P. 1
Inteligência Artificial para Jogos - CBR e Sistemas Especialistas

Inteligência Artificial para Jogos - CBR e Sistemas Especialistas

|Views: 436|Likes:
Aula 6 - Inteligência Artificial para Jogos Curso de Jogos Digitais - UNISINOS www.unisinos.br/jogos (Aula criada com apoio do Prof.Dr. Fernando Osório) Licença: Creative Commons - Atribuição-Uso não-comercial-Compartilhamento (BY-NC-SA) http://creativecommons.org/licenses/by-nc-sa/2.5/br/
Aula 6 - Inteligência Artificial para Jogos Curso de Jogos Digitais - UNISINOS www.unisinos.br/jogos (Aula criada com apoio do Prof.Dr. Fernando Osório) Licença: Creative Commons - Atribuição-Uso não-comercial-Compartilhamento (BY-NC-SA) http://creativecommons.org/licenses/by-nc-sa/2.5/br/

More info:

Categories:Types, Speeches
Published by: João Ricardo Bittencourt on Sep 14, 2010
Direitos Autorais:Attribution Non-commercial

Availability:

Read on Scribd mobile: iPhone, iPad and Android.
download as PDF, TXT or read online from Scribd
See more
See less

11/05/2012

pdf

text

original

Inteligência Artificial para Jogos

Prof. MSc. João Ricardo Bittencourt

CBR e Sistemas Especialistas

Update: 13 Set. 2010 joaorb@unisinos.br

“Tome a pílula vermelha”
Agradeço e dedico estas aulas ao Prof. Osório

GT-JEDI – Jogos Digitais Inteligência Artificial para Jogos UNISINOS

Sumário
  

Inteligência Artificial Simbólica CBR (Case based reasoning) Sistemas inteligentes  Predicados lógicos  Sistemas especialistas  Fatores de certeza

UNISINOS - João Ricardo Bittencourt

IA Simbólica

Aplicação de regras explícitas sob um conjunto de símbolos Símbolo é um signo (marca,sinal) que referencia um objeto/conceito Ênfase em representar os conceitos ao invés de enfocar a aprendizagem Os símbolos são a essência de um sistema cognitivo

UNISINOS - João Ricardo Bittencourt

IA Simbólica

Como representar estes símbolos (conhecimentos)? Como manipulá-los?  Analogia – Case Based Reasoning  Inferência – Sistemas baseados em regras  Incerteza/possibilidade – certainty factor, lógica difusa  Probabilidade – redes bayesianas  Linguagens – paradigma lógico – PROLOG  Representação de alto nível conhecimento • Senso comum, redes semânticas, ontologia
UNISINOS - João Ricardo Bittencourt

CBR

Princípios básicos  “Problemas similiares tem soluções similares”  “Problemas tem a tendência de se repetirem”  “Aprendizado através das experiências práticas” Raciocínio baseado em casos  Modelo cognitivo humano  Novos problemas são resolvidos pela adaptação das soluções dos problemas passados
UNISINOS - João Ricardo Bittencourt

CBR

Para cada caso:  Conjunto de atributos • Quantitativos e qualitativos  Solução • Série de passos para resolver o problema  Adicional • Informações extras – sites, imagens, vídeos, comentários, ...

UNISINOS - João Ricardo Bittencourt

CBR

UNISINOS - João Ricardo Bittencourt

CBR

Atributos numéricos (quantitativos)  Similaridade euclidiana
• (C1A1A2, C2A1A2) = SQRT ( SQR(C2A1 - C1A1) + SQR(C2A2 - C1A2) )

Similaridade normalizada
• (C1A1, C2A1) = 1 - | C2A1 - C1A | / ( ValMax - ValMin)

Similaridade ponderada
• Peso_A1 * Distância (C1A1, C2A1) + Peso_A2 * Distância (C1A2,C2A2)

UNISINOS - João Ricardo Bittencourt

CBR

Atributos textuais (qualitativos)  Similaridade binária  Similaridade da ordem pré-definida  Similaridade usando tabela de relações  Similaridade entre textos

UNISINOS - João Ricardo Bittencourt

Predicados lógicos
 

Coleção de fatos + coleção de regras Prolog é o principal exemplo de uso de predicados lógicos Baixem o SWI-Prolog. Programa gratuito  http://www.swi-prolog.org/ Podem ser feitas várias inferências sobre a base de fatos Exemplos familia.pl e familia2.pl

http://www.inf.furb.br/~jomi/logica/exercicios/familia/index.html
UNISINOS - João Ricardo Bittencourt

Sistemas Especialistas

Programa desenvolvido para resolver problemas considerando o conhecimento de um especialista Um sistema especialista é formado por:  Base de conhecimentos – regras sobre o domínio  Memória de trabalho – os fatos coletados sobre o problema em questão  Máquina de inferência – combinar fatos e regras para chegar à conclusões sobre o problema

UNISINOS - João Ricardo Bittencourt

Sistemas Especialistas

Exemplos de sistemas especialistas  DENDRAL • Desenvolvido em Stanford na década de 60 • Resolver problemas de química orgânica  MYCIN • Desenvolvido em Stanford na década de 70  PROSPECTOR • Desenvolvido pela SRI International na década de 70 • Prospecção mineral
UNISINOS - João Ricardo Bittencourt

Sistemas Especialistas

Elicitação do conhecimento  Entrevistas com o especialista Representação para um determinado formato  Em geral utiliza-se sistemas baseados em regras  Rule Based System (RBS) Criação da base de conhecimento  Fatos (pressupostos) + regras

UNISINOS - João Ricardo Bittencourt

Sistemas Especialistas

Regras do tipo IF..THEN //Dedução IF <assertion> is True THEN <new_assertion> //Reação IF <assertion> is True THEN <conjunto de ações>

UNISINOS - João Ricardo Bittencourt

Sistemas Especialistas

IF antecedente THEN consequente  Se todos antecedentes (IF ...) são verdadeiros, então a regra é ativada  ... e os consequentes são consideradas novas suposições  ... e poderão ativar novas regras!

UNISINOS - João Ricardo Bittencourt

Fatores de certeza

Atribuir um valor de confiança para as regras e fatos Os valores variam de -1 à +1  -1 indica que algo é totalmente falso  +1 é totalmente verdadeiro  0 representa a dúvida Não trata-se necessariamente de probabilidade, mas de quanto que o especialista confia na regra/fato

UNISINOS - João Ricardo Bittencourt

Fatores de certeza
Fatos A CF=0.8 C CF=0.9 D CF=0.7 E CF=0.5 0.8 A 0.9 C 0.7 D 0.5 E
UNISINOS - João Ricardo Bittencourt

Regras R1: IF A THEN B CF=1.0 R2: IF C and D and E THEN B CF=0.6

1.0 R1 0.6 R2 B

Fatores de certeza
Fatos A CF=0.8 C CF=0.9 D CF=0.7 E CF=0.5 0.8 A 0.9 C 0.7 D 0.5 E
UNISINOS - João Ricardo Bittencourt

Regras R1: IF A THEN B CF=1.0 R2: IF C and D and E THEN B CF=0.6 Pegar o menor CF dos antecedentes das regras

1.0 R1 0.6 R2 B

Fatores de certeza
Fatos A CF=0.8 C CF=0.9 D CF=0.7 E CF=0.5 0.8 A 0.9 C 0.7 D 0.5 E
UNISINOS - João Ricardo Bittencourt

Regras R1: IF A THEN B CF=1.0 R2: IF C and D and E THEN B CF=0.6 Multiplicar pelo CF das regras Para R1: 0.8 x 1.0 = 0.8 Para R2: 0.5 x 0.6 = 0.3

1.0 R1 0.6 R2 B

Fatores de certeza
Fatos A CF=0.8 C CF=0.9 D CF=0.7 E CF=0.5 0.8 A 0.9 C 0.7 D 0.5 E
UNISINOS - João Ricardo Bittencourt

Regras R1: IF A THEN B CF=1.0 R2: IF C and D and E THEN B CF=0.6 Combinando as duas regras (R1 e R2 positivos) 0.86 0.8 + 0.3 x (1-0.8) = 0.86 B 0.3 + 0.8 x (1-0.3) = 0.86

1.0 R1 0.6 R2

Fatores de certeza
 

Combinando Cfs Novo CF (CFN) dado CF1 e CF2  Se CF1 e CF2 são positivos • CFN = CF1 + CF2 * (1-CF1)  Se CF1 e CF2 são negativos • CFN = CF1 + CF2 * (1+CF1)  Se CF1 e CF2 tem sinais opostos • CFN = (CF1 + CF2)/(1-Min(|CF1|,|CF2|))

UNISINOS - João Ricardo Bittencourt

You're Reading a Free Preview

Descarregar
scribd
/*********** DO NOT ALTER ANYTHING BELOW THIS LINE ! ************/ var s_code=s.t();if(s_code)document.write(s_code)//-->