Inteligência Artificial

Alunos:

Breno Alves Meneses

IFCE – INSTITUTO FEDERAL DO CEARÁ

 Sumário

Introdução

Histórico

Elementos da inteligência artificial

Sistemas especialistas

Lógica fuzzy

Redes neurais

Algoritmos genéticos

Sistemas híbridos

Aplicação da inteligência artificial

Conclusão

Referências
2
 Introdução


O que é inteligência ?

Segundo Fogel : “Inteligência pode ser definida como a
capacidade de um sistema de adaptar seu
comportamento para atingir seus objetivos em uma
variedade de ambientes”.

3
 Introdução

Inteligência artificial tenta emular na máquina:

Percepção;

Raciocínio;

Aprendizado;

Evolução;

Adaptação.

4
 Introdução

Conteúdo Multidisciplinar, podendo ser estudado em
várias outras áreas :

Biologia;

Computação;

Finanças;

Medicina;

Administração.

5
 Introdução

Os principais objetivos de empregar inteligência artificial
são:

Comunicação entre a maquina e o ser humano;

Produção de uma memória;

Planejamento de ações;

Produção de sistemas especialistas;

Identificação de imagens;

Robótica.
6
 Histórico

O primeiro trabalho reconhecido com IA foi realizado por Warren
Macculloch e walter Pitts;

Mostraram que qualquer função computável podia ser calculada por
uma rede de neurônios conectados;

Em 1950 foi criado o primeiro computador neural, denominado
SNARK. Ele utilizava 3000 válvulas eletrônicas e um mecanismo de
piloto automático para simular 40 neurônios.

Ele apenas operava com sucesso a partir de um ponto de partida
técnica, mas nunca executava qualquer função de processamento
de informação, servindo apenas de inspiração.

7
 Histórico

Em 1956 a IA nasceu como campo de estudo. Em um
seminário de dois meses em Datmounth College.

O seminário não trouxe nenhuma novidade, mas
apresentou alguns personagens que se tornariam
importantes na área.

Depois destes fatos novos métodos foram surgindo e a IA
ganhou força em pesquisas cientificas.

8
 Elementos da inteligência artificial

Com inspiração na natureza, foram criadas diversas
técnicas que simulam o comportamento humano.

Podemos classificá-las da seguinte maneira :

Sistemas especialistas Inferência humana.

Lógica Fuzzy Processamento linguístico.

Redes neurais Neurônios biológicos.

Algoritmos genéticos Evolução biológica.

Sistemas híbridos Aspectos combinados.

9
 Sistemas especialistas

Em uma forma simplificada, sistemas especialistas são
softwares que simulam e reproduzem o conhecimento
de um especialista ou expert do assunto.

Prevendo o seu raciocínio e solucionando problemas
dessa determinada área.

Por exemplo umas das áreas que mais se aplica essa
técnica é a da medicina.

Softwares são criados para simular atendimentos
médicos e desta forma encontrar o melhor diagnostico
para a doença do paciente. 10
 Sistemas especialistas

A estrutura básica desta técnica é dividido em três
elementos fundamentais que são :


Interface com o usuário ;

Motor de inferência;

Base de conhecimento.

11
 Sistemas especialistas

A interface humana é aquela que faz a interação com o
usuário, procurando assim possuir uma linguagem
natural.

O motor de inferência é a simulação do raciocínio da
máquina, no qual ela fará inferências e heurísticas sobre
o conhecimento.

A base do conhecimento que podem ser representados
pelo banco de dados que representam o conhecimento
do especialista.
12
 Sistemas especialistas

Vantagens

Podemos dizer que desta forma esse método elimina
alguns dos problemas que possuímos hoje, como a falta
de profissionais na área médica.

Pode ser utilizado por diversas pessoas, diminuindo filas
e a burocracia .

Reduzem o grau de dependência do profissional, desta
forma diminuindo o custo da atividade.

13
 Sistemas especialistas

Desvantagens


Não pode ser utilizado em todas as profissões;

Processo cara para a construção do banco de dados do
profissional;

O conhecimento do profissional deve possuir precisão.

14
 Lógica Fuzzy

A lógica Fuzzy é uma continuação dos estudos em
lógica booliana, aumentando os conceitos e aplicando
novos dispositivos de controle.

Ele trabalha com estados imprecisos, sendo criado para
tratar dos aspectos vagos das informações.

É baseado em graus de verdade que estão entre 0 e 1.
A principal ideia é que a informação apresente graus
(temperatura, velocidade, altura, distância).

15
 Lógica Fuzzy

É uma lógica que aceita valores aproximados em vez de
respostas exatas.

É uma técnica inteligente que tem como objetivo
modelar o modo aproximado de raciocínio, imitando a
habilidade humana de tomar decisões em um ambiente
de incerteza e imprecisão.

Isso é diferente da lógica booliana que só nos
preocupávamos com o verdadeiro (1) e o falso (0).

16
 Lógica Fuzzy

Vantagens


Facilidade de lidar com dados imprecisos.

Facilita a descrição das regras pelos especialistas.

Menor número de regras.

Explicação do raciocínio

17
 Lógica Fuzzy

Desvantagens


Especificação das funções de pertinência.

Necessidade de um especialista e/ou dados históricos.

18
 Redes Neurais

Essa técnica se baseia na premissa que o cérebro
humano processa informação de uma forma diferente
dos computadores digitais e microprocessados.

Sendo assim, o cérebro é um computador altamente
complexo, não linear e paralelo.

Ele através de suas partes estruturais, os neurônios
podem processar a informação de forma bem mais
rápida e precisa.

19
 Redes Neurais


Com isso as redes neurais são um algoritmo projetada
para modelar a maneira como o cérebro realiza a tarefa
particular ou função de interesse; a rede desta forma é
implementada por componentes eletrônicos ou é
simulado por meio de programação em um computador
digital.

20
Redes Neurais

21
 Redes Neurais

Essas redes são formadas de neurônios artificiais.

São fortemente conectados, passando informação entre
eles.

Cada unidade é dotado de uma estado interno, que são
chamados de estado de ativação.

Elas podem propagar o seu estado de ativação para
outras unidades, passando pelas conexões.

A ativação é condicionada pela entrada das unidades
como também pelo seu peso.
22
 Redes Neurais

Vantagens

Qualidade superior;

Competitividade;

Autoaprendizado;

Implementação mais rápida.

23
 Redes Neurais

Desvantagens

Resultados desconcertantes;

Treinamento demorado;

Caixa-preta;

Volume grande de dados;

Preparação de dados.

24
 Algoritmos genéticos

Algoritmos genéticos são métodos e simulações que
são baseados no processo biológico de evolução
natural.

Neste estudo é criado populações de indivíduos que são
submetidos a operadores genéticos

Estes operadores irão utilizar uma caracterização de
qualidade em cada indivíduo, para que se possa gerar
um processo de evolução natural.

25
 Algoritmos genéticos

Os operadores genéticos são :


Seleção;

Recombinação;

Mutação.

26
 Algoritmos genéticos

Vantagens

São robustos e podemos aplicar em vários problemas;

São de fácil implementação;

Seu desempenho não é afetado pela descontinuidade
da função e de sua derivada.

27
 Algoritmos genéticos

Desvantagens

Grande número de avaliações e simulações;

Muitas formas de resolver, complicando a resolução do
problema.

Dificuldade de se simular, pela ineficiência das
maquinas atuais.

28
 Sistemas híbridos

Sistemas híbridos são formados pela integração de vários
subsistemas.

Principais vantagens.

Integração de duas técnicas complementares.

Processamento em paralelo de informações.

Utilização de subproblemas.

29
Aplicação da inteligência computacional

30
 Conclusão

Apresentamos os conceitos fundamentais sobre
inteligência computacional, está que é uma área que
está se desenvolvendo cada vez mais rápido.

Tivemos como objetivo mostrar a importância da sua
utilização nas diversas áreas de aplicação que podemos
colocá-la.

Foram mostradas técnicas que desenvolvem as
pesquisas e estudos em inteligência computacional
aplicada.
31
 Referências bibliográficas

Livros

HAYKIN, Simon. Redes Neurais: Princípios e Práticas. 2. ed. Trad: Paulo Martins Engel. Porto
Alegre: Bookman, 2001.

RUSSELL, Stuart. NORVIG, Peter. Inteligência Artificial. Trad: Publicare Consultoria. Rio de
Janeiro: Elsevier, 2004.

ROSA,João, Luiz. GARCIA. Fundamentos da inteligência artificia l- Rio de Janeiro:LTC,2011.

MENDES, Raquel Dias. INTELIGÊNCIA ARTIFICIAL: SISTEMAS ESPECIALISTAS NO
GERENCIAMENTO DA INFORMAÇÃO. Ci. Inf., Brasilia , v. 26, n. 1, p. , Jan. 1997 .
Available from <http://www.scielo.br/scielo.php?script=sci_arttext&pid=S0100-
19651997000100006&lng=en&nrm=iso>. access on 02 June 2019.
http://dx.doi.org/10.1590/S0100-19651997000100006

LINDEN, Ricardo. Algoritmos genéticos. 3. ed. Rio de Janeiro: Ciência Moderna, 2012. 475 p.
ISBN 9788539901951 (broch.).

32
 Referências bibliográficas

Sites

<ICA@ele.puc-rio.br
http://www.ele.puc-rio.br/labs/ica/icahome.html>.
Acessado em 29 de Maio de 2019

<http://osorio.wait4.org/oldsite/enia99/enia99.pdf
>Acessado em 29 de Maio de 2019

33
Obrigado!!!

34