30. Inteligência Artificial – 50 Tons de Inteligência Artificial

Em meu primeiro post prometi levar até você todas as etapas do desenvolvimento humano enquanto estratégia de modelagem cognitiva computacional. Veja aonde chegamos até agora sem apelarmos para uma conta ou um algoritmo sequer. Essa é base que proporcionará alcançarmos o infinito. Boa sorte e prepare-se para o inacreditável...


1. TESTE DE TURING – Pessoas visionárias do passado relacionaram processos de pensamentos, raciocínio lógico e comportamento, em uma tentativa satisfatória de fornecer uma definição operacional de inteligência.


2. MODELOS DE NEURÔNIOS ARTIFICIAIS – Warren McCulloch e Walter Pitts analisaram a fisiologia e as funções dos neurônios no cérebro nas relações com a lógica, sobre o domínio da teoria da computação de Turing.


3. APRENDIZADO DE HEBB – Em 1949, Donald Hebb demonstrou uma regra de atualização simples para modificar constantemente as intensidades de conexão entre os neurônios em rede.


4. LOGIC THEORIST– Programa de raciocínio que tinha a capacidade de pensar não apenas numericamente, mas usando a relação complementar mente-corpo. Apesar dessa vantagem conceitual, o programa demonstrava teoremas matemáticos de forma mais resumida do que alguns haviam provado.


5. ADVICE TAKER – O primeiro sistema de Inteligência Artificial completo. Esse programa procurava soluções incorporando o conhecimento geral do mundo, diferentemente do Logic Theorist e o Geometry Theorem Prover, que buscavam soluções através de um raciocínio mais analítico e menos cognitivo.


6. PERCEPTRON – O resultado dessa abordagem promissora trazia um novo algoritmo de aprendizagem livre para ajustar os pesos de entrada, desde que houvesse uma correspondência com a realidade percebida. Frank Rosenblatt e seus perceptrons redirecionariam a estratégia do desenvolvimento das redes neurais.


7. DENDRAL – Desenvolvido em Stanford por Ed Feigenbaum, Bruce Buchanan e Joshua Lederberg. Esse programa importante representava o primeiro sistema bem sucedido de conhecimento intensivo.


8. MYCIN – O programa MYCIN passava a diagnosticar infecções sanguíneas com apenas 450 regras. Ele era mais eficiente do que qualquer médico iniciante! O grande segredo da eficiência do MYCIN era a incorporação em seus cálculos de um fator denominado fator de certeza. Esse fator se adequava bem a forma como os médicos avaliavam o impacto de certas evidências em seus diagnósticos.


9. MODELOS OCULTOS DE MARKOV – Reconhecimento gerado por um processo de treinamento baseado em um grande conjunto de fala obtido através de dados reais, falas reais e entonações reais.


10. AGENTE RACIONAL – O que nos é relevante na construção de um agente racional é a percepção de um determinado ambiente em um dado instante e a forma mais eficiente de sua atuação. Em geral, a escolha de ação de um agente em qualquer instante dado pode depender da sequência inteira de percepções recebidas até o seu momento presente.

11. RACIONALIDADE ARTIFICIAL – Temos quatro fatores principais para sua existência: a medida de desempenho que define o critério de sucesso, o conhecimento do ambiente, as ações que o agente poderia executar e as sequência de percepções do agente até o seu momento presente.


12. AMBIENTES DE TAREFAS – É quando o estado do ambiente se apresentar observável ou parcialmente observável, com um único agente ou com multiagentes, determinístico ou estocástico, sequencial ou episódico, dinâmico ou estático, contínuo ou discreto, conhecido ou desconhecido.


13. ARQUITETURA – Quando o agente executa algum tipo de dispositivo de computação com sensores e atuadores físicos.


14. ELEMENTO DE APRENDIZADO – responsável pela execução de aperfeiçoamento. Essa propriedade algorítmica se une a um elemento de desempenho responsável pela escolha de uma ação externa aleatória que a satisfaça. O elemento de aprendizado realimenta o algoritmo analisando o desempenho de sua atuação. Se o desempenho não for satisfatório, isto é, sem recompensas, o elemento de desempenho se modificará.


15. GERADOR DE PROBLEMAS – Ele fica responsável pela sugestão de ações que levam o computador a conhecer experiências novas e informativas. A tarefa principal do gerador de problemas é capacitar o computador para todos os tipos de explorações. Ele pode fazer mudanças em qualquer um dos componentes de conhecimento encontrados no algoritmo do agente afirmando que essa foi uma ação ruim, por exemplo, modificando seu desempenho insatisfatório através da instalação de uma nova regra.


16. BUSCA – O agente pode decidir o que fazer examinando primeiro as ações futuras que vão levá-lo a estados de valores conhecidos. Então ele fixa as sequências de ações e soluciona uma por vez.


17. BUSCA em GRAFOS – Uma grade retangular cheia de ramos e nós que podem ser abstraídos quando houver a constatação de um caminho redundante. O agente separa o grafo do espaço de estado em região explorada e região inexplorada.


18. BUSCA CEGA – Método de busca em grafos sem informações estabelecidas anteriormente.


19. BUSCA DE APROFUNDAMENTO ITERATIVO – Busca em profundidade que escolhe o próximo nó para a expansão de acordo com uma função de avaliação.


20. TOPOLOGIA DE ESPAÇOS DE ESTADOS – O agente faz buscas locais. Só importa um único estado atual. Um único caminho se movendo normalmente para a direção de um vizinho. E só é preciso guardar esse único caminho na memória.

21. SUBIDA DE ENCOSTA – O agente se move de forma continua no sentido do valor crescente encontrado.


22. SUBIDA DE ENCOSTA ESTOCÁSTICA – Ela gera pontos sucessores ao acaso até encontrar um sucessor melhor do que o estado atual


23. BUSCA ON-LINE – ideia necessária para ambientes desconhecidos, onde o agente não conhece quais estados existem ou o que suas ações fazem. Nesse lapso de ignorância, o agente enfrenta um problema de exploração usando suas ações como experimentos que valorizam suas escolhas.


24. A FUNÇÃO DE AVALIAÇÃO HEURÍSTICA – O agente deve ignorar as partes da árvore de busca que não vão fazer diferença na escolha final.


25. PODA ALFA-BETA – O agente passa a desconsiderar grandes partes da árvore de busca. A poda alfa-beta cabe em árvores com qualquer profundidade. Além do mais, ela pode ser aplicada para podar subárvores inteiras em lugar apenas de ramos ou folhas.


26. INFERÊNCIA – Através das operações TELL (informe) e ASK (pergunte), o agente deriva novas sentenças a partir de sentenças antigas. A inferência obedece ao seguinte fundamento: quando se formula, com ASK, uma pergunta para a base de conhecimento, a resposta deve seguir do que já foi informado, com TELL. Dessa forma, para que a representação de uma sentença consiga implementar uma interface entre sensores/atuadores e um sistema de raciocínio artificialmente inteligente, a percepção do agente em sua base de conhecimento deve informar e direcionar a própria base que a ação executada, de fato, foi a melhor opção escolhida.


27. LÓGICA DE PRIMEIRA ORDEM – A influência da linguagem sobre o pensamento é inevitável para o aprendizado robótico. Inteiramente elaborada em torno dos objetos e suas relações. Essa lógica também pode representar fatos sobre alguns ou todos os objetos do universo. A Lógica Proposicional admite dois estados possíveis, o verdadeiro e o falso. Já a Lógica de Primeira Ordem especifica se as relações entre os objetos são válidas ou não. Uma grande diferença.


28. COMPROMISSOS ONTOLÓGICOS – Relações que definem a realidade do mundo para as redes neurais artificiais.


29. LÓGICA DE ALTA ORDEM – Controla as relações e funções obtidas pela Lógica de Primeira Ordem.


30. QUANTIFICADORES – Uma vez que temos uma lógica que relaciona objetos, podemos avançar na direção das propriedades encontradas quando expressamos, não somente um objeto, mas coleções inteiras dessas relações.

31. QUANTIFICAÇÃO UNIVERSAL – faz declarações sobre todo o objeto.


32. QUANTIFICAÇÃO EXISTENCIAL – traz em seu algoritmo a capacidade de declarar a qualidade de algum objeto sem nomeá-lo.

33. ENGENHARIA DO CONHECIMENTO – Um engenheiro de conhecimento investiga em um domínio especifico quais conceitos são mais importantes para a criação de uma representação formal dos objetos e suas relações.


34. PROJETOS DE ENGENHARIA DO CONHECIMENTO – Os projetos de engenharia de conhecimento variam bastante em estrutura, conteúdo e dificuldade. Vamos classificá-lo por etapas:

1- Identificando a tarefa.
2- Agregando o conhecimento relevante.
3- Definindo um vocabulário de predicados.
4- Codificando o conhecimento geral sobre o domínio.
5- Codificando uma descrição do nível atual do problema.
6- Formulando consultas ao procedimento de inferência e obtendo respostas.
7- Reestruturando a base de conhecimento.


35. UNIFICAÇÃO – Sentença que substitui tanto as variáveis na sequência de implicação, quanto as que já estão na base de conhecimento.


36. ELEVAÇÃO – Uma unificação possui uma regra fundamental conhecida como MODUS PONENS. A Modus Ponens Generalizada reagia imediatamente à ação determinada. A generalização ficou conhecida como ELEVAÇÃO.


37. PROLOG – Algoritmo que acrescenta sentenças atômicas até não ser mais possível uma inferência adicional ou toma o sentido inverso do objetivo procurando em sua base de conhecimento anterior.


38. RESOLUÇÃO – Esse método produz um sistema de prova completa para uma lógica de primeira ordem.


39. DECOMPOSIÇÃO – Capacidade de dividir um problema em partes, resolvendo cada parte de forma independente, juntando novamente as partes resolvidas.


40. AGREGAÇÃO – determina que sua função de custo, antes baseadas em quantidades imensas de variações como custos dependente do tempo de cada ação assuma o custo do planejamento completo.

41. DECOMPOSIÇÃO HIERÁRQUICA - Decomposição em um grupo de passos que formam o plano completo.


42. AÇÃO DE ALTO NÍVEL – Refinamento de cada rede hierárquica de tarefas em cada sequência de ações.


43. REFINAMENTO DESCENDENTE – O agente percebe que quando derivamos um plano de alto nível que atinja seu objetivo em um planejamento hierárquico, trabalhando em um espaço de busca limitado, podemos refinar cada passo sem comprometer o resultado final.


44. NÃO DETERMINISMO DEMONÍACO – Quando um adversário ocasionar uma mudança em seu planejamento.


45. NÃO DETERMINISMO ANGÉLICO – Se o próprio agente determinar as mudanças de seu planejamento, a ação será chamada de NÃO DETERMINISMO ANGÉLICO.


46. ESTADO DE CRENÇA – Determinação de quais conjuntos de estados físicos possíveis o agente pode estar quando se encontrar em um ambiente parcialmente observável.


47. AÇÃO RECORRENTE – A garantia de uma eficiência na escolha de uma ação correta, experimentada momentaneamente.


48. RECONHECIMENTO DO PLANO – Essa abordagem permitia que a ação de um único agente conduzisse as ações dos outros nove, tudo em função do sucesso do planejamento.


49. PLANEJAMENTO MULTICORPO – O agente forma com outro agente uma equipe de múltiplos agentes, cada um enfrentando problemas de PLANEJAMENTO MULTIAGENTE. Dessa forma eles planejam o mesmo objetivo compartilhando cada ação individual como se fosse única para os dois. Isso dobra a capacidade de gerenciamento dos seus atuadores formando um PLANEJAMENTO MULTICORPO.


50. PLANEJAMENTO DESCENTRALIZADO – Compartilhamento das informações entre multiagentes somente quando elas estão disponíveis aos dois ao mesmo tempo.