Inteligência Artificial (Peter Norvig, Stuart Russell)

PARTE I

Inteligência artificial
1. Introdução
1.1 O que é IA?
1.2 Os fundamentos da inteligência artificial
1.3 História da inteligência artificial
1.4 O estado da arte
1.5 Resumo
Notas bibliográficas e históricas
Exercícios
2. Agentes inteligentes
2.1 Agentes e ambientes
2.2 Bom comportamento: o conceito de racionalidade
2.3 A natureza dos ambientes
2.4 A estrutura de agentes
2.5 Resumo
Notas bibliográficas e históricas
Exercícios

PARTE II

Resolução de problemas
3. Resolução de problemas por meio de busca
3.1 Agentes de resolução de problemas
3.2 Exemplos de problemas
3.3 Em busca de soluções
3.4 Estratégias de busca sem informação
3.5 Estratégia de busca informada (heurística)
3.6 Funções heurísticas
3.7 Resumo
Notas bibliográficas e históricas
Exercícios
4. Além da busca clássica
4.1 Algoritmos de busca local e problemas de otimização
4.2 Busca local em espaços contínuos
4.3 Busca com ações não determinísticas
4.4 Pesquisando com observações parciais
4.5 Agentes de busca on-line em ambientes desconhecidos
4.6 Resumo
Notas bibliográficas e históricas
Exercícios
5. Busca competitiva
5.1 Jogos
5.2 Decisões ótimas em jogos
5.3 Poda alfa-beta
5.4 Decisões imperfeitas em tempo real
5.5 Jogos estocásticos
5.6 Jogos parcialmente observáveis
5.7 Programas de jogos de última geração
5.8 Abordagens alternativas
5.9 Resumo
Notas bibliográficas e históricas
Exercícios
6. Problemas de satisfação de restrições

6.1 Definição de problemas de satisfação de restrições
6.2 Propagação de restrição: inferência em PSRs
6.3 Busca com retrocesso para PSRs
6.4 Busca local para PSRs
6.5 A estrutura de problemas
6.6 Resumo
Notas bibliográficas e históricas
Exercícios

PARTE III

Conhecimento, pensamento e planejamento
7. Agentes lógicos
7.1 Agentes baseados em conhecimento
7.2 O mundo de wumpus
7.3 Lógica
7.4 Lógica proposicional: uma lógica muito simples
7.5 Prova de teoremas proposicionais
7.6 Verificação de modelos proposicionais eficientes
7.7 Agentes baseados em lógica proposicional
7.8 Resumo
Notas bibliográficas e históricas
Exercícios
8. Lógica de primeira ordem
8.1 Uma revisão da representação
8.2 Sintaxe e semântica da lógica de primeira ordem
8.3 Utilização da lógica de primeira ordem
8.4 Engenharia de conhecimento em lógica de primeira ordem
8.5 Resumo
Notas bibliográficas e históricas
Exercícios
9. Inferência em lógica de primeira ordem
9.1 Inferência proposicional versus inferência de primeira ordem
9.2 Unificação e elevação
9.3 Encadeamento para a frente
9.4 Encadeamento para trás
9.5 Resolução
9.6 Resumo
Notas bibliográficas e históricas
Exercícios
10. Planejamento clássico
10.1 Definição do planejamento clássico
10.2 Algoritmos de planejamento como busca em espaço de estados
10.3 Grafos de planejamento
10.4 Outras abordagens clássicas de planejamento
10.5 Análise das abordagens de planejamento
10.6 Resumo
Notas bibliográficas e históricas
Exercícios
11. Planejamento e ação no mundo real
11.1 Tempo, escalonamentos e recursos
11.2 Planejamento hierárquico
11.3 Planejamento e ação em domínios não determinísticos
11.4 Planejamento multiagente
11.5 Resumo
Notas bibliográficas e históricas
Exercícios
12. Representação de conhecimento
12.1 Engenharia ontológica
12.2 Categorias e objetos
12.3 Eventos
12.4 Eventos mentais e objetos mentais
12.5 Sistemas de raciocínio para categorias
12.6 Raciocínio com informações default
12.7 O mundo de compras da internet
12.8 Resumo
Notas bibliográficas e históricas
Exercícios

PARTE IV

Conhecimento incerto e pensamento
13. Quantificando a incerteza
13.1 Como agir em meio à incerteza
13.2 Notação básica de probabilidade
13.3 Inferência com o uso de distribuições conjuntas totais
13.4 Independência
13.5 A regra de Bayes e seu uso
13.6 De volta ao mundo de wumpus
13.7 Resumo
Notas bibliográficas e históricas
Exercícios
14. Raciocínio probabilístico
14.1 Representação do conhecimento em um domínio incerto
14.2 A semântica das redes bayesianas
14.3 Representação eficiente de distribuições condicionais
14.4 Inferência exata em redes bayesianas
14.5 Inferência aproximada em redes bayesianas
14.6 Modelos de probabilidade relacional e de primeira ordem
14.7 Outras abordagens para raciocínio incerto
14.8 Resumo
Notas bibliográficas e históricas
Exercícios
15. Raciocínio probabilístico temporal
15.1 Tempo e incerteza
15.2 Inferência em modelos temporais
15.3 Modelos ocultos de Markov
15.4 Filtros de Kalman
15.5 Redes bayesianas dinâmicas
15.6 Manutenção e controle de muitos objetos
15.7 Resumo
Notas bibliográficas e históricas
Exercícios
16. Tomada de decisões simples
16.1 Combinação de crenças e desejos sob incerteza
16.2 A base da teoria da utilidade
16.3 Funções utilidade
16.4 Funções utilidade multiatributo
16.5 Redes de decisão
16.6 O valor da informação
16.7 Sistemas especialistas de teoria da decisão
16.8 Resumo
Notas bibliográficas e históricas
Exercícios
17. Tomada de decisões complexas
17.1 Problemas de decisão sequencial
17.2 Iteração de valor
17.3 Iteração de política
17.4 MDPs parcialmente observáveis
17.5 Decisões com vários agentes: teoria dos jogos
17.6 Projeto de mecanismos
17.7 Resumo
Notas bibliográficas e históricas
Exercícios

PARTE V

Aprendizagem
18. Aprendendo a partir de exemplos
18.1 Formas de aprendizagem
18.2 Aprendizagem supervisionada
18.3 Aprendizagem em árvores de decisão
18.4 Avaliação e escolha da melhor hipótese
18.5 Teoria da aprendizagem
18.6 Regressão e classificação com modelos lineares
18.7 Redes neurais artificiais
18.8 Modelos não paramétricos
18.9 Máquinas de vetores de suporte
18.10 Aprendizagem por agrupamento
18.11 Aprendizagem de máquina na prática
18.12 Resumo
Notas bibliográficas e históricas
Exercícios
19. Conhecimento em aprendizagem
19.1 Uma formulação lógica da aprendizagem
19.2 Conhecimento em aprendizagem
19.3 Aprendizagem baseada na explanação
19.4 Aprendizagem com o uso de informações de relevância
19.5 Programação em lógica indutiva
19.6 Resumo
Notas bibliográficas e históricas
Exercícios
20. Aprendizagem de modelos probabilísticos
20.1 Aprendizagem estatística
20.2 Aprendizagem com dados completos
20.3 Aprendizagem com variáveis ocultas: o algoritmo EM
20.4 Resumo
Notas bibliográficas e históricas
Exercícios
21. Aprendizagem por reforço
21.1 Introdução
21.2 Aprendizagem por reforço passiva
21.3 Aprendizagem por reforço ativa
21.4 Generalização da aprendizagem por reforço
21.5 Busca de políticas
21.6 Aplicações de aprendizagem por reforço
21.7 Resumo
Notas bibliográficas e históricas
Exercícios

PARTE VI

Comunicação, percepção e ação
22. Processamento de linguagem natural
22.1 Modelos de linguagem
22.2 Classificação de texto
22.3 Recuperação de informação
22.4 Extração de informação
22.5 Resumo
Notas bibliográficas e históricas
Exercícios
23. Linguagem natural para comunicação
23.1 Gramática com estrutura frasal
23.2 Análise sintática
23.3 Gramáticas aumentadas e interpretação semântica
23.4 Tradução automática
23.5 Reconhecimento de voz
23.6 Resumo
Notas bibliográficas e históricas
Exercícios
24. Percepção
24.1 Formação de imagens
24.2 Operações iniciais de processamento de imagens
24.3 Reconhecimento de objeto por aparência
24.4 Reconstrução do mundo em 3-D
24.5 Reconhecimento de objetos a partir de informação estrutural
24.6 Utilização da visão
24.7 Resumo
Notas bibliográficas e históricas
Exercícios
25. Robótica
25.1 Introdução
25.2 Hardware de robôs
25.3 Percepção robótica
25.4 Planejamento do movimento
25.5 Planejamento de movimentos incertos
25.6 Movimento
25.7 Arquiteturas de software para robótica
25.8 Domínios de aplicação
25.9 Resumo
Notas bibliográficas e históricas
Exercícios

PARTE VII

Conclusão
26. Fundamentos filosóficos
26.1 IA fraca: as máquinas podem agir com inteligência?
26.2 IA forte: as máquinas podem realmente pensar?
26.3 A ética e os riscos de desenvolver a inteligência artificial
26.4 Resumo
Notas bibliográficas e históricas
Exercícios
27. IA, presente e futuro
27.1 Componentes de agentes
27.2 Arquiteturas de agentes
27.3 Estamos indo na direção correta?
27.4 E se a IA tiver sucesso?
A. Fundamentos matemáticos
A.1 Análise de complexidade e notação o( )
A.2 Vetores, matrizes e álgebra linear
A.3 Distribuições de probabilidade
Notas bibliográficas e históricas
B. Notas sobre linguagens e algoritmos
B.1 Definição de linguagens com a forma de Backus−Naur (BNF)
B.2 Descrição de algoritmos com pseudocódigo
B.3 Ajuda on-line
Bibliografia