introduccion

Aprendizado de Máquina Uma Visão Geral: 

Aprendizado de Máquina Uma Visão Geral Profa. Dra. Maria Carolina Monard LABIC - ICMC - USP São Carlos

Tópicos: 

Tópicos Inteligência e Aprendizado Engenharia de Conhecimento e SBC Dado, Informação e Conhecimento Aprendizado de Máquina AM usando Árvores de Decisão KDD e Data Mining

O que é IA?: 

O que é IA?

O que é IA?: 

“Uma área de pesquisa que investiga formas de habilitar o computador a realizar tarefas nas quais, até o momento, o ser humano tem um melhor desempenho”. Elaine Rich O que é IA?

Inteligência Artificial: 

Inteligência Artificial “Tão logo algum problema de IA é resolvido ele não é mais considerado um problema da área de IA...” Chuck Thorpe CMU, Robotics Institute, 2000

Definições Adicionais: 

Definições Adicionais Conjunto de técnicas para a construção de máquinas “inteligentes”, capazes de resolver problemas que requerem inteligência humana. (Nilsson) Ramo da Ciência da Computação dedicado à automação de comportamento inteligente. (Luger e Stubble) Tecnologia de processamento de informação que envolve processos de raciocínio, aprendizado e percepção. (Winston)

As 4 categorias das definições de Inteligência Artificial: 

As 4 categorias das definições de Inteligência Artificial

As 4 categorias das definições de Inteligência Artificial: 

As 4 categorias das definições de Inteligência Artificial Agindo como humanos: A abordagem do Teste de Turing Pensando como humanos: A abordagem do modelamento cognitivo Pensando racionalmente: A abordagem das leis do pensamento Agindo racionalmente: A abordagem de agentes racionais

Áreas de apoio para a Inteligência Artificial: 

Áreas de apoio para a Inteligência Artificial IA Psicologia Biologia Lógica Matemática Ciência da Computação Lingüística Engenharia Filosofia

Áreas Relacionadas com a Inteligência Artificial: 

Áreas Relacionadas com a Inteligência Artificial IA Psicologia Biologia Lógica Matemática Ciência da Computação Lingüística Engenharia Filosofia Robótica Redes Neurais Sistemas Baseados em Conhecimento Processamento de Linguagem Natural Aprendizado de Máquina Sistemas Nebulosos Planejamento

Uma Nova Visão: 

Uma Nova Visão A partir dos anos 80 foi percebido que, geralmente, o modelo de raciocínio utilizado em IA era diferente do usado pelos seres humanos. Mas essas diferenças não invalidam o uso de modelos não-humanos. Um bom exemplo é o avião, que opera de uma forma muito diferente da dos pássaros, mas também voa.....

Uma Nova Visão: 

Uma Nova Visão Em outras palavras, para que alguém quer construir uma cópia da mente humana? Não é suficiente a original? Não é a mente humana a mais difícil de se auto-examinar? A única solução aparentemente lógica é separar a inteligência humana da inteligência artificial para construir algo completamente novo.

IA e Lógica: 

IA e Lógica Entre as controvérsias que ainda persistem na área encontra-se a relacionada com o papel desempenhado em IA pela lógica. A inteligência deriva primariamente do raciocínio lógico ou do conhecimento?

IA e Lógica: 

IA e Lógica O problema está em considerar que esse ou é um ou exclusivo!

IA e Lógica: 

IA e Lógica São diversas as lógicas utilizadas em IA, tais como: Lógica Fuzzy Lógica Paraconsistente Lógica Temporal e várias outras

IA e Lógica: 

IA e Lógica Ainda que forçados a utilizar muitas variedades de lógica, alguns pesquisa-dores consideram que tanto a lingua-gem quanto a “máquina de inferência” lógica é fundamental para IA. O ideal seria conseguir integrar essa grande variedade de mecanismos lógicos especializados dentro de um sistema único, poderoso e versátil, porém uniforme.

Paradigmas da Inteligência: 

Paradigmas da Inteligência

Procedimento Inteligente: 

Procedimento Inteligente Aprende por experiência Usa conhecimento adquirido por experiência Soluciona problemas na ausência de alguma informação Reage rapidamente perante uma nova situação Determina o que é importante Raciocina e pensa Entende imagens visuais Processa e manipula símbolos É criativo e imaginativo Usa heurísticas

Inteligência x Aprendizado: 

Inteligência x Aprendizado Aprendizado é a chave da superioridade da Inteligência Humana Aprendizado é a essência da Inteligência Para que uma máquina tenha Comportamento Inteligente, deve-se aumentar sua Capacidade de Aprendizado

Inteligência x Aprendizado: 

Inteligência x Aprendizado O ser humano está pré-programado para o aprendizado. Aprende ampliando o alcance do conhecimento que já possui, através de reordenações sucessivas O computador não possui o programa inicial para procurar por informações e realizar aprendizado em geral Paradigmas e técnicas de AM possuem um alvo bem mais limitado do que o aprendizado humano

O Teste de Turing: 

O Teste de Turing Interrogador

Tópicos: 

Tópicos Inteligência e Aprendizado Engenharia de Conhecimento e SBC Dado, Informação e Conhecimento Aprendizado de Máquina AM usando Árvores de Decisão KDD e Data Mining

Sistemas de IA: 

Sistemas de IA Conceitos e técnicas de IA Sistemas de IA Conhecimento

Seleção do Domínio: 

Seleção do Domínio A seleção de um domínio apropriado é crucial para o êxito no desenvolvimento de um sistema inteligente. Os limites da tarefa devem ser claramente delineados.

Slide25: 

Especialista(s) Engenheiro do Conhecimento CONSTRUÇÃO DE BASES DE CONHECIMENTO

Engenharia de Conhecimento: 

Engenharia de Conhecimento Estuda o processo de transferência de conhecimento do especialista para o computador.

Engenheiro de Conhecimento: 

Engenheiro de Conhecimento É o profissional que extrai o conhecimento do(s) especialista(s) --- ou de outra fonte --- o interpreta e representa em tipos e estruturas de conhecimento na Base de Conhecimento.

Problemas com AC: 

Problemas com AC Especialista com dificuldades para verbalizar conhecimento Especialista pode não estar ciente de como usa o conhecimento. Conhecimento Incompleto Conhecimento Incorreto Conhecimento Inconsistente

Sistemas Baseados em Conhecimento (SBC) : 

Sistemas Baseados em Conhecimento (SBC) “Programas de computador que usam conhecimento representado explicitamente para resolver problemas”

SBC e Sistemas Especialistas: 

SBC e Sistemas Especialistas

SBC: 

SBC SBCs são desenvolvidos para serem usados em problemas que requerem uma quantidade considerável de conhecimento humano e de “esperteza” para serem resolvidos

Sistemas Especialistas (SE): 

Sistemas Especialistas (SE) “SEs são sistemas que são capazes de oferecer soluções para problemas específicos num dado domínio ou que consigam aconselhar (dar conselhos), de uma maneira ou num nível comparável ao de especialistas naquela área.” Lucas and van der Gaag Princípios de Sistemas Especialistas

Sistemas Especialistas: 

Sistemas Especialistas “Um Sistema Especialista, ainda que projetado e implementado de forma brilhante, se é incapaz de aprender a não repetir erros, então ele não é mais inteligente que uma minhoca.” O.G. Selfridge “The Garnen of Learning” AI Magazine 14(2), 1993

Tópicos: 

Tópicos Inteligência e Aprendizado Engenharia de Conhecimento e SBC Dado, Informação e Conhecimento Aprendizado de Máquina AM usando Árvores de Decisão KDD e Data Mining

Estrutura: 

Estrutura Dados Informação Conhecimento

O que é DADO?: 

O que é DADO? Dado é a estrutura fundamental sobre a qual um sistema de informação é construído.

O que é INFORMAÇÃO?: 

O que é INFORMAÇÃO? A transformação de dados em informação é freqüentemente realizada através da apresentação dos dados em uma forma compreensível ao usuário.

O que é CONHECIMENTO?: 

O que é CONHECIMENTO? Fornece a capacidade de resolver problemas, inovar e aprender baseado em experiências prévias Uma combinação de instintos, idéias, regras e procedimentos que guiam as ações e decisões.

Importante observar ....: 

Importante observar .... Dado não é Informação Informação não é Conhecimento Conhecimento não é Inteligência Inteligência não é Sabedoria

Tópicos: 

Tópicos Inteligência e Aprendizado Engenharia de Conhecimento e SBC Dado, Informação e Conhecimento Aprendizado de Máquina AM usando Árvores de Decisão KDD e Data Mining

Sistemas de IA: 

Sistemas de IA Conceitos e técnicas de IA Sistemas de IA Conhecimento

Aprendizado de Máquina: 

Aprendizado de Máquina Pode ser utilizado como meio para vencer um dos maiores problemas de Sistemas de IA - o gargalo da aquisição de conhecimento

Aprendizado de Máquina: 

Aprendizado de Máquina  Sub-área da Inteligência Artificial que pesquisa métodos computacionais relacionados à aquisição de novos conhecimentos, novas habilidades e novas formas de organizar o conhecimento já existente.

Objetivos de AM: 

Objetivos de AM um melhor entendimento dos mecanismos de aprendizado humano automação da aquisição do conhecimento

AM incorpora várias técnicas de outras disciplinas: 

AM incorpora várias técnicas de outras disciplinas

Sistemas de Aprendizado de Máquina: 

Sistemas de Aprendizado de Máquina

Características do Aprendizado Indutivo: 

Características do Aprendizado Indutivo Qualquer que seja o tipo de aprendizado, é necessário uma linguagem para descrever objetos (ou possíveis eventos) e uma linguagem para descrever conceitos. Em geral, é possível distinguir dois tipos de descrições para objetos:

Slide48: 

1.Descrições estruturais: um objeto é descrito em termos de seus componentes e a relação entre eles

Slide49: 

2.Descrições de atributos: um objeto é descrito em termos de suas características globais como um vetor de valores de atributos

Formalismos usados em AM para descrever conceitos: 

Formalismos usados em AM para descrever conceitos regras se-então (if-then) para representar conceitos

Formalismos usados em AM para descrever conceitos: 

Formalismos usados em AM para descrever conceitos árvores de decisão para representar conceitos lógica de predicados

Formalismos usados para descrever objetos e conceitos: 

Formalismos usados para descrever objetos e conceitos redes semânticas

Aprendizado por Indução: 

Aprendizado por Indução

Aprendizado Supervisionado: 

Aprendizado Supervisionado Cada exemplo é expresso por um conjunto de features

Aprendizado Supervisionado: 

Aprendizado Supervisionado objetiva moldar a estrutura de classificação para um problema específico, encontrando uma forma genérica de relatar um conceito.

Conhecimento Adquirido(Hipótese h): 

h vista como classificador h vista como conjunto de regras h vista como classificador Conhecimento Adquirido (Hipótese h)

Aprendizado Indutivo de Conceitos - AIC: 

Aprendizado Indutivo de Conceitos - AIC Dados = +  - conjunto de exemplos de treinamento de um conceito C encontrar uma hipótese H, expressa em uma linguagem de descrição L tal que: cada exemplo e + é coberto por H nenhum exemplo negativo e - é coberto por H

Aprendizado Indutivo de Conceitos - AIC (Cont): 

cobre(H,) = {e + | cobre(H,e) = true} (instância positiva) cobre(H,) = {e - | cobre(H,e) = false} (instância negativa) Aprendizado Indutivo de Conceitos - AIC (Cont)

Consistência e Completeza de h: 

Consistência e Completeza de h h inconsistente e incompleta. h consistente e incompleta. h inconsistente e completa. h consistente e completa.

Tópicos: 

Tópicos Inteligência e Aprendizado Engenharia de Conhecimento e SBC Dado, Informação e Conhecimento Aprendizado de Máquina AM usando Árvores de Decisão KDD e Data Mining

Dados sobre Crédito Bancário: 

Dados sobre Crédito Bancário

Árvore de Decisão: 

Idade Renda Árvore de Decisão

Árvore de Decisão: 

Árvore de Decisão Idade < 25 Sim Não Idade Renda

Árvore de Decisão: 

Árvore de Decisão Idade < 25 Sim Não 14 - Ruim 0 - Bom Idade Renda

Árvore de Decisão: 

Árvore de Decisão Idade < 25 Sim Não Ruim Idade Renda

Árvore de Decisão: 

Árvore de Decisão Idade < 25 Sim 29 - Ruim 19 - Bom Ruim Não Idade Renda

Árvore de Decisão: 

Árvore de Decisão 8 - Ruim 0 - Bom Renda > 1k Ruim Idade < 25

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25 Idade > 45

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25 Idade > 45 15 - Ruim 0 - Bom

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25 Idade Renda Idade > 45

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25 Idade > 45 Renda > 5k Sim Não

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25 Idade > 45 Renda > 5k Sim Não 5 - Ruim 0 - Bom

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25 Idade > 45 Renda > 5k Sim Não

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25 Idade > 45 Renda > 5k Sim 1 - Ruim 19 - Bom Não

Árvore de Decisão: 

Árvore de Decisão Renda > 1k Idade < 25 Idade > 45 Renda > 5k Sim Não

Erro: 

Erro

Erro: 

Erro

Erro: 

Erro Principais fatores: Informação dos atributos Adaptação do algoritmo de aprendizado aos dados Distribuição dos casos futuros Quantidade de dados

Árvore de Decisão (H1): 

Árvore de Decisão (H1)

...Outra Possível H2: 

Idade Renda ...Outra Possível H2

...Outra Possível H3: 

Idade Renda ...Outra Possível H3

...Outra Possível H4: 

Idade Renda ...Outra Possível H4

Qual a Melhor H? Não Esquecer o Erro...: 

Qual a Melhor H? Não Esquecer o Erro...

H4...: 

Renda Idade H4...

Erro de H4: 

Renda Idade Conjunto de Teste Erro de H4

Erro de H1: 

Erro de H1 Renda Idade Conjunto de Teste

IMPORTANTE: 

IMPORTANTE Todo algoritmo indutivo tem um bias Desempenho de um algoritmo varia com o domínio Análise Experimental é Fundamental

Tópicos: 

Tópicos Inteligência e Aprendizado Engenharia de Conhecimento e SBC Dado, Informação e Conhecimento Aprendizado de Máquina AM usando Árvores de Decisão KDD e Data Mining

Data Mining: 

Data Mining Avanço da tecnologia permitiu o armazenamento de coleções enormes de dados Extração de Conhecimento de Bases de Dados

Processo de KDD: 

Processo de KDD

DM x AM: 

DM x AM AM geralmente (mas não sempre) trabalha com pequena quantidade de dados, mas relevantes

DM x AM: 

DM x AM DM trabalha com grandes bases de dados reais, sendo a eficiência muito importante

Considerações Finais: 

Considerações Finais Pessoas diferentes vêem IA de uma maneira diferente. Duas importantes questões são: Você está interessado em pensamento ou comportamento? Você deseja modelar seres humanos ou trabalhar a partir de um padrão ideal?

Slide95: 

“Se o cérebro [humano] fosse tão simples que pudéssemos compreendê-lo, nós seríamos tão simples que não o conseguiríamos.”

Slide96: 

Este material encontra-se disponível no site do LABIC: http://labic.icmc.sc.usp.br/portugues/courses.htm Profa. Dra. Maria Carolina Monard mcmonard@icmc.sc.usp.br Design e Programação Visual: Marcos Roberto Geromini mrgera@icmc.sc.usp.br LABIC - ICMC - USP São Carlos