INTELIGÊNCIA ARTIFICIAL, Trabalhos de Inteligência Artificial

Baixe INTELIGÊNCIA ARTIFICIAL e outras Trabalhos em PDF para Inteligência Artificial, somente na Docsity!

INTELIGÊNCIA ARTIFICIAL

Vinicius Ponte Machado

APRESENTAÇÃO

Desde início do uso do computadores pelo homem existe uma tentativa de aproveitar a capacidade de processamento das máquinas para que esta simule o comportamento humano. Durante quase 60 anos as pesquisas neste sentido desenvolveram um ramo da ciência da computação que ficou conhecida como inteligência Artificial(IA). Nesta apostila veremos os principais conceitos, técnicas e aplicações da Inteligência Artificial, mostrando como a ciência da computação e outras áreas do conhecimento humano influenciam a implementação dos métodos da IA. Este material é baseado em textos e referências da Internet de diversos autores. É extremamente recomendável ao aluno que, ao final da leitura de cada capítulo, acesse os materiais indicados na Weblografia e nas Referências Bibliográficas principalmente, para aprofundar a leitura desse material e complementar o que foi lido aqui. A apostila é divida em seis unidades. Na primeira mostraremos os principais conceitos e definições de termos usados em Inteligência Artificial além de mostrar um breve histórico da IA desde seu início até a atualidade. Na unidade dois falaremos resolver problemas através de buscas. Mostraremos ainda como um problema deve ser formulado e como a usar a informação contida no próprio problema para resolvê-lo. Na unidade três veremos as principais técnicas de como o computador aprende através da chamada aprendizagem de máquina. Já na unidade quatro, falaremos sobre os principais modelos de representar e manipular o conhecimento. Na unidade cinco, o principal tópico a ser discutido será o paradigma de desenvolvimento de software chamado agentes e sua aplicação distribuída, os sistemas multiagentes. Por fim, mostraremos os princípios da robótica e suas aplicações. Boa Leitura !! Vinícius Machado

Corte Alpha-Beta

UNIDADE 3. Aprendizagem de Máquina Aprendizagem de Máquina. Aprenizado Supervisionado Exemplo: Abordagem com Base em Árvores de Decisão Algoritmo ID Aprenizado Não-Supervisionado Exemplo: Clusterização Conceitual COBWEB Aprendizagem por Reforço. Elementos Básicos da Aprendizagem por Reforço Exemplo: Jogo da Velha Aplicando AR ao jogo da velha Redes Neurais O Neurônio Artificial Treinamento de um Perceptron Backpropagation Treinamento do MLP Por Que Utilizar Redes Neurais? Aplicações de Redes Neurais Artificiais Algortmos Genéticos. Conceitos Básicos Funcionamento do Algoritmo Seleção dos mais Aptos Parâmetros Genéticos Aplicações

UNIDADE 4. Representação do Conhecimento Aquisição do Conhecimento Métodos de Aquisição do Conhecimento Entrevistas não Estruturadas Entrevistas Estruturadas

Estudo de Caso Descoberta de Conhecimento em Base de Dados Métodos de Representação de Conhecimento Lógica Redes Frames Árvores de Decisão Ontologias

UNIDADE 5. Agentes Inteligentes Definições Ambientes de Agentes Tipos de Agentes Agente Reativo Simples Agente Reativo com Estado Interno Agentes Baseados em Objetivos Agente Baseado em Utilidade Sistemas Multiagente Inteligência Artificial Distribuída (IAD) Sistemas Multiagente Comunicação e Coordenação em Sistemas Multi-Agentes

UNIDADE 6. Introdução a Robótica Definições Tipos de Robôs Organização Funcional de um Robô Dispositivos de Robótica Atuadores Linguagem de Programação de Robôs Robótica e Inteligência Artificial Aplicações

1. Conceitos Gerais

A inteligência artificial surgiu na década de 50 com o objetivo de desenvolver sistemas para realizar tarefas que, no momento são melhor realizadas por seres humanos que por máquinas, ou não possuem solução algorítmica viável pela computação convencional. Geralmente os sistemas de IA podem ser divididos em quatro categorias (

Figura 1):

• Sistemas que raciocinam de forma semelhante a dos seres humanos
• Sistemas que pensam de forma racional
• Sistemas que agem como os seres humanos
• Sistemas que agem de forma racional

Figura 1. Categorias dos sistemas de IA

1.1. Sistemas que Agem como Seres Humanos 1.1.1. Teste de Turing

O teste de Turing, proposto por Alan Turing, foi desenhado de forma a produzir uma definição satisfatória de inteligência; Turing definiu um comportamento inteligente como sendo a habilidade de um sistema alcançar um desempenho ao nível de um ser humano em todas as tarefas cognitivas, de forma a conseguir enganar uma pessoa que o estivesse a interrogar.. O teste consistia num computador ser interrogado por uma pessoa, sem que esta estivesse vendo que estava “conversando” com um computador ou não (Figura 2). O computador passaria no teste se a pessoa não conseguisse identificar se estava falando com um computador ou com outro ser humano.

Figura 2. Teste de Turing

Em 1965, já existiam programas que podiam, dado tempo e memória suficientes, buscar na descrição de um problema, em notação lógica e encontrar uma solução para esse mesmo problema, caso esta existisse. Se não houvesse solução o programa poderia nunca parar de procurar. No entanto, não é fácil traduzir conhecimento informal em lógica formal, particularmente quando esse conhecimento não é 100% certo; Por outro lado, apenas alguns fatos, podem extinguir todos recursos computacionais, a não ser que o programa seja guiado, de forma a selecionar quais os passos de raciocínio que deve efetuar primeiro.

1.4. Agentes Racionais

Agir racionalmente, significa agir de forma a atingir um dado conjunto de objetivos, dados um conjunto de crenças. Um agente é uma entidade que percebe o ambiente no qual está inserido através de sensores e afeta essa ambiente por meio de atuadores. [Russel & Norvig, 2003]. Para agir de forma racional, um agente tem algumas formas de pensar racionalmente, de forma a identificar (inferir) a ação correta para atingir os objetivos propostos. Por outro lado, existem situações onde, provavelmente, não existe uma ação correta a ser tomada, mas, no entanto, alguma decisão deve ser tomada. Em alguns casos agir racionalmente, não significa inferir a ação através de um processo de pensamento racional. Exemplo: Se colocarmos a mão debaixo de uma torneira com água quente, temos o reflexo imediato de retira-lá. Este reflexo (ato racional) é preferível a tomar a decisão após deliberar cuidadosamente qual seria a melhor ação a tomar.

2. Histórico e Evolução da IA

As correntes de pensamento que se cristalizaram em torno da IA já estavam em gestação desde os anos 30 [Barr & Feigenbaum, 1981]. No entanto, oficialmente, a IA nasceu em 1956 com uma conferência de verão em Dartmouth College, NH, USA. Na proposta dessa conferência, escrita por John McCarthy (Dartmouth), Marvin Minsky (Hardward), Nathaniel Rochester (IBM) e Claude Shannon (Bell Laboratories) e submetida à fundação Rockfeller, consta a intenção dos autores de realizar “um estudo durante dois meses, por dez homens, sobre o tópico inteligência artificial''. Ao que tudo indica, esta parece ser a primeira menção oficial à expressão “Inteligência Artificial'' [McCorduck, 1979]. Desde seus primórdios, a IA gerou polêmica, a começar pelo seu próprio nome, considerado presunçoso por alguns, até a definição de seus objetivos e metodologias. O desconhecimento dos princípios que fundamentam a inteligência, por um lado, e dos limites práticos da capacidade de processamento dos computadores, por outro, levou periodicamente a promessas exageradas e às correspondentes decepções [Bittencourt, 2010]. Dada a impossibilidade de uma definição formal precisa para IA, visto que para tanto seria necessário definir, primeiramente, a própria inteligência, foram propostas algumas definições operacionais: “uma máquina é inteligente se ela é capaz de solucionar uma classe de problemas que requerem inteligência para serem solucionados por seres humanos'' [Michie & Meltzer, 1969]; “Inteligência Artificial é a parte da ciência da computação que compreende o projeto de sistemas computacionais que exibam características associadas, quando presentes no comportamento humano, à inteligência'' [Barr & Feigenbaum, 1981].

2.1. 1943 - 1956 : A Gestação

Existem duas linhas principais de pesquisa para a construção de sistemas inteligentes: a linha conexionista e a linha simbólica. A linha conexionista visa à modelagem da inteligência humana através da simulação dos componentes do cérebro, isto é, de seus neurônios, e de suas interligações. Esta proposta foi formalizada inicialmente em 1943, quando o neuropsicólogo McCulloch e o lógico Pitts propuseram um primeiro modelo matemático para um neurônio. Um primeiro modelo de rede neuronal , isto é, um conjunto de neurônios interligados, foi proposto por Rosenblatt. Este modelo, chamado Perceptron , teve

é que a sua extensão a domínios de problemas reais se mostrou inviável. Isto se deveu a duas razões, uma relacionada com características teóricas dos métodos utilizados, e outra associada à natureza do conhecimento do mundo real.

2.2. 1952 - 1969 : Período de Muito Entusiasmo

Neste período temos vários marcos históricos na IA:

• IBM produz alguns dos primeiros programas de IA, entre os quais, em 1959 o Geometry Theorem Prover.
• Arthur Samuel desenvolveu um programa capaz de jogar damas ao nível de um jogador de torneio. O programa jogava melhor do que o seu autor.
• 1958 : John McCarthy no Lab Memo n.1 do MIT define a linguagem de programação Lisp (List Processing) que se transformou na linguagem dominante da IA. O Lisp é a segunda linguagem de programação mais antiga ainda em uso. A linguagem Fortran é um ano mais antiga.
• Em 1958 McCarty publicou um artigo intitulado “Programs with common sense”, onde descrevia um programa hipotético designado por “Advice taker”, o qual pode ser visto como o primeiro sistema completo da IA. Este artigo não perdeu a sua relevância ao fim de mais de 40 anos.

2.3. 1966 - 1974 : Uma Dose de Realidade

Durante a década de setenta, a IA estava praticamente restrita ao ambiente acadêmico. Os objetivos da pesquisa eram, principalmente, a construção de teorias e o desenvolvimento de programas que verificassem estas teorias para alguns poucos exemplos. É interessante notar que o fato de que não havia interesse em construir programas de IA “de verdade'', isto é, com aplicações práticas, não se deve a uma eventual incompetência em programação dos pesquisadores em IA. Pelo contrário, foi a inspiração desses hackers'' que levou a conceitos hoje integrados à ciência da computação, como: tempo compartilhado, processamento simbólico de listas, ambientes de desenvolvimento desoftware'', orientação objeto, etc., além da mudança da relação usuário-computador ao eliminar a intermediação de um operador e colocar cada usuário diante de sua estação de trabalho.

Uma mudança importante ocorreu ao longo da década de setenta em relação aos critérios acadêmicos de julgamento de trabalhos em IA: houve uma crescente exigência de formalização matemática. Se no início dos anos setenta, um programa, mesmo tratando de alguns poucos exemplos de um problema até então não tratado, já era considerado IA, isto não acontecia mais em 1980 [Bittencourt, 2010]. O programa em si passou a ser a parte menos importante; a análise formal da metodologia, incluindo o poder de decisão, completude e complexidade, além de uma semântica bem fundada, passou a ser o ponto fundamental. A década de setenta marcou também a passagem da IA para a “vida adulta'': com o aparecimento dos primeiros Sistemas Especialistas, a tecnologia de IA passou a permitir o desenvolvimento de sistemas com desempenho intelectual equivalente ao de um ser humano adulto, abrindo perspectivas de aplicações comerciais e industriais. Ao contrário dos métodos fracos (usam pouca informação acerca do domínio do problema e mecanismos gerais de procura) os sistemas que dispõem de uma base de conhecimento podem resolver problemas mais complexos.

• DENDRAL - Análise de compostos orgânicos para determinar a sua estrutura molecular.
• MYCIN – Sistema pericial (expert system) capaz de diagnosticar infecções no sangue (dispunha de mais de 450 regras). Este sistema tinha um desempenho tão bom quanto de alguns médicos especialistas e melhor do que de médicos ainda com pouca experiência.
• 1972 : Linguagem Prolog (programação em lógica).

2.4. Década De 80: IA Transforma-se numa Indústria

1981 : O Japão lança o projeto “Quinta geração”, um plano para construir em 10 anos computadores inteligentes. As instruções dos processadores eram instruções em PROLOG. Estes sistemas deveriam ser capazes de fazer milhões de inferências por segundo. Uma das ambições do projeto era a compreensão da linguagem natural (projeto que veio revitalizar a IA em todo o mundo). 1982 : Surge o primeiro sistema pericial a ser comercializado, o R1. O programa ajudava a configurar encomendas de computadores. Em 1986 estimou-se que a Digital tinha poupado cerca de 40 milhões de dólares graças ao R1. 1986 : Retorno das redes neurais artificiais.

arquiteturas para sistemas inteligentes, linguagem natural e interfaces inteligentes. Além das linhas conexionista e simbólica, observa-se hoje o crescimento de uma nova linha de pesquisa em IA, baseada na observação de mecanismos evolutivos encontrados na natureza, tais como a auto-organização e o comportamento adaptativo. Nesta linha, os modelos mais conhecidos são os algoritmos genéticos e os autômatos celulares. A gradativa mudança de metas da IA, desde o sonho de construir uma inteligência artificial de caráter geral comparável à do ser humano até os bem mais modestos objetivos atuais de tornar os computadores mais úteis através de ferramentas que auxiliam as atividades intelectuais de seres humanos, coloca a IA na perspectiva de uma atividade que praticamente caracteriza a espécie humana: a capacidade de utilizar representações externas, seja na forma de linguagem, seja através de outros meios [Hill 1989]. Deste ponto de vista, a computação em geral e a IA em particular são o ponto culminante de um longo processo de criação de representações de conhecimento, iniciado com as primeiras pinturas rupestres. Esta nova perspectiva coloca os programas de IA como produtos intelectuais no mesmo nível dos demais, ressaltando questões cuja importância é central para os interesses atuais da IA, por exemplo, como expressar as características individuais e sociais da inteligência utilizando computadores de maneira a permitir uma maior produtividade, e como as propriedades das representações utilizadas auxiliam e moldam o desenvolvimento de produtos intelectuais.

Exercícios

1. Defina Inteligência. O que é um comportamento inteligente de uma máquina?
2. Em que consiste é o “Teste de Turing?”
3. O que você entende por Inteligência Artificial? Contraste sua resposta com as quatro categorias “Sistemas que pensam como os humanos”, “Sistemas que agem como os humanos”, “Sistemas que pensam racionalmente” e “Sistemas que agem racionalmente”.
4. Descreva o paradigma simbolista.
5. Descreva o paradigma conexionista.
6. O que são sistemas especialistas?
7. Quais foram as principais dificuldades para a continuação das pesquisas em Redes Neurais no início de seu desenvolvimento?

8. Quais os principais desafios de IA hoje?

Weblografia Universidade Aberta do Piauí – UAPI http://www.ufpi.br/uapi Universidade Aberta do Brasil- UAB http://www.uab.gov.br Secretaria de Educação a Distância do MEC – SEED http://www.seed.mec.gov.br Associação Brasileira de Educação a Distância – ABED http://www.abed.org.br Instituto Sem Fronteiras (ISF) http://www.isf.org.br/ Teste de Turing http://www.din.uem.br/~ia/maquinas/turing.htm [Bittencourt, 2010] - Breve história da Inteligência Artificial http://www2.dem.inpe.br/ijar/AIBreveHist.pdf Inteligência Artificial http://www.papociencia.ufsc.br/IA1.htm

Resumo A Inteligência Artificial (IA) é uma área de pesquisa da ciência da computação que busca métodos ou dispositivos computacionais que simulam a capacidade humana de resolver problemas. Desde da sua criação, as pesquisas em Inteligência Artificial tentam implementar computacionalmente sistemas que pensam e agem de forma racional e que pensam e agem de forma semelhante aos seres humanos. Essas quatro vertentes mostram que há uma teoria ou paradigma unificado estabelecido que guie a pesquisa em IA.. Nesta unidade veremos em que diferem essas abordagens da IA ao mesmo tempo em que faremos um resgate histórico de todas as fases das pesquisa em Inteligência Artificial, desde da sua concepção passando pela fase de encantamento até a realidade das aplicações atuais.

Referências Biblográficas

UNIDADE 2

RESOLUÇÃO DE PROBLEMAS

ATRAVÉS DE BUSCAS

1. Problemas e Espaço de Problemas

A resolução de problemas é fundamental para a maioria das aplicações de IA. De fato, a habilidade para resolver problemas é freqüentemente usada como medida de inteligência para máquinas e homens. Existem basicamente dois tipos de problemas. O primeiro tipo pode ser resolvido por algum procedimento determinístico. São os problemas computáveis. Contudo, existem poucos problemas do mundo real que possuem soluções computacionais. Esses problemas são colocados na segunda categoria, ou seja, dos problemas não computáveis. Esses problemas são resolvidos através de uma busca por uma solução. Esse é o método de solução de interesse da Inteligência Artificial. Antes de formular um problema e utilizar métodos de busca para solucioná-lo é importante formular o objetivo a ser alcançado. Os objetivos auxiliam a organizar o comportamento do programa através da limitação dos objetivos que se pretende alcançar. Dessa forma, a formulação do objetivo é o primeiro passo na resolução de problemas. Um objetivo é um conjunto de estados do mundo – exatamente os estados em que o objetivo satisfeito. Ações podem ser vistas como aquelas que causam transições entre estados do mundo. Ao formular o problema deve-se definir o objetivo, ou seja, definindo o estado final que satisfaz o agente; detalhar seu estado inicial; a função que leva aos próximos estados; o teste de objetivo, que determina se o estado final foi alcançado; e o custo (path cost). Essa formulação define o espaço de estados possíveis, através do estado inicial juntamente com todos os estados alcançáveis através da função, formando um grafo com nós representando cada estado, e arcos entre nós representando ações. Mas esta formulação deve ser bem feita, pois o espaço de estados definido a partir da formulação impacta na eficiência de busca da solução. Portanto um problema em IA é definido em termos de:

• um espaço de estados possíveis, incluindo;
• um estado inicial, que descreve a situação inicial do problema;
• um (ou mais) estado final (objetivo);
• exemplo 1: dirigir de Teresina a Parnaíba;
• espaço de estados: todas as cidades da região
• exemplo 2: jogo de 8-números