Baixe o app para aproveitar ainda mais
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
Compartilhar