Paradigmas da IA Marclio C P de Souto

Paradigmas da IA Marcílio C. P. de Souto DIMAp/UFRN

Paradigmas da IA n n n Simbólico: metáfora lingüística/lógica n Sistemas de produção Conexionista: metáfora cérebro n Redes neurais Evolucionista: metáfora teoria da evolução natural n Algoritmos genéticos Probabilista: probabilidade n Redes bayesianas IA Distribuída: metáfora social n Sistemas multiagentes 2

Paradigmas da IA n Diferenças chaves n n Forma de representar o conhecimento Forma de raciocinar com esse conhecimento Forma de adquirir esse conhecimento Eixos centrais (das diferenças) n n Aprendizado x Manual Numérico x Simbólico 3

IA Simbólica

Exemplo n West é criminoso ou não? n n n “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” Como resolver automaticamente este problema de classificação? Segundo a IA simbólica, é preciso: n n n Identificar o conhecimento do domínio (modelo do problema) Representá-lo utilizando uma linguagem formal de representação Implementar um mecanismo de inferência para utilizar esse conhecimento 5

Conhecimento: Representação e Uso Raciocínio: n n Manipulação de símbolos representando as entidades, relações, eventos de domínio de aplicação processo de construção de novas sentenças a partir de outras sentenças. Deve ser plausível (sound) fatos Mundo Representação sentenças segue-se implica fatos semântica n sentenças 6

Revisitando o caso do Cap. West 7

IA Simbólica: Resumo n Características principais n n n Inspirada na lógica, semiologia, lingüística e psicologia cognitiva (funcionalista) Representação do conhecimento: todos os tipos Raciocínio: todos os tipos Aquisição do conhecimento: todos os tipos Vantagem: versatilidade Inadequada para. . . n n Raciocínio de baixo nível para percepção ou reflexos Visão computacional, processamento da fala Controle dos motores dos atuadores do robôs Raciocínio com conhecimento incerto ou muito ruidoso 8

IA Conexionista

Paradigma Conexionista: Redes Neurais n n n Definição “Romântica”: n Técnica inspirada no funcionamento do cérebro, em que neurônios artificiais, conectados em rede, são capazes de aprender e de generalizar Definição “Matemática”: n Técnica de aproximação de funções por regressão não linear É uma outra abordagem: n Linguagem -> redes de elementos simples n Raciocínio -> aprender diretamente a função entrada-saída 10

Redes Neurais s 1 w 1 i sj wji sn e(i) ó õ s(i) wni camada de entrada camada escondida camada de saída 11

Exemplo 1 x= 1 0 0 0 Saída produzida desejada 0. 2 1 0. 9 0 0. 1 0 0 erro = subtração 12

IA Conexionista: Resumo n Características principais n n n Adequada para n n Inspirada na neurofisiologia (fisicalista) Muito utilizado em ambientes industriais e como técnica de aprendizagem Representação do conhecimento: conjunto de atributo-valor (lógica 0+) Raciocínio: indutivo ou analógico durante treinamento, dedutivo, abdutivo ou analógico durante utilização Aquisição do conhecimento: aprendizagem Raciocínio de baixo nível para percepção ou reflexos Pouco adequada para n n n Domínios relacionais requerem representação da 1 a ordem Aplicações que requerem explicação das decisões (ex, central nuclear, cirurgia, investimento de grande porte) Tarefas não-analíticas: planejamento e concepção 13

IA Evolucionista

Paradigma Evolutivo n Natureza n n Seres mais adaptados ao ambientes sobrevivem e suas características genéticas são herdadas Idéia: n n n Indivíduo = Solução Faz evoluir um conjunto de indivíduos mais adaptados por cruzamento e mutação através de sucessivas gerações Fitness function f(i): R ->[0, 1] 15

Exemplo n n n Indivíduo possível n Vetor cujos elementos são as quantidades de ingredientes usados para fazer um bolo + o valor de aptidão (fitness) do momento Função de Aptidão n Feedback se o bolo ficou gostoso ou não, . . . Mutação e cruzamento: n Troca e alteração Aptidão Ovos Açúcar Fermento Farinha. . . Leite 16

IA Evolucionista: Resumo n Características principais n n n Adequada para n n Método probabilistico de busca para resolução de problemas (otimização) Inspirada na teoria da evolução, paleontologia, . . . Representação do conhecimento: conjunto de atributo-valores (lógica 0+) Raciocínio: indutivo durante treinamento, dedutivo ou abdutivo durante utilização Aquisição do conhecimento: aprendizagem (e manual p/ iniciar) Otimização Pouco adequada para n Domínios relacionais requerem representação da 1 a ordem 17

Resumo

conhecimento em intenção (regras) Sistemas de PLN Sistemas Nebulosos (fuzzy) numérico Robôs Algoritmos genéticos Sistemas baseados em Redes Neurais Sistemas Especialistas Redes Bayesianas Sistemas baseado em casos simbólico Sistemas de Aprendizagem simbólica indutiva conhecimento em extensão (exemplos) 19