Beruflich Dokumente
Kultur Dokumente
AULA 2
Msc. Daniele Carvalho Oliveira Doutoranda em Cincia da Computao - UFU Mestre em Cincia da Computao UFU Bacharel em Cincia da Computao - UFJF
INTRODUO
Inteligncia Artificial: Msc. Daniele C. Oliveira
A meta de se criar inteligncia artificial pode ser traada desde os primrdios da era computacional. Os cientistas que primeiro imaginaram isto foram:
Alan Turing; John von Neumann; Norbert Wiener, entre outros.
A primeira grande revoluo foi o surgimento do campo das redes neurais artificiais, a segunda do aprendizado de mquinas e a terceira da computao evolutiva, em que os algoritmos genticos so os exemplos mais conhecidos.
AGENTES INTELIGENTES EM IA
Inteligncia Artificial: Msc. Daniele C. Oliveira
Tema unificador para IA (Inteligncia Artificial): agente inteligente. Definio de IA: o estudo de agentes inteligentes que recebem percepes do ambiente e executem aes. Ideia dos Agentes Inteligentes: sistemas que podem decidir o que fazer e quando fazer de forma autnoma. O campo da Inteligncia Artificial: ele tenta no apenas compreender, mas tambm construir entidades inteligentes. A IA uma das cincias mais recentes: comeou logo aps a Segunda Guerra Mundial, e o prprio nome IA foi cunhado em 1956. A IA: sistematiza e automatiza tarefas intelectuais. O conceito de racionalidade: um sistema racional se faz tudo certo, com os dados que tem
AGENTE RACIONAL
Inteligncia Artificial: Msc. Daniele C. Oliveira
Um agente simplesmente algo que age. Atributos de um agente: controle autnomo, perceber seu ambiente, persistir por um tempo prolongado, adaptar-se a mudanas e assumir metas de outros. Agente Racional: aquele que age para alcanar o melhor resultado ou, quando h incerteza, o melhor resultado esperado. Um computador precisaria ter as seguintes capacidades:
Processamento de linguagem natural (comunicao); Representao de conhecimento (armazenar o que sabe); Raciocnio automatizado (tirar concluses a partir das perguntas); Aprendizado de mquina (adaptar-se novas circunstncias).
FUNDAMENTOS DA IA
Inteligncia Artificial: Msc. Daniele C. Oliveira
FUNDAMENTOS DA IA
Inteligncia Artificial: Msc. Daniele C. Oliveira
difcil para o computador representar a linguagem natural, pois esta tarefa exige a compreenso do ASSUNTO e do CONTEXTO, no apenas a compreenso da estrutura da frase.
Proposta de um modelo de neurnio artificial Trabalho envolvendo: conhecimento de fisiologia bsica, da lgica proposicional criada por Russell e Whitehead e a da teoria da computao de Turing.
Aprendizagem de Hebb (1949) para aprendizado de neurnios artificiais. Primeiro computador de rede neural: Minsky e Dean Edmonds (1951).
A IA se torna uma indstria em 1980 Retorno das redes neurais em 1986 A IA se torna uma cincia em 1987 Surgimento de agentes inteligentes em 1995
10
O ESTADO DA ARTE
Inteligncia Artificial: Msc. Daniele C. Oliveira
O que a IA pode fazer hoje? difcil uma resposta concisa, porque existem muitas atividades em vrios subcampos:
Planejamento Jogos Controle Autnomo Diagnstico Planejamento Logsticos Robtica Reconhecimento de linguagem e resoluo de problemas
11
AGENTES INTELIGENTES
12
AGENTES INTELIGENTES
Inteligncia Artificial: Msc. Daniele C. Oliveira
Um agente tudo que pode ser considerado capaz de perceber seu ambiente por meio de sensores e de agir sobre esse ambiente por intermdio de atuadores.
13
Percepo: fazer referncia s entradas perceptivas do agente em qualquer momento dado. Sequncia de Percepes do Agente: a histria completa de tudo que o agente percebeu.
a escolha de ao de um agente em qualquer instante dado pode depender da sequncia inteira de percepes observadas at o momento.
Funo de Agente: descreve o comportamento do agente atravs do mapeamento para qualquer sequncia de percepes especfica para uma ao. Internamente ao Agente: a funo de agente ser implementada por um programa de agente.
Funo do Agente: descrio matemtica abstrata. Programa do Agente: uma implementao concreta, relacionada arquitetura do agente.
14
Ao certa: aquela que far o agente obter maior sucesso. Mtodo para medir sucesso = medida de desempenho Medida de desempenho: critrios para se medir o sucesso do comportamento do agente.
melhor projetar medidas de desempenho de acordo com o resultado realmente desejado no ambiente, em vez de cri-las de acordo com o comportamento esperado do agente.
Racionalidade: depende de quatro fatores, citando-os, medida de desempenho, conhecimento prvio do ambiente, aes que o agente pode executar, sequncias de percepes at o momento. Agente racional autnomo: deve aprender o que puder para compensar um conhecimento prvio parcial ou incorreto. Clculo da funo do agente: quando o agente est sendo projetado, quando est deliberando sobre sua prpria ao e medida que aprende a partir da experincia. Trabalho da IA: projetar o programa de agente que implementa a funo de agente que mapeia percepes em aes
15
COMPOSIO DE UM AGENTE
Inteligncia Artificial: Msc. Daniele C. Oliveira
Execuo do programa de agente: dispositivo ou arquitetura de computao com sensores e atuadores fsicos. Agente = Arquitetura + Programa
Funo de agente: Mapeia percepes em aes Programa de agente: Implementa a funo de Agente Arquitetura: Conjunto dos sensores, atuadores e mecanismo de computao (computador)
16
CARACTERSTICAS DE UM AGENTE
Inteligncia Artificial: Msc. Daniele C. Oliveira
Desafio fundamental da IA: descobrir como escrever programas que, na medida do possvel, produzam um comportamento racional a partir de uma pequena quantidade de cdigo, e no a partir de um grande nmero de entradas de tabelas. Fase seguinte: converter todos os tipos bsicos em agentes com aprendizado
17
O que pode ser inserido dentro de um agente? Em geral, todas as tcnicas existentes em Inteligncia Artificial.
Agentes Reativos Simples; Agentes Reativos Baseados em Modelo; Agentes Baseados em Objetivos; Agentes Baseados na Utilidade.
18
19
Caractersticas:
Esses agentes selecionam aes com base na percepo atual, ignorando o restante do histrico de percepes; Esse agente funcionar somente se a deciso correta puder ser tomada com base apenas na percepo atual ou seja, se o ambiente for completamente observvel; Laos de repetio infinito so inevitveis nesse tipo de agente operando em ambientes parcialmente observveis; Aes aleatrias podem retirar o agente de laos infinitos; A aleatoriedade no racional, ento pode-se fazer muito melhor com agentes determinsticos mais sofisticados.
20
21
Caractersticas:
Deve haver alguma forma do agente controlar a parte do mundo que ele no v agora; Manter algum tipo de estado interno que dependa do histrico de percepes; Refletir aspectos no-observados do estado atual; Deve permitir a atualizao das informaes de estado interno; necessrio conhecer duas coisas. Como o mundo evolui independentemente do agente e como as aes do agente afetam o mundo; O conhecimento de como o mundo evolui denominado modelo do mundo. Agentes que utilizam tal modelo denominam-se agente baseado em modelo.
22
23
Caractersticas:
O agente precisa tambm de alguma espcie de informao sobre objetivos que descreva situaes desejveis; Ao baseada em objetivos direta (objetivo resulta de uma nica ao); s vezes o agente deve considerar longas sequncias de ao at encontrar um meio de atingir o objetivo (algoritmos de Busca e Planejamento); Envolvem consideraes do futuro; Ele mais flexvel (objetivo explcito e pode ser modificado)
24
25
Caractersticas:
Os objetivos distinguem apenas estados possveis dos impossveis; Uma medida de desempenho deve permitir uma comparao entre as solues possveis; Quando maior a utilidade de um estado para o agente, ento maior ser sua preferncia pelo agente; Uma funo de utilidade mapeia um estado (ou uma sequncia de estados) em um nmero real; Especificao completa da funo de utilidade x funo objetivo. Objetivos contraditrios so resolvidos pela funo de utilidade. A probabilidade de sucesso pode ser ponderada em relao importncia dos objetivos estocsticos pela funo de utilidade.
26
27
Caractersticas:
Turing (1950) prope construir mquinas com aprendizagem e depois ensin-las; Ambientes inicialmente desconhecidos sendo desvendados por algoritmos de aprendizado; Elemento de Aprendizado: responsvel pela execuo de aperfeioamentos; Elemento de Desempenho: responsvel pela seleo de aes externas. Ele recebe percepes e decide sobre aes;
28
O Elemento de aprendizado utiliza realimentao do crtico sobre como o agente est funcionando e decide como o elemento de desempenho deve ser modificado para melhorar o desempenho no futuro; Primeira Pergunta: que tipo de elemento de desempenho meu agente precisar ter para fazer isso depois de ter aprendido como faz-lo? Crtico: informa ao elemento de aprendizado como o agente est se comportando em relao a um padro fixo de desempenho. Gerador de Problemas: responsvel por sugerir aes que levaro a experincias novas e informativas. Sugerir aes exploratrias.
29
So agentes que
Conhecem seu mundo atravs de uma Base de Conhecimento; Raciocinam sobre suas possveis aes atravs de uma Mquina de Inferncia.
Eles Sabem:
O estado atual do mundo (propriedades relevantes); Como o mundo evolui; Como identificar estados desejveis do mundo; Como avaliar o resultado das aes; Conhecimento sobre conhecimento (metaconhecimento);
30
Agentes interagem com o ambiente onde esto imersos atravs dos SENSORES e ATUADORES;
Base de Conhecimento:
Contm sentenas em uma linguagem de representao de conhecimento; Representaes de fatos e regras; Conhecimento em forma tratvel pelo computador.
Responsvel por inferir, a partir do conhecimento da base, novos fatos ou hipteses intermedirias/temporrias.
Como Inferir que PREMISSAS CORRETAS acarretam sempre CONCLUSES CORRETAS? Este o papel da Lgica Matemtica.
Adequao Inferencial Em IA deu-se origem ao termo ADEQUAO INFERENCIAL, que a capacidade de manipular as estruturas representacionais de modo a derivar novas estruturas que correspondem a novos conhecimentos, inferidos a partir de conhecimentos antigos. Inferncia x Lgicos do Sculo XIX
As leis do pensamento deram origem ao campo denominado LGICA. Notao precisa para declaraes sobre todos os tipos de coisas no mundo e sobre as relaes entre elas. George Boole (1847): Lgica Booleana. Frege (1879): Incluiu objetos e relaes na LB e criou a lgica de Primeira Ordem. Tarski (1902-1983): Mostra como relacionar os objetos de uma lgica a objetos do mundo real.
32
33