Aula 02 - Inteligência Artificial Princípios

Prévia do material em texto

Definição de inteligência possui uma profundidade conceitual nos campos da psicologia, filosofia, 
biologia e não existe um consenso sobre esta definição para termos computacionais.
Agir de forma humana: combinar determinadas regras para que se encontre soluções mais 
corretas
1)
Pensar de forma humana: criação de procedimentos para que a máquina possa tomar 
decisões sozinha.
2)
Pensar racionalmente: criar modelos para que a máquina possa raciocinar, perceber, aprender 
e pensar da maneira perfeita dentro de um sistema.
3)
Agindo racionalmente: agentes inteligentes - um agente é desenvolvido para agir 
racionalmente dentro de um determinado contexto.
4)
Abordagens:
Fundamentos
Matemática: fundamentos matemáticos para solução de problemas; matemática computacional e 
modelo matemáticos baseados em simbolismos; entre outras áreas que utilizam princípios 
matemáticos como neurobiologia, etc.
Sistema especialista: Uma solução que resolveu alguns problemas na indústria para regras mais 
complexas e que reduziam o custo de um processo. 
O sistema clássico de regras varre todo um sistema de regras para consultar todas as respostas 
possíveis. Um sistema grande nesse formato pode ser um problema.
Aula 02 - Inteligência Artificial: Princípios
segunda-feira, 2 de março de 2015 19:17
 Página 1 de SIN260 - Sistemas Inteligentes 
possíveis. Um sistema grande nesse formato pode ser um problema.
Fases
O histórico do desenvolvimento da IA gerou uma série de fases e paradigmas. Alguns estudiosos 
classificam estas épocas em:
A fase Clássica foram os dez primeiros anos onde nada funcionava.
A fase Romântica foi o período em que os primeiros passos foram dados para desenvolvimento de 
sistemas capazes de solucionar problemas.
A fase Moderna é a atual.
Paradigmas
A IA Simbólica é o conjunto de regras para resolver um problema. Não são usados algoritmos 
estruturais ou orientado à objetos, mas um conjunto de regras (programação lógica), utilizando um 
sistema de raciocínios para alcançar o resultado pretendido. A representação linguística (e gestual) 
também é convertida pela IA simbólica.
O paradigma Conexionista basicamente estuda as redes neurais para desenvolvimentos de sistemas. 
A conversão do funcionamento das redes neurais naturais por regras matemáticas para criação de 
algoritmos que funcionarão para solução de problema. Formas de aprendizado, por meio de regras, 
por associação, supervisão ou similaridade.
Outro paradigma é o Evolucionista, que se baseia na Teoria da Evolução, em sistemas genéticos.
Hard Computing x Soft Computing
A diferença entre essas técnicas é que na matemática procura-se resolver um problema de maneira 
precisa. Nas técnicas de soft computing, procura-se encontrar uma solução sub-ótima (raciocínio 
aproximado). O hard computing usa as técnicas precisas.
No hard computing não é possível representar o "mais ou menos".
OBS: Livros de IA geralmente dão enfoque em sistemas especialistas e técnicas de busca. Os livros 
mais recentes abordam mais matemática computacional e sistemas inteligentes.
Resolução de problemas
Na IA procura-se resolver um conjunto de problemas. Num jogo, por exemplo, existe a descrição das 
regras e funcionamento de um jogo.
Na IA, o ponto base é criar a formulação de um problema (qual o objetivo, a definição do problema 
e executar as técnicas de resolução), como um conjunto de componentes. Um deles é o estado 
inicial e o estado final. Este estado final é geralmente objetivo, mas não necessariamente é único.
Dentro desta formulação existe um elemento chamado função sucessor. É um conjunto de 
procedimentos que devem ser seguidos e são aceitos pelo sistema a um determinado estado para 
alcançar o estado seguinte (até encontrar o estado final que é o objetivo). 
Para tanto, o sistema define caminhos. Os caminhos são estabelecidos para cada caso em particular. 
Podem ser mais lineares e podem ser guardados para ser usados novamente e os caminhos 
variáveis. Cada caminho tem uma função custo para verificar sua viabilidade
Aspirador-de-pó. Para esse exemplo simples utiliza-se de oito estados diferentes (possíveis 
estados neste sistema). Existem várias formas de se chegar ao estado final. Nos sistemas onde 
os estados possuem o mesmo custo, escolhe-se o menor número de estados. No entanto, 
existem sistemas em os estados possuem custos diferentes, o que já altera a condição de 
decisão.
1)
Quebra-cabeça dos oito números: uma das formas de resolver esse problema é utilizar a 
função de distância, para avaliar a soma dos espaços que cada número precisa andar para 
alcançar o estado final e a avaliação de estado para estabelecer o custo de cada estado (gerar 
estados melhores).
2)
OBS: Pesquisar por HEURÍSTICA.
Balde 1: 4L
Problema dos baldes:3)
Exemplos: 
 Página 2 de SIN260 - Sistemas Inteligentes 
Balde 1: 4L
Balde 2: 3L
2L no balde 1
Objetivo: 
Estado Inicial: (0,0)
Estado final: (2,n)
Representação:
TÉCNICAS DE BUSCA! Uma técnica para resolução desses problemas utiliza os algoritmos de 
BUSCA EM LARGURA e BUSCA EM PROFUNDIDADE, Busca Híbrida e Busca Heurística.
OBS: Rever material de Algoritmos e Grafos
 Página 3 de SIN260 - Sistemas Inteligentes