1) CIÊNCIA DA COMPUTAÇÃO:

A ciência da computação é dividida em duas classificações: HARDWARE e SOFTWARE.

Cada evolução do hardware (responsável pela parte física da máquina) gera uma expansão gigantesca no software (responsável pela parte programável). Desta maneira, o software abre uma perspectiva muito maior de trabalho, pesquisa e desenvolvimento, ou seja, o mercado de trabalho necessita muito mais de especialistas de software do que hardware.

Esta expansão do software fez com que surgissem várias especialidades e como conseqüência vários especialistas que podemos classificar como:

- TELEPROCESSAMENTO

Todas essas especialidades do software abrem um grande mercado de trabalho para engenheiros e formados da área de ciências da computação. No entanto, o objetivo de nosso estudo nesta matéria é restrito ao assunto da INTELIGÊNCIA ARTIFICIAL (I.A.) que sem dúvida nenhuma é o tema mais empolgante e promissor dos supracitados.

2) INTRODUÇÃO À INTELIGÊNCIA ARTIFICIAL:

A Inteligência Artificial (IA) está se tornando cada vez mais popular nos Estados Unidos, Europa e Japão. Uma das maiores provas do destaque que esta nova ciência vem obtendo está no fato de robôs inteligentes, ou seja, providos de IA, construídos nos centros de pesquisa americanos, serem escolhidos como paraninfos por jovens colegiais.

Os encantos da ciência dos computadores pensantes e dos robôs estão começando a seduzir também os brasileiros. Em São Paulo já existem vários grupos de pesquisa de I.A. que vem admitindo até estagiários e recém-formados em Engenharia e/ou Ciências da Computação.

Quais as razões para a súbita popularidade alcançada pela Inteligência Artificial?

A primeira razão é de ordem prática. Muita gente pensa que os japoneses e americanos estão investindo tanto na I.A. que ela está destinada a ocupar uma posição dominante na Informática num futuro bem próximo.

A segunda razão deve ser procurada no espírito aventureiro do homem. Este espírito faz com que as pessoas se encantem com robôs inteligentes e máquinas pensantes.

As pirâmides do Egito são, sem dúvida, uma das maiores realizações da Engenharia Civil. Para construí-las, os antigos egípcios tiveram que dominar:

- complexas técnicas de administração

- transportes

- planejamento

- física dos materiais e etc.

E para dominá-las os engenheiros do Vale do Nilo usaram um processo muito simples. Eles tentaram construir uma pirâmide. Ela desmoronou. Tentou-se construir outra, que também desmoronou. Cada pirâmide que desmoronava trazia novos conhecimentos aos egípcios.

O método egípcio de pesquisa ainda é esporadicamente usado (ACREDITE SE QUISER). A maior parte dos engenheiros, entretanto, não o usa. Os engenheiros aeronáuticos, por exemplo, não testam um novo tipo de avião construindo um protótipo e fazendo um vôo experimental de Campinas a Pelotas com passageiros a bordo. Eles constroem um modelo pequeno e barato do avião e o testam num túnel de vento.

Os jogos e quebra-cabeças são tão importantes para o especialista em Inteligência Artificial quanto os modelos de aviões para os engenheiros aeronáuticos. E através de jogos que novas técnicas são descobertas e testadas.

Muitos jogos de aventura, por exemplo, foram inventados por especialistas em I.A. para experimentar métodos de Processamento da Linguagem Natural (como por exemplo, o famoso jogo da ELISA - A PSICOLOGA). Sobre P.L.N. - Processamento de Linguagem Natural vamos dedicar mais para frente um capitulo inteiro só sobre esse assunto.

A importância da programação de jogos é tamanha que os industriais Japoneses, gente prática que só investe em coisas de retorno garantido, colocaram o desenvolvimento de um programa capaz de jogar “GO” entre as suas metas prioritárias. Eles sabem que tal programa permitirá a seus cientistas descobrir e testar métodos de reconhecimento de padrões fundamentais para dar ao Japão a continuidade da liderança no campo da Informática.

A Inteligência Artificial, como o próprio nome indica, é simplesmente uma maneira de fazer o computador pensar inteligentemente. Isto é conseguido estudando como as pessoas pensam (biologicamente e filosoficamente) quando estão tentando tomar decisões e resolver problemas. A Inteligência Artificial então fornece um método simples e estruturado de se projetar programas complexos de tomada de decisão.

“UM PROGRAMA INTELIGENTE É AQUELE QUE EXIBE COMPORTAMENTO SIMILAR AO DE UM SER HUMANO QUANDO CONFRONTADO COM UM PROBLEMA ANÁLOGO. NÃO É NECESSÁRIO QUE O PROGRAMA REALMENTE SOLUCIONE, OU PROCURE SOLUCIONAR, O PROBLEMA DA MESMA MA­NEIRA QUE UM SER HUMANO”.

O programa não precisa pensar realmente como um ser humano, muito embora aparente isto (Afinal, mesmo as pessoas nem sempre pensam da mesma maneira). Assim, pode-se concluir que programas inteligentes (de uma certa maneira) exibem um comportamento parecido com o do ser humano, enquanto programas não-inteligentes não o exibem. Um exemplo disso é só você se imaginar jogando TRUCO com um robô provido de Inteligência Artificial, e que num certo momento ele sobe em cima da mesa e grita freneticamente: ‘TRUCO LADRÃO!!”, e obviamente você não vai saber se ele está blefando ou não.

TÓPICOS DA I.A.:

Conforme já vimos no item 1 deste capítulo, a informática (software) está dividida em várias especializações e a I.A. faz parte de uma delas, porém, a Inteligência Artificial desenvolveu-se de tal modo que também acabou se dividindo em várias especialidades, abrindo mercados de trabalhos distintos dentro da mesma temática.

Muitas das especialidades da Inteligência Artificial têm sido pesquisadas dentro do Brasil, principalmente em São Paulo onde tem aberto vagas para engenheiros e/ou formados em ciências da computação para desenvolvimento de pesquisas ou mesmo aplicações profissionais a fim de obter resultados imediatos como é o caso do metrô da capital de São Paulo e também da Petrobrás.

Abaixo seguem os principais tópicos das divisões da I.A.

- DESENVOLVIMENTO DE MODELOS MATEMÁTICOS ANÁLOGOS AOS NEURÔNIOS BIOLÓGICOS (HUMANOS)
- TÉCNICAS DE BUSCA DE SOLUÇÕES

- APRENDIZAGEM DA MÁQUINA (PODA E INFERÊNCIA)

- PROBABILIDADE HEURÍSTICA

- PLN (PROCESSAMENTO DE LINGUAGEM NATURAL)

- RECONHECIMENTO POR VISÃO E POR PADRÃO

- INCERTEZA E LÓGICA NEBULOSA (FUZZY LOGIC)

- ROBÓTICA

- SISTEMAS ESPECIALISTAS

5) HISTÓRIA DA I.A.:

Entre os primeiros programas computacionais de Inteligência Artificial (surgidos nos fins dos anos 50), estava um que permitia à máquina jogar o prosaico jogo-da-velha. Mais tarde passaram a ser desenvolvidos programas para os mais diversos fins: jogar xadrez (o qual depois foi aprimorado, passando a aprender a partir dos próprios erros) provar teoremas do cálculo predicado de primeira ordem e algoritmos de lógica proposicional e manipular símbolos.

Mais tarde surgiram outros programas, dirigidos para o diagnóstico de certas patologias, para a prospecção de minérios, de petróleo, etc. Alguns se voltaram para a identificação de problemas de visão e de reconhecimento de formas, outros para problemas de manipulação em dispositivos robóticos, outros ainda para problemas de reconhecimento da voz humana e de instruções fornecidas em linguagem humana natural.

Observe que, ao contrário dos problemas convencionalmente resolúveis por computador, nenhum destes acima mencionados é passível de solução por cálculo numérico. Isto porque a I.A. é, precisamente, o ramo da ciência da computação que trata das maneiras de representar o conhecimento por meio de símbolos, em lugar de números, e de regras práticas ou heurísticas em lugar dos métodos tradicionais de processamento de informação.

Desde o advento dos primeiros computadores eletrônicos, previa-se a possibilidade de solucionar problemas de maneira análoga a utilizada pelo raciocínio humano. O matemático Alan Mathison Turing (1912-1954), autor de artigos fundamentais no campo da Inteligência Artificial, previu em 1937, no artigo: “0N COMPUTABLE NUMBERS, WITH AN APLLICATION TO THE ENTSCHEIDUNGSPROBLEM” que quer dizer SOBRE NÚMEROS COMPUTÁVEIS COM APLICAÇÃO AO PROBLEMA DA DECISÃO “, que, se alguns problemas não são solucionáveis por processos fixos e definidos, seria possível construir máquinas capazes de pensar de maneira análoga a humana.

Outro matemático norte-americano e um dos criadores da teoria da comunicação, Norbert Wiener (1894-1964), previu também a possibilidade de máquinas que pudessem pensar copiando a estrutura e os métodos heurísticos do pensamento humano.

Certos jogos que envolvem a lógica foram os primeiros problemas que se buscaram resolver por meio de programas de I.A.: o já falado jogo-da-velha, por ter regras e opções limitadas, foi um dos primeiros, depois o de damas, o gamão e o xadrez. As informações envolvidas nesses jogos não são naturalmente representadas matematicamente, e sua evolução requer conhecimentos de heurística, sendo necessário consumir algum tempo para examinar exaustivamente, por antecipação, todas as possíveis seqüências de movimentos. Em razão da natureza bem estruturada de suas regras, os jogos suscitam, ainda hoje, grande número de pesquisas em Inteligência Artificial.

Modernamente, a heurística é definida como a ciência que estuda as constantes da atividade do pensamento criador. Seus objetivos já não se reduzem a busca das constantes do pensamento criador: abarcam também a elaboração de métodos e modos de direção desses processos. Estes conceitos foram desenvolvidos no final da década de 1960, principalmente por Herbert Alexander Simon, cientista social e matemático norte-americano, nascido em 1916, Prêmio Nobel de Economia em 1978 por seus trabalhos sobre teoria da decisão.

Se os algoritmos garantem uma solução correta num tempo finito, desde que essa evolução exista, a heurística apenas aumenta a probabilidade de se encontrar urna solução aceitável, bem como a possibilidade de evolução (esse assunto vamos explorar largamente em capítulos futuros).

Enfim, é difícil saber exatamente quando nasceu o que hoje é chamado de I.A. Talvez o crédito do nascimento da I.A. deva ser dado a A. M. Turing (já mencionado anteriormente), por seu pioneirismo em armazenar programas em computadores. Os primeiros computadores foram de fato máquinas dedicadas, que literalmente precisavam ser recarregadas para resolver diferentes problemas.

Turing descobriu que programas poderiam ser armazenados como dados na memória do computador e executados a seguir, formando a base dos computadores modernos. O armazenamento de programas permitiu ao computador alterar sua função rápida e facilmente, simplesmente rodando outro programa.

Essa capacidade implica que o computador deve ser capaz de mudar sua própria atuação, isto é, aprender ou pensar.

Assim que a I.A. fincou bases concretas dentro da ciência, começaram a surgir linguagens próprias de programação voltadas exclusivamente para atender as necessidades de desenvolvimento da Inteligência Artificial. Entre elas, destacam-se: LISP, PROLOG E SMALLTALK, ou seja, linguagens que permitem enunciar um conjunto de fatos pertinentes a uma matéria sob a forma de uma série de regras. Vamos ver cada uma delas:

LISP

LISP (List Processor): é uma linguagem que define funções (portanto, uma linguagem funcional). Tais funções são representadas no computador por listas.

Desenvolvida em 1958 por John McCarthy, nos Estados Unidos, Lisp é própria para o processamento de listas de dados, entendendo-se como tais, estruturas de informações e conexões. Inicialmente desenvolvida para sistemas computacionais de grande porte (IBM 704), foi posteriormente adaptada a microcomputadores.

PROLOG

PROLOG (Programming in Logic), é uma linguagem voltada para a manipulação do conhecimento, foi desenvolvida em 1972 na Universidade Aix-Marseille II, na França, por Alain Comerauer e Philippe Russel. Nela, o programador declara certo número de fatos relacionados com um problema e o programa faz uma tentativa de inferência lógica para buscar resolvê-lo. Há linguagens Prolog adaptadas a microcomputadores tipo IBM-PC (hoje largamente difundidas), além das desenvolvidas para computadores de porte médio.

SMALLTALK

SMALLTALK: Representante das chamadas linguagens objetivas, foi desenvolvida nos laboratórios da Xerox, nos Estados Unidos. Incorpora mecanismos de herança lógica de propriedades que em muito facilitam a declaração de conhecimentos.

Estas três linguagens, além de outras menos conhecidas, como LISLOG e dialetos, são usadas para desenvolver e processar sistemas especialistas (programas de computador que contêm saber humano sobre determinado tema, mantido de tal forma que não especialistas podem ter acesso a ele e utilizá-lo).

Neurônio Biológico x Neurônio Artificial

1) INTRODUÇÃO:

O pesquisador britânico sir John Eccles (Prêmio Nobel de Medicina -1963) e um dos maiores nomes da neurologia mundial escreveu que: DE TUDO QUANTO AS CIÊNCIAS SABEM DO UNIVERSO, NADA SE COMPARA AO CÉREBRO HUMANO EM COMPLEXIDADE DE ORGANIZAÇÃO DA MATÉRIA.

Certas capacidades do nosso cérebro, tais como reconhecimento de imagens, aprendizagem, evocação de memória associativa e categorização são _{tarefas que o nosso cérebro executa com rapidez. A concepção conexionista, surgida na segunda metade do século XX, objeta que é virtualmente impossível reduzir estas tarefas a um processo essencialmente algorítmico com a eficácia do cérebro humano, conforme acreditavam os simbolistas. Esta nova concepção procura a solução destes desafios através de um novo paradigma: O USO DE MODELOS COGNITIVOS ARTIFICIAIS QUE REPRODUZEM AS CAPACIDADES NATURAIS DO CÉREBRO HUMANO.}

Neste aspecto, o neurônio humano é o elemento de processamento básico nos modelos de redes neuroniais (ou REDES NEURAIS). Sua riqueza de interconexões e forma funcional esconde provavelmente as chaves para a compreensão das funções mais elevadas do nosso cérebro, que constituem as ambicionadas metas de estudo da INTELIGÊNCIA ARTIFICIAL. Este novo paradigma, chamado de neurocomputação, inclusive toma emprestada uma boa parte da terminologia da microbiologia.

2) SISTEMA NERVOSO ANIMAL:

O entendimento do funcionamento básico do sistema nervoso natural nos animais é imprescindível para a compreensão das REDES NEURONIAIS ARTIFICIAIS que procuram imitá­-lo. Assim, será apresentada uma exposição básica do assunto para que o leigo tenha condições de compreender os motivos que determinam a estrutura funcional dos NEURÔNIOS ARTIFICIAIS.

O sistema nervoso é constituído por cerca de 200 milhões de células.

* CÉLULAS GLIAIS: responsáveis pelo suporte e a nutrição.

* CÉLULAS NERVOSAS: são as células especializadas na atividade nervosa, por onde flui a informação e seu controle. (ou seja: os NEURÔNIOS).

Os neurônios ou células nervosas se ligam entre si formando uma imensa e complexa rede. Os neurônios recebem impulsos elétricos (provenientes de um processo eletroquímico), integram estes impulsos e os retransmitem às outras células nervosas. São eles que servem de modelo às REDES NEURONIAIS ARTIFICIAIS.

DEFINIÇÕES:

* DENDRITOS: Sua função é a captação de estímulos nervosos, que podem ser excitatórios ou inibitórios de outros neurônios e conduzi-los ao corpo celular e podem, se alcançarem um certo valor de LIMIAR, desencadear um novo estímulo transmitido ao axônio da célula.

* AXÔNIO: É uma fibra nervosa única e através de suas ramificações que os impulsos provenientes dos dendritos são transmitidos a outros neurônios.

* NÚCLEO: É o responsável pela execução da soma dos estímulos nervosos provenientes dos dendritos e enviar um novo impulso ao axônio dependendo da comparação do resultado da somatória em relação ao valor do limiar do neurônio.

* SINAPSES: São os pontos de ligação entre os neurônios e que funcionam como válvulas capazes de controlar a transmissão de impulsos e regular a sua intensidade. Durante a vida de um sistema nervoso, as sinapses estão em constante formação e modificação.

Para que se tenha uma idéia da complexidade desta rede, vale mencionar que cada um dos aproximadamente 100 milhões de neurônios do sistema nervoso pode estar em contato com até 10 mil outros.

3) REDES NEURONIAIS ARTIFICIAIS:

São verdadeiras máquinas concebidas para trabalharem segundo o mesmo processo de um sistema nervoso. Seus elementos de processamento são neurônios artificiais altamente interconectados, que elaboram a soma ponderada das entradas e aplicam o resultado em função de transferência não-linear, para gerar uma saída. Essencialmente, estes modelos consistem dos elementos de processamento, uma topologia de interconexões e esquemas de aprendizagem obtidos através de modelos matemáticos.

Intelig. Natural x Intelig. Artificial

1) INTRODUÇÃO:

O que poderia haver em comum entre o filósofo IMMANUEL KANT, nascido na cidade prussiana de Konigsberg, e o cidadão brasileiro Manuel Francisco dos Santos, nascido em Pau Grande, estado do Rio de Janeiro?

O que existe em comum entre esses dois seres tão distantes no tempo e no espaço é que ambos (cada um a sua maneira) driblaram e deixaram perplexas as pessoas que se dispuseram a dar um xeque-mate em sua inteligência.

No caso de Kant (1724 - 1804), o fato, até pode ter um pouco de lenda, mas é emblemático. Conta-se que quando o filósofo morreu, teve o cérebro dissecado por especialistas predispostos a contemplar uma massa cinzenta descomunal. Surpresa! O cérebro era pequeno e enrugado. Hoje, quase dois séculos depois, os neurologistas tendem a admitir que os cérebros dos gênios e dos indivíduos comuns podem ser semelhantes (na aparência é claro).

No caso de Garrincha (1933 - 1983), a história é reconhecidamente verídica. Ele estava no apogeu ao ser convocado à seleção que iria disputar a Copa do Mundo de 1958. Nesse ano, no entanto, os cartolas inventaram de aplicar testes de QUOCIENTE INTELECTUAL (QI) nos jogadores. João Carvalhaes, considerado o primeiro psicólogo esportivo do Brasil, que servia a seleção foi encarregado disso. Tudo ia bem até chegar a vez de Garrincha. Ao se avaliar o seu QI concluiu-se que era irrisório, tão decepcionante quanto à massa cinzenta de Kant. Em outras palavras, o craque seria um DÉBIL MENTAL.

Numa solução bem brasileira, os dirigentes esportivos pressionaram Carvalhaes a mudar o laudo. Como o psicólogo recusou a maracutaia, foi “fritado” e passou a história, injustamente, como o “homem que quis barrar Garrincha”. Claro que, no caso, seria mais sensato deixar o craque intuitivo jogar bola em paz. Os testes serviriam para aquilatar a JUMENTALIDADE de cartolas que escolheram o QI como critério para montar um time de futebol.

Os exemplos diametralmente opostos de Kant e Garrincha sugerem a mesma coisa: a tentativa de medir, quantificar, carimbar, empacotar a inteligência de um ser humano (seja lá de quem for) é uma operação muito delicada, para não dizer suspeita. Aquilo que, com a intuição pode-se fazer até de forma instantânea (muitas vezes, “sente-se” a inteligência no olhar ou nos gestos de alguém) transforma-se num procedimento complicado, que deve levar em conta variáveis pouco claras.

Pode-se começar com uma pergunta simples. Afinal, o que é a INTELIGÊNCIA? Desde que o estadista romano Marcus Tullius Cícero (106 - 43 A.C.) cunhou essa palavra, as respostas foram ficando intrincadas. Hoje, certos dicionários e enciclopédias gastam uma enormidade de linhas para tentar oferecer esse conceito. O mais tradicional é algo assim como “a faculdade de entender, aprender, interpretar, estabelecer conexões...”. Para a filósofa (e psicóloga) Regina Célia Tiacci Schmitt, professora da Faculdade São Marcos, em São Paulo, “essa é uma visão ultrapassada, do começo do século”. Ela adota um conceito menos preciso, mas em compensação mais amplo: a inteligência seria, assim, um “conjunto ou multiplicidade de habilidades”.

NOTA: ESSE CONCEITO DE INTELIGÊNCIA DEFINIDO PELA PROFESSORA REGINA CÉLIA É O MAIS BEM ACEITO PELOS ESTUDIOSOS DO CAMPO DAS EXATAS, UMA VEZ QUE, DESTA MANEIRA PODE-SE MAIS FACILMENTE CRIAR UMA ANALOGIA ENTRE HOMEM E MÁQUINA, OU SEJA, ENTRE A INTELIGÊNCIA NATURAL E A ARTIFICIAL, COMO VEREMOS MAIS ADIANTE.

Essa idéia é partilhada também pelo professor de física e editor Pierluigi Piazzi, membro da MENSA, entidade que congrega portadores de alto QI. Para ele, existem sete habilidades básicas (ou módulos) de inteligência: