Inteligência Artificial Desenvolvimento da História e

História e Desenvolvimento da Inteligência ArtificialJose Ricardo da Silva [email protected]

http://www.josericardo-junior.com

mailto:[email protected]

http://www.josericardo-junior.com/

Perfil

•Professor Instituto Federal do Rio de Janeiro (Eng. Paulo de Frontin)

•Áreas de pesquisa envolvendo HPC, Inteligência Artificial, Rendering e Jogos

Jose Ricardo da Silva Junior História e Desenvolvimento da Inteligência Artificial 2

Projetos


Pula Carrapato - Jogo educativo para conscientização da Febre Maculosa BinG - Balanceamento Automático

em Jogos usando Proveniência (IFRJ)

Estação Brincar: Jogo de RA para auxílio no desenvolvimento cognitivo de crianças com

Espectro Autista

Jogo de simulação da transmissão da COVID-19

Agenda

Conceitos Histórico Áreas da Inteligência Artificial

Futuro

História e Desenvolvimento da Inteligência Artificial 4Jose Ricardo da Silva Junior

Inteligência

•O que é inteligência?• Difícil definição• Fácil identificar comportamento inteligente

•Até mesmo psicólogos divergem na definição• Teorias factuais (fatos que constituem a inteligência)• Teorias orientada a processos (processos que envolvem atividades

intelectuais)


Inteligência

•O pensamento dominante na psicologia define inteligência não como uma habilidade singular ou um processo cognitivo mas um conjunto de componentes separados

Inteligência

Raciocínio

Aprendizado Percepção

Resolução de Problemas

Inteligência Linguística


Inteligência Artificial

• “Ciência e engenharia de tornar máquinas inteligentes” (McCarthy)

• Estabelecida como uma disciplina acadêmica em 1950

• Tem como objetivo o desenvolvimento de funções associadas com a inteligência humana• Racionalizar• Aprender• Resolver problemas

Fonte: https://www.tutorialspoint.com/artificial_intelligence/artificial_intelligence_overview.htm


Alan Turing

•Considerado o pai da computação

•Responsável pela Máquina de Turing, lógica do algoritmo e de toda a computação moderna

• Foi responsável por desvendar o código militar alemão na 2a guerra mundial

• Já antevia, em 1950, que máquinas alcançariam o desempenho do cérebro humano e propôs o Jogo da Imitação[1]

Fonte: https://revistagalileu.globo.com/Cultura/noticia/2018/06/17-fatos-e-curiosidades-sobre-vida-do-alan-turing.html


Fonte: https://searchenterpriseai.techtarget.com/definition/Turing-testHistória e Desenvolvimento da Inteligência Artificial 9Jose Ricardo da Silva Junior

Fonte: https://towardsdatascience.com/what-is-artificial-intelligence-all-about-anyway-b57c7eb75f5f


Inteligência Artificial

• Inicialmente, replicava-se a inteligência humana através de formalizações e reconstruções codificadas em programas de computador

•Regras pré-definidas

•Deduções realizadas por inferências

•Problemas de adaptação a novas realidades

https://www.unissu.com/proptech-resources/AI-in-real-estate-Dont-Believe-the-Hype


•Programa de Processamento de linguagem natural

•Criada entre 1964 e 1966

•Primeira IA a passar no Teste de Turing

•Utiliza mecanismos de correspondência de padrões


https://www.masswerk.at/elizabot/

Aprendizado de Máquina

•Existem problemas que não possuem um formalismo bem definido

• Falta de compreensão precisa na resolução do problema

• Sua implementação torna-se altamente complexas



Computador

Dados

Programa

Resultado

Programação Tradicional

Computador

Dados

Resultado

Programa



Como??

Como Funciona o Cérebro?

• Sabe-se que o mesmo desenvolve suas regras através de experiências vividas em situações anteriores

•Alguns dos enigmas ainda não foram respondidos


Neurônio Biológico

•Neurônio é a unidade básica do cérebro

•Cérebro é composto por bilhões de neurônios

•Condução de mensagens nervosas

•Estima-se que exista ~10 bilhões de neurônios no córtex humano e 60 trilhões de sinapses[2]

Fonte: http://deeplearningbook.com.br/o-neuronio-biologico-e-matematico/


Neurônio Matemático

• Se redes neurais formam a inteligência humana, vamos reproduzir esse comportamento e criar redes artificiais

Fonte: https://towardsdatascience.com/mcculloch-pitts-model-5fdf65ac5dd1


Neurônio Matemático

•Proposto por McCulloch e Pitts (1943)[3], inspirado no neurônio biológico

•Possui uma função de agregação (g) e uma função de ativação (f)

Fonte: https://towardsdatascience.com/mcculloch-pitts-model-5fdf65ac5dd1

Problemas:

❖ Parâmetros não booleanos❖ Limiar de ativação especificado explicitamente❖ Mesmo peso para as entradas


Perceptron

•Modelo desenvolvido em 1957 por Frank Rosenblatt[4] baseado nos trabalhos anteriores de McCulloch e Pitts

• Inspirado na plasticidade sináptica

• Pode associar diferentes pesos para cada entrada automaticamente

•O valor de limiar é computado automaticamente

• Classificador linear

Fonte: https://maelfabien.github.io/deeplearning/Perceptron/

Fonte: https://jtsulliv.github.io/perceptron/


Perceptron 2.0

•Desenvolvido por Minsky e Papert em 1969 [5]

• Introdução da função de ativação não linear

•Base dos algoritmos de Rede Neural

http://deeplearningbook.com.br/o-neuronio-biologico-e-matematico/História e Desenvolvimento da Inteligência Artificial 20Jose Ricardo da Silva Junior

Inverno da Inteligência Artificial

http://deeplearningbook.com.br/o-neuronio-biologico-e-matematico/

•O potencial da aplicação da IA foi extremamente exagerado• Limitação eletrônica• Disponibilidade de dados• Questões filosóficas

•Drástica redução de financiamento em pesquisas na área

•Durou por volta de 1970 a 1990


Isaac Asimov: Três leis da robótica (1942)

Inverno da Inteligência Artificial

http://deeplearningbook.com.br/o-neuronio-biologico-e-matematico/História e Desenvolvimento da Inteligência Artificial 22Jose Ricardo da Silva Junior

2001: A Space Odyssey (1968)

http://www.youtube.com/watch?v=Jkv-lNAqfmk&t=17

https://digitalwellbeing.org/artificial-intelligence-timeline-infographic-from-eliza-to-tay-and-beyond/História e Desenvolvimento da Inteligência Artificial 23Jose Ricardo da Silva Junior

Boom da IA

•Muitos dados disponíveis

•Capacidade de processamento

•Modelos de treinamento mais robustos


https://biodiversitapuglia.it/sfruttare-big-data-ricerca-sviluppo-agricoltura/

Aprendizado de Máquina• Supervisionado

• Dados rotulados• Requer interferência humana

•Não supervisionado• Dados não rotulados• Relações precisam ser descobertas no conjunto

de dados• Não querer intervenção humana

• Aprendizado por reforço• Algoritmos aprendem por experiência• Não existe um objetivo específico• Maximizar uma função de ganho


https://medium.com/datadriveninvestor/what-is-artificial-intelligence-eeb863bf3feeHistória e Desenvolvimento da Inteligência Artificial 26Jose Ricardo da Silva Junior

Aprendizado Supervisionado

• Dados rotulados

• Cálculo do gradiente da função para minimizar o erro

• Ajuste dos pesos (backpropagation)


Dog

Dog

Cat

Deep Learning Network

input output

DogDog

Cat

Deep Learning Network

input output

Cat

A precisão do modelo está diretamente relacionado com a quantidade e qualidade dos dados de treinamento!

Deep Learning

• Sub área do aprendizado de máquina

•Resolução de problemas considerados muito complexos

•Envolve grande quantidade de dados


Fonte: https://www.institutodeengenharia.org.br/

Deep Learning


Fonte: https://www.institutodeengenharia.org.br/

[3]



Futuro

• Internet da coisas (IoT)

•Visão computacional para segurança

• Supermercados utilizando reconhecimento facial para detectar emoção e sugerir produtos

•Compreensão da necessidade individuais de cada pessoa


Referências

• [1] A. M. TURING, I.—COMPUTING MACHINERY AND INTELLIGENCE, Mind, Volume LIX, Issue 236, October 1950, Pages 433–460.

• [2] Shepherd G.M. and Koch C. (1990). Introduction to synaptic circuits. In The Synaptic Organization of the Brain (ed. Shepherd G.M.). New York: Oxford University Press, pp. 3–31.

• [3] McCulloch, W.S., Pitts, W. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics 5, 115–133 (1943).

• [4] Rosenblatt, Frank. “The perceptron: a probabilistic model for information storage and organization in the brain.” Psychological review 65.6 (1958): 386.

• [5] Minsky, M., & Papert, S. (1969). Perceptrons. M.I.T. Press.


http://www.ling.upenn.edu/courses/cogs501/Rosenblatt1958.pdf

http://www.ling.upenn.edu/courses/cogs501/Rosenblatt1958.pdf

História e Desenvolvimento da Inteligência ArtificialJose Ricardo da Silva [email protected]

http://www.josericardo-junior.com

mailto:[email protected]

http://www.josericardo-junior.com/

Fonte: https://www.deeplearningbook.org/História e Desenvolvimento da Inteligência Artificial 35Jose Ricardo da Silva Junior

https://www.asimovinstitute.org/neural-network-zoo/


Aprendizado de Máquina• Descobrir relacionamento entre variáveis de um sistema (entrada e saída) a partir de dados

amostrados [2]

• Simbólica: baseia-se na existência de um conjunto de estruturas simbólica e um conjunto de regras para manipulação dessas estruturas. Trata de problemas bem definidos (Ex.: sistemas especialistas)

• Conexionista: baseia-se na hipótese de causa e efeito. Problemas imprecisos, que podem ser definidos através de exemplos. Dá ênfase ao modelo de funcionamento do cérebro (neurônios e conexões).

• Evolucionária: baseia-se na teoria evolutiva de Darwin. Podemos modelar sistemas inteligentes simulando a evolução de indivíduos. Utilizam procedimentos computacionais para recombinações e mutações genéticas (problemas de otimização).

• Conjuntos Difusos e aproximados: baseia-se na teoria de conjuntos difusos ou nebuloso e dos conjuntos aproximados.


Documents

Inteligência Artificial Desenvolvimento da História e