Inteligência Artificial

Prof. Dr. Alex Oliveira Barradas Filho

BICT / UFMA
Revisão

2
Introdução

3
Inteligência artificial
▪ Definições agrupadas em categorias:

4
Agindo de forma humana
▪ Teste de Turing:
✓ Processamento de linguagem natural: para permitir que ele se comunique com sucesso em
um idioma natural;

✓ Representação de conhecimento: para armazenar o que sabe ou ouve;

✓ Raciocínio automatizado: para usar as informações armazenadas com a finalidade de

responder perguntas e tirar novas conclusões;

✓ Aprendizado de máquina: para se adaptar a novas circunstâncias e para detectar e

extrapolar padrões.

5
Agindo de forma humana
▪ Teste de Turing:

6
Agindo de forma humana
▪ Teste de Turing (total):
✓ Teste de Turing: os testes convencionais;

✓ Visão computacional: para perceber objetos;

✓ Robótica: para manipular objetos e movimentar-se.

7
Agindo de forma humana
“A arte de criar máquinas que executam funções que exigem inteligência quando executadas por pessoas.”
(Kurzweil, 1978)

“O estudo de como os computadores podem fazer tarefas que hoje são melhor desempenhadas pelas pessoas.”
(Rich e Knight, 1991)

ALAN MATHISON TURING

Computer Scientist, Mathematician, Logician, Cryptanalyst and Theoretical Biologist
Link:
http://www.bbc.co.uk/timelines/z8bgr82

8
Pensamento como um humano
▪ Determinar como os seres humanos pensam.
✓ Introspecção: procurando captar nossos próprios pensamentos à medida que eles se
desenvolvem;

✓ Experimentos psicológicos: observando uma pessoa em ação;

✓ Imagens cerebrais: observando o cérebro em ação.

Nota: O campo interdisciplinar da ciência cognitiva reúne modelos computacionais da IA e técnicas experimentais da
psicologia para tentar construir teorias precisas e verificáveis a respeito dos processos de funcionamento da mente
humano.

9
Pensamento como um humano
“O novo e interessante esforço para fazer os computadores pensarem (...) máquinas com mentes, no sentido total e
literal.”
(Haugeland, 1985)

“[Automatização de] atividades que associamos ao pensamento humano, atividades como a tomada de decisões, a
resolução de problemas, o aprendizado...”
(Bellman, 1978)

JOHN CHRISTIAN HAUGELAND II

Professor of Psychology
Link:
http://philosophy.uchicago.edu/faculty/haugeland-obituary.html

10
Pensamento racionalmente
▪ Pensamento correto (processo de raciocínio irrefutáveis):
✓ Os silogismos (Aristóteles) fornecem padrões para estruturas de argumentos que sempre
resultam em conclusões corretas ao receberem premissas corretas;

✓ Lógica: “Sócrates é um homem; todos os homens são mortais; então, Sócrates é mortal.”;

✓ Principais entraves:

➢ Não é fácil enunciar o conhecimento informal nos termos formais da notação lógica.

➢ Diferença em resolver um problema em princípio e resolvê-lo na prática (recursos

computacionais).

11
Pensamento racionalmente
“O estudo das faculdades mentais pelo uso de modelos computacionais.”
(Charniak e McDermott, 1985)

“O estudo das computações que tornam possível perceber, raciocinar e agir.”

(Winston, 1992)

PATRICK HENRY WINSTON

Professor of Artificial Intelligence and Computer Science at the Massachusetts Institute of Technology.
Link:
http://people.csail.mit.edu/phw/
https://www.csail.mit.edu/user/804
Livro:
http://courses.csail.mit.edu/6.034f/ai3/rest.pdf

12
Agindo racionalmente
▪ Agente: algo que age (latino agere, que significa fazer).
✓ Opere sob controle autônomo, perceba seu ambiente, persista por um período de tempo
prolongado, adapta-se a mudanças e seja capaz de criar e perseguir metas.

✓ Agente racional: age para alcançar o melhor resultado ou, quando há incerteza, o melhor
resultado esperado.

✓ Principais vantagens:
➢ Mais geral que a abordagem “pensamento racionalmente” porque a inferência correta é apenas
um dentre vários mecanismos possíveis para se alcançar a racionalidade.

➢ Mais acessível ao desenvolvimento científico.

13
Agindo racionalmente
“Inteligência computacional é o estudo do projeto de agentes inteligentes.”
(Poole et al., 1998)

“AI... Está relacionada a um desempenho inteligente de artefatos.”

(Nilsson, 1998)

DAVID POOLE
Professor of Computer Science at the University of British Columbia.
Link:
https://www.cs.ubc.ca/people/david-poole
http://www.cs.ubc.ca/~poole/
Livro:
http://artint.info/html/ArtInt.html

14
História da IA

15
A gestação da IA
▪ 1943 - 1955:
✓ Primeiro trabalho reconhecido foi por Warren McCulloch e Walter Pitts (1943).

➢ Conhecimento da fisiologia básica e da função dos neurônios no cérebro;

➢ Uma análise formal da lógica proposicional criada por Russel e Whitehead;

➢ A teoria da computação de Turing.

✓ Aprendizado de Hebb por Donald Hebb (1949).

✓ Alan Turing: artigo de 1950 “Computing Machinery and Intelligence”.

16
Entusiasmos inicial
▪ 1952 - 1969:
✓ Newell e Simon: GPS (solucionador de problemas gerais), um dos primeiros programas a
incorporar a abordagem de “pensar de forma humana”.

✓ Herbert Gelernter: Geometry Theorem Prover, o programa podia demonstrar teoremas que
seriam considerados bastantes complicados por muitos alunos de matemática.

✓ McCarthy: definiu a linguagem de alto nível Lisp.

✓ Em termos gerais, nesse período diversas técnicas e métodos prosperaram.

✓ Jon McCarthy se referiu a esse período como a era do “Olhe, mamãe, sem as mãos”.

17
Uma dose de realidade
▪ 1966 - 1973:
✓ As principais dificuldades:

➢ A maioria dos primeiros programas não tinha conhecimento de seu assunto, eles obtinham sucesso
por meio de manipulações sintáticas simples.

➢ A impossibilidade de tratar muitos dos problemas que a IA estava tentando resolver.

➢ O fato de um programa poder encontrar uma solução em princípio não significa que o programa
contenha quaisquer dos mecanismos necessários para encontrá-la na prática.

18
Sistemas baseados em conhecimento
▪ 1969 - 1979:
✓ A nova abordagem de sistemas especialistas:

➢ A separação clara entre conhecimento (na forma de regras) e o componente de raciocínio.

➢ MYCIN: com cerca de 450 regras, o programa obteve bons resultados na tarefa de diagnosticar
infecções.

➢ Com o crescimento das aplicações para resolução de problemas reais causou um aumento
simultâneo na demanda por esquemas utilizáveis de representação do conhecimento.

➢ O aumento de diferentes linguagens de representação e raciocínio.

19
A IA se torna uma indústria
▪ 1980 - até a atualidade:
✓ R1: o primeiro sistema especialista comercial bem-sucedido, o sistema ajudou a configurar
pedidos de novos sistemas de computadores em 1986 (a empresa economizou 40 milhões por
ano).

✓ Em 1981: os japoneses anunciaram o projeto “Fifth Generation”, um plano para montar

computadores inteligentes que utilizassem Prolog.

✓ Em 1988: o grupo de IA da DEC tinha 40 sistemas especialistas entregues, com outros em

desenvolvimento.

✓ Logo depois, o “inverno da IA”.

20
O retorno das redes neurais
▪ 1986 - até a atualidade:
✓ Em meados dos anos 1980: diferentes grupos reinventaram o algoritmo de aprendizado por
retroprogramação.
➢ O algoritmo foi aplicado a muitos problemas de aprendizado em ciência da computação e
filosofia.

➢ A ampla disseminação dos resultados na coletânea “Parallel Distributed Processing” (1986)

causou grande excitação.

✓ Modelos conexionistas eram vistos por alguns como concorrentes diretos dos modelos
simbólicos (Newell e Simon) e logicistas (McCarthy).
✓ Dois campos: criação de algoritmos e arquiteturas de redes eficazes e a compreensão de suas
propriedades matemáticas; a outra com a modelagem cuidadosa das propriedades empíricas
de neurônios reais e conjunto de neurônios.

21
A IA se torna uma ciência
▪ 1987 - até a atualidade:
✓ Agora é mais comum usar as teorias existentes como bases, em vez de propor teorias
inteiramente novas.

✓ Em termos de metodologia, a IA adotou com firmeza o método cientifico.

22
Abordagens em IA

23
Abordagens em IA
▪ Conexionista
▪ Simbólica
▪ Evolucionária
▪ Estatística e probabilística
▪ Híbrida

24
Conexionista
▪ Características:
✓ Baseia-se na hipótese de causa-efeito, segundo a qual um modelo suficientemente preciso do
cérebro humano é suficiente para reproduzir a inteligência que o homem possui.

✓ Metáfora cerebral.

✓ A abordagem trata de problemas imprecisos, mas que podem ser definidos através de
exemplos (exemplo: reconhecimento de caligrafia).

✓ Exemplo: redes neurais.

25
Simbólica
▪ Características:
✓ Baseia-se na hipótese do sistema de símbolos físicos, segundo a qual um conjunto de
estruturas simbólicas e um conjunto de regras de manipulação dessas estruturas são os meios
necessários e suficientes para se criar inteligência.

✓ Metáfora linguística.

✓ A abordagem trata de problemas bem definidos.

✓ Exemplo: sistemas especialistas.

26
Evolucionária
▪ Características:
✓ Baseia-se teoria evolutiva de Darwin, a hipótese é que podemos modelar sistemas
inteligentes simulando a evolução de uma população de indivíduos (aleatórios), que
carregam genes com informação suficiente para dar origem à solução de um problema
usando operações genéticas de recombinação e mutação.

✓ Metáfora da natureza.

✓ Essa abordagem trata de problemas de otimização.

✓ Exemplo: algoritmos genéticos.

27
Outras
▪ Estatística e probabilística:
✓ Exemplo: redes bayesianas e sistemas difusos.

▪ Híbrida:
✓ Combina ferramentas de diferentes abordagens para se obter uma solução para um
determinado problema.

28
Aplicações
▪ Diferentes áreas de aplicação da IA:
✓ Jogos e brinquedos eletrônicos

✓ Robótica e automação industrial

✓ Controle de qualidade

✓ Otimização e controle de processos

✓ Processamento de linguagem natural

✓ Mineração de dados

✓ Aprendizagem, planejamento e escalonamento de tarefas.

29
Exercícios
▪ Comente sobre o uso da IA para os seguintes itens: IMPORTANTE:
Faça uma busca na internet
✓ Jogar um jogo decente de tênis de mesa (pingue-pongue) sobre técnicas e exemplos para
cada um dos itens.
✓ Comprar mantimentos para uma semana no mercado

✓ Comprar uma semana de mantimentos na web

✓ Escrever uma história intencionalmente engraçada

✓ Dar assessoria jurídica competente em uma área especializada de direito

✓ Traduzir inglês falado em português falado, em tempo real

30
Obrigado!

31