Академический Документы
Профессиональный Документы
Культура Документы
Introduo
Inteligncia Artificial
1
Introduo Inteligncia Artificial Universidade da Madeira
Agenda
z Conhecimento Imperfeito
z Mtodos Quantitativos
z Teoria das Probabilidades
z Redes Bayesianas
z Conjuntos Vagos
z Factores de Certeza
Introduo
z Quando um agente conhece todos os
factos acerca do ambiente que o rodeia,
uma aproximao lgica permite-lhe
derivar planos cujo sucesso garantido.
2
Introduo Inteligncia Artificial Universidade da Madeira
Introduo
z Porm
Mtodos Mtodos
Qualitativos Quantitativos
Mais Mais
vocacionados vocacionados
para as para as questes
questes de de incerteza/
ausncia de impreciso
conhecimento
3
Introduo Inteligncia Artificial Universidade da Madeira
Mtodos Qualitativos
Mtodos Quantitativos
Incerteza versus Impreciso
z Incerteza:
z O predicado est bem definido, mas no conheo o seu valor
verdadeiro.
z Ex.: Jogarei um dado e vai sair um 6.
z O conjunto est bem definido, mas no conheo se um
elemento pertence ou no.
z Impreciso:
z O predicado vago por si.
z Ex.: O robot est perto de um obstculo.
z O conjunto no tem uma definio precisa.
z Ex.: O conjunto das pessoas altas
4
Introduo Inteligncia Artificial Universidade da Madeira
z Impreciso
z Abordaremos o Raciocnio dos Conjuntos Vagos - Fuzzy - estes
tratam da impreciso (possibilidade).
z Mistos
z No entanto em alguns domnios coexistem esses dois tipos de
incerteza: a Impreciso e a Probabilidade.
Mtodos Quantitativos
z O conhecimento do senso comum est
repleto de imperfeies.
5
Introduo Inteligncia Artificial Universidade da Madeira
Mtodos Quantitativos
z No contexto dos agentes baseados em
conhecimento, esta proposio poderia
dar origem seguinte regra:
Se
X tem aperto no peito e X tem dificuldades
respiratrias
Ento
1. X provavelmente tem uma bronquite ligeira
2. X pode ter um enfarte de miocrdio
Mtodos Quantitativos
z Por exemplo considerando o caso concreto em que:
6
Introduo Inteligncia Artificial Universidade da Madeira
Mtodos Quantitativos
7
Introduo Inteligncia Artificial Universidade da Madeira
8
Introduo Inteligncia Artificial Universidade da Madeira
dor_peito ~dor_peito
9
Introduo Inteligncia Artificial Universidade da Madeira
10
Introduo Inteligncia Artificial Universidade da Madeira
11
Introduo Inteligncia Artificial Universidade da Madeira
12
Introduo Inteligncia Artificial Universidade da Madeira
Redes Bayesianas
z Para descrever o mundo real, no necessrio
usar uma enorme tabela de probabilidades
conjuntas para listar todas as combinaes dos
eventos possveis.
P(x1,...,xn)= Pi=1,...,nP(xi|pais-de(xi))
Redes Bayesianas
z Por exemplo, qual a probabilidade de que o alarme toque, a Maria e
o Joo liguem, mas no ocorra roubo e nem desabamento?
13
Introduo Inteligncia Artificial Universidade da Madeira
Redes Bayesianas
z As redes Bayesianas so bastantes flexveis, permitindo
o clculo de probabilidade de qualquer n. As
inferncias podem ser de vrios tipos:
14
Introduo Inteligncia Artificial Universidade da Madeira
Conjuntos Vagos
z Se afirmo que est calor
Conjuntos Vagos
z Abordagem clssica (crisp):
z Estabelecer limites abruptos entre conjuntos.
15
Introduo Inteligncia Artificial Universidade da Madeira
Conjuntos Vagos
z desta problemtica que surgem os Conjuntos Vagos.
Conjuntos Vagos
z Mas Como podemos lidar com expresses
imprecisas?
16
Introduo Inteligncia Artificial Universidade da Madeira
Conjuntos Vagos
z Mas vejamos um exemplo:
z Varivel lingustica:
Conjuntos Vagos
z Com este universo de discurso, teremos:
z Muito_Jovem{(0.8,20),(0.6,25),(0.4,30),(0.2,35),(0.01,50),(0.005
,55),(0.0045,60),(0.0005,65)}
z Jovem{(0.2,20),(0.6,25),(0.6,30),(0.4,35),(0.1,50),(0.05,55),(0.04
5,60),(0.005,65)}
z Nao_Jovem{(0.001,20),(0.09,25),(0.15,30),(0.2,35),(0.3,50),(0.5
,55),(0.6,60),(0.8,65)}
17
Introduo Inteligncia Artificial Universidade da Madeira
Conjuntos Vagos
z Podemos observar que a partir do termo primrio
Jovem, esto definidos mais dois conjuntos vagos
por recurso aos quantificadores no e muito.
Conjuntos Vagos
z Modus Ponens generalizado:
z Exemplo:
z Se temos que:
z x mais ou menos alto
z x alto Zx pesado
z Podemos inferir que x mais ou menos pesado.
18
Introduo Inteligncia Artificial Universidade da Madeira
Conjuntos Vagos
z Desvantagens:
Factores de Certeza
z A Teoria dos Factores de Certeza, semelhana da
abordagem Bayesiana quantifica a certeza atravs
de um nico valor numrico, denominado Factor de
Certeza (FC).
19
Introduo Inteligncia Artificial Universidade da Madeira
Factores de Certeza
z Como se calcula FC?
Factores de Certeza
z Vantagem:
z Simples.
z Desvantagem:
20
Introduo Inteligncia Artificial Universidade da Madeira
Concluso
A utilizao do hibridismo (Raciocnio Incerto e Raciocnio
dos Conjuntos Vagos) em sistemas inteligentes permite
trabalhar com as incertezas do mundo real de maneira
mais qualificada, ou seja, os resultados obtidos
apresentam-se mais parecidos com o modo de
raciocinar de um especialista.
Concluso
Sabe-se que no existe uma abordagem ou modelo
ideal para desenvolvimento de qualquer tipo de
domnio, que no tem o objectivo de desvalorizar as
abordagens que no utilizam hibridismo, apenas
pretende implementar a maneira de pensar, de uma
forma alternativa, dos seres humanos, esta um dos
paradigmas da Inteligncia Artificial.
21
Introduo Inteligncia Artificial Universidade da Madeira
22