INTELIGÊNCIA ARTIFICIAL

INTELIGÊNCIA ARTIFICIAL

1. Estudar inteligência artificial é perceber que o futuro está presente no nosso cotidiano.Ficção à parte, muitas de nossas rotinas diárias são realmente controladas por máquinas pensantes. Várias tarefas que há bem pouco tempo eram exclusivas do ser humano atualmente são realizadas por robôs.

2. Segundo LAUDON & LAUDON (2004), o interesse das empresas na IA vem crescendo em ritmo exponencial particularmente porque elas visualizam as seguintes possibilidades: 1. Armazenar informação de maneira ativa (data warehouse); 2. Criar mecanismos não sujeitos a características humanas (robótica, sistemas especialistas); 3.Eliminar tarefas enfadonhas e rotineiras para pessoas (robótica, sistemas especialistas); 4. Aprimorar a base de conhecimento da organização (data warehouse e sistemas especialistas); 5. Gerar soluções para problemas específicos (SI de apoio à decisão).

3. INTELIGÊNCIA “Inteligência pode ser definida como a habilidade de se adaptar, dar forma e selecionar ambientes” (STERNBERG, 1999, p. 409)

4. INTELIGÊNCIA ARTIFICIAL A Inteligência Artificial pode ser entendida como o conjunto de técnicas e metodologias de programação, usadas para tentar resolver os problemas de forma mais eficiente, assemelhando-se ao ser humano, ultrapassando as fronteiras das soluções algorítmicas (rotinas básicas de computador). A IA procura, assim, a maneira mais próxima e semelhante possível da solução que, provavelmente, seria concebida e implementada por um ser humano.

5. JORDAN & RUSSELL (1999, p. LXXIII) ampliam essa definição de IA incorporando outros elementos conceituais:

   • Existem duas visões complementares de inteligência artificial (IA): uma como disciplina de engenharia preocupada com a criação de máquinas inteligentes, e a outra como uma ciência empírica preocupada com a modelagem computacional da inteligência humana.

6. Com as pesquisas de Warren Mcculloch & Walter Pitts (1943) sobre redes neurais, de Claude Shannon (1948) sobre teoria da informação e de Alan Turing (1950), sobre inteligência artificial, a IA começa a se desenvolver como objeto de pesquisa. Desde então, os cientistas prosseguem tentando reproduzir em máquinas, faculdades inerentes ao ser humano como apreensão e compreensão a partir da experiência, pensamento e raciocínio, entre outras.

7. O que vamos estudar dentro do campo de IA

   • SOFTWARE INTELIGENTES
     • Baseados em: 1. Modelos analíticos de dados; 2. Banco de dados especializados; 3. Insights e apreciações do tomador da decisão; 4. Processos de modelagem computadorizados para apoiar a tomada de decisão;
     • Aqui, vamos estudar os modelos analíticos de dados e de processos de modelagem computadorizados e de banco de dados especializado, muito bem representados na solução data warehouse (DW). Mas o que é um data warehouse, afinal?
       • DATA WAREHOUSE Um DW é um banco de dados inteligente, com papel fundamental na geração de informações para o processo decisório. Seu ambiente mostra uma proposta alternativa de prover, de forma centralizada e organizada, o acesso a dados de múltiplas fontes. É uma coleção de dados orientados por assuntos, integrados, variáveis com o tempo e não voláteis, dados esses que servem para dar suporte ao processo de tomada de decisão.
         • Além de suportar a tomada de decisão, outro objetivo primário do DW é a disseminação do conhecimento do negócio, fornecendo informações estratégicas e táticas a toda a camada gerencial, na forma de matrizes dimensionais, relatórios, gráficos e planilhas. Acompanhe a seguir a descrição dos componentes estruturais de um DW:
           • DM (Data Mart/Mercado de Dados) - é um subconjunto altamente agregado de dados do DW, atuando como um DW departamental. Os DM podem ser construídos ao longo do tempo e, quando vinculados, formam um DW lógico.
           • OLAP (On Line Analytic Process/Processamento Analítico On-line) – segundo O´BRIEN (2004), a técnica OLAP permite aos gerentes e analistas examinarem e manipularem interativamente enormes quantidades de dados detalhados e consolidados, a partir de múltiplas perspectivas. Em um modelo de dados OLAP, a informação é conceitualmente organizada em cubos que armazenam valores quantitativos ou medidas. As medidas são identificadas por duas ou mais categorias descritivas denominadas dimensões que formam a estrutura de um cubo. Uma dimensão pode ser qualquer visão do negócio que faça sentido para sua análise.
           • Data Mining (Garimpagem de Dados) – enquanto as técnicas OLAP objetivam trabalhar os dados existentes, buscando consolidações em vários níveis, trabalhando fatos e dimensões variadas; a técnica de Mining visa, fundamentalmente, realizar inferências, tentando buscar correlações escondidas em altos volumes de dados, nem sempre evidentes, principalmente no tratamento cotidiano dos sistemas de informações. Dessa forma, o Data Mining manuseia tendências, busca padrões de comportamento, realiza correlações e faz probabilidades. Entre as diversas organizações que utilizam essa solução destacam-se: as administradoras de cartões de crédito (na validação das compras de acordo com o perfil e hábitos do cliente) e as grandes lojas de departamentos (nas remarcações dos produtos, alinhando: o valor ideal para os descontos, as tendências dos consumidores (época do ano), a quantidade em estoque de um determinado produto e o histórico de vendas).
         • É importante ressaltar que não existe um DW pronto para ser utilizado, sendo necessário o levantamento das necessidades gerenciais da organização, para então começar a construção do ambiente. A implantação de um DW exige a integração de todas as bases de dados da empresa, o que, via de regra, consome 70% do esforço e dos recursos alocados para a solução. Nesse contexto, o DW proporciona uma sólida e concisa integração dos dados da organização para a realização de análises gerenciais estratégicas.
     • ROBÓTICA
       • A palavra robótica tem origem da palavra tcheca robotnik, que significa servo, e foi utilizada inicialmente pelo escritor checo Karel Căpek, em 1921, por sugestão de seu irmão Josef Căpek. Mas a idéia de fazer um homem mecânico, uma espécie de máquina serviçal, totalmente subserviente, não é recente e continua sendo referenciada em várias obras de ficção, como no filme “O homem bicentenário”.
       • Dentre as possíveis aplicações de robôs podemos destacar: 1. Segurança e vigilância; 2. Procura e salvamento; 3. Exploração planetária; 4. Manutenção e vigilância em residências e instalações fabris; 5. Veículos autônomos para exploração subaquática; 6. Utilização em ambientes hostis.
         • Leia os artigos a seguir: Robótica cognitiva: programação baseada em lógica para controle de robôs, de Felipe Werndl Trevizan; Leliane Nunes de Barros Realidade virtual e robótica em cirurgia - Aonde chegamos e para onde vamos?, de James Skinovsky, Maurício Chibata e Daniel Emilio Dalledone Siqueira
       • Outro tipo de aplicação que merece destaque é a robótica educacional ou robótica pedagógica. Nesta modalidade, são criados ambientes de aprendizagem que reúnem materiais de sucata ou kits de montagem compostos por peças diversas, motores e sensores controláveis por computador e softwares, que permitem programar de alguma forma, o funcionamento dos modelos montados. Nesse tipo de atividade, o aluno vivencia na prática, através da construção de maquetes e robôs controlados por computador, conceitos estudados em sala de aula.
       • Custo elevado de implantação, obsolescência precoce dos modelos e os impactos sociais( redução de horas e salários);
     • Sistemas Especialistas (SE)
       • Constituído por um conjunto de programas de computador, que utilizam conhecimentos armazenados em seus bancos de dados (chamados de base de conhecimento) e técnicas de inferência, para solucionar problemas que até então só podiam ser resolvidos com a perícia humana. Exemplificando, temos os problemas não estruturados e singulares, para os quais se torna difícil traçar um procedimento lógico de solução.
         • Exemplos: diagnósticos médicos e de defeitos em equipamentos, previsões meteorológicas e outras situações que possuam um número muito grande de variáveis.
       • De acordo com O´Brien, um SE geralmente é composto por módulos de programas que executam interferências em uma base de conhecimento montada por um especialista e/ou engenheiro do conhecimento. Isto resulta em respostas especializadas para as perguntas do usuário final (O´Brien, 2004).
       • Segundo Laudon, um SE contém uma série de regras interconectadas e o número de resultados é previamente conhecido e limitado.