Conhecimento

  e   raciocínio   baseados   no   senso   comum:  

 Histórico  da  IA  
Esta   é   a   área   na   qual   a   AI   está   mais   longe   do   nível   humano,  
 
Quais  são  os  ramos  da  AI?   a  despeito  do  fato  de  vir  sendo  uma  área  de  pesquisa  ativa  
O   que   é   inteligência   artificial?   R.  É  a  ciência  de  fazer  com   -­‐   até   1956:   pré-­‐história   da   IA:   cibernética,   inteligência   de  
AI   lógica:   O   que   um   programa   sabe   sobre   o   mundo   em   desde  a  década  de  1950.  
que   sistemas   artificiais   tenham   um   comportamento   máquina,  …  
geral,   os   fatos   da   situação   específica   na   qual   deve   agir   e   Aprendendo  a  partir  da  experiência:  Programas  fazem  isso.  
inteligente.   -­‐   1956:   workshop   em   Dartmouth,   USA,   reunindo   os  
suas   metas,   tudo   isso   está   representado   por   sentenças   de   As   abordagens   à   AI   baseadas   no   conexionismo   e   em   redes  
principais   interessados   no   assunto:   John   McCarthy,   Allen  
Mas  o  que  é  inteligência?  R.  Inteligência  é  a  parte   alguma  linguagem  lógica  matemática.   neurais  se  especializam  nisso.  
Newell,  Herbert  Simon,  Marvin  Minsky,  ...  
computacional  da  capacidade  de  se  alcançarem  metas  no   Pesquisa:  Programas  de  AI  quase  sempre  examinam  grande   Planejamento:   Os   programas   de   planejamento   começam  
previsão   de   que   em   10   anos   os   computadores   seriam   tão  
mundo.  Diversos  tipos  e  graus  de  inteligência  existem  em   número   de   possibilidades,   por   exemplo,   jogadas   em   um   com  fatos  gerais  sobre  o  mundo  (especialmente  fatos  sobre  
inteligentes  quanto  as  pessoas  
pessoas,  muitos  animais  e  algumas  máquinas.   jogo   de   xadrez   ou   inferências   através   de   um   programa   de   o  efeito  de  ações),  fatos  sobre  a  situação  particular  e  uma  
-­‐    1956-­‐1970:  tentativa  de  programas  universais:  
provar  teoremas.   declaração   de   meta.   A   partir   disso,   eles   geram   uma  
  •   tradução   automática   •   demonstração   automática   de  
  estratégia   para   se   alcançar   a   meta.   Nos   casos   mais   comuns,  
teoremas   •   resolução   de   problemas   (General   Problem  
a  estratégia  é  apenas  uma  sequência  de  ações.  
Solver)  
 
Busca  em  profundidade  
Método  de  busca  A*:  
Construa  uma  árvore  com  o  estado  inicial  na  raiz;  ¶Gere  um   Sistema  simbólico  Físico  
sucessor   a   partir   da   raiz;   ¶Em   cada   nó   folha,   gere   outro   Toy  Problem   A*   :   é   um   algoritmo   para  busca   de   caminho.   Ele   busca   o    
sucessor;  ¶Continue  este  processo  até  que  uma  das  regras   Um  Miniproblema  ou  “toy  problem”  se  destina  a  ilustrar  ou   caminho   em   um   grafo   de   um   vértice   inicial   até   um   vértice   Hipótese   do   Sistema   Simbólico   Físico:   “um   sistema  
¶produza  um  estado-­‐meta  ou  ausência  de  sucessores.  ¶  Se   exercitar  diversos  métodos  de  resolução  de  problemas.     final.     simbólico   físico   tem   os   meios   necessários   e   suficientes   para  
não   houver   sucessores,   retorne   ao   estado   anterior   e   crie   Ele  tem  uma  descrição  concisa  e  exata.     Ele  avalia  nós  combinando:  g(n)  :  o  custo  para  alcançar  o  nó,   a  ação  inteligente”  (Allen  Newell)  
novo  sucessor.   Isto   significa   que   ele   pode   ser   usado   com   facilidade   visando   ou   seja,   o   custo   do   caminho   desde   o   nó   inicial   até   o   nó   n;     A  abordagem  simbólica  é  predominante  na  IA.  
Este  processo  é  chamado  busca  em  profundidade   comparar  o  desempenho  de  algoritmos.     h(n)  :  o  custo  para  ir  do  nó  até  o  objetivo,  ou  seja,  o  custo   A   manipulação   de   símbolos   discretos   é   muito   eficiente,  
 (depth-­‐first  search)   Exemplos:   problema   das   jarras   de   água,   missionários   e   estimado   do   caminho   de   custo   mais   baixo   desde   n   até   o   permitindo  uma  interação  muito  fácil  com  o  usuário.  
Para   problemas   com   várias   soluções,   esta   estratégia   pode   canibais,  do  aspirador  de  pó,  quebra-­‐cabeças  de  8  peças,  o   objetivo  (distância  em  linha  reta).  Então:  f(n)  =  g(n)  +  h(n),   Por   outro   lado,   existe   o   problema   primordial   da   definição  
ser  bem  mais  rápida  do  que  busca  em  amplitude.   problema  das  8  rainhas...     onde  f(n)  =  custo  da  solução  de  custo  mais  baixo  passando   dos   símbolos   (semântica,   “grounding”),   que   deve   ser   feita   a  
Esta  estratégia  deve  ser  evitada  quando  as  árvores  geradas     por  n.   priori.  
são  muito  profundas  ou  geram  caminhos  infinitos.     Considerando   que   g(n)   é   o   custo   exato   para   se   alcançar   n,   É   uma   abordagem   top-­‐down,   onde   o   conhecimento   é  
¶:  pular  uma  linha  (\n)   tem-­‐se  que  f(n)  nunca  superestimará  o  custo  verdadeiro  de   introduzido  explicitamente  no  sistema.  
  uma  solução  passando  por  n.    
Problemas  e  espaços  de  dados   Problema  de  satisfação  de  restrições  
Busca  cega   Podemos   representar   a   solução   de   problemas   como   uma   Tipo   de   problema   que   impõe   propriedades   estruturais  
MINIMAX  
Algoritmos  que  não  recebem  nenhuma  informação  sobre  o   sequência  de  estados,    que  leva  de  um  estado  inicial  até  um   adicionais   à   solução   a   ser   encontrada   há   uma   demanda  
Baseado   em   busca   em   profundidade   –   implementação  
problema  além  de  sua  formulação.   estado  final,  onde  cada  estado  é  um  estado   admissível,  isto   mais  refinada  do  que  na  busca  clássica.  ¶Ex1.  ir  de  Foz    ao  
recursiva.  Complexidade  de  tempo  é  O(bm).  Complexidade  
É  preciso  definir:  problema;  solução;   é,   produzido   a   partir   de   um   estado   anterior   através   de   uma   litoral  com  no  máximo  2  tanques  de  combustível  e  10  horas  
de   espaço   é   O(bm)   onde   b   é   o   fator   de   ramificação   e   m   a  
Estratégias   de   Busca   Exaustiva   (Cega):   Encontram   soluções   ação.  Um  problema  pode  ser  definido  formalmente  por:  1)   de  viagem.  ¶Podem  ser  definidos  algoritmos  de  busca  que  
profundidade  máxima  da  árvore  de  busca  
para  problemas  pela  geração  sistemática  de  novos  estados,   Estado  inicial:  estado  inicial  dado.  2)  Ações  possíveis:  uma   tiram  proveito  da  estrutura  de  dados.  ¶Utilizam  heurísticas  
Se   combinado   com   busca   heurística,   a   decisão   passa   a   ser  
que  são  comparados  ao  objetivo;   descrição   das   ações   disponíveis;   3)   O   teste   de   objetivo:   de  uso  geral  em  vez  de  heurísticas  específicas  do  problema  
imperfeita.  
São   ineficientes   na   maioria   dos   casos   e   são   problemáticas   determina   se   um   dado   estado   é   um   estado   objetivo.   4)   –   geralmente   considerando   previamente   as   consequências  
Exemplo   de   função   de   utilidade   para   o   Jogo   da   Velha:   o  
em  termos  de:  Memória;  Tempo   função   de   custo   de   caminho:  atribui  um  custo  numérico  a   do  atendimento  a  uma  restrição.  ¶Um  PSR  consiste  em:  Um  
número   de   retas   (colunas,   linhas   ou   diagonais)   abertas   para  
As   buscas   cegas   não   têm   nenhuma   informação   sobre   cada  caminho.  Assim:  O  espaço  de  estados  forma  um  grafo   conjunto  de  variáveis  que  podem  assumir  valores  dentro  de  
o  jogador  X  e  para  o  jogador  O.  
estados,   além   daquelas   fornecidas   na   definição   do   em   que   os   nós   são   estados   e   os   arcos   são   ações.   Um   um   dado   domínio.   ¶Um   conjunto   de   restrições   que  
Fx(n)  =  4  –  2  =  2  //  fo(n)  =  2  –  4  =  2  
problema;   caminho  no  espaço  de  estados  é  uma  sequência  de  estados   especificam   propriedades   da   solução,   ou   seja,   valores   que  
conectados  por  uma  sequência  de  ações.   essas  variáveis  podem  assumir.  ¶:  \n  

Busca  competitiva  
Problema  de  satisfação  de  restrições  (cont)  
 
O   conjunto   de   valores   que   a   variável   i   pode   assumir   é  
Objetivo:  de  um  conjunto  de  5  palitos,  pegar  1  ou  2  palitos  
chamado  domínio  Di  
e  não  ser  o  último  a  jogar;  
O  domínio  pode  ser:    
Cenário  1:  
discreto  (domínio  finito):  ex:  coloração  de  mapas,  8  rainhas    
●  Jogador  1:  Retira  2  palitos  ●  Jogador  2:  Retira  2  palitos  ●  
-­‐  valores  finitos.        
Jogador  1:  Retira  o  último  (perde)  
contínuo   (domínio   infinito):   casos   em   que   não   é   possível  
Cenário  2:  
descrever   todas   as   variáveis;   ex:   a   data   de   entrega   de   um  
●   Jogador   1:   Retira   1   palito   ●   Jogador   2:   Retira   2   palitos   ●  
trabalho,  que  pode  se  modificar  assumindo  infinitas  datas.    
Jogador   1:   Retira   1   palito   ●   Jogador   2:   Retira   o   último  
 
(perde)  
 
 
 Epistemologia:   É   um   estudo   dos   tipos   de   conhecimentos    As  aplicações  da  IA  
necessários  para  a  resolução  de  problemas  no  mundo.   Jogar  jogos  
Histórico  da  IA   Quais  são  os  ramos  da  AI?  
Ontologia:   A   ontologia   é   o   estudo   dos   tipos   de   coisas   que   Reconhecimento  de  fala  
   
existem.  Em  AI,  os  programas  e  sentenças  tratam  de  vários   Entendendo  a  linguagem  natural  
1970  –  1980:  sucesso  dos  primeiros   Reconhecimento   de   padrão:   Quando   um   programa   faz  
tipos   de   objetos,   e   estudamos   o   que   são   esses   tipos   e   quais   Visão  no  computador  
sistemas  especialistas:  Mycin,  Dendral,  ...   observações   de   algum   tipo,   requentemente   está  
são  suas  propriedades  básicas.     Sistemas   Especialistas:   Um   “engenheiro   de  
– restrição  do  domínio   programado  para  comparar  o  que  vê  com  um  padrão.  
Heurística:   Uma   heurística   é   uma   maneira   de   tentar   conhecimento”   entrevista   especialistas   em   um   certo  
– introdução   do   conhecimento   e   forma   de   Representação:   Os   fatos   sobre   o   mundo   têm   que   ser  
descobrir   alguma   coisa   ou   uma   ideia   embutida   em   um   domínio  e  tenta  incorporar  o  conhecimento  deles  em  
raciocínio  do  especialista   representados   de   alguma   maneira.   Quase   sempre   as  
programa.  O  termo  é  usado  de  diferentes  maneiras  em  AI.   um   programa   de   computador   para   que   execute  
1980-­‐...:  –  pesquisa:   IA   distribuída,   case-­‐ linguagens  da  lógica  matemática  são  usadas.    
Funções   heurísticas   são   usadas   em   algumas   abordagens   alguma  tarefa.  
based   reasoning,   Inferência:   A   partir   de   alguns   fatos,   outros   podem   ser  
para   procurar   medir   até   onde   um   nó   de   uma   árvore   de   Classificação   Heurística:   Um   dos   tipos   mais   convenientes  
inferidos.   Por   exemplo:   quando   ouvimos   sobre   uma   ave,  
algoritmos  genéticos,  “renascer”  das  redes  neurais,  ...  –  uso   busca  parece  ser  de  uma  meta.  Predicados  heurísticos,  que   de   sistema   especialista,   dado   o   atual   conhecimento   da  
podemos  inferir  que  ela  pode  voar.  
da  IA  em  larga  escala  nas  empresas   comparam  dois  nós  de  uma  árvore  de  busca  para  distinguir   inteligência   artificial,   é   colocar   uma   informação   em   um  
 
se  um  é  melhor  do  que  outro,  isto  é,  se  constitui  um  avanço   conjunto   fixo   de   categorias   através   do   uso   de   diversas  
em  direção  à  meta,  podem  ser  mais  úteis.   fontes  de  informação.  

Sistemas  especialistas   Busca  em  amplitude  

  Busca  gulosa   Busca  em  amplitude,  largura  ou  extensão  é  uma  estratégia  
Um  problema  real  
•   programas   capazes   de   reproduzir   o   raciocínio   de   um   Semelhante  à  busca  em  profundidade  com  backtracking   simples   em   que   o   nó   raiz   é   expandido   primeiro,   em   seguida  
É  aquele  cujas  soluções  de  fato  preocupam  as  pessoas.    
especialista   humano   confrontado   a   um   problema   em   seu   Tenta  expandir  o  nó  mais  próximo  do  nó  final  com  base  na   todos   os   sucessores   do   nó   raiz,   depois   os   sucessores   desses  
Eles   tendem   a   não   apresentar   uma   única   descrição  
domínio  de  competência   estimativa  feita  pela  função  heurística  h;   nós  são  expandidos  e  assim  por  diante.  
consensual.    
•  exemplo  clássico:  diagnóstico  médico   Custo   de   busca   mínimo,   porém   não   é   ótima:   escolhe   o   Todos  os  nós  em  um  nível  são  expandidos  antes  que  os  nós  
Exemplos:  xadrez,  problemas  de  roteamento,  problemas  de  
•   certamente   são   as   aplicações   de   maior   sucesso   oriundas   caminho   que   é   mais   econômico   à   primeira   vista.   Não   é   do  nível  seguinte  o  sejam.  
tour,   caixeiro   viajante,   layout   de   VLSI,   navegação   de   robôs,  
da  pesquisa  em  IA   completa,   pois   pode   entrar   em   loop   se   não   detectar   a   Esta   estratégia   só   dá   bons   resultados   quando   a  
seqüência   automática   de   montagem,   projeto   de   proteínas,  
•  Aspectos  importantes:   expansão   de   estados   repetidos,   assim   pode   tentar   profundidade  da  árvore  de  busca  é  pequena.  
pesquisas  na  Internet.    
– aquisição  do  conhecimento   desenvolver  um  caminho  infinito.   Os   requisitos   de   memória   são   um   problema   maior   para   a  
 
– representação  do  conhecimento     busca  em  amplitude  do  que  o  tempo  de  execução;  
–  mecanismos  de  raciocínio  utilizados    

Outros  conceitos:  
Corte  Alpha-­‐Beta   Estado   do   problema:   definidos   pelos   valores   atribuídos   Heurística  
Solução:   é   um   caminho   desde   o   estado   inicial   até   um  
Processo   de   eliminar   ramificações   da   árvore   sem   examiná-­‐ para   as   variáveis.   ¶Atribuição   consistente   ou   válida:   Na   busca   em   espaço   de   estados,   as   heurísticas   são  
estado  objetivo;  
las.  Descartam-­‐se  os  que  não  contenham  bons  movimentos.   Atribuição  que  não  viola  nenhuma  restrição.¶Estado   inicial:   formalizadas  como  regras  para  escolher  aqueles  ramos,  em  
Qualidade   da   solução:   é   ótima   se   tem   o   menor   custo   de  
Se   aplica   a   ambos   os   jogadores   (a)   α   denota   a   melhor   Todas   as   variável   são   não-­‐atribuídas.   ¶Operadores:   um   espaço   de   estados,   que   têm   maior   probabilidade   de  
caminho  entre  todas  as  soluções.    
escolha  para  MAX  (b)  β  denota  a  melhor  escolha  para  MIN.   atribuem   valores   (instanciação)   às   variáveis   (uma   variável   levarem  a  uma  solução  aceitável  para  o  problema.    
 
Desempenho  depende  da  ordem  em  que  os  sucessores  são   por   vez)   ¶Função   sucessor:   Um   valor   pode   ser   atribuído   a   Heurísticas  melhoram  a  eficiência  de  um  processo  de  busca,  
A  questão  da  abstração:  
examinados  (MINIMAX  é  em  profundidade).   qualquer   variável   não-­‐atribuída,   desde   que   ela   não   entre   geralmente  sacrificando  pretensões  de  completeza.  
Para  formular  problemas  é  importante  abstrair  detalhes;  
-­‐   α   representa   o   melhor   valor   encontrado   até   então   para   em  conflito  com  variáveis  atribuídas  anteriormente.¶Teste   A   heurística   é   como   um   guia   de   turismo.   Ela   é   válida   no  
A  abstração  é  útil  se  a  execução  de  cada  uma  das  ações  na  
MAX   (maior   valor),   ou   se   Max   já   achou   uma   jogada   boa,   objetivo:   A   atribuição   corrente   é   aceitável.   ¶Teste   de   sentido   de   que   aponta   para   direções   geralmente  
solução  é  mais  fácil  que  o  problema  original;  
outras  mais  baixas  (piores)  serão  descartadas   término:   verifica   se   todas   as   variáveis   estão   instanciadas   interessantes.   Na   média,   elas   melhoram   a   qualidade   dos  
A   abstração   será   válida   se   pudermos   expandir   qualquer  
-­‐   β   representa   o   melhor   valor   encontrado   até   então   para   obedecendo  as  restrições  do  problema¶Solução:  Atribuição   caminhos  que  são  explorados.    
solução   abstrata   em   uma   solução   no   mundo   mais  
MIN   (menor   valor),   ou   se   Min   já   achou   uma   jogada   boa,   completa   que   satisfaz   a   todas   as   restrições.   ¶Custo   de   Portanto,   uma   heurística   é   uma   conjectura   informada   sobre  
detalhado.    
outras  mais  altas  (piores)  serão  descartadas.   caminho:  O  custo  do  caminho  do  estado  inicial  até  o  final.   o  próximo  passo  a  ser  tomado  na  solução  de  um  problema.  
 
Quanto  à  aridade,  as  restrições  podem  ser:  
Unárias:   restringe   o   valor   de   uma   única   variável   –   ex.cor  
verde.   ¶Binárias:   relaciona   duas   variáveis   -­‐   ex.   8-­‐rainhas.  
¶n-­‐árias:   relaciona   várias   variáveis   -­‐   ex.   palavras   cruzadas.  
¶Quanto   à   natureza,   as   restrições   podem   ser.   ¶Absolutas:  
não   podem   ser   violadas.   ¶Preferenciais:   devem   ser  
satisfeitas  quando  possível.  
   
 
Busca  com  retrocesso  (BACKTRACK)  
A   expressão   busca   com   retrocesso   (backtrack)   é   utilizada  
para   indicar   uma   busca   em   profundidade   que   escolhe  
valores   para   uma   variável   de   cada   vez   e   que   efetua   o  
retrocesso   quando   uma   variável   não   tem   valores   válidos    
restantes  a  serem  atribuídos.