Semiótica e Sistemas Inteligentes

Apresentação em tema: "Semiótica e Sistemas Inteligentes"— Transcrição da apresentação:

1 Semiótica e Sistemas Inteligentes
As Abordagens da Literatura Ricardo Gudwin DCA-FEEC-UNICAMP

2 Sistemas Inteligentes
sistemas que exibem um comportamento considerado inteligente Definições na Literatura existem em profusão, desde as mais ingênuas, até as mais elaboradas e detalhadas polêmicas incompletas Palavra-Chave Inteligência O que é isso ?

3 Inteligência O que é inteligência ? Envolve
conhecimento raciocínio pensamento idéias Capacidade de resolver problemas Capacidade de compreender uma situação Capacidade de planejar o futuro e realizar ações de modo que os plano se concretizem Capacidade de aprender coisas novas Capacidade de atingir objetivos Capacidade de determinar objetivos

4 Inteligência e Semiótica
O que tem a haver Inteligência com Semiótica ? Semiótica é o estudo dos processos de significação como signos são criados como signos são usados como signos “significam” uma das vertentes mais recentes no estudo dos sistemas inteligentes, identifica a capacidade de processar signos como a fonte da inteligência, em todas as classes de sistemas Ou seja, um sistema é inteligente porque processa signos sua inteligência dependerá da quantidade e dos tipos de signos que está apto a processar estudar semiótica é a chave para o entendimento dos sistemas inteligentes, e a criação de sistemas que sejam mais inteligentes

5 Modelos de Signos Modelo Diádico de Signo
Hjelmslev, baseado em modelo de Saussure Semiótica Estruturalista Muito utilizado na linguística Não permite signos naturais (ícones e índices), somente símbolos

6 Modelos de Signos Signo Triádico de Morris
simplificação do modelo Peirceano fundamentado na teoria behaviorista muito difundido na comunidade de sistemas inteligentes não é tão abrangente como o modelo Peirceano Designatum Denotatum SEMÂNTICA Veículo do Signo Outros veículos do signo SINTÁTICA (SINTAXE) PRAGMÁTICA Interpretante Intérprete

7 Modelos de Signo Signo Triádico de Peirce
baseado nas três categorias fenomenológicas: primeiridade, secundidade, terceiridade signo é uma instância de terceiridade processo de mediação entre um objeto e seu interpretante interpretantes podem ser emocional (primeiridade), energético (secundidade) e lógico (terceiridade) interpretante energético é o equivalente ao de Morris sucessiva aplicação das categorias sobre si mesmas gera toda uma gama de diferentes tipos de signos compreensão mais difícil, devido a sua natureza fractal muito referenciado mas pouco utilizado na sua essência, sob o contexto dos sistemas inteligentes Interpretante Signo Objeto

8 Modelos de Signo Modelo de Signo de Pospelov Semiótica Russa
nomes: identificação, acesso e uso por outros signos, conceitos: informações cognitivas, associadas com as imagens mentais, obtidos por processos de mediação, tais como, generalização, abstração imagens: informações perceptuais, obtidas através de observações, experiências, etc., e ações: informações pragmáticas, hábitos de comportamento, etc., quando da interação com outros signos ou eventos observáveis. Fragmentos de Signos

9 Semiótica e Sistemas Inteligentes
ramo das ciências humanas que estuda as ciências da significação e da representação, envolvendo principalmente os fenômenos da cognição e da comunicação em sistemas naturais Sistemas Inteligentes sistemas que exibem um comportamento considerado inteligente alguns dos objetivos são o estudo dos fenômenos da cognição e comunicação, mas agora explicitamente dentro do escopo de sistemas artificiais Junção entre Semiótica e Sistemas Inteligentes proposição de um conjunto de metodologias que de certa forma tentam utilizar os conceitos e terminologia da semiótica, mas compondo um framework adequado para a construção de sistemas artificiais, neste caso, implementáveis em computadores

10 Semiótica e Sistemas Inteligentes
Abordagens Encontradas na Literatura Controle Situacional Semiótico (Pospelov) Semiótica Multiresolucional (Albus-Meystel) Autognome (Pendergraft) Agentes Semióticos (Rocha e Joslyn) Semiótica Computacional Linguística Computacional (Rieger) Síntese Semiótica e Redes Semiônicas (Gudwin) Problema Conceitual Propostas originadas a partir de diferentes modelos semióticos Semiótica Estruturalista (Saussure, Hjelmslev, Eco) Semiótica Peirceana (Peirce) Semiótica Behaviorista (Morris) Semiótica Russa (Pospelov)

11 Controle Situacional Semiótico
Surgiu na Rússia grupo de cientistas liderados por Dmitri Pospelov aplicação da teoria semiótica para o controle de sistemas complexos Dmitri Pospelov, Gennady Osipov, Victor Finn e outros Paper de Pospelov - “Semiotic Models: Achievements and Prospects” princípios da modelagem semiótica de sistemas abertos complexos diversos workshops dentro do “bloco soviético” “Situational Control: Theory and Practice” - Nauka Publishers, Moscow tradução “não oficial” em inglês passou a circular nos EUA em 1991 Nos EUA Paul Prueitt

12 Controle Situacional Semiótico
Objetos de Controle Tradicionais sistemas de controle tradicionais Objetos de Controle Não-Tradicionais podem ser únicos, com particularidades bem definidas e.g. um determinado partido político falta de qualquer propósito formalizável para sua existência e.g. cidade, mercado, região, ecossistema, etc. impossível determinar com precisão critérios de otimalidade dinamicidade (objetos mudam com o tempo - evoluem) descrição incompleta e imperfeita (conhecimento parcial) presença de “livre arbítrio” - e.g. envolvendo pessoas Tipos de Sistemas que se deseja controlar cidades, organizações, economias, sociedades, etc …

13 Controle Situacional Semiótico
Para o tipo de sistema que se deseja controlar representações convencionais de sistemas dinâmicos não são adequadas a representação mais adequada é por meio de situações Situação descrição de um cenário ou estado de coisas situação corrente situação futura desejada Situação Completa inclui a situação corrente, uma decisão de controle e a situação futura resultante representa uma Regra Lógico-Transformacional

14 Controle Situacional Semiótico
Modelos Formais M = < T, P, A,  > T = elementos básicos P = regras sintáticas A = sistema de axiomas  = regras semânticas Modelos Semióticos C = < M, T , P , A ,  > a T , P , A e  são respectivamente regras de variação para T, P, A e 

15 Controle Situacional Semiótico
Organização de um CSS

16 Controle Situacional Semiótico
Rede Situacional Discreta (DSN) Rede de Autômatos Modelagem de Situações Possui uma dinâmica discreta bem definida Linguagem de Controle Situacional linguagem quase-natural fechada, cuja semântica é atribuída diretamente sobre os estados de um DSN utilizada para descrever situações em um DSN Estado de um DSN = Expressão em LCS

17 Controle Situacional Semiótico
Resolvedor Semiótico

18 Semiótica Multiresolucional
Desenvolvida por Albus-Meystel Albus, J. - “Outline for a Theory of Intelligence” - IEEE Trans. SMC, vol. 21, n.3, May/June 1991. Meystel, A. - “Semiotic Modeling and Situation Analysis : An Introduction”, AdRem Inc., 1995. Elementos da Inteligência processamento sensorial (PS) modelagem do mundo (MM) geração de comportamento (GC) julgamento de valor (JV) formam nós operacionais, trabalhando em paralelo, organizados hierarquicamente em múltiplos níveis de resolução

19 Semiótica Multiresolucional
A cada nível hierárquico: banda de controle cai de uma ordem de magnitude (UOM) resolução perceptiva de padrões espaço-temporais cai de UOM metas aumentam em escopo de UOM horizonte de planejamento aumenta no espaço e tempo de UOM modelos do mundo e memória de eventos caem em resolução e aumentam em escopo espaço-temporal de UOM

20 Semiótica Multiresolucional
GFACS = Grouping, Focusing Attention, Combinatorial Search

21 Semiótica Multiresolucional

22 AutoGnome Desenvolvido por Eugene Pendergraft
Autognomics Corporation , USA “THE FUTURE'S VOICE: Intelligence Based on Pragmatic Logic” Relatório Interno - Creative Intelligence,

23 AutoGnome Aplicações

24 AutoGnome Conceitos Elementares

25 Agentes Semióticos Luís Mateus Rocha e Cliff Joslyn (Los Alamos National Lab.) Tese de Doutorado de Luís Rocha “Evidence Sets And Contextual Genetic Algorithms - Exploring Uncertainty, Context, And Embodiment In Cognitive And Biological Systems” Binghamton University New York, 1997

26 Agentes Semióticos Modelos de Inspiração Semelhante ao Autognome
Evolutionary Reinforcement Learning Ackley, D.H. and M. Littman [1991]."Interaction Between Learning and Evolution." In: Artificial Life II. Langton et al (Eds). Addison-Wesley, pp CAS - Complex Adaptive Systems Holland, J.H. [1995]. “Hidden Order: How Adaptation Builds Complexity. Addison-Wesley”. Semiótica de Morris Agentes BDI (Belief, Desire, Intention) Semelhante ao Autognome com mecanismos aleatórios

27 Semiótica Computacional
área metodológica ainda em formação entretanto, existem diversas contribuições importantes que, apesar de ainda incompletas, ajudam-nos a entender a natureza dos processos semióticos e permitem sua síntese e implementação em plataformas computacionais Diferentes Abordagens Abordagem de Rieger Linguística Computacional Abordagem de Gudwin Síntese Semiótica Síntese de sistemas semióticos por meio de dispositivos computacionais Redes Semiônicas

28 Linguística Computacional
Semiótica Computacional Baseada em semióticas estruturalistas tratamento de medidas e parâmetros associados a textos (hipertextos) Análise Quantitativa de Textos Burghard Rieger (Universidade de Trier - Alemanha)

29 Síntese Semiótica e Redes Semiônicas
Elementos de Semiótica Computacional desenvolvidas por Gudwin e seu grupo de pesquisa na UNICAMP Síntese Semiótica Tentativa de recriação de processos semióticos específicos, visando a construção de “mentes artificiais” Teoria serve de base para a construção das Redes Semiônicas Agente Semiônico Sêmion: Agente elementar por meio do qual um sistema semiótico pode ser construído Redes Semiônicas ou Redes de Agentes Semiônicos proposta de ferramenta matemático-computacional para o design de “mentes artificiais” de agentes inteligentes

30 Análise Semiótica Semiótica Questões
Ferramenta de Análise - principal meta é entender o processamento semiótico ocorrendo na natureza Seres Semióticos (intérpretes) apresentam-se “já prontos” organismos vivos (bio-semiótica) seres humanos (antropo-semiótica) é mais fácil criar conceitos e aplicá-los a coisas que já existem e que já estão funcionando Questões será possível usar a mesma infra-estrutura conceitual de tal forma a sintetizar novos tipos de seres (sistemas), realizando o mesmo comportamento semiótico que em seres vivos/humanos ? Quais seriam os desafios que encontraríamos neste sentido ?

31 Síntese Semiótica Problema Problemas Escondidos
as coisas ainda não estão funcionando portanto, é necessário colocá-las para funcionar ! Problemas Escondidos especificar as entidades básicas envolvidas no processo de semiose de tal forma que essa possam ser produzidas em computadores especificar o mecanismo pelo qual os signos são interpretados existem diversos passos intermediários que geralmente não são considerados dentro do contexto da semiose humana Como, a partir de uma cena produzida por uma câmera de vídeo descobrimos os objetos envolvidos nesta mesma cena ? Como falar de signos, se os sistemas ainda não conhecem os objetos ? Dispositivos Computacionais seriam aptos a processar todos os tipos de semiose que seres vivos/humanos processam ?

32 Síntese Semiótica Fundamentos Básicos Terminologia Requisito
definição de um cenário básico para a discussão de síntese semiótica tentativa de obter “pistas” sobre como o processo semiótico realmente acontece criar uma versão computacional de processos semióticos Terminologia relacionada com a terminologia semiótica tradicional sem restringir o significado dos termos a seres naturais Requisito cuidado ao aplicar-se princípios de análise semiótica a um cenário de síntese semiótica

33 Síntese Semiótica Fundamentos Básicos
Espaços de Representação

34 Síntese Semiótica Fundamentos Básicos
Espaços Compartilhados e Não-compartilhados

35 Síntese Semiótica Fundamentos Básicos
Campos de Sinais

36 Síntese Semiótica Fundamentos Básicos
Múltiplos Espaços Internos e Campos de Sinais

37 Síntese Semiótica Fundamentos Básicos
Campo deSinais conceito originado da teoria dos campos função (função de energia ?) que a cada ponto do espaço/tempo determina um único valor estado Espaço Externo campo de sinais é contínuo (trata-se do mundo real) por definição, não é conhecível em sua plenitude Espaços Internos acomodam modelos do campo de sinais externo campos de sinais interno são funções que dependem do tipo de síntese semiótica que tentamos modelar

38 Síntese Semiótica Fundamentos Básicos
Signo Qualquer coisa sobre o foco de atenção do intérprete (interno ou externo) que possa causar uma ação do intérprete Ações Possíveis do Intérprete Mudança nos focos de atenção (internos e/ou externo) Determinação, para o tempo t = t+1 de um novo valor para algum campo de sinais (interno ou externo), em referência ao ponto (x,y,z) sob o foco de atenção neste espaço Interpretante qualquer ação do intérprete causada pelo signo qualquer mudança em um campo de sinais interno ou externo para o tempo t = t+1 causado por uma ação do intérprete devida ao efeito do signo

39 Semiose Externa Interpretante do Signo
ocorre no espaço externo Mudança no Campo de Sinais Externo mudança no ambiente compartilhável com outros intérpretes pode agir como um novo signo para o mesmo intérprete ou para outros intépretes Podem ocorrer em intérpretes que não possuem espaços internos processos semióticos em moléculas ou reações químicas organismos biológicos muito simples Podem ser o resultado final de uma cadeia de semiose interna

40 Semiose Interna Interpretante do Signo Signos pode localizar-se
localiza-se em qualquer um dos espaços internos Signos pode localizar-se no espaço externo (transdução semiótica) em algum espaço interno Uma cadeia semiótica típica começa com um signo externo gera um conjunto de interpretantes internos, que tornam-se por sua vez, signos gerando novos interpretantes internos, até que algum deles torne-se um signo que gere um interpretante externo

41 Simplificação do Modelo
Ao invés de espaços e campos de sinais genéricos restringir a memórias e lugares atribuir o processamento sígnico a sêmions (unidades básicas de semiose)

42 Uma Hierarquia de Sêmions

43 Sêmions Responsabilidade dos Sêmions
Atuar como Micro-Intérpretes e encapsular conhecimento na forma de unidades de conhecimento escolher os outros sêmions que irá usar (foco de atenção) eventualmente destruí-los após o uso criar novos sêmions utilizando a informação contida nos anteriores

44 Modelo de um Sêmion Conteúdo Descritivo Portas de Saída
Portas de Entrada Interface de Entrada Interface de Saída Funções de Transformação Função de Avaliação Estados Internos

45 Modelo de um Sêmion Sêmions Classes Diferença entre sêmions e objetos
são agrupados e classificados em classes, da mesma maneira que objetos Classes Variáveis de Entrada do Agente Variáveis de Saída do Agente Variáveis Internas do Agente Funções de Transformação do Agente Função de Avaliação do Agente Diferença entre sêmions e objetos possuem um ciclo de atividade contínuo possuem uma função de avaliação que orienta o comportamento dinâmico do agente

46 Interação entre Sêmions

47 Interação entre Sêmions
Seleção de Sêmions para Assimilação Função de Avaliação - todos os outros sêmions disponíveis para assimilação são avaliados Múltiplas Funções de Transformação Avaliação é feita considerando-se cada função de transformação Escopos Habilitantes Algoritmo de Seleção - Baseado na avaliação, um algoritmo de seleção deve fazer a escolha escolha deve evitar conflitos com outros sêmions querendo interagir com um mesmo sêmion algoritmo BMSA (Best Matching Search Algorithm) Assimilação dos Sêmions Escolhidos Absorção do conteúdo descritivo do agente Transporte, Liberação ou Destruição do Sêmion

48 Interação entre Sêmions
Processamento do Conteúdo Descritivo Funções de Transformação: processam o conteúdo descritivo dos sêmions assimilados podendo alterar o conteúdo descritivo de algum sêmion assimilado alterar o conteúdo descritivo de algum outro sêmion gerar um novo sêmion no sistema Casos Especiais Sêmion Fonte utilizado para introduzir novos sêmions no sistema sêmion não tem interface de entrada, e a função de avaliação simplesmente escolhe a função de transformação a ser utilizada Sêmion Vertedouro utilizado para retirar sêmions do sistema não tem função de transformação

49 Sistemas Semiônicos Sistemas Semiônicos Sistemas Fechados
Conjunto de Sêmions interagindo entre si Sistemas Fechados normalmente um sistema semiônico é um sistema fechado Sistemas Abertos podem ser emulados por meio de sêmions-fonte e sêmions-vertedouro Sêmions-Fonte internamente coletam informações de alguma fonte externa Sêmions-Vertedouro internamente enviam informações para fontes externas

50 Sistemas Semiônicos Problema Solução
a medida que o tamanho da população de sêmions aumenta, a demanda computacional aumenta exponencialmente sêmions precisam avaliar todos os sêmions disponíveis para interação custo computacional aumenta exponencialmente com o aumento do tamanho da população de sêmions nem todos os sêmions são interessantes para interação tipos inadequados conteúdo indesejado Solução encontrar alguma maneira de agrupar os sêmions de forma que somente os sêmions que têm realmente algum interesse sejam sondados para interação

51 Redes Semiônicas Sêmions Lugares Vantagens confinados a lugares
conectados por arcos arcos entram e saem de portas portas de entrada e saída agentes do mesmo tipo Vantagens sêmions disponíveis para assimilação podem ser agrupados e localizados, o que evita a avaliação de toda uma população de sêmions

52 Redes Semiônicas Portas Arcos Modos de Acesso privadas e públicas
entre portas públicas e privadas Modos de Acesso compartilhamento de sêmions : exclusivo ou não-exclusivo destruição : consumo ou não-consumo

53 SNToolkit SNtoolkit (Semion Network Toolkit)
auxiliar no design e simulação de redes semiônicas fornece um engine que implementa os mecanismos necessários para a execução de redes semiônicas

54 SNToolkit

55 Aplicações Potenciais
Simulações Robóticas em Mundos Virtuais

56 Modelo do Veículo Tipos de Sensores: Variáveis de interesse
Legenda: 1,2,3,4 - SC A - SIR  - direção do SIR  - distância do SIR Tipos de Sensores: Sensor de informação remota (SIR): simplificação de um mecanismo de visão Sensores de contato (SC): informam quando existe contato com algum objeto Variáveis de interesse posição do veículo (x, y, ). ângulo das rodas em relação ao eixo longitudinal do veículo (). velocidade nominal do veículo (v).

57 Controle por Rede Semiônicas

58 Resultados de Simulação
Ambiente de Simulação Modelo Interno do Robô e sua Trajetória até a Meta

59 Semiótica Organizacional: Gerência de Projetos

60 Simulação da Gerência de Projetos

61 Resultados de Simulação: Gerência de Projetos

62 Outros Exemplos de Modelos
Algoritmo Genético (Modelo Interno) Problema do Caixeiro Viajante

63 Outros Exemplos de Modelos
Algoritmo Genético (Modelo Embutido) Problema do Caixeiro Viajante

64 Outros Exemplos de Modelos
Controlador Fuzzy Controle de um Veículo Autônomo