Aula-11-12

Prévia do material em texto

Aulas 10 e 11 - Tecnologias de Inteligência Artificial nos Negócios.
Fundamentos de SI
Prof. Ulisses Sperle Graça
Prof. Vanilde Manfredi
set/2015
1
2
	
Tecnologias de Inteligência Artificial (IA)
O ramo da Inteligência Artificial estuda técnicas que tornam os computadores e respectivos sistemas capazes de tomar decisões de forma parecida com as do ser humano. Estudam-se técnicas de representação de conhecimentos, heurísticas (soluções de problemas), raciocínios lógicos e nebulosos que darão boas, mas nem sempre, soluções ótimas e linguagens especiais para trabalhar com conhecimento.
 
O principal objetivo da IA  é propiciar o desenvolvimento de ferramentas capazes de melhorar as operações empresariais e aumentar a sua vantagem competitiva.
2
3
	
Tecnologias de IA nos negócios 
Um das principais aplicações da IA nas empresas, hoje em dia, é  utilização de recursos computacionais baseados em conhecimentos e não mais em sistemas de informações gerenciais onde o homem estuda todas as informações e, com sua própria experiência, toma decisões. 
A ideia é que a decisão fique a cargo dos sistemas dotados de “inteligência”. Mas de que forma?
3
4
	
Estudam-se técnicas de representação de conhecimentos, heurísticas (soluções de problemas), raciocínios lógicos e nebulosos que darão boas, mas nem sempre, soluções ótimas e linguagens especiais para trabalhar com conhecimento.
 
O principal objetivo da IA  é propiciar o desenvolvimento de ferramentas capazes de melhorar as operações empresariais e aumentar a sua vantagem competitiva.
Além de sua própria experiência, os tomadores de decisão contarão com a experiência de outros especialistas cujos conhecimentos estarão armazenados nos computadores de acordo com as técnicas de Inteligência Artificial.
Tecnologias de IA nos negócios 
4
5
	
Dentre as aplicações da IA, já em uso nas corporações, podemos citar:
 
• Sistemas Especialistas.
• Reconhecimento de imagem.
• Reconhecimento de voz, etc.
Tecnologias de IA nos negócios 
5
6
	
Um exemplo prático de aplicação da IA  em grandes corporações é o caso da Mastercard e Visa, empresas líderes no segmento de cartões de crédito, que usam o conceito de redes neurais para reduzir as fraudes no uso de cartões de crédito: estudo do perfil (histórico de uso)  e acompanhamento de  uso do cartão pelo usuário. 
 
Se for identificado algum uso inconsistente com o histórico de transações, a ação pode ser o simples bloqueio do crédito ou envio do prognóstico a um analista humano que poderá requerer mais informações (como por exemplo, entrar em contato com o usuário e confirmar a transação).
Tecnologias de IA nos negócios 
6
7
	
Dentre as áreas de aplicações da IA, merecem destaque:
 
 Aplicações da Ciência Cognitiva:
 Sistemas especialistas (simular conhecimento e tomada de decisão humana).
Sistemas de aprendizagem.
 Redes neurais (simular a estrutura física do cérebro).
 Algoritmos genéticos.
 Lógica difusa.
 Agentes inteligentes.
Tecnologias de IA nos negócios 
7
8
	
Dentre as áreas de aplicações da IA, merecem destaque:
 
 Aplicações da Robótica:
 Sistemas perceptivos (simular sentidos humanos).
 Robótica (desempenhar tarefas físicas).
Tatilidade
Destreza
Locomoção
Condução
Tecnologias de IA nos negócios 
8
9
	
Dentre as áreas de aplicações da IA, merecem destaque:
 
 Aplicações de Interfaces Naturais:
 Linguagem natural (falada e escrita);
 Reconhecimento de discurso;
 Interfaces multissensoriais;
 Realidade virtual (simulação de realidade futura e observação do comportamento).
Tecnologias de IA nos negócios 
9
10
	
Redes Neurais
Neural é um adjetivo derivado de neurônio. 
A ideia, então, é montar uma rede de neurônios de forma a simular o funcionamento do cérebro humano, ou seja, é implementado um modelo computacional onde os elementos de processamento são interconectados em uma malha neural.
10
11
	
Redes Neurais
11
12
	
Redes Neurais
Técnica inspirada no funcionamento do cérebro, onde neurônios artificiais, conectados em rede, são capazes de aprender e de generalizar.
 Técnica de aproximação de funções por regressão não linear.
12
13
	
Redes Neurais – Capacidade de Generalização
Isso significa que se a rede aprende a lidar com um certo problema, e lhe é apresentado um similar, mas não exatamente o mesmo, ela tende a reconhecer esse novo problema, oferecendo a mesma solução.
A característica mais significante de redes neurais está em sua habilidade de aproximar qualquer função contínua ou não contínua com um grau de correção desejado. Esta habilidade das redes neuronais as tem tornado útil para modelar sistemas não lineares. 
13
14
	
Redes Neurais
 A interconexão da rede neural permite o processamento em paralelo e a interação dinâmica.
 A rede pode, então, “Aprender” a partir dos dados processados.
 O sistema computacional aprende a reconhecer padrões e relações nos dados que processa.
 Quanto mais dados de entrada, melhor é o aprendizado.
14
15
	
Redes Neurais
Devido à sua estrutura, as Redes Neurais são bastante efetivas no aprendizado de padrões a partir de dados:
não-lineares;
Incompletos;
Com ruído e até 
Compostos de exemplos contraditórios.
15
16
	
Redes Neurais - Aplicações
Reconhecimento ótico de caracteres (OCR);
análise de pesquisa de mercado;
controle de processos industriais;
aplicações climáticas;
identificação de fraude de cartão de crédito;
diagnóstico médico;
análise e processamento de sinais; 
classificação de dados; 
reconhecimento de padrões em linhas de montagem ; 
filtros contra ruídos eletrônicos; 
análise de imagens; 
análise de voz; 
avaliação de crédito; 
análise de aroma e odor (nariz eletrônico);
16
17
	
Sistemas de Lógica Difusa (Fuzzy)
Lógica difusa é a ciência que se preocupa com os princípios formais do raciocínio aproximado.
Procura modelar os modos imprecisos do raciocínio que têm um papel fundamental na habilidade humana de tomar decisões.
É uma ferramenta capaz de capturar informações imprecisas, descritas em linguagem natural, e convertê-las para um formato numérico.
Tem por objetivo modelar modos de raciocínio aproximados ao invés de precisos.
17
18
	
Sistemas de Lógica Difusa (Fuzzy)
Copo bem vazio
Copo bem cheio
Copo razoavelmente cheio/vazio
18
19
	
Sistemas de Lógica Difusa - Princípios
Na logica clássica (ou binária – 0 e 1) as proposições são unicamente Falsas ou Verdadeiras.
Na lógica difusa as proposições podem ter valores intermediários entre "Verdadeiro" e "Falso". A veracidade destas é uma função que pode assumir qualquer valor entre 0 (absolutamente falso) e 1 (absolutamente verdadeiro).
As sentenças passam a ter um grau de pertinência: Cada elemento do conjunto difuso tem um grau de pertinência no intervalo [0, 1], dessa forma permitindo uma transição gradual da falsidade para a verdade.
19
20
	
Sistemas de Lógica Difusa - Princípios
Não existe uma base formal para determinar o grau de pertinência que é escolhido experimentalmente (empiricamente).
O grau de pertinência nos permite representar valores imprecisos como quente e frio.
A logica difusa visa modelar modos de raciocínio imprecisos, tendo os casos precisos como situações limite.
"As pessoas funcionam de modo “vago”, ao invés de no modo “verdadeiro/falso” (Charles Sanders Peirce)
20
21
Sistemas de Lógica Difusa (Fuzzy)
Um exemplo do conjunto das pessoas jovens:
Um bebê certamente pertence a esse conjunto e um idoso de 70 anos com certeza não. E o que podemos dizer sobre pessoas com 30 ou 40 anos?
Altura(m)
1.75
1.0
Conjunto Crisp
1.0
Função de
pertinência
Altura
(m)
1.60
1.75
.5
.9
Conjunto Difuso
Conjunto de pessoas altas.
.8
1.70
21
22
	
Sistemas de Lógica Difusa
Fornece os fundamentos para efetuar o raciocínio aproximado, com proposições imprecisas, usando a teoria de conjuntos nebulosos como ferramenta principal.Isso possibilita fazer cálculos e aproximações muito rápidos, capazes de superar a habilidade humana nestes aspectos. 
Apresenta, também, uma síntese das características destes sistemas, bem como as possibilidades de sua aplicação na solução de problemas organizacionais em algumas das áreas de negócio.
22
23
	
Sistemas de Lógica Difusa - Características
Baseia-se em palavras e não em números, ou seja, os valores verdades são expressos linguisticamente. Por exemplo: baixo, médio, alto, e outros usados para definir estados de uma variável.
Possui vários modificadores de predicado. Exemplo: muito, mais ou menos, pouco, bastante, médio etc.
Possui um amplo conjunto de quantificadores. Exemplo: poucos, vários, em torno de, usualmente;
Faz uso das probabilidades linguísticas. Exemplo: provável, improvável, que são interpretados como números fuzzy e manipulados pela sua aritmética;
Manuseia todos os valores entre 0 e 1, tomando estes apenas como um limite.
23
24
	
Sistemas de Lógica Difusa - Aplicações
É aplicada em uma diversidade de áreas devido sua capacidade de lhe dar com problemas reais em um raciocínio próximo ao humano. Algumas aplicações:
BOVESPA, onde se faz controles financeiros.
NASA, onde se controla o aquecimento dos motores das espaçonaves.
Radares de Velocidades, para reconhecimento das placas.
Supervisão de Linhas de Produção, efetuando controles necessários e
Robôs, buscando processamentos próximos do humano.
24
25
	
Algoritmos Genéticos
Os algoritmos genéticos são úteis para situações nas quais milhares de soluções são possíveis e precisam ser avaliadas para a escolha de uma solução ótima. 
 
O software de algoritmo genético utiliza um conjunto de regras de processo matemático que especificam como a combinação de componentes deve ser feita. Aplicações:
Robótica de combate a acidentes ambientais;
Dobramento de proteínas;
Configuração temporal para mercado financeiro;
Just-in-time Scheduling;
Sequenciamento com penalidades.
25
26
	
Realidade Virtual
Aplicações voltadas para simular a realidade em ambientes computacionais e desenvolver interfaces homem-máquina. 
26
27
	
Realidade Virtual
Utiliza dispositivos multisensoriais com instrumentos de entrada e saída capazes de acompanhar e monitorar os movimentos humanos de forma que os mesmos possam ser imitados ou simulados pelas máquinas.
 
A simulação surge como uma maneira eficaz de representar sistemas, plantas, ou as políticas propostas para o teste preliminar antes de desenvolver protótipos caros, testes de campo ou execuções reais.
27
28
	
Realidade Virtual
Latta (1994 apud Machado 1995:12) cita RV como uma avançada interface homem-máquina que simula um ambiente realista e permite que participantes interajam com ele. 
Pimentel (1995 apud Machado 1995:12) define RV como o uso da alta tecnologia para convencer o usuário de que ele está em outra realidade - um novo meio de “estar” e “tocar” em informações.
Em termos conceituais, RV é uma realidade que é aceita como verdadeira, embora não necessariamente exista fisicamente (Vince, 1998:3).
28
29
	
Realidade Virtual
“Nós acreditamos que um dos mais fortes usos de mundos virtuais não é para substituir o mundo real e sim completar a visão do usuário, no mundo real”. (SUTHERLAND apud ALBUQUERQUE, 1999:8)
29
30
	
Agentes Inteligentes
Os agentes são programas de software que realizam tarefas específicas, repetitivas e procedurais para o ser humano: percebem o ambiente e agem sobre ele. 
 
O agente inteligente é aquele que adota a melhor ação possível diante de uma situação. Hoje, a internet conta com diversas iniciativas que utilizam agentes, desde sites que comparam preços de produtos para compra até mecanismos de busca inteligentes que navegam dentro das páginas Web, apresentando o resultado da busca classificado pelo grau de acerto e relevância dos assuntos.
30
ACABOUUUU!!!!!!!!!
31