Você está na página 1de 6

Inteligncia Artificial

Sistemas que pensam como seres humanos


Sistemas que atuam como seres humanos
Sistemas que pensam racionalmente
Sistemas que atuam racionalmente

TESTE DE TURING:
Teste feito para distinguir maquina de ser humano:
Dois humanos e uma maquina so divididos em sala. Um dos humanos far uma srie de questionamentos aos outros dois participantes a
fim de descobrir quem a maquina e quem o ser humano. O computador passara no teste se aps as perguntas no for possvel
identificar a diferena entre o humano e mquina. Atualmente o teste ainda possui viso computacional e robtica.
Habilidades necessrias para o computador passar no teste:

Processamento de linguagem natural


Representao do conhecimento
Raciocnio automatizado
Aprendizagem de mquina

TIPOS DE PROBLEMAS EM IA

No tem soluo (No h nada a se fazer, problemas indecidveis).


Tem soluo algortmica (Pode-se resolver passo a passo).
No pertencem a nenhum dos anteriores (cuja soluo algortmica tem complexidade NP-COMPLETA, cujo seres humanos e seres
vivos so capazes de resolver)

AGENTES
Tudo o que pode ser considerado capaz de perceber em seu meio ambiente por meio de SENSORES e de agir sobre esse ambiente por meio
de ATUADORES. Todo agente pode perceber suas prprias aes. Entidade real ou virtual. Tem conhecimento autnomo e podem se
comunicar com outros agentes.
Tipos de agente:

HUMANO (Sensores: olhos ouvidos, tato, etc; Atuadores: Mos, braos, boca, etc);
ROBTICO (Sensores: cmeras, detectores de movimento, sensores infravermelho, etc; Atuadores: Motores, braos mecnicos
articulados, etc.);
DE SOFTWARE (Sensores: teclas digitadas, contedo de arquivos, pacotes de rede, etc; Atuadores: Impresso na tela/papel, gravao
de arquivo, envio de pacotes de rede, etc).

Percepo: So entradas percebidas pelo agente em qualquer momento dado.


Sequencia de percepo: Histrico completo de percepes que o agente j recebe.
Agentes inteligentes: Arquitetura + Programa
Agentes Racionais: Devem sempre fazer a coisa certa (tomar deciso que mais trs sucesso, atravs de medidas de desempenho).

PEAS:
Ao projetar um agente, a primeira tarefa deve ser sempre especificar o ambiente da tarefa.
Performance = Medida de Desempenho; Environment = Ambiente; Actuators = Atuadores; Sensors = Sensores.
EXEMPLO:

LEIS DA ROBOTICA:
1 Um rob no pode ferir um ser humano, ou por inao, permitir que um ser humano sofra algum mal.
2 Um rob deve obdescer as ordens dadas por seres humanos, exceto quando as ordens conflitarem com a primeira lei.
3 Um rob deve proteger sua existncia desde que sua proteo no conflite com as outras duas leis.
GRAFOS E ALGORITIMOS DE BUSCA:
Grafos podem ser orientados ou no (Orientados so representados por uma seta, representando a orientao ).
Arvore: um grafo sem ciclos
Floresta: um conjunto de arvores
MATRIZ DE ADJACNCIAS
ORIENTADA

NO ORIENTADA

ORIENTADA E PONDERADA

LISTA DE ADJACENCIAS

TIPOS DE BUSCAS EXAUSTIVAS


Breadth-First Search (LARGURA)
Todos os vizinhos devem ser visitados entes de se aprofundar na busca (o grafo se torna uma arvore de busca)

Encontra a menor distancia at um certo n, ou seja, o numero mnimo de arestas


Constri uma arvore na qual os caminhos de cada n so os menores at a raiz

Deph-First Serach (PROFUNDIDADE)


Todos os filhos e filhos de filhos devero ser visitados antes de se buscar o vizinho.
BUSCA HEURISTICA
Utiliza conhecimento especifico do problema na escolha do prximo n a ser expandido. So especificas para cada problema.
Busca gulosa/Greedy Search (Best-First): Um algoritmo guloso escolhe o caminho mais apetitoso em cada interao. Este
apetite a prioridade. A tomada de decises feita com base nas informaes disponveis na interao corrente, sem prever as
consequncias. No volta atrs. Algoritmos gulosos so muito rpidos e geralmente eficientes, mas nem sempre apresentam a

soluo tima. Problemas resolvidos por algoritmos gulosos tambm podem ser resolvidos por programao dinmica,
entretanto os algoritmos gulosos tendem a ser mais rpidos e de cdigo bem mais simples.
Best-First A* Search: Considera tanto o custo do n selecionado at o n objetivo, quanto o custo para atingir o n
selecionado.
Hill Climbing: Caminha sempre na direo onde o terreno mais elevado (maior) a partir de um ponto qualquer. As solues
encontradas no so necessariamente timas. H um limite de tempo, quando esse limite estourado. O algoritmo
reiniciado utilizando um novo ponto de partida.
Problemas:

Nem sempre o pico encontrado o maior local.


Apesar de estar na direo certa pode estourar o limite de tempo e nunca ser atingida
Se encontrar plancie o algoritmo pode parar.

BUSCA EM ARVORES MINIMAS


ALGORTMO DE KRUSKAL: Encontra uma aresta segura para adicionar a floresta crescente encontrando, de todas as arestas
que conectam duas rvores quaisquer, uma aresta de peso mnimo.
ALGORITMO DE DJIKSTRA: Resolve o problema de caminho mais curtos de nica origem em um grafo orientado ponderado. As
arestas no podem ter peso negativo
ALGORITMO DE PRIM: Algoritmo guloso utilizado para encontrar uma arvore geradora mnima em um grafo conectado,
ponderado e no direcionado. Resolve o problema de caminhos mais curtos de nica origem em um grafo conectado,
ponderado, orientado ou no.
Deve-se determinar um vrtice de origem. Fornecer uma resposta que no necessariamente a nica.Semelhante ao
primeiro, mas trabalha sempre com o n adicionado.

SISTEMAS ESPECIALISTAS
Sistemas Especialistas so sistemas que solucionam problemas que so resolvveis apenas por pessoas especialistas, que acumularam
conhecimento exigido na resoluo destes problemas. [FEI, 1977]
Sistemas especialmente projetados para emular a especializao humana de algum domnio especifico, tal qual um especialista humano
faria. Seu objetivo restrito ao domnio do problema. Deve ser capaz de oferecer sugestes aos usurios e tambm adquirir novos
conhecimentos e heursticas com essa interao.

Categorias de problemas para Sistemas Especialistas:


o Interpretao: concluses de alto nvel sobre dados brutos;
o Predio: projetar consequncias;
o Diagnose: determinar causas em situaes complexas.
o Projeto: encontrar configuraes de componentes.
o Planejamento: estabelecer sequencia de aes.
o Monitoramento: comparar o comportamento observado com o comportamento esperado
o Instruo: Assistncia educao em domnios tcnicos.
o Controle: governar o comportamento de ambiente complexo

Pessoas envolvidas:
o Engenheiro do conhecimento: Especialistas em linguagens de IA
o Especialista no domnio: Especialista na rea do problema
o Usurio Final: Determina as principais restries do projeto, pois ele quem deve ficar satisfeito com o sistema, pois dever
ter seu trabalho reduzido.

A ideia no substituir o especialista, mas ampliar a organizao da sua experincia e conhecimento.

Componentes:
o Base de conhecimento: onde fatos e regras so armazenados
o Interface de aquisio: usada para modificar e adicionar conhecimento novo base.
o Mecanismo de Inferncia: parte do programa que ir interagir com o usurio no modo de consulta e acessar a base de
conhecimento para fazer inferncias sobre o caso proposto
o Interface de usurio: quando o usurio solicita uma explicao sobre uma deciso do sistema, ou sobre fatos/conhecimentos
armazenados na base de dados.
Estrutura
o Interface: meio de interao entre usurio e sistema. Simplificando a comunicao e ocultando complexidade.
o Base de Conhecimento: Corao do sistema especialista. Possui tanto conhecimento geral quanto especifico do domnio do
problema.
o Motor de inferncia: Interpretador da base de conhecimento. Aplica o conhecimento na soluo de problemas reais.
o Dados especficos: Deve-se manter fatos de ocorrncias particulares, concluses parciais, medidas de confiana, problemas
encontrados para a busca, e demais informaes parciais, separadas na base de conhecimento geral do domnio.
o Sistema de Explanao: Permite que o software explique seu raciocnio ao usurio, apresente justificativas para as concluses
do sistema, justificativa para a necessidade de determinadas entradas ou mesmo explicaes tericas e aprofundadas para a
interpretao de usurio perito.
o Editor da base de conhecimentos: Ajuda o programador a localizar e corrigir erros na execuo do programa.

SISTEMAS MULTIAGENTES
So sistemas compostos por mais de um agente, que possuem comportamento autnomo, mas ao mesmo tempo interagem com os outros
agentes presentes no sistema. um sistema onde dois ou mais agentes trabalham em conjunto para desempenhar determinadas tarefas ou
satisfazer um conjunto de objetivos. Interagem com outros agentes atravs de protocolos de interao social. Incluindo pelo menos uma
das seguintes funcionalidades: Coordenao, cooperao (planejamento entre agentes para agir), competio e negociao. H
convenes de aceitao social to fortemente consolidadas que tem fora de lei (Ex. No matar um ser humano)
Motivaes:
Grande parte dos problemas mais frequentemente enfrentados so Sistemas Distribudos.
A dimenso do problema elevada de mais para ser resolvido por um nico agente
Permitir a interconexo e interoperao de mltiplos sistemas legados, como sistemas de geraes anteriores, cuja manuteno do
cdigo j no possvel.
Providenciar uma soluo natural para problemas geogrficos ou funcionalmente distribudos.
Permitir interface cooperativa homem-mquina mais natural, onde ambos funcionam como agentes no sistema.
Oferecer maior clareza e simplicidade conceitual de projeto.
Estrutura:
Cada agente um elemento capaz de resoluo autnoma de problemas e opera assincronamente, com respeito a outros agentes.
Para que um agente possa operar como parte do sistema, necessrio possuir infraestrutura que permita a comunicao entre os
agentes que compe o SMA.

Cada agente age com diferentes capacidades de percepo e ao no mundo. Cada agente influenciar de uma determinada maneira o
ambiente.
DIFERENAS ENTRE S.D E SMA

SD tem sistema centralizado. SMA autnomo


SD, s o sistema centralizado tem a informao completa. SMA todos os agentes tem informao completa
SD no pode parar, se no a informao pode ser perdida. SMA caso um agente seja perdido, a informao no perdida.
SD No h negociao entre agentes, apenas compartilham recursos. No SMA, cada agente est colaborando sobre o sistema e
negociando tomada de decises