Técnicas de Caos Redes Neuronais Algoritmos Genéticos.

Apresentação em tema: "Técnicas de Caos Redes Neuronais Algoritmos Genéticos."— Transcrição da apresentação:

1 Técnicas de Caos Redes Neuronais Algoritmos Genéticos

2 EVOLUINDO IDÉIAS

3 O conceito de autômatos celulares foi introduzido, pela primeira vez, nos anos 60, pelo matemático John von Neumann.

4 São sistemas definidos em uma rede de células, cada célula contendo um valor numérico que evolui no tempo segundo uma regra predeterminada, em função dos valores das células vizinhas.

5 A cada passo da evolução dinâmica do sistema, os valores de todas as células são atualizados simultaneamente.

6 Um exemplo clássico da evolução de um autômato celular é a representação em uma rede bidimensional da evolução de um autômato celular, com apenas uma célula preta na etapa inicial.

7 Cada célula da rede pode assumir dois estados, o preto e o branco
O valor futuro de uma dada célula será preto se os valores atuais de suas vizinhas forem, à esquerda e à direita, de cores diferentes.

8 Autosimilaridade

9 A nova rede assim obtida é idêntica, autossimilar, à original se vista por uma lente que reduza os comprimentos pelo mesmo fator de escala. Se olharmos para uma pequena região do cérebro, considerando-o como uma estrutura fractal, e ampliarmos a imagem, teríamos de volta o cérebro como um todo. É como se diz na abordagem holística, o ‘todo contido em cada parte’.

10 Fractalidade Para entendermos esse conceito vamos, primeiramente, definir o que venha a ser 'dimensão'. O que está por detrás da idéia de que retas são unidimensionais, planos são bi-dimensionais e cubos são tridimensionais?

11 M(lL) = lD M(L) M/2 = (1/2)D M; ou seja, D = 1 9 = (1/2)D 27; (1/2)D = (1/3); D = log3/log2; D = 1,58

12 A complexidade da construção volumétrica do cérebro, com o estabelecimento de mais e mais sinapses, e circunvoluções cada vez mais e mais emaranhadas, nos conduziria, talvez, a uma dimensão fractal, maior do que três.

13 1 2 3 4 5 6 7 8 Ultrametricidade Imagine que eu queira chegar do quadradinho 1 até o quadradinho 3, só podendo andar pelas casas pretas. Nesse caso a distância entre o quadradinho 1 e o 3, que é igual a que existe entre o 1 e o 4 é de 6 unidades.

14 A distância entre o quadradinho 4 e o 5 é de 14 unidades
A distância entre o quadradinho 4 e o 5 é de 14 unidades. Tomando três posições genéricas A (quadradinho 1), B (quadradinho 4) e C (quadradinho 5), na linha horizontal mais baixa observa-se que a distância entre dois deles (A e C, 14) é, no máximo, igual à maior das duas outras distâncias envolvidas (A, B, com 6 e B e C com 14). Esta propriedade métrica contrasta com a observada num triângulo, em que o limite para um lado qualquer é a soma dos dois outros lados.

15 Criticalidade Se em vez de nos preocuparmos com os quadradinhos pretos, nos concentrarmos nos vazios brancos e estudarmos a forma como esses vazios evoluem no tempo verificaremos que a Rede se estende ao infinito, e notaremos que serão mais freqüentes vazios menores do que vazios maiores. Uma fórmula para se determinar o número N de vazios de comprimento L (onde L =1 significa um quadradinho branco, L = 2, dois, etc.) é dada por: N(L) = Lf

16 Se escolhermos um l = 1/L e substituirmos em N(L) = Lf, temos: M(lL) = lD M(L), ou seja M(1) = constante = M(L) (1/L)D ou seja, podemos escrever que M(L) µ LD (no caso da massa M, o expoente é D em vez de f). Esse tipo de Lei de Potência é característico dos chamados 'fenômenos críticos' observados em sistemas que sofrem transições de fase.

17 Universalidade A universalidade afirma o fato intrigante de que muitos dos sistemas complexos apresentam um mesmo conjunto de expoentes críticos. A crença intuitiva que temos é a de que situações críticas sejam instáveis.

18 Frustração Consideremos, por exemplo, três spins A, B e C, e imaginemos que os pares AB e AC interagem ferromagneticamente enquanto que o par BC interage antiferromagneticamente. A tentativa de se zerar a energia magnética dos três pares simultaneamente será frustrada. Pelo menos um par estará armazenando uma energia e.

19 Para um número N de spins, o número de estados fundamentais, aqueles de mínima energia, será tanto maior quanto maior for o número N. Tomando dois desses estados fundamentais é possível imaginar a transformação de um deles no outro, bastando inverter os spins necessários. Cada inversão isolada, no entanto, corresponde a um aumento de energia e tal processo de passagem de um estado a outro não ocorre naturalmente na evolução dinâmica do sistema.

20 Quebra de Ergodicidade
Em baixas temperaturas, com poucas possibilidades de flutuações térmicas, um vidro de spin de Ising fica confinado a poucos estados, próximos a algum estado fundamental, diferindo deste, apenas, pela orientação de uma pequena fração dos spins. O grau de ergodicidade é parcial.

21 A nova rede assim obtida é idêntica, autossimilar, à original se vista por uma lente que reduza os comprimentos pelo mesmo fator de escala. Se olharmos para uma pequena região do cérebro, considerando-o como uma estrutura fractal, e ampliarmos a imagem, teríamos de volta o cérebro como um todo. É como se diz na abordagem holística, o ‘todo contido em cada parte’.

22 Automata Celulares e Computação Emergente
Um automaton celular (AC) é uma máquina de estados finitos cercada por outros automata celulares idênticos. Cada AC é um sistema dinâmico discreto, onde tempo, espaço e o número de estados são finitos.

23 EVOLUINDO IDÉIAS

24 COMPUTAÇÃO EVOLUCIONÁRIA
O BEBÊ DE TURING OS SLIME MOLDS DE KELLERS O PANDEMÔNIO DE SELFRIDGE OS ALGORITMOS GENÉTICOS DE HOLLAND

25 COMPUTAÇÃO EVOLUCIONÁRIA
CÉLULAS FORMIGAS ALGORITMOS GENÉTICOS DE HOLLAND ALGORITMOS MEMÉTICOS DE DAWKINS EM BUSCA DOS META-ALGORITMOS EVOLUCIONÁRIOS DA ESCOLA DO EGC

26 EMERGÊNCIA É a produção de padrões globais de comportamento por agentes em um sistema complexo interagindo de acordo com suas próprias regras locais de comportamento, sem que haja a intenção de provocar esses padrões globais de comportamento que se originam. Em emergência, esses padrões globais não podem ser preditos a partir das regras locais de comportamento que os produzem. Em outras palavras, padrões globais não podem ser reduzidos a comportamentos individuais.

27 SISTEMAS COMPLEXOS

28 AUTO-ORGANIZAÇÃO Este é o processo pelo qual os agentes em um sistema interagem uns com os outros de acordo com suas próprias regras locais de comportamento sem nenhum padrão que diga a eles o que eles devem realizar e como farão para fazer isso.

29 FEEDBACK Refere-se ao processo pelo qual a informação a respeito da saída de uma ação é re-alimentada no processo de decisão ou regulação que afeta a próxima ação. O feedback é negativo quando a informação acerca da distância entre a expectativa e a saída leva a uma redução entre a expectativa e a realização. O feedback positivo faz o oposto, amplificando a distância entre o desejado e o realizado.

30 FITNESS LANDSCAPE Este é um conceito que emerge quando se pensa na jornada evolutiva de um sistema. Estratégias que fazem o sistema se adaptar para sobreviver representam um movimento “colina acima” enquanto estratégias desvantajosas representam um movimento para o fundo de um vale. Cada TERRENO associado a um sistema é determinado pelas estratégias dos outros sistemas que interagem com ele. Evolução é, portanto, uma jornada em um terreno em contínua mudança.

31 GENES CÉREBROS EPISTEME MEMES

32 Memética Meme: Um padrão de informação mantido na memória de um indivíduo e que é passível de replicação na memória de outro indivíduo. Memética: A ciência teórica e empírica que estuda a replicação, espalhamento e evolução das memes.

33 Claro que a capacidade do Sistema Nervoso de aprender é o resultado de um processo evolucionário a um nível genético. Quanto mais capaz de adaptar seu comportamento ao ambiente maior a fitness. Se outro tipo de comportamento puder ser aprendido diretamente com um outro indivíduo por comunicação ou imitação, este atalho é bem melhor do que descobrir errando e acertando. (Moritz, 1991).

34 Memética pode ser definida como uma abordagem para modelar a evolução das memes (Boyd & Richerson, 1985; Cavalli-Sforza & Feldman, 1981; Lumsden & Wilson, 1981; Csanyi, 1991; Lynch, 1998). Memes sofrem processos de variação (mutação, recombinação) de suas estrutiras internas. Variantes diferentes vão competir pelo espaço limitado de memória em diferentes indivíduos. As variantes mais adaptadas vencerão a competição. Diferentes critérios de adaptação podem ser formulados.

35 Genes só podem ser transmitidos de pais para filhos (transmissão vertical). Memes podem ser transmitidas entre dois indivíduos (transmissão horizontal ou múltiplos pais). Neste sentido se parecem mais com parasitas ou infecções (Cullen, 1998).

36 Para a transmissão de genes você precisa de uma geração
Para a transmissão de genes você precisa de uma geração. Memes só levam minutos para se replicarem e, portanto, tem muito mais fecundidade. Por outro lado a fidelidade na cópia das memes é bem inferior ao dos genes (telefone sem fio).

37 Dawkins listou as seguintes três características de qualquer replicador de sucesso:
Fidelidade de cópia: Quanto mais fiel a cópia, mais permanecerá o padrão inicial após várias gerações. Fecundidade: Quanto mais rápida for a taxa com que se dá a cópia, mais o replicador se espalhará. Longevidade: Quanto mais tempo o padrão sobreviver mais cópias poderá fazer de si mesmo.

38 É esta variabilidade ou fuzziness que, talvez, distingua de forma mais clara padrões culturais de estruturas de DNA: toda versão individual de uma idéia ou crença será, de alguma forma, diferente da de outros. Isto torna difícil analisar ou delimitar memes, o que não implica que a evolução das memes não possa ser modelada de forma acurada Afinal a genética já era uma ciência bem estabelecida bem antes da estrutura precisa do DNA ter sido descoberta.

39 Exemplos de memes no mundo animal são a maioria das canções de pássaros e certas técnicas para caçar ou usar ferramentas que são passadas de pais ou de grupos sociais para os mais jovens (Bonner, 1980).

40 Qualquer entidade cultural pode ser vista como uma meme: religiões, linguagens, moda, músicas, técnicas, teorias científicas e conceitos, convenções, tradições, etc.

41 As características que definem as memes como padrões informacionais, é que elas podem ser replicadas em quantidade ilimitada pela comunicação entre indivíduos, independente de qualquer replicação ao nível de genes.

42 Variação, replicação e seleção são as bases para a adaptação de uma meme e determinam sua dinâmica complexa. Esta dinâmica será influenciada pelo meio através da qual essas memes se comunicam, e o impacto do meio na fidelidade da cópia, fecundidade e longevidade. Talvez que o mais poderoso meio para a transmissão das memes sejam as redes de computadores e isto implica em algumas características específicas para as memes das redes.

43 Como no caso dos genes, não é necessário conhecer a codificação ou tamanho exatos ou limites de uma meme para discutir seu grau de adaptação e,´portanto, fazer predições acerca de seu espalhamento, sobrevivência ou extinção dentro de uma população. Tais predições podem ser empiricamente testadas. Por exemplo, uma hipótese memética pode estabelecer que memes mais simples se espalharão mais rapidamente.

44 Isto pode ser testado observando-se o espalhamento (talvez dentro de um ambiente controlado) de duas memes que sejam semelhantes em todos os aspectos, exceto que uma é mais simples. Teorias podem também ser induzidas de observações empíricas quanto ao comportamento de memes “no mundo real" (Best, 1998). Dadas as diferenças nos mecanismos de variação e seleção podemos também fazer previsões sobre a competição entre genes e memes.

45 Imagine que idéias podem ser vírus.
Considere o vírus T-phage. Um T-phage não pode se replicar; ele se reproduz pegando carona no DNA de uma bactéria e forçando seu hospedeiro a fazer milhões de cóias do phage.

46 De forma semelhante, uma idéia pode infectar, como um parasita, sua mente e alterar o seu comportamento, fazendo você dizer aos seus amigos acerca da idéia, expondo-os a esse vírus-idéia. Qualquer idéia que faça isso é chamada de meme.

47 Diferente de um vírus, que é codificado em moléculas de DNA, uma meme é nada mais do que um padrão de informação, um que por acaso evoluiu uma forma que induz pessoas a repetir aquele padrão. Memes típicas incluem slogans individuais, idéias, melodias, ícones, invenções, ditos populares e moda. Pode parecer um pouco sinistro que pessoas sejam hospedeiras de strings de símbolos alteradores de mentes, mas, de fato, isto é o que uma cultura. Como espécie, nós co-evoluímos com nossas memes.

48 Imagine um grupo de Homo Sapiens primitivos na época do Pleitoceno
Imagine um grupo de Homo Sapiens primitivos na época do Pleitoceno. Recentemente, tinham alcançado a alta tecnologia das lanças de mão e estão tentando mostrar a seus vizinhos, os Homo Erectus como fabricá-las. Aqueles que não tiverem cabeça para seguir a nova meme estarão em desvantagem e serão suplantados pelos seus primos mais inteligentes.

49 Enquanto isso as memes, elas mesmas, estão evoluindo, como no jogo "Telefone sem fio" (mutações acontecem quando alguém erra). Seleção favorece as memes que são mais fáceis de se entender, de lembrar, e de comunicar a outros. Versões inúteis serão abandonadas.

50 Na teoria pelo menos a habilidade de entender e comunicar memes complexas é um traço de sobrevivência, e a seleção natural deve favorecer aqueles que não são tão conservativos que não possam entender uma nova meme.

51 Na prática, algumas pessoas estão prontas a seguir qualquer novidade, mesmo que seja puro nonsense: “Pule de uma colina e os deuses te farão voar.“ Tais memes evoluem, geradas por gente maluca, ou por uma replicação indevida. Observe, no entanto, que essas memes devem ter algum tipo de apelo. A idéia de um vôo mágico é tantalizante – talvez ... Se eu acreditar

52 Este é um ponto fundamental
Este é um ponto fundamental. As pessoas tentam infectar outras com aquelas memes que elas acham mais apelativas, independete do valor ou veracidade delas.

53 Além disso, o portador da meme “pule da colina” pode nunca ter coragem de seguir, ele mesmo, sua receita; pode passar o resto de sua vida infectando outras pessoas, induzindo milhões de tolos a pular para a sua morte. Historicamente estas coisas estão acontecendo o tempo todo.

54 Se memes podem ser consideradas “formas de vida” verdadeiras é um tópico que gera debate, mas é irrelevante: elas se comportam de maneira semelhante a formas de vida, permitindo-nos combinas as técnicas analíticas da epidemiologia, ciência evolucionária, imunologia, linguística, e semiótica em um sistema efetivo conhecido como "memética“.

55 Em vez de disutir se uma idéia é verdadeira ou falsa, a memética se preocupa em como essa idéia replica a si mesma.

56 Memética é vital para se compreender os cultos, as ideologias, as campanhas de marketing de todos os tipos, e pode ajudar a imunizar contra informações perigosas. Por exemplo, agora, estamos expondo você ao virus Metameme, a meme acerca das memes ...

57

58 Quais são os elementos ou unidades que compõem uma meme?
MEMES A crítica principal ao conceito de memes é que estas são difíceis de serem definidas. Quais são os elementos ou unidades que compõem uma meme? Uma meme corresponde a uma sinfonia completa ou a um movimento, uma melodia, uma frase musical, uma nota?

59 MEMES A fim de modelar a estrutura de uma meme podemos utilizar alguns conceitos da Psicologia Cognitiva. Talvez que a forma mais popular de se representar conhecimento em Inteligência Artificial sejam as “Regras de Produção”. Se A, então B or A -> B

60 Uma Regra de Produção pode ser analisada como uma combinação de elementos: duas distinções (que discriminam entre a presença ou ausência da condição e a ação respectivamente) e uma conexão (a parte do “então!” (Heylighen, 1991d; Heylighen, 1990).

61 Seja a meme “Deus é onipotente”.
Se um fenômeno é Deus (distinçaõ entre Deus e não Deus), então o fenômeno é onipotente. Regras de Produção se conectam quando a condição de saída de um casa com a condição de entrada de outro. A -> B, B -> C Isto torna possível construir sistemas cognitivos complexos a partir de elementos simples.

62 Um modelo similar pode se aplicar aos genes.
Melodias podem ser modeladas desta maneira, como a concatenação de regras de produção do tipo “Se C (distingue a nota musical), então E (nota produzida em sequência). Um modelo similar pode se aplicar aos genes.

63 Um gene corresponde a uma “string de DNA codons”, que respondem a presença de certas proteínas de ativação, ou a ausência de certas proteínas de inibição (condição) produzindo novas proteínas (ação).

64 Isto pode, por sua vez, ativar outros genes, dependendo da presença de uma química específica na célula. Isto leva à redes complexas de produções "if... then" (Kauffmann, 1992).

65 Holland et al. (1986) mostraram que regras de produção (ou pelo menos uma representação simplificada, binária delas, chamada Sistemas Classificadores) pode ser usada para construir simulações impressionantes de uma evolução cognitiva, usando mutações, recombinações, e seleção, com base em algum critério de adaptação

66

67 Um algoritmo rápido fornece informação geral sobre a topologia da região. Essas informações são usadas para ‘forçar’ mutações não aleatórias

68 Distinções podem ser representadas como combinações de (1-0) sim – não elementares observáveis. Mutações ou recombinações de distinções podem, então, serem modeladas ou de forma aleatória, mudando certos dígitos binários, ou pela concatenação da primeira parte de um string (A) com a segunda parte de um outro string (B).

69 A = 1001|001 mutação: A' = 1001|000 B = 0010|011 recombinação (cruzamento) de A e B: A~B = 1000|011

70 Memes Complexas Mesmo que modelemos as memes como conjuntos conectados de regras de produção, ainda temos um problema. Como muitas regras de produção definem uma simples meme.

71 Se nós chamarmos uma religião, ou uma teoria de uma MEME, é claro que esta s MEMES seriam formadas por um número imenso de regras de produção interconectadas. Na prática, será impossível enumerar todas as regras, oui definir limites rígidos entre as regras que pertencem a uma meme e as que não pertencem.

72 Modelos Darwinianos de evolução genética provaram sua utilidade mesmo sendo impossível especificar os “codons exatos de DNA” que determinam o gene para, por exemplo, olhos azuis, ou altruísmo entre parentes.

73 Dawkins (1976) nota que não é necessário ser explícito acerca de quais elementos são constitutivos de um gene para explicar as características particulares de um tipo de comportamento. É suficiente que possamos distinguir efeitos fenotípicos daquele gene do efeito de genes rivais (alelos).

74 O mesmo se aplica às MEMES.
Se pudermos determinar a adaptação que resulta desses efeitos, levando em consideração o ambiente e o contexto dos genes diferentes (não rivais) presentes no genoma, poderemos fazer predições acerca da evolução. O mesmo se aplica às MEMES.

75 Se, por exemplo, observamos que uma meme (Catolicismo) induz seus portadores a terem mais crianças que seus competidores (Calvinismo e Anglicanismo), e as crianças tendem a transmitir às memes de seus pais, então se pode predizer que, dado um tempo suficiente, a meme Católica dominará a população.

76 Um predicado da modelagem científica é que: devemos sempre simplificar e ignorar influências potenciais importantes. A questão é fazer isso de forma tão inteligente quanto seja possível, incluindo variáveis relevantes sem tornar o modelo muito complexo.

77 Teoria dos Agentes Cognitivos
Ø  Pesquisa de agentes autônomos Ø IA baseada em comportamento em oposição a IA baseada em conhecimento Ø  IA bottom-up versus IA top-down

78 Agente Cognitivo

79 Noção Fraca de Agente Autonomia: agentes operam sem a intervenção direta de humanos ou outros, e têm algum tipo de controle sobre suas ações e estados internos;

80 Habilidade social: agentes interagem com outros agentes e possivelmente com humanos via algum tipo de linguagem de comunicação de agentes; Percepção e reação ao meio ambiente: capacidade de examinar o meio externo e adaptar suas ações para aumentar a probabilidade de ser bem sucedido em suas metas;·

81 Pró-atividade: agentes não simplesmente agem em resposta ao meio ambiente, eles são capazes de exibir comportamentos dirigidos a objetivos tomando iniciativas; Continuidade temporal: agentes estão continuamente executando processos, não apenas executando scripts que mapeiam simples entradas e saídas e então terminam.

82 Noção Forte de Agente Noções de conhecimento; Crenças; Intenção;
Obrigação.

83 Outras Características
· Mobilidade: habilidade de um agente mover-se através da rede eletrônica; · Benevolência: agentes não podem ter objetivos conflitantes e todo agente sempre tenta fazer aquilo que lhe é solicitado;

84 Outras Características
·  Racionalidade: o agente irá agir no sentido de atingir suas metas e não agirá no sentido de impedir que suas metas sejam atingidas; ·   Adaptabilidade: o agente deve ser capaz de se adaptar aos hábitos, métodos de trabalho e preferências do seu usuário;

85 Colaboração: um agente deve aceitar e executar instruções, mas deve avaliar que o usuário pode cometer erros, omitir informações ou apresentar informações ambíguas. Por isso, ele deve checar coisas através de perguntas e construir seu modelo para resolver problemas. Ele pode recusar a execução de certas tarefas caso perceba que as mesmas sejam inaceitáveis ou possam prejudicar outros usuários.

86 IA Tradicional X Agentes
IA tradicional focaliza sistemas que demonstram competências isoladas e avançadas, como por exemplo: diagnósticos médicos, jogos de xadrez. A IA tradicional focaliza “profundidade” em vez de “largura”, em contraste com os agentes, que possuem múltiplas competências de baixo nível integradas;

87 IA tradicional focaliza sistemas “fechados”
IA tradicional focaliza sistemas “fechados”. Sua conexão com o meio faz-se através de comandos do operador, que recebe também respostas em linguagem simbólica. Em contraste, os agentes autônomos são sistemas “abertos” que interagem com o meio através de seus sensores e atuadores; IA tradicional focaliza a questão de quais conhecimentos o sistema possui, enquanto que os agentes autônomos enfatizam qual comportamento o sistema apresenta quando colocado em um meio ambiente;

88 A maioria dos sistemas de IA tradicional trabalham com a resolução de um problema por vez e não permitem interrupções enquanto o programa está processando a resposta ao problema apresentado pelo operador, considerando também que o domínio do problema não se altera durante este processamento. Em contraste, um agente é autônomo quando o sistema é completamente auto-contido, ele monitora o meio ambiente e tem que resolver sozinho os problemas e objetivos que se apresentam com o tempo, tendo que resolver os conflitos e decidir as ações a serem tomadas;

89 IA tradicional não têm que ser adaptativo para mudança de situações, a maioria do trabalho feito em máquinas de aprendizagem tradicional assume que há uma base de conhecimento disponível. Esta base de conhecimento é usada pelo sistema para fazer reformulação ou compilação do conhecimento. Em contraste, nos agentes há uma ênfase sobre “adaptação” e “abordagem de desenvolvimento”, significando que o sistema provê suas próprias estruturas internas e seus comportamentos todo o tempo, baseado em sua experiência no meio ambiente. O agente ativamente explora e atualiza suas estruturas usando um método incremental e indutivo de aprendizagem.

90 Mundo de Agentes Um agente que habita o mundo real é tipicamente um robô, agentes que habitam o espaço cibernético são comumente chamados “agentes de software” ou “agentes de interface” ou algo como “knobots”

91 Mundo de Agentes

92

93 Inacessível X Acessível: um ambiente é acessível ao agente se seus aparatos são capazes de perceber o estado completo deste ambiente; Determinístico X Não-determinístico: um ambiente determinístico é aquele cujo próximo estado é completamente determinado através do estado atual e das ações selecionadas pelo agente;

94 Episódico X Não-episódico: num ambiente episódico, as ações dos agentes são divididas em episódios. Cada episódio consiste em o agente perceber e agir e a qualidade da ação depende do próprio episódio, não dependendo do que aconteceu em episódios anteriores;

95 ·   Estático X Dinâmico: um ambiente é dinâmico para o agente se seu estado pode mudar enquanto o agente está deliberando; Discreto X Contínuo: um ambiente é discreto se houver um número limitado de percepções e ações claras e distintas.

96 ARQUITETURAS DE AGENTES

97 As arquiteturas clássicas são baseadas no paradigma simbólico de IA que é a hipótese de sistemas físico-simbólicos, a partir dos quais define-se a noção de agente intencional ou arquitetura de agente. Esta arquitetura é definida como contendo uma representação explícita, modelo simbólico do mundo, cujas decisões são feitas via raciocínio lógico, baseado na combinação do modelo e manipulação simbólica.

98 A dificuldade desta abordagem é que ela utiliza lógica de primeira ordem para representar crenças, desejos, tempo, etc. Destacam-se os seguintes modelos (Wooldridge, 1995 op.cit):

99 Alternativa: Arquiteturas Reativas
Arquiteturas reativas são aquelas que não incluem nenhum tipo de modelo central de mundo simbólico, e que não usam raciocínios simbólicos complexos. Arquiteturas Híbridas: Combinação das arquiteturas clássica e reativas

100 Programas de Agentes

101

102 Agentes reflexos simples: suas ações são reflexivas, obedecendo conexão do tipo se-então. Eles apenas podem trabalhar se a decisão correta pode ser feita baseada na percepção corrente do mundo;

103 Agentes que mantém a trajetória do mundo: este tipo de agente possui conhecimento sobre o estado corrente do meio ambiente e também sobre o que suas ações podem fazer ao estado do mundo, podendo, assim, escolher uma ação;

104 Agentes orientados a objetivo: estes agentes avaliam as possíveis ações a serem tomadas no sentido de decidir quais ações tomar para atingir seus objetivos;

105 Agentes baseados em utilidade: além de atingir seus objetivos, o agente deve fazê-lo de forma a atingir alta utilidade, ou seja, escolher as ações que alcancem seus objetivos de forma mais rápida, segura, barata, etc.

106 Linguagem de Agentes

107 (i)   Linguagens Genéricas
Trata-se do desenvolvimento dos sistemas de agentes partindo-se praticamente do zero, somente com os recursos oferecidos pelas linguagens comerciais (com suas bibliotecas padrão) normalmente utilizadas para este fim, como C, C++, Pascal, Algol, Prolog, Lisp, ou seja, implementando todas as características da teoria de agentes através da codificação e teste de cada uma das rotinas;

108 (i)                 Frameworks Neste caso o desenvolvedor do sistema normalmente adquire também uma biblioteca específica para a atividade, que cobre os pontos principais, os mais complexos e gerais da teoria, ficando para a equipe de desenvolvimento as "calibragens" para o Agente executar o que se pretende;

109 (i)                 Linguagens Específicas
Nesta opção a parte relativa ao Agente está pronta, sob a forma de um esqueleto de aplicação, que atende a um conjunto específico de áreas de atuação de agentes, como: Aprendizagem; Pesquisa; Processamento de Tarefas, etc.

110 Como nas telas de Escher ou de Salvador Dali temos vários níveis de compreensão e de entendimento. Afinal, estamos lidando com seres humanos ...

111 ORGANIZAÇÃO DOS SERES VIVOS
MÁQUINAS ALOPOIÉTICAS MAQUINAS AUTOPOIÉTICAS SiNTAXE MORFOLOGIA LINGUAGEM LÉXICO SEMÂNTICA

112 INTELIGÊNCIA ARTIFICIAL
INTELIGÊNCIA HUMANA X INTELIGÊNCIA ARTIFICIAL Para a compreensão dos sistemas humanos de percepção e inferência, é interessante considerar os mecanismos de informática que constituem a base dos procedimentos conhecidos de inteligência artificial:

113 (a) SEQÜÊNCIAS LÓGICAS
Em que se sucedem os conectivos e (^, &), ou (V) e se...,então (→). A programação seqüencial é a base dos computadores que conhecemos; permite simular processos humanos de trabalho e, na sua forma mais requintada, a estruturação de sistemas especialistas, que tomam por modelo o procedimento de profissionais em operações repetitivas;

114 (b) REDES NEURAIS Estruturas concebidas inicialmente à semelhança do sistema nervoso humano, com condutores elétricos (neurônios) e sinapses. Redes neurais são capazes de aprender com a repetição, a associação entre pares de estímulos.

115 Ou podem aprender mediante retroprogramação (backpropagation – sozinhas, portanto), aprimorando-se por experiência até um limite irredutível de erro; são capazes de realizar o reconhecimento de padrões; podem ser usadas como modelos de certas funções cerebrais, das quais, no entanto, diferenciam-se por uma série de características.

116 O neurônio biológico emite pulsos (comparados, às vezes, com códigos de barras) que variam entre valores positivos e isso é diferente da contagem binária (um, zero) da lógica booleana (de George Boole) empregada nas redes artificiais, bem como da capacidade que algumas têm de aceitar excitação negativa; as redes naturais não apresentam uniformidade no tipo de neurônios, salvo em algumas regiões, e não são capazes de cálculos recursivos.

117 (c) ALGORITMOS GENÉTICOS
Imaginados inicialmente para solucionar problemas que levariam décadas, séculos ou milênios para serem resolvidos, por mais velozes que fossem os computadores. Fazem parte de uma família que inclui a programação evolucionária e as estratégias evolucionárias.

118 Todos correspondem à aplicação a programas de computador
de métodos inspirados nos princípios biológicos de Darwin (Evolução das Espécies) e genéticos de Mendel (as leis de Mendel). A solução encontrada em algoritmos genéticos pode ser dita a mais adequada, em lugar de “a verdadeira”.

119 O bit corresponde, nos algoritmos genéticos, ao gene; o local onde fica o bit no cromossomo é o lócus; os pares de bits tomam da Biologia o nome de alelos. A seleção artificial se faz entre indivíduos de uma população, através do cros-sover entre cromossomos dos pais e de mutações, isto é, alterações de cadeia genética por troca simples (como um erro de cópia); inversão, translocação, apagamento e adição.

120

121   Código Genético O H S Figura 2 - Figura e seu Código Genético   Onde este código genético é interpretado da seguinte forma:   1 - Identificação da figura. O - Que a figura é aberta “Open”. H - Que há uma simetria Horizontal. S - Que o desenho é formado por linhas retas “Straight Lines” as coordenadas ( x, y ) de cada ponto.

122

123

124 IF AND SIN NOT PLUSPDDD SETFANDDDD SETFDDD X + - * Y Z /

125 A inteligência humana, em que esses mecanismos se inspiram, é, portanto, diferente de qualquer sistema artificialmente concebido, pelo simples fato de ser biológica.

126 Ela é basicamente a mesma da dos demais animais superiores, como os antropóides; tem agregadas, no entanto, estruturas de linguagem e de consciência que tornam a espécie única em seu ambiente.

127 VR REALIDADE VIRTUAL (RV) INTERAÇÃO IMERSÃO SIMULAÇÃO
EXISTÊNCIA DE UM PONTO DE REFERÊNCIA SIMULAÇÃO PERCEPÇÃO ELEMENTOS NAVEGAÇÃO MANIPULAÇÃO CARACTERÍSTICAS

128 VISUALIZAÇÃO CIENTÍFICA
REALIDADE VIRTUAL (RV) : APLICAÇÕES MEDICINA VISUALIZAÇÃO CIENTÍFICA MANUFATURA VIRTUAL LAZER TELEPRESENÇA ARQUITETURA SIMULADOR DE VÔO

129 RV E CONSTRUÇÃO DE CONHECIMENTO:
PODEROSA FERRAMENTA DE ENSINO FISICAMENTE IMERSIVA FACILITA MÚLTIPLOS FRAMES DE REFERENCIAS SUPORTA EXPERIÊNCIA DIRETA DE FENÔMENOS OFERECE COMUNICAÇÃO MULTISENSORIAL TRIDIMENSIONAL

130 RV E CONSTRUÇÃO DE CONHECIMENTO:
EXPERIÊNCIAS “DIMENSÃO” “TRANSDUÇÃO” “REIFICAÇÃO”

131 RV E CONSTRUÇÃO DE CONHECIMENTO:
FATORES COGNITIVOS DA IMERSÃO VIRTUAL SUCEPTIBILIDADE PARA A IMERSÃO SUCEPTIBILIDADE QUALIDADE DA IMERSÃO MEIO AMBIENTE CONCENTRAÇÃO E ATENÇÃO IMAGINÁRIO VIVIDO DISTRAÇÕES DEVIDO AO MEIO AMBIENTE AUTOCONTROLE EFEITOS OUTROS EFEITOS PSICOLÓGICOS

132 SISTEMAS TUTORIAIS INTELIGENTES:
CENTRALIZADOS MÓDULO INTERFACE MÓDULO ESPECIALISTA MÓDULO TUTOR ESTRATÉGIA DE ENSINO APRENDIZAGEM COMUNICAÇÃO COM USUÁRIO CONHECIMENTO MÓDULO MODELO DE ESTUDANTE ESTUDANTE CONHECIMENTO SOBRE O ESTUDANTE

133 SISTEMAS TUTORIAIS INTELIGENTES:
DISTRIBUÍDOS AGENTE MÓDULO DE ESTUDANTE AGENTE DE MOTIVAÇÃO AGENTE PERFORMANCE AGENTE ESTADO MUNDO FORNECEDOR DE AJUDA AGENTE DE COMUNICAÇÃO AGENTE DE SELEIÇÃO DE TÓPICOS AGENTE DIAGNÓSTICO AGENTE FORNECEDOR DE PRÁTICAS AGENTE ESTRATÉGIA DE SELEÇÃO AGENTE NAVEGAÇÃO

134 Vinculos com outras unidades
MODELOS ABORDADOS COM O PARADIGMA DA IA CONSTRUTIVISTA Entidades Vinculos com outras unidades Atributos Processador Primário Espaço de Restrições fomes físicas fomes de afeto fomes cognitivas vontades Dimensões Física Afetiva Cognitiva Espiritual Memória Episódica Resistência Repressão Domínios Lingüístico Cognitivo Conduta Observação Domínio de Auto-observação

135 OBJETIVOS MODELO DE AMBIENTE INTELIGENTE USUÁRIO EM AMBIENTE DE RV

136 E isso é apenas o começo

137 Dawkins R. (1976): The Selfish Gene, (Oxford University Press, New York).
Heylighen F. (1992) : " Selfish Memes and the Evolution of Cooperation", Journal of Ideas , Vol. 2, #4, pp Holland J.H., Holyoak K.J., Nisbett R.E. & Thagard P.R. (1986): Induction : processes of inference, learning and discovery, (MIT Press, Massachusetts). Kauffman S.A. (1992): Origins of Order: self-organization and selection in evolution, (Oxford University Press, Oxford). Keith Henson, "Memetics", Whole Earth Review #57: Douglas Hofstadter, Metamagical Themas. Howard Rheingold, "Untranslatable Words", Whole Earth Review #57: 3-8

138 Best, M., L., 1997; Models for Interacting Populations of Memes: Competition and Niche Behavior. Journal of Memetics - Evolutionary Models of Information Transmission, 1. Bonner J.T. (1980): The Evolution of Culture in Animals, (Princeton University Press, Princeton). Boyd R. & Richerson P.J. (1985): Culture and the Evolutionary Process, (Chicago University Press, Chicago). Cavalli-Sforza L.L. & Feldman M.W. (1981): Cultural Transmission and Evolution: a quantitative approach, (Princeton University Press, Princeton).

139 Csanyi V. (1991): Evolutionary Systems and Society: a general theory, (Duke University Press, Durham, NC). Cullen B. (1998): "Parasite Ecology and the Evolution of Religion", in: Heylighen F. (ed.) (1998): The Evolution of Complexity (Kluwer Academic, Dordrecht) Dawkins R. (1976): The Selfish Gene, (Oxford University Press, New York). Heylighen F. (1992) : " Selfish Memes and the Evolution of Cooperation", Journal of Ideas , Vol. 2, #4, pp Lynch, Aaron (1997) " Units, Events, and Dynamics in Memetic Evolution", Journal of Memetics (submitted)

140 Lumsden, Charles, and Wilson, Edward (1981): Genes, Mind, and Culture: the Coevolutionary Process, (Harvard University Press, Cambridge). Moritz E. (1990): "Memetic Science: I - General Introduction", Journal of Ideas 1, p. 1-23 Moritz E. (1995): Metasystems, Memes and Cybernetic Immortality, in: Heylighen F., Joslyn C. & Turchin V. (eds.), The Quantum of Evolution. Toward a theory of metasystem transitions, (Gordon and Breach Science Publishers, New York) (special issue of "World Futures: the journal of general evolution, vol. 45, p ). See also: the electronic Journal of Memetics - Evolutionary Models of Information Transmission. an extensive list of web servers on memetics

141

142