Aprendizado de Máquina Uma Visão Geral

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

2. 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

3. 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

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

5. 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)

6. As 4 categorias das definições de Inteligência Artificial

7. 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

8. 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.....

9. 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.

10. 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?

11. IA e Lógica O problema está em considerar que esse ou é um ouexclusivo!

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

13. 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.

14. O que é inteligência? Paradigmas da Inteligência Muito difícil!!!

15. 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

16. 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

17. 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

18. SistemaComputacional Interface Barreira Física Humano O Teste de Turing Interrogador

19. 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

20. Processo de Aprendizado Aquisição Representação Manipulação Sistemas de IA Conceitos e técnicas de IA Conhecimento Sistemas de IA

21. 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.

22. ConhecimentoAdquirido Base de Conhecimento c/ Fatos e Relações CONSTRUÇÃO DE BASESDE CONHECIMENTO Especialista(s) Aquisição doConhecimento Representação doConhecimento Engenheiro doConhecimento

23. Transfor-mação Engenharia de Conhecimento Estuda o processo de transferência de conhecimento do especialista para o computador.

24. 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.

25. 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

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

27. SBC e Sistemas Especialistas

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

29. 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

30. 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

31. 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

32. Estrutura Conhecimento Informação Dados

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

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

35. 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.

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

37. 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

38. Aprendizado de Máquina Aquisição Representação Manipulação Sistemas de IA Conceitos e técnicas de IA Conhecimento Sistemas de IA

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

40. 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.

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

42. Ciência da Computação Ciências Cognitivas Aprendizado de Máquina Reconheci-mento de Padrões Estatística AM incorpora várias técnicas de outras disciplinas

43. Sistemas de Aprendizado de Máquina

44. 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:

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

46. 2.Descrições de atributos: um objeto é descrito em termos de suas características globais como um vetor de valores de atributos Cubo Número de faces Polígono da face 6 quadrado Pirâmide Número de faces Polígono da face 5 triângulo

47. Se Nublado ou Chovendo • então Levar_Guarda-Chuva Formalismos usados em AM para descrever conceitos • regras se-então (if-then) para representar conceitos

48. inimigo não sorri balão amigo sim segura inimigo espada filha(X, Y) <-- mulher(X), pais(X,Y). Formalismos usados em AM para descrever conceitos • árvores de decisão para representar conceitos • lógica de predicados

49. 1. Aprendizado Não Supervisionado: aprendizado por observação e descoberta. ? ? ? ? 2. Aprendizado Supervisionado: aprendizado por exemplos Aprendizado por Indução

50. Classificador Caso a ser classificado: padrão de dados Decisão da Classe Associada ao Caso Sistema de Aprendizado Exemplos Classificador ou Preditor Aprendizado Supervisionado Cada exemplo é expresso por um conjunto de features