Isnard
Martins - Prof Dr Engenharia Industrial - Universidade Estácio de Sá
Educação à Distância
A idéia de uma
máquina inteligente parece implausível. Pode um computador ser realmente
inteligente? Tão logo tenhamos estruturado programas com uma genuína
capacidade de auto-aperfeiçoamento, iniciar-se-á um rápido processo
evolutivo . À medida que a máquina se auto-aperfeiçoar e imitar o seu
próprio modelo, começaremos a presenciar todos os fenômenos associados
aos termos “consciência”, “intuição”, e a própria inteligência. É
difícil estimar esta distância mas estamos em lenta aproximação deste
limiar (Minsky, 1973)
Introdução
Quase quarenta anos nos
separam do pensamento de Marvin Minsky (1973) quando o respeitado
cientista,
com notória atuação nos
campos da inteligência artificial e estudos cognitivos, concentrava as
suas maiores questões em dúvidas sobre a existência de máquinas
inteligentes - o conceito popular de inteligência computacional desta
época concentrava-se mais propriamente no hardware (máquina) que no
software (aplicativos).
A diferença conceitual entre hardware e software pode ser lógica ou
física. Enquanto a primeira apresenta propriedades funcionais e segunda
apresenta propriedades estritamente materiais
(Isnard, 2010).
Com a evolução
dos sistema operacionais, os aplicativos de inteligência foram surgindo
com mais freqüencia no mercado, pri
ncipalmente nos campos da matemática,
física e negócios, apoiados por sistemas datamining, redes neurais e
modelos emuladores do comportamento humano.
Um aspecto
comum nestes modelos especialistas reside na capacidade migratória e
portabilidade dos sistemas, facilitando deslocamentos entre
computadores, obtendo desempenho semelhante entre as plataformas de
mesmo porte eventualmente usadas e praticamente, apresentando a mesma
eficiência funcional. Teria o conceito de inteligência se deslocado para
os aplicativos, reduzindo assim o hardware ao status secundário
de um co-ajudante técnico nos méritos devidos aos projetos de
inteligência? Nem tanto. A combinação eficiente entre os dois elementos
básicos, hardware e software, contribuiu essencialmente para integração
dos benefícios dos sistemas especialistas no campo da medicina,
transportes, ciências humanas, aviação, e também presentes em
residências, edificações e eletrodomésticos. São os chamados sistemas
inteligentes, dispositivos embarcados que permitem o estacionamento
automático de automóveis, trens que dispensam condutores, analisadores
de negócios e mercado e simuladores de processos industriais
(Isnard, 2010).
Ferramentas de
busca presentes na Internet, como Google, passaram a analisar os hábitos
regulares de seus usuários para poupar tempo nas futuras pesquisas.
Aplicando-se estes mesmos princípios e recursos, poderíamos igualmente
analisar os hábitos e padrões adotados por marginais (modus operandi),
identificando possíveis pontos críticos de ocorrências, áreas
vulneráveis, cumplicidades existentes e análise de temporalidade,
determinando onde potencialmente seria possível a ocorrência novos
delitos?
O Paradigma Simbolista
A Inteligência
Artificial Simbolista ou Cognitivista surgiu da integração entre os
princípios da Psicologia Comportamentalista que predominava na década
dos anos 50 nos E.U.A e das inovações apresentadas pelo recente
computador digital, disponível no inicio dos anos 60. Para esta corrente
de pensamento, a Inteligência Artificial é a ciência que deve buscar os
meios necessários à imitação mecânica da inteligência humana, com o
mesmo grau de eficiência (Vidal, 2005).
O exato significado de
Inteligência humana apresenta conceitos muitos complexos.
Várias definições seriam possíveis, como, por exemplo, “a capacidade de
lidar com situações novas eficientemente”. Nesta definição, situações
antigas com as quais já sabemos lidar não seriam, agora, bons testes de
inteligências, uma vez que possuímos para elas uma resposta ou ação
definida a priori. Segundo Vidal (2005), talvez, os antigos desafios
estejam no momento mais apropriadamente ligados aos nossos hábitos ou
condicionamento do que propriamente com a nossa inteligência e sua
capacidade criativa de vencer obstáculos novos
Um paciente
dirige-se pela primeira vez a um consultório de psicanálise.
Segue-se o diálogo abaixo:
·
Psicanalista – Como posso ajudá-lo?
o
Paciente – Eu não sei.
·
Psicanalista – Tente me dizer algo sobre o seu problema.
o
Paciente - Não quero.
·
Psicanalista – Elabore um pouco.
o
Paciente – Eu estou doente e cansado hoje.
·
Psicanalista – Você saberia dizer por quê?
o
Paciente – Sim, estou velho.
·
Psicanalista – Continue...
o
Paciente – Eu perdi o interesse por todas as coisas...
·
Psicanalista – Fale mais sobre estes sentimentos...
o
Paciente – Eu acho que sei por que me sinto assim.
·
Psicanalista – Você sabe?
o
Paciente – Parece que perdi minha família.
·
Psicanalista – O que faz pensar assim?
o
Paciente – Manter uma família é um grande desafio.
·
Psicanalista – Por que isto é importante pra você?
Aparentemente esta seria
uma entrevista normal entre um psicanalista e um paciente em seu
primeiro contato. Ocorre que este diálogo se deu de forma anormal, pois
a entrevista foi desenvolvida através de um terminal de um computador. O
paciente estava localizado em uma sala e o psicanalista em outra sala
remota. O paciente lia perguntas que o psicanalista fazia através de um
monitor de vídeo e as respondia através de um teclado. Após vários
minutos de perguntas e respostas, o paciente percebeu que seu
psicanalista adotava um comportamento considerado “estranho”. Neste
ponto a entrevista foi interrompida e a verdade dos fatos foi revelada
ao paciente: estava sendo entrevistado por um computador que simulava um
psicanalista. O computador “psicanalista” não foi aprovado no denominado
“Teste de Turing” (citado adiante), desde que o paciente percebeu
um comportamento não natural no diálogo desenvolvido com o seu
“psicanalista” (Vidal, 2005).
Inteligência
Artificial
Segundo Vidal (2005), a
Inteligência Artificial, assim como outras ciências, por exemplo, a
Biologia, estuda algo que não sabe exatamente o que é . Sendo assim, uma
definição de Inteligência Artificial que não nos compromete e nos
fornece a pragmática necessária seria “o estudo de como criar a máquinas
que realizam tarefas em que, no momento, as pessoas são melhores”.
Portanto, se não existe uma máquina com capacidade do reconhecimento de
uma certa face dentre tantas outras presentes em uma fotografia, então é
objetivo da Inteligência Artificial seria gerar esta máquina, pois os
seres humanos podem executar esta tarefa com grande facilidade. O
paradigma simbolista da Inteligência Artificial, devido às influências
recebidas da Psicologia Comportamentalista e da estrutura física dos
computadores digitais, assume que os processos inteligentes são sempre
realizados por uma seqüência de operações controladas por um elemento
centralizador ou supervisor. Estas operações devem ser representadas por
símbolos, as raízes da inteligência Vidal(2005)
Máquinas
Inteligentes
As máquinas podem pensar
(Kemeny, 1973) ? A possibilidade da construção de máquinas
“inteligentes” despertou nos pesquisadores a necessidade de um padrão de
medida da inteligência que uma máquina possui. Como avaliar o nível de
“consciência” de uma máquina em relação ao meio que a circunda? Como
medir a capacidade de uma máquina de resolver um problema matemático? Ou
ainda, como testar a compreensão que uma máquina tem da linguagem
humana? São estas algumas perguntas que desafiaram o matemático inglês
Alan Turing na década dos anos 30. Para ele, o meio de verificar a
inteligência de uma máquina seria através de um teste no qual a máquina
seria colocada em uma sala fechada e teria de imitar o ser humano ao
responder perguntas. Em uma outra sala, um ser humano permaneceria
trancado, igualmente podendo responder a perguntas quaisquer. Um segundo
ser humano, fora das duas salas, poderia fazer perguntas através de um
meio impessoal, teclado e monitor de vídeo, por exemplo, dirigidas a
qualquer uma das salas. Este ser humano teria a função de descobrir em
qual das salas estaria a máquina inteligente. Caso ele conseguisse
descobrir, a máquina inteligente não seria realmente inteligente. Este
padrão de medida de inteligência ficou conhecido como o Teste de
Turing. Em certos momentos, esta máquina precisara fazer um enorme
“esforço” para imitar o ser humano em suas respostas, já em outros
(perguntas que envolvam cálculos matemáticos, por exemplo) esta máquina
terá de diminuir sua capacidade propositadamente para parecer-se com o
ser humano Vidal(2005)..
Em outra situação, uma
equipe médica foi colocada em uma sala fechada e solicitada a
entrevistar e diagnosticar um paciente por perguntas feitas através de
um terminal de computador. Os médicos fizeram várias perguntas e seu
paciente, localizado em outra sala, as respondia também através de um
terminal semelhante. Após vários minutos de consulta, a equipe médica
concluiu que o paciente era esquizofrênico. A realidade, então, mostrada
para equipe médica: eles aviam consultado um computador programado para
fingir-se de doente Vidal(2005)..
Teste de Turing
Segundo Vidal (2005) ,
todos os computadores já construídos que passaram no
Teste de Turing
foram reprovados em determinado momento, pois ate hoje foi impossível a
construção de uma máquina com capacidade de imitar um ser humano com
perfeição.
Recentemente, uma rede
de 1.500 Kg de maquinário eletrônico denominado “deep blue” conseguiu a
proeza de ganhar um campeonato de Xadrez contra o grande campeão russo
Kasparov. De certo modo, esta vitória parecer ser um indicativo de que
os computadores estão ficando cada vez mais “inteligentes”, imitando os
seres humanos em tarefas específicas e superando-os.
Será que o Teste de
Turing realmente mede a inteligência? Será que uma máquina que imita o
ser humano é inteligente? Imitar é ser inteligente? Basta imitar
mecanicamente? Não seria sentir, entender e vivenciar para realmente ser
inteligente? Um pesquisador da década de 50 chamado Grey Walter realizou
um experimento que ficou famoso na história da Inteligência Artificial.
Ele construiu uma tartaruga mecânica que andava pelo chão a procura de
lugares escuros para se esconder e buscava alimento em tomadas nas quais
se conectava e se recarregava quando estava com “fome”. Do ponto de
vista de um Teste de Turing especial para tartarugas, esse equipamento
estaria aprovado! Mas seria este comportamento de imitação um real
sentir fome e uma real busca por ambientes escuros nos quais se
esconder? Aparentemente não! A tartaruga de Walter possuía sensores de
luz de carga elétrica que quando atingiam determinados níveis, acionavam
no equipamento o procedimento de busca de uma tomada ou de um local
menos luminoso. Porém, não existem em nós, seres humanos, sensores
nervosos de luz e tensão que nos fazem sentir as contrações do estômago
quando temos fome e perceber qual o melhor local para dormirmos? Em que
seria o nosso “sentir” diferente do “sentir” da tartaruga de Walter?
Parece que o simples imitar não representa bem a inteligência humana
bem, talvez o Teste de Turing só capture alguns dos múltiplos aspectos
da inteligência. O entender e o sentir estariam além da capacidade de
mensuração do “operacional” Teste de Turing. Possivelmente, a
inteligência seja mais do que operar ou atuar no mundo externo
corretamente. É preciso criar e lidar com o mundo interior, sentir
prazer ou desprazer no que se faz criticar e optar. Deste ponto de
vista, a tartaruga de Walter, o computador “psicanalista” e o computador
“esquizofrênico” realmente não são nem um pouco inteligentes.
Vivências
Segundo Vidal (2005),
uma corrente de pensamento denominada Inteligência Artificial Forte
advoga que o entender, o sentir e o mesmo a consciência emergem
espontaneamente da execução de programas inteligentes. Destarte, uma
máquina que execute um programa bastante sofisticado e capaz de simular
a inteligência humana em detalhes estará sentindo e entendendo o que
executa além de ter consciência de si mesma. A tartaruga de Walter
estaria realmente sentindo fome desde que o programa que ai estivesse
comandando fosse detalhado o suficiente. Contrario a esta idéia o
filosofo Searle definiu um argumento chamado de O Quarto Chinês:
Suponha que exista um computador capaz de passar no Teste de Turing e,
conseqüentemente, seja capaz de responder a perguntas feitas por um ser
humano. Suponha também que este computador tenha sido projetado por um
chinês e, desta forma, só entenda o idioma de seu criador. Tomemos,
então, o programa deste computador, isto é, uma listagem em papel com
todas as suas instruções, e o levemos para dentro de um quarto fechado
com um ser humano capaz de entender a linguagem na qual o programa foi
inscrito. Certamente que a linguagem na qual o programa foi escrito não
é chinês, mas sim uma linguagem qualquer, como por exemplo o Pascal, com
comandos bem definidos em inglês.sendo assim, qualquer programador de
computadores, nunca tendo estudado chinês, será capaz de executar
passo-a-passo as instruções do programa. Alguém de fora do quarto
fechado faz uma pergunta em chinês ao programador que se encontra dentro
do quarto. Este programador não fala chinês não consegue entender que
pergunta foi feita, porem ele pode executar cada instrução do programa e
responder à pergunta em caracteres chineses, uma vez que este programa
supostamente pertence a um computador que passou no Teste de Turing em
chinês. Depois de algumas horas executando passo-a-passo as instruções
do programa o nosso programador passa para fora do quarto uma folha de
papel com a resposta em chinês. A resposta esta correta, pois nosso
programa já havia passado no Teste de Turing. No entanto, o programador
não entendeu a pergunta feita e muito menos a sua resposta. O
programador, executando cegamente as instruções do programa, não
entendeu, não sentiu e não tomou consciência do que estava fazendo.
Searle quis com esta experiência hipotética demonstrar que a simples
execução de um programa, por mais sofisticado que este seja não é capaz
de fornecer à máquina que o executa a inteligência realmente.
Paradigma em
especialidades
Devido ao fato de que a
Inteligência Artificial se fundamenta na escolha de uma atividade
inteligente, surgem as subdivisões do paradigma em especialidades, como
por exemplo (Vidal, 2005):
Processamento
da Linguagem Natural
É a sub-área da
Inteligência Artificial que trata de criar algoritmos capazes de
entender a linguagem humana escrita e falada. A linguagem envolve
mecanismos computacionais complexos ainda não entendidos até hoje.
Sistemas de processamento da linguagem devem possuir um conhecimento
embutido muito grande, bem representado, de fácil acesso, além da
capacidade de realizar inferências. Alguns sistemas já desenvolvidos
podem dialogar dentro de certos contextos, resumir textos, e “entender”
perguntas feitas para consultas a banco de dados (Vidal, 2005).
Sistemas
Especialistas
São sistemas que
imitam o raciocínio de um especialista em um certo ramo do conhecimento.
Vários especialistas são consultados e seus procedimentos diante de
situações específicas são representados e programados no sistema. O
sistema passa, então, a responder a perguntas e sugerir ações como se
fosse o especialista. Muitos sistemas especialistas já foram
desenvolvidos na área médica, financeira, gerencial, entre outras
(Vidal, 2005).
Planejamento
Planejar ações ou
políticas é uma tarefa que realizamos em nosso dia-a-dia. Alguns
sistemas são capazes de planejar estratégias na área administrativa,
outros podem gerar planos de como ligar e desligar redes de equipamentos
sem causar danos, problema comum nas refinarias de petróleo. Como
programas de computador são planos, dentro desta sub-área da
Inteligência Artificial encontramos a Programação Automática que é o
estudo de como criar programas capazes de programar o computador com um
mínimo de interferência humana (Vidal, 2005).
Solução de
Problemas
Esta área da
Inteligência Artificial busca desenvolver novas metodologias para
resolver problemas matemáticos. Muitos problemas matemáticos são tão
complexos que não podem ser resolvidos com exatidão em tempo real
razoável. A inteligência Artificial busca, então, metodologias
aproximativas para resolver o problema de forma aproximada e não exata,
porém em tempo curto (Vidal, 2005).
Aplicações em Segurança Pública
A escassez dos recursos
alocados na área de Segurança Pública é uma preocupação constante e
generalizada em todas as polícias. Por esta razão sistemas de apoio que
simulem a consciência policial precisam ser empregados, multiplicando o
efetivo em atividades de investigação e planejamento. As bases de
informações criminais vão se ampliando na medida de desenvolvimento das
ocorrências, estando tais delitos freqüentemente relacionados no tempo e
no espaço geográfico (Isnard, 2010).
Pesquisar milhares de
boletins criminais e analisar tais relacionamentos para extração de
conclusões de utilidade não é uma tarefa fácil, constituindo-se em um
trabalho de porte, compatível com um grande volumes de policiais
alocados em atividades internas, por longos períodos. A decisão entre
reduzir o efetivo alocado no trabalho preventivo ou reduzir a atividade
de investigação é sempre considerada nos meios policiais,
metaforicamente, um “cobertor curto” - onde cobrindo-se os pés,
descobre-se a cabeça e vice-versa (Isnard, 2010).
Sistemas inteligentes
que simulem o pensamento humano, devidamente adaptados para investigação
policial já encontram-se empregados em pesquisas de relacionamentos em
grandes bases criminais e estudos preditivos. Como exemplo, citamos a
Secretaria de Segurança do Rio de Janeiro que pesquisou a utilização de
redes neurais em estudos de sistemas de inteligência no ano de 2009.
Em 2004 foi iniciado
um
trabalho por um grupo de pesquisadores da Universidade Federal de Santa
Catarina, em parceria com a CCI/PM e Departamento de Combate ao Crime
Organizado/SSP, voltado para mineração de dados e estudos para
distribuição de ocorrências registradas pelo COPOM/PM.
A SENASP
apoiou estudos para desenvolvimento de uma ferramenta incorporando
conceitos de inteligência artificial, agentes de inteligência,
engenharia de ontologias, raciocínio baseado em caso e redes neurais.
Bibliografia
Kemeny
John. O homem encarado como Máquina. O Pensamento
Matemático nas Ciências do Comportamento. Editora Renes, Rio de
Janeiro, 1973
Minsky
Marvin. Inteligância Artificial. O Pensamento Matemático nas
Ciências do Comportamento. Editora Renes, Rio de Janeiro, 1973
Estatística e Redes Neurais em Mineração de Dados
http://www.inf.ufsc.br/~ogliari/arquivos/projeto_mineracao_de_dados.doc
SENASP
http://observatoriodoegov.blogspot.com/2010/05/seguranca-publica-e-tecnologia-da.html
Vidal
L.A. DataMining. Editora Ciência Moderna, Rio de Janeiro,
2005
Retornar
Biblioteca Cultura
© Reprodução Reservada |
