas de programação para clarificar os 
princípios da inteligência em geral e do 
pensamento humano em particular” 
(Herbert Simon)
• “é a ciência de fazer com que máquinas façam 
coisas que requereriam inteligência se feitas 
pelos homens” 
(Marvin Minsky)
Inteligência Artificial
É a ciência de fazer com que 
sistemas artificiais tenham um 
comportamento inteligente.
?????
• Mas o que é comportamento inteligente?
• Um computador pode pensar?
• Um computador tem livre arbítrio?
• Um computador pode se comportar de forma 
inteligente?
O que é Inteligência Artificial?
Pensamento/Raciocínio
Comportamento
Desempenho 
Similar a 
Humanos
Desempenho 
Ideal
Sistemas que 
pensam como 
humanos
Sistemas que 
pensam 
racionalmente
Sistemas que 
agem como 
humanos
Sistemas que 
agem 
racionalmente
Abordagens para Inteligência Artificial
• Abordagem Simbólica:
– Representa o conhecimento por sentenças declarativas.
– Deduz consequências por métodos de raciocínio lógico.
– Exemplo:
• ∀x∀y irmão(x, y) ⇒ parente(x, y)
• ∀x∀y∀z pai(z, x) ∧ pai(z, y) ⇒ irmão(x, y)
• pai(joão, maria).
• pai(joão, eduardo).
– É necessário:
• Identificar o conhecimento do domínio (modelo do problema).
• Representá-lo utilizando uma linguagem formal de representação.
• Implementar um mecanismo de inferência para utilizar esse conhecimento.
Maria e Eduardo são parentes.
Abordagens para Inteligência Artificial
• Abordagem Não-Simbólica:
– Na abordagem Não-Simbólica, o conhecimento não é representado 
explicitamente por meio de símbolos, e sim, construído a partir de um 
processo de aprendizado, adaptação ou inferência.
– Exemplos: 
• Redes Neurais Artificiais, Computação Evolutiva, Sistemas Nebulosos...
Breve Histórico
Pré-história da Inteligência Artificial
• Filosofia: lógica, métodos de raciocínio, a mente como sistema físico do 
aprendizado e da linguagem
Platão (427AC a 347AC), o homem é um ser dual:
• o mundo dos sentidos, onde tudo flui e nada é permanente - o corpo;
• o mundo das ideias, que são eternas e imutáveis – a mente.
• Matemática: representação formal e algoritmos de prova, computação, 
(in)decidibilidade, (in)tratabilidade, probabilidade
• Economia: utilidade, teoria da decisão
• Neurociências: substrato físico para a atividade mental
• Psicologia: fenômenos de percepção e controle motor, técnicas 
experimentais
• Engenharia de computação: construção de computadores rápidos
• Teoria de controle: projeto de sistemas que maximizam uma função objetivo
• Linguística: representação do conhecimento, gramática
A “gestação” da Inteligência Artificial (1943 - 1956)
• McCulloch e Pitts (1943): primeiro modelo matemático do 
neurônio
• Shannon (1950) e Turing (1953) : programas de xadrez para 
máquinas de Von Neumann
• Minsky e Edmonds (1951): primeiro computador de redes
neurais
• Newell e Simon (1956): programa de raciocínio: Logic Theorist
(LT), que era capaz de provar teoremas do Principia 
Mathematica de Russell e Whitehead
• McCarthy (1956): cria o termo Inteligência Artificial: A IA faz 
60 anos em 2016!
O teste de Turing (1950)
Analogia:
• Um juiz dialoga com um computador e com 
uma pessoa, através de um terminal, mas sem 
saber quem é a pessoa e quem é o 
computador. Se o juiz não consegue distinguir 
um do outro, a máquina é considerada 
inteligente.
Teste de Turing - ELIZA (Weizembaum, 1966)
Homens são todos iguais.
Eles estão sempre encrencando conosco sobre uma 
coisa ou outra.
Bom, … meu namorado me fez vir aqui.
Sim, ele diz que eu estou deprimida todo o tempo.
É verdade. Eu estou infeliz.
Eu preciso de ajuda.
Talvez eu aprendesse a lidar com minha mãe.
Em que sentido ?
Você pode pensar em um exemplo específico ?
Seu namorado fez você vir aqui?
Eu sinto muito que você esteja deprimida.
Você acha que vir aqui ajudará você a não ser infeliz ?
O que significaria para você se conseguisse alguma 
ajuda?
Fale mais sobre sua mãe.
Teste de Turing - ELIZA (Weizembaum, 1966)
• Conhecimento Superficial - Exemplo de regra usado em ELIZA:
– SE paciente diz “Eu gosto X”, ENTÃO responda “Por quê você gosta X?”
Dialogo 1
Algo me aborrece.
Meu namorado.
Meu namorado está viajando.
Dialogo 2
Algo me aborrece.
Minha cabeça.
Ora, … minha cabeça está sobre os meus ombros.
O que está aborrecendo você?
Onde está o seu namorado?
Há quanto tempo seu namorado está viajando?
O que está aborrecendo você ?
Onde está a sua cabeça ?
Há quanto tempo a sua cabeça está sobre os seus 
ombros?
Há simplesmente uma correspondência de palavras-chave 
superficiais, sem entendimento do que elas significam.
Entusiasmo precoce, grandes expectativas (1952-1969)
• Samuel (1952): jogo de damas: o programa aprendia a jogar 
melhor que seu criador - apresentado na TV em 1956 - como 
Turing, dificuldade de achar máquinas
• McCarthy (1958): Lisp. Inventou o time-sharing (DEC)
• McCarthy (1958): Advice Taker com representação de 
conhecimento e raciocínio: 1o. sistema completo de IA
• Rochester e Gelernter (1959): Geometry Theorem Prover 
micromundos: onde a IA funciona
• Widrow e Hoff (1960): adaline
• Newell e Simon (1961): GPS: 1a.abordagem “pensa como 
humano”
• Rosenblatt (1962): perceptron
Uma dose de realidade (1966-1974)
• Previsões irreais: Simon previu em 1958 que em 10 anos um 
computador seria campeão de xadrez
• IA funciona bem nos micromundos mas não no mundo real
• Weizenbaum (1965): ELIZA
• Tradução de máquina: russo-inglês (dependência da sintaxe): 
– “the spirit is willing but the flesh is weak” traduzido para– “the vodka is good but the meat is rotten”
• Friedberg (1958): evolução de máquina (algoritmos genéticos)
• Minsky e Papert (1969): Perceptrons
• Bryson e Ho (1969): descoberta do algoritmo de aprendizado 
backpropagation
Sistemas Baseados em Conhecimento: a chave para o poder? (1969-
1979)
• Abordagens usadas até então: métodos fracos
• Buchanan (1969): DENDRAL [3]: usa conhecimento para inferir 
estrutura molecular a partir da informação de um espectômetro de 
massa: grande número de regras
• Feigenbaum: Heuristic Programming Project 
• Sistemas especialistas: MYCIN com 450 regras
• Duda (1979): Prospector: prospeção de molibdênio
• Entendimento de Línguas Naturais: SHRDLU de Winograd : ainda 
dependência da sintaxe
• Charniak: conhecimento geral sobre o mundo
• Woods (1973): LUNAR [46]: PLN como interfaces para BDs
A IA torna-se uma indústria (1980-presente)
• McDermott (1982) [24]: 1o. Sistema especialista comercial 
bem sucedido: R1 na DEC: Em 1986, economia de US$40 
milhões
• 1981: Japão anuncia o projeto da “Quinta Geração:” Prolog, 
inferência lógica e PLN
• Indústrias:
– Software: Carnegie Group, Inference, Intellicorp, Teknowledge
– Hardware: Lisp Machines Inc., Texas Instruments, Symbolics, 
Xerox
– Vendas: de poucos milhões em 1980 para 2 bilhões em 1988.
A volta das redes neurais (1986-presente)
• Apesar do livro Perceptrons de Minsky e Papert
(1969) [25]:
– Hopfield (Física-1982) [14]: mecânica estatística para 
propriedades de armazenamento e otimização das redes
– Rumelhart e Hinton (Psicologia): modelos de memória
• McClelland e Rumelhart (1986): PDP: reinvenção do 
algoritmo backpropagation
• Redes Neurais e IA tradicional: campos rivais
A IA torna-se uma ciência (1987-presente)
• Vitória dos puros (teorias da IA devem se fundamentar na 
matemática) sobre os impuros (experimentação sem rigor 
matemático)
• A IA não é mais isolada dos fundamentos da computação
• Reconhecimento de fala: modelos ocultos de Markov - teoria 
matemática rigorosa
• Mineração de Dados
• Redes bayesianas: raciocínio incerto e sistemas especialistas
Surgimento dos agentes inteligentes (1995-presente)
• Progresso na resolução dos subproblemas da IA 
levou à pesquisa do problema do “agente como um 
todo”
• Arquitetura completa de agente: SOAR (Newell, 
1990; Laird et al., 1987)
• Ambiente propício: internet
• Vários livros tratam a IA sob a visão dos agentes 
inteligentes: Russell and Norvig, 1995 [35]; Poole et 
al., 1998; Nilsson, 1998
A disponibilidade de conjuntos de dados muito 
grandes (2001-presente)
• Durante os 60 anos da história da ciência da 
computação, a ênfase tem sido em algoritmos
• Recentemente, há uma preocupação maior sobre 
dados, em vez de algoritmos.
• Aumento crescente da disponibilidade de grandes 
fontes de dados: trilhões de palavras em inglês e 
bilhões de imagens da web ou bilhões de pares de 
base de sequências genômicas.
Áreas relacionadas
Estado da Arte
Aplicações: 
• Planejamento autônomo e escalonamento: Remote Agent da NASA (Jonsson et 
al., 2000)
• Jogos: Deep Blue da IBM venceu Gary Kasparov (Goodman and Keene, 1997)
• Controle autônomo: visão artificial - ALVINN dirige um automóvel: 98% de 
acerto em 4.600 km.
• Diagnóstico: SE médico baseado em análise probabilística (Heckerman, 1991)
• Planejamento logístico: DART - Dynamic Analysis and Replanning Tool - Guerra 
do Golfo Pérsico em 1991 (Cross and Walker, 1994)
• Robótica: robôs assistentes em microcirurgias – HipNav (DiGioia et al., 1996)
• Reconhecimento de língua natural e resolução de problemas: PROVERB 
(Littman et al., 1999) resolve palavras cruzadas melhor que a maioria dos seres 
humanos.
• Watson da IBM: em 2011 participou de um concurso de perguntas em língua 
natural e ganhou US$1 milhão!
• Empresa brasileira usa inteligência artificial em atendimento ao cliente – link
Aplicações de Inteligência Artificial
• Robótica
Aplicações de Inteligência Artificial
• Jogos e Simulações
Aplicações de Inteligência Artificial
• Pesquisa operacional: otimização e busca heurística em geral.
• Processamento de linguagem natural: tradução automática, verificadores 
ortográficos e sintáticos, reconhecimento da fala.
• Visão Computacional: reconhecimento de padrões, processamento de 
imagens, realidade virtual.
• Sistemas especialistas: atividades que exigem conhecimento 
especializado e não formalizado:
– Tarefas: diagnóstico, previsão, monitoramento, análise, planejamento, projeto, etc.
O Que a Inteligência Artificial é Capaz de 
Fazer Atualmente?
• É possível que o hardware seja mais rápido que o cérebro 
humano?
– Sim...
– Criar um hardware rápido é fácil, o difícil é fazer com que 
ele se comporte como um cérebro humano.
O Que a Inteligência Artificial é Capaz de 
Fazer Atualmente?
• Computadores podem ser melhores que humanos em um 
jogo de xadrez?
– Sim! É um problema clássico de inteligência artificial.
• Problema bem definido.
• Jogo complexo – difícil para humanos jogarem bem.
1200
1400
1600
1800
2000
2200
2400
2600
2800
3000
1966 1971 1976 1981 1986 1991 1997
Ratings
Human World Champion
Deep Blue
Deep Thought
Po
int
s R
ati
ng
s
O Que a Inteligência Artificial é Capaz de 
Fazer Atualmente?
• Computadores podem reconhecer a fala?
• Computadores podem entender a fala?
– Mais ou menos...
• Sim para problemas restritos.
• Não muito bem para fala normal.
O Que a Inteligência Artificial é Capaz de 
Fazer Atualmente?
• Computadores podem aprender e adaptar-se?
– Sim
• Aprendizado de máquina permite que computadores possam 
aprender e adaptar-se sem serem explicitamente programados.
• Não é possível é fazer magica. É necessário um processo de 
treinamento.
O Que a Inteligência Artificial é Capaz de 
Fazer Atualmente?
• Computadores podem ver?
– Mais ou menos...
• Sim para problemas restritos.
• Não para ambientes complexos.
O Que a Inteligência Artificial é Capaz de 
Fazer Atualmente?
• Computadores podem planejar e tomar decisões 
ótimas?
– Mais ou menos...
• Sim para problemas restritos.
• Não para ambientes complexos.
– A maioria dos problemas do mundo real são problema 
complexos.
Competições
• Loebner Prize – Teste de Turring
• DARPA Grand Challenge – Carros autônomos
DARPA Robotics Challenge 2016
http://www.theroboticschallenge.org
Vídeo
Competições
• International Aerial Robotics Competition – Veículos Aéreos 
Autônomos
• RoboCup – Robôs autônomos
Máquinas Inteligentes
• Máquinas Inteligentes = Máquinas que 
aprendem
• Aprendizado: capacidade de reagir a novos 
estímulos
• Qual é a máquina mais inteligente conhecida? 
Cérebro humano.
Profecias
O “profeta” Ray Kurzweil:
• Em 2025, saberemos tudo sobre o cérebro humano e 
seremos capazes de reproduzi-lo com perfeição em 
máquinas
• Em 2029 um computador com o preço de um PC atual terá 
a capacidade de computação do cérebro humano
• Em 2030 não haverá distinção clara entre humanos e robôs
• Em 2060 uma máquina de mil dólares será mais capaz que 
todos os cérebros humanos somados
• Em 2099 um chip de 1 centavo de dólar vai ter uma 
capacidade de computação um bilhão de vezes maior que a 
de todos os cérebros humanos da Terra somados.
Paradigmas
Conexionista
• Hipótese: um modelo preciso do cérebro humano é suficiente para reproduzir 
inteligência
• Aplicação: problemas imprecisos definidos por exemplos (e.g., reconhecimento de 
voz)
• Principal contribuição: redes neurais artificiais
Evolucionista
• Hipótese: a solução de um problema pode ser obtida pela evolução de uma 
população de indivíduos que carregam genes com informaçõesrelevantes para o 
problema
• Aplicação: problemas de otimização difíceis (e.g., escalonamento)
• Principal contribuição: algoritmos genéticos
Simbolista
• Hipótese: um conjunto de estruturas simbólicas e regras de manipulação destas 
estruturas são os meios necessários e suficientes para se criar inteligência
• Aplicação: problemas formalmente bem definidos (e.g., planejamento de tarefas)
• Principal contribuição: sistemas especialistas
Vídeos
• Documentário: O Futuro em 2111 - Mundo 
Inteligente (Completo e Dublado). Discovery Channel
- https://www.youtube.com/watch?v=LNcn2YUt1Ho
• Evolução da Inteligência Artificial preocupa 
cientistas. Olhar Digital -
https://www.youtube.com/watch?v=TqStNo21VfY