Artificial Intelligence Overview \’09 - Thiago Richter
Upcoming SlideShare
Loading in...5
×
 

Artificial Intelligence Overview \’09 - Thiago Richter

on

  • 809 views

An Artificial Intelligence Overview....

An Artificial Intelligence Overview.
Topics: Fuzzy Logic; Robotics; Computer Vision; Genetic Algorithms; Fuzzy Systems; Agents and Multi-Agents Systems; Artificial Neural Networks; Natural Language Processing; Data Mining; Expert Systems

Statistics

Views

Total Views
809
Views on SlideShare
808
Embed Views
1

Actions

Likes
1
Downloads
12
Comments
0

1 Embed 1

http://www.linkedin.com 1

Accessibility

Upload Details

Uploaded via as Adobe PDF

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

    Artificial Intelligence Overview \’09 - Thiago Richter Artificial Intelligence Overview \’09 - Thiago Richter Presentation Transcript

    • Inteligência Artificial Visão Geral Prof. MSc. Thiago Richter 1
    • EEP O que é IA? Definição 1: Ferramentas computacionais que buscam simular mecanismos inteligentes encontrados na natureza. Para instigar, vamos ao overview. 2
    • EEP Overview Lógica Clássica (Aristóteles) versus Lógica Nebulosa (Fuzzy) Algo familiar?? O que tem a ver a “Picanha ao Ponto” com IA?? Resp.: Muito! 3
    • EEP Overview Lógica Clássica (Aristóteles) versus Lógica Nebulosa (Fuzzy) Lógica Clássica: A velocidade é considerada Alta entre 100 e 140Km/h. 110Km/h é considerado Alta velocidade? E 99Km/h? 4
    • EEP Overview Lógica Clássica (Aristóteles) versus Lógica Nebulosa (Fuzzy) Lógica Nebulosa ou Lógica Fuzzy: Sim, Não, Mais ou Menos, Extremamente, Não Muito, etc. 5
    • EEP Overview Robótica Como devemos programar um 1G1 Robô (autônomo)? EEP BR Programação Estruturada? ‘05 Asimo 6 RoboCup
    • EEP Overview Visão Computacional Conjunto de métodos e técnicas através dos quais sistemas computacionais podem ser capazes de interpretar imagens O que é esta imagem? 7
    • EEP Overview Visão Computacional A B C? 12 13 14? Aibo 8
    • EEP AG - Funcionamento Algoritmos Genéticos Teoria da Evolução? Sim. Avaliação Determinação do grau de aptidão do indivíduo; Seleção Mais aptos para representar a solução do problema; Reprodução Cruza-se os indivíduos (normalmente os mais aptos) para gerar nova população, pode ser sexuado ou assexuado; Mutação Modifica-se aleatoriamente alguns indivíduos; Predação Introduz algum “vírus”, “predador” ou, simplesmente, “fuzila” uma parcela da população. 9
    • EEP Overview Algoritmos Genéticos Aplicações: 10
    • EEP Overview Sistemas Fuzzy Exploram as formas que o cérebro usa para o tratamento de informações qualitativas e incertas; Suportam os modos de raciocínio que são aproximados; Capazes de tratar informações vagas, aproximadas, as quais são expressas por regras lingüísticas. Consistem em aproximar a decisão computacional da decisão humana. 11
    • EEP Overview Sistemas Fuzzy Produção de Saque Entradas: Dias de Fermentação + + Mudança de Temperatura (kn ) 12
    • EEP Overview Sistemas Fuzzy Produção de Saque Regras: “Deffuzyficação”: - Aumentar ou Diminuir a Temperatura - Finalizar o Processo Resultados: 13
    • EEP Overview Agentes e Sistemas Multiagentes O que são? Entidade cognitiva, ativa e autônoma DARPA Grand Challenge Swarm bots 14
    • EEP Overview Redes Neurais Artificiais (RNA) O que são? Modelos computacionais inspirados nos mecanismos de aprendizagem do cérebro humano; E que tentam emular a forma com que o cérebro resolve problemas. Características: Aprender através de exemplos; Capacidade de se adaptar ou aprender; Capacidade de generalização; Agrupar ou organizar dados; Tolerância à Falhas; Auto-Organização. 15
    • Overview EEP Redes Neurais Artificiais (RNA) Representação do Neurônio Biológico Representação do Neurônio Artificial 16
    • EEP Overview Áreas de Aplicação: Reconhecimento de padrões Clustering/Categorização Reconhecimento de voz. Problemas de diagnóstico (médico). Reconhecimento de imagens. Compressão de dados. Reconhecimento de assinaturas, etc. Garimpagem de Dados (Data Mining). Previsão / Estimação Memórias Associativas Previsão de tempo. Recuperação de informações Análise de crédito. distorcidas. Estimação do mercado de ações. Organização de Informações ausentes. Otimização de Sistemas Aproximador Universal de Funções Problemas de otimização combinatorial. Controle de processos. Problemas de otimização não-linear. Robótica. Problemas de seqüenciamento de Problemas de modelagem científica. produção. Identificação e Estimação de Sistemas. 17
    • EEP Overview Aproximador de Funções Entradas: 1 0.9 0.8 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 0 100 200 300 400 500 600 700 800 900 segundos Saída Desejada: 1 0.9 0.8 Normalized Lambda values 0.7 0.6 0.5 0.4 0.3 0.2 0.1 0 100 200 300 400 500 600 700 800 900 seconds 18
    • EEP Overview Aproximador de Funções 1 Resultados: Target Reached 0.8 0.6 0.4 0.2 0 100 200 300 400 500 600 700 800 Seconds 1 Target 0.8 Reached Relative Mean Error (%): 0.20619 0.6 0.28 Target 0.4 0.27 Reached 0.2 0.26 0 0.25 240 260 280 300 320 340 360 380 400 420 440 Seconds 0.24 0.23 480 482 484 486 488 490 492 494 496 498 500 Seconds 19
    • EEP Overview Redes Neurais Artificiais (RNA) Robótica Autonomous walking robot under neural control Pattern Recognition Using Multi Layer Perceptron Neural Networks 20
    • EEP Overview Processamento de Linguagem Natural (PLN) ALICE 21
    • EEP Overview Data Mining Busca de Padrões Moleculares Visual Data-Mining an Image Collection 22
    • EEP Overview Sistemas Especialistas (SE) Um exemplo de SE que também envolve PLN http://www.ed.conpet.gov.br/converse.php 23