Estude fácil! Tem muito documento disponível na Docsity
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
Prepare-se para as provas
Estude fácil! Tem muito documento disponível na Docsity
Prepare-se para as provas com trabalhos de outros alunos como você, aqui na Docsity
Encontra documentos específicos para os exames da tua universidade
Prepare-se com as videoaulas e exercícios resolvidos criados a partir da grade da sua Universidade
Responda perguntas de provas passadas e avalie sua preparação.
Ganhe pontos para baixar
Ganhe pontos ajudando outros esrudantes ou compre um plano Premium
material estdo computaçãomaterial estdo computaçãomaterial estdo computaçãomaterial estdo computação
Tipologia: Esquemas
1 / 11
Esta página não é visível na pré-visualização
Não perca as partes importantes!
Brasília fevereiro de 2004
Volume 2, Número 8, Setembro de 2004
Colabor@ - Revista Digital da CVA-Ricesu ISSN 1519-
O Estado da Arte em Inteligência Artificial
Resumo
A Inteligência Artificial é um dos ramos de estudo mais recentes da Ciência da Computação. Por ainda existirem muitas descobertas a serem feitas, a área se torna extremamente interessante para os pesquisadores, estudantes e para todos aqueles afetados direta ou indiretamente pelos resultados dessas pesquisas. Tecnologias como as de Agentes Inteligentes, Sistemas Especialistas, Redes Bayesianas e Sistemas Tutores Inteligentes estão cada vez mais próximas das pessoas comuns, e esse também é um dos objetivos dos estudos: trazer a inteligência a produtos e processos que não estejam ligados somente a grandes empresas e centros de alta tecnologia, mas disponíveis para todos.
Palavras Chaves
Inteligência Artificial (I.A), Sistemas Especialistas, Agentes Inteligentes, Redes Bayesianas, Representação do Conhecimento, Frames , Sistemas Tutores Inteligentes.
State of Art in Artificial Intelligence
Summary
Artificial Intelligence is one of the most recent areas of study inside of the Computer Science. There is a lot of discoveries to be made, for that reason, it is a area of the most interest to researchers, students and to everyone that may be affected directly or indirectly by the results of this researches. Technologies like Intelligent Agents, Expert Systems, Bayesian Networks and Intelligent Tutoring Systems, are coming close of the common people, and this is one of the objectives of the researches, bring intelligence to products and process there is not only available to large enterprises and high technologies centers, but available to everyone.
Keywords
Artificial Intelligence (A.I), Expert Systems, Intelligent Agents, Bayesian Networks, Knowledge Representation, Frames, Intelligent Tutoring System.
Volume 2, Número 8, Setembro de 2004
Colabor@ - Revista Digital da CVA-Ricesu ISSN 1519-
2. Sobre a Criação da Inteligência Artificial
A Inteligência Artificial, IA, tenta entender o comportamento de entidades inteligentes. Mas, ao contrário da filosofia e da psicologia, que estão mais preocupadas com o estudo da inteligência dentro de um contexto de relações humanas, a IA é mais focada em como essas entidades podem ser criadas e utilizadas para determinados fins.
O termo Inteligência Artificial surgiu em 1956, de uma reunião feita nos Estados Unidos que contou com cientistas de várias áreas do conhecimento, todos interessados no mesmo objetivo, no estudo de como poderiam ser criadas máquinas inteligentes, e de como estas afetariam os processos existentes.
Algumas definições de Inteligência Artificial:
A arte da criação de máquinas que fazem funções que requerem inteligência quando feito por pessoas (KURZWEIL, 1990).
Campo de estudo que procura explicar e emular comportamento inteligente em termos de processos computacionais (SCHALKOFF, 1990).
Um ramo da ciência da computação que se dedica à automação de comportamento inteligente (LUGER & STUBBLEFIELD, 1993).
A parte da Ciência da Computação que compreende o projeto de sistemas computacionais que exibam características associadas, quando presentes no comportamento humano, à inteligência. (BARR & FEIGENBAUM, 1981)
Sobretudo, deve ser entendida como a criação de sistemas que não possuam somente características procedimentais, tendo também, capacidades de ir além dos processos estabelecidos pelo desenvolvedor humano, aprendendo, se adaptando e tomando decisões.
Desde 1956, a IA veio se ramificando em novas áreas, criando centros de estudo em praticamente todo o mundo. Grande parte dessas áreas já conta com projetos implementados que deixaram o âmbito acadêmico. Como exemplo, dentro das empresas de grande porte, as ferramentas de Data Mining (mineração de dados), são parte fundamental do processo de tomada de decisões, por gerarem informações de alta relevância estratégica, nem sempre observadas por analistas humanos. Na área de gerência de redes, detecção de intrusão, comércio eletrônico e educação a distância auxiliada por computador, a tecnologia de agentes inteligentes permite a flexibilidade da negociação entre o sistema e o usuário humano, além de estar sempre monitorando o ambiente, gerando informações que podem ser analisados posteriormente por outros sistemas inteligentes.
A partir do momento em que os projetos e produtos de IA começarem a invadir o domínio do cidadão comum, haverá uma exploração maior, não somente da forma como a IA pode resolver problemas, mas também da forma como os humanos estarão interagindo com esses sistemas e que impactos isso causará na sociedade.
Volume 2, Número 8, Setembro de 2004
Colabor@ - Revista Digital da CVA-Ricesu ISSN 1519-
3. Ramificações de pesquisa da Inteligência Artificial
3.1. Sistemas Especialistas
Os sistemas especialistas, SE, em geral, podem ser divididos em três partes : uma base de regras, uma memória de trabalho e um motor de inferência. A base de regras e a memória de trabalho são a chamada base de conhecimento.
Os SE restringem-se somente a alguns domínios específicos do conhecimento, tentando reproduzir boa parte do conhecimento de um especialista em determinado assunto. Ainda é inviável pensar na implementação de sistemas que respondam e reajam sobre temas gerais utilizando bases de conhecimento, sendo que para a representação desses, uma base extremamente extensa deve ser construída.
Outra preocupação que permeia toda a área de IA, mas que está mais diretamente associada aos SE, é a representação do conhecimento.
Alguns dos modelos mais utilizados para a representação do conhecimento :
Redes Semânticas : Proposta por Quillian em 1968. Utiliza o formalismo de nodos e arcos para a representação, explicando diversos resultados experimentais sobre o comportamento da memória humana. Uma rede semântica é uma notação gráfica composta por nodos interconectados. As redes semânticas podem ser usadas para representação de conhecimento, ou como ferramenta de suporte para sistemas automatizados de inferências sobre o conhecimento. (SOWA, 2002)
É considerada como uma forma de programação orientada a objetos e tem as vantagens que esses sistemas normalmente apresentam, incluindo a modularidade e a facilidade de visualização por parte das pessoas.
Por trás da aparência de simples diagramas de nós e links , as redes semânticas têm sido um sucesso, pelo mesmo motivo que o Prolog foi melhor sucedido que os provadores de teoremas lógicos de primeira-ordem, porque a maioria dos formalismos das redes semânticas, tem um modelo muito simples de execução. Programadores podem construir grandes redes e ainda ter uma boa idéia sobre quais queries^1 serão mais eficientes, porque é muito simples visualizar os passos do processo de inferência.
As redes semânticas se concentram nas categorias de objetos e relacionamento entre eles. Os nodos representam substantivos, adjetivos, pronomes e nomes próprios. Os arcos são reservados basicamente para representar verbos transitivos e preposições.
Algumas dessas redes foram desenvolvidas explicitamente para a implementação de hipóteses sobre os mecanismos de cognição humanos,
(^1) Consulta
Volume 2, Número 8, Setembro de 2004
Colabor@ - Revista Digital da CVA-Ricesu ISSN 1519- o Pró-ativo : agentes não devem simplesmente atuar em resposta ao ambiente, devem exibir um comportamento oportunista e direcionado ao seu objetivo e tomar a iniciativa quando apropriado; o Social: agentes devem interagir, quando apropriado, com outros agentes artificiais ou humanos para completar suas próprias soluções de problemas ou ajudar outros com suas atividades.
Segundo Wooldridge (1999) as três características citadas, reativo, pró-ativo e social, são suficientes para classificar um agente como inteligente.
Os agentes inteligentes, mais que todas os outros ramos da IA, estão presentes na resolução dos problemas dos usuários comuns. Hoje, a internet conta com diversas iniciativas que utilizam agentes, desde sites que comparam preços de produtos para compra até mecanismos de busca inteligentes, que navegam dentro das páginas web, apresentando o resultado da busca classificado pelo grau de acerto e relevância dos assuntos.
3.3. Redes Bayesianas
Redes Bayesianas são um modelo de representação do conhecimento que trabalham com o conhecimento incerto e incompleto através da Teoria da Probabilidade Bayesiana, publicada pelo matemático Thomas Bayes em 1763.
O conhecimento incerto é aquele que apresenta deficiências. Em algum momento, os dados podem ser uma representação não exata, parcial ou aproximada da realidade. (BHATNAGAR, 1986)
Essa representação tem como uma das suas principais características a adaptabilidade, podendo, a partir de novas informações, e com base em informações de fundo verdadeiras, gerar alterações nas dependências e nos seus conceitos. Permite, dessa forma, que as probabilidades não sejam meros acasos, podendo confirmar e criar novos conceitos.
É importante observar que o modelo baseia-se em probabilidades prévias mais algumas informações com um certo nível de incerteza, para representar o conhecimento. Um modelo totalmente incerto não seria de grande utilidade e não teria ponto de partida para a manipulação de suas situações e a geração de novas representações.
A representação da Rede Bayesiana é feita através de um grafo direcionado acíclico no qual os nós representam variáveis de um domínio e os arcos representam a dependência condicional ou informativa entre as variáveis. Para representar a força da dependência, são utilizadas probabilidades, associadas a cada grupo de nós pais-filhos na rede (PEARL, 1988).
Volume 2, Número 8, Setembro de 2004
Colabor@ - Revista Digital da CVA-Ricesu ISSN 1519-
Fig. 1 – Exemplo de Rede Bayesiana mostrando as folhas da árvore independentes entre si
Atualmente a utilização das Redes Bayesianas tem crescido bastante para a resolução de problemas relacionados a WEB. A filtragem de SPAM, usualmente feita através da utilização de filtros que não contém inteligência, está, com projetos como o Bogofilter (RAYMOND, 2003), se utilizando de mecanismos de Inteligência Artificial para aumentar a sua eficiência.
3.4. Sistemas Tutores Inteligentes
Os Sistemas Tutores Inteligentes, STIs, são evoluções dos sistemas CAI ( Computer Aided Instruction) mas que diferentemente desses, utilizam técnicas de Inteligência Artificial que procuram proporcionar uma experiência customizada de aprendizagem para o estudante, simulando as interações professor-aluno.
Segundo o modelo de Jonassen, um STI deve passar em três testes antes de ser considerado "inteligente" (JONASSEN, 1993):
A arquitetura de um STI considera quatro componentes, apresentados a seguir:
Modelo do Especialista: Refere-se a base de conhecimento do domínio que deve ser mapeado em forma de símbolos. Deve ser planejado, pelo especialista e pelo projetista do STI, para que sua forma seja bem estruturada facilitando a consulta e a inferência.
Modelo do Estudante: Representa as ações e reações do estudante dentro do STI, mapeando todos os aspectos comportamentais que possam influenciar o processo de aprendizagem. Armazena diversos tipos de informação, como o maior interesse demonstrado pelo aluno entre um ou outro sub-domínio do conhecimento e a velocidade com que essas interações estão sendo feitas dentro do sistema.
Volume 2, Número 8, Setembro de 2004
Colabor@ - Revista Digital da CVA-Ricesu ISSN 1519-
Referências
BARR A; FEIGENBAUM E.A.. The Handbook of Artificial Inteligence , volume I-II. Willian Kaufmann Inc., Los Altos, California, 1981.
BHATNAGAR, R. K.; KANAL, L. N. Handling Uncertain Information: A Review of Numeric and Non-numeric Methods In: KANAL, L.N.; LEMMER, J.F. (Editors). Uncertainty in Artificial Intelligence. Amsterdam: Elsevier Science. 1986
GASSER, L. Boundaries, I dentity and aggregation: Plurality issuees in multiagent systems. In Eric Werner e Yves Demazeau, editors, Decentralized Artificial Intelligence , páginas 199-212. Elsevier Science, Amsterdam, NL, 1992.
JONASSEN D. H. The Physics Tutor: Integrating Hypertext and Expert Systems , Journal of Educational Technology Systems, (s.l.), vol. 22, n. 1, 1993.
KURZWEIL, R. The age of Intelligent Machines. MIT Press, Cambridge, Massachusetts. 1990.
LUGER, G.F; STUBBLEFIELD, W.A. Artificial Intelligence : Structures and Strategies for Complex Problem Solving. Benjamim/Cummings, Redwood City, California, second edition. 1993.
MATURANA, Humberto, R. Da Biologia à Psicologia Artmed Editora LTDA, 1998.
PEARL, J. Probabilistic Reasoning in Intelligent Systems: Networks of Plausible Inference. Morgan Kaufmann Publishers, Inc., 1988.
PIAGET, Jean. O nascimento da inteligência na criança. 4. ed. Rio de Janeiro: Zahar,
RAYMOND, E. S. Bogofilter. Disponível em . Acesso em: 10 out, 2003.
RICH, E; KNIGHT, K. Artificial Inteligence. 2. ed. New York. McGraw-Hill, New York.1993.
SCHALKOFF, R.J. Artificial Intelligence: An Engineering Approach. McGraw-Hill, New York. 1990.
SOWA, J. F. Semantic networks. Disponível em Acesso em: 10 out, 2003.
WOOLDRIDGE, M. Intelligent agents. InWeiss, G., ed., Multiagent Systems - A Modern Approach to Distributed Artificial Intelligence. The MIT Press, 1999.
Volume 2, Número 8, Setembro de 2004
Colabor@ - Revista Digital da CVA-Ricesu ISSN 1519-
WENGER, E., “ Artificial Intelligence and Tutoring Systems ”, Morgan Kaufmann Publishers, Inc., 1987.
Volume 2, Número 8, Setembro de 2004
