Um estudo em Inteligência Artificial
"Um modelo teórico é uma descrição das variáveis sendo analisadas em uma dada situação, junto com as descrições das hipóteses do pesquisador, concernentes às relações entre essas variáveis"
DR. MARY CAY
SENGSTOCK, Ph.D., C.C.S.
PROFESSOR OF
SOCIOLOGY
WAYNE STATE UNIVERSITY
DETROIT, MI
Especificar as bases teóricas sobre as quais um sistema senciente deve operar. Inclui descrições de processos e análises, bem como detalhamentos de dados e metadados utilizados.
Ao longo desta página, são feitas algumas referências à algoritmos de inteligência artificial atuais. Para maiores detalhes, veja "Informações Suplementares", ao final desta.
Um sistema senciente é composto por 6 (Seis), camadas hierarquicamente superpostas, que operam de forma independente sobre os dados gerados pela camada imediatamente abaixo, todas com acesso à formas de armazenamento adequadas às suas necessidades, e com interfaces que permitam acesso direto a ela.
A um conjunto completo de camadas interoperantes, dá-se o nome de NÓ SENCIENTE.
Antes que qualquer informação possa ser recebida pelas camadas, uma parte externa ao sistema, mas nem por isso menos importante, deve ser preparada. São os detectores externos.
Assim como um organismo senciente natural precisa de seus vários grupos de sensores especializados, um sistema artificial precisa de grupos de detectores que "percebam" o andamento das coisas. Que detectem mudanças em cada uma de suas especializações.
Ao menos 4 funções distintas de detectores sensoriais são necessárias à qualquer implementação, podendo cada detector externo possuir de uma a todas elas:
 |
diretas : funcionam como terminações nervosas, informando o estado de determinados elementos aos quais se conectam P.ex.: A velocidade e peso com que um determinado elevador trafega num dado instante |
|
ambientais : informações sobre o ambiente em geral, e especificamente a presença ou ausência de elementos. Detectores ambientais podem ser Genéricos ou Especializados. |
Um ambiental genérico detecta informações externas à área de especialização do sistema, como ser fim-de-semana ou feriado, estar quente ou chovendo, ser final de mês, etc. Já um especializado forneceria dados específicos, como p.ex. o número de elevadores ativos num dado instante ou a carga média a que estão submetidos.
|
de acionamento : informações sobre ações executadas sobre o ambiente P.ex.: A ativação ou desligamento de um determinado elevador |
|
de ocorrência : informações sobre acontecimentos não decorrentes diretos de ações P.ex.: A quebra de um dos elevadores |
Nota: uma função de detecção de acionamento ou de ocorrência pode ser executada pela camada de significação primitiva. Um ponto importante aqui é que como no caso de todas as funções mentais, as detecções também ocorrem em camadas, tendo nas mais básicas (detecções externas), a percepção de sinais, os quais são posteriormente trabalhados para formar a consciência de uma ocorrência.
Os grupos detectores, por formarem a camada mais externa, lidam diretamente com o ambiente com o qual o sistema deve interagir, estando, portanto, suas definições, diretamente relacionadas à especialização que se deseja deste. No caso dos exemplos abaixo, os grupos detectores são formados por sensores interligados aos painéis de controle dos mesmos, fornecendo suas informações na forma de linhas de dados (registros), especializados por grupo de detecção. O mesmo conceito se aplica a qualquer especialização desejada. Os grupos detectores devem conter sensores conectados ao ambiente que se deseja perceber, sendo identificados para o sistema quanto à sua especialização. Cada grupo pode conter de 1 a quantos sensores forem necessários, sendo cada sensor de cada grupo identificado de forma única para o sistema.
Os grupos detectores devem incluir também, além da coleta, todos os mecanismos de armazenamento temporário e transmissão das informações obtidas à camada sensorial correspondente. Os protocolos dessa transmissão, assim como os mecanismos de segurança e integridade das informações, varia de acordo com a criticidade da implementação. Devem também incluir, em sua interface, mecanismos que possibilitem a definição, localização, parametrização, acionamento e desligamento, bem como a monitoração do estado de cada grupo e cada sensor dentro do grupo. Por ultimo, deve permitir a definição das áreas sensoriais as quais se conecta.
Sendo uma das maiores dificuldades na implementação de sistemas artificiais, a estruturação dos detectores externos pode seguir o exemplo de entidades biológicas, replicando assim sua estrutura, acrescida de funcionalidades especializadas. Nesse caso, pode-se definir a entidade final como SEMI-ARTIFICIAL (SEMs). Caso contrário, toda a estrutura teria que ser definida para a finalidade visada, sem encontrar paralelos para referência. Essa situação geraria entidades completamente artificiais (ARTs).
Fim de descritivo : Detectores externos
A camada sensorial divide sua atuação sobre as informações recebidas dos grupos detectores em 3 atividades distintas.
A primeira atividade é a de Estruturação Topológica, na qual os diversos grupos detectores e seus sensores são reconhecidos como pertencentes ao ambiente. Esta atividade pode ser executada previamente ao início das recepções de dados (Estruturação Topológica prévia), ou de forma dinâmica, permitindo-se a entrada dos dados, e mantendo-os armazenados em uma área adicional para validação. A escolha entre as duas formas de implementação desta etapa fica a cargo, novamente, das exigências do tipo de ambiente, sendo a prévia a melhor opção para maior controle do mesmo (as especificações devem ser feitas manualmente), e a dinâmica para ambientes com um número excessivamente grande de grupos, que impossibilitem a estruturação manual. Essa etapa equivale, biologicamente, à conexão das terminações nervosas a cada parte do sistema sensorial (dai "topologia").
Sua interface deve incluir controles sobre a forma de implementação (prévia ou dinâmica), conexão ou desconexão a grupos detectores ou sensores em particular, validação ou inibição de cada um destes, bem como mapas sobre a topologia obtida.
Sua área de armazenagem pode ser identificada como Área de Armazenagem Topológica, e deve incluir um equivalente a Área de Armazenagem de Recepção (ver abaixo), que será definida de acordo com as informações criadas aqui.
Caso aplicável, pode-se criar aqui conjuntos que classifiquem ou agrupem sensores ou grupos se sensores, gerando coletivos:
|
1) Sensor ==> 2) Grupo Sensor ==> 3) Entidade ==> 4) Grupo de Entidades ==> 5) Classes ... etc. |
Também podem haver implementações nas quais o mesmo grupo de informações seja fornecido para mais de uma entidade (como nos elevadores abaixo, cada um "sentindo" velocidade e direção, por exemplo).
Nesse caso, os grupos hierárquicos (assim como a entidade em si), precisariam de descritivos (qualificadores), que os distinguissem também como entidades, e permitissem seu manuseio como tal pelas próximas camadas.
Esta atividade inclui a manutenção das conexões com os grupos detectores e a área de armazenagem de recepção das informações recebidas, grupando-as já por suas identificações (grupo + sensor) e por ordem cronológica. É também responsável por informar o sensor externo que sua informação já foi recebida. Um ponto importante sobre a recepção é que a mesma atua SOMENTE sobre os grupos e sensores já validados pela estruturação.
Deve possuir controles sobre o dimensionamento (dinâmico ou estático) das áreas de recepção de cada sensor, permissão ou inibição de cada sensor ou grupo, alem de seus monitores de atividade e ocupação, e definições dos filtros aos quais se conecta.
Alguns dados podem ser recebidos de forma incompleta. Campos podem estar faltando ou contendo dados nulos ou inválidos. Uma das funções da atividade de filtragem é a de aceitar ou descartar os dados de acordo com critérios de validade pré-estabelecidos. A outra é a inibição da passagem de dados de acordo com instruções recebidas de outras camadas. Após a passagem pela filtragem, os dados ficam disponíveis para o início de processos de armazenagem e semiótica, numa área de armazenagem primária.
Seus controles incluem o dimensionamento das áreas de trabalho, critérios de filtragem (criação, ativação ou inibição), e suas respectivas monitorações.
Adjetivos e Substantivos
Os potenciais elétricos ou valores obtidos através de cada sensor tem, por si, pouco significado. Se tomarmos como exemplo uma matriz visual de 100x100 (10.000) elementos, cada um capaz de identificar 10 níveis distintos de luminosidade, teríamos uma possibilidade de combinações de 10.000 elevado a 10.a potência (10.000.000.000.000.000.000.000.000.000.000.000.000.000), ou o número 1 seguido de 40 zeros. Este valor, apesar de grande, ainda é reduzido quando comparado, por exemplo, ao número de bastonetes existentes na retina humana (cerca de 100.000.000 - cem milhões), e que através de um processo chamado de hiperpolarização podem detectar uma grande variação de tons de cinza. A identificação da presença de uma entidade, por exemplo, é uma dentre as inúmeras combinações possíveis em um tal sistema. Deixado por si só, um sistema sensorial teria de "experimentar" todas elas, até começar a ser capaz de identificações válidas.
Por isso, uma forma primitiva de significação, na forma de capacidades de reconhecimentos, tem de ser parte integrante de cada sistema sensor. As informações que se tornam disponíveis à mente consciente, oriundas dos sensores, já foi conceitualizada por processos de identificação em cada um deles. Não "vemos" as variações de luz e cores diante dos nossos olhos, mas as entidades presentes e características de um cenário, já devidamente identificadas e filtradas por estes processos.
Desta forma, os sensores geram as primeiras entradas na memória, na forma de identificações de entidades detectadas por agrupamento de padrões. Considere a grade de 1200 sensores abaixo, cada um capaz de 3 níveis de detecção:
Estando inicialmente em branco, num determinado momento (t0), podemos ter uma variação sensorial conforme apresentada abaixo:
.jpg)
Adotando como critério de agrupamento a ausência de espaços em branco, podemos concluir que as variações detectadas entre os sensores (20/02) e (31/11) constituem uma entidade e(A), com os atributos de 2 sensores de espessura pretos e 8x6 cinzas no meio.
Diversos atributos distintos já são distinguíveis aqui, como uma "borda" (número de linhas/colunas à volta da entidade), "meio" (parte interna da entidade), e seus "tons".
Segundo o mesmo critério, as variações presentes entre os sensores (20/13)-(31/29) também formariam uma entidade e(B), porém "diferente" de e(A) por apresentar um "meio cruzado" (padrão).
Já as variações em (15/31)-(31/40), também uma entidade distinta e(C), pelo padrão de ausência de brancos, pode ser considerada "próxima" ou "parecida" com e(A) (conceito de grupo), porém mais "alta".
Portanto, na formação dos "conceitos" destas entidades (em t=0), temos:
| Um sistema sensorial de 1200 elementos óticos, capazes de detectar 3 níveis de luminância (branco, cinza e preto) | ||||||||
| Uma regra de varredura, lendo, neste exemplo, por colunas, de cima para baixo e da esquerda para direita | ||||||||
| Definições de contigüidade (variações de uma única unidade na linha ou coluna definem elementos contíguos, p.ex. (20/13) com (21/13)) | ||||||||
| Uma regra sensorial (Áreas em branco são delimitações) | ||||||||
| Uma derivação da regra (Áreas entre brancos são entidades) | ||||||||
| Uma regra de agrupamento (percepções iguais e contíguas formam um elemento) | ||||||||
| 3 detecções distintas e(A), e(B) e e(C) (separadas por brancos) | ||||||||
| Para cada detecção temos
atributos percebíveis:
|
O sistema sensorial define os atributos reconhecíveis, e baseando-se em regras sensoriais, une tais atributos em grupos definidos como entidades. Em outras palavras, os adjetivos nascem antes dos substantivos. Vale notar que os Elementos Bordas poderiam também ter a sub-classe de "padrões", porém até o momento t=0 nenhuma detecção indicou tal possibilidade.
Redes neurais podem ser construídas e treinadas para o reconhecimento dos padrões constituintes de um elemento, assim como estruturações em objetos, indexados por "digests" das características percebidas. A estruturação em objetos possibilita a vantagem adicional de se derivar objetos-filhos, que herdem as características dos pais, porém com alguns detalhes diferentes, o que é uma situação bastante comum no lido com entidades reais.
Já as redes neurais possibilitam o reconhecimento de uma entidade sob diferentes aspectos ou ângulos de observação. No exemplo acima, caso a entidade e(A) "girasse" 90 graus no sentido horário, teria seus atributos de "altura" e "largura" alterados, mas ainda seria a mesma e(A) detectada originalmente. Uma rede permite que mais de um grupo de entradas seja atribuída à mesma saída, o que permitiria que os dois padrões apontassem para a mesma entidade. Fica claro aqui que caso a entidade e(A) tivesse, por exemplo, o mesmo número de elementos de "largura" em seu "meio', que a entidade e(C), ao girar 90 graus, tornaria-se praticamente indistinguível da última, o que estaria sensorialmente correto, fazendo parte das confusões (ou ilusões), às quais os sistemas de detecção estão sujeitos.
Entendo que uma combinação das 3 técnicas acima forme a arquitetura ideal para detecção e reconhecimento inicial, para utilização com os detectores e inicio de significação. A geração de um "digest" a partir das combinações sensoriais permite uma redução na quantidade de redes neurais "possíveis", para a identificação de uma combinação. Uma vez selecionadas, as redes selecionadas recebem as entradas percebidas, e cada uma indica gera uma identificação (positiva ou negativa), da percepção. Os valores utilizados como saídas das redes são utilizados como índices dos objetos criados anteriormente, passíveis de corresponder à representação interna daquela percepção.
Novamente aqui, temos a exposição de terminar o processo de identificação inicial com mais de uma possível representação, exatamente como acontece com os seres vivos (num primeiro momento, um tigre empalhado pode ser indistinguível de um vivo e ameaçador). Deste ponto em diante, no sentido de uma identificação única e correta, outros elementos devem ser acrescentados à percepção inicial (ele respira? se mexe? estou na loja de um taxidermista?).
Esta combinação de técnicas permite também que o processo de criação de representações internas seja executado gradualmente. Uma vez que um "digest" não corresponda à qualquer rede neural anteriormente criada, isso significa que é a primeira vez que uma determinada combinação sensorial ocorre ("visto" pela primeira vez). Esta informação pode ser armazenada (junto ao "digest"), de forma a distinguir um erro de percepção de uma percepção real. Caso a mesma combinação ocorra, digamos, pelo menos três vezes, parte-se para a criação e treinamento de uma rede, a qual, caso acessada algumas vezes, também justifique a "objetificação" desta percepção, e o início da manutenção de seu grupo de características.
Após sua significação, as informações são armazenadas na memória e organizadas de tal forma que qualquer parte dela possa ser utilizada como índice, como na figura abaixo:
As medições sensoriais localizam a presença de entidades, baseadas nas regras definidas para o sistema. A partir dai, as partes componentes de um elemento são definidas (ainda pelas medições), e o mesmo é inferido pela regra de agrupamento.
Uma extensão do processo de criação de atributos seria a inversão das características detectadas, que permitiriam a inferência de classes de atributos (cor, localização, etc), já com 2 sub-grupos (a característica detectada, e sua inversão).
Nessa estrutura, ao se "ativar" a memória sobre "Borda", obtém-se as relações de "periférico" e "pretas". Da mesma forma, a ativação de "retas" nos trás a referência à "Borda", e as outras classes percebidas em sua elaboração. Cada informação, seja sobre um momento no tempo, um atributo ou entidade, por exemplo, é mantida separadamente, como uma unidade endereçável individualmente, e conectada a tantas outras entradas quanto for aplicável.
Extensões desse processo podem ser aplicadas aqui, combinando novas medições com conceitos sobre elementos e características detectadas anteriormente, provendo assim uma estrutura flexível o bastante para acomodar as diferentes percepções. Um ponto importante aqui é que qualquer uma das informações armazenadas teve de ser anteriormente detectada e significada pelo sistema sensorial. Portanto, os atributos, situações e eventos guardados são, antes de mais nada, passíveis de detecção. Em outras palavras, não se encontra o atributo "VERMELHO" armazenado na memória de uma entidade incapaz de distinguir cores, ou "FRIO", numa que não detecte temperaturas.
Por outro lado, sistemas sensoriais muito distintos dos humanos, como o radar dos morcegos, a detecção de campos magnéticos das aves migratórias ou a percepção de emissões elétricas de outros corpos pelos tubarões, lhes permite a criação de atributos os quais não fariam sentido a nenhum de nós.
Pelo conjunto acima, podemos verificar para a primeira entidade uma construção de memória semelhante à apresentada na figura abaixo:
O primeiro tipo de borda detectado, junto com um tipo específico de "meio", outras características como altura e largura, podem ser grupados para formar o conjunto de atributos de uma entidade do tipo "X". Estas informações não pertencem ainda à um indivíduo em particular, mas a uma classe deles. Uma "instância" deste tipo de elemento pode receber outros atributos como "nome" e o momento de sua última observação, por exemplo.
Verbos
Verbos ou ações são conceitos oriundos das alterações de substantivos ou adjetivos ao longo do tempo.
As observações e estruturas descritas acima referem-se à um único momento no tempo (t=0). A figura abaixo retrata novamente a entidade e(A) em t=0 e t=1:
Entretanto, como no "instante" seguinte (t=1), a mesma entidade e(A) foi detectada em coordenadas diferentes (20/20)-(31/29), é possível dar-se conta de que houve uma alteração. Ou, em outras palavras, que a entidade e(A), além dos atributos notados anteriormente, também "faz" algo. Desloca-se da esquerda para a direita. Em nossa língua, dizemos que a entidade desloca-se ou que é capaz de movimento.
De forma similar à conceitualização utilizada para a transformação de adjetivos em substantivos e classes de atributos, podemos criar uma nova classe de conceitos aqui chamada de "verbos" ou "ações", uma vez que o sistema empregado para a detecção da realidade é capaz de distinguir uma variação de entidade chamada de "movimento", e derivar outros atributos da mesma:
O ponto mais importante em relação aos processos descritos aqui é que ADJETIVOS, SUBSTANTIVOS e VERBOS só existem em nossa linguagem (e conseqüentemente, formam nossas estruturas de pensamento), porque assim o permitem nossos sistemas sensoriais, e não por serem a única ou a melhor forma de estruturação mental. Novamente, vale lembrar que criaturas dispondo de sistemas distintos, ou imersas em ambientes nos quais tais detecções não sejam possíveis, vão se estruturar de forma diferente, construindo formas de pensar e se comunicar ininteligíveis para nós.
Mecanismo Inferencial
Mesmo à primeira vista fica óbvio que um mecanismo adicional se faz necessário para o desenvolvimento das contextualizações mencionadas acima, seja para os adjetivos ou substantivos e verbos. Tais construções devem ser baseadas em "mascaras" (com o mesmo significado do inglês template), construídas ao longo do processo evolucionário, e que precisam já estar disponíveis quando da ativação de um sistema artificial (deixá-lo ao sabor das "tentativas-e-erros" de um processo aleatório seria muito demorado).
Por isso, os conceitos à serem observados já devem ser inseridos num mecanismo inferencial que processe as informações fornecidas pelos sensoriais, separadamente ou em conjunto. Os mesmos devem ser definidos em função das capacidades sensoriais do sistema, e pré-configurados para processar os dados recebidos.
No exemplo acima, conceitos como "largura", "altura" e "movimento" já deveriam fazer parte do mesmo.
Fim de descritivo : Camada sensorial
Uma vez disponíveis na área de armazenagem primária, após o processo de filtragem, a camada sensorial deve deixar uma indicação da presença dos mesmos ("message queuing"), ou a semiótica dispor de mecanismos de verificação periódica ("pooling"). Uma vez detectada a presença de dados na entrada, a camada semiótica inicia também suas atividades, desde que não esteja num período de suspensão (ver abaixo). A primeira atividade de significação efetuada é a de correlação cronológica.
Esta camada é designada como semiótica primitiva porque nela são executados somente os processos de detecção inicial de eventos, enquanto que as significações continuam ao longo das outras camadas.
Todos os dados recebidos devem conter uma identificação, que diga sua origem (detector + sensor), e o momento de tomada (dia e hora). A cada combinação percebida de data e hora, deve-se gerar uma entrada numa base genérica, indicando que o momento foi sentido, ou percebido pelos sensores de alguma forma. Depois disso, os diversos tipos de dados para aquele momento (sensorial, ambiental, acionamento, etc), devem ser identificados com um mesmo ID, o que facilita sua correlação posterior.
Isso equivale a se dar conta de que "algo ocorreu" em determinado momento. É o início da significação.
Após a criação desta "ancora" cronológica, os dados da armazenagem primaria, já identificados, devem ser movidos para uma área de trabalho da semiótica, para que outros processos possam ser executados
A proximidade no tempo que será usada para identificar diferentes dados como sendo "simultâneos" pode ser especificada na forma de uma variável comportamental, como RITMO, por exemplo, a qual pode ser dinamicamente ajustada, partindo de um valor pré-fixado.
Uma vez percebido que "algo ocorreu", e que há informações presentes, o próximo passo é gerar uma visão da ocorrência, que tome por base a situação em si. Por isso, os dados SITUACIONAIS serão utilizados como ancoras. Data e hora, com sua respectiva identificação, serão agora correlacionadas com os elementos componentes da situação detectada. Nesse ponto tem início a criação de uma entrada de EVENTO, ou seja, uma combinação de MOMENTO com SITUAÇÃO e ENTRADAS SENSORIAIS.
Como primeiro passo, o conjunto de informações situacionais é verificada contra uma base pré-existente e, caso já tenha sido detectada anteriormente, a SITUAÇÃO é conceitualizada na forma de uma IDENTIFICAÇÃO. Tanto as informações genéricas quanto as especializadas devem ser conceitualizadas desta forma. Um exemplo de conceitualização especializada pode ser visto na figura abaixo:
As identificações situacionais genéricas e especializadas podem ser combinadas em uma única, ou mantidas separadamente.
Em sendo encontrado, a identificação da situação será utilizada na descrição do EVENTO. Adicionalmente, um contador no descritivo da situação será acrescido de 1, indicando o número de vezes em que essa situação foi detectada. Caso uma combinação situacional igual não seja encontrada, uma nova é criada, recebendo uma nova identificação, a qual será usada na descrição do evento, e tendo seu contador = 1.
Depois disso, as informações fornecidas pelos sensores de acionamento (ações tomadas contra o ambiente), também devem ser conceitualizadas, de forma semelhante às de situação. O quão próximo (no tempo) uma ação deve estar para ser enquadrada no mesmo evento depende do valor do RITMO utilizado, cujo valor inicial deve ser baseado na implementação desejada. Os identificadores de SITUAÇÃO e de AÇÕES também formam uma combinação que pode ser conceitualizada, na forma de uma IDENTIFICAÇÃO DE ESTADO.
Uma vez que alguns sensores situacionais podem mudar dentro de prazos maiores que outros ("elevador em manutenção", por exemplo, se modifica mais lentamente que "elevador subindo"), pode-se acrescentar ao descritivo da situação (e conseqüentemente, ao ID selecionado), o último estado dos mais lentos ("elevador 3 está subindo e entrou em manutenção pela última vez há 2 meses"). O quanto e quão distantes no passado estarão os dados para este tipo de associação, também podem ser parametrizados através de outra variável comportamental, como MEMÓRIA SENSORIAL.
Além disso, uma determinada situação pode ser "bastante semelhante" à uma outra, por exemplo:
No exemplo acima, a situação 1 poderia ser identificada como SUFICIENTEMENTE PARECIDA para ser tratada como IGUAL (lógica difusa). Essa definição pode ser dada por uma outra variável comportamental, chamada de SENSIBILIDADE. Os critérios utilizados para identificação de semelhança, também aqui, devem ser baseados na implementação desejada.
Um ponto importante aqui é que dentro de um ciclo sensitivo (RITMO), pode-se ter mais de uma entrada ambiental referente às mesmas variáveis, o que significa que deve-se conceitualizar não somente a SITUAÇÃO em si, mas também permitir a identificação de estados de transição entre elas.
Complementando a ancora, segue ao final a identificação (conceitualizada da mesma forma que as outras entradas), do(s) grupo(s) detector de ocorrências, indicando que "algo diferente" aconteceu.
A partir deste ponto, esta ancora situacional será usada como referencia ou CONTEXTO ao qual serão atreladas as informações dos processos de conceitualização, efetuados sobre as informações dos grupos detectores sensoriais.
Os detectores sensoriais, além do grupamento funcional por fonte de origem, devem ser divididos e identificados em ENTIDADES, cada uma com seus sensores AFERENTES.
Um sensor AFERENTE recebe informações sobre uma determinada condição de uma parte da entidade, sendo identificado de forma única pelo sistema (a velocidade de ascensão DO ELEVADOR 4). Uma vez identificado, os dados apresentados por um AFERENTE serão sempre associados à esta condição.
Além da identificação de origem (FONTE / ENTIDADE / AFERENTE), cada sensor pode apresentar uma relação de conseqüência com um outro. Por exemplo, a velocidade pode ser afetada tanto pelo peso (conseqüência direta), quanto pelo consumo (conseqüência indireta de um programa de redução de consumo), implementando um relacionamento causal entre os diversos aferentes. Tanto a identificação de origem quanto o relacionamento causal devem ser definidos na topologia ANTES do início da recepção de qualquer dado, pois apesar das redes neurais serem capazes de visualizar relacionamentos, elas podem entendê-lo ao contrario (o PESO aumentou PORQUE a VELOCIDADE diminuiu, no exemplo acima), exigindo assim uma fase adicional de identificação.
Uma outra característica que deve ser identificada são os níveis de tolerância, identificados como uma combinação de TIPO AFERENTE (como velocidade, por exemplo), e valores correspondentes a cada nível de dor. Ainda baseado no exemplo acima, podemos ter:
|
Velocidade = 20 km/h > x > 17 km/h = SEM DOR |
|
Velocidade = 17 km/h > x > 14 km/h = INCOMODO |
|
Velocidade = 14 km/h > x > 11 km/h = DOR PRONUNCIADA |
|
Velocidade = 11 km/h > x > 0 km/h = AGONIA (a menos que o estado = inativo) |
A combinação das informações entre os diversos aferentes de uma entidade definem a CONDIÇÃO SENSORIAL (presente), em que a mesma se encontra, a qual deve ser conceitualizada, seguindo-se um processo de 2 passos distintos, que são a PROPORCIONALIZAÇÃO e a ESTRATIFICAÇÃO.
|
Proporcionalização - os valores recebidos dos aferentes são avaliados entre si, determinando-se uma relação proporcional, como na ilustração abaixo: |
Caso, na pesquisa acima, algum resultado seja obtido, significa que aquela combinação de proporções já foi detectada antes, e pode ou não ter sido identificada ou estratificada ("digest" => rede => objeto).
|
Estratificação - caso uma combinação de proporcionalidades seja detectada ACIMA de um certo valor definido como mínimo, instancia-se uma rede neural para sua avaliação, dessa forma "perenizando" o conhecimento da mesma: |
No caso acima, segue-se um processo de decisão em 3 fases:
1) A condição (conforme verificada por sua relação de proporcionalidade), nunca foi encontrada antes. Cria-se então uma informação sobre a mesma, com contador = 1 (primeira vez em que isso é visto). Registra-se também o momento atual (dos sensores), como o de última detecção da condição. A entrada sensorial, nesse caso, é descartada.
2) A condição já foi encontrada anteriormente, e seu contador está ainda abaixo de um nível mínimo definido para reconhecimento definitivo. Soma-se 1 ao contador, atualiza-se a informação sobre sua última detecção, e encerra-se o processo. A entrada sensorial também é descartada.
3) A condição já foi encontrada anteriormente, e seu contador já ultrapassou o nível mínimo. Nesse momento, instancia-se uma rede neural para identificá-la. A partir dai, as próximas ocorrências dessa condição receberão sua identificação, e serão levadas em consideração.
Complementando as operações deste processo, deve-se implementar um mecanismo que, de tempos em tempos, elimine as informações sobre condições encontradas a um tempo maior que um limite definido.
Este processo visa reproduzir o nosso próprio mecanismo de reconhecimento. Coisas que acontecem muito poucas vezes em nossa vida não são consideradas, a menos que apresentem características excessivamente dolorosas (ver níveis de tolerância, acima) . Após um certo número de repetições, passamos a prestar-lhes atenção, e até a considerá-las em nossas formulações de realidade.
Duas variáveis controlam, nesse modelo e até este ponto, as 3 fases do processo de conceitualização, a saber:
|
FLEXIBILIDADE: diz o número de vezes em que algo precisa se repetir para que o levemos em conta. Quanto menor for, maior a flexibilidade no aceitar novas condições como possíveis participantes da realidade. |
|
ADAPTABILIDADE : informa qual o intervalo de tempo que se deve considerar para ainda manter em memória algo visto ainda por um número insuficiente de vezes. Quanto maior for, menor será a capacidade de reagir à variações mais recentes de ambiente. |
Adicionalmente, pode-se manter 2 níveis distintos de reconhecimento de condição. Um específico para a entidade sendo avaliada (condições peculiares a ela), e outra, mais genérica, que se repete entre as entidades o suficiente para considerá-la como global.
Portanto, ao final destes processos, tem-se uma IDENTIFICAÇÃO DE CONDIÇÃO, como abaixo :
Continuando o processo semiótico, temos a junção da ancora de contextualização às informações conceituais de cada entidade participante da realidade naquele momento, formando assim um REGISTRO DE EVENTO, o qual, como última atividade, receberá uma significação em termos de DOR detectada.
O registro de evento incorpora as informações detectadas no momento, de forma conceitualizada, e contextualizadas pelas informações de momento, estado e ocorrência, bem como apontadores às informações dos sensoriais disponíveis. É com esse elemento que a primeira significação é feita, comparando-se os dados do registro de evento contra informações pré-codificadas, na forma de combinações entre contextos e valores de sensores.
Pode-se obter isso dinamicamente, permitindo-se a entrada livre dos dados da camada sensorial, e criando-se informações estatísticas para cada sensor, de valores máximos e mínimos, e posteriormente, definindo-se os valores que identificam DORES (ver "limites de tolerância", acima). Para implementações menos críticas, essa pode ser uma forma mais fácil de se obter tais informações.
Para implementações que exijam um maior nível de controle, deve-se informar, especificamente, os valores de cada sensor / detector, que correspondam à estados de DOR, em termos diretos e simples, e que sejam correlacionáveis ao estado do ambiente, formando um mapa semiótico primitivo (ou de primeiro nível)
Por exemplo:
No exemplo acima, a entrada 153 designa valores de DOR em 4 camadas distintas, para o sensor "V" de QUALQUER detector (E*V), especificando também 2 estados inibidores. Portanto, se estivéssemos avaliando uma entrada E3V = 16, classificaríamos o nível de DOR como sendo = 2 (incomodo), transportando esta avaliação para o registro de entidade correspondente. Entretanto, se também tivéssemos um ESTADO = 1 (elevador desligado), a avaliação voltaria para = 1 (sem dor), e essa seria a avaliação final para a entidade. Para quaisquer outros estados (não especificados na lista de inibidores), vale o valor numérico para a avaliação.
Com todas as entradas de ENTIDADE avaliadas em relação à DOR, um processo adicional deve ser aplicado sobre estas avaliações (uma média aritmética, soma ou valor máximo, por exemplo), para se obter a avaliação de DOR do EVENTO como um todo (média, no exemplo abaixo).
Caso a implementação necessite, pode-se já implementar um mecanismo de arco-reflexo a partir da detecção de estados dolorosos (como enviar mensagens, tocar alarmes ou outra ação desejada). Senão, os registros de eventos são acumulados na memória subjetiva, para posterior avaliação da próxima camada (COGNITIVA).
Uma vez que diversas variáveis devem ser ajustadas para o funcionamento dessa camada ("ritmo", "sensibilidade", "memória sensorial", "flexibilidade" e "adaptabilidade", entre outras possíveis), deve-se estabelecer um critério que possibilite a verificação desses ajustes, ou, de uma forma mais abrangente, a efetividade de parametrização da camada.
Uma forma bastante simples de fazê-lo seria através da averiguação da PERCEPÇÃO da camada, dada pela comparação entre o número de registros fornecidos na entrada (pelos detectores externos), e o número de registros de evento gerados ao término de seu processo.
A próxima camada (COGNITIVA), só entra em ação a partir de um NÍVEL DE PERCEPÇÃO definido como adequado ao ambiente.
É importante notar que apesar de toda a parametrização disponível, um tal nível de percepção se manteria bastante baixo para um ambiente excessivamente caótico (definido aqui como não apresentando repetições ou ciclos reconhecíveis). Num ambiente assim, exatamente como aconteceria conosco, o sistema seria incapaz de extrair informações que pudessem, posteriormente, ser entendidas e analisadas, tornando-se inoperante.
É valido lembrar aqui que os processos e métodos apresentados visam a estruturação de um modelo teórico, e podem ser implementados de formas distintas quando de sua utilização prática. Um exemplo seria a definição de DOR sem qualquer contextualização. Caso o sistema controle uma estrutura física, sensores de danos às paredes ou fundações não precisam se inserir em qualquer contexto para que seu significado de DOR seja válido. Assim como informações contextuais podem significar dor por si mesmas, como temperaturas acima de 80 graus em ambientes normais.
Uma introdução à Redes Neurais
Introduction to Genetic Algorithms (english)
Introduction to Cellular Automata (english)
Um dos meus favoritos - Ray Kurzweil (english)
