Inteligência Artificial (Continuação)

Inteligência Artificial (Continuação)

1. pensamento vs. comportamento

   • psicologia cognitiva
     • modelagem de processos mentais
       • Visão do cérebro como um dispositivo de processamento de informações
   • psicologia comportamentalista
     • percepções (estímulos) e as ações resultantes (respostas)

2. construção vs. estudo

   • Engenharia de computadores e neurociência
     • construir um cérebro
   • Ciência cognitiva
     • modelos computacionais e técnicas experimentais para construir teorias a respeito de processos na mente humana

3. invenção vs. imitação

   • Lógica matemática
     • modelar processos de argumentação irrefutáveis
       • representação
         • objetivo em IA: inventar programas para implementá-los
   • Biologia
     • copiar processos naturais
       • construir pedaços de cérebro (neurociência) e construir criaturas com comportamento natual

4. Os pilares da IA

   • IA Simbólica
     • forma que o ser humano raciocina
       • Se tornou popular com os Sistemas Especialistas
         • Principal linguagem -> Prolog
           • Possui regras e símbolos.
             • Quando vamos lidar com a IA simbólica, os sistemas precisam que seja inserido manualmente o que se sabe (conhecimento) sobre o problema.
               • Desta forma será possível o sistema “raciocinar” e gerar “tomadas de decisões”.
                 • É trabalhado com peças de informação.
                   • Cada dado da informação tem um significado, que é associado a ele, ou seja, cada dado possui um símbolo.
                     • Existe procedimentos lógicos e algorítmicos
                       • representação de conhecimento (e ontologias)
                         • formalizar um determinado domínio para poder manipulá-lo;
                         • Problema de satisfação de restrições
                           • Restringir o espaço de busca.
                           • Raciocínio automático
                             • derivações sintáticas das consequências do conhecimento representado
                               • implementação de regras de inferência lógicas
                             • Planejamento
                               • Tem como objetivo construir sistemas capazes de encontrar um plano que permita a um agente atingir um determinado objetivo;
                                 • Plano: sequência ordenada de ações
   • IA Conexionista
     • A IA Conexionista tem como base a parte neuronal do corpo humano.
       • Tenta simular o funcionamento e comportamento dos neurônios.
         • assim como os neurônios devem aprender e generalizar o problema.
           • Ia conexionista utiliza metodilogia que usam funções por regressão não linear, onde existirá dados de entrada, funções e a saída.
             • Modelagem da inteligência humana
               • Realiza simulações dos componentes do cérebro.
                 • Redes Neurais.
               • A IA conexionista teve um grande impacto na área da congnição.
                 • A IA conexionista teve um grande desafio, pois muitas especialistas ainda afirmam que ela não é capaz de englobar a complexidade do nosso cérebro.
                   • O que ocorre na verdade?
                     • Os neurônios executam funções para tentar chegar no resultado final.
   • Tomada de decisões
     • Aplicação de métodos estatísticos para inferir conhecimento:
       • redes bayesianas, processos de markov (MDP), processos de markov parcialmente observáveis (POMDP)
       • redes bayesianas é baseada na Estatística, mais precisamente na técnica Bayesiana.
         • Usada para tomada de decisão quando há incertezas
           • Área financeira, Área médica, Robôs, etc
         • Processos de markov (MDP)
           • Trabalha com uma maneira que facilita o trabalho em determinadas ações, como: Robô mapear ambiente
           • Markov encontra um estado futuro com base somente no estado atual.
             • Desta forma os estados passados não influênciam o estado futuro.
   • IA Evolutiva
     • Os organismos mais bem adaptados ao meio têm maiores chances de sobrevivência
       • Esses organismos tendem a ter uma quantidade maior de descendentes.
         • Um dos algoritmos que seguem essa ideia é o Algoritmo Genético.
           • Possuí uma população
             • Realiza a evolução, ou seja, as “pessoas” mais adaptadas permanecem e geram novos indivíduos.
               • Nesta teoria só os “fortes” (adptáveis) sobrevivem.
           • É usado para que robôs consigam se desenvolver sozinhos, tenham habilidades motoras e análise de decisão.