Parte 1 - Sistemas Inteligentes

Introduo aos
Sistemas Inteligentes
Prof. Germano Lambert Torres Prof. Luiz Eduardo Borges da Silva
O que um Sistema Inteligente ?

- Existe um grande nmero de problemas que as pessoas resolvem melhor que o computador: clculo numrico armazenamento de dados atribuir pesos diferentes as informaes trabalhar com ambigidades verificar coisas iguais em coisas diferentes verificar coisas diferentes em coisas iguais
Copyright G. Lambert-Torres Sistemas Inteligentes 2
- Trata com problemas extremamente combinacionais: caixeiro viajante, xadrez reconhecimento de padres
F A E D B C
Copyright G. Lambert-Torres
- Revista VEJA Kasparov x Deep Blue - IA: teoria fracassada e produziu fiascos - 200 milhes de jogadas por segundo - Ser isto verdade?
Problemas Combinacionais
- Enxadristas: Amadores 2 lances a frente Mestre Nacional 4 a 6 lances a frente Mestre Internacional 7 a 8 lances a frente - Xadrez 1 rei 2 cavalos 8 pees (c/2 movimentos) 20 movimentos
Problemas Combinacionais
... ... ... ...

Nmero de Lances: 20 lances 20.20 = 400 lances 400.20 = 8000 lances 8000.20 = 160000
O Erro da Veja!
200 milhes de jogadas por segundo 7 lances a frente 2014 = 1,6 quinquilhes 1 ano = 31.536.000 segundos cada jogada: 260 anos (!)
Histria da Inteligncia Artificial

Parte I - Perodo Pr-IA (antes dos anos 50): lgica formal e psicologia cognitiva - H. Simon- Administrative Behavior - A.M. Turing- Computing Machinery and Intelligence - Popularizao dos computadores (~ 1956) linguagens de terceira gerao - 1956: Dartmouth Summer Seminar
2 litros
Lgica formal
4 litros 3 litros 4 litros 3 litros
a. b. c. d. e.
Regras de Soluo: (X , Y ! X < 4) = (4,Y) (X , Y ! Y < 3) = (X,3) (X , Y ! X > 0) = (0,Y) (X , Y ! Y > 0) = (X,0) (X , Y ! X+Y >= 4 e Y>0) = (4, Y-(4-X)) f. (X , Y ! X+Y >= 3 e X>0) = (X-(3-Y),3)
Encher 4 litros Encher 3 litros Esvaziar 4 litros Esvaziar 3 litros Despejar 3 em 4 litros Despejar 4 em 3 litros
Sistemas Inteligentes 9
Lgica formal
- Soluo: 4 litros 3 litros Regra 0 0 b 0 3 e 3 0 b 3 3 e 4 2 c 0 2 e 2 0 =>Sucesso!
2 litros
4 litros
3 litros
4 litros
3 litros
10
Teste de Turing
11
Teste de Turing
?- Na primeira linha deste soneto, que diz Devo comparar-lhe a um dia de vero, a troca por um dia de primavera seria to boa ou melhor? R- No rimaria. ?- Que tal um dia de inverno. Isto rimaria. R- Sim, mas quem gosta de ser comparado com um dia de inverno. ?- Voc acha que o Sr. Pickwick lembra o Natal? R- Sim, realmente um pouco. ?- No entanto, o Natal um dia de inverno e eu no acho que o Sr. Pickwick se importasse com a comparao. R- Voc no est falando srio! Por um dia de inverno queremos dizer um dia tpico de inverno e no um dia especial como o Natal.

Parte II

1956: Dartmouth Summer Seminar 1958: LISP (LISt Processor) Perodo de euforia: General Problem Solver (GPS) Perodo negro- dcada de 60 1970: Sistemas Especialistas 1973: Prolog (PROgramming in LOGic) Prmio Nobel: Hebert Simon
13

Parte III - Final da dcada de 70: ressurgimento das Redes Neurais - Dcada de 80: Projeto de Computadores de Quinta Gerao Diversos projetos: ex.: Prospector (SRI) Novos algoritmos de treinamento de redes Surgimento das companhias de IA - Dcada de 90: consolidao da IA
Conceito de Inteligncia Artificial

Inteligncia Artificial a parte da cincia da computao que tenta desenvolver programas computacionais que efetuam tarefas que, at o momento, o homem faz melhor.
Elaine Rich
15
Caractersticas do Crebro Humano

O crebro humano apresenta caractersticas interessantes e muito desejveis em uma mquina: a) capaz de aprender sem a necessidade de um algoritmo (identificao de um rosto) b) capaz de generalizar (posies e iluminao) c) robusto (perda de unidades)
Sensaes
Como o crebro humano enxerga o corpo humano
17
Crebro Humano Algoritmos Genticos

Viso Macroscpica Viso Microscpica
Sistemas Especialistas If-Then Rules Base de Conhecimento Motor de Inferncia Conjuntos Difusos
Redes Neurais Neurnios Redes Neurais

Processos de Treinamento
Sistemas Especialistas Difusos

Sistema Especialista
Knowledge Base
User Interface
Inference Engine
H Base
de Conhecimento: Fatos e Regras

Exemplo de um Sistema Especialista

?- Qual o motivo da consulta? R- Fazer um check-up. ?- Sente alguma coisa? R- Dor de cabea espordica e taquicardia. ?- Voc fuma? R- Sim. ?- Pratica exerccio? R- No. ?- Sua presso alta ou baixa? R- Alta. ?- Tem casos de hipertenso na famlia? R- Sim, minha me.
Dor de cabea - hipertenso, gripe, problemas estomacais Taquicardia - hipertenso, problemas cardacos Fumo - causa hipertenso arterial Vida sedentria - hipertenso Quadro-casos de hipertenso na famlia, fuma, sedentrio Resultado: HIPERTENSO Medidas: dieta de sal e calorias. Exames gerais. Retornar em 15 dias.
20
Conjuntos Difusos
L.A. Zadeh (1965)
Fuzzy Sets
z
Conjuntos Clssicos M={0,1} Conjuntos Difusos M=[0,1]
65 1
65
Conjuntos Difusos
Valores lingisticos x = LE, LC, ZE, RC, RB y = YT, YM, YB = RB, ..., LB = NB, ..., PB Exemplos: grande, muito grande, no muito grande
(x )
1 LE LC CE RC RE
x
0 4 8 12 16 20 24 28 32 (m)
(y )
YB 1 YT YM
y
0 4 6 8 10 15 20 (m)
()
1 RB RU RV VE LV LU LB
0 -90 -45 0 45 90 135 180 225 270o
()
1 NB NM NS ZE PS PM PB
0 -30 -20 -10 0 10 20 30o
22
Conjuntos Difusos
Exemplo de Regras Difusas:
- Rule i: If x is LC and y is YM, then is PM. - Rule j: If x is LC and y is YB, then is ZE. Inputs: x = 9.5 (m) and y=8.5 (m)
1 LE LC CE RC RE
Contribution of Rule i
0.48
0 x=9.5(m)
16
32
1 0.48 NB NM NS ZE PS PM PB
1 YT YM YB 0.57
30
+30
10 y=8.5(m)
20
1 LE LC CE RC RE 0.48
Output Value due to Rules i and j

1 0.48 NB NM NS ZE PS PM PB
0 x=9.5(m)
16
32
1 YT YM YB 0.57
0.25
30
0 +14.5
+30
0.25 0 0 10 y=8.5(m) 20
24
Conjuntos Difusos
Exemplo: estacionamento de um veculo
25
Redes Neurais
i Modelos
conexionistas i Crebro humano: - 1010 a 1011 neurnios - 1000 a 10000 ligaes i Neurnios artificiais
26
Redes Neurais
- Neurnio artificial (matemtico) input = wi.ii + i1
w1 i2 w2 i3 w 3 i4 w4 f(.) o
output=f(input) f(.) - funo de transferncia
27
Redes Neurais
Funo Degrau
Tipos de Funes de Transferncia
Funo Rampa
Funo Sigmoidal
28
Redes Neurais
- Tipos de Redes Rede por Camada
29
Neurnio
30
Rede Neural
31
Redes Neurais
- Tipos de Redes Rede Homognea
32
Exemplo:
33
Algoritmos Genticos
Seleo - Cruzamento - Mutao
P(k)
Selection
P(k+1) P(k)
Mating Pool Crossover Mutation
34
Algoritmos Genticos
Bivariate Histogram (TEST0.STA 2v*500c)
35

Parte 1 - Sistemas Inteligentes

Uploaded by

Document Information

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

Parte 1 - Sistemas Inteligentes

Uploaded by

Copyright:

Available Formats

Introduo aos

O que um Sistema Inteligente ?

... ... ... ...

Histria da Inteligncia Artificial

Histria da Inteligncia Artificial

Histria da Inteligncia Artificial

Conceito de Inteligncia Artificial

Caractersticas do Crebro Humano

Copyright G. Lambert-Torres Sistemas Inteligentes 16

Como o crebro humano enxerga o corpo humano

Crebro Humano Algoritmos Genticos

Redes Neurais Neurnios Redes Neurais

Sistemas Especialistas Difusos

de Conhecimento: Fatos e Regras

Exemplo de um Sistema Especialista

Conjuntos Clssicos M={0,1} Conjuntos Difusos M=[0,1]

0 -90 -45 0 45 90 135 180 225 270o

0 -30 -20 -10 0 10 20 30o

Output Value due to Rules i and j

output=f(input) f(.) - funo de transferncia

Tipos de Funes de Transferncia

You might also like