Inteligencia Artificial

No exemplo do aspirador existe um problema na ação dele em uma situação específica que resultará em ações desnecessárias.Identifique qual a situação problemática e sugira uma maneira para corrigir através da adição ou remoção de ações.
R.: A situação problemática ocorre quando os lados A e B estiverem limpos. Neste caso, o aspirador ficará se movimentando da esquerda para a direita indefinidamente sem razão. Uma solução possível seria adicionar uma ação de verificação de A enquanto o aspirador estiver em B e de B enquanto o aspirador estiver em A. Com base nessas ações, deve-se ainda adicionar uma ação de parada para quando o aspirador perceber que os dois lados estiverem limpos.
Outra classificação comum dos agentes computacionais é de acordo com suas propriedades, conforme descrito na Tabela 3. Por exemplo, um agente é classificado como autônomo quando consegue tomar decisões para o cumprimento de seu objetivo sem a interferência do usuário final, e confiável quando suas informações são verídicas e suas ações em conformidade com o que foi pré-definido.

Considerando as definições de tipo de ambiente vistas nesta seção, cite um jogo de videogame ou computador que você conheça e classifique-o de acordo com os critérios mostrados na Tabela 4.
R.: O jogo de videogame Super Mário Bros, por exemplo. Ele é completamente observável, determinístico, dinâmico, contínuo e de agente único.

Considerando as definições de tipo de ambiente vistas nesta seção, cite um jogo de videogame ou computador que você conheça e classifique-o de acordo com os critérios mostrados na Tabela 4.
R.: O jogo de videogame Super Mário Bros, por exemplo. Ele não é completamente observável, é dinâmico, contínuo e de agente múltiplo.

Diferenças entre as redes semânticas e os quadros: As redes semânticas demonstram o relacionamento entre entidades e conceitos individuais, sendo mais granuladas e exigindo maior elementos para representar determinado cenário. Por exemplo, a definição de um animal como mamífero ou réptil. Os quadros permitem representar o relacionamento
entre entidades e conceitos de forma menos granulada, onde uma entidade possui atributos e ações dentro dela e os relacionamentos ocorrem somente com entidades externas. O mesmo exemplo da definição de um animal como mamífero ou réptil teria uma representação mais simples através de quadros do que através de redes semânticas.

Diferenças entre os quadros e redes semânticas: Os Quadros demonstram o relacionamento entre entidades e conceitos individuais, sendo mais granuladas e exigindo maior elementos para representar determinado cenário. Por exemplo, a definição de um animal como mamífero ou réptil. As redes semânticas permitem representar o relacionamento entre entidades e conceitos de forma menos granulada, onde uma entidade possui atributos e ações dentro dela e os relacionamentos ocorrem somente com entidades externas. O mesmo exemplo da definição de um animal como mamífero ou réptil teria uma representação mais simples através de quadros do que através de redes semânticas.

Considerando um jogo de dardos, no qual o objetivo é atirar o dardo o mais próximo possível do centro do alvo, classifique esse jogo de acordo com os seguintes critérios, justificando:
Completamente ou parcialmente observável. Determinístico ou estocástico. Discreto ou contínuo.
R.: O jogo de dardos é completamente observável, pois não exige conhecimento do que aconteceu nos arremessos anteriores para o arremesso do próximo dardo. Ele é estocástico, pois não podemos garantir que dois arremessos atinjam exatamente o mesmo local no alvo. Finalmente, ele é contínuo, pois não é possível determinar o número exato de estados possíveis.

Considerando um jogo de dardos, no qual o objetivo é atirar o dardo o mais próximo possível do centro do alvo, classifique esse jogo de acordo com os seguintes critérios, justificando:
Completamente ou parcialmente observável. Determinístico ou estocástico. Discreto ou contínuo.
R.: O jogo de dardos é parcialmente observável, pois exige conhecimento do que aconteceu nos arremessos anteriores para o arremesso do próximo dardo. Ele é determinístico, pois não podemos garantir que dois arremessos atinjam exatamente o mesmo local no alvo. Finalmente, ele é fixo, pois é possível determinar o número exato de estados possíveis.

Classifique um robô que faz parte de um time que joga futebol de robôs de acordo com os seguintes critérios e justifique:
R.: O robô é completamente observável, pois não exige conhecimento do que aconteceu nas jogadas anteriores para o planejamento da próxima jogada.
Ele é estocástico, pois é impossível prever exatamente onde um chute levará a bola; e contínuo, pois não é possível determinar o número exato de estados possíveis.

Classifique um robô que faz parte de um time que joga futebol de robôs de acordo com os seguintes critérios e justifique:
R.: O robô é parcialmente observável, pois exige conhecimento do que aconteceu nas jogadas anteriores para o planejamento da próxima jogada.
Ele é determinístico, pois é possível prever exatamente onde um chute levará a bola; e fixo, pois é possível determinar o número exato de estados possíveis.

Existem dois métodos para encadeamento nos SE, sendo que cada um é mais adequado a algumas situações específicas. Diferencie conceitualmente os dois tipos de encadeamento, exemplificando as melhores situações para cada um deles.
R.: Encadeamento progressivo: O raciocínio é feito para frente, ou seja, parte das premissas em sentido a uma conclusão. Como exemplo, podemos citar um sistema especialista para help desk.
Encadeamento regressivo: O raciocínio é feito para trás, ou seja, parte de uma conclusão para então validar premissas. Como exemplo, podemos citar um sistema especialista de diagnóstico médico.

Existem dois métodos para encadeamento nos SE, sendo que cada um é mais adequado a algumas situações específicas. Diferencie conceitualmente os dois tipos de encadeamento, exemplificando as melhores situações para cada um deles.
R.: Encadeamento progressivo: O raciocínio é feito em progresso, ou seja, parte das premissas em sentido a uma conclusão. Como exemplo, podemos citar um sistema especialista para help desk.
Encadeamento regressivo: O raciocínio é feito para o princípio, ou seja, parte de uma conclusão para então validar premissas. Como exemplo, podemos citar um sistema especialista de diagnóstico médico.

Disserte sobre as técnicas de IA abaixo, citando exemplos de aplicação para cada uma delas:
• Sistemas Especialistas.
• Sistemas Especialistas de Lógica Difusa.
• Sistemas Especialistas Probabilísticos.
R.: Os sistemas especialistas utilizam o conhecimento de um especialista na forma de regras e fatos para a resolução de problemas onde se tem certeza das informações. Um exemplo seria um sistema para help desk de usuários.
Os sistemas de lógica difusa utilizam praticamente o mesmo princípio dos sistemas especialistas, com a exceção de que as informações podem ser menos “binárias”, ou seja, menos em termos de verdadeiro ou falso. Por esse princípio, podemos concluir que a lógica fuzzy permite uma representação mais precisa do mundo em que vivemos. Um exemplo seria um sistema para
controle de freios abs em automóveis.
Os sistemas especialistas probabilísticos utilizam a probabilidade de ocorrência de eventos e a influência que estes terão em eventos futuros. São apropriados para situações nas quais dados estatísticos sejam conhecidos, por exemplo, sistemas de diagnóstico médico.

Disserte sobre as técnicas de IA abaixo, citando exemplos de aplicação para cada uma delas:
• Sistemas Especialistas.
• Sistemas Especialistas de Lógica Difusa.
• Sistemas Especialistas Probabilísticos.
R.: Os sistemas especialistas utilizam o conhecimento de um especialista na forma de regras e fatos para a resolução de problemas onde se tem certeza das informações. Um exemplo seria um sistema para help desk de usuários.
Os sistemas probabilísticos utilizam praticamente o mesmo princípio dos sistemas especialistas, com a exceção de que as informações podem ser menos “binárias”, ou seja, menos em termos de verdadeiro ou falso. Por esse princípio, podemos concluir que a lógica fuzzy permite uma representação mais precisa do mundo em que vivemos. Um exemplo seria um sistema para
controle de freios abs em automóveis.
Os sistemas especialistas de lógica difusa utilizam a ocorrência de eventos e a influência que estes terão em eventos futuros. São apropriados para situações nas quais dados estatísticos sejam conhecidos, por exemplo, sistemas de diagnóstico médico.

Os Sistemas Especialistas são programas computacionais que utilizam a Inteligência Artificial para solucionar problemas muito complexos que requerem os conhecimentos de especialistas humanos no domínio no quais eles serão implementados.

Os Sistemas Especialistas são programas computacionais que utilizam a Inteligência Artificial para solucionar problemas pouco complexos que requerem os conhecimentos de humanos no domínio no quais eles serão implementados.

Atualmente a IA é subdividia em três ramos: o “Processamento da Linguagem Natural”, que estuda o desenvolvimento de programas que leiam, falem ou entendam a linguagem que as pessoas falam no diariamente; o “Desenvolvimento de Robôs Inteligentes”, para este ramo interessa como desenvolver programas visuais e táteis, que permitam aos robôs observar as continuas alterações que se sucedem em um ambiente e o último ramo e o de aplicação mais comercial, os “Sistemas Especialistas”, programas que usam o conhecimento simbólico para simular o comportamento dos especialistas humanos.

Sistema Especialista (SE) “ é um programa inteligente de computador que usa conhecimentos e procedimentos inferenciais, para resolver problemas muito complexos, de forma a requererem para sua resolução muita perícia humana”. O conhecimento que os SE’s necessitam para solucionarem esses problemas é emulado através de uma substancial base de conhecimentos domínio da aplicação (área de interesse específico no mundo real, na qual é requerido o conhecimento de um especialista humano para resolução de problemas), também são utilizados um ou mais mecanismos de raciocínio, para aplicar todo esse conhecimento armazenado aos problemas.

Para que um sistema seja considerado especialista, segundo Farreny(1985), alguns componentes são essenciais para sua caracterização, são eles:

· Uma Linguagem de expressão dos conhecimentos fornecidos pelos especialistas
· Uma Base de Conhecimentos, para armazenar o conhecimento específico de uma determinada aplicação, que pode ser diretamente fornecida por um especialista ou acumulado pelo sistema ao fim dos experimentos
· Um Motor de Inferência, programa relativamente geral que explora que explora o conhecimento da base precedente, considerando-a como fonte como fonte de informações (Assim, suscetível a mudanças).

Classificação para os diversos tipos de sistemas especialistas: Abaixo segue uma classificação baseada na funcionalidade dos sistemas:

· Interpretação - sistemas que inferem descrições de situações à partir da observação de fatos fazendo uma análise de dados e procurando determinar as relações e seus significados.
· Diagnósticos - sistemas que detectam falhas oriundas da interpretação de dados.
· Monitoramento - interpreta as observações de sinais sobre o comportamento monitorado.
· Predição - a partir de uma modelagem de dados do passado e do presente, este sistema permite uma determinada previsão do futuro.
· Planejamento - o sistema prepara um programa de iniciativas a serem tomadas para se atingir um determinado objetivo.
· Projeto - sistema capaz de justificar a alternativa tomada para o projeto final, e de fazer uso dessa justificativa para alternativas futuras.
· Depuração - trata-se de sistemas que possuem mecanismos para fornecerem soluções para o mau funcionamento provocado por distorções de dados.
· Reparo – o sistema desenvolve e executa planos para administrar os reparos verificados na etapa de diagnóstico.
· Instrução - o sistema de instrução tem um mecanismos para verificar e corrigir o comportamento do aprendizado dos estudantes.
· Controle - sistema que governa o comportamento geral de outros sistemas (não apenas de computação). É o mais completo, de um modo geral, pois deve interpretar os fatos de uma situação atual, verificando os dados passados e fazendo uma predição do futuro. Apresenta os diagnósticos de possíveis problemas, formulando um plano ótimo para sua correção. Este plano de correção é executado e monitorado para que o objetivo seja alcançado.

Representando o conhecimento através de regras de produção
As principais vantagens de se utilizar a técnica baseada em regras de produção são:
· Modularidade: cada regra, por si mesma, pode ser considerada como uma peça de conhecimento independente;
· Facilidade de edição (uma conseqüência da modularidade): novas regras po­dem ser acrescentadas e antigas podem ser modificadas com relativa indepen­dência;
· Transparência do sistema: garante maior legibilidade da base de conhecimentos.

O motor de inferência é um elemento essencial para a existência de um sistema especialista. É o núcleo do sistema. É por intermédio dele que os fatos e regras e heurística que compõem a base de conhecimento são aplicados no processo de resolução do problema.
A capacidade do motor de inferência é baseada em uma combinação de procedimentos de raciocínios que se processam de forma regressiva e progressiva.

O motor de inferência é um elemento essencial para a existência de um sistema especialista. É o sistema todo. É por intermédio dele que os fatos e regras e heurística que compõem a base de conhecimento são inseridos no processo de organização do problema.
A capacidade do motor de inferência é baseada em uma combinação de procedimentos de raciocínios que se processam de forma regressiva e progressiva.

Na forma de raciocínio progressivo, as informações são fornecidas ao sistema pelo usuário, que com suas respostas, estimulam o desencadeamento do processo de busca, navegando através da base de conhecimento, procurando pelos fatos, regras e heurísticas que melhor se aplicam a cada situação. O sistema continua nesta interação com o usuário, até encontrar a solução para o problema a ele submetido.

No modelo de raciocínio regressivo, os procedimentos de inferência dão- se de forma inversa. O sistema parte de uma opinião conclusiva sobre o assunto, podendo ser inclusive oriunda do próprio usuário, e inicia uma pesquisa pelas informações por meio das regras e fatos da base de conhecimento, procurando provar se aquela conclusão é a mais adequada solução para o problema analisado.

No modelo de raciocínio progressivo, os procedimentos de inferência dão- se de forma inversa. O sistema parte de uma opinião conclusiva sobre o assunto, podendo ser inclusive oriunda do próprio usuário, e inicia uma pesquisa pelas informações por meio das regras e fatos da base de conhecimento, procurando provar se aquela conclusão é a mais adequada solução para o problema analisado.

Árvores de Decisão: É a maneira mais comum de se representar o conhecimento em IA. Uma árvore possui vários nós, e de cada nó podem sair ramos que levam a outros nós. O programa vai percorrer esses caminhos, e ao encontrar a solução, retorna ao usuário a resposta encontrada e/ou o procedimento utilizado para encontrá-la. Árvores de decisão são muito utilizadas para descrever linhas de comportamento, e também para percorrer todas as opções possíveis de raciocínio a partir de um problema proposto. Para percorrer uma árvore, podem ser utilizados diversos processos de busca.

Profundidade X Largura. A busca em Profundidade escolhe um caminho na árvore de decisão e o percorre até o fim deste, enquanto a busca por Largura vai testando gradativamente cada possibilidade, sem se aprofundar demais em cada um dos caminhos.
Busca Heurística. Analisa logicamente os dados do problema de forma a escolher qual o caminho mais provável de se encontrar a solução.
Estratégias de Controle. Métodos mais avançados que vão interagir heurísticas com buscas gradativas em largura e profundidade, procurando a maneira mais rápida e segura para resolver o problema.

Profundidade X Largura. A busca em Profundidade escolhe um caminho na árvore de decisão e o percorre até o fim deste, enquanto a busca por Largura vai testando gradativamente cada possibilidade, sem se aprofundar demais em cada um dos caminhos.
Estratégias de Controle. Analisa logicamente os dados do problema de forma a escolher qual o caminho mais provável de se encontrar a solução.
Busca Heurística. Método mais avançado com buscas gradativas em largura e profundidade, procurando a maneira mais rápida e segura para resolver o problema.

Agentes: Em IA, costuma-se definir como Agentes as diversas entidades que participam do processo de execução do programa. Normalmente, cada agente é um bloco de código independente no programa, embora também costumem ser considerados agentes os usuários, máquinas e computadores agregados ao programa.

Redes Neurais: São programas em que o raciocínio funciona de maneira paralela entre diversos agentes (que seriam como “neurônios”). Esses programas têm como característica marcante a capacidade de reconhecer padrões em um certo conjunto de entradas de dados, portanto são muito usados em programas de aprendizagem e de reconhecimento de padrões sensitivos e de dados.