Eng. Bruno Campagnolo de Paula [email protected] / @bcp brunocampagnolo

[email protected] 22 / Agosto / 2011 VIII SEMINFO

Centro de Engenharia de Sistemas Inteligentes

Eng. Bruno Campagnolo de [email protected] / @bcp

http://www.brunocampagnolo.comTECPAR / CESI

Curitiba – Paraná - Brasil

Inteligência Artificial Inteligência Artificial ee

Suas AplicaçõesSuas AplicaçõesA experiência do TECPAR


• Mostrar que o desenvolvimento de aplicações em IA é diferente da computação tradicional;

• Contextualização da IA em geral;• Tendências de mercado e oportunidades na área de IA;• Apresentação do trabalho do CESI;• Aplicações nas áreas de:

– Engenharia do Conhecimento;– Inteligência Artificial Distribuída;– Bioinformática;– IA aplicada a jogos (Game AI);– Robótica.

2

Objetivo e sumário


Empresa pública vinculada à Secretaria de Estado da Ciência, Tecnologia e Ensino Superior. É uma instituição de pesquisa, desenvolvimento, produção e prestação de serviços. ( est. 1940). Missão:

“Realizar pesquisa, desenvolvimento e inovação, contribuindo para a sustentabilidade tecnológica e social

do país“.

TECPAR - Instituto de Tecnologia do Paraná

3

[email protected] 22 / Agosto / 2011 VIII SEMINFO4

Objetivo:“Desenvolver projetos de P&D em Inteligência Artificial, orientados para aplicações industriais, tecnológicas e científicas complexas”. Também desenvolver projetos de Inovação Tecnológica na Agropecuária.

CESI – Centro de Engenharia de Sistemas Inteligentes


Inteligência ArtificialInteligência Artificial


- Não existe uma definição geral e completa para o que seja inteligência;

- É possível avaliar se algum sistema (natural ou artificial) é ou não inteligente;

- É possível determinar atributos para que um sistema seja considerado inteligente.

O que é Inteligência?

6


Parte das Ciências da Computação que busca simular ou emular o comportamento humano inteligente em termos de processos computacionais.

[Schalkoff, 1990]

Definição de Inteligência Artificial

7


Sistemas quepensam como

humanos

Sistemas queagem comohumanos

Sistemas quepensam

racionalmente

HUMANOS

RA

CIO

CÍN

IO

RACIONALIDADE

CO

MPO

RTA

MEN

TO

Sistemas queagem

racionalmente

Classificação [Russel & Norvig 1995]

Classificação dos Sistemas Inteligentes


Ambiente

Objetivos

Planejamento e Tomada de

Decisões

ConhecimentoMemóriaPercepções

Ações

Agente Inteligente


1901 1920 1930 1940 19501910500 a.C. 14 15 16 17 18 19

Séculos

PlatãoAristóteles

Lógica

GutembergImpressora de caracteres móveis

Desenvolvimento darelojoaria.

Descartes - raciocínio cartesiano.Hobbes - LEVIATAN - teoria do pensamento.Pascal - primeira máquina de calcular (+-).Leibniz - melhorias na máquina (*/).

Brinquedosmecânicos

Mary Shelley - Frankenstain.George Boole - algebra binária - leis do pensamento.Charles Babbage & Ada Byron - máquinas de calcularmecânicas programaveis.

Claude ShannonJogo de Xadrez

(mecanismos de busca)

Isaac AsimovAs três leis da robótica

Allan Turing"Computing Machinery

and Intelligence

Karel Kapekprimeira utilização da

palavra ROBOT

Russell & WhiteheadAnálise lógica do

conhecimento

McCulloch & PittsFundamentos das redes

neurais

Evolução da Inteligência Artificial

10


1960 2000

1958LISPJohn McCarthy

1970 1980 19901950

1956Dartmouth Conference

Criado o termo IAMcCarthy, Minsky,Shannon, Newell,Simon, ...

2004

1957Newell, Shaw & SimonGeneral Problem Solver

1965ELIZA - Simulação de diálogosJoseph Weizenbaun

1966Redes SemânticasRoss Quillian

1967DENDRALprimeiro sistema baseado emconhecimento para raciocíniocientífico

1968PERCEPTRONSMinsky & Papert

1974MYCINSistema especialista paradiagnóstico médicoTed Shortliffe

1975FRAMESMarvin Minsky

SMALLTALKKay & GoldbergXerox PARC

1979EMYCIN'Shell' para sistemasespecialistasBill VanMelle

Primeiras aplicações comerciais:- Sistemas Especialistas- 'Shells'

NOMADRobot Autonomopara busca demeteoritos na

Antartica

Meados dos anos 80Disseminação dasRedes Neurais

1972PROLOG

Allain Colmerauer

1980HEARSAY-IIModelo 'Blackboard'Erman, Hayes-Roth,Lesser, Reddy

Apredizado de MáquinaSistemas Multi-AgenteComputação EvolutivaSistemas Difusos...

1955FORTRAN

Evolução da Inteligência Artificial

11


Computação convencional Inteligência Artificial

numérica simbólica

procedural declarativa

algorítmica heurística

Diferenças da Computação Convencional

12


- Engenharia do conhecimento;- Processamento de linguagem natural;- Aprendizado automático;- Sistemas difusos;- Tutores inteligentes;- Planejamento automático;-Inteligência Artificial Distribuída / Sistemas Multi-Agentes;

Subdivisões da Inteligência Artificial

- Computação evolutiva;- Raciocínio de senso comum;- Raciocínio Baseado em Casos;- Mecanismos de memória;- Mecanismos da afetividade;- Robótica & visão artificial;- Redes neurais;- Game AI;- IA em Bioinformática....<lista não exaustiva!!!>


-Engenharia, robótica, matemática;-Aero-espacial, militar;-Indústria;-Telecomunicações;-Arquitetura, direito, comércio, finanças, bolsa de valores;-Medicina, biologia (biologia molecular - bioinformática);-Educação, jogos/entretenimento, literatura;-Gestão da informação, interface humano/máquina;-Produção agropecuária.

Aplicações de Inteligência Artificial

...<lista não exaustiva!!!>


A IA está cada vez mais próxima das pessoas comuns!

15


SISTEMAS BASEADOS EM CONHECIMENTO

Sistemas Especialistas


Sistema desenvolvido, a partir do conhecimento de um especialista humano, com o objetivo de apresentar a mesma performance desse especialista na solução de problemas em um domínio específico.

Características ideais de um SE:- Conhecimento específico do domínio;- Técnicas de busca;- Análise heurística;- Processamento simbólico;- Capacidade de explicar seu raciocínio.

Sistemas especialistas


O conhecimento do especialista


Motor deinferência

Base deConhecimento

Interfacecom o usuário

Memória de trabalho

Módulo deaquisição do

conhecimento

Sistema Especialista

Usuário Especialista

Arquitetura básica de um Sistema Especialista- Fatos- Informações- Conclusões

Memória de longo prazo(domínio do problema)

Estratégia de raciocínio

Memória de curto prazo(fatos e conclusões)


Vantagens-Preservação e distribuição do conhecimento e de soluções valiosas;-Obrigatoriedade de reunião de especialistas para criar definições de comum acordo;-Esclarecimento e explicitação de pontos de vista e experiências;

Desvantagens-Tempo de desenvolvimento elevado;-Participação constante do especialista;-Sistema sem fim;

Riscos-Expectativa exagerada;-Falta de compreensão real do problema;-Conflitos entre especialistas;-Conhecimento em formação.


- Estudo inicial do problema- Def. dos objetivos funcionais- Det. das Condições de teste

Testes e validação

Manutenção e evolução

Aquisição doconhecimento

Implementação

Verificação

Estudo de viabilidade eescolha do especialista

Prototipação rápida erefinamento sucessivo

Ciclo de desenvolvimento de SE’s

21


Processo complexo e longo de extração do conhecimento (experiência) de um especialista humano em determinado domínio.(crítico para o sucesso do projeto !!)

Aquisição do Conhecimento

22


23

SE < premissa 1 >

E < premissa 2 >

ENTÃO < conclusão A >

Um dos primeiros e mais tradicionais modelos de representação do conhecimento;

Bom nível de representação, simples, de fácil aprendizagem, porém pouco flexível.

Modelo mais usado na construção de sistemas especialistas.

Representação do Conhecimentoem Regras de Produção

23


24

Inputs{ VazaoInj :Vazao total da agua de injecao Particulas :Numero de particulas em suspensao O2galv :Teor de oxigenio [ON]-line medido por par galvanico CorrLPR :Taxa de corrosao medida por LPR CorrRE :Taxa de corrosao medida por resstencia eletrica O2memb :Teor de oxigenio [ON]-line medido por membrana DeltaP :Perda de carga nos filtros BseqO2 :Bomba de injecao de sequestrante de oxigenio [ON]-[OFF]If VazaoInj >= [VazaoMin]

Then Planta operando

If VazaoInj < [VazaoMin]Then PLANTA FORA DE OPERACAO

If Planta operandoand PV12 = [OFF]Then Planta injetando

If Planta operandoand PV12 = [ON]Then PLANTA EM RECIRCULACAO

If Planta operandoand Planta com problemas de corrosaoand Desaeradora dentro dos parametros operacionaisand BseqO2 = [OFF]Then Sequestrante de Oxigenio Alarme amareloand BOMBA DE INJECAO DE SEQUESTRANTE DESLIGADAand RELIGAR bomba de injecao de sequestrante de Oxigenio

LABEL rec.injex.oxigenio "RELIGAR bomba de injecao de sequestrante de Oxigenio"

24


Condição

Ação

Condição

Ação

Hipóteses

SE a situação é “Conclusão da Operação”E a operação não é “Enrolamento de forma”E a operação não é “Alivio de Tensões”E a operação não é “Retífica Lateral”E a operação não é “Inspeção Final”E a medida de OLD foi realizadaE old < OLD_estim_naOP - [Tol_OLD]ENTÃO “Ate o momento o anel apresenta valor abaixo do limite especificado (OLD).”

SE a situação é “Conclusão da Operação”E a operação atual é “Retífica de Topo Bruto”E “Ate o momento o anel apresenta valor abaixo do limite especificado (OLD).”ENTÃO “Aumentar o numero passe da Retifica Lateral (reduzindo a remocao por passe).”

OLD_estim_naOP = (ctt_old + Def_estimada_acumulada + Soma_Delta_Radial_Acum_Estimado)Projeção do valor atual de OLD a partir do ctt_OLD e das deformações esperadas, incluindovariações estimadas de Radial.Def_estimada_acumulada Somatório das deformações estimadas na rota até a operação atual,excluindo-se as variações na Radial.Soma_Delta_Radial_Acum_Estimado Somatório das variações de Radial estimada (DRadExt)até a operação atual.

2525


Regras não são a única forma de representar o conhecimento!

26

Tabelas


Regras não são a única forma de representar o conhecimento!

27

Mapas mentaisTendência!

http://www.qualidadeanimal.com.br/agrodocs/mapaagronegociodoleite4.htmlhttp:/www.qualidadeanimal.com.br/agrodocs/mapaagronegociodoleite4.html


Sistemas Especialistas para monitoramento de processos e controle da deterioração de

equipamentos

ST-Monitor - Sistema especialista para o monitoramento e controle da corrosão em sistemas de topo de unidades de destilação de petróleo (REPAR, 1994/2000/2007/2011).

Estudo de caso: PETROBRAS

28


29

Inteligência Artificial ?? na cadeia do leite ?!?

Sistema Inteligente para apoio à cadeia produtiva do leite


30

Projeto GALAXISSistema Inteligente para apoio à cadeia produtiva

do leite

Objetivo geral:

Desenvolver um sistema inteligente, a partir de

técnicas de Engenharia do Conhecimento

(Inteligência Artificial), para análise de dados e

orientação aos produtores envolvidos na cadeia

do leite.


31

Diagrama básico do sistema proposto:

Sistema inteligentepara apoio à cadeiaprodutiva do leite

- Resultados de análise;- Associações de produtores;- Informações econômicas;- Informações meteorológicas;- Outros organismos/entidades.

- Especialistas (veterinários/agrônomos);- Institutos de pesquisa;- Universidades;- Publicações;- Outros organismos/entidades.

- Produtores;- Cooperativas;- Laticínios;- Associações de produtores;- Organismos encarregados da fiscalização.

ENTR

AD

AS

SAÍD

AS

AN

ÁLI

SE

Conhecimento/heurísticasAnáliseExperiência

Dados de produçãoResultados de análiseNecessidades

Análise sobre os dadosDiagnósticosOrientações

WEB


PesquisaTECPAR

“Sistemas Especialistas”

Noctua

Ferramenta Colaborativa para Construção de Conhecimento e

Auxiliar Instigador


Regras

Hiperglossário

Etiquetas

?QuestionamentosMensagens

Instantâneas

!Comentários

Imagens

Especialista(s)

Engenheiro(s)do Conhecimento

Histórico

Perfis

Noctua


Catalisador em Ação

Se motor tenta pegar motor está recebendo combustível Então problema é vela

Regra X

Se motor não tenta pegar luzes acendemEntão problema é motor de partida

Regra Y

Perfil

?Questionamentos

Etiquetas

Regras

(LUGER, 2004)


Catalisador em AçãoSe

luzes acendem (regra Y) motor está recebendo combustível (regra X)

Então ???

Regra ?

Senhor Especialista, dadas essas

condições, existe uma conclusão possível?


TECPAR/CESI, ICC/IBMP, PUCPR, UP (Portugal)

Inteligência Artificial aplicada em

Bioinformática


Aplicação de Inductive Logic Programming em Bioinformática

• Descoberta de padrões em dados provenientes de microarranjos de DNA do Tripanossoma Cruzi;

• A partir de um grupo de genes, gerar regras a partir de parâmetros externos à expressão gênica;

37

REGRAS


PesquisaTECPAR, UTFPR, PUCPR e UTC/França

“CSCW-SD - Plataforma de Apoio ao Trabalho Colaborativo no

Desenvolvimento de Software por Equipes Pequenas”

Inteligência Artificial DistribuídaSistemas MultiAgentes


CSCW-SD

(plataforma OMAS)

May I helpyou Sir ?

Agente Assistente Pessoal


PesquisaTECPAR

“Robótica”

Pesquisa em sensores e atuadores


• Sensores e atuadores são essenciais em IA Industrial;

• Robôs móveis e estáticos (video);• Projetos na área de eletrônica

embarcada (digital e analógica) • Controle de motores;• Consciência espacial (sensores

híbridos);• Dispositivos eletrônicos livres (Arduino).• Dispositivos abertos e híbridos (Kinect /

Sifteos).

Robótica


Projetor de Luz Infravermelha (invisível)

Câmera RGB (“comum”)

Câmera infravermelha

Conjunto de microfones

Motor

Kinect


Kinect

Tendência!

http://www.youtube.com/watch?v=Bi4T5x4bjuk&feature=player_embedded


Sifteo Cubes

Tendência!


PesquisaTECPAR

“GameAI”

Inteligência Artificial aplicada em Jogos


Multi-Moo• Jogo sério para difusão de boas práticas de produção

agropecuária;• Preocupação com higiene e saúde do rebanho; • Aplicação de planejamento baseado em casos para

povoar o ambiente do jogo com agentes com comportamento similar ao humano;

• Em um jogo, a ilusão da inteligência é mais importante que a inteligência;

• Protótipo Web estará acessível em: http://galaxisfarm.com

• Versão física (minigame real) está sendo trabalhada para uso em eventos;

http://galaxisfarm.com/


Multi-MooVe

47


Outros projetos, tendências e oportunidades

• Melhoramento de algoritmos de busca ou de cálculo usando uma arquitetura paralelizada;

• Sistema inteligente de gestão integrada de alarmes e diagnóstico de falhas em redes de telecomunicações (COPEL);

• Estudos de novas possibilidades de sensores e atuadores.


+ Tendências a se observar!

Interfaces com integração entre Duas

ou mais telas

Computação invisível e mais próxima do

dia a dia

Integração entre homem e máquina

http://www.livescribe.com/pt/smartpen/


Luger, G.F. Inteligência Artificial: estruturas e estratégias para a solução de problemas complexos (4 edição). Bookman, 2004.

Russell, S., Norvig, P. Artificial Intelligence: A modern approach. Prentice Hall, 1995. (2a. edição 2002) (1a. edição em português 2004)

Bittencourt, G. Inteligência Artificial: Ferramentas e teorias (2a. edição). Editora da UFSC, Florianópolis, 2001.

Rezende, S.O. Sistemas Inteligentes – Fundamentos e aplicações. Manole, São Paulo, 2003.

Schalkoff, R.J. Artificial Intelligence: An engineering approach. McGraw-Hill, Singapore, 1990.

IEEE-CS http://www.computer.org/portal/web/intelligent/home

AITopics http://www.aaai.org/AITopics/pwwiki.phpAITopics/HomePage

Para saber mais


Campos, M.M., Saito, K. Sistemas Inteligentes em Controle e Automação de Processos. Ed. Ciência Moderna / Petrobras. Rio de Janeiro, 2004

Para saber mais


52

Eng. Bruno Campagnolo de Paula

[email protected]@bcp

http://www.brunocampagnolo.comCESI – Divisão de Inteligência Artificial

TECPAR - Instituto de Tecnologia do ParanáCuritiba Paraná Brasil

mailto:[email protected]

Eng. Bruno Campagnolo de Paula [email protected] / @bcp brunocampagnolo

Documents

Transcript of Eng. Bruno Campagnolo de Paula [email protected] / @bcp brunocampagnolo