Inteligência Artificial – Parte 1

INICIO
Prezados leitores do TI ESPECIALISTAS nas próximas edições eu vou publicar um assunto muito comentado no mundo atual e acadêmico na qual eu estou estudando na universidade que seria sobre Inteligência Artificial (IA) ou artificial intelligence (AI). Eu estou utilizando como base de conhecimento o livro Machine Learning de Tom M. Mitchell.

Espero poder interagir e compartilhar com vocês sobre o assunto. Para tanto eu vou encaminhar para os leitores assuntos em capítulos para não tornar o assunto extenso.

INTRODUÇÃO
Desde que os computadores foram inventados, nós nos perguntamos se eles podem ser feitos para aprender. Se pudéssemos entender como programá-los para aprender – melhorar automaticamente com experiência – o impacto seria dramático. Imagine computadores aprendendo com registros médicos quais tratamentos são mais eficazes para novas doenças, as pessoas aprendendo com sua experiência para aperfeiçoamento dos custos de energia com base nos padrões de uso específicos, ou aprendizagem quanto ao software pessoal aos interesses da evolução dos seus usuários.

Uma compreensão bem-sucedida de como fazer que os computadores aprendessem pode abrir novos horizontes, novos níveis de competência e personalização. E uma compreensão detalhada do processamento de informações algoritmos para aprendizagem em máquina que podem levar a um melhor entendimento de habilidades humanas de aprendizagem (e deficiências) também. Nós ainda não sabemos como fazer o computador aprender quase tão bem quanto nós humanos. No entanto, os algoritmos foram inventados são altamente efetivos para certos tipos de tarefas na aprendizagem, e uma compreensão teórica da aprendizagem está começando a surgir mundo atual.

Muitos programas de computadores específicos foram desenvolvidos para execução de certos tipos de aprendizagem e aplicações comerciais. Para problemas como reconhecimento de fala, algoritmos baseados em máquinas estão sendo hoje implementados. Aprender a superar todas as outras abordagens hoje o mundo do conhecimento está sendo analisado. Dentro do campo conhecido como mineração de dados, algoritmos de aprendizado de máquina estão sendo utilizados rotineiramente para descobrir conhecimentos valiosos de grandes bancos comerciais contendo registros de manutenção de equipamentos, análise de pedidos de empréstimos, transações financeiras, registros médicos e outros tipos similares.

A nossa compreensão sobre computadores continua a amadurecer, parece inevitável que a aprendizagem por máquinas desempenhe um papel cada vez mais importante na informática. Algumas realizações específicas fornecem um vislumbre do estado da arte: programas foram desenvolvidos aprendem com sucesso a reconhecer as palavras faladas (Waibel 1989; Lee, 1989), preveem taxas de recuperação de pacientes com pneumonia (Cooper et al. 1997), detectam o uso fraudulento de cartões de crédito, conduzem veículos autônomos em rodovias públicas (Pomerleau 1989), e jogam jogos como gamão, xadrez em níveis que se aproximam da performance dos campeões mundiais humanos (Tesauro 1992, 1995).

Os computadores foram desenvolvidos com resultados teóricos que caracterizam a fundamental relação entre o número de exemplos e números de hipóteses na prática e o erro esperado em hipóteses que são aprendidas. Nós estamos começando a obter modelos iniciais de aprendizagem humana e animal e a compreender sua relação com os algoritmos de aprendizagem desenvolvidos para computadores (por exemplo, Laird et al. 1986; Anderson 1991; Qin et al. 1992; Chi e Bassock 1989; Ahn e Brewer 1993).

Em aplicações, algoritmos, teorias e estudos de sistemas biológicos aumentaram significativamente ao longo da última década. Várias aplicações recentes da aprendizagem de máquinas estão resumidas na Tabela 1.1. A Tabela 1.2 resume as idéias-chave de cada um desses campos que afetam o campo de aprendizado de máquinas. O leitor não precisa ser um especialista em nenhum deles para ter o conhecimento de IA. Ideias-chave são apresentadas a partir desses campos usando o vocabulário simples de um não especialista, com termos desconhecidos e conceitos introduzidos conforme necessário.

RESUMO
Todo aprendizado sendo ele automático para as máquinas, aborda a questão de como criar programas de computador para melhorar seu desempenho em alguma tarefa através das experiências dos seres humanos. Os algoritmos de aprendizagem de máquinas provaram ser de grande valor prático em um variedade de domínios de aplicação. Eles são especialmente úteis na mineração de dados em que os bancos de dados possuem grandes volumes de informações e podem conter valiosas regularidades implícitas que pode ser descobertas de forma automática (por exemplo, para analisar resultados de medicamentos para os tratamentos de bases de dados de pacientes ou para aprender regras gerais para o mérito de crédito conforme a bases de dados financeiras dos clientes); (b) domínios mal compreendidos onde humanos não podem ter o conhecimento necessário para desenvolver algoritmos efetivos (por exemplo, reconhecimento de rosto humano a partir de imagens); e ou os domínios onde o programa devem se adaptar dinamicamente a condições de mudança (por exemplo, controlar a fabricação dos processos de oferta conforme as mudanças ou na adaptação à mudança dos interesses dos indivíduos).

O aprendizado da máquina desenha idéias de um conjunto diversificado de disciplinas, incluindo inteligência artificial, probabilidade e estatística, complexidade computacional, teoria da informação, psicologia e neurobiologia, teoria do controle e filosofia. Um problema de aprendizagem bem definido requer uma tarefa bem especifica, desempenho métrico e fonte de experiência de treinamento. Projetar uma abordagem de aprendizado de máquina envolve uma série de opções de design, incluindo a escolha do tipo de experiência de treinamento, a função alvo para ser aprendida, uma representação alvo para esta função, e um algoritmo de aprendizado em função de exemplos.