Iia Introdução À IA PeB

Introdução à Inteligência Artificial Universidade da Madeira
Introdução
à
Inteligência Artificial
Introdução
Agenda
z PARTE 1
z Introdução
z O que é a Inteligência Artificial?
z Paradigmas de IA
z Fundamentos
z PARTE 2
z Historia
z Áreas de IA
z Algumas Aplicações
1
Um Problema
z Resolver o quebra-cabeças
Um Problema
z2 x 2 = 24 combinações possíveis
2
Um Problema
z 3 x 3 = 362,880 combinações possíveis
Um Problema
z 8 x 8 ≅ 1.2688 x 1089 combinações possíveis
3
Um Problema
z 8 x 8 ≅ 1.2688 x 1089 combinações possíveis
63 sub casos
62 sub casos
Um Problema
z 8 x 8 ≅ 1.2688 x 1089 combinações possíveis.
z A 1,000,000,000 de combinações por segundo

demoraríamos 4 x 1069 milénios em testar todas
as combinações.
4
Um Problema
z Então porquê que nós humanos, podemos
resolve-lo num curto prazo?
z A resposta é simples: Porque utilizamos

conhecimento do problema em forma
inteligente.
Um Problema
z Podemos programar um computador para

utilizar conhecimento de um problema em
forma inteligente?
z A resposta esta na IA.
5
Agenda
z PARTE 1
z Introdução
z Paradigmas de IA
z Fundamentos
z PARTE 2
z Historia
z Áreas de IA
O que é Inteligência Artificial

z Não existe uma definição única.
z Podemos classificar as definições de

Inteligência Artificial de acordo com as
seguintes quatro abordagens da IA:
6

Dimensões/abordagens da IA
Pensando
Sistemas que pensam como um ser Sistemas que pensam

humano racionalmente
Como humanos Racionalmente
Sistemas que actuam como um Sistemas que actuam

ser humano racionalmente
Agindo
Sistemas que actuam como um ser

humano
z “a arte de criar máquinas que
realizem actividades que requerem
inteligência quando realizadas por
pessoas” (Kurzweil, 1990)
z “como fazer os computadores

fazerem coisas nas quais os seres
humanos hoje em dia são mais
eficientes.” (Rich and Knight, 1991)
7

Pensando


Agindo
Sistemas que pensam como um

ser humano
z “O excitante esforço para fazer computadores
pensarem, máquinas com mentes, no sentido completo
e literal” (Haugeland, 1985)
z “A automação de actividades que associamos com o

pensamento humano, tais como tomada de decisões,
solução de problemas e aprendizagem” (Bellman, 1978)
8

Pensando


Agindo
Sistemas que pensam

racionalmente
z “O estudo das faculdades mentais através do uso de
modelos computacionais” (Charniak and McDermott,
1985).
z “O estudo das computações que fazem possível

perceber, raciocinar e agir”(Winston, 1992).
9

Pensando


Agindo
Sistemas que actuam

racionalmente
z “Um campo de estudo que procura
explicar e emular o comportamento
inteligente em termos de processos
computacionais” (Schalkoff, 1990).
z “O ramo da ciência de computação que

está preocupada com a automação do
comportamento inteligente” (Luger and
Stubblefield, 1993).
10
(John McCarthy , Basic Questions)
z What is artificial intelligence?

z It is the science and engineering of making intelligent machines,
especially intelligent computer programs. It is related to the
similar task of using computers to understand human
intelligence, but AI does not have to confine itself to methods
that are biologically observable.
z Yes, but what is intelligence?

z Intelligence is the computational part of the ability to achieve
goals in the world. Varying kinds and degrees of intelligence
occur in people, many animals and some machines.
(John McCarthy , Basic Questions)
z Isn't there a solid definition of intelligence that doesn't

depend on relating it to human intelligence?
z Not yet. The problem is that we cannot yet characterize in
general what kinds of computational procedures we want to call
intelligent. We understand some of the mechanisms of
intelligence and not others.
http://www-formal.stanford.edu/jmc/whatisai/node1.html
11

humano: O Teste de Turing
z Proposto por Alan Turing em 1950.
z O computador seria interrogado por um humano através

de algum tipo de rede (na época, Turing sugeriu o
teletipo).
z O computador passa no teste se o interrogador não

consegue dizer se existe um computador ou um ser
humano do outro lado.

12

z Ideia: obter uma forma satisfatória de definir a

inteligência operacionalmente.
z Definição de inteligência de Turing: “a habilidade de

obter uma performance de nível humano em todas as
tarefas cognitivas de forma a enganar um interrogador
humano”.
Sistemas que pensam como um

ser humano
Os humanos são observados “por dentro”.
z Como é que os humanos pensam?
z Introspecção
z Ciências Cognitivas
z Neurociências
z Psicologia experimental
13
Sistemas que pensam

racionalmente
z Os humanos não são sempre racionais.
z Racional – definido em termos de lógica?
z Dedutiva ou outras lógicas?
z Aristóteles foi o primeiro a tentar definir um
processo de raciocínio irrefutável.
z Ele desenvolveu os silogismos
z Os silogismos fornecem estruturas de argumentação
que sempre fornecem conclusões correctas, dadas
premissas correctas.
z “Sócrates é um homem”
z “Todos os homens são mortais”
z Então Sócrates é mortal
Sistemas que pensam

racionalmente
z Tudo pode ser desvirtuado:
z Deus é amor
z O amor é cego
z Stevie Wonder é cego
z Conclusão
z Deus é cego Stevie Wonder é Deus!
Se eu parti de factos verdadeiros, como
posso ter chegado a conclusões
absurdas?
14
Sistemas que pensam

racionalmente
z Isto iniciou o campo da lógica.
z O campo foi muito expandido no século XIX por
Boole, Pascal, Bayes, etc.
z Existem dois problemas com esta abordagem:
z Dificuldade de definir conhecimento informal de forma
a colocá-lo na notação lógica (especialmente quando
o conhecimento não é 100% preciso).
z Existe uma grande diferença entre resolver um
problema na teoria e na prática.
Sistemas que actuam

racionalmente
z Comportamento racional: Cumprir os objectivos a partir

das informações disponíveis.
z Um agente é algo/alguém que percebe e age.
z A abordagem racional dá ênfase às inferências

correctas.
z Para agir racionalmente, é necessário um processo de

inferência racional.
15
Sistemas que actuam

racionalmente
z A dificuldade vem quando não há uma provável acção
correcta, mas uma decisão tem que ser tomada de
alguma forma.
z Existem formas de agir racionalmente que não envolvem

inferência.
z Tirar a mão de uma panela quente.
z Piscar quando alguém passa a mão na frente dos
nossos olhos.
Agenda
z PARTE 1
z Introdução
z Paradigmas de IA
z Fundamentos
z PARTE 2
z Historia
z Áreas de IA
16
Paradigmas de IA
z Simbólico: metáfora linguística
z Ex.: Sistemas periciais, agentes,...
z Conexionista: metáfora cerebral

z Ex.: Redes neurais.
z Evolucionista: metáfora da natureza

z Ex.: Algoritmos genéticos, vida artificial.
z Estatístico/Probabilístico/Posibilístico:
z Ex.: Redes Bayesianas, sistemas difusos.
Paradigma Simbólico
z West é criminoso ou não?
z “A lei americana diz que é proibido vender armas a uma nação
hostil. Cuba possui alguns mísseis, e todos eles foram vendidos
pelo Capitão West, que é americano. O Capitão West vendeu os
mísseis a um traficante de armas espanhol, que vendeu a Cuba”
z Como resolver automaticamente este problema de

classificação?
z Segundo a IA (simbólica), é preciso:

z Identificar o conhecimento do domínio (modelo do problema)
z Representá-lo utilizando uma linguagem formal de
representação
z Implementar um mecanismo de inferência para utilizar esse
conhecimento
17
Paradigma Conexionista
z Definição “Romântica”:
z Técnica inspirada no funcionamento do cérebro, onde neurónios
artificiais, conectados em rede, são capazes de aprender e de
generalizar.
z Definição “Matemática”:
z Técnica de aproximação de funções por regressão não linear.
z É uma outra abordagem:

z linguagem -> redes de elementos simples
z raciocínio -> aprender directamente a função entrada-saída
Paradigma Evolucionista
z Evolução
z Diversidade é gerada por cruzamento
e mutações.
z Os seres mais adaptados ao seus
ambientes sobrevivem (seleção
natural).
z As características genéticas de tais
seres são herdadas pelas próximas
gerações.
18
Paradigma Evolucionista
z Definição:
z Método probabilista de busca para resolução de
problemas (optimização) “inspirado” na teoria da
evolução.
z Idéia:
z Indivíduo = Solução
z Faz evoluir um conjunto de indivíduos mais
adaptados por cruzamento através de sucessivas
gerações.
Paradigma
Estatístico/Probabilístico/Posibilístico
z Probabilidades: Raciocínio com Incerteza
z Possibilidades: Raciocínio com Imprecisão
19
Agenda
z PARTE 1
z Introdução
z Paradigmas de IA
z Fundamentos
z PARTE 2
z Historia
z Áreas de IA
Fundamentos
Matemática
Filosofia Sociologia
Linguística IA Psicologia
Neuro-fisiologia Computação
Genética
20
Filosofia
z Sócrates, Platão, Aristóteles mente racional (400 AC)
z Criaram as bases do pensamento e cultura ocidentais.
z Aristóteles desenvolveu um sistema de silogismos para

raciocínio organizado que, a princípio, permitiria
mecanizar o processo de geração de conclusões a partir
de premissas verdadeiras.
z Usando este mecanismo temos um conjunto de regras

para estabelecer o processo de pensamento, mas nada
para definir os conceitos de livre arbítrio, criatividade,
etc.
Filosofia
z Descartes (1600) dualismo (natureza física x mente,
livre arbítrio).
z Descartes dizia que havia uma parte da mente que não

poderia ser explicada pelas leis da física.
z De acordo com Descartes, os animais não possuíam

esta qualidade do dualismo.
21
Filosofia
z Materialismo (séc. XVII) o mundo (cérebro e mente)
funciona de acordo com leis físicas.
z Aponta a matéria como primeira e última substância de

qualquer ser, coisa ou fenómeno do universo.
z Para os materialistas, a única realidade é a matéria em

movimento, que, por sua riqueza e complexidade, pode
compor tanto a pedra quanto os extremamente variados
reinos animal e vegetal, e produzir efeitos
surpreendentes como a luz, o som, a emoção e a
consciência.
Filosofia
z Empiricismo - fonte do conhecimento (observação dos
factos e generalização de regras).
“nothing is in the understanding which was not first in the

sense”
z Alguns filósofos empiristas: Francis Bacon, Locke,

Hume.
22
Filosofia
z Positivismo lógico, o conhecimento pode ser expresso
em teorias lógicas.
z Todo significado de uma afirmação pode ser verificado

ou falseado por meio de experimentação.
z Principais Filósofos: Circulo de Viena, Bertrand Russell.
Matemática
(Lógica e Computabilidade)
z Aristóteles z Godel
z Boole z Turing
z Frege z Church
z Tarski z Bayes
z Hilbert z Cook
z Von Neumann
23
Matemática
z Aristóteles – explica o raciocínio dedutivo
z Bayes - 1760 – probabilidade
z Boole – 1840 formalização de operações lógicas
z Frege – 1880 lógica de primeira ordem, termo e
predicado, quantificação
z Tarski – 1940 relação dos objectos da lógica com
objectos do mundo (modelo)
z Hilbert – 1900 formalização da matemática
Matemática
z Godel – 1930 incompletude da aritmética
z mostrou que existe um procedimento efectivo para provar uma
proposição verdadeira em lógica de primeira ordem, mas que esta
lógica não poderia capturar o princípio de indução matemática
necessária para caracterizar os números naturais
z Turing e Church – 1940 computabilidade

z Computabilidade x tratabilidade (complexidade)
z Cook (1971) Problemas NP-Completos
z Von Neumann – Teoria de Jogos/ Teoria da

Decisão.
24
Psicologia
z 1850 – primeiro laboratório de psicologia experimental
para o estudo da visão humana.
z Pesquisa baseada na introspecção dos sujeitos (subjectivismo).
z Behaviorismo (1900)
z Observação da ação (reação) dos sujeitos.
Psicologia
z 1900 Psicologia cognitiva: metáfora computacional do
cérebro.
z Crenças, objectivos, raciocínio: elementos para uma

teoria do comportamento humano.
z Características de um agente baseado em conhecimento.
z O estímulo deve ser traduzido para uma representação interna;
z A representação é manipulada por processos cognitivos para
derivar novas representações internas;
z Estas representações são re-traduzidas em ação.
25
Engenharia computacional
z Hardware
z Aumento da velocidade de processamento e
capacidade de memória.
z Software
z Linguagens, metodologias, interfaces.
Linguística
z Chomsky – 1957 estruturas sintáticas
z Linguagem: estrutura das sentenças +

conhecimento do mundo
z Filosofia da linguagem – representação do

conhecimento
z Campo híbrido: processamento de linguagem

natural ou linguística computacional
26
Agenda
z PARTE 1
z Introdução
z Paradigmas de IA
z Fundamentos
z PARTE 2
z Historia
z Áreas de IA
Historia – Tentativas
z A historia original,
publicada pela Mary
Shelley em 1818,
descreve a tentativa do
Dr. Victor Frankenstein,
de criar vida.
27
z 1834
Joseph Faber's (1830-40's). Máquina falante Euphonia
“It is "... a speech synthesizer
variously known as the Euphonia
and the Amazing Talking
Machine. By pumping air with the
bellows ... and manipulating a
series of plates, chambers, and
other apparatus (including an
artificial tongue ... ), the operator
could make it speak any
European language. A German
immigrant named Joseph Faber
spent seventeen years perfecting
the Euphonia, only to find when
he was finished that few people
cared."
David Lindsay called "Talking http://www.haskins.yale.edu/haskins/
Head", Invention & Technology, HEADS/SIMULACRA/euphonia.html
Summer 1997, 57-63.
28
A gestação da inteligência Artificial

(1943-1955)
z Warren McCulloch e Walter Pitts (1943) – modelo de
neurónios artificiais
z Cada neurónio poderia estar “ligado” ou “desligado”.
z A troca para ligado, ocorria como resposta aos estímulos para
um número suficiente de neurónios vizinhos.
z Conhecimento básico sobre fisiologia e as funções dos
neurónios no cérebro, lógica proposicional, teoria da
computação.
z Marvin Minsky (tese) e Dean Edmonds construíram o

primeiro computador de redes neurais em 1951, possuía
40 neurónios.
O nascimento da IA
Dartmouth Conference (1956)
z Organizada pelo John McCarthy para estabelecer uma
nova área para estudar computação e inteligência.
z John McCarthy baptiza a área introduzindo o termino

“artificial intelligence” durante a conferencia.
z Os seguintes 20 anos testemunharam o crescimento da

área, sendo este crescimento conduzido pelos pioneiros
que participaram na conferência de Dartmouth.
29
Entusiasmo inicial
(1952-1969)
z Alan Newell e Herbert Simon desenvolveram o “General Problem
Solver” (GPS)
z Projectado para imitar protocolos humanos de resolução de problemas
z GPS foi o primeiro programa a incorporar a abordagem “Pensar como
humanos”
z A combinação de IA e Ciência Cognitiva continua até hoje
z Arthur Samuel (1952) escreveu uma série de programas para jogar

damas e provou o contrário do que era senso comum na época:
z “a ideia de que computadores podiam fazer somente o que lhes era
dito”
z Seus programas aprendiam rapidamente a jogar melhor que seu
criador
z Herbert Gelernter (1959) – Geometry Theorem Prover

z Demonstrava teoremas bastante complicados
Entusiasmo inicial
(1952-1969)
z McCarthy (1958) desenvolveu o LISP, que se tornou a
linguagem dominante de IA.
z Robinson (1963) descobriu o método da resolução:
z Algoritmo completo de provas de teoremas para a Lógica de 1a
Ordem.
z PROLOG estava a caminho.
z Minsky supervisionou uma série de estudantes que
escolheram problemas limitados, que pareciam requerer
inteligência para serem resolvidos:
z Micromundos .
z O mais famoso micromundo foi o mundo dos blocos.
30
Uma Dose de Realidade

(1966-1974)
z A barreira que muitos projectos de IA encontraram foi
que:
z Métodos que eram suficientes para demonstrações de um ou
dois exemplos simples, quase sempre fracassavam quando
testados com um elenco maior de problemas ou com problemas
mais difíceis.
z O primeiro tipo de dificuldade

z Os primeiros programas continham pouco ou nenhum
conhecimento do assunto que tratavam.
z Tinham sucesso através de manipulações sintácticas muito
simples - ELIZA (65).
Uma Dose de Realidade

(1966-1974)
z O segundo tipo de dificuldade
z A não resolução de muitos problemas que a IA estava
tentando solucionar.
z Os primeiros programas funcionavam somente porque os
micromundos continham poucos objectos.
z Antes que a teoria de problemas NP-completos fosse
desenvolvida, acreditava-se que o problema de se "escalar"
para problemas maiores era simplesmente um problema de
se ter hardware mais rápido.
z Uma terceira dificuldade veio das limitações sobre as estruturas

básicas usadas para gerar comportamento inteligente.
31
SBC: A Chave para o Poder?

(1969-1979)
z O método de resolução de problemas usado na primeira década da
IA foi o mecanismo de busca de propósito geral.
z Eles são chamados métodos fracos porque usam pouca informação
sobre o domínio.
z Para domínios complexos o desempenho é pobre.
z Surgem os sistemas periciais

z Conhecimento, heurísticas e regras sobre um determinada
especialidade.
z Separação clara entre conhecimento (regras) e componente de
raciocínio.
z DENDRAL (1969) – conhecimento de química reduz a quantidade de
computação.
z Foi o primeiro sistema a trabalhar com conhecimento intensivo.
z Sua perícia era derivada de um grande número de regras específicas.
z Inferia a estrutura molecular de informações fornecidas por um
espectrómetro de massa.
z Feignbaum e outros – MYCIN – diagnostico de doenças infecciosas

(450 regras)
SBC: A Chave para o Poder?

(1969-1979)
z A importância do conhecimento do domínio foi

também aparente na área de processamento de
linguagem natural.
z O crescimento das aplicações no mundo real

aumentou a demanda por esquemas de
representação de conhecimento alternativos:
z Lógica e Frames
32
Problemas da Linguagem Natural

z Olive oil
Problemas da Linguagem Natural

z Baby oil
33
Renascimento
(1969 – 1979)
z 1971: T. Winograd’s Ph.D. thesis (MIT) cria um
sistema capaz de compreender inglês num
domínio reduzido (mundo de blocos).
z 1972: nasce PROLOG e torna-se uma

alternativa a LISP e o paradigma funcional.
Renascimento
(1969 – 1979)
z 1978: O Version Space algorithm foi desenvolvido pelo
Tom Mitchell em Stanford.
z Primeiro algoritmo de aprendizagem.
z E considerado o “Father of Machine Learning”.
z 1979: Lógicas não-monótonas.

z Formalizadas pelo John McCarthy e seus colegas.
34
A IA Torna-se Comercial
(1980-hoje)
z O primeiro sistema especialista de sucesso
comercial, R1, começou a operar na DEC.
z Ajudava a configurar ordens para novos

computadores.
z Em 1981, os japoneses anunciaram a "Quinta

Geração“.
z Um projecto de 10 anos, para construção de
computadores inteligentes que utilizavam Prolog.
O retorno das redes neurais

(1986- hoje)
z Desenvolvimento continuou em outras áreas.
z Uso/desenvolvimento de algoritmos “back-propagation”.
z IA Tradicional x Redes Neurais.
35
Eventos recentes
(1987-1995-2000-hoje)
z Avanços e utilização de tecnologia para
reconhecimento de imagem e fala/som.
z Belief networks, "probabilidade" que permite

formalismo para tratar incertezas.
z Desenvolvimento de mecanismos lógicos para tratar

incerteza.
z Ex.: lógica fuzzy, lógica modal, etc.
Tendências Actuais
z Passagem de sistemas experimentais para aplicações
reais de larga escala
z Representação de conhecimento (CYC).
z Reconhecimento da fala.
z Robótica.
z Visão.
z Internet (softbots).
36
Agenda
z PARTE 1
z Introdução
z Paradigmas de IA
z Fundamentos
z PARTE 2
z Historia
z Áreas de IA
Computação
Redes Evolucionária Lógica
Neurais Fuzzy
Raciocínio
Raciocínio Baseado
Robótica
Baseado em Regras
em Casos
Agentes Linguagem
Outros
Inteligentes Natural
37
Agenda
z PARTE 1
z Introdução
z Paradigmas de IA
z Fundamentos
z PARTE 2
z Historia
z Áreas de IA
Produção de jogos e histórias interactivas
z Como modelar o ambiente físico e o

comportamento/personalidade dos personagens?
z Como permitir uma boa interação com o utilizador?
The Sims FIFA Soccer
38
Deep Blue
Deep Blue vs Kasparov

z Em 1997 Deep Blue venceu Kasparov
39
Deep Blue vs Kasparov

Características Deep Blue Kasparov
Capacidade Até 200 milhões Até 3

avaliativa de p/segundo p/segundo
jogadas
Conhecimento Pouco Muito

em xadrez
Cálculo Muito Pouco
Controle de tráfego aéreo

z (OASIS - sofisticado sistema de controle de tráfego
aéreo baseado no paradigma multiagente, utilizado no
aeroporto de Sydney, Austrália, no qual os agentes
assumem o lugar dos aviões em operação);
40
Massive software
Multiple agent simulation system in virtual environment
z Cada combatente representa um agente que escolhe as suas

próprias acções em função:
z Das suas percepções do
ambiente
z Do seu conhecimento
z Da sua especialização
z Não há lugar á decisão centralizada,
cada agente é autónomo.
z Cada um deles toma cerca de
24 decisões por segundo.
z Dezenas de milhares de combatentes
Massive software
Multiple agent simulation system in virtual environment
z Os agentes têm:
z Uma representação do seu ambiente
z Sentidos: visão, audição, tacto, até mesmo olfacto
z Um carácter (agressividade, medo, força)
z Características pessoais (raça, tamanho, morfologia)
z Cada agente pode:
z Andar, correr, saltar, lutar
z Encontrar, identificar e iniciar o combate com o inimigo
z Ganhar e viver ou então perder e morrer
z Com isto tudo consegue-se:
z O comportamento de um combatente não é previsível:
z Durante um combate, um humano vai responder a um ataque
pegando na sua espada
z Depois de quando tempo ? Em que preciso momento ?
z Ele vai avançar ? Recuar ? Ou ainda ir para o lado ?
z Quando os soldados da terra média atacam, emitem gritos e um ruído
que tem uma incidência directa sobre a moral dos seus adversários.
41
Controle de robôs
z Como obter navegação segura e eficiente,
estabilidade, manipulação fina e versátil?
z E no caso de ambientes dinâmicos e
imprevisíveis?
HAZBOT: ambientes com

atmosfera inflamável
Robots - Dante
z 1994 Dante II (CMU) explora o vulcão Mt.

Spurr (Aleutian Range, Alaska). Ambiente
inóspito para humanos
42
Busca de informação na Web

z Como localizar a informação relevante?
Recomendação de produtos
z Como fazer recomendações personalizadas de
produtos?
z Como modelar o perfil dos compradores?
43
Previsão
z Como prever o valor do dólar (ou o clima)
amanhã?
z Que dados são relevantes? Há comportamentos
recorrentes?
Detecção de Intrusão e
Filtragem de Spam
z Como saber se uma mensagem é lixo ou de fato
interessa?
z Como saber se um dado comportamento do
utilizador é suspeito e com lidar com isso?
44
Sistemas de Controle
z Como travar o carro sem as rodas deslizarem em função
da velocidade, atrito, etc.?
z Como focar a câmera em função de luminosidade,
distância, etc.?
z Como ajustar a temperatura em relação á quantidade de
roupa, fluxo de água, etc.?
Interface
z Como fornecer ao utilizador a ajuda de que ele precisa
exactamente?
z Como interagir (e quem sabe navegar na web) com um
telemóvel sem ter de digitar os números (hands-free)?
45
O que estes problemas têm em comum?
z Grande complexidade (número, variedade e

natureza das tarefas).
z Não há “solução algorítmica”, mas existe

conhecimento.
z Modelagem do comportamento de um ser

inteligente (conhecimento, aprendizagem,
iniciativa, etc.).
Leituras Sugeridas
LIVROS
z Russel, Norvig, Artificial Intelligence: A Modern
Approach, Cap. 1.
z Costa, Simões, Inteligência Artificial. Fundamentos e
Aplicações. Cap 1.1 a 1.4.
ARTIGOS
z John McCarthy. What is artificial intelligence?.
http://www-formal.stanford.edu/jmc/whatisai.html
z Alan Turing "Computing Machinery and Intelligence"
http://www.abelard.org/turpap/turpap.htm
46
FIM
47

Iia Introdução À IA PeB

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

Iia Introdução À IA PeB

Caricato da

Copyright:

Formati disponibili

Introdução à Inteligência Artificial Universidade da Madeira

z A 1,000,000,000 de combinações por segundo

z A resposta é simples: Porque utilizamos

z Podemos programar um computador para

z A resposta esta na IA.

O que é Inteligência Artificial

z Podemos classificar as definições de

O que é Inteligência Artificial

Sistemas que pensam como um ser Sistemas que pensam

Como humanos Racionalmente

Sistemas que actuam como um Sistemas que actuam

Sistemas que actuam como um ser

z “como fazer os computadores

O que é Inteligência Artificial

Sistemas que pensam como um ser Sistemas que pensam

Como humanos Racionalmente

Sistemas que actuam como um Sistemas que actuam

Sistemas que pensam como um

z “A automação de actividades que associamos com o

O que é Inteligência Artificial

Sistemas que pensam como um ser Sistemas que pensam

Como humanos Racionalmente

Sistemas que actuam como um Sistemas que actuam

Sistemas que pensam

z “O estudo das computações que fazem possível

O que é Inteligência Artificial

Sistemas que pensam como um ser Sistemas que pensam

Como humanos Racionalmente

Sistemas que actuam como um Sistemas que actuam

Sistemas que actuam

z “O ramo da ciência de computação que

(John McCarthy , Basic Questions)

z What is artificial intelligence?

z Yes, but what is intelligence?

(John McCarthy , Basic Questions)

z Isn't there a solid definition of intelligence that doesn't

Sistemas que actuam como um ser

z O computador seria interrogado por um humano através

z O computador passa no teste se o interrogador não

Sistemas que actuam como um ser

Sistemas que actuam como um ser

z Ideia: obter uma forma satisfatória de definir a

z Definição de inteligência de Turing: “a habilidade de

Sistemas que pensam como um

Sistemas que pensam

Sistemas que pensam

Sistemas que pensam

Sistemas que actuam

z Comportamento racional: Cumprir os objectivos a partir

z Um agente é algo/alguém que percebe e age.

z A abordagem racional dá ênfase às inferências

z Para agir racionalmente, é necessário um processo de

Sistemas que actuam

z Existem formas de agir racionalmente que não envolvem

z Conexionista: metáfora cerebral

z Evolucionista: metáfora da natureza

z Como resolver automaticamente este problema de

z Segundo a IA (simbólica), é preciso:

z É uma outra abordagem:

z Probabilidades: Raciocínio com Incerteza

z Possibilidades: Raciocínio com Imprecisão

z Aristóteles desenvolveu um sistema de silogismos para

z Usando este mecanismo temos um conjunto de regras