Introdução
Aplicações modernas apontam para um conceito de Inteligência Artificial (IA) voltado para duas principais características: autonomia e adaptabilidade. Autonomia é a habilidade de executar tarefas em contextos complexos sem constante intervenção do ser humano e adaptabilidade é a habilidade de melhorar seu desempenho aprendendo com a experiência.
Ementa
Introdução à Inteligência Artificial; Definições de Agente Autônomo; Arquitetura computacional de agentes e o laço percepção – planejamento e ação; Caracterização de Ambientes; Resolução de problemas usando espaço de busca; Estratégias de busca; Algoritmos de busca cega e informados; Conceito de Heurística; Teoria de Jogos e Ambientes Competitivos; Aprendizagem por Reforço; Percepção, sensores e incerteza; Noções de visão computacional e reconhecimento de padrões; Aplicação comercial de robôs e usos emergentes, soluções de plataformas robóticas e de software para robôs (R.O.S, OpenCV).
Objetivos
Ao final da disciplina o estudante será capaz de:
- Descrever os conceitos, técnicas e métodos para o desenvolvimento de Agentes Autônomos.
- Identificar quais tipos de problemas podem ser resolvidos através do uso de Agentes Autônomos.
- Criar soluções para alguns problemas clássicos desta área.
- Especificar, desenvolver e testar projetos que façam uso de Agentes Autônomos para resolver problemas complexos.
- Planejar e executar um trabalho em equipe, fornecendo e assimilando devolutivas.
Conteúdo Programático
- Definições de Agente Autônomo e resolução de problemas.
- Estratégias de busca: algoritmos de busca cega e algoritmos informados.
- Heurísticas.
- Implementação de agentes autônomos utilizando estratégias de busca.
- Programação por restrições (CSP).
- Ambientes competitivos e teoria de jogos.
- Algoritmo Min-Max e função de utilidade.
- Implementação de agentes autônomos para ambientes competitivos.
- Aprendizagem por Reforço.
- Implementação de agentes autônomos usando aprendizagem por reforço.
- Algoritmo Q-Learning.
- Implementações de agentes autônomos usando o projeto Gym.
- Implementação de um agente robótico.
Bibliografia Básica
- NORVIG, P.; RUSSELL, S., Inteligência Artificial, 3ª ed., Campus Elsevier, 2013
Bibliografia Complementar
- O'KANE, J., A Gentle introduction to ROS, CreateSpace Publishing, 2013
- SIEGWART, R.; NOURBAKHSH, I. R.; SCARAMUZZA, D., Introduction to Autonomous Mobile Robots., 2ª ed., MIT Press, 2011
- SILVER, D.; SINGH S.; PRECUP D.; SUTTON R. Reward is enough. Artificial Intelligence. Vol 299, 2021. Disponível em https://doi.org/10.1016/j.artint.2021.103535.
- SILVER, D.; HUBERT T.; SCHRITTWIESER, J.; ANTONOGLOU, I.; LAI, M.; GUEZ, A. A general reinforcement learning algorithm that masters chess, shogi, and Go through self-play. Science 362, 1140-1144 (2018).