Introducao inteligenciaartificial
-
Upload
esther-camilo -
Category
Education
-
view
183 -
download
1
description
Transcript of Introducao inteligenciaartificial
![Page 1: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/1.jpg)
Introdução à Inteligência Artificial
Esther Camilo
10/09/2013
![Page 2: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/2.jpg)
Objetivo
Introdução
Se o objetivo da biologia é o estudo da vida, o objetivo dessa aula é responder como a inteligência artificial
pode ajudar a biologia a compreender a vida ou prever comportamentos.
Afinal, como eu posso utilizar IA na minha pesquisa?
![Page 3: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/3.jpg)
Introdução
![Page 4: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/4.jpg)
Introdução
Robótica
Finanças
Jogos
Medicina
![Page 5: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/5.jpg)
Algumas definições
Inteligência Artificial é um ramo da ciência da computação que estuda e desenvolve máquinas e
softwares inteligentes.
Um agente inteligente é um sistema que percebe seu ambiente e realiza ações que maximizam sua chance
de sucesso.
Introdução
http://en.wikipedia.org/wiki/Artificial_intelligence
![Page 6: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/6.jpg)
Algumas definições
Introdução
http://en.wikipedia.org/wiki/Artificial_intelligence
Quimiotaxia
Formação de biofilmes
![Page 7: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/7.jpg)
Google Machine Translation Systems
Introdução
![Page 8: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/8.jpg)
Google Machine Translation Systems
Introdução
![Page 9: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/9.jpg)
Google Machine Translation Systems
Introdução
![Page 10: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/10.jpg)
Hora certa
Introdução
Inteligência Artificial
![Page 11: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/11.jpg)
Explosão de informação em Biologia
Introdução
![Page 12: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/12.jpg)
Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation Learning Reinforcement learning
Redes Bayesiana Clustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes Neurais Regras de Associação
![Page 13: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/13.jpg)
Árvore de Decisão
Técnicas
![Page 14: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/14.jpg)
Exemplo: Decisão de jogar tênis
Técnicas
![Page 15: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/15.jpg)
Exemplo: Decisão de jogar tênis
Técnicas
Todas as combinações → 3 x 3 x 2 x 2 = 36
![Page 16: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/16.jpg)
Exemplo: Decisão de jogar tênis
Técnicas
Prever se joga ou não : sunny, mild, high, true
![Page 17: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/17.jpg)
Exemplo: Decisão de jogar tênis
Técnicas
Prever se joga ou não : sunny, mild, high, true
Outlook
Humidity
Wind
Temperature
![Page 18: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/18.jpg)
Como as árvores são geradas?
Técnicas
Ganho de informação É a medida de quão bem um atributo classifica os dados.
Alta entropia = Baixo ganho de informação Baixa entropia = Alto ganho de informação
![Page 19: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/19.jpg)
Exemplo
Técnicas
![Page 20: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/20.jpg)
Exemplo
Técnicas
![Page 21: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/21.jpg)
Exemplo
Técnicas
![Page 22: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/22.jpg)
Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation Learning Reinforcement learning
Redes Bayesiana Clustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes Neurais Regras de Associação
![Page 23: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/23.jpg)
Redes Bayesianas
Técnicas
P(sol)=0.5
P(aumento) = 0.1
Sol $
Felicidade
P(feliz) = 0.6
Rede de probabilidades
![Page 24: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/24.jpg)
Redes Bayesianas
Técnicas
T1 T2
diagnóstico
P(C) = 0,01 P(¬C) = _____ P(+|C) = 0,9 P(- |C) = _____ P(+|¬C) = 0,2 P(- |¬C) = _____ P(C|+) = ______
Probabilidade de incidência de um determinado tipo de câncer
![Page 25: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/25.jpg)
Redes Bayesianas
Técnicas
Problema de Monty Hall
http://en.wikipedia.org/wiki/Monty_Hall_problem
![Page 26: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/26.jpg)
Redes Bayesianas
Técnicas
Problema de Monty Hall
Suponha que você escolheu A 1 - Está em A (ficar ganha) 2 - Está em B, então C é revelado (trocar ganha) 3 - Está em C, então B é revelado (trocar ganha)
![Page 27: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/27.jpg)
Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation Learning Reinforcement learning
Redes Bayesiana Clustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes Neurais Regras de Associação
![Page 28: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/28.jpg)
Clustering
Técnicas
É uma técnica de aprendizado não supervisionado
Connectivity based clustering
![Page 29: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/29.jpg)
Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation Learning Reinforcement learning
Redes Bayesiana Clustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes Neurais Regras de Associação
![Page 30: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/30.jpg)
Support Vector Machine
Técnicas
Técnica de clusterização binária
Pode ser útil para: 1 – Classificação de proteínas; 2 – Reconhecimento de letra de mão; 3 – Classificação de imagens.
![Page 31: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/31.jpg)
Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.
Árvore de Decisão
Sparce dictionary learning
Representation Learning Reinforcement learning
Redes Bayesiana Clustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes Neurais Regras de Associação
![Page 32: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/32.jpg)
Redes Neurais
Técnicas
http://natureofcode.com/book/chapter-10-neural-networks/
964324
Scientists have already spent entire careers researching and implementing complex solutions.
reconhecimento de padrões
![Page 33: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/33.jpg)
Redes Neurais
Técnicas
http://natureofcode.com/book/chapter-10-neural-networks/
Os elementos individuais de uma rede neural é simples.
Eles leem inputs, processam e geram output. Mas uma rede
de muitos neurônios pode exibir comportamento rico e
inteligente.
Capacidade de aprender -> sistema complexo adaptativo.
Isto é, ele muda sua estrutura interna baseado no fluxo de
informação que o atravessa.
![Page 34: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/34.jpg)
Redes Neurais
Técnicas
http://natureofcode.com/book/chapter-10-neural-networks/
Os pesos variam, enquanto o programa não executa a
tarefa de forma satisfatória.
![Page 35: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/35.jpg)
Redes Neurais
Técnicas
www.sciencedirect.com/science/article/pii/S092523120700286X
![Page 36: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/36.jpg)
Foco em aprendizado de Máquina
Técnicas
Concentrada no desenvolvimento de algoritmos cujos inputs são dados experimentais.
Árvore de Decisão
Sparse dictionary
Representation Learning Reinforcement learning
Redes Bayesiana Clustering
Support Vector Machines
Programação Lógica Indutiva Programação Genética
Redes Neurais Regras de Associação
![Page 37: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/37.jpg)
Programação genética
Técnicas
É um algoritmo inspirado no modelo biológico da evolução
para encontrar programas que realizem um tarefa definida
pelo usuário.
É um conjunto de instruções e uma função fitness para
medir quão bem o computador executou a tarefa.
É uma especialização do algoritmo genético.
![Page 38: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/38.jpg)
Programação genética
Técnicas
É um algoritmo inspirado no modelo biológico da evolução
para encontrar programas que realizem um tarefa definida
pelo usuário.
É um conjunto de instruções e uma função fitness para
medir quão bem o computador executou a tarefa.
É uma especialização do algoritmo genético.
![Page 39: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/39.jpg)
Algoritmo genético
Técnicas
Inicialize um população com n indivíduos
Calcule o desempenho de cada um. Selecione os melhores.
Embaralhe a lista dos selecionados (cross-over).
11100110 11100110 11100110
![Page 40: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/40.jpg)
Algoritmo genético
Técnicas
![Page 41: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/41.jpg)
Weka
Software
http://www.cs.waikato.ac.nz/ml/weka/
http://jmlr.org/mloss/
![Page 42: Introducao inteligenciaartificial](https://reader034.fdocumentos.tips/reader034/viewer/2022052621/557cb9c5d8b42a9c528b50a3/html5/thumbnails/42.jpg)
Sugestões de estudos
Além
http://www.udacity.com