MAC0425/MAC5739 - Inteligência Artificial

Esse artigo que ganhou um prêmio na conferência de planejamento em IA de 2004. mostra a como a busca em largura pode ser mais eficiente em termos de uso de memória quando comparada a uma busca do tipo A*.

Aula introdutório onde explicamos por que a Inteligência Artificial tem despertado o interesse de pesquisadores e estudiosos ao redor do mundo; e onde tentamos definir a área antes de explorarmos as suas principais idéias e técnicas.

Nessa aula introduzimos o conceito de agente inteligente e tipos básicos de arquiteturas de agentes para os quais faremos referência ao longo do curso.

A resolução de problemas por meio de algoritmos de busca caracterizam um agente inteligente capaz de encontrar uma seqüência de ações que alcança seus objetivos, com base no seu conhecimento sobre os efeitos de suas ações num determinado ambiente.

Agentes que fazem busca para resolver problemas e que não possuem informação sobre a distância de um estado qualquer a um estado meta.

Agentes que resolvem problemas através de uma busca no espaço de estados mas que sabem quais são os melhores estados para serem examinados antes dos demais, isto é, os estados mais próximos de um estado meta.

Agente que tenta planejar suas ações em um mundo no qual outros agentes estão fazendo planos contra nós.

Regras do régua-puzzle: especificação formal do jogo.

Planejamento: Modelo Conceitual

Linguagens de representação de ações para planejamento. A linguagem PDDL (Planning Domain Description Language).

Planejamento como busca no espaço de estados

POP: Planejamento como busca no espaço de planos

Observação: POP é um acrônimo para Partial-Order Planner, também chamado de PSP, Plan Space Planner. O primeiro nome é mais popular enquanto o segundo foi recentemente criado no livro de planejamento.

Graphplan: planejamento baseado no grafo de planejamento.

Planejamento como um problema de satisfatibilidade.

Estudo sobre BDDs

BlackBox