Inteligência computacional

Origem: Wikipédia, a enciclopédia livre.
Ir para: navegação, pesquisa

Este artigo é sobre inteligência computacional, para inteligencia artificial, usar o link no termo.

Introdução[editar | editar código-fonte]

Inteligência computacional (IC) é um conjunto de metodologias computacionais e abordagens inspiradas na natureza para lidar com problemas complexos do "mundo real" [nota 1] nos quais as abordagens tradicionais [nota 2] são ineficazes ou inviáveis. Ou seja, IC usa primeiros princípios de modelagem ou o modelo estatístico explícito. No entanto, muitas das metodologias são bem elaboradas e complexa de entender, mas trivial de aplicar [nota 3] .

A Inteligência Computacional, do inglês Computational Intelligence, é uma área recente das ciências teóricas e aplicadas, com enfoque em ciência da computação e matemática. Uma estimação precisa da idade desta parece impossível, mas se pode estimar que esta não é mais antiga do que redes neurais, uma vez que redes neurais é uma das tecnologias mais proeminentes dentro desta. Beale e Jackson [1] comentam de serem a primeira publicação na área de redes neurais, no entanto aparentemente Wasserman foi o primeiro [2] .

Como defende [3] , o termo inteligência computacional é um bom canditado para substituir inteligência artificial, uma vez que o nome gera a ideia de que inteligência é criada, na verdade todos os sistemas até agora somente imitam o comportamento dos sistemas inteligentes, sem copiar de forma fiel. Como os mesmos comentam, um termo melhor seria inteligência sintética. Note que redes neurais de forma adicional foi proposta a mudança para redes de computação (Network Computating)[4] , mas o termo não foi de grande sucesso.

Muitos desses problemas da vida real matematicamente não são considerados um problema bem-posto, mas a natureza proporciona muitos contra-exemplos de sistemas biológicos que praticamente exibem a função desejada. Por exemplo, o corpo humano tem cerca de 200 articulações (graus de liberdade), mas os seres humanos têm pouco problema na execução de um movimento do alvo da mão, especificada em apenas três dimensões Cartesiana. Mesmo se o tronco fosse fixo mecanicamente, há um excesso de 7:3 parâmetros a serem controlados para um movimento natural do braço.

Os modelos tradicionais muitas vezes não conseguem lidar com incertezas, ruído, e a presença de um contexto em permanente alteração; recentemente a emergência do cálculo estocástico tem propiciado um novo aliado para as ferramentas estocásticas em IC. A Inteligência Computacional fornece soluções para problemas complicados, por exemplo problema inverso. No espectro de ferramentas, inclui principalmente rede neural artificial,[5] além disso, a IC também abrange algoritmos com inspiração biologica como a inteligência coletiva e sistema imunológico artificial,[6] [7] que pode ser visto como uma parte da computação evolucionária,[8] e inclui campos mais amplos, como processamento de imagem, além disso outros formalismos: Teoria de Dempster-Shafer, teoria do caos e lógica polivalente são utilizados na construção de modelos computacionais.

A característica de "inteligência" é geralmente atribuída aos seres humanos, mas em IC qualquer forma de vida pode ser usada, como formigas. Mais recentemente, muitos produtos e itens afirmam ser "inteligentes", mas algo que muitos ainda questionam. A inteligência está diretamente ligada à tomada de decisão e raciocínio.

A lógica 'fuzzy', traduzida como lógica nebulosa ou mesmo Lógica difusa, foi introduzida em 1965 como uma ferramenta para formalizar e representar o processo de raciocínio e os sistemas de lógica difusa, que são baseados em lógica fuzzy possuem muitas características atribuídas à inteligência[nota 4] . Ofertas de lógica fuzzy de forma eficaz com a incerteza que é comum para o raciocínio humano, a percepção e a inferência e, ao contrário de alguns equívocos, tem uma espinha dorsal matemática muito formal e estrita ('é bastante determinista, em si, ainda que permitindo que as incertezas sejam efetivamente representados e manipulados por ele', por assim dizer).

As Redes Neurais, introduzidas em 1940 (com mais desenvolvimentos na década de 1980) imitam o cérebro humano e representam um mecanismo computacional baseado num modelo matemático simplificado dos perceptrons (neurônios) e sinais que eles processam. A Computação evolucionária, introduzida na década de 1970 e mais popular desde os anos 1990 imita a evolução sexual de base populacional através da reprodução das gerações. Ele também imita a genética nos chamados algoritmos genéticos.

Metodologias que constituem a IC[editar | editar código-fonte]

Várias metodologias foram e ainda estão sendo desenvolvidas, mas as principlais são:

Aplicabilidade[editar | editar código-fonte]

É interessante notar a aplicabilidade da inteligência computacional em várias áreas ([9] ,[10] ,[11] ).

Importância no estado corrente da arte[editar | editar código-fonte]

Em 2013, Recife, Brasil, BRICS-CCI, uma mesa redonda foi aberta para discutir os caminhos da inteligência computacional [12] . Pesquisadores importantes da área estiveram presentes, uma das conclusões é que inteligência artificial precisa ser revista, principalmentes os objetivos; note que esta problemática já foi comentada bem antes[13] .

Vale a pena notar que o impacto da área pode ser notado na mudança do nome do grande encontro de redes neurais no Brasil para inteligência computacional, ou mesmo a premiação no ano de 2013 de um artigo em inteligência computacional pelo SIMPEP Simpósio de Engenharia de Produção.

Ver também[editar | editar código-fonte]

Notas

  1. Por "problemas complexos do mundo real" se almeja problemas sem simplificações, ou pelo menos, com poucas
  2. Abordagens tradicionais são metodologias desenvolvidas há tempos, como o método do gradiente ou mesmo usar a derivativa para achar os extremos de uma função. Em alguns casos, com separar dados, não existe algoritmo
  3. por exemplo, é mais simples criar uma redes neural para regressão do que um modelo regressivo, apesar de que neste caso o modelo regressivo deve ser aplicado por ser exato, possui convergência e tudo mais bem estabelecido
  4. ver controle inteligente, basicamente se propõe formas que técnicas tradicionais da teoria de controle não podem resolver ou resolvem de forma ineficiente. Talvez um exemplo prático e importante seja um médico tratando um paciente com câncer

Referências

  1. BEALE, R. ; JACKSON, T. Neural Computing: an introduction. MIT press: 1991.
  2. Wasserman, P. Neural Computing. Van Nostrand Reinhold, 1989.
  3. David Poole; Alan Mackworth; Randy Goebel. Computational Intelligence: A Logical Approach. Oxford University Press. 1998.
  4. Hertez, John; Krogh, Anders; Palmer, Richard G. Introduction to the theory of neural conputation. A lecture notes volume in the Santa Fe Institute Studies in the science of complexity. Volume I. Addison – Wesley Publishing Company: 1991.
  5. Rumelhart, D.E. Parallel Distributed Processing: Explorations in the Microstructure of Cognition. Cambridge: MIT Press, 1986.
  6. Fuzzy Logic Stanford Encyclopedia of Philosophy. Stanford University (2006-07-23). Página visitada em 2008-09-29.
  7. Zadeh, L.A. (1965). "Fuzzy sets", Information and Control 8 (3): 338–353.
  8. Fogel, L.J.. Artificial Intelligence through Simulated Evolution. New York: John Wiley, 1966.
  9. Lam, HK; Ling, SH; Nguyen, HT (eds) (2012). Computational Intelligence and its applications: evolutionary Computation, Fuzzy Logic, Neural Network, and Support Vector Machine Technique. Imperial College Press.
  10. Pires, J. G. (2012). “On the Applicability of Computational Intelligence in Transcription Network Modelling”. Thesis of Master of Science. Faculty of Applied Physics and Mathematics (Gdansk University of Technology): Gdansk, Poland.
  11. Pires JG (2014). Biomechanics, computational Intelligence, and systems biology with application on vitreous dynamics using Java: An incipient discussion. Acad. J. Sci. Res. 2(1):007-018.
  12. 1st BRICS Countries & 11th CBIC Brazilian Congress on Computational Intelligence. http://brics-cci.org/. Acessado em Julho 2014.
  13. KOSKO, B. Neural Networks and Fuzzy Systems: a dynamical systems approach to machine intelligence. Prentice Hall, 1992.

Ligações externas[editar | editar código-fonte]

Revistas científicas[editar | editar código-fonte]

Software[editar | editar código-fonte]

Organizações[editar | editar código-fonte]