• Share
  • Email
  • Embed
  • Like
  • Save
  • Private Content
Inteligência artificial para sistemas colaborativos
 

Inteligência artificial para sistemas colaborativos

on

  • 1,057 views

Seminário sobre inteligência artificial para sistemas colaborativos

Seminário sobre inteligência artificial para sistemas colaborativos
Aula ministrada no Programa de Pós-Graduação em Informática da UFRJ - PPGI/UFRJ

Statistics

Views

Total Views
1,057
Views on SlideShare
1,057
Embed Views
0

Actions

Likes
1
Downloads
12
Comments
0

0 Embeds 0

No embeds

Accessibility

Categories

Upload Details

Uploaded via as OpenOffice

Usage Rights

© All Rights Reserved

Report content

Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
  • Full Name Full Name Comment goes here.
    Are you sure you want to
    Your message goes here
    Processing…
Post Comment
Edit your comment

    Inteligência artificial para sistemas colaborativos Inteligência artificial para sistemas colaborativos Presentation Transcript

    • Inteligência Artificial paraSistemas ColaborativosRodrigo Padula de Oliveira@rodrigopadulahttp://www.rodrigopadula.com
    • Conceito de Inteligência ArtificialA Inteligência Artificial(IA) é uma área depesquisa da ciência da computação dedicada abuscar métodos ou dispositivoscomputacionais que possuam ou multipliquema capacidade racional do ser humano deresolver problemas, pensar ou, de formaampla, ser inteligente.
    • História da Inteligência Artifcial
    • Construção do Conhecimento eCooperaçãoA vida social transforma a inteligência do ser. Através da linguagem,do conteúdo das permutas (valores intelectuais) e pelas regras impostas aopensamento (normas coletivas, lógicas ou pré-lógicas). A inteligênciahumana desenvolve, desde a sua origem, a capacidade de agirvoluntariamente, controlando o meio físico, é tanto uma resultante quantouma componente deste processo. Para que possa ocorrer construção deconhecimentos nos sujeitos em um ambiente qualquer, seja este educacionalou não, é necessário que exista interação entre eles. Além disso, oambiente deve propiciar a confrontação de pontos de vistadivergentes, a existência de concepções diferentes a respeito de umamesma situação ou tarefa. Assim, é possível produzir conflitos socio-cognitivos, mobilizando e forçando reestruturações intelectuais e, comisso, o progresso intelectual. Mas isso depende de um fator de sumaimportância, que é o tipo de relação ou interação que irá ocorrer entre ossujeitos.
    • Aplicações Diversas
    • Pensando grande
    • Outras aplicações
    • Sensores
    • O futuro da robótica e IA
    • Técnicas de Inteligência ArtificialOntologia: Em Ciência da Computação, Sistemas de Informaçãoe Ciência da Informação, uma ontologia é um modelo de dados querepresenta um conjunto de conceitos dentro de um domínio e osrelacionamentos entre estes. Uma ontologia é utilizada para realizarinferência sobre os objetos do domínio.
    • Mineração de Dados: Prospecção de dados (português europeu) ou mineração de dados (português brasileiro)(também conhecida pelo termo inglês data mining) é o processo deexplorar grandes quantidades de dados à procura de padrõesconsistentes, como regras de associação ou sequências temporais,para detectar relacionamentos sistemáticos entre variáveis, detectandoassim novos subconjuntos de dados.
    • Processo de Extração do ConhecimentoO processo de Extração do Conhecimento é composto por cinco etapas:Seleção: etapa de escolha da base de dados a ser analisada.Pré-processamento: etapa de “limpeza” dos dados, ou seja, reduzir discrepânciasde valores ruidores e corrigir inconsistências.Transformação: transformação de dados, estes são modificados ou transformadosem formatos apropriados à mineração, que pode por agregação, generalização,normalização, construção de atributos ou redução de dados.Mineração de dados: etapa de utilização de técnicas de algoritmos. É nesta etapaque os testes realizados com o Weka são obtidos.
    • Aplicações de Data Mining• Vendas no varejo• Comércio Eletrônico• Sistemas de recomendação• Pesquisas Genéticas• Sistemas de segurança• Sistemas de operadoras de Cartões de Crédito• Mercado financeiro (bolsa de valores)
    • Redes NeuraisRedes neuronais ou redes neurais (mais propriamente, redesneuronais artificiais) são sistemas computacionais estruturadosnuma aproximação à computação baseada em ligações. Nós simples(ou neurões, neurônios, processadores ou unidades) são interligadospara formar uma rede de nós - daí o termo rede neuronal. A inspiraçãooriginal para essa técnica advém do exame das estruturas do cérebroem particular do exame de neurônios.
    • Redes Neurais
    • Processos de Aprendizagem deuma Rede NeuralA propriedade mais importante das redes neurais é a habilidadede aprender de seu ambiente e com isso melhorar seudesempenho. O aprendizado ocorre quando a rede neural atingeuma solução generalizada para uma classe de problemas.
    • Machine Learning
    • Paradigmas de aprendizagem das RedesNeurais:1- Por independência de quem aprende As Redes Neurais Artificiais aprendem por memorização, contato,exemplos, por analogia, por exploração e também por descoberta.2. Por retroação do mundo Diz repeito a ausência ou presença de realimentação explícita domundo exterior, ou seja, que em certos intervalos de tempo um agenteassinala acertos e erros. 2.1 Aprendizado Supervisionado: utiliza um agente externo queindica à rede um comportamento bom ou ruim de acordo com o padrãode entrada 2.2 Aprendizado Não Supervisionado (auto-organização): não utilizaum agente externo indicando a resposta desejada para os padrões deentrada, utiliza-se entretanto, exemplos de coisas semelhantes para quea rede responda de maneira semelhante.
    • 3. Por Finalidade do Aprendizado 3.1 Auto-associador: é apresentada à rede uma coleção deexemplos para que ela memorize. Quando se apresenta um doselementos da coleção de exemplos mas de modo errôneo, a rededeve mostrar o exemplo original, funcionando assim como umfiltro. 3.2 Hetero-associador: é uma variação do Auto-associador,mas que se memoriza um conjunto de pares. O sistema aprende areproduzir o segundo elemento do par mesmo que o primeiroesteja pouco modificado, funcionando desta maneira como umreconhecedor de padrões.
    • Sistemas EspecialistasSistemas especialistas são programas que têm como objetivo simularo raciocínio de um profissional “expert” em alguma área deconhecimento bem específica. Por exemplo, um sistema especialistaem “câncer de mama” (área específica da medicina) perguntaria certosdados ao usuário e forneceria um diagnóstico acrescido de umaconselhamento profissional sobre o que seria o melhor a fazer nessecaso informado.
    • Exemplo
    • Agentes e sistemas multiagentesA modelagem baseada em agentes é uma técnica de modelagemextremamente rica que permite lidar com sistemas complexos a partirde suas unidades constituintes e identificar propriedades emergentesresultantes das interações entre estas. Algumas situações sãoparticularmente úteis para utilização desta técnica: quando lidamoscom uma população heterogênea em que cada indivíduo é(potencialmente) diferente; quando os agentes apresentamcomportamento complexo, incluindo aprendizagem e adaptação;quando a interação entre os agentes é complexa; quando o espaço écrucial e o posicionamento dos agentes não é fixo. (Bonabeau, 2002)
    • Modelagem baseada em agentes• Na modelagem baseada em agentes, consideramos como “agente” qualquer elemento para o qual desejamos atribuir um comportamento.• Nesse tipo de modelagem os agentes possuem: representação interna dos dados (memória ou estágio); meios para modificar suas representações internas (percepções); e meios para modificar seu ambiente (comportamento).
    • Sistemas AutonômicosOs sistemas autonômicos escondem a sua complexidade eoferecem ao usuário uma interface que atende somente assuas necessidades. Os administradores são responsáveisapenas por decisões de alto-nível como definição depolíticas e objetivos. A denominação autonômica vem dofato de que os dispositivos e softwares presentes na ACoperam por conta própria. Outra característica dossistemas autonômicos é a sua otimização constante paragarantir a prestação de melhores serviços, se adequar aoambiente que está inserido e reduzir problemasrelacionados a complexidade das redes (MAIA, 2006).
    • Inteligência Artificial Aplicada aSistemas Colaborativos
    • Técnica de Apoio a Comunicação• Sensemaking ( apoio para entendimento e organização de informações)• Ontologias de domínios para identificação de assuntos tratados em mensagens.
    • Técnica de Apoio a Coordenação• Uso da IA para resolução de conflitos em trabalhos colaborativos (controle de conflitos através de sistemas especialistas e ou agentes)• Mapeamento de competências, definição de papéis e sistemas de recomendação profissional.
    • Perguntas????