Noes bsicas de Inteligncia Artificial

Disciplina: Metodologias de Inteligncia Artificial

FEUP

Inteligncia Artificial

EVOLUO:
Cincia COGNITIVA
Estuda todas as estruturas e processos internos mediando as respostas
inteligentes e os respectivos estmulos externos

Cincia da Cognio
Inteligncia Artificial
Domnios
Engenharia do Conhecimento
De
Aplicao
DIFERENCIAO:
Tcnicas de Inteligncia Artificial:
i) para problemas complexos e dificeis de caracterizar com preciso (pouco
estruturados);
ii) Modelizao do raciocnio

FEUP 2

Page 1
 Inteligncia Artificial

Definies de Inteligncia Artificial organizada em 4 categorias

The exciting new effort to make computers The study of mental faculties through the use
think machines with minds, in the full of computational models
and literal sense (Haugland, 1985) (Charniak, McDermott, 1985)

The study of computations that make it possible

The automation of activities that we associate
to perceive, reason and act
with human thinking, activities such as human
(Winston, 1992)
decision making, problem solving, learning
(Bellman, 1978)

The art of creating machines that perform A field of study that tries to explain and emulate
functions that require intelligence when intelligent behaviour in terms of computational
performed by people (Kurzweil, 1990) processes (Schalkoff, 1990)

The study of how to make computers do

The branch of computer science that is
Things at wich, at the moment, people are
Concerned with the automation of intelligent
Better (Rich and Knight, 1991)
Behavior (Luger and Stubblefield, 1993)

Sist. que pensam como humanos Sist. que pensam racionalmente

Sist. que agem como humanos Sist. que agem racionalmente

FEUP 3

Metodologias bsicas

PARADIGMA BSICO DOS

SISTEMAS DE PRODUES

CONHECIMENTO
OPERADORES
DADOS

ESTRATGIAS

FEUP 4

Page 2
 Problemas e resoluo

Mtodos de Resoluo de Problemas

Sistemas de Produes
a primeira Arquitectura bsica dos Sistema de Inteligncia Artificial
Descrio do problema
atravs de um espao de estados
Representao do conhecimento
atravs da lgica e de estruturas de informao
Resoluo do problema
movimentao no espao de estados da configurao inicial configurao final
Arquitectura do sistema computacional
uso de SISTEMAS DE PRODUES: arquitectura bsica para sistemas de IA
mantendo separadamente os Factos (numa ou vrias Bases de Dados), os
operadores (regras) e o algoritmo de controlo

FEUP 5

Espao de estados

Problemas como Espao de estados

Exemplo do Missionrios e Canibais:

Representao do estado: misscan(NMissMDir, NCanMDir,B).
Estado inicial: misscan(3,3,d).
Estado objectivo: misscan(0,0,e).
No existindo heursticas, a pesquisa sistemtica.

Exemplo dos Baldes:

Representao do estado: baldes(NLb4, NLb3).
Estado inicial: baldes(0,0).
Estado objectivo: baldes(2,_).

Regras (Operadores): Encher, Esvaziar, Verter de um para outro at encher ou

esvaziar,...

FEUP 6

Page 3
 Espao de estados

Ex: Puzzle de 8
Operadores: Movimentao do branco para E,D,C,B
Estados: Descrio da localizao de cada numero e do branco
Teste: Estado igual ao Objectivo
Custo: Cada aco o mesmo custo de 1. Custo do Passo = N aces

Ex: 8 Rainhas
Estados: Descrio de qualquer arranjo de rainhas de 1 a 8 no Tabuleiro
Operadores: Colocar 1 rainha na coluna mais esquerda vazia no atacvel
Teste: 8 rainhas no atacveis
Custo: O passo no tem custo. S interessa o estado final

FEUP 7

Domnios para a IA

ALGUNS DOMNIOS DE INVESTIGAO E APLICAO

1. Compreenso Computacional da Linguagem Natural

compreender traduzir

Tratamento superficial : Anlise Lexical (Ex: Eliza )

Anlise em profundidade:
Sinttica , Semntica , Pragmtica

Frase: Joo atira a bola branca

F --> SN SV N --> Joo | bola |
SN --> Qt SN1 ADJ --> branca |
SN --> SN1 Qt --> a | o |
SN1 --> N FADJ V --> atira
FADJ--> nil | FADJ ADJ
SV --> V SN

FEUP 8

Page 4
 Domnios para a IA

2. Sistemas Periciais ("Expert Systems")

ESPECFICO VS GERAL
Conhecimento Vs "Inteligncia"

CONHECIMENTO + METODOLOGIAS DE IA

SISTEMA SIMULADOR DO PERITO

uso de conhecimento simblico e heuristico
uso de conhecimento incerto, vago, incompleto
acesso ao conhecimento modular
concluses credveis (Raciocnio Incerto)
explicaes
evoluo do conhecimento
interaco
aquisio de conhecimento (eventualmente automtico)

FEUP 9

Domnios para a IA

3. Robtica

ARQUITECTURAS: Cognitivas e Reactivas ; Hbridas

PERCEPO: Interpretao de Cenas
DECISO: Gerao Automtica de Planos
"Frame Problem
Linguagens: Nvel Tarefa
Viso + Modelizao+ Interpretao

Coordenao de Equipas

FEUP 10

Page 5
 Domnios para a IA

4. APRENDIZAGEM, ADAPTAO E DATA MINING

Induo de Regras baseada em:
analogia; exemplos; explicaes
Programao Lgica Indutiva
Data e Text Mining
Criao de novo Conhecimento)
Adaptao progressiva

5. NOVAS LGICAS para o Raciocnio Automtico

de ordem n
modais e intencionais
temporais
no-montonas

FEUP 11

Domnios para a IA

6. ARQUITECTURAS CONECTIVISTAS E NEURONAIS

informao sub-simblica e adaptao

7. INTELIGNCIA ARTIFICIAL DISTRIBUDA

agentes distribudos e cooperativos
Aplicaes em domnios complexos, distribudos e descentralizados:
gesto de Redes (Electricidade, Gs...), CIM,
softbots (Pesquisadores, Shopbots,...)
mercados electrnicos (leiles, contratos)
instituies electrnicas (Empresas Virtuais, Negociao, contratao)
agentes emocionais

8. TUTORES INTELIGENTES
Representao de Conhecimento
Estratgias de Ensino e Classificao

FEUP 12

Page 6
 Introduo aos Agentes

Agentes Computacionais
Agentes so entidades computacionais dispondo de capacidade de
percepo do ambiente exterior a si (atravs de "sensores") e de interaco
com esse ambiente (atravs de "efectuadores")
Agentes permitem que os humanos "deleguem" neles responsabilidade
custosas em tempo ou "poder" (computao, fora, memria, deslocao,
repetibilidade, ...)
Agentes usam sequncias percepcionais juntamente com eventual
conhecimento priori para agirem de forma a maximizar o seu desempenho
Agentes dizem-se autnomos na medida em que o seu comportamento
baseado na sua prpria experincia e percepes (e no na do seu criador).

Agente = Plataforma + Programa

Programa = Arquitectura + Programa dos Mdulos

FEUP 13

Introduo aos Agentes

Descrio "PAGE" dos Agentes:

[Percepo, Aces, "Goals" (objectivos), "Environment" (ambiente)]
Exemplos de Agentes

Tipo Percepo Aces Objectivos Ambiente

Sistema de Sintomas Questio- Sade do Paciente
Diagnstico narios Paciente Hospital
testes Minimizao
Mdico tratamentos dos custos

Rob pixeis de pegar e localizar e mesas ou

intensidade largar colocar passadeiras
Manip. variada peas correcta- com peas
mente

Softbot leitura de Localizao Seleco de Computa-

bibliografico pginas de pg. Web informao dores
Web filtragem de relevante Internet
(ou informao Web pages
comprador)

FEUP 14

Page 7
 Aplicaes de SMA

Aplicaes

Aplicaes dos Sistemas Multi-Agente podem sr encontradas em vrios domnios:

Pesquisadores na WWW: vrios agentes pesquisando informao

simultaneamente.
Gesto Dinmica de Redes de Distribuio de Electricidade.
Seleco de Recursos em Empresas geograficamente distribudas (ex. Construo
Civil)
Mercados de Electricidade: empresas utilizando grandes quantidades de
Electricidade, querem minimizar os seus custos negociando e escolhendo em cada
momento a melhor companhia.
Mercados de Aquecimento: grandes edifcios em que diversos gabinetes
(computadores e agentes) competem pela energia calorfica disponvel.
Redes de Computador: distribuio de largura de banda por consumidores.
Sistemas operativos: como distribur memria a quem e em que discos.
Empresas Virtuais : sub-contratao com apreciao de custos/benefcios.
Encaminhamento de Camies: empresas vrias negoceiam quais dos seus camies
transportam o qu para onde, comerciando servios e trocas com outras empresas.
Tratamento de pacientes: escalonamento do tratamento de um paciente no hospital.
Sistemas multi-robs.
Mercados Electrnicos: Leiles, Negociaes, Segurana de Transaces

FEUP 15

Arquitecturas bsicas

funo esqueleto-agente (percepo) retorna aco

esttica: memria /* a memria do mundo do agente */
memria <---- actualiza_mem (memoria, percepo)
aco <---- selecciona_melhor (memoria)
memria <---- actualiza_mem (memoria, aco)
retorna aco

Notas:
a sequncia de percepes criada internamente
a medida do desempenho exterior ao agente

FEUP 16

Page 8
 Arquitecturas bsicas

Agente mais elementar: agente_tabela

funo agente_tabela (percepo) retorna aco

esttica: percepes /* em sequncia inicialmente vazia*/
tabela /* tabela indexada pelas percepes.
Inicialmente completamente especificada*/
concatenar percepo na fila percepes
aco <---- indexar (percepes, tabela)
retorna aco

Desvantagens:
enormes tabelas
tempo de construo da tabela
agente sem autonomia (sem reaco a alteraes inesperadas no ambiente)
mesmo que o agente tivesse aprendizagem levaria demasiado tempo a
construir a tabela.

FEUP 17

Arquitecturas bsicas

Um Agente com "raciocnio" pode tentar evitar estas 4

desvantagens.
Como construir agentes capazes de melhor mapear
as percepes em aces?

Consideremos cinco tipos de agentes:

a) Reactivos simples
b) Memorizando o mundo
c) Geridos por objectivos
d) Baseados na utilidade
e) Com Aprendizagem

FEUP 18

Page 9
 Arquitecturas bsicas: reactivo simples

a) Reactivo simples
Usando um conjunto de regras "situao-aco"
vlidos quando a deciso correcta s funo da percepo actual

funo agente_reactivo_simples(percepo) retorna aco

esttica: regras /*conjunto de regras situao-aco */
estado <----- interpreta_input (percepo)
regra <----- selecciona (estado, regras)
aco <----- concluso_regra (regra)
retorna aco

FEUP 19

Arquitecturas bsicas: reactivo simples

a) Reactivo simples
AGENTE Sensores

estado do
mundo A
M
B
I
E
prxima N
Regras:Condies->aco aco ?
T
E

Efectuadores

Diagrama esquemtico de um Agente Reactivo simples

FEUP 20

Page 10
 Arquitecturas bsicas: memorizando o mundo

b) Memorizando o mundo
A deciso implica um conhecimento prvio do mundo.

funo agente_reactivo_c_mem (percepo) retorna aco

esttica: estado /* descrio do estado corrente do mundo */
regras /* conjunto de regras situao_aco */
estado <----- actualiza_estado (estado, percepo)
regra <----- selecciona_regra (estado, regras)
aco <----- concluso_regra (regra)
estado <----- actualiza_estado (estado, aco)
retorna aco /*mesma percepo -->aces diferentes,(estado do mundo)

FEUP 21

Arquitecturas bsicas: memorizando o mundo

b) Memorizando o mundo
Sensores
estado
estado do
evoluo do mundo mundo A
M
resultados das aces B
I
E
prxima N
Regras:Condies->aco aco ?
T
E

AGENTE Efectuadores

Diagrama esquemtico de um Agente "Reactivo" com estado interno

FEUP 22

Page 11
 Arquitecturas bsicas: gerido por objectivos

c) Gerido por objectivos

Para alm da descrio do estado corrente o agente usa informao

sobre os objectivos.
Implica pesquisa e planeamento.
mais flexivel pois diferentes comportamentos so obtidos para o
mesmo estado do mundo dependendo do destino.

FEUP 23

Arquitecturas bsicas: gerido por objectivos

Sensores

estado
estado do
mundo A
evoluo do mundo M
B
evoluo do mundo se I
resultados das aces
executar aco A E
N
T
prxima
Objectivos E
aco ?

AGENTE Efectuadores

Diagrama esquemtico de um Agente com objectivos explcitos

FEUP 24

Page 12
 Arquitecturas bsicas: baseado na utilidade

d) Baseado na utilidade

Utilidades so medidas de "satisfao", para o agente, relativamente

aos diversos estados.
Utilidades podem ser usadas para decidir entre objectivos em conflito
ou ainda (quando h incerteza nas aces) para medir a
verosimilhana de atingir o objectivo.
Agentes que usam a funo utilidade so mais racionais (ex. jogar
xadrez, ...).

FEUP 25

Arquitecturas bsicas: baseado na utilidade

Sensores

estado
estado do
mundo A
evoluo do mundo M
B
evoluo do mundo se I
resultados das aces
executar aco A E
N
Qualoograu
Qual graudede T
Medida de Utilidade satisfao do Agente
satisfao do Agente E
neste
neste estado?
estado

prxima
Objectivos aco ?

AGENTE
Efectuadores

Diagrama esquemtico de um Agente baseado em Utilidades

FEUP 26

Page 13
 Arquitecturas bsicas: com aprendizagem

e) Agente com Aprendizagem

Percepes devem ser teis no s para a aco imediata mas

tambm para melhorar as capacidades do agente em aces futuras
Aprender pode ser to simples como memorizar ou to complexo
como criar teorias.
Crtico avalia o desempenho.
O Elemento Aprendizagem faz as melhorias.
O Elemento Desempenho selecciona as aces.
Gerador de Problemas prope aces exploratrias.

FEUP 27

Arquitecturas bsicas: com aprendizagem

& '

$ )*

$ $
" # " %
%

($

! " #

FEUP 28

Page 14
 Agentes e Ambientes

As propriedades do "ambiente" (o mundo exterior) tambm

implicam o uso de um determinado tipo de agente.

Ambientes podem ser:

Acessveis ou inacessveis conforme a percepo total ou no
Determinsticos ou No-determinsticos (de ponto de vista do agente) se o
prximo estado pode ou no ser calculado com certeza a partir do estado
actual.
Episdico ou No-episdico se a caracterizao das situaes correntes no
dependem das anteriores ento a experincia do agente est dividida em
"episdios"
Estticos ou Dinmicos conforme se altera com o tempo independentemente
da aco do agente
Discreto ou Contnuo conforme o nmero de percepes e aces so um
conjunto limitado ou no (como um rob a evoluir no exterior)

FEUP 29

Agentes e Ambientes

ambiente acessivel deterministico episdico esttico discreto

Xadrez s s n s (semi) s

Diagnstico
n n n n n
Mdico

Rob
n n s n n
Manipulador
S. Anlise
s s s s n
Imagem

FEUP 30

Page 15
 Agentes

Concluses
Agentes so entidades computacionais que percebem e agem em um
Ambiente
O Agente ideal responde sempre bem a qualquer alterao no
Ambiente e maximiza sempre o seu desempenho
Autonomia do Agente baseia-se nos seus objectivos, sua experincia
e interactividade com os outros
Programa do Agente mapeia percepo em aco modificando
(eventualmente) o estado atravs da sua arquitectura interna
Agentes: de Reactivos a baseados em Objectivos e Utilidades, sem
ou com Aprendizagem
Decidir e representar Conhecimento cental para a IA
Ambientes diversos requerem Agentes diferentes

FEUP 31

Page 16