Baixe o app para aproveitar ainda mais
Prévia do material em texto
1.1 INTRODUÇÃO E CONCEITOS BÁSICOS 1.2 AGENTES INTELIGENTES E MULTIAGENTES 1.3 ESTRATÉGIAS DE PESQUISA EM ESPAÇO DE ESTADOS 1.4 REPRESENTAÇÃO DO RACIOCÍNIO 1.5 ELABORAÇÃO DE PLANOS (PLANEJAMENTO) 1.6 SISTEMAS CONEXIONISTAS (REDE NEURAIS) UNIDADE I O QUE É IA? ESTRATÉGIAS DE ESTUDO DE IA MEDEM FIDELIDADE AO DESEMPENHO HUMANO MEDEM UM CONCEITO IDEAL DE INTELIGÊNCIA: RACIONALIDADE SE REFEREM AOS PROCESSOS DE PENSAMENTO E RACIOCÍNIO SISTEMAS QUE PENSAM COMO SERES HUMANOS SISTEMAS QUE PENSAM DE FORMA RACIONAL SE REFEREM AO COMPORTAMENTO SISTEMAS QUE ATUAM COMO SERES HUMANOS SISTEMAS QUE ATUAM DE FORMA RACIONAL TESTE DE TURING • O TESTE DE TURING, PROPOSTO POR ALAN TURING (1950), FOI PROJETADO PARA FORNECER UMA DEFINIÇÃO OPERACIONAL SATISFATÓRIA DE INTELIGÊNCIA. • AO INVÉS DE PROPOR UMA LISTA LONGA DE QUALIFICAÇÕES EXIGIDAS PARA INTELIGÊNCIA. • O TESTE SE BASEIA NA IMPOSSIBILIDADE DE DISTINGUIR ENTRE ENTIDADES INEGAVELMENTE INTELIGENTES – OS SERES HUMANOS. TESTE DE TURING CAPACIDADES QUE UM COMPUTADOR DEVE TER PARA PASSAR NO TESTE: PROCESSAMENTO DE LINGUAGEM NATURAL • PERMITIR QUE ELE SE COMUNIQUE COM SUCESSO EM UM IDIOMA NATURAL REPRESENTAÇÃO DE CONHECIMENTO • ARMAZENAR O QUE SABE OU OUVE RACIOCÍNIO AUTOMATIZADO • USAR AS INFORMAÇÕES ARMAZENADAS PARA RESPONDER AS PERGUNTAS E TIRAR CONCLUSÕES APRENDIZAGEM DE MÁQUINA • SE ADAPTAR A NOVAS CIRCUNSTÂNCIAS, E DETECTAR E EXTRAPOLAR PADRÕES TESTE DE TURING TOTAL • NO TESTE DE "TURING TOTAL" INCLUI UM SINAL DE VÍDEO, PARA TESTAR HABILIDADES DE PERCEPÇÃO: • PARA SER APROVADO O COMPUTADOR PRECISA TAMBÉM TER A SEGUINTES CAPACIDADES: • VISÃO POR COMPUTADOR: PARA PERCEBER OBJETOS • ROBÓTICA: PARA MANIPULAR OBJETOS E MOVIMENTAR-SE DISCIPLINAS DA IA • ESSAS SEIS DISCIPLINAS COMPÕEM A MAIOR PARTE DE IA: • PROCESSAMENTO DE LIGUAGEM NATURAL • REPRESENTAÇÃO DO CONHECIMENTO • RACIOCÍNIO AUTOMATIZADO • APRENDIZADO DE MÁQUINA • VISÃO DE COMPUTADOR • ROBÓTICA IA FILOSOFI A MATEM Á- TICA ECONO- MIA NEURO- CIÊNCIA PSICO- LOGIA ENG. DE COMPUT A-DORES TEORIA DE CONTROLE LINGUÍS- TICA DISCIPLINAS QUE CONTRIBUIRAM COM A IA DISCIPLINAS QUE CONTRIBUÍRAM COM A IA • FILOSOFIA: POSSIBILITOU QUE A IA FOSSE CONCEBÍVEL POR CONSIDERAR QUE A MENTE É DE ALGUMA FORMA UMA MÁQUINA QUE: OPERA O CONHECIMENTO DECODIFICADO EM ALGUMA LINGUAGEM INTERNA; E, O PENSAMENTO PODE SER UTILIZADO PARA ESCOLHER QUE AÇÃO TOMAR. • MATEMÁTICA: PERMITIU QUE A IA DESSE UM SALTO PARA A CIÊNCIA FORMAL, ATRAVÉS DA FORMALIZAÇÃO MATEMÁTICA DA LÓGICA, DA COMPUTAÇÃO E DA PROBABILIDADE. DISCIPLINAS QUE CONTRIBUÍRAM COM A IA • ECONOMIA: ATRAVÉS DO ESTUDO DE COMO AS PESSOAS FAZEM ESCOLHAS E QUE LEVAM A RESULTADOS PREFERENCIAIS, OU “UTILIDADE”. DESTA FORMA, CONTRIBUIU MUITO PARA A NOÇÃO DE AGENTES RACIONAIS. • NEUROCIÊNCIA: PELA DESCOBERTA DE FATOS SOBRE COMO O CÉREBRO TRABALHA E A FORMA EM QUE SÃO SIMILARES E DIFERENTES DOS COMPUTADORES. • PSICOLOGIA: O ESTUDO DE PSICOLOGIA POSSIBILITOU VISUALIZAR O CÉREBRO COMO UM DISPOSITIVO DE PROCESSAMENTO DE INFORMAÇÕES. ADOTA A IDEIA QUE HUMANOS E ANIMAIS PODEM SER CONSIDERADOS MÁQUINAS DE PROCESSAR INFORMAÇÃO. DISCIPLINAS QUE CONTRIBUÍRAM COM A IA • ENGENHARIA DE COMPUTADORES: O COMPUTADOR TEM SIDO O ARTEFATO PREFERIDO, E SUA RÁPIDA EVOLUÇÃO TECNOLÓGICA TEM CONTRIBUÍDO SIGNIFICATIVAMENTE PARA O AVANÇO DA IA, ASSIM COMO A ÁREA DE SOFTWARE. • TEORIA DO CONTROLE E CIBERNÉTICA: POSSIBILITOU QUE OS ARTEFATOS POSSAM SER OPERADOS SOB SEU PRÓPRIO CONTROLE. • LINGUÍSTICA: MOSTRA A IMPORTÂNCIA DA CRIATIVIDADE NA LINGUAGEM, SUA TEORIA ERA FORMAL O BASTANTE PARA PODER, A PRINCÍPIO, SER PROGRAMADA. 1.2 Agentes Inteligentes e Multiagentes AGENTES E AMBIENTES A M B IE N T E ? Agente SENSORES ATUADORES AGENTES E AMBIENTES • UM AGENTE ROBÓTICO PODERIA TER COMO SENSORES: CÂMERA DETECTOR DE INFRAVERMELHO AGENTES E AMBIENTES • UM AGENTE ROBÓTICO TEM COMO ATUADORES: AGENTES E AMBIENTES • UM AGENTE DE SOFTWARE: • RECEBE ENTRADAS SENSORIAIS: SEQUÊNCIAS DE TECLAS DIGITADAS CONTEÚDO DE ARQUIVOS PACOTES DE REDE • ATUA SOBRE O AMBIENTE ATRAVÉS DA: EXIBIÇÃO DE CONTEÚDO NA TELA GRAVAÇÃO DE ARQUIVOS ENVIO DE PACOTES NA REDE AGENTES E AMBIENTES • MATEMATICAMENTE, O COMPORTAMENTO DO AGENTE É DESCRITO PELA FUNÇÃO DE AGENTE QUE MAPEIA QUALQUER SEQUÊNCIA DE PERCEPÇÕES ESPECÍFICA PARA UMA AÇÃO. AGENTES E AMBIENTES \ \A B SEQUÊNCIA DE PERCEPÇÕES AÇÃO [A, LIMPO] DIREITA [A, SUJO] ASPIRAR [B, LIMPO] ESQUERDA [B, SUJO] ASPIRAR [A, LIMPO],[A, LIMPO] DIREITA [A, LIMPO],[A, SUJO] ASPIRAR ... ... [A, LIMPO],[A, LIMPO,[A, LIMPO] DIREITA [A, LIMPO],[A, LIMPO], [A, SUJO] ASPIRAR ... • MATEMATICAMENTE, O COMPORTAMENTO DO AGENTE É DESCRITO PELA FUNÇÃO DE AGENTE QUE MAPEIA QUALQUER SEQUÊNCIA DE PERCEPÇÕES ESPECÍFICA PARA UMA AÇÃO. BOM COMPORTAMENTO DO AGENTE • UM AGENTE RACIONAL É AQUELE QUE FAZ TUDO CERTO! • NÃO EXISTE UMA MEDIDA FIXA APROPRIADA PARA TODOS OS AGENTES; • A MEDIDA DE DESEMPENHO DEVE ESTAR BASEADA NO RESULTADO DESEJADO NO AMBIENTE E NÃO NO COMPORTAMENTO ESPERADO DO AGENTE. • PARA SABER O SUCESSO DO AGENTE, DEVE-SE CRIAR UM MÉTODO PARA MEDIR O SEU SUCESSO, ATRAVÉS DA DEFINIÇÃO DE UM AMBIENTE DE TAREFA. RACIONALIDADE • A RACIONALIDADE DO AGENTE DEPENDE DE QUATRO FATORES: A MEDIDA DE DESEMPENHO, QUE DEFINE O CRITÉRIO DE SUCESSO; O CONHECIMENTO ANTERIOR, QUE O AGENTE TEM DO AMBIENTE; AS AÇÕES, QUE O AGENTE PODE EXECUTAR; A SEQUÊNCIA DE PERCEPÇÕES DO AGENTE ATÉ O MOMENTO. • O AMBIENTE DE TAREFA ABRANGE ESSES QUATRO FATORES. AMBIENTE DE TAREFA ESPECIFICAÇÃO DE UM AMBIENTE DE TAREFA DE UM MOTORISTA DE TAXI AUTOMATIZADO: MEDIDA DE DESEMPENHO: SEGURANÇA, DESTINO, CONFORTO, RENDIMENTO, ... CONHECIMENTO DO AMBIENTE: RUAS, ESTRADAS, TRÁFEGO, PEDESTRES, TEMPO, ... ATUADORES: DIREÇÃO, ACELERADOR, CAMBIO, FREIOS, ... SENSORES: VELOCÍMETRO, SENSORES DO MOTOR, GPS, ... AMBIENTE DE TAREFA ESPECIFICAÇÃO DE UM AMBIENTE DE TAREFA CONTROLADOR DE REFINARIA: MEDIDA DE DESEMPENHO: MAXIMIZAR A PUREZA, RENDIMENTO, SEGURANÇA, ... CONHECIMENTO DO AMBIENTE: REFINARIA, OPERADORES, ... ATUADORES: VÁLVULAS, BOMBAS, AQUECEDORES, MOSTRADORES, ... SENSORES: SENSORES DE TEMPERATURA, PRESSÃO, PRODUTOS QUÍMICOS ESTRUTURA DE AGENTES • O TRABALHO DA IA É PROJETAR O PROGRAMA DE AGENTE QUE IMPLEMENTA A FUNÇÃO DE AGENTE QUE MAPEIA PERCEPÇÕES EM AÇÕES; • SUPOMOS QUE ESSE PROGRAMA SERÁ EXECUTADO EM ALGUM TIPO DE DISPOSITIVO DE COMPUTAÇÃO COM SENSORES E ATUADORES FÍSICOS, AO QUE CHAMAMOS DE ARQUITETURA; SEQUÊNCIA DE PERCEPÇÕES AÇÃO [A, LIMPO] DIREITA [A, SUJO] ASPIRAR [B, LIMPO] ESQUERDA [B, SUJO] ASPIRAR [A, LIMPO],[A, LIMPO] DIREITA [A, LIMPO],[A, SUJO] ASPIRAR ... ... [A, LIMPO],[A, LIMPO,[A, LIMPO] DIREITA [A, LIMPO],[A, LIMPO], [A, SUJO] ASPIRAR ... ESTRUTURA DE AGENTES FUNÇÃO DE AGENTE PROGRAMA DE AGENTE ARQUITETURA SENSORES ATUADORES AGENTE = ARQUITETURA + PROGRAMA PERCEPÇÃO AÇÃO PERCEPÇÃO AÇÃO ESTRUTURAS DE AGENTE • A ARQUITETURA: TORNA AS PERCEPÇÕES DO SENSORES DISPONÍVEIS PARA O PROGRAMA; EXECUTA O PROGRAMA; E, ALIMENTA AS OPÇÕES DE AÇÃO DO PROGRAMA PARA OS ATUADORES À MEDIDA QUE SÃO GERADOS. • EM GERAL, PROGRAMAS DE AGENTE: RECEBEM A PERCEPÇÃO ATUAL COMO ENTRADA DOS SENSORES, E RETORNAM UMA AÇÃO PARA OS ATUADORES. • ATENÇÃO: 1) O PROGRAMA DE AGENTE TOMA APENAS A PERCEPÇÃO ATUALCOMO ENTRADA; 2) A FUNÇÃO DE AGENTE, RECEBE O HISTÓRICO DE PERCEPÇÕES COMPLETO. PROGRAMAS DE AGENTES • HÁ QUATRO TIPOS BÁSICOS DE PROGRAMAS DE AGENTES QUE INCORPORAM OS PRINCÍPIOS SUBJACENTES A QUASE TODOS OS SISTEMAS INTELIGENTES: AGENTES REATIVOS SIMPLES AGENTES REATIVOS BASEADOS EM MODELO AGENTES BASEADOS EM OBJETIVOS AGENTES BASEADOS NA UTILIDADE AGENTES REATIVOS SIMPLES • SELECIONAM AÇÕES COM BASE NA PERCEPÇÃO ATUAL, IGNORANDO O RESTANTE DO HISTÓRICO DE PERCEPÇÕES; • É O CASO DO AGENTE ASPIRADOR DE PÓ, VISTO PREVIAMENTE. SUA DECISÃO SE BASEIA APENAS: NA POSIÇÃO ATUAL; E, NO FATO DE ESSA POSIÇÃO CONTER OU NÃO SUJEIRA. AGENTES REATIVOS BASEADOS EM MODELOS • O MODO MAIS EFETIVO DE LIDAR COM A POSSIBILIDADE DE OBSERVAÇÃO PARCIAL É O AGENTE CONTROLAR PARTE DO MUNDO QUE ELE NÃO PODE VER AGORA; • O AGENTE DEVE MANTER ALGUM TIPO DE “ESTADO INTERNO” QUE DEPENDA DO HISTÓRICO DE PERCEPÇÕES; E, • ASSIM, REFLITA PELO MENOS EM ALGUNS DOS ASPECTOS NÃO-OBSERVADOS DO ESTADO ATUAL. AGENTES BASEADOS EM OBJETIVOS • CONHECER O ESTADO ATUAL DO AMBIENTE NEM SEMPRE É SUFICIENTE PARA SE DECIDIR O QUE FAZER; • COMO EXEMPLO, O CARRO AUTÔNOMO PODE CHEGAR EM UM ENTRONCAMENTO, ONDE PODE VIRAR À DIREITA, À ESQUERDA, OU PODE SEGUIR EM FRENTE. • DA MESMA FORMA QUE O AGENTE PRECISA DE UMA DESCRIÇÃO DO ESTADO ATUAL, ELE TAMBÉM PRECISA DE ALGUMA ESPÉCIE DE INFORMAÇÃO SOBRE OBJETIVOS, COMO POR EXEMPLO ESTAR NO DESTINO DO PASSAGEIRO. AGENTES BASEADOS NA UTILIDADE • APENAS OS OBJETIVOS NÃO SÃO REALMENTE SUFICIENTES PARA GERAR UM COMPORTAMENTO DE ALTA QUALIDADE NA MAIORIA DOS AMBIENTES; • EXEMPLO, EXISTEM MUITAS SEQUÊNCIAS DE AÇÕES QUE LEVARÃO O TÁXI ATÉ SEU DESTINO, MAS ALGUMAS PODEM SER MAIS RÁPIDAS, MAIS SEGURAS, MAIS CONFIÁVEIS, OU MESMO, MAIS ECONÔMICAS; • ESTES AGENTES UTILIZAM UMA FUNÇÃO DE UTILIDADE QUE MAPEIA OS ESTADOS (OU SEQUENCIA DE ESTADOS) EM UM NÚMERO REAL, QUE DESCREVE O “GRAU DE FELICIDADE” ASSOCIADO. 1.3 Estratégias de Pesquisa em Espaço de Estados MÉTODOS DE RESOLUÇÃO DE PROBLEMAS • AGENTES REATIVOS, BASEIAM SUAS AÇÕES EM UM MAPEAMENTO DIRETO DE ESTADOS EM AÇÕES. • TAIS AGENTES NÃO PODEM OPERAR BEM EM AMBIENTES PARA OS QUAIS ESSES MAPEAMENTO SERIA GRANDE DEMAIS PARA: 1) ARMAZENAR; E, 2) APRENDER. • AGENTES DE RESOLUÇÃO DE PROBLEMAS DECIDEM O QUE FAZER ENCONTRANDO SEQUÊNCIAS DE AÇÕES QUE LEVAM A ESTADOS DESEJADOS. AGENTE DE RESOLUÇÃO DE PROBLEMA 1ª PASSO PARA RESOLUÇÃO DE PROBLEMA Formulação de Objetivos Situação Atual Medida de Desempenho 2º PASSO PARA RESOLUÇÃO DE PROBLEMA Formulação do Problema Definir Estados Definir Ações Formulação do Objetivos Situação Atual Medida de Desempenho 3º PASSO RESOLUÇÃO DE PROBLEMA Busca Examinar Sequência de Ações Formulação do Problema Definir Estados Definir Ações Formulação do Objetivo Situação Atual Medida de Desempenho AGENTE DE RESOLUÇÃO DE PROBLEMA Formulação do Objetivo Formulação do Problema Busca Escolher a Melhor Sequência PROBLEMAS E SOLUÇÕES BEM DEFINIDOS UM PROBLEMA PODE SER DEFINIDO POR CINCO COMPONENTES: 1) ESTADO INICIAL: ONDE O AGENTE COMEÇA. Ex.: Em(Arad) 2) AÇÕES: DESCRIÇÃO DAS AÇÕES POSSÍVEIS ESTANDO O AGENTE EM UM DETERMINADO ESTADO. • Ex.: A partir do estado em(Arad) as ações possíveis são {Ir(Sibiu), Ir(Timisoara), Ir(Zerind)} 3) MODELO DE TRANSIÇÃO: DESCRIÇÃO DO QUE UMA AÇÃO FAZ, ESPECIFICADO POR UMA FUNÇÃO RESULTADO(estado,ação) • Ex.: RESULTADO(Em(Arad),Go(Zerind))= Em(Zerind) 4) TESTE DE OBJETIVO, pode ser • Explícito: x = “em Bucareste” • Implícito: Chequemate(x) 5) CUSTO DE CAMINHO (aditivo) • Ex.: Soma das distâncias (Km, m, etc), número de ações executáveis, etc. • c(x,a,y) é o “custo do passo”, que deve ser sempre >= 0 PROBLEMAS E SOLUÇÕES BEM DEFINIDOS • UMA SOLUÇÃO PARA UM PROBLEMA É UM CAMINHO DESDE O ESTADO INICIAL ATÉ UM ESTADO OBJETIVO; • UMA SOLUÇÃO ÓTIMA TEM O MENOR CUSTO DO CAMINHO. • A QUALIDADE DO SOLUÇÃO ESCOLHIDA É MEDIDA ATRAVÉS DE UM FUNÇÃO DE CUSTO. BUSCA DE SOLUÇÕES • A SOLUÇÃO DE PROBLEMAS PERCORRE ESPAÇOS DE ESTADOS ATRAVÉS DE TÉCNICAS DE BUSCAS, QUE UTILIZAM ÁRVORES DE BUSCA. • UMA ÁRVORE É UM TIPO DE GRAFO, E POSSIBILITA QUE OS ESTADOS PODEM SER ALCANÇADOS POR DIFERENTES CAMINHOS. ESPAÇO DE ESTADOS ÁRVORE DE BUSCA (GRAFO) BUSCA DE SOLUÇÕES • A RAIZ DA ÁRVORE DE BUSCA É UM NÓ DE BUSCA, QUE CORRESPONDE A UM ESTADO INICIAL DE UMA OCORRÊNCIA DO PROBLEMA. BUSCA DE SOLUÇÕES • PRIMEIRO, É TESTADO SE O NÓ RAIZ É O ESTADO OBJETIVO. • CASO NÃO SEJA, OCORRE UMA EXPANSÃO NO ESTADO ATUAL, ATRAVÉS DA FUNÇÃO RESULTADO, QUE GERA UM NOVO CONJUNTO DE ESTADOS. • AGORA, DEVE-SE ESCOLHER QUAIS DOS NÓS EXPANDIDOS DEVE SER CONSIDERADO NA BUSCA, O QUE É DETERMINADO PELA ESTRATÉGIA DE BUSCA. BUSCA DE SOLUÇÕES BUSCA DE SOLUÇÕES BUSCA DE SOLUÇÕES TÉCNICAS DE BUSCAS EM ESPAÇOS DE ESTADOS A COLEÇÃO DE NÓS DE QUE FORAM GERADOS PELA FUNÇÃO SUCESSORA, E AINDA NÃO FORAM EXPANDIDOS SÃO DENOMINADOS DE BORDA. MEDIÇÃO DE DESEMPENHO DE RESOLUÇÃO DE PROBLEMAS • UMA ESTRATÉGIA DE BUSCA É DEFINIDA PELA ESCOLHA DA ORDEM DA EXPANSÃO DOS NÓS. • OS ALGORITMOS DE RESOLUÇÃO DE PROBLEMA PODEM SER AVALIADOS POR QUATRO ASPECTOS: • COMPLETEZA: O algoritmo encontra a solução se ela existe? • OTIMIZAÇÃO: A estratégia encontra a solução ótima? • COMPLEXIDADE DE TEMPO: Número de nós gerados. • COMPLEXIDADE DE ESPAÇO: Número máximo de nós na memória. MEDIÇÃO DE DESEMPENHO DE RESOLUÇÃO DE PROBLEMAS COMPLEXIDADE DE TEMPO E ESPAÇO É MEDIDO ATRAVÉS DE: b – MÁXIMO FATOR DE RAMIFICAÇÃO DE ÁRVORE (NÚMERO MÁXIMO DE SUCESSORES DE QUALQUER NÓ) d – PROFUNDIDADE DO NÓ OBJETIVO MAIS RASO m – O COMPRIMENTO MÁXIMO DE QUALQUER CAMINHO NO ESPAÇO DE ESTADOS (PODE SER INFINITO ) MEDIÇÃO DE DESEMPENHO DE RESOLUÇÃO DE PROBLEMAS d=0 d=1 d=2 d+1 b = 3, d = 2 e m = 3 MÉTODOS DE BUSCAS TÉCNICAS DE BUSCAS EM ESPAÇOS DE ESTADOS BUSCA SEM INFORMAÇÃO (OU, BUSCA CEGA) • NÃO TEM NENHUMA INFORMAÇÃO ADICIONAL, ALÉM DAS FORNECIDAS NA DEFINIÇÃO DO PROBLEMA • TUDO O QUE PODEM FAZER É: • GERAR SUCESSORES • DISTINGUIR UM “ESTADO OBJETIVO” DE UM “ESTADO NÃO- OBJETIVO” BUSCA COM INFORMAÇÃO (OU, HEURÍSTICA) • SABEM SE UM ESTADO NÃO- OBJETIVO É “MAIS PROMISSOR” QUE O OUTRO. • O QUE CONTRIBUI DE FORMA SIGNIFICATIVA ALCANÇAR UM ESTADO OBJETIVO. BUSCA SEM INFORMAÇÃO BUSCA EM EXTENSÃO OU LARGURA (BREADTH-FIRST) BUSCA DE CUSTO UNIFORME BUSCA EM PROFUNDIDADE (DEPTH-FIRST) BUSCA EM PROFUNDIDADE LIMITADA BUSCA POR APROFUNDIDADE ITERATIVO EM PROFUNDIDADE BUSCA BIDIRECIONAL BUSCA EM EXTENSÃO BUSCA EM EXTENSÃO • ESTADO OBJETIVO: G • RAMIFICAÇÃO: b = 2 • PROFUNDIDADE: d = 2 d=0 d=1 d=2 d+1 BUSCA DE CUSTO UNIFORME C=0 C=1 C=3 C=2 C=5 C=6 C=4 C=2 BUSCA DE CUSTO UNIFORME C=0 C=1 C=3 C=2 C=5 C=6 C=4 C=2 BUSCA DE CUSTO UNIFORME • ESTADO OBJETIVO: G • CUSTO TOTAL: C*=5 • FATOR DE RAMIFICAÇÃO b=3 d=0 d=1 d=2 BUSCA EM PROFUNDIDADE BUSCA EM PROFUNDIDADE LIMITADA • PRINCÍPIO: BUSCA EM PROFUNDIDADE UTILIZANDO UM LIMITE DE PROFUNDIDADE, ISTO É, NÓS COM PROFUNDIDADE l NÃO TEM SUCESSORES. • l=3 BUSCA POR APROFUNDAMENTO ITERATIVO EM PROFUNDIDADE • l=0 • l=1 • l=2 BUSCA POR APROFUNDAMENTO ITERATIVO EM PROFUNDIDADE • l=3 OBS.: É COMO SE COMBINASSE A BUSCA EM PROFUNDIDADE COM A BUSCA EM EXTENSÃO. BUSCA BIDIRECIONAL Início Obje- tivo ATIVIDADE 1 – QUAL A SEQUENCIA QUEOS NÓS SÃO ACESSADOS: • BUSCA EM PROFUNDIDADE • BUSCA EM EXTENSÃO • BUSCA DE CUSTO UNIFORME ATENÇÃO: CRIEM MODELOS MAIS COMPLEXOS PARA ESTUDAR ATIVIDADE 1 – QUAL A SEQUENCIA QUE OS NÓS SÃO ACESSADOS: • BUSCA EM PROFUNDIDADE: BP = { A, B, D, E, C, F} ATIVIDADE 1 – QUAL A SEQUENCIA QUE OS NÓS SÃO ACESSADOS: • BUSCA EM EXTENSÃO: BP = { A, B, C, D, E, F} ATIVIDADE 1 – QUAL A SEQUENCIA QUE OS NÓS SÃO ACESSADOS: • BUSCA DE CUSTO UNIFORME BC = { A, B, E, C, D, G, F} ESTRATÉGIA DE BUSCA COM INFORMAÇÃO, OU HEURÍSTICA MÉTODOS DE BUSCA COM INFORMAÇÃO • A HEURÍSTICA INTRODUZ UMA MÉTRICA QUE PERMITE AO AGENTE DE BUSCA ESTIMAR A DISTÂNCIA DESDE O ESTADO ATUAL ATÉ UM OBJETIVO; • COMO EXEMPLO: USAMOS A HEURÍSTICA “DISTÂNCIA EM LINHA RETA” ENTRE O OBJETIVO (ARAD) E O OBJETIVO (BUCARESTE). BUSCA COM INFORMAÇÃO BUSCA PELA MELHOR ESCOLHA UTILIZA UMA FUNÇÃO DE AVALIAÇÃO f(n) PARA ESCOLHER ENTRE OS NÓS DA BORDA O QUE POSSUI O MENOR f(n), E SE DIVIDE EM DUAS ESTRATÉGIAS DE BUSCA: •BUSCA GULOSA PELA MELHOR ESCOLHA: UTILIZA f(n) = h(n) •BUSCA A*: UTILIZA f(n) = g(n) + h(n) ONDE: g(n) É CUSTO PARA ALCANÇAR CADA NÓ, E h(n), O CUSTO PARA IR DO NÓ ATÉ O OBJETIVO EM LINHA RETA. BUSCA GULOSA PELA MELHOR ESCOLHA Menor distância a Bucareste BUSCA GULOSA PELA MELHOR ESCOLHA BUSCA A* BUSCA A* 1.4 REPRESENTAÇÃO E RACIOCÍNIO UNIDADE I AGENTES LÓGICOS BASE DE CONHECIMENTO BASE DE CONHECIMENTO UMA BASE DE CONHECIMENTO (BC) É UM CONJUNTO DE SENTENÇAS; CADA SENTENÇA É EXPRESSA EM UMA LINGUAGEM CHAMADA “LINGUAGEM DE REPRESENTAÇÃO DE CONHECIMENTO”, E REPRESENTA ALGUMA AFIRMAÇÃO SOBRE O MUNDO. A LÓGICA É UMA LINGUAGEM FORMAL QUE PERMITE REPRESENTAR INFORMAÇÃO É EXTRAIR CONCLUSÕES: LÓGICA PROPOSICIONAL (FATOS) LÓGICA DE 1ª ORDEM (FATOS, OBJETOS, RELAÇÕES) LÓGICA PROPOSICIONAL A LÓGICA PROPOSICIONAL, OU LÓGICA BOOLEANA, É MUITO SIMPLES; AS SENTENÇAS ATÔMICAS CONSISTEM EM UM ÚNICO SÍMBOLO PROPOSICIONAL; AS SENTENÇAS COMPLEXAS SÃO CONSTRUÍDOS A PARTIR DE SENTENÇAS MAIS SIMPLES COM A UTILIZAÇÃO DE CONECTIVOS LÓGICOS: LÓGICA DE PRIMEIRA ORDEM ENQUANTO A LÓGICA PROPOSICIONAL ASSUME QUE O MUNDO CONTEM FATOS; A LÓGICA DE PRIMEIRA ORDEM, ASSIM COMO A LINGUAGEM NATURAL, ASSUME QUE O MUNDO TAMBÉM CONTÊM: OBJETOS: PESSOAS, CASAS, NÚMEROS, CORES, ETC. RELAÇÕES: PESSOAS MORAM EM CASAS, CASAS POSSUEM NÚMEROS, ETC. LÓGICA DE PRIMEIRA ORDEM RELAÇÕES: • RELAÇÕES UNÁRIAS OU PROPRIEDADES: VERMELHO, REDONDO, FALSO, PRIMO, ETC. • RELAÇÕES N-ÁRIAS MAIS GERAIS COMO: IRMÃO DE, MAIOR QUE, PERTENCE A, FICA ENTRE, ETC. • FUNÇÕES: PAI DE, MELHOR AMIGO, UMA UNIDADE MAIOR QUE, ETC. LÓGICA DE PRIMEIRA ORDEM EXEMPLO: “O PERVERSO REI JOÃO GOVERNOU A INGLATERRA EM 1200” OBJETOS? ‘JOÃO’, ‘INGLATERRA’ E ‘1200’ RELAÇÃO N-ÁRIA? ‘GOVERNOU’ RELAÇÃO UNÁRIA OU PROPRIEDADE? ‘PERVERSO’ E ‘REI’ LPO – SINTAXE E SEMÂNTICA OS ELEMENTOS SINTÁTICOS BÁSICOS DA LPO: SÍMBOLOS DE CONSTANTES, QUE REPRESENTAM OBJETOS: Em Irmão(Ricardo,João) “Ricardo” e “João” são constantes. SÍMBOLOS DE PREDICADOS, QUE REPRESENTAM RELAÇÕES: Em Irmão(Ricardo,João) “Irmão” é predicado, porque podem haver vários irmãos. SÍMBOLOS DE FUNÇÕES, QUE REPRESENTAM FUNÇÕES: Em Mãe(Ricardo) “mãe” é função, porque as pessoa possuem apenas uma mãe. Simplifica a relação Mãe(x,Ricardo). . CATEGORIAS E OBJETOS A ORGANIZAÇÃO DE OBJETOS EM CATEGORIAS É UMA PARTE VITAL DA REPRESENTAÇÃO DO CONHECIMENTO; APESAR DA INTERAÇÃO DO MUNDO REAL OCORRA NO NÍVEL DE OBJETOS INDIVIDUAIS, UMA GRANDE PARTE DO RACIOCÍNIO TEM LUGAR NO NÍVEL DE CATEGORIAS; EXEMPLO: UM CONSUMIDOR TALVEZ TENHA INTERESSE EM COMPRAR UMA BOLA DE BASQUETE, E NÃO UMA BOLA DE BASQUETE DE DETERMINADA MARCA. CATEGORIAS E OBJETOS HÁ DUAS FORMAS DE REPRESENTAR CATEGORIAS EM LÓGICA DE PRIMEIRA ORDEM: A) PREDICADO: BolaDeBasquete(b) B) OBJETO: BolasDeBasquete, DESTA FORMA PODEMOS AFIRMAR: Elemento(b,BolasDeBasquete) Subconjunto(BolasDeBasquete,Bolas) b1 BolasDeBasquete Bolas b2 CATEGORIAS E OBJETOS AS CATEGORIAS TAMBÉM SERVEM PARA ORGANIZAR E SIMPLIFICAR A BASE DE CONHECIMENTO POR HERANÇAS; EXEMPLO, SE AFIRMAMOS QUE: A) TODAS AS INSTÂNCIAS DA CATEGORIA Alimento SÃO COMESTÍVEIS; B) Fruta É UMA SUBCLASSE DE Alimento; C) Maças É UMA SUBCLASSE DE Fruta. ENTÃO SABEREMOS QUE TODA MAÇA É COMESTÍVEL. AS MAÇAS INDIVIDUAIS HERDAM A PROPRIEDADE DE SEREM COMESTÍVEIS, NESSE CASO DE SUA CONDIÇÃO DE ELEMENTO DA CATEGORIA Alimento. CATEGORIAS E OBJETOS A IDEIA DE QUE UM OBJETO PODER FAZER PARTE DE OUTRO É BASTANTE FAMILIAR. ParteDe(Bucareste, Romênia) ParteDe(Romênia, EuropaOriental) ParteDe(EuropoOriental, Europa) ParteDe(Europa, Terra) PARA TORNAR A RELAÇÃO ParteDe TRANSITIVA E REFLEXIVA, SEGUE AS REGRAS A SEGUIR, RESPECTIVAMENTE: PODEMOS CONCLUIR: ParteDe(Bucareste, Terra) % TRANSITIVA ParteDe(Bucareste, Bucareste) % REFLEXIVA REDES SEMÂNTICAS AS REDES SEMÂNTICAS OFERECEM AUXÍLIO GRÁFICO PARA VISUALIZAÇÃO DE UMA BASE DE CONHECIMENTO. GRAÇAS A UTILIZAÇÃO DE CATEGORIAS, AS REDES SEMÂNTICAS POSSIBILITAM O RACIOCÍNIO DE HERANÇA. AS REDES SEMÂNTICAS REPRESENTAM O CONHECIMENTO COMO GRAFOS, COM OS NÓS CORRESPONDENDO A FATOS OU CONCEITOS (OBJETOS) E OS ARCOS COMO RELAÇÕES OU ASSOCIAÇÕES ENTRE OS OBJETOS. REDES SEMÂNTICAS (LUGER, 2004) EXEMPLO DE FATOS OU CONCEITOS EXEMPLO DE RELAÇÕES E ASSOCIAÇÕES SISTEMAS BASEADOS EM CONHECIMENTO SISTEMAS BASEADOS EM CONHECIMENTO (SBC) Utilizam o conhecimento representado explicitamente sobre um determinado domínio para resolver problemas; Possuem como principal característica uma base de conhecimento e um mecanismo de raciocínio capaz de realizar inferências sobre essa base e tirar conclusões. SISTEMAS BASEADOS EM CONHECIMENTO SISTEMAS CONVENCIONAIS SISTEMAS BASEADOS EM CONHECIMENTO ESTRUTURA DE DADOS REPRESENTAÇÃO DO CONHECIMENTO DADOS E RELAÇÕES ENTRE DADOS CONCEITOS, RELAÇÕES ENTRE CONCEITOS E REGRAS TIPICAMENTE USA ALGORITMO DETERMINÍSTICOS BUSCA HEURÍSTICA CONHECIMENTO EMBUTIDO NO CÓDIGO DO PROGRAMA CONHECIMENTO REPRESENTADO EXPLICITAMENTE E SEPARADO DO PROGRAMA QUE O MANIPULA E INTERPRETA EXPLICAÇÃO DO RACIOCÍNIO É DIFÍCIL PODEM E DEVEM EXPLICAR SEU RACIOCÍNIO ESTRUTURA GERAL DE UM SBC NÚCLEO DO SISTEMA BASEADO EM CONHECIMENTO (OU SHELL) BASE DE CONHECIMENTO MEMÓRIA DE TRABALHO BASE DE DADOS IN T E R FA C E ESTRUTURA GERAL DE UM SBC NÚCLEO DO SBC É FORMADO POR: 1) MÓDULO COLETOR DE DADOS (MCD): Obtém informações do problema em questão, através da formulação de sucessivas perguntas do problema em questão. 2) MOTOR DE INFERÊNCIA (MI): Desenvolve o raciocínio baseado nas informações obtidas pelo MCD e pelo conhecimento representando na BC. 3) MÓDULO DE EXPLICAÇÃO (ME): Explica, ou justifica, as conclusões obtidas, e os motivos pelos quais o SBC fez determinadas perguntas. REGRAS DE PRODUÇÃO • Regras de Produção são utilizadas para representar o conhecimento em SBC; • Baseia-se na ideia de que o processo de tomada de decisão humano pode ser modeladado por meio de regras do tipo: SE <condição> ENTÃO <conclusões> <ações> • Entre várias alternativas de Representação do Conhecimento (Ex.: Redes Semânticas, entre outros), as regras constituem uma forma natural de representar o conhecimento de um especialista humano. MOTOR DE INFERÊNCIA cozinha_seca E VAZAMENTO BANHEIRO HALL MOLHADO E PROBLEMA COZINHA BANHEIRO SECO E VAZAMENTO COZINHAJANELA FECHADA OU SEM ÁGUA DE FORA NÃO CHOVEU JANELA COZINHA BANHEIRO HALL REGRAS DE PRODUÇÃO • UMA POSSIBILIDADE SERIA: • R1: SE a cozinha = seca E hall = molhado ENTÃO vazamento = banheiro • R2: SE o banheiro = seco E o hall = molhado ENTÃO cozinha com problema = sim • R3: SE a janela = fechada OU choveu = não ENTÃO água de fora = não • R4: SE cozinha com problema = sim E água de fora = não ENTÃO vazamento = cozinha SISTEMA DE INFERÊNCIA FUZZY DE MANDANI REDES BAYESIANAS PLANEJAMENTO UNIDADE I PLANEJAMENTO • UM PROCESSO DE DELIBERAÇÃO ABSTRATO E EXPLICITO E QUE ESCOLHE E ORGANIZA AÇÕES, ANTECIPANDO RESULTADOS ESPERADOS. • A INTELIGÊNCIA ARTIFICIAL ESTUDAR E IMPLEMENTAR ESSES PROCESSOS DE DELIBERAÇÃO, ATRAVÉS DE PLANEJADORES (PLANNER). PLANEJAMENTO • COMO NOS PROBLEMAS DE BUSCA, PRECISAMOS REPRESENTAR OS SEGUINTES ELEMENTOS DO PROBLEMA DE PLANEJAMENTO: ESTADO INICIAL AS AÇÕES QUE ESTÃO DISPONÍVEIS EM UM ESTADO O RESULTADO DE APLICAÇÃO DE UMA AÇÃO O TESTE DE OBJETIVO LINGUAGENS DE PLANEJAMENTO • STRIPS: Stanford Research Institute Problem Solver • ADL: Action Description Language (É UMA VARIANTE DO STRIPS) • ... • PDDL: Planning Domain Definition Language: • DERIVADA DO STRIPS QUE É MAIS RESTRITIVA QUE O PDDL • SERÁ APRESENTADA UMA VERSÃO SIMPLIFICADA CARACTERÍSTICA GERAIS DA LINGUAGEM • ESQUEMA DE AÇÃO: Ação(Voar(p,de,para), PRECOND: Em(p,de) Avião(p) Aeroporto(de) Aeroporto(para) EFEITO: ¬Em(p,de) Em(p,para)). • AÇÃO INSTANCIADA QUE SUBSTITUÍ VALORES DAS VARIÁVEIS: Ação(Voar(P1,BEL,MAO), PRECOND: Em(P1,BEL) Avião(P1) Aeroporto(BEL) Aeroporto(MAO) EFEITO: ¬Em(P1,BEL) Em(P1,MAO)). CARACTERÍSTICA GERAIS DA LINGUAGEM • ESQUEMA DE AÇÃO: Ação(Voar(P1,BEL,MAO), PRECOND: Em(P1,BEL) Avião(P1) Aeroporto(BEL) Aeroporto(MAO) EFEITO: ¬Em(P1,BEL) Em(P1,MAO)). • A PRECONDIÇÃO DEFINE OS ESTADOS EM QUE A AÇÃO PODE SER EXECUTADA; • AÇÃO PODE SER APLICADA, SOMENTE SE TODAS AS PRECONDIÇÕES FORAM SATISFEITAS. • O EFEITO DEFINE O RESULTADO DA EXECUÇÃO DA AÇÃO. CARACTERÍSTICA GERAIS DA LINGUAGEM • UM CONJUNTO DE ESQUEMAS DE AÇÃO SERVE COMO UMA DEFINIÇÃO DO DOMÍNIO DE PLANEJAMENTO; • UM ADIÇÃO DE UM ESTADO INICIAL E UM OBJETIVO DEFINEM UM PROBLEMA ESPECÍFICO DENTRO DE UM DOMÍNIO; • O ESTADO INICIAL É UMA CONJUNÇÃO DE ÁTOMOS INSTANCIADOS. EX.: Em(Avião1,BEL) • O OBJETIVO É EXATAMENTE COMO UMA PRECONDIÇÃO: UMA CONJUNÇÃO DE LITERAIS QUE PODEM CONTER VARIÁVEIS. EX.: Em(p,BEL) ʌ Avião(p) Ex: Transporte aéreo de cargas Início(Em(C1, BEL) Em(C2, MAO) Em(A1, BEL) Em(A2, MAO) Carga(C1) Carga(C2) Avião(A1) Avião(A2) Aeroporto(BEL) Aeroporto(MAO)) Objetivo(Em(C1, MAO) Em(C2, BEL)) Ação(Carregar(c, p, a) PRECOND: Em(c, a) Em(p, a) Carga(c) Avião(p) Aeroporto(a) EFEITO: ¬Em(c, a) Dentro(c, p)) Ação(Descarregar(c, p, a) PRECOND: Dentro(c, p) Em(p, a) Carga(c) Avião(p) Aeroporto(a) EFEITO: Em(c, a) ¬Dentro(c, p)) Ação(Voar(p, de, para) PRECOND: Em(p, de) Avião(p) Aeroporto(de) Aeroporto(para) EFEITO: ¬Em(p, de) Em(p, para)) Qual seria um possível plano??? Ex: Transporte aéreo de cargas Início(Em(C1, BEL) Em(C2, MAO) Em(A1, BEL) Em(A2, MAO) Carga(C1) Carga(C2) Avião(A1) Avião(A2) Aeroporto(BEL) Aeroporto(MAO)) Objetivo(Em(C1, MAO) Em(C2, BEL)) Ação(Carregar(c, p, a) PRECOND: Em(c, a) Em(p, a) Carga(c) Avião(p) Aeroporto(a) EFEITO: ¬Em(c, a) Dentro(c, p)) Ação(Descarregar(c, p, a) PRECOND: Dentro(c, p) Em(p, a) Carga(c) Avião(p) Aeroporto(a) EFEITO: Em(c, a) ¬Dentro(c, p)) Ação(Voar(p, de, para) PRECOND: Em(p, de) Avião(p) Aeroporto(de) Aeroporto(para) EFEITO: ¬Em(p, de) Em(p, para)) Possível plano: [Carregar(C1, P1, BEL), Voar(P1, BEL, MAO), Descarregar(C1, P1, MAO)] [Carregar(C2, P1, MAO), Voar(P1, MAO, BEL), Descarregar(C2, P1, BEL)] ALGORITMOS DE PLANEJAMENTO • HÁ DUAS GATEGORIAS: 1. ALGORITMOS DE PROGRESSÃO • BUSCA POR ENCADEAMENTO PARA FRENTE • CONSIDERAR OS EFEITOS DE TODAS AS AÇÕES EM UM DADO ESTADOS • O QUE TORNA A BUSCA PROPENSA A EXPLORAR AÇÕES IRRELEVANTES. 2. ALGORITMOS DE REGRESSÃO • BUSCA POR ENCADEAMENTO PARA TRÁS • PARA ATINGIR UM OBJETIVO, BUSCA APENAS O QUE DEVE SER VERDADEIRO NO ESTADO ANTERIOR (E ASSIM RECURSIVAMENTE). • SOMENTE É POSSÍVEL SE SOUBER COMO REGREDIR DE UM ESTADO PARA UM ESTADO PREDECESSOR. ALGORITMOS DE PROGRESSÃO E REGRESSÃO Em(P1, A) Em(P2, A) Voar(P1,A,B) Voar(P2,A,B) Em(P1, B) Em(P2, A) Em(P1, A) Em(P2, B) Em(P1, B) Em(P2, B) Voar(P2,A,B) Voar(P1,A,B) Em(P1, B) Em(P2, A) Em(P1, A) Em(P2, B) (a) (b) Abordagens para a busca de um plano. (a) Busca para frente (progressão). (b) Busca para trás (regressão). BOM ESTUDO & BOA PROVA!!
Compartilhar