Inteligência Artificial
Aplicada à Construção de
Modelos Ecológicos
Mini-Curso Semana da Biologia da UnB
Prof. Dr. Paulo S...
Programa
 Objetivos do Mini-curso
 Parte I – Introdução
 Definições de Inteligência Artificial (IA) e modelos
 Modelag...
Objetivos do Minicurso
 Discutir alguns dos mais importantes paradigmas de
modelagem ecológica baseados em Inteligência
A...
Definição de Inteligência Artificial
 É a teoria e desenvolvimento de sistemas
computacionais capazes de realizar tarefas...
MaioresproblemasdaIA Raciocínio
Representação de
conhecimento
Planejamento e agendamento
automatizado
Aprendizagem de máqu...
Então, qual é o significado
ou importância da IA para a
ecologia e para os
ecólogos?
E na Ecologia?
Inteligência
Artificial
Representação
de conhecimento
Correspondência
de Padrões
Inferência Busca
Sistemas
...
1987
Coulson et al.
Sistemas especialistas para
solução de problemas e
tomada de decisão
Sistemas de Informação
Geográfica...
E na Ecologia?
3 maneiras em que as tecnologias de IA podem ser úteis
para o desenvolvimento teórico:
Organização de bas...
E na Ecologia?
 Talvez o impacto mais imediato de tecnologias de IA
será na forma como ecólogos organizam, desenvolvem
e ...
Antes de continuar
precisamos saber o que é
um modelo!
 Palpites?
Modelo
 Modelos são representações
formais, abstratas e
manipuláveis de sistemas
físicos, a partir dos quais pode-
se faz...
S1
S4
S3
S2
SISTEMA
ALÇAS DE
RETROALIMENTAÇÃO
Ambiente
BORDA DO
SISTEMA
ESTRUTURA DO
SISTEMA
ELEMENTOS DO
SISTEMA
ENTRADA ...
A finalidade do sistema
Um sistema tem uma finalidade (ou pode-se
atribuir uma finalidade a ele):
Recebe algum input do ...
Um modelo deve ter uma finalidade
 A construção de um modelo é uma atividade
seletiva, parcialmente subjetiva, que se bas...
Para que construir modelos?
Construir e usar modelos contribui para…
Compreender a estrutura do sistema;
Predizer o com...
Como modelos podem ser usados?
 Pesquisa científica;
 Tomada de decisões e manejo;
 Aplicações educacionais e treinamen...
Modelos em ecologia
Construir modelos em ecologia é tarefa complexa, porque...
1. Conhecimentos ecológicos são heterogêneo...
Modelos em ecologia
A maior parte dos modelos usados em ecologia
pertencem a duas classes:
 Modelos Estatísticos
 result...
Modelos Estatísticos
MODELOS
ESTÁTICOS
Sistema real
Observações
Regressão,
correlação
Modelo
Modelos Estruturais
MODELOS
DINÂMICOS
Sistema real
Modelo
Abordagens da IA
em Ecologia
Dinâmica de
Sistemas
Lógica Difusa
(Fuzzy Logic)
Algoritmos
Genéticos
Redes
Neurais
Artificia...
A Dinâmica de Sistemas é um bom
paradigma para modelagem ecológica
por que...
1. Constrói-se em conceitos existentes
2. É ...
http://en.wikipedia.org/wiki/File:LSE_pond.jpg#filelinks
Um ecosistema simples
Grama
Veado campeiro
CO2
Árvore
CO2
Simples
ecossistema em
que o carbono
move-se entre os
componente...
Modelo de um ecosistema simples
CO2
atmosférico
Grama
g C
Absorção
DeCO2
pelasplantas
Morte,
Excreção,
respiração
Consumo
...
Símbolos de Sistemas Dinâmicos
Compartimento
Fluxo
Nuvem
Variável
Influência
Exemplo: Modelo predador-presa de
Lotka e Volterra
 Cada presa tem um número constante de
descendentes por ano
 Cada pre...
PARÂMETROS:
Coelhos = 5000
Raposas = 45
Reprodução de coelhos = 0.5*coelhos
Predação = comidos por raposa*raposa
Reproduçã...
Raposa Coelho
Crescimento população de árvores
Parâmetros:
tamanho = 3
crescimento = cr*(1-tamanho/25)
cr = rand_const(0.1,0.3)
inicial ...
Simulação de
modelo quantitativo
em SIMILE para
crescimento de
árvores
Abordagens da
IA em Ecologia
Dinâmica
de Sistemas
Lógica Difusa
(Fuzzy Logic)
Algoritmos
Genéticos
Redes
Neurais
Artificia...
Precisão e significância no mundo real
Um peso de
1500 kg se
aproxima da
sua cabeça a
45,3 m/s
CUIDADO!
Precisão Significa...
Conhecimento Objetivo
 Usado na formulação de
problemas de
Engenharia → modelos
matemáticos
Conhecimento Subjetivo
 Repr...
Exemplo
• Esta estrela é azul?
– Verdadeiro
Qual a melhor resposta?
• Este hexágono é azul ?
Fuzzy não é probalidade
• Fuz...
Porque usar Lógica Fuzzy ?
 Grande parte da compreensão humana sobre os acontecimentos
dos fatos é imprecisa
 Em muitos ...
Em Ecologia
 Em muitas situações, principalmente em perícia ambiental, análises
de riscos etc., nos deparamos com situaçõ...
Abordagem de
agrupamento difuso para
delinear zonas
agroecológicas
Agrupamento difuso de
dados ecológicos difusos
Abordage...
Abordagens da
IA em Ecologia
Dinâmica
de Sistemas
Lógica Difusa
(Fuzzy Logic)
Algoritmos
Genétics
Redes
Neurais
Artificiai...
Origem
 Os algorítimos genético (AG ou GA) foram criados em
1975 por John Holland da Universidade de Michigan, Los
Angele...
Cria aleatoriamente uma população de soluções
Seleciona Indivíduos parentais
Produz filhos (Crossover e Mutação)
Elimina i...
Na ecologia...
 AG tem sido usado para a otimização de parâmetros, descobertas de
equações e procura de padrões.
Distribuição potencial de espécies
Predições com AG
Cenário:
 Sustentabilidade;
 Mudanças globais;
 Uso de pesticidas e fertilizantes;
 Introdução de esp...
A próxima geração
AG híbridos
 Petel et al. (1998) – AG + Rede Neural
 Objetivo: projetar novas moléculas que matariam b...
Abordagens da
IA em Ecologia
Dinâmica
de Sistemas
Lógica Difusa
(Fuzzy Logic)
Algoritmos
Genéticos
Redes
Neurais
Artificia...
Em um neurônio biológico
 Recebe diversos sinais de outros neurônios ou
terminações nervosas
 Os sinais podem ser recebi...
Em um neurônio biológico
 A saída de um neurônio pode ser a entrada de diversos
outros neurônios (rede)
 A memória é dis...
O diagrama abaixo representa o
modelo matemático de um neurônio...
Redes Neurais Artificiais
Não Supervisionada
Kohonen (1989)
SOM
Feedforward
Rummelhardt et al. (1986)
Feedback
Pineda (198...
Em síntese
 Durante o processo de aprendizagem os neurônios:
 organizam-se e tornam-se ordenados entre si
 especializam...
CAMADA DE
ENTRADA
ORDENAÇÃO E
AGRUPAMENTO
DAS ENTRADAS
MAPEAMENTO E
AGRUPAMENTO
DAS ENTRADAS
Biomassas de
fitoplâncton
pes...
>20ªC
<=15ªC
>15ªC<=20ªC
Estudo de caso: Lago Kasumigaura (Japão)
Teste de hipóteses sobre a preferência de temperatura de...
Modelos Ecológicos Qualitativos
Abordagens da IA
em Ecologia
Dinâmica de
Sistemas
Redes
Neurais
Artificiais
Algoritmos
Genéticos
Lógica Difusa
(Fuzzy Logi...
Descreva com 1 palavra o que representa essa figura
Motivação
 As pessoas tiram conclusões úteis e sutis sobre o mundo
físico sem usar nenhum tipo de equação matemática;
 C...
O que queremos dizer com Raciocínio
Qualitativo?
 O objetivo primário do Raciocínio Qualitativo é
 … fazer predições sob...
1984, ano de ouro do QR
 O periódico Artificial Intelligence publica as 3 mais
influentes abordagens para RQ:
 Centrada ...
Modelagem composicional
 Representar componentes menores e mais simples em
modelos parciais (fragmentos de modelo)
 e en...
Basic model patterns
69
Single rate and process
Two processes one SV
Short network
Long network - branching
Direct feedbac...
Modelo Qualitativo Predador-presa
Combined basic patterns
73
Complex model patterns
74
dN/dt = rN( 1- N/K)
Exercícios
 Exercício ecología de populações
Building models from texts76
“The impacts of the erosion without control go
beyond the environmental area. It includes ris...
77
“The impacts of the erosion without control go beyond the environmental area. It includes risks and
prejudice to the Br...
78
“The impacts of the erosion without control go beyond the environmental area. It includes risks and
prejudice to the Br...
DynaLearn curriculum
79
Transfer to
different
domains
Using ecological
principles to
organize lessons
DYNALEARN
Developing...
Concluding remarks
DynaLearn a curriculum for environmental
science explores themes and relevant topics for
the present a...
Inteligência artificial aplicada à construção de modelos ecológicos
Inteligência artificial aplicada à construção de modelos ecológicos
Inteligência artificial aplicada à construção de modelos ecológicos
Upcoming SlideShare
Loading in …5
×

Inteligência artificial aplicada à construção de modelos ecológicos

1,038 views

Published on

Brief introduction to main Artificial Inteligence Methods applied to Ecological Modeling
Breve Introdução aos principais Métodos de Inteligência Artificial aplicados à Modelagem Ecológica

Published in: Education
0 Comments
1 Like
Statistics
Notes
  • Be the first to comment

No Downloads
Views
Total views
1,038
On SlideShare
0
From Embeds
0
Number of Embeds
1
Actions
Shares
0
Downloads
43
Comments
0
Likes
1
Embeds 0
No embeds

No notes for slide
  • Elanão é uma técnica de IA, mas é importante viraqui pela suaestreitarelaçãocom o RQ
  • Inteligência artificial aplicada à construção de modelos ecológicos

    1. 1. Inteligência Artificial Aplicada à Construção de Modelos Ecológicos Mini-Curso Semana da Biologia da UnB Prof. Dr. Paulo Salles e Adriano Souza
    2. 2. Programa  Objetivos do Mini-curso  Parte I – Introdução  Definições de Inteligência Artificial (IA) e modelos  Modelagem e o potencial de uso da IA para estudos de ecologia  Parte II – Discussão de aplicações de IA em modelagem ecológica  Algumas técnicas de IA aplicadas em ecologia (Sistemas Dinâmicos, Redes Neurais Artificiais, Algoritmos Genéticos, Fuzzy Logic, Raciocínio Qualitativo)  Parte III - Exercícios sobre como construir modelos ecológicos, utilizando o software DynaLearn (www.dynalearn.eu).  Modelos Qualitativos (DynaLearn)  Padrões de modelos  Construção de modelos em DynaLearn  Discussão
    3. 3. Objetivos do Minicurso  Discutir alguns dos mais importantes paradigmas de modelagem ecológica baseados em Inteligência Artificial;  Demostrar, por meio de atividades práticas, como construir modelos para representar problemas ecológicos.
    4. 4. Definição de Inteligência Artificial  É a teoria e desenvolvimento de sistemas computacionais capazes de realizar tarefas que normalmente requerem inteligência humana, tais como percepção visual, reconhecimento de linguagem, tomada de decisão, e tradução entre linguagens.
    5. 5. MaioresproblemasdaIA Raciocínio Representação de conhecimento Planejamento e agendamento automatizado Aprendizagem de máquina Processamento de linguagem natural Visão computacional Robótica Inteligência Geral ou IA Forte Abordagens Tradicionais * Busca de algoritmos * Lógica Abordagens modernas * Redes Neurais * Redes Bayesianas * Algoritmos evolutivos
    6. 6. Então, qual é o significado ou importância da IA para a ecologia e para os ecólogos?
    7. 7. E na Ecologia? Inteligência Artificial Representação de conhecimento Correspondência de Padrões Inferência Busca Sistemas Especialistas Sistemas de bases de dados Inteligentes Modelagem em IA Robótica Visão e processamento de imagem Entendimento de Sistemas Complexos Processamento de linguagem natural Raciocínio computacional e comprovação de teoremas ... Manejo de recursos naturais Escopo de áreas de aplicação da IA como aplicada ao MRN. Adaptado de Coulson et al. (1987)
    8. 8. 1987 Coulson et al. Sistemas especialistas para solução de problemas e tomada de decisão Sistemas de Informação Geográfica Inteligentes Modelos de IA de comportamento animal e ecologia Object-oriented paradigma 1989 Rykiel Modelagem e simulação Integração de conhecimento qualitativo e quantitativo Desenvolvimento teórico 1998 Struss Desenvolvimento e uso de modelos aprimorados Modelagem conceitual e solução de problemas Modelagem qualitativa e sistemas baseados em modelos É necessário uma aproximação na colaboração entre especialista de um domínio e pesquisadores de Inteligência Artificial para o desenvolvimento de soluções para problemas específicos
    9. 9. E na Ecologia? 3 maneiras em que as tecnologias de IA podem ser úteis para o desenvolvimento teórico: Organização de bases de conhecimento compatíveis com computadores, incluindo conhecimento qualitativo e quantitativo; Avaliação rápida de pressupostos, hipóteses ou outras ideias em um contexto teórico; Determinar as consequências e a consistência lógica de longas e complicadas trajetórias de raciocínio ecológico. Rykiel (1989)
    10. 10. E na Ecologia?  Talvez o impacto mais imediato de tecnologias de IA será na forma como ecólogos organizam, desenvolvem e implementam modelos.  Um ambiente computacional ecológico deve permitir que o ecólogo pense muito mais no problema ecológico e muito menos na mecânica computacional. Rykiel (1989)
    11. 11. Antes de continuar precisamos saber o que é um modelo!  Palpites?
    12. 12. Modelo  Modelos são representações formais, abstratas e manipuláveis de sistemas físicos, a partir dos quais pode- se fazer simulações do comportamento do sistema na realidade e estabelecer comunicação entre pessoas que dominem a linguagem usada para a modelagem. Sistema  É uma unidade que consiste de um ou mais elementos (objetos) estruturalmente conectados, cujos estados dependem uns dos outros.  Portanto, são componentes essenciais de um sistema os OBJETOS e a ESTRUTURA.  Exs.: o sistema digestivo humano, uma bicicleta Definições de Modelo e Sistema
    13. 13. S1 S4 S3 S2 SISTEMA ALÇAS DE RETROALIMENTAÇÃO Ambiente BORDA DO SISTEMA ESTRUTURA DO SISTEMA ELEMENTOS DO SISTEMA ENTRADA NO SISTEMA SAÍDA NO SISTEMA Conceitos básicos de um sistema e seu ambiente. Adaptado de Bossel (1986)
    14. 14. A finalidade do sistema Um sistema tem uma finalidade (ou pode-se atribuir uma finalidade a ele): Recebe algum input do ambiente, realiza alguma transformação nesse input e produz algum output. Portanto, o desenvolvimento de certos estados é mais provável do que de outros estados.
    15. 15. Um modelo deve ter uma finalidade  A construção de um modelo é uma atividade seletiva, parcialmente subjetiva, que se baseia na experiência, em evidências empíricas, julgamentos, intuições.  A seleção dos elementos e das relações estruturais mais importantes dependerá dos objetivos da análise do sistema.  Um modelo deve ter, portanto, uma finalidade.  Estudo de uma floresta para fins econômicos e  Estudo sobre a sucessão na floresta requerem análises diferentes.  Para finalidades diferentes, devem ser construídos modelos
    16. 16. Para que construir modelos? Construir e usar modelos contribui para… Compreender a estrutura do sistema; Predizer o comportamento do sistema; Controlar variáveis para obter determinados resultados.
    17. 17. Como modelos podem ser usados?  Pesquisa científica;  Tomada de decisões e manejo;  Aplicações educacionais e treinamento. Cada uso tem requisitos diferentes.
    18. 18. Modelos em ecologia Construir modelos em ecologia é tarefa complexa, porque... 1. Conhecimentos ecológicos são heterogêneos, incluem tanto conhecimentos qualitativos como quantitativos; 2. É difícil coletar dados e fazer experimentos; 3. Os dados disponíveis são incompletos, inexatos, incertos e expressos em termos qualitativos; 4. Os fundamentos teóricos e as leis (ou first principles) ainda estão em desenvolvimento.  Novas abordagens para a modelagem ecológica são necessárias!
    19. 19. Modelos em ecologia A maior parte dos modelos usados em ecologia pertencem a duas classes:  Modelos Estatísticos  resultam em demonstrações de relações empíricas entre fatores ecológicos (parâmetros);  embora úteis e importantes, não conseguem capturar a complexidade dos sistemas ecológicos.  Modelos Estruturais  usados como meio de generalizar o entendimento sobre a estrutura e o funcionamento de sistemas ecológicos;  aumentam a capacidade de fazer previsões sobre o comportamento e de controlar tais sistemas.
    20. 20. Modelos Estatísticos MODELOS ESTÁTICOS Sistema real Observações Regressão, correlação Modelo
    21. 21. Modelos Estruturais MODELOS DINÂMICOS Sistema real Modelo
    22. 22. Abordagens da IA em Ecologia Dinâmica de Sistemas Lógica Difusa (Fuzzy Logic) Algoritmos Genéticos Redes Neurais Artificiais Raciocínio Qualitativo É uma abordagem para entender o comportamento de sistemas complexos no tempo. Ele lida com ciclos de retroalimentação interna e atrasos que afetam o comportamento do sistema como um todo.
    23. 23. A Dinâmica de Sistemas é um bom paradigma para modelagem ecológica por que... 1. Constrói-se em conceitos existentes 2. É diagramático 3. É amplamente usado 4. Estimula uma abordagem em camadas  Estrutura conceitual antes dos detalhes matemáticos 5. Se aplica a uma ampla variedade de problemas ambientais e ecológicos
    24. 24. http://en.wikipedia.org/wiki/File:LSE_pond.jpg#filelinks
    25. 25. Um ecosistema simples Grama Veado campeiro CO2 Árvore CO2 Simples ecossistema em que o carbono move-se entre os componentes etiquetados
    26. 26. Modelo de um ecosistema simples CO2 atmosférico Grama g C Absorção DeCO2 pelasplantas Morte, Excreção, respiração Consumo CO2 Atmosférico, dejetos líquidos e sólidos Veado g C
    27. 27. Símbolos de Sistemas Dinâmicos Compartimento Fluxo Nuvem Variável Influência
    28. 28. Exemplo: Modelo predador-presa de Lotka e Volterra  Cada presa tem um número constante de descendentes por ano  Cada predador se alimenta de uma proporção constante da população de presas por ano  A reprodução do predador é diretamente proporcional ao consumo de presas  Uma proporção constante da população de predadores morre por ano
    29. 29. PARÂMETROS: Coelhos = 5000 Raposas = 45 Reprodução de coelhos = 0.5*coelhos Predação = comidos por raposa*raposa Reprodução de raposas = 0.01*predação Mortalidade de raposas = 0.2*raposas rraposas = 0.01*comidos_por_raposa Comidos por raposa = 0.01*coelhos Modelo Predador-presa construido em SIMILI
    30. 30. Raposa Coelho
    31. 31. Crescimento população de árvores Parâmetros: tamanho = 3 crescimento = cr*(1-tamanho/25) cr = rand_const(0.1,0.3) inicial = 5 recrutamento = 2 mortalidade = tamanho>17 total = sum({tamanho}) X = rand_const(0,100) Y = rand_const(0,100)
    32. 32. Simulação de modelo quantitativo em SIMILE para crescimento de árvores
    33. 33. Abordagens da IA em Ecologia Dinâmica de Sistemas Lógica Difusa (Fuzzy Logic) Algoritmos Genéticos Redes Neurais Artificiais Raciocínio Qualitativo É uma possível maneira de lidar com incerteza, capaz de capturar informações imprecisas, descritas em linguagem natural, e convertê-las para um formato numérico. A Lógica Fuzzy utiliza palavras em vez de números, os valores verdades são expressos linguisticamente: quente, muito frio, verdade, longe, perto, próximo, rápido, vagaroso, médio, normal, muito, pouco, etc. admite valores lógicos intermediários entre o FALSO (0) e o VERDADEIRO (1); por exemplo o valor médio 'TALVEZ' (0,5). Isto significa que um valor lógico difuso é um valor qualquer no intervalo de valores entre 0 e 1
    34. 34. Precisão e significância no mundo real Um peso de 1500 kg se aproxima da sua cabeça a 45,3 m/s CUIDADO! Precisão Significado Às vezes tudo o que você precisa saber é aquilo que faz toda a diferença e a lógica difusa é uma boa maneira de conseguir essa informação. Isso vale também para modelos de raciocínio qualitativo! What? LOL
    35. 35. Conhecimento Objetivo  Usado na formulação de problemas de Engenharia → modelos matemáticos Conhecimento Subjetivo  Representa a informação linguística que é geralmente impossível de quantificar usando matemática tradicional Definição
    36. 36. Exemplo • Esta estrela é azul? – Verdadeiro Qual a melhor resposta? • Este hexágono é azul ? Fuzzy não é probalidade • Fuzzy é associado a possibilidade • Fuzzy é associado a associações parciais • Exemplos: – 10% do conteúdo dessa bebida é um veneno mortal – Aquela bebida tem 10% de chance de ser um veneno mortal – Qual copo você beberia? - Um carro que custa 20 mil reais é barato, o que custa 25 mil é caro! E um carro que custa 23 mil reais? • Este cubo é azul? – Falso Função de pertencimento
    37. 37. Porque usar Lógica Fuzzy ?  Grande parte da compreensão humana sobre os acontecimentos dos fatos é imprecisa  Em muitos casos, a precisão pode ser um tanto inútil, enquanto instruções vagas podem ser melhor interpretadas e realizadas  Exemplo de compreensão humana  Invulgar: “Comece a frear 10 metros antes do sinal PARE”  Vulgar: “Comece a frear perto da faixa dos pedestres”  Sistemas Especialistas devem trabalhar com informações vindas do mundo real (muitas delas imprecisas) devem ser capazes de reconhecer, representar, manipular, interpretar e usar imprecisões
    38. 38. Em Ecologia  Em muitas situações, principalmente em perícia ambiental, análises de riscos etc., nos deparamos com situações de extrema subjetividade, onde as variáveis envolvidas dependem única e exclusivamente da opinião e da experiência das pessoas envolvidas.  Em se tratando de considerar a experiência e a opinião de especialistas, nos deparamos com situações em que devemos inferir a respeito de variáveis características “dos mundos dos especialistas”:  Muito quente;  Inclinado;  Gravíssimo etc. 40
    39. 39. Abordagem de agrupamento difuso para delinear zonas agroecológicas Agrupamento difuso de dados ecológicos difusos Abordagem difusa para avaliação de impacto ambiental Modelagem difusa em dinâmica de populações
    40. 40. Abordagens da IA em Ecologia Dinâmica de Sistemas Lógica Difusa (Fuzzy Logic) Algoritmos Genétics Redes Neurais Artificiais Raciocínio Qualitativo São programas computacionais projetados para encontrar o modelo de melhor desempenho através da aplicação de princípios de seleção natural e sobrevivência do mais adaptado
    41. 41. Origem  Os algorítimos genético (AG ou GA) foram criados em 1975 por John Holland da Universidade de Michigan, Los Angeles  São modelos computacionais que imitam os mecanismos de “evolução natural”para resolver problemas de otimização.  Os AGs tratam de encontrar a melhor solução de um dado problema entre um conjunto de soluções possíveis.
    42. 42. Cria aleatoriamente uma população de soluções Seleciona Indivíduos parentais Produz filhos (Crossover e Mutação) Elimina indivíduos não adaptados Continua até um indivíduo atingir o critério de sucesso (alcançar um r2 > 0,6 para dados medidos versus calculados)
    43. 43. Na ecologia...  AG tem sido usado para a otimização de parâmetros, descobertas de equações e procura de padrões.
    44. 44. Distribuição potencial de espécies
    45. 45. Predições com AG Cenário:  Sustentabilidade;  Mudanças globais;  Uso de pesticidas e fertilizantes;  Introdução de espécies;  Aumento da população humana;  Fronteiras agrícolas. A representação de fenômenos ecológicos é crítica para a predição em sistemas ecológicos.  Black box: O usuario pode inferir as regras do resultado, mas não em detalhes suficientes para fazer generalizações sobre os mecanismos ecológicos que levaram as distribuições preditas
    46. 46. A próxima geração AG híbridos  Petel et al. (1998) – AG + Rede Neural  Objetivo: projetar novas moléculas que matariam bactérias.  D’Angelo-Morrall et al. – AG + Estatística de Agrupamento  Objetivo: prever a toxicidade de organismos aquáticos em uma ampla variedade de substâncias chimicas A hibridização é uma nova fronteira dos AGs e tem um grande potencial na modelagem ecológica.
    47. 47. Abordagens da IA em Ecologia Dinâmica de Sistemas Lógica Difusa (Fuzzy Logic) Algoritmos Genéticos Redes Neurais Artificiais Raciocínio Qualitativo São programas computacionais projetados para processar informação de forma semelhante ao que ocorre em neurônios biológicos no cérebro humano. Uma rede treinada de maneira razoável tem a habilidade de generalizar quando é apresentada à entradas que não estão presentes em dados já conhecidos por ela. A principal força na estrutura de redes neurais reside em sua habilidades de adaptação e aprendizagem. A habilidade de adaptação e aprendizagem pelo ambiente significa que modelos de redes neurais podem lidar com dados imprecisos e situações não totalmente definidas.
    48. 48. Em um neurônio biológico  Recebe diversos sinais de outros neurônios ou terminações nervosas  Os sinais podem ser recebidos com diferentes intensidades (pesos) nas sinapses receptoras  O neurônio soma as entradas  Sob circunstâncias apropriadas (entradas com nível suficiente), o neurônio “dispara” um sinal elétrico (saída)
    49. 49. Em um neurônio biológico  A saída de um neurônio pode ser a entrada de diversos outros neurônios (rede)  A memória é distribuída, residindo nas sinapses (nos pesos).  A resposta a um estímulo pode alterar a “força” (o peso) de uma sinapse  aprendizado através de experiência.  Neurotransmissores em uma sinapse podem ser excitatórios ou inibitórios.
    50. 50. O diagrama abaixo representa o modelo matemático de um neurônio...
    51. 51. Redes Neurais Artificiais Não Supervisionada Kohonen (1989) SOM Feedforward Rummelhardt et al. (1986) Feedback Pineda (1987) Aprendem a classificar dados através do reconhecimento de diferentes padrões sem focar nas saídas desejadas (supervisão) de maneira similar quando uma pessoa está aprendendo a reconhecer o rosto de alguém sem ajuda de um professor Análise de padrões Dados transversais Análise de padrões Séries Temporais Modelagem preditiva Dados transversais Modelagem preditiva Séries Temporais
    52. 52. Em síntese  Durante o processo de aprendizagem os neurônios:  organizam-se e tornam-se ordenados entre si  especializam-se em detectar determinadas características dos padrões de entrada  O SOM é, portanto, caracterizado pela:  formação de um mapa topológico dos padrões de entrada  a localização espacial dos neurônios na grade após o aprendizado são indicativas das características estatísticas contidas nos padrões de entrada
    53. 53. CAMADA DE ENTRADA ORDENAÇÃO E AGRUPAMENTO DAS ENTRADAS MAPEAMENTO E AGRUPAMENTO DAS ENTRADAS Biomassas de fitoplâncton pesos neurônios
    54. 54. >20ªC <=15ªC >15ªC<=20ªC Estudo de caso: Lago Kasumigaura (Japão) Teste de hipóteses sobre a preferência de temperatura de Microcystis e Cyclotella Exemplo de dados transversais
    55. 55. Modelos Ecológicos Qualitativos
    56. 56. Abordagens da IA em Ecologia Dinâmica de Sistemas Redes Neurais Artificiais Algoritmos Genéticos Lógica Difusa (Fuzzy Logic) Raciocínio Qualitativo É uma área da IA que cria representações para as propriedades contínuas do mundo para dar suporte a raciocínio com pouca informação
    57. 57. Descreva com 1 palavra o que representa essa figura
    58. 58. Motivação  As pessoas tiram conclusões úteis e sutis sobre o mundo físico sem usar nenhum tipo de equação matemática;  Cientistas e engenheiros parecem usar algum tipo de raciocínio qualitativo quando tentam entender um problema e quando estão interpretando os resultados de simulações;  Construir modelos sobre a cognição humana e criar software para robôs requer a compreensão de como se pensa qualitativamente
    59. 59. O que queremos dizer com Raciocínio Qualitativo?  O objetivo primário do Raciocínio Qualitativo é  … fazer predições sobre o comportamento de um sistema físico em termos não-numéricos,  … preservando todas as diferenças no comportamento mais importantes de um sistema real,  … dada apenas uma descrição da estrutura do sistema.
    60. 60. 1984, ano de ouro do QR  O periódico Artificial Intelligence publica as 3 mais influentes abordagens para RQ:  Centrada nos processos (Forbus, 1984)  Centrada nos componentes (de Kleer e Brown, 1984)  Centrada nas restrições (Kuipers, 1984, 1986)
    61. 61. Modelagem composicional  Representar componentes menores e mais simples em modelos parciais (fragmentos de modelo)  e então combinar esse modelos parciais para obter uma descrição mais complexa do sistema.  Assim, pode-se criar diferentes representações do sistema, com diferentes níveis de complexidade. Falkenhainer e Forbus, 1991
    62. 62. Basic model patterns 69 Single rate and process Two processes one SV Short network Long network - branching Direct feedback loop double negative Indirect feedback loop negative, long chain Inequality reasoning
    63. 63. Modelo Qualitativo Predador-presa
    64. 64. Combined basic patterns 73
    65. 65. Complex model patterns 74 dN/dt = rN( 1- N/K)
    66. 66. Exercícios  Exercício ecología de populações
    67. 67. Building models from texts76 “The impacts of the erosion without control go beyond the environmental area. It includes risks and prejudice to the Brazilian energetic matrix, due to the siltation of the reservoirs of big hydroelectric plants; social impacts due to the rural exodus, economic impacts due to high costs of water treatment for human consumption, and impacts on human health caused by water born diseases.”
    68. 68. 77 “The impacts of the erosion without control go beyond the environmental area. It includes risks and prejudice to the Brazilian energetic matrix, due to the siltation of the reservoirs of big hydroelectric plants; social impacts due to the rural exodus, economic impacts due to high costs of water treatment for human consumption, and impacts on human health caused by water born diseases.”
    69. 69. 78 “The impacts of the erosion without control go beyond the environmental area. It includes risks and prejudice to the Brazilian energetic matrix, due to the siltation of the reservoirs of big hydroelectric plants; social impacts due to the rural exodus, economic impacts due to high costs of water treatment for human consumption, and impacts on human health caused by water born diseases.”
    70. 70. DynaLearn curriculum 79 Transfer to different domains Using ecological principles to organize lessons DYNALEARN Developing specific cognitive and reasoning skills Systems Thinking Model patterns System behaviour patterns How to build advanced models Understanding environmental science topics Interdisciplinarity
    71. 71. Concluding remarks DynaLearn a curriculum for environmental science explores themes and relevant topics for the present aiming at the development of cognitive and reasoning skills. The pedagogical approach is learning by modelling, exploring a set of model patterns to get a handle on how to represent domain knowledge in qualitative system dynamics models. One important educational goal to be achieved is the development of learners’ systems thinking. 80

    ×