Inteligência Artificial - Anotações parte 2

Então pessoal, parte 2!!!

Olhando assim esses post's sobre AI da para pensar que as aulas são só conceitos e mais conceitos... mas eu te digo: São conceitos que são muito debatidos antes de serem adotados. É uma área que não existe fórmula pronta para nada. Há tudo para se descobrir.

O texto de hoje é bastante focado em Agentes.

Verdadeiro ou falso?

“Em alguns ambientes competitivos parcialmente observáveis, o comportamento estocástico é racional, porque pode evitar armadilhas da percebilidade”

( ) Verdadeiro

( ) Falso


Lembrar: sempre que falar em agente tem que avaliar o PEAS!

Ambiente – Aonde o software está inserido, o que ele vai ter que analisar, o “modelo de mundo” (através do histórico de percepções construir um modelo)

Sensor – Entrada do ambiente para o agente.

Atuador – A saída do agente, através deles o agente age no ambiente.

Percepção – O conjunto de informações vindas dos sensores em um dado instante.

Sequência de percepções ou histórico de percepções – Ajuda quando o ambiente não é completamente observável.

Função de agente - A unidade de processamento do agente. A principal função do agente.

Agente racional - “praticamente igual ao agente”, mas o humano nem sempre é racional. Se o agente analisa de forma racional.

Sucesso – Atingiu o objetivo ou tem algum grau de utilidade.

Medidas de desempenho – Como medir se o agente está tendo sucesso ou não?

Racionalidade – Sempre frente a alguns parâmetros.

Agente autônomo – Tem que já ter experiência, ou inserida pelo programador ou vinda do ambiente através das sequências de percepções.

Ambiente de tarefa = ambiente

Observacionalidade – Todo ou parcialmente observável.

Determinismo – A situação do ambiente depende apenas do agora, o contrário do estocástico.

Dinamismo – Se é estocástico ou dinâmico. Enquanto o agente “pensa” o ambiente continua mudando.

Multiagente – No mesmo ambiente ter mais de um agente agindo.

Agentes cooperativos – Juntos venceremos! Esquema ganha-ganha.

Agentes competitivos – A ação de um afasta o outro do seu objetivo. Esquema ganha-perde.

Agentes estratégicos – Dependendo da situação age de uma ou outra forma. Nesse caso é preciso implementar comunicação entre os agentes.

Agente reativo simples – Simples mapeamento causa-efeito;

Agente baseado em objetivos – O agente tem que ter as informações de quais são seus objetivos e planejar a ação que aproxima do objetivo, tem que ser capaz de prever os estados futuros em função da decisão para o próximo estado.

Agente baseado em utilidade – Quando existem objetivos conflitantes (velocidade x segurança), qual estado é mais útil para atingir o objetivo? Cada estado tem um grau de utilidade diante do resultado. Cada fator (velocidade, segurança, tempo...) tem que ter um peso diante do geral.

Modelo de mundo – Abstração que o agente faz do ambiente.

Inteligência artificial forte – É a corrente da IA que acredita que pode ser reproduzido um organismo vivo fielmente. Entendem que um organismo é suas entradas (todos os sentidos) + seu seu acúmulo de informações ao longo da vida. Acreditam que para termos sistemas realmente inteligentes só precisamos mesmo é de mais processamento, a questão é hardware, e sendo assim “dentro de alguns anos chegaremos lá”.

Inteligência artificial fraca – Acreditam que a mente não é só o acúmulo de percepções sensoriais. O sistema artificial SEMPRE terá limitações. Nunca se chegará a autoconsciência!


Sistemas tutores inteligentes (STI's)

São sistemas, softwares aplicados ao ensino que o tentam melhorar através do uso de paradigmas de IA. Tentam fazer uma adequação do conteúdo ao individual da pessoa.

Micromundo – Um mundo abstraído, para ser mais fácil de entender”

Os STI vão no conceito de participação ATIVA do estudante, abordagem cooperativa.

CAI – A idéia é treinar, repetir até entender através de uma versão estática de um conhecimento extraído de especialistas, tem muita estratégica pedagógica envolvida. São os sistemas tutores tradicionais.

Nos STI como o conteúdo é adaptado ao usuário, tem-se que fazer avaliação de como ele está “consumindo” o conteúdo.



Processamento de linguagem natural

Um dos maiores desafios a superar em sistemas inteligentes é sua limitação a áreas muito pequenas, a dificuldade é embutir senso comum, para isso é preciso um dicionário de sinônimos!

Domínio – Uma área do conhecimento.

Taxonomia – Como classificar as coisas? Como organizar o conhecimento para que ele possa ser sistematicamente útil?

Ontologia – Como REPRESENTAR o conhecimento de forma individual. “Limitações da minha linguagem, limitações do meu mundo”. Em livros estrangeiros tratado como “ontology” - Classificar, entender, dar semântica para as coisas. Ontologia para o domínio do conhecimento”, isso porque para áreas de conhecimento diferentes podem requerer outra ontologia.



Para ajudar mais.. esses slides eu acho muito bons!

Por hoje é só pessoal
2009-10-14 11:35:00
Este é o antigo Live Helton

Então, português é minha língua mãe, eu não tenho tanto a aprender quanto nos demais idiomas, assim este blog não discute aprendizado do idioma, e sim tópicos randômicos de interesse do dia a dia. Tecnologia, desenvolvimento, um pouco de reflexão crítica, enfim, uma bagunça bem como nossa mente é.
RSS Feed
"A vida é curta demais para ser pequena / The live is so short to be small / Das leben zu kurz sind für kleine sein". (Benjamin Disraeli)