Conceitos e características sobre Inteligência Artificial

Este artigo tem por finalidade levar o leitor a refletir sobre um campo da computação denominado Inteligência Artificial. Também descreve algumas de suas características e aplicações.

Os avanços tecnológicos e científicos nas mais diversas áreas do conhecimento provocam reações extremas pelo receio da inversão da “ordem natural”. Se olharmos para o passado muito do que temos hoje se deve a ousadias de poucos e brilhantes homens que se atreveram a mudar contextos e modelos pré-concebidos de processos.

O certo é que, toda a evolução humana faz sempre alguns se maravilharem com as conquistas tecnológicas e outros tantos, reagem indignados, prevendo o uso incorreto deste conhecimento. Na área da computação não é diferente, muitos duvidam, outros acreditam e outros realizam.

A palavra “inteligência” é originária do latim onde inter (entre) e legere (escolher) nos remetem ao significado de que a “inteligência” significa aquilo que permite ao ser humano realizar escolha entre uma coisa e outra. Também pode ser compreendida como a habilidade de realizar de forma eficiente uma tarefa.

A palavra “artificial” também vem do latim artificiale (algo não natural), ou seja, produzido pelo homem.

Boose (1994) afirma que a Inteligência Artificial é um campo de estudo multidisciplinar e interdisciplinar, que se apóia no conhecimento e evolução de outras áreas do conhecimento. É também a busca do entendimento da mente humana e imitação de seu comportamento.

De acordo com estas definições, levanta questões tais como: Como ocorre o pensar? De qual maneira o homem consegue extrair o conhecimento do mundo? De que forma a memória, sentidos e a linguagem contribuem para o desenvolvimento da inteligência? Como ocorre o processamento da decisão da escolha entre uma coisa e outra? Como acontece o fenômeno da idéia?

Para Fernandes (2005) o objetivo da Inteligência Artificial é o estudo e a modelagem da inteligência tratada como um fenômeno. Afirma ainda que a Inteligência Humana esteja aliada a sua capacidade de interagir com o meio através de habilidades cognitivas (sentidos) e conotativas (ações).

Ou seja, o reconhecimento de sons e imagens, movimentação, capacidade de se expressar á respeito de algo, agir conforme influência do meio ou de situações inesperadas.

Há aqui um esforço, principalmente no campo da robótica no sentido de implementar habilidades em máquinas inteligentes, proporcionando uma crescente interação com o meio e reconhecimento de padrões de inteligência para aquisição de conhecimento, reconhecimento e aprendizado.

Gonçalves (1997), afirma que a aprendizagem é um processo individual que se realiza internamente, isto é, ocorre nas estruturas cognitivas internas e só pode ser observada através da conduta externa dos indivíduos.

Conforme este processo, em linhas gerais o sujeito vive em interação com o meio ambiente, do qual recebe desafios de maneira permanente, estes por sua vez ativam estruturas mentais, permitindo a elaboração de esquemas que sejam mais satisfatórios à sua adaptação ou a transformação do meio.

O conceito de aprendizagem define que o fenômeno é um processo. Logo, se é baseado em uma estrutura pode ser transformado em algoritmo e em seguida programado por meio computacional.

O grande desafio de computar os fenômenos relacionados á simulação da inteligência, é que as estruturas não são fixas, ou seja, a estrutura está em constante mudança.

Para Simon (1988) há duas abordagens definidas para o estudo da Inteligência Artificial.

Abordagem cognitiva: denominada “descendente” ou “simbolista”, que enfatiza a forma como o ser humano raciocina.

Esta abordagem tem por finalidade encontrar uma explicação para comportamentos inteligentes baseados em aspectos psicológicos e processos algoritmos.

Abordagem conexionista: conhecida como “biológica” ou “ascendente”, que enfatiza o modelo de funcionamento cerebral, das redes neuronais e suas conexões.

Nesta abordagem é baseada em representação e formalização matemática de neurônios artificiais que representam os processos de sinapses (ligações entre células nervosas) dando origem aos modelos de Redes Neurais que iremos descrever mais adiante.

Os modelos principais de inteligência artificial são: Algoritmos Genéticos, Programação evolutiva, Lógica Fuzzy, Sistemas Baseados em  Conhecimento, Raciocínio Baseado em Casos, Programação Genética e Redes Neurais

  • Algoritmos Genéticos é um modelo para aprendizado inspirado no livro “Origem das Espécies”, escrito pelo naturalista inglês Charles Darwin (1809-1882), no qual há a afirmação de que somente os mais aptos sobrevivem. De acordo com este modelo, os algoritmos emulam operações como cruzamento, mutação e reprodução da mesma forma como são observados na natureza. Isto é feito através da criação de populações de indivíduos representados por cromossomos. Estes indivíduos passam por um processo que simula a evolução, seleção e reprodução, gerando novas populações.
  • Programação Evolutiva assemelha-se aos Algoritmos Genéticos, entretanto dá maior ênfase na relação do comportamento entre parentes e seus descendentes. As soluções para os problemas se dão por meio de tentativas e transmissão de características genéticas para a população simulada em programas.
  • Lógica Fuzzy também conhecida como “lógica difusa” ou “lógica nebulosa”. É uma metodologia que serve para representar, manipular e modelar informações incertas. É aceitável na sua estrutura a existência de um “talvez”. Isso leva alguns estudiosos contestarem sua veracidade, pois na lógica convencional Booleana (usada nos paradigmas de programação de computadores) onde há somente resultados verdadeiros ou falsos.
  • Sistemas Baseados em Regras buscam programar modelos de comportamentos inteligentes de especialistas humanos.
  • Programação Genética procura construir programas que imitem o processo natural da genética. São usados métodos de busca aleatória em suas estruturas.
  • Raciocínio Baseado em Casos usam resultados de experiências anteriores para solucionar problemas. Os problemas atuais são resolvidos através da recuperação, analise e consulta de casos resolvidos e da conseqüente adaptação das soluções encontradas.
  • Redes Neurais também conhecida por várias denominações tais como, Redes Neuronais, Modelo Conexionista, Neurocomputação, Modelo de Processamento Paralelo Distribuído, Sistemas Neuromórficos  e Computadores Biológicos. Sua estrutura é baseada em números de elementos interconectados chamados “neurônios” organizados em camadas que aprendem pela modificação de conexões conectando em camadas.

Percebe-se claramente que há um leque de frentes de estudos que buscam incansavelmente a simulação da inteligência humana através de recursos computacionais.

De acordo com Hawking (2001),

Os computadores obedecem àquela que é conhecida como a lei de Moore: sua velocidade e complexidade dobram a cada 18 meses. Trata-se de um desses crescimentos exponenciais que, sem dúvida, não podem continuar para sempre. Entretanto, ele provavelmente continuará, até que os computadores atinjam uma complexidade semelhante à do cérebro humano.

O aumento da capacidade exponencial de processamento dos computadores tem contribuído de forma muito eficaz para o desenvolvimento dos modelos de inteligência artificial.

O aprimoramento tecnológico tem revelado diversas tendências e aprimoramento de novas tecnologias para facilitar a interação entre homens e máquinas.

Hoje, as aplicações dos modelos e métodos de programação trazidos pela inteligência artificial estão presentes em diversos dispositivos computacionais do nosso cotidiano.

Em carros, por exemplo, há dezenas de processadores que ajustam o funcionamento do motor de acordo com as situações.

Os diversos jogos disponíveis em plataformas usam a inteligência artificial para simular de maneira muito fiel infindável situações.

 

BIBLIOGRAFIA

BOOSE, J. H. Personal Construct Theory and Transfer of Human Expertese. Proceedings of AAAI – 84, p. 27-33. California, American Association for Artificial Inteligence, 1984.

FERNANDES,  Anita Maria da Rocha. Inteligência Artificial: Noções Gerais. Florianopolis. Visual Books, 2005.

GONÇALVES, Maria Helena; Beatriz Maria A. de A. Pinheiro. O processo ensino-aprendizagem. Rio de Janeiro. Editora SENAC Nacional, 1997.

HAWKING, Stephen. O universo numa casca de noz. São Paulo. Ed. Mandarim, 2001

SIMONS, G. T. Introdução a Inteligência Artificial. Classe, 1998.

Comentarios

comentarios