1

Inteligncia Artificial
Prof. Dr. Srgio Silva
Prof. Josiane M. Pinheiro
Baseado no Cap. 2 do livro de Stuart Russel e
Peter Norving - "Inteligncia Artificial, 2
a
ed.
2
O que Inteligncia Artificial?

Durante milhares de ano procuramos entender como

pensamos

Como um mero punhado de matria pode perceber,

compreender, prever e manipular um mundo muito maior?

A IA tenta alm de entender, tambm construir entidades

inteligentes

Subcampos

rea de uso geral: aprendizado e percepo

Tarefas especficas: jogos de xadrez, demonstrao de teoremas

matemticos, criao de poesia e diagnstico de doenas

Um campo universal: sistematiza e automatiza tarefas

intelectuais
3
Quatro pontos de vista sobre AI
Pensando
Agindo
Como humanos
Racionalmente
A automao de atividades que ns
associamos com o pensamento
humano, atividades como a tomada de
deciso, a resoluo de problemas, o
aprendizado... [Bellman, 1!"#
A arte de criar m$quinas que
realizam %un&es que requerem
inteli'(ncia quando realizadas por
pessoas [)urz*ell, 1+#
, estudo das computa&es que
tornam poss-vel perceber, raciocinar
e a'ir [.inston, 1/#
, estudo e o pro0eto de a'entes
inteli'entes [1oole et al.,1"#
4
Agindo como humanos

Alan Turing (1950) prope o Teste de Turing

"Computing Machinery and Intelligence

[http://www.abelard.org/turpap/turpap.htm]

As mquinas podem se comportar inteligentemente?

Teste operacional para comportamento inteligente: O JOGO DA

IMITAO

Previu que, em 2000, as mquinas teriam 30% de chance de

enganar uma pessoa leiga por 5 minutos
5
O Interrogador
Agindo como humanos
6
Agindo como humanos

Para passar no Teste de Turing necessrio:

Processamento de Linguagem Natural

Representao de Conhecimento

Raciocnio Automtico

Aprendizagem de mquina

Teste de Turing Total

Viso Computacional

Robtica
7
Agindo como humanos

Eliza e Jlia so softwares que tentaram passar no teste

Atualmente pesquisadores em IA tem dedicado pouco esforo

para passar no teste de Turing

Acreditam que mais importante estudar os princpios bsicos

da inteligncia do que reproduzir um ser inteligente

O desafio do vo artificial

Teve sucesso quando os pesquisadores pararam de imitar os

pssaros e estudaram a aerodinmica
8
Pensando como humanos

Programas pensam como humanos => como os humanos

pensam?

Como a mente humana trabalha por dentro?

Atravs de introspeco

Atravs de experimentos psicolgicos

Uma teoria precisa do funcionamento da mente =>

possibilidade de expressar a teoria no computador
9
Pensando como humanos

Newell e Simon (1961) - General Problem Solver (GPS)

Estavam preocupados em comparar as formas de seu raciocnio

s formas do raciocnio humano para resolver os mesmos
problemas

Cincia Cognitiva -modelos computacionais da IA + tcnicas

experimentais da psicologia

Tentar construir teorias precisas e testveis a respeito dos processos de

funcionamento da mente humana

IA e cincia cognitiva ajudam uma a outra, especialmente em reas

de viso computacional, linguagem natural e aprendizagem
10
Pensando racionalmente

Aristteles => tentou codificar o pensamento correto

(processos de raciocnio irrefutveis, incontestveis)

Silogismos = concluses corretas para premissas corretas

"Scrates um homem e "Todo homem mortal, ento "Scrates

mortal

As leis do pensamento deveriam governar as operaes da

mente => incio da lgica

Desenvolvimento da lgica formal (sculos 19 e 20) =>

fornece uma notao precisa para declarar sobre todos os
tipos de coisas do mundo e as relaes entre elas

Em 1965 existiam programas que podiam resolver qualquer

problema solucionvel descrito em notao lgica

Se no houver uma soluo o programa pode nunca mais parar

11
Pensando racionalmente

A tradio logicista da IA tenta desenvolver tais programas

para criar sistemas inteligentes

Obstculos da abordagem:

Dificuldade de passar conhecimento informal para termos

formais (notao lgica) - principalmente quando o
conhecimento impreciso

Existe uma grande diferena entre ser capaz de resolver um

problema e fazer isto na prtica

Problemas pequenos podem esgotar os recursos computacionais se

no tiverem alguma orientao de quais etapas de raciocnio ele deve
tentar primeiro
12
Agindo racionalmente: o agente
racional

Agente computacional X programas

Operar sob controle autnomo, perceber seu ambiente, adaptar-

se s mudanas ser capaz de assumir metas

Agente racional => age para alcanar o melhor resultado

(esperado)

Comportamento Racional FAZER A COISA CERTA aquilo

que maximiza o objetivo, dada a informao disponvel

Fazer inferncias corretas parte de uma agente racional

Agir racionalmente raciocinar logicamente sobre o objetivo que

uma dada ao ir alcanar, e ento agir
13
Agindo racionalmente

Inferncia correta no representa toda a racionalidade

Algo deve ser feito, mas no existe algo comprovadamente

correto

Agir racionalmente s vezes no envolve inferncia. Ex: tirar a

mo de algo quente

Obs.:Limitaes computacionais tornam a racionalidade

perfeita inalcanvel.
14
Qual o ncleo do problema?
Conhecimento
Aquisio Representao Uso
15
ub!"reas de IA
Conhecimento
Aquisio
Aprendizagem
Simblica
Coneionista
Social e emergente
Percepo
!iso
"
Representao
#gicas
Redes
Simblica
Coneionista
$a%seana
&rames
"
Uso
Racioc'nio
Plane(amento
P#)
Robtica
"
16
#undamentos da inteligncia
artificial
IA
&iloso*ia +atem,tica
Psicologia Computao
#ing-'stica
.conomia
)euroci/ncia
0eoria de Controle
e Cibern1tica
17
#ilosofia $%&' ()*) ! presente+

Lgica e mtodos de raciocnio

Aristteles (384-322 a.C.) - silogismos, noo de intuio

Ramon Lull (1315) - artefato mecnico para raciocnio til

Thomas Hobbes (1588-1679) - raciocnio semelhante

computao numrica

Leonardo da Vinci (1500) - projeto de uma calculadora mecnica

Wilhelm Leibniz (1623) - primeira mquina de calcular

conhecida

A mente como um sistema fsico

Ren Descartes (1596-1650) - Dualismo - mente isenta das

leis da fsica (matria)

materialismo, onde todas as coisas do mundo (inclusive o

crebro e a mente) opera segundo leis fsicas
18
#ilosofia $%&' ()*) ! presente+

A origem do conhecimento

Francis Bacon's (1561-1626) - empirismo, conhecimento est

baseado na observao e na experincia

Hume (1739) - princpio da induo - regras gerais so

adquiridas pela exposio e repetidas associaes entre seus
elementos

Ludwig Wittgestein (1889-1951) e Bertrand Russel (1872-1970)

- positivismo lgico - observaes que correspondem ao
sensores de entrada

Carnap e Carl Hempel (1905 - 1997) - teoria da conirmao

- tentava compreender como o conhecimento pode ser adquirido
a partir da experincia

Racionalidade
19
,atem"tica $'--!presente+

Representao formal e lgica clssica

George Boole (1847) - linguagem formal para fazer inferncias

lgicas - lgica booleana

Gottlob Frege (1879) - formou a lgica de predicados de

primeira ordem, que utilizada em boa parte dos sistemas
atuais (RC)

Alfred Tarski (1902-1983) - teoria que mostra como relacionar

objetos em uma lgica a objetos do mundo real

Algoritmos de prova

Kurt Gdel (1931) - teorema da incompletude, existem

afirmaes verdadeiras que so indecidveis - sua verdade no
pode ser estabelecida por qualquer algoritmo
20
,atem"tica $'--!presente+

Indecidibilidade

Alan Turing (1936) - modelo da mquina de Turing - determinar

se um problema ou no decidvel (um problema decidvel se
existe um algoritmo para ele)

Intratabilidade

Cobham (1964) e Edmonds (1965) - intratabilidade - o tempo

de execuo dos problemas chamados intratveis crescem
exponencialmente em relao ao tamanho de suas instncias

Teoria da NP-Completude

Steven Cook (1971) e Richard Karp (1972) - mtodo para

reconhecer um problema intratvel
21
,atem"tica $'--!presente+

Teoria da Probabilidade

Gerolamo Cardano (1501-1576) - teoria da probabilidade

Tomas Bayes (1702-1761) - anlise Bayesiana - regras para

quantificar probabilidades subjetivas (tratamento de incerteza)
22
.conomia $/001!presente+

Economia:estuda como as pessoas fazem escolhas que levam

a resultados preferenciais (utilidade)

Utilidade

Lon Walras (1834-1910)

Frank Ramsey (1931)

Teoria dos jogos e o comportamento econmico

John Von Neumann e Oskar Morgenstern (1944)

Teoria da deciso = teoria da probabilidade + teoria da

utilidade

Wellman (1965)

Pesquisa operacional

Richard Bellman (1957) - processos de deciso de Markov

23
2eurocincia $/'1/!presente+

Como o crebro processa informaes?

Paul Broca (1861) - estudos em deficincia da fala em pacientes

com crebros danificados

Camillo Golgi (1873) - tcnica de colorao para observar

neurnios no crebro

Santiago Ramon Cajal (1852-1934) - estudos pioneiros das

estruturas de neurnios no crebro

Hans Berger (1929) - eletroencefalgrafo - medio da

atividade do crebro intcto
24
Psicologia $/'03!presente+

Fenmenos de percepo e controle

H. S. Jennings (1906) - Introspeco

John Watson (1878-1958)- behaviorism (comportamentalismo) -

medidas obejetivas de percepo - estmulo e resposta

O crebro como um dispositivo de processamento de informaes

Willian James (1842-1910) - Psicologia Cognitiva

Passos entre a percepo e as aes

Kenneth Craik (1943) - especificou trs passos chaves de um agente

baseado em conhecimento:

(1) O estmulo transformado em uma representao interna;

(2) A representao manipulada por um processo cognitivo que deriva novas

representaes internas; e

(3) Esta representao traduzida em uma ao.

25
*omputa45o $/3%-!presente+

A inteligncia artificial necessita de duas coisas: inteligncia e um

artefato. Atualmente o computador o artefato mais adequado.

Alan Turing e sua equipe

Mquina eletromecnica de Health Robison (1940) - decifrar mensagens

Alems

Colussus (1943) - mquina de uso geral - utilizava vlvulas

Konrad Zuse (1941) - Z-3 - primeiro computador programvel, pontos

flutuantes e a 1 linguagem de programao de alto nvel: Plankalkl

John Atanasoff e Clifford Berry (1942) - ABC - Primeiro computador

eletrnico

John Mauchly e John Eckert - ENIAC (2 guerra - primeiro computador

digital de propsito geral) - mais famoso pq seus conceitos ainda so
utilizados

Evoluo do software: sistemas operacionais, linguagens de

programao e ferramentas necessrias para escrever programas
sofisticados
26
6eoria de controle e ciberntica

Projetos de sistemas que maximizem o objetivo

Ctesbio de Alexandria (+ ou - 250 a. C.) - primeira mquina

autocontrolada - um relgio de gua com um regulador que
mantinha o fluxo de guam constante

James Watt (1736 - 1819) - regulador de mquinas a vapor

Cornelis Debbell (1572 - 1633) - Termostato e o submarino

Norbert Wiener (1894 - 1964) - Teoria de controle -

possibilidade de mquinas dotadas de inteligncia
27
7ing89stica $/3:0!presente+

Representao de conhecimento e gramtica

B. F. Skinner (1957) - Verbal Behavior - Abordagem comportamentalista

para o aprendizado da linguagem

Chomsky - exibiu como a teoria comportamentalista no est direcionada

a noo de criatividade na linguagem

Ela no explicava como uma criana podia compreender e formar frases que
nunca tinha ouvido antes.

IA + Lingstica = Lingstica computacional ou PLN

Compreenso da linguagem exige compreenso do assunto e do contexto

(e no somente sintaxe)

Representao do Conhecimento - como colocar o conhecimento em

uma forma que o computador possa utilizar - vinculado linguagem
28
;ist<ria da inteligncia artificial

! gestao da inteligncia artiicial "#$%&'#$()*

Warren McCulloch e Walter Pitts (1943) - modelo de neurnios

artificiais

Cada neurnio poderia estar "ligado ou "desligado

Troca para ligado ocorria como resposta aos estmulos para um

nmero suficiente de neurnios vizinhos

Idia de que as redes seriam capazes de aprender

Donald Hebb (1949) - regra de atualizao dos pesos da rede

Marvin Minsky e Dean Edmonds (1951) - SNARC o primeiro

computador de redes neurais, possua 40 neurnios

Alan Turing (1950) - artigo "Computing Machinery and

Intelligence
29
;ist<ria da inteligncia artificial

+ nascimento da ,nteligncia !rtiicial "#$()*

John McCarthy, Minsky, Claude Shannon e Nathaniel Rochester

(1956) - seminrio de dois meses, com 10 participantes

Allen Newell e Herbert Simon - Logic Therorist - programa de

raciocnio

McCarthy sugere o nome ,nteligncia !rtiicial

30

-ntusiasmo inicial. grandes espectativas "#$(/'#$)$*

A classe intelectual preferia acreditar que "uma mquina nunca

poder realizar X

Os pesquisadores em IA respondiam naturalmente demostrando um

X aps o outro

Newell e Simon - General Problem Solver (GPS) - Programa

projetado para resolver problemas como os humanos

Nathaniel Rochester e Herbert Gelernter (1959) - Geometry

Problem Solver - podiam demonstrar teoremas complicados
para alunos de matemtica

Arthur Samuel (1952) - srie de programas para jogar damas

que podiam aprender
;ist<ria da inteligncia artificial
31
;ist<ria da inteligncia artificial

McCarthy (1958) ' 0isp - Um ano mais nova que FORTRAN

Advice Taker - 1 sistema de IA completo - princpios centrais de RC

e raciocnio

Escassez e custo dos recursos computacionais => time sharing

J. A. Robinson - mtodo de resoluo - algoritmo completo para

demostrao de teoremas em lgica de primeira ordem

Minsky ' 1icromundos ' Problemas em um contexto limitado

que requer inteligncia para resolver

Ex: Mundo de blocos

Frank Rosemblatt (1962) - Perceptrons e o teorema de

convergncia
32
;ist<ria da inteligncia artificial

2ma dose de realidade "#$))'#$3%*

Herbert Simon - "futuro visvel - computadores lidaro com

uma variedade de problemas correspondente mente humana

previso: dentro de dez anos um computador seria campeo de

xadrez e provaria um teorema matemtico significativo

Dificuldade de tratar problemas complexos (exemplos testados

eram muito simples)

Principais problemas nas abordagens adotadas:

Os programas possuam pouco, ou nenhum conhecimento sobre o

problema objeto

Problema de traduo Russo <-> ingls

Traduo exige conhecimento do assunto

33
;ist<ria da inteligncia artificial

Intratabilidade de alguns problemas que AI estava tentando

resolver (antes da teoria da NP-completude)

Iluso do poder computacional ilimitado, computadores 1.000.000 x

mais rpidos no resolvem o problema - exploso combinatria

Problemas NP-completos existem e novas abordagens devem ser

adotadas

Machine evolution (algoritmos genticos de hoje)

Limitaes fundamentais nas estruturas "bsicas" que estavam

sendo utilizadas para gerar um comportamento inteligente

Ex: Estrutura at ento utilizada para representar redes neurais

Minsky (1969) - Os perceptrons podem aprender qualquer coisa que

eles so capazes de representar, mas eles podem representar muito
pouco.

Cai o mito que em pouco tempo teramos mquinas "super

inteligentes
34
;ist<ria da inteligncia artificial

4istemas baseados em conhecimento "#$)$'#$3$*

Wea methods (pouco informao sobre o domnio) - necessidade

maior de computao

Surgimento dos Sistemas Especialistas

Conhecimento e regras sobre um determinada especialidade

Separao entre conhecimento mecanismo de raciocnio

Buchanan e outros - DENDRAL (1969) - conhecimento de qumica reduz a

quantidade de computao

Feigenbaum e outros - MYCIN - diagnstico de doenas infecciosas (450

regras)

Problemas do mundo real - representao de conhecimento teve que

melhorar

Surgimento de novas LRCs

Frames (Minsky), abordagem mais estruturada baseada em

classes e hierarquia de objetos
35
;ist<ria da inteligncia artificial

! ,! se torna uma ind5stria "#$67 8 ho9e*

Digital Equipment Corporation - R1 (ajuda a configurar pedidos

de novos sistemas de computadores)

Economia de 40 milhes de dlares (1986)

1988

O grupo de IA da DEC tinha 40 sist. especialistas entregues

Du Pont - 100 SEs em uso e 500 em desenvolvimento

Economia de 10 milhes de dlares

Projetos ambiciosos no Japo e EUA (1981) - nunca atenderam

suas metas

Industria da IA: 1980 alguns milhes - 1988 bilhes de dlares

36
;ist<ria da inteligncia artificial

+ retorno das redes neurais "#$6)'presente*

Desenvolvimento continuou em outras reas (fsica, psicologia)

Recriao do algoritmo "bac-propagation! (4 grupos diferentes)

IA Tradicional x Redes Neurais

-ventos recentes "#$63'#$$('/777*

Avanos e utilizao de tecnologia para reconhecimento de imagem e

fala/som.

Belie" net#ors, "probabilidade" que permite formalismo para tratar

incertezas.

Desenvolvimento de mecanismos lgicos para tratar incerteza.

Ex: lgica "u$$y, lgica modal, etc.

37
O estado!da!arte

O que pode ser feito (usando IA) atualmente?

Planejamento autnomo e escalonamento (NASA)

Jogos: Deep Blue da IBM derrota Garry Kasparob campeo mundial de

xadrez

Controle autnomo: Sistema de viso computacional ALVINN treinado

para dirigir um automvel

Diagnstico: Programas de diagnstico mdico com explicao

Planejamento logstico e programao de execuo de transporte

Robtica: Ao ponto de ajudarem em microcirurgias

Reconhecimento de linguagem e resoluo de problemas