Inteligência ArtificialProfessor: Francisco Nauber Bernardo Gois

Introdução a Inteligência Artificial

1

Objetivos

Ao final da aula o alunosaberá o conceito e tiposde inteligência artificial.

Aprender conceitos básicosda linguagem python.

2

O que é Inteligência Artificial?

3

4

Artificial (Michaelis)

é algo produzido pelo homem e não por causas naturais

Inteligência (Michaelis)• é a faculdade de aprender, compreender e adaptar-se Outras

acepções para o termo:• (teológica) é um dom divino que nos torna semelhantes ao

Criador • (filosófica) é um princípio abstrato que é fonte da

intelectualidade • (psicológica) é a capacidade de resolver problemas com rapidez

e êxito

Teste de Turing (1950)

5

“Máquinas podem pensar?"

Q: Por favor, escreva-me um soneto. A: Conte-me mais sobre o assunto. Eu nunca poderia escrever poesia. Q: Adicionar 34957 a 70764. A: (Pausa cerca de 30 segundos e, em seguida, dar como resposta) 105621

6

Programar sistema de computador para passar no Teste de Turing é uma tarefa muito difícil. Tal sistema precisaria ter pelo menos as seguintes capacidades: – processamento de linguagem natural: para comunicar-se com o usuário; – representação de conhecimento: para armazenar o que sabe ou aprende; – raciocínio automatizado: para usar o conhecimento armazenado com a final- idade de responder perguntas ou tirar novas conclusões; – aprendizado de ma ́quina: para adaptar-se a novas circunstâncias, detectar e extrapolar padrões, a fim de atualizar o seu conhecimento armazenado.

7

• As máquinas podem pensar? Esta é uma questão que tem ocupado filósofos desde Decartes. Mas mesmo as definições de "pensar" e "máquina" não são claras. Alan Turing, o renomado matemático e disjuntor de código que lançou as bases da computação, apresentou um teste simples para contornar essas preocupações filosóficas.

• No teste, um interrogador conversa com um homem e uma máquina através de um canal de texto. Se o interrogador não adivinhar qual é a máquina, então a máquina é dito ter passado o teste de Turing. (Esta é uma simplificação, há mais nuances e variantes do teste de Turing, mas não são relevantes para os nossos propósitos atuais.)

• A beleza do teste de Turing é a sua simplicidade e objetividade, pois é apenas um teste de comportamento, não dos internos da máquina. Não importa se a máquina está usando métodos lógicos ou redes neurais. Esta dissociação do que resolver a partir de como resolver é um tema importante nesta classe.

8

Agente Inteligente

9

10

• Mas talvez imitar os seres humanos é realmente a métrica errada quando se trata de pensar em inteligência. É verdade que os seres humanos possuem habilidades (linguagem, visão, controle motor) que atualmente ultrapassam as melhores máquinas, mas por outro lado, as máquinas claramente possuem muitas vantagens sobre os seres humanos (por exemplo, velocidade). Por que se contentar com o desempenho em nível humano? • O estudo de como os seres humanos pensam é fascinante e é bem estudado no campo da ciência cognitiva. Nesta classe, no entanto, estaremos principalmente preocupados com a meta de engenharia de construir sistemas inteligentes, tirando de humanos apenas como uma fonte de tarefas e motivação de alto nível.

11

O que a Inteligência Artificial pode fazer por nós?

12

Em que á area o uso de Inteligência Artificialpode ter mais impacto na sociedade?

“Máquinas serão capazes em 20 anos de

fazero que quaisquer

homens podem fazer?"

Herbert Simon 1965

13

“Após uma geração, o problema de criar uma inteligência artificial

vai estar substancialmente

resolvido "

Marvin Minsk

14

15

16

17

Reconhecimento de escrita a mão

http://scikit-learn.org/stable/auto_examples/classification/plot_digits_classification.html

18

• Em 1983, o Serviço Postal dos Estados Unidos (USPS) e a Universidade de Buffalo iniciaram uma colaboração para reconhecer automaticamente os dígitos manuscritos do código postal.

• Em 1989, Yann LeCun e seus colegas publicaram um artigo sobre o uso de redes neurais convolucionais para reconhecer códigos postais manuscritos.

• O primeiro sistema foi então implantado em 1997, economizando 100 milhões de dólares.

• Hoje, 83% dos 70 milhões de endereços manuscritos por dia são classificados automaticamente e os métodos foram refinados para usar o contexto completo do endereço.

19

Machine Translation

20

• A pesquisa de tradução automática começou na década de 1960 (o governo dos EUA estava muito interessado em traduzir o russo para o inglês). Durante as décadas subseqüentes, ele passou por algumas voltas ásperas. • Nos anos 90 e 2000, a tradução automática estatística, auxiliada por grandes quantidades de traduções de exemplo, ajudou a melhorar significativamente a qualidade da tradução. • A partir de 2015, o Google Tradutor suporta 90 idiomas e atende a mais de 200 milhões de pessoas diariamente. As traduções estão longe de ser perfeitas, mas são muito úteis.

21

Virtual Assistant

22

• Siri da Apple, Google Now, Microsoft Cortana, Amazon Echo e outros assistentes virtuais também estão se tornando reais. • Uma grande parte disso é devido às dramáticas melhorias no reconhecimento de fala nos últimos sete anos (graças a redes neurais profundas). • No entanto, o reconhecimento de fala é apenas uma parte da história; O outro é entender o texto, que é um problema muito mais difícil. Os sistemas atuais não manipulam muito mais do que enunciados e ações simples (por exemplo, definir um alarme, enviar um texto, etc.), mas a área de compreensão da linguagem natural está crescendo rapidamente

23

http://sirius.clarity-lab.org/sirius/

24

Autonomous driving

25

A pesquisa em carros autônomos começou na década de 1980, mas a tecnologia não estava lá. • Talvez o primeiro evento significativo tenha sido o Grande Desafio 2005 da DARPA, no qual o objetivo era ter um carro sem motorista percorrer um percurso de 132 milhas. Stanford terminou em primeiro lugar. O carro foi equipado com vários sensores (laser, visão, radar), cujas leituras precisavam ser sintetizadas (usando técnicas probabilísticas que aprenderíamos dessa classe) para localizar o carro e gerar sinais de controle para a direção, aceleração, E freio. • Em 2007, a DARPA criou um desafio urbano ainda mais difícil, que foi conquistado pela CMU. • Em 2009, o Google iniciou um programa de auto-condução automóvel, e desde então, os seus auto-condução carros têm impulsionado 1 milhão de milhas em rodovias e ruas. • Em janeiro de 2015, Uber contratou cerca de 50 pessoas do departamento de robótica da CMU para construir carros auto-dirigidos. • Embora ainda haja questões tecnológicas e políticas a serem trabalhadas, o impacto potencial sobre o transporte é enorme.

26

27

Humanos Vs Máquinas

28

• Talvez o aspecto da inteligência artificial que capture a imaginação do público mais é na derrota dos seres humanos em seus próprios jogos. • Em 1997, Deep Blue derrotou Gary Kasparov, o campeão mundial de xadrez. Em 2011, a IBM Watson derrotou dois dos maiores vencedores (Brad Rutter e Ken Jennings) no quiz show Jeopardy! (A IBM parece ser muito boa em realizar este tipo de acrobacias.) • Poder-se-ia ter argumentado que o Deep Blue venceu simplesmente pela pura força de sua proeza computacional, enquanto ganhando Jeopardy! Envolveu a compreensão da linguagem natural, e esta derrota bateu mais perto de casa.

29

30

31

Web searchSpeech recognition

Handwriting recognition Machine translation

Information extraction Document summarization

Question answering Spelling correction Image recognition

3D scene reconstruction Human activity recognition Autonomous driving Music information retrieval Automatic composition Social network analysis ...

...Product recommendation Advertisement placement Smart-grid energy optimization

Household robotics Robotic surgeryRobot exploration

Spam filteringFraud detection

Fault diagnosticsAI for video games Character animation Financial trading Dynamic pricing Protein

folding Medical diagnosis Medical imaging

Outras aplicações de Inteligência Artificial

32

33

Hipótese: um modelo preciso do cérebro humano é suficiente para reproduzir inteligência Aplicação: problemas imprecisos definidos por exemplos (e.g., reconhecimento de voz) Principal contribuição: redes neurais artificiais

Abordagem Conexionista

34

Hipótese: a solução de um problema pode ser obtida pela evolução de uma população de indivíduos que carregam genes com informações relevantes para o problemaAplicação: problemas de otimização difíceis (e.g., escalonamento) Principal contribuição: algoritmos genéticos

Abordagem Evolucionista

35

• 1956: Oficina de Dartmouth, John McCarthy cunhou "AI"• 1960: verificadores que jogam o programa, teórico lógico• 1966: Relatório ALPAC corta financiamento para tradução• 1974: relatório Lighthill corta financiamento no Reino Unido• 1970-80: sistemas especialistas (XCON, MYCIN) na indústria• 1980s: sistema de computador de quinta geração (Japão); Estratégico Computação Initativa (DARPA)• 1987: colapso do mercado Lisp, corte do financiamento do governo• 1990-: aumento da aprendizagem mecânica• 2010: investimento da indústria pesada em aprendizagem profunda

36

• Mas isso também é o que as pessoas pensavam na década de 1960. Ok, então talvez as pessoas julgassem mal a dificuldade do problema. Mas aconteceu novamente na década de 1980, levando a outro inverno IA. Durante esses invernos da IA, as pessoas evitavam a expressão "inteligência artificial" como para não serem rotuladas como lunáticos.• No último renascimento, temos novas técnicas de aprendizado, toneladas de dados e toneladas de computação. Então, cada ciclo, estamos realmente fazendo progressos. Será desta vez diferente?• Devemos ser otimistas e inspirados sobre o potencial impacto que os avanços na IA podem trazer. Mas, ao mesmo tempo, precisamos ser fundamentados e não ser surpreendido pelo hype. Esta classe é sobre fornecer esses conhecimentos, mostrando como os problemas de IA podem ser tratados rigorosamente e matematicamente.

37

Reconhecimento de padrões Faz predições a partir dos dados

Inspirados no sistema nervoso humano. Redes neurais podem processar um conjunto maior de

informações

Redes neurais profundas

38

39

__author__="nauber" __date__ ="$31/05/2010 06:59:46$"

if __name__ == "__main__": print "Hello World"

Introdução ao Python

40

>>> a=1>>> b=2>>>a==b #==testaseaéigualabFalse>>> a != b # != testa se a é diferente de bTrue>>> a <> b # <> também testa se a é diferente de bTrue>>> a > b # > testa se a é maior que b

Introdução ao Python

41

>>> 2**3 # É o mesmo que 23 (dois ao cubo). 8 >>> 2**(3+6) # Dois elevado a 9 512

Introdução ao Python

42

>>> valor1='Boa tarde!' >>> valor1 'Boa tarde!' >>> type(valor1) <type 'str'>

Introdução ao Python

43

>>> a = ['João', 'Rafael', 'Douglas'] >>> a ['Jo\xe3o', 'Rafael', 'Douglas'] >>> for i in a: print i

Introdução ao Python

44

Projeto Jupyter

45

Jogo da Velha

46