Você está na página 1de 11

Inteligência Artificial

1. Introdução

O que é a Inteligência Artificial?


Consciência

Psicologia
Complexidade

Inteligência Artificial

Vida Biologia Vida Artificial


Matéria Física Engenharia

 Definição genérica
© 2005 E. Costa, 2007 A. Silva

 Estudo e construção de entidades artificiais


com capacidades cognitivas semelhantes às
dos seres humanos
 Posição mais pragmática
 Estamos interessados em construir essas
entidades (agentes) para resolver problemas
complexos

1
As máquinas podem ser inteligentes?

 Quatro descontinuidades:
 Matéria -> Copérnico
• O nosso lugar no cosmos deixou de ser central…
 Vida -> Darwin
• Deixámos de ser uma criatura resultante dum acto
de criação especial
© 2005 E. Costa, 2007 A. Silva

 Mente -> Freud


• O “eu” deixou de ser uno
 Computador -> Newell, Simon, McCarthy,
Minsky, Samuel,...
• Teremos agora de partilhar a nossa inteligência com
as máquinas?

A metáfora computacional

 Hipótese dos Sistemas Físicos de


Símbolos (SFS)
 Os SFS têm os meios necessários e suficientes
para a acção inteligente geral.
 Inteligência = Processos + Estruturas
Simbólicas
© 2005 E. Costa, 2007 A. Silva

Mundo

Percepção Acção

Cognição

2
A metáfora conexionista

 A inteligência resulta das interacções de


muitas unidades elementares
 Cérebro humano:
 1011 - 1012 neurónios
 104 - 105 ligações
 10-3 tempo comutação
© 2005 E. Costa, 2007 A. Silva

 Distribuição e paralelismo

A metáfora biológica

 Baseia-se no conceito de
evolução (indivíduos/soluções)
 Variação + Selecção natural
•Darwin
© 2005 E. Costa, 2007 A. Silva

•Mendel
 Sobrevivência
dos mais aptos

3
A metáfora biológica

 População  Indivíduo  Cromossoma  Gene  Alelo

1. Iniciar, em geral aleatoriamente, uma população de indivíduos;


2. Determinar a qualidade dos indivíduos;
3. Se estamos satisfeitos então terminar
senão
3.1 seleccionar um subconjunto para reprodução, de acordo
© 2005 E. Costa, 2007 A. Silva

com a sua qualidade;


3.2 alterar, de forma estocástica os indivíduos, por recurso a
mecanismos de manipulação/alteração do material genético;
3.3 Determinar a qualidade dos novos indivíduos;
3.4 Definir a nova população por combinação da velha com os
novos indivíduos;
3.5 voltar a 3.

O problema das n raínhas

 Colocar n rainhas (xadrez) de


modo a que não se ataquem
© 2005 E. Costa, 2007 A. Silva

4
Solução simbólica
 Procura num espaço de estados
 Estados
 Operadores
 Procura
1.Seja L uma lista contendo o estado inicial
2. Se L estiver vazia Então terminar assinalando insucesso
Senão
© 2005 E. Costa, 2007 A. Silva

2.1 Seja l o primeiro elemento (estado) da lista L;


2.2 Se (teste) l é uma solução do problema Então terminar
assinalando sucesso
Senão
2.2.1 Gerar os descendentes de L por utilização do
operador move;
2.2.2 Retirar l da lista L;
2.2.3 Acrescentar os descendentes de l à cabeça de L;
2.2.4 Voltar para 2.

Solução simbólica
 Árvore de
procura parcial
 4 níveis
• 1820 tabs.
 8 níveis
• 4426165368
move(r22,r23) move(r44,r43)
© 2005 E. Costa, 2007 A. Silva

move(r11,r14)

5
Solução conexionista
V1

 Redes de Hopfield θ1 =−1

 Baseadas em TLU w13 = w31=1


 Estado V=V1 V2 V3 w12 =w21=-2

 Cada neurónio dispara


θ3 = 0 V
• isoladamente V2 θ2 = 0 3

w23 = w32=1
• com uma dada
probabilidade
© 2005 E. Costa, 2007 A. Silva

Estados V1 V2 V3
0 000 4 0 0
1 001 5 3 1
2 010 2 0 3
3 011 3 3 3
4 100 4 4 5
5 101 5 5 5
6 110 2 4 7
7 111 3 5 7

Solução conexionista

 Energia Ei = −Vi (∑ w V j −θi )


ij
 de um neurónio
1
 de uma rede
E=− ∑∑ wijV jVi + ∑i Viθi
2 i j
i≠ j

1. Definir aleatoriamente o estado inicial;


© 2005 E. Costa, 2007 A. Silva

2. Enquanto não se alcançou um estado estável, Fazer


2.1. Seleccionar aleatoriamente uma unidade do estado e alterar a
sua saída
2.2. Se o estado resultante tiver energia inferior, Então
aceitá-lo como o novo estado
Senão
manter o valor antigo
Fim_Se
Fim_Enquanto

6
Solução conexionista
 Para o problema das n rainhas
 Um estado corresponde a uma rede n*n
 Um neurónio é uma posição do tabuleiro
 Estado = 1 onde existir uma rainha
1,1 1,2
W11,12 V1,1=1
θ11 θ12
W11,22
© 2005 E. Costa, 2007 A. Silva

W11,21 W12,22
W21,12

θ21 θ22
W21,22 V2,2=1
 Problema 2,1 2,2

 escolher pesos e limiares de modo a que


estados estáveis correspondam a soluções do
problema

Solução biológica

 Um algoritmo genético
1. Criar aleatoriamente população com P indivíduos;
2. Determinar a qualidade dos indivíduos;
3. Se estamos satisfeitos então terminar
Senão
3.1. Seleccionar |P|/2 pares de indivíduos de acordo com a sua
qualidade ou mérito;
3.2. Usar, estocasticamente, o operador de cruzamento sobre
© 2005 E. Costa, 2007 A. Silva

cada par, gerando dois (novos) filhos;


3.3. Usar, estocasticamente, o operador de mutação sobre cada
indivíduo resultante da etapa anterior;
3.4. Substituir a população antiga pela nova;
3.5. Avaliar os indivíduos na nova população;
3.6. Voltar a 3.

7
Solução biológica
 Uma representação para o problema das
n rainhas
 Um indivíduo/solução pode ser representado
por um vector de n posições em que
• Cada posição corresponde a uma linha
• Na posição guarda-se a posição (coluna) da rainha
© 2005 E. Costa, 2007 A. Silva

nessa linha
• Por exemplo, no indivíduo seguinte está uma rainha
na terceira linha e sexta coluna
1 3 6 8 2 5 7 4

• Uma população um conjunto de vectores/indivíduos

Solução biológica

 Desempenho de um  Mutação por troca


indivíduo depende do 1 3 6 8 2 5 7 4
número de ataques
1 3 7 8 2 5 6 4
 N N N N 
 ∑∑∑∑ ataca(rij , rnm )  − N
 
mérito(C k ) = 
i =1 j =1 n =1 m =1   Cruzamento de um ponto
2
baseado na ordem
© 2005 E. Costa, 2007 A. Silva

1 3 6 8 2 5 7 4

 Selecção por roleta 1 2 3 4 5 6 7 8

30 40

1 3 6 4 5 7 8 2
20 10
1 2 3 8 5 7 4 6

8
História

 Alguns nomes
 Shannon, Wiener, Von Neuman
 McCuloch, Pitts
 Turing

Homem Mulher
© 2005 E. Costa, 2007 A. Silva

Interrogador

História

40 50 60 70 80 90 00

Gestação 43--56
Inícios 52- ------69 (GPS)
Realismo 66-74
S. Periciais 69-79
Industria. 80-88
© 2005 E. Costa, 2007 A. Silva

Computação Evolucionária 90 -

Vida Artificial - 90

Sistemas Complexos - 90

9
Agentes

AGENTE
TAREFA
Ambiente
COMPORTAMENTO
Agente
© 2005 E. Costa, 2007 A. Silva

Acção
Decisão
Percepção

AMBIENTE

Agentes
 Propriedades
 Corpo
 Localização
 Capacidades
 Mecanismos de decisão
 Estratégias
© 2005 E. Costa, 2007 A. Silva

 Tarefas
 Medida de desempenho
 Sociedades de agentes
 Sistema = sociedade de agentes +
ambiente
 Sistemas (Adaptativos) Complexos

10
Agentes
 Tarefas
 Deliberação
• Processos de decisão sofisticados
 Mudança
• Agente (aprende) ou ambiente (navegação)
 Interacção
© 2005 E. Costa, 2007 A. Silva

• Comunicação oral ou escrita


 Imposição
• Tarefas determinadas pelo ambiente

Agentes

 Ambientes
 Acessíveis
 Deterministas
difíceis
 Estáticos
Inacessíveis
© 2005 E. Costa, 2007 A. Silva

1
fáceis
Dinâmicos

Não deterministas

11