Click here to load reader

DSC/CCT/UFC G Inteligência Artificial I Aprendizagem (Parte I) Prof. a Joseana Macêdo Fechine Prof. a Joseana Macêdo Fechine [email protected] [email protected]

  • View
    216

  • Download
    0

Embed Size (px)

Text of DSC/CCT/UFC G Inteligência Artificial I Aprendizagem (Parte I) Prof. a Joseana Macêdo...

  • Inteligncia Artificial I

    Aprendizagem (Parte I)

    Prof.a Joseana Macdo Fechine [email protected]

    Carga Horria: 60 horas

    Universidade Federal de Campina GrandeDepartamento de Sistemas e Computao Curso de Bacharelado em Cincia da Computao

  • AprendizagemTpicos

    Aprendizagem Conceitos Bsicos

  • AprendizagemAprendizagem o processo pelo qual uma entidade adquire conhecimento. Rich, 1983.

    Aprendizagem uma forma de inferncia que objetiva comear com informaes sobre o domnio e ento, estend-las de alguma forma. Ginsberg, 1993.

    Para Russel e Norvig: "Aprender significa se comportar melhor ao adquirir experincia. Todo aprendizado aprende a representao de uma funo."

  • AprendizagemProcessos

    aquisio de novos conhecimentos;desenvolvimento de tcnicas motoras e cognitivas por meio de instruo ou prtica;generalizao de conhecimentos adquiridos;representao do conhecimento;descoberta de novos fatos/teorias.

  • AprendizagemObjetivos

    eliminao do elemento humano no processo de aquisio de conhecimento;desenvolvimento de teorias gerais de aprendizagem;ensino assistido por computador.

  • Agente de aprendizagemElemento de desempenho: decide que aes executar.

    Elemento de aprendizagem: modifica o elemento de desempenho para que este tome decises melhores.

    O projeto afetado por trs questes importantes:Os componentes que devem ser aprendidos;A realimentao que estar disponvel para aprender esses componentes;A representao que ser usada para os componentes.

  • AprendizagemAprendizagem (realimentao - feedback):

    Aprendizagem supervisionada

    Aprendizagem no supervisionada

    Aprendizagem por reforo

  • AprendizagemAprendizagem Supervisionada:

    Ocorre nas situaes em que possvel perceber tanto as entradas como as sadas;Freqentemente as sadas so fornecidas por um supervisor(especialista) humano;Envolve aprendizagem de uma funo a partir de exemplos de suas entradas e sadas.

    Aprendizagem No-Supervisionada:

    Envolve a aprendizagem de padres na entrada, quando no so fornecidos valores de sada especficos.

    Aprendizagem por Reforo:

    O agente deve aprender a partir do reforo (recompensa).

  • AprendizagemTipos Segundo Ginsberg(1993), aprendizagem pode ser dividida em:

    Aprendizagem por Descoberta;Aprendizagem por Generalizao;Aprendizagem Dedutiva;Aprendizagem Indutiva

  • AprendizagemPor Descoberta: uma forma restrita de aprendizado em que uma entidade adquire conhecimento, sem o auxlio de algum que j o possua.

    Exemplos de Sistemas computacionais de descoberta

    AM - sistema para modelagem de aspectos da pesquisa em Matemtica Elementar, descobrindo novos conceitos guiado por uma grande gama de heursticas;

    BACON modelo de descoberta dirigida por dados;

    GLAUBER sistema para descoberta de leis qualitativas em Qumica;

    BOOLE gera conhecimentos cientficos simbolizveis.

  • Aprendizagem Dedutiva: Aprendizagem de novas informaes que so conseqncias vlidas de algo j conhecido.

    Aprendizagem Indutiva: Inferncia indutiva de fatos providos por um professor ou ambiente.O estudo e modelagem desta forma de aprendizagem um dos tpicos centrais de aprendizagem de mquina.Em aprendizagem indutiva, um programa aprende a classificar objetos baseados nos rtulos que lhe so apresentados.Deve tentar recuperar a funo desconhecida ou uma aproximao.

    Aprendizagem

  • Aprendizagem indutivaDada uma coleo de exemplos de f, retornar uma funo h que se aproxime de f.

    A funo h chamada hiptese

    No fcil saber se uma h especfica uma boa aproximao de f

    Uma boa h ir generalizar bem prever corretamente exemplos ainda no vistos

    Esse o problema fundamental da induo

  • Aprendizagem IndutivaAtividade de um agente = funo f (percepo) ao

    Idia: aprender, a partir de exemplos (x,f(x)), representao de uma funo h que aproxima f

    Mtodosredes neurais, algoritmos genticos, etc.

  • Aprendizagem IndutivaExemplo: Ajustar uma funo de uma nica varivel a alguns pontos de dadosExemplos so pares (x, f(x)) de nmeros reais

  • Aprendizagem IndutivaExemplo:

  • Aprendizagem IndutivaExemplo:

  • Aprendizagem IndutivaExemplo:

  • Aprendizagem IndutivaExemplo:

    A verdadeira f desconhecida, mas existem muitas opes para h. Sem contar com mais conhecimento, no h razo que nos faa preferir uma das opes.

  • Aprendizagem Indutiva - Estratgia de controle

    Botton-up (dirigido a dados) - processam os eventos de entrada um de cada vez, generalizando gradualmente o conjunto corrente de descries at que uma generalizao conjuntiva seja computada;Direo: bottom-up (especfico geral)

    Top-down (dirigida a modelo) - conjunto de possveis generalizaes na tentativa de encontrar as melhores hipteses que satisfaam certos requerimentos; Direo: top-down (geral especfico)

    MistaAprendizagem

  • Questes: on-line x off-lineAprender de uma vez ou aos poucos?

    Incremental (on-line): atualiza hiptese a cada novo exemplomais flexvel, ... pormordem de apresentao importante (backtracking) difcil revisar as crenas

    no incremental (off-line): gera h a partir de todo conjunto de exemplosmais eficiente e prticamais usado!

  • Modelo do Agente Aprendiz (on-line)tsensoresefetuadoresAgenteGerador de problemascrticoelemento de aprendizagemavaliaoobjetivos de aprendizagemelemento atortrocasconhecimentoa m b i e n t et + 1

  • Modelo do Agente Aprendiz (off-line)

  • Por que a aprendizagem funciona? quase certo que qualquer hiptese que esteja seriamente errada ser "desmascarada" com alta probabilidade aps um pequeno nmero de exemplos, por que far uma previso incorreta. Desse modo, qualquer hiptese que seja consistente com um conjunto bastante grande de exemplos de treinamento ter pouca probabilidade de estar seriamente errada: isto , ela deve estar provavelmente aproximadamente correta (aprendizagem PAC).

    Para tanto, os conjuntos de treinamento e teste devem ser extrados ao acaso e de forma independente da populao de exemplos com a mesma distribuio de probabilidade - suposio de hiptese de estacionariedade.

    (Russel e Norvig)

Search related