Portfolio 2 IA

Aluno: Marco Tulio Soares de Deus

Matrícula:221008310
Introdução:
Neste portfólio teremos uma abordagem mais prática focada nos agentes, tipos de
algoritmos de busca e malhas. Pretende-se então saber quais algoritmos devem ser
aplicados em diferentes situações e como implementá-los.

Agente de solução de problemas:

Trata-se de um agente em que ao definir um objetivo para o programa, ele tenta
encontrar uma resposta ao problema em forma de sequência de ações ou estados em que
o indivíduo deve tomar. Em seu processo de resolução do problema antes de tomar
qualquer ação é simulado sua decisão previamente em um modelo interno do agente, para
que assim possa determinar uma uma resposta ao problema. O agente de solução de
problemas pode ser inserido em dois tipos de malha, aberta e fechada,em que em uma
malha aberta, o sistema é produzido com objetivo de realizar uma tarefa específica, sem
levar em conta a avaliação ou viabilidade da ação.No entanto, na malha fechada, o sistema
recebe um feedback ao longo do tempo sobre seu desempenho e faz mudanças de acordo
com as informações recebidas. Dessa forma, o sistema é projetado para atingir um objetivo
específico, mas, ao contrário da malha aberta, o processo é ajustado em tempo real, a fim
de atingir esse objetivo de forma mais eficaz.

Problemas de malha aberta e malha

fechada:
Enquanto um sistema de malha aberta (determinístico) corresponde a uma única
trajetória de um objetivo para um resultado visto que o sistema não avalia suas ações, um
sistema de malha fechada (não determinístico) corresponde a uma trajetória que se ramifica
em vários caminhos, alguns dos quais podem levar ao mesmo resultado e alguns dos quais
podem levar a resultados distintos já que, medidas diferentes são tomadas para diferentes
ambientes.

Algoritmos de busca:
Cinco aspectos são necessários para avaliar um algoritmo de busca:
● Completude: O software é capaz de resolver o problema quando existir uma
solução e caso não exista deve informar.
● Performance nos custos: O software deve ser capaz de desenvolver
soluções que tenham um menor custo.
● Tempo de solução: Deve encontrar uma solução em um tempo decente tendo
em vista o problema ofertado.
● Espaço de memória ocupado: Não deve ocupar espaços de memórias
exorbitantes.
● Respostas redundantes: Deve evitar respostas redundantes
Tipos de algoritmos de busca:

● Busca cega:Um algoritmo de busca cega é um método de busca em que o agente

de busca não tem conhecimento sobre o espaço de busca, e com isso faz uma
busca exaustiva para achar uma solução.
● Busca informada: Trata-se de métodos de busca que recebe uma informações
adicionais como distâncias aumentando assim a performance do software, já que o
agente possui um conhecimento prévio sobre o ambiente.

Função heurística:
Trata-se de uma espécie de guia que tem como função dizer ao agente o quanto ele
está perto de seu objetivo de acordo com que as ações são realizadas. Dessa forma a
função heurística é muito importante em algoritmos de busca informada.

Busca em ambientes complexos:

Em um ambiente controlado é possível ter armazenado o conjunto de estados
possíveis para que assim o agente tenha maior controle sobre suas ações. No entanto, em
ambientes complexos é impossível ter todos os estados armazenados por se tratar de uma
variável imensurável, dessa forma o foco é no estado final depois de todas as ações
realizadas.

Algoritmo genético:
Um algoritmo genético de IA utiliza do mesmo princípio da seleção natural de
Darwin. Dessa forma simula o software é capaz de montar soluções para problemas através
de uma mistura das respostas mais aptas. Os algoritmos genéticos são úteis para resolver
problemas complexos e de muitas dimensões, como a minimização de funções, a síntese
de circuitos ou o treinamento de redes neurais.

Contribuições:
Percepção certificável:

A percepção certificável em inteligência artificial é um conceito que se refere à

habilidade de um sistema de IA em comprovar que suas percepções são confiáveis ou não
e estão de acordo com a realidade. Dessa forma o método é importante para garantir a
segurança e confiabilidade dos sistemas de IA que interagem com o mundo físico e
humano. Um exemplo de sistemas de um percepção confiável são os veículos autônomos
que precisam avaliar se suas percepções são reais ou não antes de realizar uma ação.
Exemplo da tecnologia sendo aplicada a um veículo autônomo:
Projetos:
Algoritmo de busca cega-Busca bidirecional:

Trata-se de uma busca que ao invés de o agente sair a busca do objetivo a partir da
posição inicial, dois agentes partem simultaneamente do ponto de partida e da posição final
à procura de um nó em comum.
Código: https://replit.com/@Marco-TulioTu18/busca-bidirecional?v=1

Algoritmo de busca informada- Busca de feixe

Esse algoritmo escolhe um número limitado de estados possíveis para suas ações e
vai descartando os estados menos promissores com ajuda de sua função heurística.
Código: https://replit.com/@Marco-TulioTu18/Busca-de-feixe?v=1