Inteligência Artificial

Prof. Vinícius Querencia

Fatec Santana do Parnaíba –
2º semestre de 2022
2 Sobre o curso

• Objetivo: Aplicar conceitos de IA.

• Ementa: Fundamentos e paradigmas
da Inteligência Artificial (IA). Técnicas
de IA aplicadas à solução de
problemas. Sistemas baseados em
conhecimento, planejamento e
aprendizagem.
• Bibliografia básica: RUSSELL, S.,
NORVIG, P. Artificial Intelligence – A
Modern Approach. 3rd. ed. New
Jersey: Prentice-Hall, 2010.
3 Sobre o curso

• Avaliação:
• Testes de fixação (T) – peso 2
• Realizado durante as aulas
• Prova teórica (P) – peso 4
• Realizada no final do semestre
• Seminário (S) – peso 4
• Realizado em grupo no final do
semestre
• Média Final (MF) = ( T * 2 + P * 4 + S * 4 ) / 10
4 Sobre o curso

• Reposição de aulas • Combinado:

• 09/08 • 29/10 - sábado
• 16/08 • 05/11 – sábado
• 23/08 • 12/11 - sábado
• 30/08 • 19/11 - sábado
• 06/09 • 03/12 - sábado
• 13/09
• 11/10
• 15/11
5 Sobre vocês

• Apresentação:
• Seu nome
• Em que área trabalha ou em
que área gostaria de trabalhar?
Porque?
• Que disciplina do curso gostou
mais? Porque?
• O que espera da disciplina de
IA?
6 Agenda

• Agentes Inteligentes
• Agente
• Estruturas
• Sistemas Baseados em
Conhecimentos
7 O que é um Agente
• Agente é qualquer entidade que:
• percebe seu ambiente através de sensores (ex.
câmeras, microfone, teclado, mensagens de outros
agentes,...)
• age sobre ele através de efetuadores (ex. vídeo,
autofalante, impressora, braços, http, mensagens
para outros agentes,...)
• Medida de desempenho: Critério que define o grau
de sucesso das ações
sensores Agente
ambiente

Raciocinador modelo do
ambiente

efetuadores
8 O que é um Agente
• Seres Humanos
• Percepção: olhos, ouvidos, olfato, tato, ... (sensores)
• Ação: mãos, braços, pernas, ...
• Ambiente: a natureza, a cidade em que vive, ...
• Robôs
• Percepção: câmeras, sensores IR, ...
• Ação: braços mecânicos, motores, ...
• Ambiente: fábricas, áreas de mineração, regiões inóspitas para
humanos, ...
• Um agente de software
• Percepção : teclas digitadas, conteúdo de arquivos, pacotes de
redes, ...
• Ação : exibição de algo na tela, gravação de arquivos, envio de
pacotes de rede, ...
• Ambiente: computador, celular, ...
9 Agentes Inteligentes

• Agentes que operam em ambientes

imprevisíveis, abertos e em constante
mudança, onde há elevada possibilidade de
que ações possam falhar.

• Agentes que são capazes de ação

autônoma flexível, incluindo reatividade,
aprendizado, pró-atividade e habilidade
social.
10 Medida de Desempenho

• Os Agentes são criados para efetuarem

uma determinada tarefa em
substituição aos seres humanos
• Questão: Como saber se um
determinado Agente está agindo de
maneira correta?
• Resposta: Deve-se criar algum
procedimento e/ou mecanismo de
avaliação para os agentes.
11 Medida de Desempenho

• Critério que define o grau de sucesso de um agente na

realização de uma dada tarefa
• É melhor projetar medidas de desempenho de acordo com
o resultado esperado no ambiente, no lugar de projetar
medidas de desempenho de acordo com o
comportamento esperado do agente
• Um agente racional pode “otimizar” a medida de
desempenho gerando resultados indesejáveis
• Ex: Aspirador de pó
• M edida voltada para o comportamento do agente:
quantidade de vezes que o ambiente é limpo
• M edida voltada para o ambiente: M aior tempo em que o
ambiente ficou limpo
12 Medida de Desempenho

• Agente Racional faz a melhor

coisa possível e segue o princípio
da racionalidade:
• Dada uma sequência perceptiva, o
agente escolhe, segundo seus
conhecimentos, as ações que
melhor satisfazem seu objetivo
13 Medida de Desempenho

• Racionalidade depende de:

• Medida de desempenho que define critério de sucesso
• Conhecimento anterior que o agente tem do
ambiente
• Ações que o agente pode executar
• Sequência de percepções do agente até o momento
• Para cada sequência de percepções possível, um
agente racional deve selecionar uma ação que se
espera venha a maximizar sua medida de
desempenho, dada a evidência fornecida pela
sequência de percepções e por qualquer
conhecimento interno do agente.
14 Medida de Desempenho

• Autonomia de raciocínio (IA):

• Requer máquina de inferência e base de
conhecimento
• Essencial em sistemas especialistas, controle,
robótica, jogos, agentes na internet ...
• Adaptabilidade (IA):
• Capacidade de adaptação a situações novas,
para as quais não foi fornecido todo o
conhecimento necessário com antecedência
• Essencial em agentes na internet, interfaces
amigáveis
15 Exemplos de Agentes

Fonte: Russel e Norvig, Inteligência Artificial.

16 Agentes: metodologia de
desenvolvimento
• Decompõe problema em:
• percepções, ações, objetivos e ambiente (e outros agentes)

• Decompõe tipo de conhecimento em:

• Quais são as propriedades relevantes do mundo?
• Como o mundo evolui?
• Como identificar os estados desejáveis do mundo?
• Como interpretar suas percepções?
• Quais as consequências de suas ações no mundo?
• Como medir o sucesso de suas ações?
• Como avaliar seus próprios conhecimentos?

• Indica arquitetura e método de resolução de problema

17 Exemplos de Agentes
Agente Dados Ações Objetivos Ambiente
perceptivos
Diagnóstico Sintomas, Perguntar, Saúde do paciente, Paciente,
médico paciente, exames prescrever exames, minimizar custos gabinete, ...
respostas, ... testar
Análise de Pixels imprimir uma categorizar Imagens de
imagens de categorização corretamente satélite
satélite
Tutorial de Palavras Imprimir exercícios, Melhorar o Conjunto de
português digitadas sugestões, desempenho do estudantes
correções, ... estudante
Filtrador de mensagens Aceitar ou rejeitar Aliviar a carga de Mensagens,
emails mensagens leitura do usuário usuários

Motorista de Imagens, brecar, acelerar, Segurança, Ruas, pedestres,

táxi velocímetro, dobrar, falar com rapidez, economia, carros, ...
sons passageiro, ... conforto,...
Músico de jazz Sons seus e de Escolher e tocar Tocar bem, se Músicos,
outros músicos, notas no andamento divertir, agradar publico, grades
grades de de acordes
acordes

Fonte: Teresa Ludermir & Jacques Robin, Fundamentos de Inteligência Artificial, Cin-UFPE
18 Agentes - Ambiente

• Completamente observável versus

parcialmente observável
• Determinístico versus estocástico
• Episódico versus sequencial
• Estático versus dinâmico
• Discreto versus contínuo
• Agente único versus multiagente
19 Agentes - Ambiente

• Propriedades de Ambientes de
Tarefas
• Completamente Observável vs
Parcialmente Observável
• Os sensores permitem acesso ao estado
completo do ambiente para um
determinado instante?
• Ex: jogo da velha (completamente),
motorista de táxi (parcialmente, nem
sempre é possível analisar tudo)
20 Agentes - Ambiente

• Propriedades de Ambientes de Tarefas

• Determinístico vs Estocástico vs Estratégico
• O próximo estado do ambiente pode ser
determinado baseado apenas no estado atual e
na ação executada pelo agente?
• Ex: palavra cruzada(determinístico), motorista de
táxi (estocástico, varias coisas podem mudar o
estado do ambiente independente do estado
atual e ação feita pelo agente)
• Estratégico: ambiente determinístico, exceto pela
ação de outro agente.
• Ex: Jogo de Xadrez
21 Agentes - Ambiente

• Propriedades de Ambientes de Tarefas

• Episódico vs sequencial
• Episódico: percepção e ação no
ambiente, não dependendo de fatores
anteriores (ex: encontrar peças
defeituosas)
• Sequencial: ações em curto prazo
podem ter consequências a longo prazo
(ex: xadrez)
22 Agentes - Ambiente

• Propriedades de Ambientes de Tarefas

• Estático vs Dinâmico
• Estático: o ambiente não muda enquanto o
agente decide a ação a ser tomada (ex:
xadrez sem marcador de tempo)
• Dinâmico: o ambiente muda sempre (ex:
motorista de taxi)
• Semidinâmico: ambiente não muda, mas o
desempenho do agente cai (ex: xadrez com
tempo)
23 Agentes - Ambiente

• Propriedades de Ambientes de Tarefas

• Discreto vs Contínuo
• Aplicado ao estado do ambiente, ao
modo como o tempo é tratado e às
percepções e ações do agente.
• Discreto: xadrez
• Contínuo: motorista de táxi
24 Agentes - Ambiente

• Propriedades de Ambientes de Tarefas

• Agente único vs Multiagente
• Jogo de palavras cruzadas: agente único
• Xadrez: dois agentes (agentes competitivos)
• Motorista de táxi: multiagente (parcialmente
cooperativo e competitivo)
• Multiagente: comunicação e
comportamento estocástico.
25 Agentes - Ambiente

Fonte: Russel e Norvig, Inteligência Artificial.

26 Agentes - Estrutura

• Agentes reativos simples

• Agentes reativos baseados em
modelo
• Agentes baseados em objetivos
• Agentes baseados na utilidade
• Agentes com aprendizagem

O processo de tomada de decisão através do raciocínio e com conhecimento é

central em IA e no projeto de um agente de sucesso  meios para representar
conhecimento são importantes.
27 Agentes - Estrutura

Agentes reativos simples

28
Agentes - Estrutura

Agentes reativos simples

• Regras condição-ação
• representação inteligível, modular e eficiente
• ex. Se velocidade > 60 então multar
• Não pode armazenar uma sequência
perceptiva, tem pouca autonomia
• Não guarda o histórico de percepções
• Ações tomadas baseado na percepção
atual
29 Agentes - Estrutura
Agentes reativos baseados em modelo
 Agentes - Estrutura
30

Agentes reativos
baseados em modelo
• Desvantagem:
• pouca autonomia
• não tem objetivo, não encadeia regras
• Ambiente: determinista e pequeno
• Guarda um estado interno que possa refletir
aspectos do ambiente não observados no
estado atual
• Sabe como as ações executadas vão
mudar o mundo (ambiente) modelo do
mundo
31 Agentes - Estrutura

Agentes baseados em objetivos

 Agentes - Estrutura
32

Agentes baseados em objetivos

• Escolhe ações para atender um
determinado objetivo.
• O agente pode precisar escolher
uma sequência de ações para
atingir o objetivo
• Não trata objetivos conflitantes
• Nem sempre a ação tomada é a
melhor
• Exemplo: xeque-mate no xadrez
 Agentes - Estrutura
33

Agentes baseados na utilidade

 Agentes - Estrutura
34

Agentes baseados na utilidade

• Função Utilidade
• Atender o objetivo com maior eficácia
• Desvantagem: não tem adaptabilidade,
não aprende
• Exemplo: motorista de táxi com GPS
• Segurança e velocidade – conflito!
 Agentes - Estrutura
35

Agentes com aprendizagem

 Agentes - Estrutura
36

Agentes com aprendizagem

• Ambiente: sem restrição
• Vantagem: tem
adaptabilidade (aprende)
• Exemplo: veículo autônomo
 Agentes - Estrutura
37

Agentes com aprendizagem

• Aprendizado: permite o agente a operar
em ambientes inicialmente
desconhecidos e aprender com isso.
• Elemento de desempenho: responsável
pela escolha de ações externas. O
próprio agente percebe o ambiente e
escolhe a ação a ser executada.
• Elemento de aprendizado: responsável
pela execução de aperfeiçoamento
38 IA Clássica

• Metáfora basicamente psicológica

• Uma pessoa ou entidade resolve o problema.
• Inteligência atomizada, restrita aos micro aspectos
de sua própria racionalidade.
39 Inteligência : Centralizada
ou Distribuída?
• Cada um faz um pouco, e... somos UM!
• Não aproveitamos muito o trabalho alheio.
• A internet nos faz trabalhar de forma mais
inteligente (nenhum componente é crítico).
• Resolução de problemas: Há alguns problemas
cuja solução é inerentemente distribuída ou
fica mais fácil distribuindo!
40 Inteligência : Centralizada
ou Distribuída?
• Porque pensar a inteligência/racionalidade como
propriedade de um único indivíduo?
• Não existe inteligência ...
• Em um time de futebol?
• Em um formigueiro?
• Em uma empresa (ex. correios)?
• Na sociedade?
• Solução: IA Distribuída
• Agentes simples que juntos resolvem problemas
complexos tendo ou não consciência do objetivo
global
• Proposta por Marvin Minsky e em franca expansão...
• O próprio ambiente pode ser modelado como um
agente
41 IAD - Quando usar?
• Problema complexo
• Dividir e conquistar
• ex. jogo dos 8 números, ordenação, etc.

• Problema intrinsecamente distribuído

• ex. jogos com personagens, administração de sistemas,
controle de tráfego, etc.

• Problemas exigindo rápido tempo de resposta

• processamento paralelo
• ex. busca na internet.

• Problema com domínios de conhecimento ou tarefas

• um agente para cada tipo de conhecimento/tarefa
• ex. usina nuclear
42 Sistemas Baseados em
Conhecimento
• Características do conhecimento humano
• Volumoso
• Impreciso
• Dinâmico
• Organizado por conteúdo

• Um sistema artificial deve ter:

• Capacidade de generalização
• Facilmente modificado
• Vastamente utilizado
43 Como uma máquina poderia
resolver este problema?

• Segundo a IA...
• Identificar o conhecimento do domínio
• Representá-lo em uma linguagem formal
• Implementar um mecanismo de inferência para utilizá-lo
• The Knowledge Principle (Lenat & Feigenbaum)
• Para que um programa execute bem uma tarefa
complexa, ele deve saber muito sobre o mundo em
que opera.
• Questões-chave
• Como adquirir esse conhecimento?
• Como representá-lo adequadamente?
• Como raciocinar com ele correta e eficientemente?
44 Sistemas baseados em
conhecimento
• São sistemas que
• raciocinam sobre suas possíveis ações no mundo
• Conhecem:
• o estado atual do mundo (propriedades
relevantes)
• como o mundo evolui
• como identificar estados desejáveis do mundo
• como avaliar o resultado das ações
• conhecimento sobre conhecimento (meta-
conhecimento)
45 Sistema baseado em conhecimento

Explicação
Sensores Raciocínio
Automático

Contexto
Ambiente

Máquina de
Inferência
Genérica

Efetuadores Base de
Conhecimento Representação e
Aquisição de
Conhecimento
46 Sistemas baseados em
conhecimento
• Dois componentes principais (separados):
• Base de Conhecimento
• M ecanismo de Inferência
• Base de Conhecimento:
• contém o conhecimento do domínio do problema
• representações de ações e acontecimentos do mundo
• Cada representação: sentença
• Sentenças: linguagens específicas
• Formalismos de representação
47 Sistemas baseados em
conhecimento

• Principais diferenças de um SBC e os

convencionais
• Organização dos dados
• SBCs: métodos que fazem busca em um
espaço de possíveis soluções e fazem uso
intensivo de heurísticas para tornar a busca
efetiva
• SCs: algoritmos determinísticos para realizar
suas funções
48 Sistemas baseados em
conhecimento
• Sistemas Convencionais x Sistemas
Especialistas
• Sistema Convencional:
• é baseado em um algoritmo
• emite um resultado final correto
• processa um volume de dados de maneira repetitiva
• Sistema baseado em conhecimento:
• é baseado em uma busca heurística
• trabalha com problemas para os quais não existe uma
solução convencional organizada de forma algoritmica
disponível ou é muito demorada
49 Sistemas baseados em
conhecimento
• Sistemas Convencionais
• Manipulam dados
• representação e uso de dados
• Algorítmico
• processos repetitivos
• efetiva manipulação de grandes bases de dados
• Sistemas baseados em conhecimento
• Manipulam conhecimento
• representação e uso de conhecimento
• heurística
• processos de inferência
• efetiva manipulação de grandes bases de conhecimento
50 Heurística

• Algoritmos heurísticos são aqueles que não

apresentam garantia de determinação da solução
ótima para o problema estudado. Os métodos
aproximativos podem se enquadrar nesta categoria,
acrescentando-se que, para estes casos, são
conhecidas propriedades com garantia do pior
caso. Entretanto, nem todo algoritmo heurístico é
aproximativo, ou seja, nem toda heurística tem uma
razão de qualidade comprovada matematicamente
ou prova formal de convergência, ou seja a
heurística é um conjunto de regras e métodos que
conduzem à descoberta, à invenção e à resolução
de problemas.
51 Sistemas baseados em
conhecimento
• Fazem inferências e deduções a partir de informações
fornecidas pelo usuário
• O conhecimento é aplicado na solução do problema,
usado para guiar e restringir a busca por soluções
• A área do problema é pequena e bem-definida
52 Sistemas baseados em
conhecimento
• Máquina de Inferência
• É o processador em um sistema baseado em
conhecimento que confronta os fatos contidos na memória
de trabalho com os conhecimentos de domínio contidos
na base de conhecimento para tirar conclusões sobre o
problema
• Ele procura as regras para um casamento entre as suas
premissas e as informações contidas na memória de
trabalho
• quando ele encontra um casamento, adiciona a conclusão
da regra na memória de trabalha e continua
53 Teste de Fixação
Agentes Inteligentes

• Com base no artigo “O papel dos agentes

inteligentes nos sistemas tutores
inteligentes”

• Como você implementaria um tutor

inteligente conforme descrito no artigo?
54 Teste de Fixação
Agentes Inteligentes

• Apresentar ou gravar um vídeo para

apresentar na aula de 18/10 de até 5
minutos contendo uma explicação
sucinta da solução

• Atividade em grupo de até 4 alunos

• Prazo: apresentar na aula de 18/10