Inteligencia Artificial PDF

Inteligncia Artificial - Parte I
Roteiro
Introduo
Histrico
Inteligncia Artificial Abordagens da IA
Agentes Inteligentes
Parte I Resoluo de problemas atravs da Busca
Lgica de Primeira Ordem
Programao em lgica e a linguagem Prolog
Curso de Graduao em Cincia da Computao, UFMA
Prof. Dra. Rosario Girardi
Construindo bases de conhecimento
Sistemas de raciocnio lgico
rgirardi@deinf.ufma.br
http://maae.deinf.ufma.br/rgirardi.html Planejamento
2004 / 2
2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 2
Livro Texto Bibliografia Complementar
RICH, E. e KNIGHT, K. Inteligncia Artificial, 2.ed, Ed.

Makron Books do Brasil, So Paulo, 1994.
RUSSEL, S. e NORVIG, P. Artificial WISTON, P. H Inteligncia Artificial, Livros Tcnicos e
Cientficos Editora, Rio de Janeiro, 1987.
Intelligence: A Modern Approach., BITTENCOURT, Guilherme. Inteligncia Artificial.
Prentice Hall, , Inc., 1995. Ferramentas e Teorias. UNICAMP, 1996, p. 163-170.
BARR, A., COHEN, A. e FEIGENBAUM, E. The Handbook of
Verso em Portugus ed. Campus Artificial Intelligence, M Kaufmann, 1981.
2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 3 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 4
Inteligncia Artificial (IA)
Cincia que estuda o fenmeno da Inteligncia

Parte I estudo da inteligncia em computadores e atravs deles,
nas pessoas
Objetivo:
Compreender, modelar e simular a inteligncia;

Introduo e histrico estudar se os computadores podem pensar e como construir
computadores que pensem
Construir sistemas inteligentes
2004 Prof. Rosario Girardi

Definies O quee a Inteligncia ?
Conjunto de tcnicas para construir mquinas inteligentes, Atingir objetivos

capazes de resolver problemas complexos. (Nilson).
Percepo
Tecnologia de Processamento da Informao que envolve
processos de raciocnio, aprendizado e percepo. (Winston) Resoluo de Problemas
Tomada de deciso
Ramo da Informtica que tenta simular comportamentos
humanos inteligentes.(Luger e Stubble). Compreenso
Aprendizagem
IA & Informtica IA & as Cincias Humanas
Psicologia
Bases de Inteligncia
Dados Artificial
Inteligncia
Lgica
Artificial
Matemtica
Engenharia Filosofia
de Software Linguistica
Sociologia
Informtica
Introduo
IA vs Informtica Clssica
Um programa tradicional s pode fornecer Estudo da Inteligncia uma das disciplinas

mais antigas
respostas s situaes para as quais ele foi
Formalmente a rea foi criada em 1956
concebido quando o nome foi cunhado
Um sistema de IA pode fornecer respostas Filosofia - por 2000 anos como ver,
apreender, recordar e raciocinar pode ser
para situaes no previstas realizado?
Nos anos 50 passou-se prtica com a
criao do computador

O que Inteligncia Artificial?

Abordagens da IA
Desempenho Capacidade de
Dimenses humano raciocnio
Pensamento vs. Comportamento
Humano vs. Racional Processos mentais Sistemas que Sistemas que
e de raciocinio pensam como pensam
PENSAMENTO
humanos racionalmente
Sistemas que Sistemas que
Comportamento atuam como atuam
AO
Sistemas que pensam como os

Pensam como os humanos
humanos
O novo esforo excitante de fazer os computadores pensar ... abordagem de Psicologia cognitiva
maquinas com mentes, no sentido completo e literal
(Haugeland, 1985) como funciona a mente humana
introspeco
A automao de atividades que associamos com o psicologia experimental
pensamento humano, atividades como tomada de deciso,
resoluo de problemas, aprendizado... (Bellman) Psicologia cognitiva
tcnicas experimentais da psicologia, para a
construo de teorias sobre o funcionamento
da mente humana
Processos cognitivos
Psicologia cognitiva
Evoluo humana bem sucedida devido a
faculdades mentais para uso e acceso Sensao e percepo da informao de entrada
informao Ateno informao relevante
Armazenamento em memria de corta durao
Processador enquanto processada
Mente de Aquisio de habilidades complexas
Informao Produo lingstica de sada oral ou escrita
Resoluo de problemas para tomar aes
apropriadas
Planejamento de seqncia de aes

Limitaes dos processos cognitivos Abordagens da IA

Miller (1956) Desempenho Capacidade de
humano raciocnio
5 a 9 elementos recordveis em corto tempo
Processos mentais Sistemas que Sistemas que
sensitivas ao contexto e de raciocinio pensam como pensam
complexidade PENSAMENTO
familiaridade
Sistemas que Sistemas que

AO
possibilidade de ser discriminados humanos racionalmente
Sistemas que pensam racionalmente Pensam racionalmente
abordagem das leis do raciocnio

O estudo das faculdades mentais atravs de Aristteles
modelos computacionais (Charniak e Mcdermott, leis do pensamento certo - processos de raciocnio
irrefutvel
1985)
silogismos
O estudo das operaes que fazem possvel Socrates um homem; todos os homens so mortais;
perceber, raciocinar e atuar (Wiston, 1992) por isso, Socrates mortal
padres para estruturar argumentos que levam a
concluses corretas dadas as premissas corretas
leis que governam as operaes mentais que deram
origem a Lgica
Pensam racionalmente
Abordagens da IA
Abordagem lgica humano raciocnio
desde 65 - dada a descrio de um problema
em notao lgica, encontravam, si existia
Processos mentais Sistemas que Sistemas que
uma soluo ao problema e de raciocinio pensam como pensam
obstculos humanos racionalmente
PENSAMENTO
dificuldade de formalizar conhecimento Sistemas que Sistemas que
diferena entre teoria e prtica (recursos Comportamento atuam como atuam
AO
computacionais) humanos racionalmente

Sistemas que atuam como humanos

Atuam como humanos
A arte de criar mquinas que realizam Mquina Inteligente

funes que requerem inteligncia quando
realizadas por humanos( Kurzweil, 1990) Um computador inteligente se ele
O estudo de como fazer os computadores
fazer coisas nas quais, no momento, as parece humano para o homem
pessoas so melhores( Rich e Knight, 1991)
A. Turing
Teste de Turing Teste de Turing
B C 1950
Sistema Os indivduos A, B e C esto separados fisicamente
Mquina Intermedirio Homem Eles se comunicam via um sistema intermedirio
O objetivo do Interrogador descobrir quem (B ou
C) a mquina.
A mquina inteligente se o interrogador
incapaz de descobrir
quem (B ou C) a mquina
Interrogador A
Atuam como humanos

Teste de Turing total
Computador precisa tambm:
Para passar o teste: Viso por computador para perceber objetos
computador com as seguintes capacidades Robtica para mover esses objetos
processamento de linguagem natural
representao de conhecimento
raciocnio automtico
aprendizado de mquina

Sistemas que atuam racionalmente

Abordagens da IA
humano raciocnio Um campo de estudo que tenta explicar e emular
comportamento inteligente em termos de processos
Processos mentais Sistemas que Sistemas que computacionais (Schalkoff, 1990)
e de raciocinio pensam como pensam O ramo da cincia da computao que esta
PENSAMENTO
humanos racionalmente preocupada com a automao do comportamento
Sistemas que Sistemas que inteligente (Luger e Stubblefield, 1993)
AO
Atuam racionalmente Atuam racionalmente

todas as destrezas cognitivas do teste de Turing so
abordagem de agentes racionais necessrias para suportar comportamento racional
processamento de linguagem natural
atuar racionalmente para lidar com a complexidade do mundo
alcanar seus objetivos de acordo com as representao de conhecimento
suas crenas para raciocinar a partir dele e tomar decises
raciocnio automtico
inferncia
aprendizado de mquina
parte de ser um agente racional gerao de estratgias cada vez mais efetivas
no nica forma de atuar racionalmente viso
(aes reflexas) conseqncias de determinada ao
Abordagens da IA
humano raciocinio
Processo Sistemas que Sistemas que

mentais e de pensam como pensam
raciocinio humanos racionalmente
Comportamento Sistemas que Sistemas que Histrico
atuam como atuam

Principais eventos da IA Os Comeos da IA

desenvolvimento do computador eletrnico em 1941
disponibilizou a tecnologia para criar inteligncia de
mquina
termo inteligncia artificial - 1956, conferncia de Dartmouth.
Norbert Wiener - princpio de teoria da retroalimentao

(feedback)
comportamento inteligente era o resultado de mecanismos
de retroalimentao
mecanismos que poderiam ser simulados possivelmente
atravs de mquinas
Os Comeos da IA Expanso do conhecimento

1955, Newell e Simon Carnegie Mellon e MIT criam centros para pesquisa
desenvolveram O Teorista da Lgica - o primeiro programa de
IA. O programa, enquanto representando cada problema como um na AI
modelo de rvore, tentaria resolver isto selecionando a rama que 1957, a primeira verso do General Problem Solver
resultaria provvel na concluso correta.
(GPS) foi testado.
1956, John McCarthy, considerado o pai da AI, organizou uma extenso do princpio de feedback de Wiener - capaz
conferncia entre interessadas por inteligncia de mquina ("The
Dartmouth summer research project on artificial intelligence.") de resolver uma maior extenso de problemas
o campo seria conhecido como inteligncia artificial.
a conferncia de Dartmouth reuniu os fundadores em AI, e serviu

1958 - McCarthy anunciou o desenvolvimento da
pr a base para o futuro da pesquisa da AI.
linguagem LISP
Expanso do conhecimento A Multido de programas

1963 o MIT recebeu 2.2 milhes de dlares, concesso do SHRDLU
governo de Estados Unidos - Department of Defense's parte do projeto de microworlds
Advanced research projects Agency (ARPA) para pesquisa na pesquisa e programao em mundos pequenos (como com um
Cognio ajudada por computador (inteligncia artificial) para nmero limitado de formas geomtricas).
assegurar que o EUA ficaria frente da Unio sovitica em MIT - Marvin Minsky,
avanos tecnolgicos.
demonstraram que quando limitados a um domnio
pequeno, os programas de computao poderiam resolver

problemas espaciais e problemas de lgica.

A Multido de programas A Multido de programas

durante os 60 1986-87
STUDENT - resolver problemas de lgebra
a demanda em sistemas de AI desceu, e a indstria perdeu
SIR - entender oraes de ingls simples
quase um a metade de um bilho de dlares e o
resultado destes programas
financiamento de projetos de pesquisa tambm desceu.
avano na compreenso da linguagem natural e da lgica.
nos 70 90 - Agentes inteligentes

advento dos sistemas especialistas.
predizem a probabilidade de uma soluo segundo um determinado

conjunto de condies
mercado de valores, diagnosticar doenas, e para instruir os
mineiros a localidades minerais promissores.
teoria dos marcos (frames) de Minsky.

a linguagem PROLOG.
Paradigmas de desenvolvimento
Metfora (abstrao) de modelagem

O paradigma computacional de agentes Metodologia de desenvolvimento
Estruturado (procedimentos e funes)
Orientado a objetos
Orientado a agentes
Complexidade do software Sistema multiagente
Estruturado Um sistema formado por vrios agentes que

Mundo real trabalham de forma cooperativa para atingir
uma meta
Sistemas Decomposio
Orientado a objetos
abertos, Abstrao
distribudos Interaes flexveis
Mundo
computacional Orientado a agentes

Aplicaes Aplicaes
Aplicaes Industriais Aplicaes Comerciais
Controle de Trfego Areo (OASIS-dMARS) Gerncia de Informaes
Controle de Manufatura (Parunak) Filtragem e recuperao de Informaes
Controle de Processos (Automao Industrial) Comrcio Eletrnico
Distribuio de Energia Eltrica (ARCHON)
Software Educativo
Controle de Espaonaves
Interface Humano-Computador
Monitorao de Usinas Nucleares
Telecomunicaes Modelagem de usurios
Sistemas de Transporte
Aplicaes Agentes
Percepes Sensores
Aplicaes Mdicas
Monitorao de Pacientes
Entretenimento Ambiente ?
Jogos
Agente
Cinema Interativo
Simulao Social Aes
Simulao de Sociedades (inclusive humanas) Executores

Cincias Sociais: da sociologia economia, da psicologia function Skeleton-Agent(percept) returns action
social teoria das organizaes e cincias polticas static: memory, the agents memory of the world
AAfun
funo que
funo queimplementa
implementaoo
Simulao de Organizaes (interesse comercial tambm). memory Update-memory(memory, percept) mapeamento
mapeamentodo doagente
agentedas
das
Objetivos action Choose-Best_action(memory) percep
percep es s
percepes s aes
aaes
memory Update-memory(memory, action)
Compreender determinada situao (em uma sociedade) e sua
return action
origem
Prever comportamentos futuros
Propriedades desejadas dos agentes Do nvel global ao detalhado

Autonomia Arquiteturas (tipos) de agentes
O que os distingue dos objetos Arquiteturas de sistemas multiagentes
Sociabilidade
Capacidade de aprendizado

ARQUITETURA DE UM AGENTE Agente Racional

Demonstra o projeto detalhado de cada Realiza a coisa certa (bem sucedido)
agente, sua estrutura e como os mdulos Sucesso: grau e quando
que o compem podem interagir Medida de desempenho
Ex. aspirador de p
p
Racionalidade depende de:
Medida de Desempenho
Seq
Seqncia de percep
percepes (hist
(histrico)
Conhecimento sobre ambiente
Aes que podem ser realizadas
Agente Racional Ideal TIPOS DE AGENTES

Para cada seq
seqncia de percep
percepes poss
possvel, Reativos ou reflexivos
um agente racional ideal deve tomar qualquer simples
ao esperada para maximizar sua medida de
com estado
desempenho tendo como base a evidncia
fornecida pela seq
seqncia de percep
percepo Deliberativos ou racionais
(historico) e qualquer conhecimento que o baseados em metas
agente tenha baseados na utilidade
Um agente racional autonomo
Classificao das arquiteturas

detalhadas CLASSIFICAO - Russel e Norvig
Russel e Norvig
Weiss Agentes Reflexivos
GESEC Agentes Reflexivos com estado
Agentes baseados em metas
Agentes baseados na utilidade

Agentes Reflexivos Agentes reflexivos com estado

function Reflex-Agente-With-State(percept) returns action
static: state, a description of the current world state
function Simple-Reflex-Agent(percept) returns
rules, a set of condition-action rules
action
static: rules, a set of condition-action rules
state Update-State(state, percept)
state Interpret-Input(percept)
rule Rule-Match(state, rules)
rule Rule-Match(state, rules)
action Rule-Action(rule)
action Rule-Action(rule)
state Update-State(state, action)
return action
return action
Agente baseado em metas Agente baseado na utilidade
Function Goal-Based-Agent (percept) returns action Function Utility-Based-Agent (percept,utility) returns

static: state, a description of the current world state action
static: state, a description of the current world state
state Update_State(state, percept)
goal Define_Goal(state) state Update_State(state, percept)
action Get_Action_From_Plan (goal) goal Define_Goal(state)
state Update_State(state, action) action Get_Action_From_Plan (goal,utility)
state Update_State(state, action)
return action
return action
Aspirador Universal um exemplo de

agente deliberativo CLASSIFICAO
Por Weiss
sujeira sujeira Arquitetura baseada em Lgica
(0,2) (1,2) (2,2)
Arquiteturas reativas
Arquiteturas em camadas
(0,1) (1,1) (2,1) Arquiteturas de crena, desejo e inteno (BDI)
(0,0) (1,0) (2,0)

Arquitetura baseada em Lgica Arquiteturas Reativas

Mdulo
Contm um modelo simblico do mundo Competente
Decises feitas via Raciocnio lgico.
Sensores Mdulo Atuadores
Competente
Sada Executor Programar Planejar
(aes) Entrada Sada
(percepes) (ao)
Mdulo
Intenes Competente
Interaes Administrador Raciocinador Metas
Entrada Aspiraes
(percepes)
No Possui modelo simblico central, nem utiliza
Informao
Base de Conhecimento
(modelo simblico do
raciocnio lgico
ambiente)
Mdulos responsveis por uma tarefa definida.
Maior Tolerncia a erros.
Arquiteturas em Camadas Arquiteturas BDI

Ao
Sada
Camada n Camada n Camada n

Baseadas em trs estados mentais
Percepo
.. .
Ao
.. . .. . fundamentais:
Entrada Camada 2 Sada Camada 2 Camada 2
Camada 1 Camada 1 Camada 1

Crenas - vises que o agente possui sobre o
ambiente em que ele se encontra.
Percepo Percepo Ao
Entrada Entrada Sada Desejos - representam o estado motivacional do
(a) Horizontal (b) Vertical (c) Vertical sistema Um estado mental motivador se um
(um controle de passagem) (dois controles de passagem)
mecanismo ou representao que tende a
produzir, modificar ou selecionar aes luz das
Fluxo de Controle Horizontal
crenas.
Fluxo de Controle Vertical
Arquitetura de uma passagem Intenes - representam os componentes
Arquitetura de duas passagem deliberativos do sistema, que servem para decidir
o curso de ao que deve ser tomado pelo
2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 69 sistema. 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 70
Sensor
Entrada
Funo reviso
de crena
Processo de Raciocnio Prtico Processo

Crena
Gera uma lista de opes
Tentar entender as opes que se tem disponveis Funo gerao
Seleciona um subconjunto
de opes dessas opes para adoo
Optar e comprometer-se com uma delas, esta escolha Se existe uma ao atmica que
vem a ser sua inteno. pode ser executada dentro da
Desejo
Busca-se ento tentar alcana-l, persistindo nesta estrutura de inteno, ela ,
ento, executada
busca. Ento, se um agente satisfaz
Funo filtro
Ocorre um processo de restrio do raciocnio prtico uma inteno ou decidiu que uma
futuro inteno no pode ser satisfeita
Inteno mais adiante, tal inteno
Estas intenes esto relacionadas com as crenas abandonada.
sobre o futuro. Atualiza as crenas dos agentes
Ao e repete a partir do ponto 1
Ao
2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 71 Sada

Arquitetura Outros Nomes e Descrio
de Agentes Variaes
Deliberativas - baseadas em Possui um modelo simblico do mundo
Exemplo BDI Lgica

- BDI
Decises so tomadas via raciocnio lgico.
Possui um conjunto de metas e intenes, onde
- Intencionais elaborado um plano baseando-se nessas metas.
Possui certas restries sobre a construo do modelo
simblico.
Agentes complexos.
Reativas - Reflexivas Sem modelo simblico central

Decises tomadas so implementadas em alguma
forma de mapeamento direto da situao para a ao,
so usadas regras de condio/ao.
Hbridas Mistura de componentes das arquiteturas Deliberativas
e Reativa.
Em camadas Decises tomadas via vrias camadas de software.
KENDALL/GESEC Agente deliberativo KENDALL/GESEC Agente deliberativo

Mobilidade
Podem camada Sensitiva
no estar Traduo agente capta o seu ambiente atravs de sensores
presentes camada de Crenas
Colaborao agente mantm modelos de seu ambiente e de si mesmo
camada de Raciocnio
agente determina o que fazer
Aes
camada de Ao
cumpre um plano selecionado pela camada de Raciocnio
Raciocnio camada de Colaborao
agente determina sua abordagem para cooperar ou trabalhar com outros
agentes e formula mensagens para outros agentes
Crenas
camada de Traduo
agente formula mensagens para agentes de outra sociedade multiagente,
Sensitiva traduzindo-as para outras semnticas
camada de Mobilidade
permite a migrao real e virtual dos agentes.
GESEC Agente reativo GESEC Agente reativo

camada Sensitiva
Mobilidade
agente percebe o seu ambiente atravs de sensores
Podem camada de regras
no estar Traduo
Seleciona uma regra a partir da percepo
presentes camada de Ao
Colaborao
Executa a ao selecionada na camada de regras
camada de Colaborao
Ao agente determina sua abordagem para cooperar ou trabalhar com
outros agentes e formula mensagens para outros agentes
Regras camada de Traduo
agente formula mensagens para agentes de outra sociedade
multiagente, traduzindo-as para outras semnticas
Sensitiva
camada de Mobilidade
permite a migrao real e virtual dos agentes.

Classificao das arquiteturas dos sistemas

Do nvel global ao detalhado multiagente
9 Arquiteturas (tipos) de agentes Quanto a complexidade:

Arquitetura simples
Arquiteturas de sistemas Arquitetura moderada
multiagentes Arquitetura complexa
Classificao das arquiteturas dos sistemas

multiagentes quanto ao funcionamento Comunicao entre agentes
Quanto ao funcionamento importante caracterstica que os agentes devem
Cooperao entre agentes possuir para que possam cooperar e interagir
partilha de tarefas e/ou partilha de resultados necessria uma linguagem de comunicao que
quadro-negro
troca de mensagens
seja comum a todos os agentes que vivem em
federativa sociedade.
KQML (Knowledge Query and Manipulation
Coordenao de agentes Language)
maneira com que os agentes esto organizados a fim de cooperar para
alcanar um objetivo comum ao sistema linguagem de comunicao entre agentes (ACL)
Mestre escravo
Mecanismo de mercado suporte aos mecanismos de coordenao e
cooperao
Tipos de comunicao
Troca de mensagens entre agentes
mensagens podem ser de dois tipos: Comunicao direta
consulta os agentes se conhecem e, por isso, trocam
um agente envia uma pergunta para um outro informaes diretamente entre si
agente. Comunicao indireta
afirmao os agentes no se conhecem e, desta
resultado da consulta, ou seja, o agente que maneira, a comunicao ocorre atravs de
recebeu uma consulta envia uma resposta ao uma estrutura de dados compartilhada
agente que solicitou a consulta

Arquitetura quadro-negro Arquitetura de troca de mensagens
Os agentes se comunicam diretamente

quadro-negro
meio de interao entre os agentes, atravs de mensagens
onde estes escrevem e lem
mensagens que sero usadas para Cada agente sabe os nomes e endereos de
atingir o objetivo do sistema
todos os agentes
Arquitetura Mestre escravo

Arquitetura Federativa
Os agentes da sociedade so
divididos em grupos ou federaes duas classes de agentes
segundo um critrio de agrupamento os gerentes (mestres) e
escolhido, e junto a cada grupo os trabalhadores (escravos)
existem os agentes facilitadores
Arquitetura Mecanismo de mercado Ferramentas

ZEUS
os agentes esto em um mesmo nvel e sabem as
tarefas que cada agente capaz de desempenhar AGENTBUILDER
os agentes podem ser classificados como produtores
e consumidores e so utilizados para maximizar JADE
lucros atravs de um processo de negociao

Resoluo de Problemas Atravs de

Busca
Agentes para Resoluo de Problemas
Decidem o que fazer pela busca de aes que
Resoluo de Problemas Atravs de Busca
levem a estados desejveis
Um tipo de agente baseado em metas
As aes dos agentes reflexivos esto
limitadas s a percepo atual. Estes agentes
no tem conhecimento de suas aes nem dos
objetivos que querem atingir
Resoluo de Problemas Atravs de

Busca Resoluo de Problemas Atravs de Busca
1eiro passo: Formulao da Meta
Conjunto de estados do mundo nos quais os Busca
objetivos so alcanados Examinar a seq
seqncia de a
aes que levam
2do. passo: Formulao do Problema a estados objetivos e depois escolher o
Que a
aes e estados devem ser considerados melhor
e com que n
nvel de detalhamento? Ex. achar caminho de So Luis a
Problema=estados+a
Problema=estados+aes Imperatriz
As aes causam transies entre os Estados: estncia em uma cidade em particular
estados do mundo. O agente tem que achar Aes: associadas condu
conduo entre uma
que aes levam ao estado objetivo cidade e outra
Agente para Resoluo de Problemas Atravs de Busca

Algoritmo de busca
function SIMPLE-PROBLEM-SOLVING-AGENT(p) returns action
inputs: p, a percept
static: s, an action sequence, initially empty
state, some description of the current world state
g, a goal, initially null
problem, a problem formulation
Problema Soluo
Algoritmo de busca
state <= UPDATE-
UPDATE-STATE(state, p)
if s is empty then
(seq. de aes)
g <= FORMULATE-
FORMULATE-GOAL(state)
problem <= FORMULATE-
FORMULATE-PROBLEM(state, g) Formulate
s <= SEARCH( problem) Search
action <= RECOMMENDATION(s, state)
Execute
s <= REMAINDER(s, state)
return action

Formulao de Problemas Problemas de um nico estado
Tipos de problemas O agente sabe em que estado esta

nico estado O agente sabe o resultado de cada ao
Mltiple estado O agente pode calcular uma seqncia que o
Problemas de contingncia leva a meta
Problemas de explorao
Problemas de estados mltiplos Problemas de contingncia
As informaes sobre o mundo no esto Estes problemas requerem percepo durante a

disponveis execuo
O agente conhece o efeito de suas aes O agente deve calcular uma arvore de aes
O agente raciocina sobre conjuntos de aes Cada rama da rvore se corresponde com uma
contingncia)
que atigem o estado objetivo
independentemente do estado inicial Ex. Dirigir um carro
Lei de Murphy (as vezes ao aspirar se Problemas clssicos da vida real
deposita poeira s esta limpo)
Problemas e solues bem definidos

Problemas de explorao
O agente no tem conhecimento dos efeitos Problema
informaes que o agente usa para decidir o que fazer
de suas aes (ex. recm nascidos)
problema = estado + aes
O agente deve explorar, experimentar Estado inicial
Descobrir os efeitos de suas aes e os Operadores
possveis estados existentes Espao de estados
Conj. de todos os estados atingveis a partir do estado inicial
atravs de qqer seq. de aes

Caminho - seq. de aes que levam de um estado a outro
Teste de objetivo
Soluo - Caminho do estado inicial at a meta

Formulao de Problemas
Problemas e solues bem definidos
datatype PROBLEM
components: INITIAL_STATE {conj. de estados iniciais}
OPERATORS, {possveis aes do agente}
GOAL_TEST, {teste de objetivo}
PATH_COST_FUNCTION {funo que atribui
um custo a um caminho}
Definio do problema de aspirar Problemas e solues bem definidos
datatype PROBLEM Podem existir vrias solues, mas podem

components: INITIAL_STATE {1,...,7,8} preferir-se caminhos com aes menos
OPERATORS, {esq,dir,asp} custosas
GOAL_TEST, estado = {7,8}
PATH_COST_FUNCTION {nro movs do
aspirador} As instancias do tipo de dados PROBLEM
so as entradas dos algoritmos de busca
Medindo o desempenho da busca
3 aspetos:
1 - Encontra uma soluo?
2 - uma boa soluo?
Custo do caminho (caminho mais barato)
3 - Qual o custo da busca?
tempo e memria

Exemplo Puzzle de 8 nros
ESTADO INICIAL: ARAD; ESTADO OBJETIVO: BUCHAREST

Operadores: aes de conduzir atravs das rotas (ESCOLHER
ROTA, CONDUZIR AT PROXIMA CIDADE)
VARIAS SOLUES
COMO SE MEDE O CUSTO DO CAMNIHO (KMS OU TEMPO DE
VIAGEM)
Em ex. custo do caminho = nro de tramos
MELHOR SOLUO {Arad, Sibiu, Fagaras, Bucarest}
Custo de caminho = 3
A FORMULAAO ADEQUADA DO PROBLEMA PERMETE
REDUZIR O ESPAO DE BUSCA
Exemplo O problema das 8 rainhas

INITIAL_STATE (localizao de cada nro e do Colocar as 8 rainhas no tabuleiro de forma
branco) que nenhuma rainha ataque a outra
OPERATORS (branco a ezq, dir, acima ou Uma rainha ataca uma outra na mesma fila,
abaixo) coluna ou diagonal
GOAL_TEST (estado coincide com o mostrado Dois tipos de formulaes

na figura) Incremental (colocar as rainhas uma a uma)
Colocar as 8 rainhas no tabuleiro e move-as)
PATH_COST (nro. De movs, cada mov custa 1)
Buscando uma soluo
INITIAL_STATE (qqer arranjo de 8 rainhas no tabuleiro) Ex. Mapa rodovirio - achar caminho
OPERATORS (colocar uma rainha em qqer
localizao) rvore de busca
GOAL_TEST (8 rainhas no tabuleiro, no atacveis) N raiz = estado inicial
PATH_COST (zero) Gerar novos estados
Ex. Do aspirador
Expandir um n
INITIAL_STATE (um dos 8 mostrados na fig.)
OPERATORS {esq, dir, aspirar} Estratgia de busca
GOAL_TEST (sem poeira a esq, sem poeira a dir) Seleo de que ns expandir primeiro
PATH_COST: cada ao custa 1

Algoritmo de busca
function GENERAL-
GENERAL-SEARCH( problem, strategy) returns
a solution, or failure
initialize the search tree using the initial state of problem
loop do
if there are no candidates for expansion
then return failure
choose a leaf node for expansion according to strategy
if the node contains a goal state
then return the corresponding solution
else
expand the node and add the resulting nodes to the
search tree
end
Estrutura de Dados para rvores

de Busca
Um n tem: Datatype node
O estado ao qual corresponde Components: STATE, PARENT_NODE,
OPERATOR, DEPTH, PATH-COST
O n
n pai
O operador aplicado
A profundidade da rvore
O custo do caminho da raiz at
at o nodo
Estrutura de Dados para rvores de

Busca Estratgia de Busca
Critrios de avaliaao
Fronteira - ns esperando para serem
Completitude
expandidos Se existe uma solu
soluo, ela ser
ser achada
Estratgia - funo que seleciona o Complexidade de Tempo
prximo n a ser expandido da fronteira quanto leva achar a solu
soluo (fazer a busca)
Complexidade de Espa
Espao
Fronteira implementada como uma fila
quanta mem
memria
Conj. de ns Otimalidade
encontra a melhor solu
soluo

Busca sem informao

Busca em Amplitude
(cega)
O n raiz expandido primeiro
No existe informao do custo do caminho Todos os ns gerados so expandidos
do estado inicial ao estado objetivo
Todos os sucessores dos antecessores
Estratgias
so expandidos e assim sucessivamente
segundo a ordem em que os ns so
expandidos Resumindo:
em amplitude os ns de profundidade d so
simples, pelo custo uniforme expandidos antes dos de profundidade
em profundidade d +1
simples, limitada, iterativa
Fator de Ramificao
Busca em Amplitude quantidade de tempo e memria
fator de ramificao (b)
mximo nro. de ns a serem
expandidos para uma soluo de
profundidade d
1 + b + b2 + b3 + b4 + bd
Exemplo: Requisitos de memria e tempo (b=10) Busca em amplitude pelo custo

uniforme
Expande primeiro o n de menor
custo g(n)
Depth Nodes Time Memory
0 1 1 millisecond 100 bytes g(n) - suma dos custos de cada tramo no
2 111 .1 seconds 11 kilobytes caminho
4 11,111 11 seconds 1 megabyte Soluo mais barata se g(sucessor(n))>g(n)
6 106 18 minutes 111 megabytes no existem custos de tramos negativos
8 108 31 hours 11 gigabytes
10 1010 128 days 1 terabyte
12 1012 35 years 111 terabytes
14 1014 3500 years 11,111 terabytes

Busca em Profundidade
Exemplo de Rota Sempre expande o n de maior
Ir de S para G profundidade
Quando a busca chega num
n sem sucessores o algoritmo expande
um n com menor profundidade
Requer pouca memria
m => profundidade mxima
b => fator ramificao
bm => necessidade de armazenamento
Busca em
Profundidade Limitada
Limitar a profundidade da busca
Complexidade
Tempo o(bL)
Espao o(bL)
Busca Iterativa Busca Bidirecional

Teste de todos os poss
possveis limites
Para frente do n inicial
Para trs do n meta
Soluo encontrada em O (bd/2)

Busca Bidirecional
Comparao
Requer gerao de predecessores Criterion Breadth-
First
Uniform-
Cost
Depth-
First
Depth-
Limited
Deepening
Iterative
Bidirectional
(if applicable)
Time bd bd bm bl bd bd/2
Se operadores reversveis a estratgia Space

Optimal?
bd
Yes
bd
Yes
bxm
No
bxl
No
bxd
Yes
bd/2
Yes
fcil Complete? Yes Yes No Yes,

if b>d
Yes Yes
Existem casos difceis

Deve existir forma eficiente de checar cada
n novo na outra metade

Inteligencia Artificial PDF

Caricato da

Informazioni sul documento

Titolo originale

Copyright

Formati disponibili

Condividi questo documento

Condividi o incorpora il documento

Opzioni di condivisione

Hai trovato utile questo documento?

Questo contenuto è inappropriato?

Copyright:

Formati disponibili

Inteligencia Artificial PDF

Caricato da

Copyright:

Formati disponibili

Inteligncia Artificial - Parte I

Livro Texto Bibliografia Complementar

RICH, E. e KNIGHT, K. Inteligncia Artificial, 2.ed, Ed.

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 3 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 4

Inteligncia Artificial (IA)

Cincia que estuda o fenmeno da Inteligncia

Compreender, modelar e simular a inteligncia;

Construir sistemas inteligentes

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 6

2004 Prof. Rosario Girardi

Definies O quee a Inteligncia ?

Conjunto de tcnicas para construir mquinas inteligentes, Atingir objetivos

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 7 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 8

IA & Informtica IA & as Cincias Humanas

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 9 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 10

Um programa tradicional s pode fornecer Estudo da Inteligncia uma das disciplinas

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 11 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 12

2004 Prof. Rosario Girardi

O que Inteligncia Artificial?

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 13 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 14

Sistemas que pensam como os

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 15 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 16

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 17 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 18

2004 Prof. Rosario Girardi

Limitaes dos processos cognitivos Abordagens da IA

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 19 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 20

Sistemas que pensam racionalmente Pensam racionalmente

abordagem das leis do raciocnio

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 21 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 22

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 23 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 24

2004 Prof. Rosario Girardi

Sistemas que atuam como humanos

A arte de criar mquinas que realizam Mquina Inteligente

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 25 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 26

Teste de Turing Teste de Turing

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 27 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 28

Atuam como humanos

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 29 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 30

2004 Prof. Rosario Girardi

Sistemas que atuam racionalmente

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 31 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 32

Atuam racionalmente Atuam racionalmente

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 33 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 34

Processo Sistemas que Sistemas que

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 35

2004 Prof. Rosario Girardi

Principais eventos da IA Os Comeos da IA

termo inteligncia artificial - 1956, conferncia de Dartmouth.

Norbert Wiener - princpio de teoria da retroalimentao

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 37 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 38

Os Comeos da IA Expanso do conhecimento

a conferncia de Dartmouth reuniu os fundadores em AI, e serviu

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 39 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 40

Expanso do conhecimento A Multido de programas

pequeno, os programas de computao poderiam resolver

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 41 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 42

2004 Prof. Rosario Girardi

A Multido de programas A Multido de programas

nos 70 90 - Agentes inteligentes

predizem a probabilidade de uma soluo segundo um determinado

teoria dos marcos (frames) de Minsky.

2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 43 2004 Rosario Girardi http://maae.deinf.ufma.br/rgirardi.html 44

Metfora (abstrao) de modelagem