Inicio     |     Sobre     |     GitHub     |     Games     |     Contato                        

sexta-feira, 17 de maio de 2019

Computação Natural e Algoritmos Evolutivos um Resumo



A Computação Natural (CN) é outra área de pesquisa que em alguns momentos converge com a IA. Por exemplo, quando tratamos de temas como Redes Neurais Artificiais (RNA), Algoritmos Evolutivos (AE) ou Algoritmos Genéticos (AG) como também são conhecidos entre outros. Segundo (de Castro, 2010) a CN se resume sendo a computação inspirada pela natureza, a natureza sendo melhor compreendida utilizando a computação e a própria natureza sendo utilizada para computar.




A área da computação evolutiva segundo (Back, 2000) é inspirada na Teoria da Evolução das espécies por meio da seleção natural, do naturalista britânico Charles Darwin. Ao se basear em conceitos biológicos de evolução, utiliza-se AEs para buscar e desenvolver variadas soluções de um determinado problema computacional. O funcionamento básico de um AE utiliza o conceito de ambiente, indivíduos e populações, o ambiente é uma representação do problema e os indivíduos representam possíveis soluções, assim, inicialmente uma população de indivíduos é gerada normalmente aleatoriamente, dessa forma cada indivíduo possui um cromossomo que representa a solução candidata daquele indivíduo para um problema ser solucionado, o indivíduo, ou seja, sua solução é testada no ambiente e ao final cada cromossomo é avaliado recebendo um valor de aptidão também chamado de fitness, que indicará a qualidade da solução. Dentro da população o indivíduo com maior pontuação será selecionado e utilizando os operadores evolutivos definidos o cromossomo desse indivíduo poderá ser cruzado com os outros gerando filhos que herdarão características do mais apto, também podendo existir uma pequena taxa de mutação, criando assim uma nova geração de indivíduos, ou seja, um novo conjunto de soluções candidatas. Esse processo é repetido com uma tendência de que a cada geração sejam geradas soluções mais eficazes para a resolução do problema proposto, porém sem a garantia de chegar a uma solução ótima ao final do processo evolutivo (Zuben, 2000). Os critérios de parada são definidos de acordo com a aplicação e o problema, podendo ser exemplos de critérios de parada uma quantidade máxima de gerações ou a aquisição uma solução aceitável, a Illustration ilustra o funcionamento básico de um possível algoritmo evolutivo.

Enquanto a área da IA visualiza os produtos de AEs como soluções de problemas temos o campo de estudos de Vida Artificial (VA) que considera tais como organismos vivos (Russell; Norving, 2009). Um dos principais objetivos das pesquisas em VA, é o estudo da vida através do conceito de vidas artificiais, dessa forma sujem duas vertentes dentro desse campo, a “vida artificial forte” onde se acredita que os organismos estão realmente vivos e a “vida artificial fraca” onde os organismos estão apenas sendo simulados, essas vertentes estão presentes em diversas áreas e são ponto de partida de muita discussão. Um ponto em comum entre os campos de VA e IA é o desenvolvimento de agentes autônomos que se adaptem a ambientes complexos, onde dependendo do ambiente podem tomar diferentes formas e apresentar comportamentos variados (Maes, 1995).

Christopher Langton (Langton, 1995), foi considerado o fundador da área ao organizar em 1987 o 1º Workshop de Vida Artificial, onde o termo surgiu.


Atualmente as áreas de aplicação da VA são diversas como, por exemplo, em personagens e criaturas desenvolvidos para filmes, animações e jogos, deixando o ambiente e as figuras mais realistas, e também são muito aplicados na ciência, em experimentos e simulações biológicas, ecológicas, físicas entre outros (Netto; Rinaldi, 2011).

Por esta via o presente projeto de pesquisa propõem o estudo e a aplicação de Algoritmos Evolutivos em uma arquitetura cognitiva para complementá-la avaliando e selecionando as soluções, e comportamentos que melhor se encaixam ou se demonstram mais adaptadas entre as propostas de acordo com o ambiente, problema ou situação.

Referências


ARTERO, A. O. (2009). Inteligência Artificial: Teórica e Prática. São Paulo. Editora Livraria da Física.

BACK, T. (2000). Evolutionary Computation 2 Advanced Algorithms and Operators. p. 25–37.

DA SILVA, R. C. M. (2009). Análise da Arquitetura Baars-Franklin de Consciência Artificial Aplicada a uma Criatura Virtual. 2009. 123 f. Dissertação (Mestrado em Engenharia Elétrica) - Faculdade de Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, Campinas.

DE ALMEIDA, A. M. R.; EL-HANI, C. N. (2006). Darwinismo Neural: Uma Extensão Metafórica Da Teoria Da Seleção Natural. Episteme, Porto Alegre, v. 11, n. 24, p. 335-356.

DE CASTRO, L. N. (2010). Computação Natural: Uma Jornada Ilustrada. São Paulo. Editora Livraria da Física.

DIAS, A. M. (2010). Tendências em arquiteturas cognitivas. Arquivos Brasileiros de Psicologia, v. 62, n. 1.

EDELMAN, G. M. (1992). Bright Air, Brilliant Fire: On the Matter of the Mind. New York: Basic Books.

GUDWIN, R. R. (2011). Arquiteturas Cognitivas para Criaturas Artificiais. X SBAI – Simpósio Brasileiro de Automação Inteligente. Anais, São João del-Rei.

LANGTON, C. G. (1995). Artificial Life: An Overview. Massachusetts Institute of Technology, London, England. p. 344.

LOULA, A. C. (2011). Emergência de Comunicação e Representações em Criaturas Artificiais. 2011. 198 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, Campinas.

LUCENTINI, D. F., GUDWIN, R. R. (2015). A Comparison Among Cognitive Architectures: A Theoretical Analysis. Procedia Computer Science, Annual International Conference on Biologically Inspired Cognitive Architectures, Volume 71, 2015, Pages 56–61.

MAES, P. (1995). Artificial life meets entertainment: life like autonomous agents. Communications of the ACM.

NETTO, M. L.; RINALDI, L. C. A. (2011). Vida artificial: conceitos e aplicações. X SBAI – Simpósio Brasileiro de Automação Inteligente. Anais, São João del-Rei.

POOLE, D. L.; MACKWORTH, A. K.; GOEBEL, R. (1998). Computational intelligence : a logical approach. New York, Oxford University Press.

RAIZER, K. (2015). Executive Functions for Learning and Decision-Making in a Bio-Inspired Cognitive Architecture. 2015. 161 f. Tese (Doutorado em Engenharia Elétrica) - Faculdade de Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, Campinas.

RUSSELL, J. S.; NORVIG, P. (1995). Artificial Intelligence: A Modern Approach. 3rd edition.

TATAI, V. K. (2003). Técnicas de Sistemas Inteligentes Aplicadas ao Desenvolvimento de Jogos de Computador. 2003. 129 f. Dissertação (Mestrado em Engenharia Elétrica) - Faculdade de Engenharia Elétrica e de Computação, Universidade Estadual de Campinas, Campinas.

ZUBEN, F. J. VON. (2000). Computação Evolutiva: Uma Abordagem Pragmática. Anais da I Jornada de Estudos em Computação de Piracicaba e Região, p. 25–45.


Licença Creative Commons
Este obra está licenciada com uma Licença Creative Commons Atribuição-CompartilhaIgual 4.0 Internacional.

Nenhum comentário:

Postar um comentário