Sistemas Periciais - Aplicabilidade

Quando se deve desenvolver um Sistema Pericial?

• O problema justifica o custo e esforço de construção de um Sistema Pericial;

• Não existem peritos disponíveis para resolver o problema;

• O problema pode ser solucionado através de raciocínio simbólico (próximo dos humanos);

• O problema não requer “senso comum”;

• O problema não pode ser resolvido através de métodos computacionais tradicionais;

• Existem peritos para cooperarem na construção do Sistema Pericial;

• O problema não é demasiado grande nem demasiado genérico.

Sistemas Periciais - Conceito

Os especialistas humanos são capazes de atingir um alto desempenho na medida em conhecem muito bem as suas áreas de especialização.

Um Sistema Pericial é um programa de computador que utiliza conhecimento específico do domínio de um problema e emula a metodologia e desempenho de um especialista no domínio desse problema.

O conhecimento inerente a um Sistema Pericial é um ponto chave na sua construção e é normalmente definido por engenheiros do conhecimento ou programadores.

Para tal são consultados peritos no domínio do problema e tenta-se codificar numa linguagem formal todo o conhecimento que estes adquiriam ao longo da sua experiência nomeadamente heurísticas e truques.

Os Sistemas Periciais não imitam a estrutura da mente humana, nem os mecanismos da inteligência.

São programas práticos que usam estratégias heurísticas desenvolvidas por humanos na resolução de classes específicas de problemas.

São uma classe de programas na área da Inteligência Artificial e têm contribuído para o sucesso desta área através dos produtos comerciais desenvolvidos.

Redes Neuronais

Redes neuronais são sistemas computacionais baseados numa aproximação à computação baseada em ligações. Nós simples (ou "neurões", "neurónios", "processadores" ou "unidades") são interligados para formar uma rede de nós - daí o termo "rede neuronal". A inspiração original para esta técnica advém do exame das estruturas do cérebro, em particular do exame de neurónios.

As redes neuronais são particularmente úteis para lidar com dados ligados a valores reais em que se deseja obter uma saída dotada de valor real; desta maneira as redes neuronais irão realizar uma classificação por graus, e serão capazes de expressar valores equivalentes a "não conhecido com certeza".

Em aplicações reais, as redes neuronais saem-se particularmente bem nas seguintes tarefas:

  • Aproximação de funções;
  • Previsão de séries temporais;
  • Classificações;
  • Reconhecimento de Padrões.

Tipos de Redes Neuronais

Existem dois tipos de redes neuronais: Perceptron com uma Camada e Perceptron Multi-camadas.

Perceptron com uma Camada

Redes Perceptron com uma camada são o tipo mais antigo de redes neuronais, as quais são formadas por uma camada única de neurónios de saída, os quais estão conectados por pesos às entradas. Este é o exemplo mais simples de redes em avanço. A soma do produto entre pesos e entradas alimenta cada neurónio de saída, e se o resultado desta operação exceder um certo limiar (geralmente 0), o neurónio coloca o valor 1 na saída; se o resultado for inferior ao limiar, o neurónio coloca o valor -1 na saída. Neurónios com esse comportamento são chamados de neurónios de McCulloch-Pitts ou neurónios com limiar. Na literatura técnica o termo perceptron diz respeito a redes com apenas um desses neurónios.

Perceptron Multi-camadas

Este tipo de rede consiste em múltiplas camadas de unidades computacionais, geralmente interconectadas em uma forma feedforward. Isso quer dizer que cada neurónio numa camada tem conexões directas a neurónios da próxima camada. Em muitas aplicações as unidades dessas redes aplicam uma função sigmóide (em forma de S) como a função de activação.

Nanotecnologia

A nanotecnologia está associada a diversas áreas (como a medicina, electronica, ciencia da computação, fisica, quimica, biologia e engenharia dos materiais) de pesquisa e produção na escala nano (escala atómica).


O princípio básico da nanotecnologia é a construção de estruturas e novos materiais a partir dos átomos (os tijolos básicos da natureza).


É uma área promissora, mas que dá apenas seus primeiros passos, mostrando, contudo, resultados surpreendentes (na produção de semicondutores, Nanocompósitos, Biomateriais, Chips, entre outros). Um dos instrumentos utilizados para exploração de materiais nessa escala é o microscópio eletrônico de varredura, o MEV.


Imagine-se o que se pode fazer se for possível manipular a matéria ao nível do átomo. Podia-se, por exemplo, construir circuitos electrónicos átomo a átomo. Esta técnica permitiria fabricar processadores muito mais pequenos e muito mais rápidos que os actuais.


Também seria possível guardar a informação a nível atómico de modo que cada átomo representasse um bit. Espera-se que os nanocomputadores sejam 1000 vezes mais rápidos que os actuais e que consigam armazenar 1000 vezes mais informação.


Processamento Paralelo

Um sistema de processamento distribuído ou paralelo é um sistema que interliga vários nós de processamento (computadores individuais, não necessariamente homogéneos) de maneira que um processo de grande consumo seja executado no nó "mais disponível", ou mesmo subdividido por vários nós. Adivinham-se, portanto, ganhos óbvios nestas soluções: uma tarefa qualquer, se divisível em várias subtarefas pode ser realizada em paralelo.

Conceito de Multiprocessamento

Multiprocessamento é a capacidade de um sistema operativo executar simultaneamente dois ou mais processos. Pressupõe a existência de dois ou mais processadores. Difere da multitarefa, pois esta simula a simultaneidade, utilizando-se de vários recursos, sendo o principal o compartilhamento de tempo de uso do processador entre vários processos.


Características

- O sistema de hardware é como um todo gerenciado por um único sistema operacional.
- Suporta multitarefa.
- Mantem múltiplas filas de processos, uma para cada processador.


Arquitectura

Sistemas multiprocessados podem ser basicamente de dois tipos: SMP e NUMA.

- Multiprocessamento simétrico (SMP): os processadores compartilham a mesma memória, embora possam ter caches separadas. O sistema operacional deve estar preparado para trabalhar com coerência de caches e, principalmente, evitar condições de corrida na memória principal.
- Acesso não uniforme à memória (NUMA): a cada processador é associado um banco de memória. Nesse caso, o sistema operacional trata cada banco separadamente, pois cada banco tem um custo de acesso diferente, dependendo de qual o processador a que está associado e onde está sendo executado o processo que tenta acessar a memória.

Aplicações da Inteligência Artificial

Como podemos reparar, o tema "Inteligência Artificial" é muito vago, logo tem inúmeras aplicações, e como tal apenas falaremos das mais importantes, tais como:

Planeamento Automático - Este está intimamente ligado ao raciocínio. Tem a capacidade de planear escolhas hipotéticas, estabelecer compromissos e ordenar as suas escolhas segundo os critérios que melhor servem os seus interesses.

Visão Computacional - Este refere-se ao reconhecimento de caracteres ópticos. Os sistemas de visão que conhecemos são capazes de construir descrições do ambiente que os envolve, processar e reconstruir imagens.

Fala - Esta área está intimamente ligada ao estudo da língua e dos sistemas de significação e permite uma abordagem sobre o conhecimento humano não-lógico (a maior parte dele) mas inexacto, incompleto e parcial, a qual se tornou um objectivo geral para a maior parte dos sistemas periciais e um dos núcleos de investigação piloto em inteligência artificial a partir dos anos 80.

5º Geração - Os computadores de 5ª Geração representam uma importante área de aplicações da I.A. Eles seriam já programados em PROLOG e ligariam a compreensão teórica das questões a processos de programação em lógica, à representação do conhecimento a técnicas de resolução dos problemas, articulando grandes bases de dados em paralelismo.
Assim essas grandes máquinas pensantes seriam capazes de articular teorias da decisão com métodos estatísticos e lógicos, com a filosofia a psicologia cognitiva e as ciências da gestão de conhecimentos. Isto seria então o reflexo da automatização do raciocínio assegurando a manutenção da verdade através de lógicas não monótonas.

O marco histórico ELIZA

ELIZA foi o primeiro software para simulação de diálogos, os chamados "bots".

Foi criado no MIT, em 1966, por Joseph Weizenbaum.
Este, era um programa muito simples que possuía apenas 204 linhas de código de programação.

Basicamente, este utilizava a inteligência artificial para simular um diálogo entre um paciente e um psicólogo, e que utilizava as frases do paciente para formular novas perguntas.

A evolução Histórica da Inteligência Artificial

Apesar de ser um tema relativamente recente, esta ciência é o sonho que o Homem tem desde a antiguidade clássica.

Durante o renascimento, surgiu a mecânica que permitiu o aperfeiçoamento do relógio.
Os avanços mais importantes da inteligência artificial foram os trabalhos dos matemáticos dos séculos XVII a XIX. No século XIX, surge Alan Turing, mas apenas em 1956 é que a IA começa a ser reconhecida como ciência.

Mas chegará o conhecimento através da manipulação de conceitos complexos ou através da percepção?

Devemos então fornecer à máquina uma avalanche de dados, teorias formais de ‘bom senso’, de crenças, de um universo simbólico superior ou, pelo contrário, basear o estudo da cognição no nível inferior da percepção e do controlo motor. A tendência geral foi no sentido de conciliar as duas teorias numa terceira teoria híbrida, segundo a qual a máquina seria capaz de raciocinar utilizando conceitos complexos, e de perceber o seu meio envolvente.

Nestes últimos anos, a IA tem-se voltado mais para a representação de redes neuronais e também a tradução automática.

O que é a Inteligência Artificial?

A inteligência artificial é um área de pesquisa da ciência computacional dedicada a pesquisar métodos ou dispositivos computacionais que possuam ou simulem a capacidade humana de resolver problemas, pensar ou, de forma mais abrangente, ser inteligente.

Introdução

Este blog foi criado para um trabalho da disciplina de Tecnologias Informáticas do 11º ano, acerca to tema " Inteligência Artificial".

O trabalho e criação do blog foi elaborado por um grupo de 3 alunos, sendo este elaborado por:

Bruno Gouveia
Carlos Oliveira
Ricardo Correia