Introdução à Inteligência Artificial
1. O que se Pretende com a IA?
- O que estamos tentando fazer?
- O que foi conseguido até agora?
- E se conseguirmos mesmo?
- Será que a criação de autômatos mais inteligentes e fortes do que os humanos são desejáveis?
- Será justo escravizar esses autômatos?
- A raça humana será necessária depois?
- Definição de IA
- Não existe uma definição clara de IA porque:
- Não existe uma boa definição de Inteligência
- O que é considerado investigação em IA é muito vasto e está em contínua mudança.
2. Inteligência vs Inteligência Artificial
- Algumas definições de inteligência:
- Capacidade de aprender e perceber como lidar com novas situações; utilização habilidosa
do conhecimento [Webster].
- Capacidade para aplicar conhecimento na manipulação do ambiente ou para pensar
abstratamente, medida por um critério objetivo [Webster].
- Capacidade para adquirir, analisar, perceber e aplicar criativamente o conhecimento.
- Capacidade para raciocinar (pensar) e manipular de forma inteligente a informação.
- A IA deriva de diversos outros campos:
- Lingüística, Filosofia, Neurologia, Ciências Cognitivas, Matemática, Psicologia,
Engenharia e Ciências da Computação.
3. Definição de Inteligência Artificial
- IA é a ciência para construir máquinas para fazer coisas que requerem inteligência quando
feitas pelo homem, Minsky, 1968.
- IA é a parte das ciências da computação que está preocupada com o projeto de sistemas
inteligentes, ou seja, sistemas que exibem características que associamos com inteligência
no comportamento humano - perceber linguagem natural, aprendizagem, raciocínio, resolver
problemas, etc., Feigenbaum, 1981.
- IA é o estudo das idéias que possibilitam aos computadores serem inteligentes, Winston,
in Artificial Intelligence, 1984.
- IA é o estudo das capacidades mentais através do uso de modelos
computacionais, Charniak e McDermott, 1985.
-
Um campo de estudo que procura explicar e emular o comportamento
inteligente
em termos de processos computacionais, Schalkoff, 1990.
-
Estudo de técnicas para resolver problemas exponencialmente
complexos
em tempo polinomial explorando o conhecimento do domínio do
problema,
Rich & Knight, 1991.
-
Estudo das computações que tornam possível a
percepção,
raciocínio e ação, Winston, 1992.
-
Estudo do desenvolvimento e utilização de computadores
para
imitarem a inteligência humana.
-
Campo multidisciplinar que abrange as ciências da
computação,
neurologia, filosofia, psicologia, matemática, robótica,
lingüística; e dedicado à reprodução
dos
métodos e resultados do raciocínio humano e da atividade
do cérebro.
4. Preocupação com o Pensamento vs Comportamento?
-
Modelar Humanos ou seres ideais?
-
Ação Racional: Agente que sempre toma a melhor
ação
possível na situação!
-
Algumas definições do campo da IA:
-
Construir sistemas que pensam como os humanos
-
Construir sistemas que agem como os humanos
-
Construir sistemas que pensam racionalmente
-
Construir sistemas que agem racionalmente
5. Construir Sistemas que Pensam como Humanos
-
Maquinas com cérebros, Automatização do pensamento
humano.
-
Como fazer isto?
-
Desenvolver uma teoria precisa do funcionamento do cérebro,
através
de experimentação e introspecção e depois,
escrever um programa de computador que a implemente.
-
Como podemos saber quando é que estamos fazendo algo correto?
-
Apresentar o problema a um humano e a um computador
-
Fazer um rastreio dos passos seguidos para obter as
soluções
-
Comparar os resultados
-
Notas:
-
Esta aproximação está mais preocupada com a
captura
do processo do que com os resultados do processo
-
É preferível que o programa obtenha a resposta errada se
o humano fizer o mesmo.
-
Fazer coisas que (nós pensamos) que requerem inteligência.
-
Fazer coisas que atualmente os humanos fazem melhor que os computadores.
-
Como fazer isto?
-
Implementar todas as tarefas cognitivas, ou seja:
-
Processamento de linguagem natural (para comunicação)
-
Representação do conhecimento (para armazenar
informação)
-
Raciocínio automático (para responder a perguntas)
-
Aprendizagem (para adaptação a novas
situações)
-
Visão por computador (para percepção)
-
Robótica (para movimentar-se e manipular objetos)
-
Como podemos saber quando é que estamos certos?
-
Escrever programa que realize as tarefas cognitivas
-
Comparar resultados com os de um humano (exemplo: Teste de Turing)
-
Notas:
-
As técnicas que o computador usa não precisam ser
semelhantes
às que um humano usa!
-
Investigadores não se preocupam (muito) com o processo usado
para
obter os efeitos, mas sim com os efeitos!
-
Preferível resposta errada se for a que um humano dá!
6. O Teste de Turing
-
Alan Turing foi talvez o primeiro a estudar a IA!
-
Computador é interrogado por um Humano!
-
Será que o consegue enganar?
-
Sim? Então é Inteligente!
-
Sem Interação Física (via teclado+monitor)
-
Capacidades do Computador:
-
Processamento de Linguagem Natural, Representação do
Conhecimento,
Raciocínio Automático, Aprendizagem
-
Teste Total de Turing: Físico!
-
Necessária Visão por Computador e Robótica
-
Ainda não foi conseguido!
7. Construir Sistemas que Pensam Racionalmente
-
Pensamento Racional: Processo de raciocínio irrefutável
-
Capturar o processo de raciocínio correto
-
Estratégias para resolver problemas complexos
-
Como fazer isto?
-
Desenvolver um modelo formal do raciocínio (lógica
formal)
que conduza sempre à resposta correta e Implementar esse modelo
-
Como podemos saber quando é que estamos corretos?
-
Provar que resultados do raciocínio programado estão
corretos
-
Notas:
-
É muito difícil representar certa
informação
de maneira formal, especialmente quando os dados são
contraditórios
ou incompletos.
-
A maioria dos algoritmos para raciocínio formal são muito
complexos.
-
Investigadores não ficam contentes se o sistema der a resposta
errada
a partir dos dados certos, mesmo que os humanos também o
façam.
-
O objetivo é que o processo seja correto!
8. Construir Sistemas que Agem Racionalmente
-
Emular o comportamento inteligente
-
Atuar de forma que os objetivos desejados sejam atingidos
-
Como fazer isto?
-
Descobrir como tomar as decisões corretas, o que pode significar
pensar racionalmente ou ter reflexos racionais.
-
Habilidades cognitivas para percepção e
ação.
-
Como podemos saber quando é que estamos corretos?
-
Quando os objetivos são atingidos
-
Notas:
-
Vamos utilizar esta abordagem ("agente racional")!
-
Investigadores querem que o sistema "faça a coisa correta"
-
Investigadores não estão preocupados se o processo
é
o mesmo do humano.
-
Mas querem ter a certeza que o sistema irá agir de forma adequada
9. Exercícios
-
Será que as seguintes tarefas podem atualmente ser executadas
por
computadores?
-
Jogar razoavelmente um jogo de Tênis (ou Ping-Pong).
-
Jogar um jogo de Xadrez como um profissional.
-
Conduzir um automóvel numa auto-estrada pouco movimentada.
-
Conduzir um automóvel no centro de São Paulo.
-
Inventar uma anedota com piada.
-
Traduzir Português para Inglês em tempo real.
-
Fornecer aconselhamento legal numa dada área.
-
Quais as dificuldades nas tarefas que não podem?
10. Subáreas da Inteligência Artificial
10.1. Resolução de Problemas
-
Bastante sucesso inicial nesta área!
-
Resolução de puzzles
-
Xadrez (Damas, Otelo).
-
Utilização de técnicas de pesquisa e de
redução
de problemas
10.2. Raciocínio Lógico
-
Provar coisas através da manipulação de uma base
de
fatos.
10.3. Programação Automática
-
Escrever um programa de computador a partir de uma breve
descrição.
-
Algum sucesso com métodos semi-automáticos.
-
Alguns sistemas de detecção de erros.
10.4. Compreensão de Linguagem e modelagem semântica
-
Um dos primeiros problemas
-
Algum sucesso em domínios limitados
-
Como podemos entender a linguagem escrita/falada?
-
Inclui responder a perguntas, traduzir entre linguagens, aprender a
partir
do texto escrito, reconhecimento de voz.
-
Alguns aspectos:
-
Associar uma palavra falada com a palavra real.
-
Compreender a linguagem.
-
Sintaxe: Como formar frases gramaticalmente corretas?
-
Semântica: Compreender o significado das palavras e frases
-
Contexto
-
Conversação
10.5. Reconhecimento de Padrões
-
Identificação de objetos, formas ou sons auxiliada por
computador.
-
Necessário para a compreensão de fala e de imagem.
-
Necessita da aquisição do sinal e extração
de características
10.6. Sistemas Especialistas (Expert Systems)
-
Área mais recente
-
Projetistas chamados de "Engenheiros do Conhecimento!".
-
Traduzir o que um especialista sabe e as regras que usa para tomar
decisões
para um programa de computador
-
Problemas incluem:
-
Aquisição do conhecimento (como obter a
informação)
-
Explicação (das respostas)
-
Modelos do conhecimento (o que fazer com a informação)
-
Manipulação da incerteza
10.7. Planejamento, Robótica e Visão
-
Planear como executar as ações
-
Reconhecimento de objetos em imagens. Aprendizagem ("Machine Learning")
-
Podemos lembrar as soluções em vez de as calcular
novamente?
-
Podemos deduzir fatos adicionais a partir dos dados?
10.8. Redes Neurais
-
Podemos modelar os aspectos físicos do cérebro
(neurônios)?
10.9. Linguagens e Ambientes
-
Novas linguagens e ambientes adequadas à IA.
Exemplos:
-
LISP, Prolog, CLIPS, PLR
-
Linguagens Orientadas por Objetos (em parte)
-
Programação automática
-
"Agent Oriented Languages"
11. Fundamentos da IA
11.1. Filosofia (428 bc - presente)
-
Platão, Sócrates, Aristotles
-
Parte racional do cérebro!
-
Silogismos para raciocinar a partir de premissas e chegar a
conclusões.
-
Exemplo Clássico: "Socrates is a man! All men are mortal!
Therefore,
Socrates is mortal!".
-
Intuição vs Lógica
-
Decartes (1596 ac)
-
Distinção entre mente e matéria
-
Dualismo (alma)
-
Leibnitz (1646 ac)
-
Materialismo (tudo opera segundo leis físicas)
-
Francis Bacon, John Locke
-
Empiricismo: "Nothing is in the understanding that was not first in the
senses"
-
David Hume, Bertrand Russel
-
Indução, positivismo lógico
-
Newell, Simon (1972)
-
Programa GPS ("Mens-ends analysis)
-
Example: "I want to take my son to the school. What is the difference
between
what I have and what I want? One of distance. What changes distance? My
car. My car won’t work! What is needed to make it work? A new battery!
What has new batteries? An auto repair shop. I want the repair shop to
put a new battery; but the shop doesn’t know I need one. What is the
difficulty?
One of communication. What allows communication? A telephone... and so
on"
-
Classificar as coisas em termos de funções e oscilar
entre
fins, funções requeridas e meios para as fazer!
11.2. Matemática (800-presente)
-
Formalização matemática, lógica,
computação,
probabilidades, teoria da decisão.
-
Al Khowarazmi - Noção de algoritmo (século IX)
-
Aristótles, Boole (1847) – Lógica.
-
Gottlob Frege - lógica de primeira ordem
-
Turing (1936) - Máquina de Turing
-
Cook, Karp - Complexidade dos problemas, NP-completos
-
Cardano, Fermat, Laplace, Pascal, Bayes, Von Neumann
11.3. Psicologia (1879-presente)
-
Helmhotz, Wundt (1879)
-
Comportamentalismo (Watson e Thorndike)
-
Psicologia Cognitiva (William James)
11.4. Engenharia da Computação (1940-presente)
-
Para termos IA, necessitamos de Inteligência e um Artefato
(melhor
é o computador)
-
Abacus, máquina de somar (Pascal, século XVII),
máquina
de multiplicar (Leibniz 1694), computação (Babbage
1792-1871).
-
Computador Robinson (Turing 1940), Z-3 (Zuse 1941)
-
IBM 701 (Rochester, 1952).
-
Software (Sistemas Operativos, Linguagens de Programação,
ferramentas)
11.5. Linguística (1957-presente)
-
Comportamento Verbal (Skinner, 1957).
-
Representação do conhecimento, linguagem natural.
12. História da IA
-
Gestação da IA (1943-1956)
-
McCulloch, Pitts, Shannon, Turing, Minsky, McCarthy, Rochester, Newell,
Simon (MIT, CMU, Stanford, IBM)
-
Dartmouth College Workshop (1956) - Nascimento da IA
-
Entuasiasmo Inicial, Grandes Expectativas (1952-69)
-
GPS, Xadrez, Damas, Lisp (1958), Mundo dos Blocos, Analogy
-
Uma Dose de Realidade (1966-1974)
-
Sistemas Baseados em Conhecimento (1969-1979)
-
Dendral, Mycin, Prospector.
-
IA Torna-se uma Indústria (1980-1988)
-
Sistemas Periciais, Visão por Computador, Robótica.
-
O Regresso das Redes Neurais (1986-1996)
-
Eventos Recentes (1987-presente)
12.1. Précursores da IA
-
George Boole inventou a álgebra booleana, Suas idéias se
incorporam como base da matemática e filosofia.
-
Lewis Carrol mostrou de maneira bem humorada, como a lógica pode
encerrar raciocínios pouco usuais.
-
Alan Turing propôs um teste para decidir se um computador exibe
inteligência.
12.2. Épocas
-
Época Pré-histórica (até 1875, quando
Camillo
Golgi visualizou o neurônio).
-
Objetivo: criar seres e mecanismos apresentando comportamento
inteligente.
-
Metodologia: Mecanismos usando mecânica de precisão.
-
Limitações: Complexidade dos mecanismos; dificuldades de
construção.
-
Época Antiga (1875-1943) (McCulloch & Pitts)
-
Objetivo: Entender a inteligência Humana.
-
Metodologia: Estudos de psicologia e neurofisiologia.
-
Limitações: Grandes distâncias entre a psicologia e
a neurofisiologia.
-
Época Pré-Classica (1943-1956)
-
Objetivo: Simular a inteligência Humana em
situações
pré-determinadas.
-
Metodologia: Inspiração na Natureza, Nascimento da
Cibernética.
-
Limitações: Limitação das capacidades
computacionais.
-
Época Clássica (1956-1970)
-
Objetivo: Simular a inteligência Humana e expandir ao
máximo
as aplicações da IA.
-
Metodologia: Solucionadores gerais de problemas e lógica.
-
Limitações: Subestimação da complexidade
computacional
dos problemas.
-
Época Romântica (1970-1980)
-
Objetivo: Simular a inteligência humana em
situações
pré-determinadas.
-
Metodologia: formalismos de representação de conhecimento
adaptados ao tipo de problema, mecanismos de ligação
procedural
visando maior eficiência computacional.
-
Limitações: Subestimação da quantidade de
conhecimento
necessária para tratar mesmo o mais banal problema de senso
comum.
-
Época Moderna (1980-1990)
-
Objetivo: Simular o comportamento de um especialista humano ao resolver
problemas em um domínio específico.
-
Metodologia: Sistemas de regras, representação da
incerteza,
popularização do Prolog.
-
Limitações: Subestimação da complexidade do
problema de aquisição do conhecimento.
13. O Estado da Arte
-
Sucesso de marketing
-
Deep Blue ao ganhar do campeão mundial de xadrez
-
Algumas aplicações em que o sucesso impressiona
-
Sistemas comerciais de reconhecimento de fala
-
Sistemas especialistas para auxílio ao diagnóstico
médico
que segundo alguns podem ser melhores que o médico para algumas
especialidades
-
Operação automatizada de veículos
-
Alguns problemas ainda não resolvidos
-
Falar com computadores
-
Possibilidade de reconhecimento de vários objetos em uma grande
gama de contextos
-
Máquinas com grande capacidade de aprendizado
-
Tradução entre linguagens com termos coloquiais, figuras
de linguagem, etc.
[Voltar]
|