Em que Consiste a

Inteligência Artificial

Lab. de Conexionismo e Ciências

Cognitivas - L3C
UNIVERSIDADE FEDERAL DE SANTA
CATARINA
Que é Inteligência Artificial?

• O sonho de fabricar artefatos com

propiedades de inteligência vem
acompanhando o ser humano há séculos.

• O mito de Frankenstein não é novo. É

característica da época pré-histórica da IA.
 Virada do fim do século XIX

• O final do século XIX foi

marcado por mudanças
radicais na direção da
ciência.
• Ao lado do nascimento
das geometrias não
euclidianas, com Russel
nascia a Lógica Formal
Descoberta do Neurônio
• Golgi descobriu método de colorir neurônios e
poder vê-los ao microscópio.
• Cajal dedicou suia vida a traçar circuitos neurais;
• Primeiros passos para compreender a inteligência.
Limites dos Computadores
• Church com seu Lambda cálculo e Turing com sua
máquina estabelecem limites para aquilo que pode
ser resolvido por computadores, introduzindo o
conceito de computabilidade em 1936.
Primórdios da IA

• Warren McCulloch,
juntamente com o
matemático Pitts,
propõe modelo
matemático para o
neurônio. 1943.
Primórdios da IA

• Hebb descobre a
plasticidade das
sinapses, dando uma
explicação para o
aprendizado do
cérebro em 1943.
Que é Inteligência Artificial?

• Na época do aparecimento dos primeiros

computadores a admiração com as inúmeras
possibilidades destas máquinas fizeram com que elas
fossem também conhecidas como cérebros
eletrônicos, por suas capacidades de resolver
problemas que até então eram reservados aos
homens. Isto criou um certo mito que fez com que,
até o final dos anos 50, computadores eram olhados
com uma certa desconfiança (e hoje? ).
Fim do Mito “Cérebro Eletrônico”

• No inicio dos anos 60 intensa propaganda de

fabricantes conseguiu que eles passassem a ser
considerados como incapazes de qualquer forma de
raciocínio . Esta reviravolta ajudou a mostrar que
apesar de não serem inteligentes, computadores
poderiam ser extremamente úteis em tarefas tais
como contabilidade, administração de empresas,
controle de estoque, preparação de folhas de
pagamento, etc. As pessoas passaram a ver o
computador como a máquina útil para automatizar
tarefas da vida de todos os dias.
Seria mesmo o fim?

• E computadores começaram a ser vendidos e

usados. São cada vez mais eficientes e mais
úteis, sempre guardando sua burrice como
grande qualidade. Mas durante esta época,
um grupo de pessoas, nos laboratórios,
continuaram a pesquisar o sonho
Frankensteniano de dotar os computadores
com características inteligentes.
Sistemas Especialistas

Foi o retumbante anúncio do projeto japonês

da quinta geração (pretendia construir uma
nova geração de computadores inteligentes)
que levou ao cidadão comum as primeiras
notícias da IA. A aplicação mais importante
na época eram os Sistemas Especialistas
(abreviado SE).
Histórico e Conceitos Básicos
“I propose to consider the question, ‘Can machines think?’ This
should begin with definitions of the meaning of the terms
‘machine’ and ‘think’.” A. Turing, Computing Machinery and
Intelligence, 1950

“Se queres discutir comigo, define primeiro teus termos.”

Descartes

O QUE É INTELIGÊNCIA?
Binet: “Inteligência é julgar bem, compreender bem, raciocinar
bem”.
Tearman: “ A capacidade de conceituar e de compreender o
seu significado”.
Helm: “A atividade inteligente consiste na compreensão do
essencial de uma situação e numa resposta reflexa
apropriada”.
Piaget: “Adaptação ao ambiente físico e social”.
Histórico e Conceitos Básicos
A INTELIGÊNCIA É SÓ HUMANA?
Em um primeiro momento, a inteligência era geralmente
associada a uma característica unicamente humana, de
representação de conhecimentos e resolução de problemas,
refletindo um ponto de vista altamente antropocêntrico. Mas,
ainda assim, nós, humanos, não compreendemos a nós
mesmos, como funciona nossa “inteligência” e nem mesmo a
origem de nossos pensamentos.
Hoje em dia, para muitos pesquisadores, a idéia de
inteligência passou a ser associada com a idéia de
sobrevivência.
Carne: “Talvez a característica básica de um organismo
inteligente seja sua capacidade de aprender a realizar várias
funções em um ambiente dinâmico, tais como sobreviver e
prosperar” (Propriedade não só humana!).
Fogel: “Inteligência pode ser definida como a capacidade de
um sistema de adaptar seu comportamento para atingir seus
objetivos em uma variedade de ambientes”.
Histórico e Conceitos Básicos
Nancy Segal - Universidade de Minnesota: “Raciocínio,
aprendizado, memória, motivação, capacidade de se adaptar e
de resolver problemas são partes distintas da inteligência, mas
que trabalham harmoniosamente para a obtenção dos
resultados”.

O QUE É INTELIGÊNCIA ARTIFICIAL (IA)?

É um ramo da ciência da computação ao mesmo tempo
recente (oficialmente nasceu em 1956) e muito antigo (lógica
de Aristóteles)
Até mesmo a origem do termo é cercada de mistério - John
McCarthy , criador do termo em 1956, não tem certeza de não
haver ouvido o termo anteriormente.
Origens da Inteligência
Artificial

• O que é Inteligência Artificial?

• “É a propriedade de um artefato de poder resolver
problemas que se fossem resolvidos por um seu vivo
ele seria considerado inteligente.” (Barreto)
• Assim como existe medidas de inteligência para
humanos é possível ter medidas de inteligência para
máquinas.
O que é Inteligência Artificial?

• Elaine Rich: “IA é o estudo de como fazer os computadores

realizarem coisas que, hoje em dia são feitas melhores pelas
pessoas”.
• Winston : IA é o estudo das idéias que permitem aos
computadores serem inteligentes”.
• Charniak and McDermott: IA é o estudo das faculdades
mentais através da utilização de modelos computacionais”.
• Bellman: “IA é o estudo e simulação de atividades que
normalmente assumimos que requerem inteligência”.
• Russell and Norvig: “IA é o estudo e implementação de
agentes racionais”.
(um agente racional é algo que procura atingir seus objetivos
através de suas crenças.)
O que é Inteligência Artificial?

• O objetivo central da IA é
simultaneamente teórico - a criação de
teorias e modelos para a capacidade
cognitiva - e prático - a implementação de
sistemas computacionais baseados nestes
modelos.
As duas abordagens da IA

• IA Simbólica
– Um sistema simbólico é capaz de manifestar
um comportamento inteligente.
– O comportamento inteligente global é
simulado sem considerar os mecanismos
responsáveis por este comportamento.
 Princípios da IA Simbólica
• A estratégia fundamental que sustentou boa parte do
sucesso inicial da IA Simbólica, se deve à proposta
conhecida como “ Physical Symbol Systems Hypothesis”, de
Newell e Simon.
• Physical Symbol Systems - Newell & Simon(1976)

”A physical symbol system consists of a set of entities,

entities , called symbols,
symbols, which
are physical patterns that can occur as components of another type of
entity called an expression ((or
or symbol structure)…
structure)…the
the system also
includes a collection of processes that operate on expressions to produce
other expressions:
expressions : processes of creation,
creation , modification
modification,, reproduction and
destruction.. A physical symbol system is a machine that produces through
destruction
time an evolving collection of symbol structures.
structures .Such a system exists in a
world of objects wider than just these symbolic expressions themselves “
As duas abordagens da IA

• IA Conexionista
– Se for construído um modelo
suficientemente preciso do cérebro, este
modelo apresentará um comportamento
inteligente. Se apenas uma pequena parte
do cérebro for reproduzida, a função
exercida por esta parte emergirá do modelo.
 IA Conexionista
• As origens das redes neurais artificiais remontam
no desejo de construir artefatos capazes de
exibir comportamento inteligente.
Histórico e Conceitos Básicos
Elaine Rich: “IA é o estudo de como fazer os computadores
realizarem coisas que, hoje em dia são feitas melhores pelas
pessoas”.
Winston: IA é o estudo das idéias que permitem aos
computadores serem inteligentes”.
Charniak and McDermott: IA é o estudo das faculdades
mentais através da utilização de modelos computacionais”.
Bellman: “IA é o estudo e simulação de atividades que
normalmente assumimos que requerem inteligência”.
Russell and Norvig: “IA é o estudo e implementação de
agentes racionais”.
(um agente racional é algo que procura atingir seus
objetivos através de suas crenças.)
O objetivo central da IA é simultaneamente teórico - a
criação de teorias e modelos para a capacidade
cognitiva - e prático - a implementação de sistemas
computacionais baseados nestes modelos.
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
• Resolução de problemas (planejamento)
• Quebra-cabeças, Jogos,
• Problemas que requerem conhecimento especialista
• diagnóstico médico, localização de recursos
minerais, configuração de computadores.
• Raciocínio por senso-comum
• Simulação qualitativa ou intuitiva
• Mecanismos de Inferência
• Percepção (visão e fala)
• reconhecimento de objetos através de imagens
• reconhecimento de voz ou identificação do interlocutor
• Processamento de linguagem natural
• o que significa um conjunto de palavras
• tradução de idiomas
• acesso a dados em base de dados
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
• Extração de conhecimento
• Knowledge Data Discovery (Data Mining, Data
Warehouse)
• Aprendizado
• Desenvolver sistemas que melhorem seu desempenho
através da experiência
• Desenvolver sistemas que auxiliem no aprendizado de
alunos
• Programação
• Desenvolvimento de “shells” para Sistemas Especialistas
• Paralelização de linguagens de IA
• Distribuição da resolução de problemas
• Sistemas Multi-Agentes
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
> Intelligent Information Systems
> Intelligent Software Engineering
> Intelligent Agents
> Intelligent Networks
> Intelligent Databases
> Brain Models
> Evolutionary Algorithms
> Data mining
> Machine Learning
> Reasoning Strategies
> Automated Problem Solving
> Distributed AI Algorithms and Techniques
> Distributed AI Systems and Architectures
> Expert Systems
> Fuzzy Logic
> Genetic Algorithms
> Heuristic Searching
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
> Knowledge Acquisition
> Knowledge Discovery
> Knowledge Representation
> Knowledge -Intensive Problem Solving Techniques
> Languages and Programming Techniques for AI
> Software Tools for AI
> Natural Language Processing
> Neural Networks and Applications
> Multisource Information Fusion: Theory and Applications
> Multisource-Multisensor Data Fusion
> Learning and Adaptive Sensor Fusion
> Multisensor Data Fusion Using Neural and Fuzzy Techniques
> Integration of AI with other Technologies
> Evaluation of AI Tools
> Social Impact of AI
Histórico e Conceitos Básicos
O QUE FAZ UM PESQUISADOR EM IA?
> Applications - Computer Vision
> Applications - Signal Processing
> Applications - Military
> Applications - Surveillance
> Applications - Robotics
> Applications - Medicine
> Applications - Pattern Recognition
> Applications - Face Recognition
> Applications - Finger Print Recognition
> Applications - Finance and Marketing
> Applications - Stock Market
> Applications - Education
> Emerging Applications
Histórico e Conceitos Básicos
HISTÓRIA

• Formalmente a área foi criada em 1956 quando o

nome foi cunhado (Darthmouth College).
• Entretanto, por 2000 anos filósofos estudaram como o
ver, apreender, recordar e raciocinar pode ser realizado?
• O desejo de criar artefatos capazes de reproduzir um
comportamento inteligente encontra suas origens em
tempos remotos.
• Autômatos (relógios, jogador de xadrez,
Frankenstein)
• Analytical Engine, Babbage, 1842 - “Ela seria capaz
de compor peças musicais de qualquer grau de
complexidade e extensão” (comentário de Lady
Lovelace)
• Autômata para jogar a final de um jogo de xadrez de
rei contra rei e torre (Torres Y Quevedo, 1911).
Histórico e Conceitos Básicos
HISTÓRIA
• Precursores da IA
• George Boole, inventou a álgebra booleana. Suas
idéias se incorporam como base da matemática e da
filosofia.
• Lewis Carrol, (“Alice no país das maravilhas”)
mostrou de maneira bem humorada como a lógica
pode encerrar raciocínios pouco usuais.
• Alan Turing, propôs um teste para decidir se um
computador exibe inteligência.
Histórico e Conceitos Básicos
HISTÓRIA
• Acredita-se que a IA nasceu como disciplina em uma
conferência chamada "The Dartmouth Summer research
Project on Artificial Intelligence", organizada entre outros por,
John McCarthy, Marvin Minsky, Alan Newell e Herb Simon.
• Nesta conferência, um sistema conhecido como LOGIC
THEORIST foi demonstrado por Newell e Simon. LOGIC
THEORIST era um sistema capaz de descobrir provas de
teoremas expressos de maneira simbólica. A importância deste
sistema, nas palavras de Feigenbaum e Feldman (1963: p.
108) LOGIC THEORIST era: "…the first foray by artificial
intelligence into high-order intellectual processes."
• Este sucesso inicial foi rapidamente seguido por vários
outros sistemas que poderiam aparentemente realizar tarefas
inteligentes. Por exemplo, o "DENDRAL" era capaz de
automatizar aspectos do raciocínio científico na área da
química orgânica; o "MYCIN", era capaz de interativamente
diagnosticar doenças infecciosas.
Histórico e Conceitos Básicos
HISTÓRIA
• Os anos que se seguiram ao encontro de Darthmouth foram
de grande otimismo. Acreditava-se que em poucos anos:
• a tradução automática entre duas linguagens diferentes
poderia ser obtida pela construção de um programa que
usasse duas gramáticas e um dicionário,
• seria possível construir um programa para resolver um
problema genérico.
• Um programa venceria o campeonato mundial de
xadrez,

• Problema da dimensão
• Se um problema é resolvido com certa quantidade de
recursos se restrito a um mundo pequeno, quando este
mundo aumenta, a quantidade de recursos aumenta muito
mais rapidamente que o mundo considerado.

Os problemas de IA são comumente de

complexidade NP-completos.
Histórico e Conceitos Básicos
A estratégia fundamental que sustentou boa parte do sucesso
inicial da IA Simbólica, se deve à proposta conhecida como
“Physical Symbol Systems Hypothesis”, de Newell e Simon.

Physical Symbol Systems - Newell & Simon(1976)

A physical symbol system consists of a set of entities,
called symbols, which are physical patterns that can occur as
components of another type of entity called an expression (or
symbol structure)…the system also includes a collection of
processes that operate on expressions to produce other
expressions: processes of creation, modification, reproduction
and destruction. A physical symbol system is a machine that
produces through time an evolving collection of symbol
structures.Such a system exists in a world of objects wider
than just these symbolic expressions themselves.
Histórico e Conceitos Básicos
Physical Symbol Systems - Newell & Simon(1976)

• The Physical Symbol System Hypothesis: Um sistema

simbólico é capaz de manifestar um comportamento
inteligente.

• Although there has been a great deal of controversy about exactly

how this hypothesis should be interpreted , there are two important
conclusions which have been drawn from it.
• The first conclusion is that computers are physical symbol
systems, in the relevant sense, and thus there are grounds
(should the hypothesis be correct) to believe that they should be
able to exhibit intelligence.
• The second conclusion is that , as we humans also are
intelligent, we too must be physical symbol systems and thus are
in a significant sense, similar to computers .
Histórico e Conceitos Básicos
ESTADO DA ARTE
• Sucesso de marketing
• Deep Blue ao ganhar do campeão mundial de xadrez
• Algumas aplicações em que o sucesso impressiona
• Sistemas comerciais de reconhecimento de fala
• Sistemas especialistas para auxílio ao diagnóstico médico
que segundo alguns podem ser melhores que o médico
para algumas especialidades
• Operação automatizada de veículos
• Alguns problemas ainda não resolvidos
• Falar com computadores
• Possibilidade de reconhecimento de vários objetos em
uma grande gama de contextos
• Máquinas com grande capacidade de aprendizado
• Tradução entre linguagens com termos coloquiais,
figuras de linguagem, etc.
A Razão das Dificuldades

• Princípio da Dimensão:

• Se um problema é resolvido com certa

quantidade de recursos se restrito a um
mundo pequeno, quando este mundo aumenta
a quantidade de recursos aumenta muito mais
rapidamente que o mundo considerado.
Abordagem Simbólica

• Princípio do Sistema Simbólico:

• Um sistema simbólico é capaz de
manifestar um comportamento
inteligente.
Abordagem Conexionista

• Principio da Réplica:

• Se for construido um modelo suficientemente

preciso do cérebro, este modelo apresentará
um comportamento inteligente. Se apenas
uma pequena parte do cérebro for
reproduzida, a função exercida por esta parte
emergirá do modelo
Abordagem Evolutiva

• Principio da Seleção Natural:

• Dada uma população de individuos vivendo em um

determinado ambiente, os mais aptos às condições
de vida oferecidas, têm mais probabilidade de se
reproduzir do que os menos aptos. Desta forma, com
o correr do tempo, e após gerações sucessivas, a
população tende a ficar cada vez mais adaptada ao
ambiente.
 Que Esperar da IAS?

• IAS deve ser usada quando o problema é bem definido,

que se tenha uma boa idéia de como ele seria resolvido
e que seja explícito o modo de achar uma solução.

• Raciocínio impreciso , generalizações, raciocínio por

falta, aprendizado, devem ser convenientemente
previstos.

• Um cético poderia mesmo dizer que na IAS, não existe

inteligência : tudo é consequência direta do que foi
programado.
Que Esperar da IAC?

• Espera-se da IAC um desempenho melhor

que a da IAS em problemas mal definidos,
onde falta o conhecimento explícito de como
realizar uma tarefa. Além disso, são dela
esperadas características encontradas nos
seres vivos e dificuldades em realizar tarefas
de natureza intrinsecamente algoritmicas.
Campos de Aplicação da IAC

• reconhecimento de padrões, incluindo letras,

faces,assinaturas, impressões digitais , etc;

• controle de processos industriais de dinâmica

complexa, com modelo matemático complexo;

• em robótica, no controle do movimento do robô;

• em sistemas especialistas;

• como opção às técnicas de raciocínio baseado em

casos para resolução de problemas.
 IA Simbólica X IA
Conexionista

• Conhecimento representado por regras (ou outra estrutura

similar: Lógica, Redes semânticas, Quadros (“frames ”),
Estruturas híbridas - Bittencourt, p.258) que podem ser
facilmente tratadas e analisadas.
• Permite a explicação do processo que levou a uma
determinada resposta.
• Fácil inserção de novos conhecimentos obtidos a partir do
especialista ou através de métodos automáticos de aquisição
de conhecimento.
 IA Simbólica X IA
Conexionista

• Necessidade de se trabalhar com conhecimentos completos e

exatos sobre um determinado problema.
• Dificuldade de explicar todos os conhecimentos relativos ao
problema através de regras simbólicas.
• Dificuldade para tratar informações imprecisas ou
aproximadas, e valores numéricos (dados quantitativos).

• Exemplo: regular a temperatura da água do banho.

 IA Simbólica X IA
Conexionista
• Outro Exemplo:
Conhecimento Teórico
– AND(A,B) = if A=0
then AND=0
else if B=0
then AND=0 A B AND
else AND=1 0 0 0
0 1 0
Conhecimento Empírico
1 0 0
1 1 1
 IA Simbólica X IA
Conexionista
A B AND
0 0 0
0 1 0
1 0 0
1 1 1

A
w1=1
w2=1 w1 AND
θ =2 θ
w2
A.w1+B.w2 ≥ θ
B
Que Esperar da IAE?

• Evolução biológica é um exemplo de solução

do problema bem definido de sobrevivência
de uma espécie em ambiente variável. Pode
ser encarada como um método de otimização
com restrições variáveis e muitas vezes
desconhecidas.
Será útil ter máquinas
inteligentes?

• Se esta coisa
horrenda tivesse um
pouco de inteligência
seria tão bom…