Your SlideShare is downloading. ×
Jeneffer Ferreira Ribeiro - Artigo lógica fuzzy
Upcoming SlideShare
Loading in...5
×

Thanks for flagging this SlideShare!

Oops! An error has occurred.

×

Saving this for later?

Get the SlideShare app to save on your phone or tablet. Read anywhere, anytime - even offline.

Text the download link to your phone

Standard text messaging rates apply

Jeneffer Ferreira Ribeiro - Artigo lógica fuzzy

316
views

Published on

Jeneffer Ferreira Ribeiro

Jeneffer Ferreira Ribeiro

Published in: Technology

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
316
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
0
Comments
0
Likes
0
Embeds 0
No embeds

Report content
Flagged as inappropriate Flag as inappropriate
Flag as inappropriate

Select your reason for flagging this presentation as inappropriate.

Cancel
No notes for slide

Transcript

  • 1. ´ LOGICA FUZZY Mestre: Rog´rio Mendes ∗ e Autores: Curso: Sistemas de Informa¸ao c˜ Elias Takak Neto Disciplina: L´gica para Sistemas de Informa¸ao o c˜ Jeferson Humberto dos Santos E-mail: rogerio@websec.com.br Jeneffer Ferreira Ribeiro Otacilio Garcia da Mota Junior Patricia Carvalho de Sousa Silverley Assun¸ao c˜ Thais Oliveira Mundim UNIPAC E-mails: Universidade Presidente Antˆnio Carlos o takakudi@live.nl Avenida Minas Gerais, 3889 jeferson-22@hotmail.com 38440-000 Araguari - MG jeneffer.sys@gmail.com Site: www.unipacaraguari.edu.br otacilio007@hotmail.com patriciacarvalhodesousa@yahoo.com.br silverleyassuncao@yahoo.com.br thais-oliveiramundim@hotmail.com 13 Maio 2009 RESUMO Neste artigo iremos abordar sobre os conceitos, caracter´ ısticas e fundamentos da L´gica Fuzzy seus o aspectos tecnol´gicos e aplica¸˜es pr´ticas que fazem uso desse tipo de L´gica para sistemas baseados o co a o em Inteligˆncia Artificial para elabora¸˜o de projetos para utiliza¸ao. e ca c˜ ABSTRACT In this article we discuss the concepts, characteristics and foundations of Fuzzy Logic and its technological applications which make use of such systems based on Logic for Artificial Intelligence for preparation of projects for use.1 Introdu¸˜o ca que ”Roberto ´ um ser vivo”(premissa 2), como e conclus˜o temos que ”Roberto ´ mortal”. Desde a e ent˜o, a l´gica Ocidental, assim chamada, tem sido a oA for¸a da L´gica Fuzzy deriva da sua habilidade c o bin´ria, isto ´, uma declara¸˜o ´ falsa ou verda- a e ca eem inferir conclus˜es e gerar respostas baseadas em o deira, n˜o podendo ser ao mesmo tempo parcial- ainforma¸˜es vagas, amb´ co ıguas e qualitativamente in- mente verdadeira e parcialmente falsa. Esta su-completas e imprecisas. Neste aspecto, os sistemas posi¸˜o e a lei da n˜o contradi¸˜o, que coloca que ca a cade base Fuzzy tˆm habilidade de raciocinar de forma e ”U e n˜o U”cobrem todas as possibilidades, formam asemelhante ` dos humanos. Seu comportamento ´ a e a base do pensamento l´gico Ocidental. A l´gica o orepresentado de maneira muito simples e natural, fuzzy deve ser vista mais como uma ´rea de pes- alevando ` constru¸˜o de sistemas compreens´ a ca ıveis e quisa sobre tratamento da incerteza, ou uma fam´ıliade f´cil manuten¸˜o. a ca de modelos matem´ticos dedicados ao tratamento a da incerteza, do que uma l´gica propriamente dita. o A l´gica difusa normalmente est´ associada ao uso o a2 L´gica Fuzzy o da teoria de conjuntos fuzzy proposto por Lukasie- wicz. Ao trabalhar com a l´gica fuzzy ´ comum o eArist´teles, fil´sofo grego (384 - 322 a.C.), foi o o o chamar a l´gica booleana de l´gica n´ o o ıtida. Mui-fundador da ciˆncia da l´gica, e estabeleceu um e o tos pesquisadores de vers˜es booleanas de l´gica o oconjunto de regras r´ıgidas para que conclus˜es pu- o n˜o aceitam a l´gica fuzzy como uma verdadeira a odessem ser aceitas logicamente v´lidas. O emprego a l´gica, no sentido em que aceitam, por exemplo, oda l´gica de Arist´teles levava a uma linha de ra- o o a l´gica modal. Isso pode ser associado a dife- ocioc´ ınio l´gico baseado em premissas e conclus˜es. o o rentes fatos, entre eles o fato de muitos modelosComo por exemplo: se ´ observado que ”todo ser e permitirem solu¸˜es aproximadas que n˜o corres- co avivo ´ mortal”(premissa 1), a seguir ´ constatado e e pondem a uma ”verdade”l´gica. A Fuzzy Logic, o tamb´m conhecida como L´gica Difusa, por sua vez, e o ∗ Alunos do Curso Sistemas de Informa¸ao - UNIPAC c˜ viola estas suposi¸˜es. O conceito de dualidade, co
  • 2. estabelecendo que algo pode e deve coexistir com parcialmente ordenado, ao contr´rio dos sistemas ao seu oposto, faz a l´gica difusa parecer natural, o l´gicos bin´rios, onde o valor verdade s´ pode assu- o a oat´ mesmo inevit´vel. A l´gica de Arist´teles trata e a o o mir 2 valores : verdadeiro (1) ou falso (0).com valores ”verdade”das afirma¸˜es, classificando- coas como verdadeiras ou falsas. N˜o obstante, muitas a Caracter´ ısticas da L´gica Fuzzy odas experiˆncias humanas n˜o podem ser classifica- e adas simplesmente como verdadeiras ou falsas, sim • A L´gica Difusa est´ baseada em palavras e o aou n˜o, branco ou preto. Por exemplo, ´ aquele ho- a e n˜o em n´meros, ou seja, os valores verdades a umem alto ou baixo? A taxa de risco para aquele em- s˜o expressos ling¨isticamente. Por exem- a upreendimento ´ grande ou pequena? Um sim ou um e plo: quente, muito frio, verdade, longe, perto,n˜o como resposta a estas quest˜es ´, na maioria das a o e r´pido, vagaroso, m´dio, etc. a evezes, incompleta. Na verdade, entre a certeza deser e a certeza de n˜o ser, existem infinitos graus de a • Possui v´rios modificadores de predicado como aincerteza. Esta imperfei¸˜o intr´ ca ınseca ` informa¸˜o a ca por exemplo: muito, mais ou menos, pouco,representada numa linguagem natural, tem sido tra- bastante, m´dio, etc. etada matematicamente no passado com o uso da • Possui tamb´m um amplo conjunto de quanti- eteoria das probabilidades. Contudo, a L´gica Di- o ficadores, como por exemplo : poucos, v´rios, afusa, com base na teoria dos Conjuntos Nebulosos em torno de, usualmente.Fuzzy Set, tem se mostrado mais adequada paratratar imperfei¸˜es da informa¸˜o do que a teoria co ca • Faz uso das probabilidades ling¨´ uısticas, comodas probabilidades. De forma mais objetiva e pre- por exemplo : prov´vel, improv´vel, que s˜o a a aliminar, podemos definir L´gica Difusa como sendo o interpretados como n´meros fuzzy e manipula- uuma ferramenta capaz de capturar informa¸˜es va- co dos pela sua aritm´tica. egas, em geral descritas em uma linguagem natu-ral e convertˆ-las para um formato num´rico, de e e • Manuseia todos os valores entre 0 e 1, tomandof´cil manipula¸˜o pelos computadores de hoje em a ca estes, como um limite apenas.dia. Considere a seguinte afirmativa: Se o tempode um investimento ´ longo e o sistema financeiro etem sido n˜o muito est´vel, ent˜o a taxa de risco a a a 3 Vantagens e Pesperctivasdo investimento ´ muito alta. Os termos ”longo”, e”n˜o muito est´vel”e ”muito alta”trazem consigo a a Vantagensinforma¸˜es vagas. A extra¸˜o (representa¸˜o) des- co ca catas informa¸˜es vagas se d´ atrav´s do uso de co a econjuntos nebulosos. Devido a esta propriedade e a • Requer poucas regras, valores e decis˜es; ocapacidade de realizar inferˆncias, a L´gica Difusa e o • Mais vari´veis observ´veis podem ser valora- a atem encontrado grandes aplica¸˜es nas seguintes co das;a´reas: Sistemas Especialistas; Computa¸˜o com Pa- calavras; Racioc´ ınio Aproximado; Linguagem Natu- • O uso de vari´veis ling¨´ a uısticas nos deixa maisral; Controle de Processos; Rob´tica; Modelamento o perto do pensamento humano;de Sistemas Parcialmente Abertos; Reconhecimentode Padr˜es; Processos de Tomada de Decis˜o (de- o a • Simplifica a solu¸˜o de problemas; cacision making). A L´gica Difusa ou L´gica Nebu- o o • Proporciona um r´pido prot´tipo dos siste- a olosa, tamb´m pode ser definida , como a l´gica que e o mas;suporta os modos de racioc´ ınio que s˜o aproxima- ados, ao inv´s de exatos, como estamos naturalmente e • Simplifica a aquisi¸˜o da base do conheci- caacostumados a trabalhar. Ela est´ baseada na teo- a mento.ria dos conjuntos nebulosos e difere dos sistemasl´gicos tradicionais em suas caracter´ o ısticas e de- Perspectivastalhes. Nesta l´gica, o racioc´ o ınio exato correspondea um caso limite do racioc´ ınio aproximado, sendo Entre 1970 e 1980 as aplica¸˜es industriais da l´gica co ointerpretado como um processo de composi¸˜o ne- ca ”fuzzy”aconteceram com maior importˆncia na Eu- abulosa. A l´gica em quest˜o foi desenvolvida por o a ropa e ap´s 1980, o Jap˜o iniciou seu uso com o aLofti A. Zadeh da Universidade da Calif´rnia em o aplica¸˜es na ind´stria. Algumas das primeiras co uBerkeley na d´cada de 60 e combina l´gica mul- e o aplica¸˜es foram em um tratamento de ´gua feito co ativalorada, teoria probabil´ ıstica, inteligˆncia artifi- e pela Fuji Electric em 1983 e pela Hitachi em umcial e redes neurais para que possa representar o sistema de metrˆ inaugurado em 1987. Por volta opensamento humano, ou seja, ligar a lingu´ ıstica e de 1990 ´ que a l´gica ”fuzzy”despertou um maior e oa inteligˆncia humana, pois muitos conceitos s˜o e a interesse em empresas dos Estados Unidos. De-melhores definidos por palavras do que pela ma- vido ao desenvolvimento e as in´meras possibili- utem´tica. O valor verdade de uma proposi¸˜o pode a ca dades pr´ticas dos sistemas ”fuzzy”e o grande su- aser um subconjunto nebuloso de qualquer conjunto cesso comercial de suas aplica¸˜es, a l´gica ”fuzzy”´ co o e
  • 3. considerada hoje uma t´cnica standard e tem uma e determinado conjunto. Por exemplo considere osampla aceita¸˜o na ´rea de controle de processos ca a conjuntos abaixo:industriais. Diversas ´reas est˜o sendo beneficiadas a apela tecnologia decorrente da L´gica Difusa. Dentre o • Conjunto das pessoas com alta renda.essas ´reas podem ser citadas algumas que tiveram arelevˆncia no avan¸o tecnol´gico e que merecem des- a c o • Conjunto das pessoas altas.taque. O Controle de processos industriais foi aa´rea pioneira, sendo as primeiras experiˆncias da- etadas de 1975 quando foi demonstrado no Queen Podemos verificar que n˜o existe uma fronteira bem aCollege, em Londres, que um controlador nebuloso definida para decidirmos quando um elemento per-muito simples conseguiu controlar eficientemente tence ou n˜o ao respectivo conjunto nos exemplos auma m´quina a vapor. Na mesma ´poca, a pri- a e acima. Com os conjuntos fuzzy podemos definirmeira aplica¸˜o industrial significativa foi desenvol- ca crit´rios e graus de pertinˆncia para tais situa¸˜es. e e covida pela ind´stria de cimento F.L.Smidth Corp. da u A fun¸˜o caracter´ ca ıstica (crisp sets) pode ser gene-Dinamarca. Hoje em dia, uma grande variedade de ralizada de modo que os valores designados aos ele-aplica¸˜es comerciais e industriais est˜o dispon´ co a ıveis, mentos do conjunto universo U perten¸am ao inter- cdestacando-se neste cen´rio o Jap˜o e mais recen- a a valo de n´meros reais de 0 a 1 inclusive, isto ´ [0,1]. u etemente, os EUA e a Alemanha. Dentre os exem- Estes valores indicam o Grau de Pertinˆncia dos eplos t´ ıpicos incluem produtos de consumo tais como elementos do conjunto U em rela¸˜o ao conjunto A, cageladeiras (Sharp), ar condicionado (Mitsubishi), isto ´, quanto ´ poss´ para um elemento x de U e e ıvelcˆmeras de v´ a ıdeo (Canon, Panosonic), m´quinasa pertencer ao conjunto A. Tal fun¸˜o ´ chamada de ca ede lavar roupa (Sanyo), aspiradores de p´, etc. Na o Fun¸˜o de Pertinˆncia e o conjunto A ´ definido ca e eind´stria automotiva destacam-se transmiss˜es au- u o como Conjunto Fuzzy .tom´ticas (Nissam, Lexus), inje¸˜o eletrˆnica, sus- a ca opens˜o ativa, freios antibloqueantes. Sistemas in- adustriais incluem controle de grupo de elevadores(Hitachi, Toshiba), ve´ ıculos autoguiados e robˆs o 5 Utiliza¸˜o Fuzzy cam´veis (Nasa, IBM), controle de motores (Hitachi), oventila¸˜o de t´neis urbanos (Toshiba),Controle de ca u Pioneiros na utiliza¸˜o da l´gica fuzzy, os japo- ca otr´fego urbano, controle de parada e partida de a neses j´ adquiriram grande conhecimento de sua atrens de metrˆ (Sendai, Tokio). Estas cita¸˜es s˜o o co a utiliza¸˜o e a faz com freq¨ˆncia, aperfei¸oando os ca ue cilustrativas, pois correntemente mais de 1000 pa- aparelho mais simples como os aspiradores de p´, otentes envolvendo L´gica Difusa j´ foram anuncia- o a que agora usam controladores de 4 bits rodandodas. Apesar do uso e da aplica¸˜o no Brasil ser ca algoritmos fuzzy que interrogam sensores de p´ e oincipiente, v´rias ind´strias e empresas vˆm desen- a u e ajustam o poder de suc¸˜o, e inventando novos e cavolvendo produtos e servi¸os (Villares, IBM, Klo- c complexos mecanismos como cˆmeras fotogr´ficas a ackner Moeller, Robertshaw, Yokogawa, HI Tecno- inteligente, que usa um dispositivo charge-coupledlogia). De fato nos ultimos anos o potencial de ´ (CCD) para medir a claridade das imagens em seismanuseio de incertezas e de controle de sistemas regi˜es do campo de vis˜o e usa estas informa¸˜es o a cocomplexos tornados poss´ ıveis pela L´gica Difusa, o para determinar se a imagem est´ no foco ou n˜o; a aest˜o sendo combinados com Redes Neurais arti- a ela tamb´m rastreia a taxa de mudan¸a no movi- e cficiais, que por sua vez, possuem caracter´ ısticas de mento da lente durante a procura do foco e controlaadapta¸˜o e aprendizagem. A palavra certa para ca a velocidade para evitar overshoot. Este sistemaisto ´ simbiose, que vem gerando novas classes de e possue 12 entradas: 6 para obter a claridade atualsistemas e de controladores neurodifusos, combi- fornecendo dados para o CCD e 6 para medir anando desta forma os potenciais e as caracter´ ısticas taxa de mudan¸a no movimento da lente. A sa´ c ıdaindividuais em sistemas adaptativos e inteligentes. ´ a posi¸˜o do curso da lente. Outro exemplo que e caCom certeza estes sistemas dever˜o proporcionar a podemos citar s˜o m´quinas de lavar Hitachi que a auma significativa contribui¸˜o para os sistemas de ca usam controladores fuzzy para controle de peso, ve-automa¸˜o e controle do futuro, principalmente em ca rifica¸˜o de tipo de tecido, e detec¸˜o de sujeira, que ca cacontrole de processos. automaticamente adapta os ciclos de lavagem para o uso otimizado de potˆncia, ´gua, e detergente. e a O sistema fuzzy n˜o ´ utilizado apenas para facili- a e4 Conjuntos Fuzzy tar nosso dia-a-dia, mas tamb´m para diminuirmos e gastos nas execu¸˜es de tarefas, como ´ o exemplo co e do ar condicionado industrial projetado pela Mit-Na teoria cl´ssica, os conjuntos s˜o denominados a a subishi usa 25 regras de aquecimento e 25 regrascrisp e um dado elemento do universo em dis- de refrescamento. Comparado com outros tipos decurso (dom´ınio) pertence ou n˜o pertence ao refe- a ar condicionado, o controlador fuzzy aquece e esfriarido conjunto. Na teoria dos conjuntos fuzzy existe 5 vezes mais r´pido, reduz o consumo de potˆncia a eum grau de pertinˆncia de cada elemento a um e em 24% sem contar que mant´m a temperatura 2 e
  • 4. vezes mais est´vel e usa menos sensores. A imple- a New Hampshire, v´rios pesquisadores de renome amenta¸˜o da l´gica fuzzy vem crescendo cada dia ca o para estudar o que foi denominado por Minsky,mais e nas mais diversas ´reas, como no reconheci- a McCarthy, Newell e Simon de Inteligˆncia Artifi- emento de caracteres, em sistemas ´ticos, robˆs, he- o o cial (IA), express˜o utilizada para designar um alic´pteros comandados por voz atrav´s de um robˆ, o e o tipo de inteligˆncia constru´ pelo homem para e ıdasistemas de elevadores, aterrissagem de naves espa- dotar a m´quina de comportamentos inteligentes. aciais, etc. Este crescimento ´ devido a sua grande e A partir da estrutura¸˜o desse novo campo do cautiliza¸˜o e pequena limita¸˜o, al´m de exigir pouco ca ca e conhecimento o fenˆmeno da inteligˆncia come¸ou o e cgasto em sua montagem, o que melhora tanto para a ser pesquisado de forma intensa. V´rios esfor¸os a co fabricante, que diminui seus gastos, como para o foram e tˆm sido feitos no sentido se simular os ecliente, que adquire um produto mais eficiente que tipos de racioc´ ınios utilizados pelo ser humano econsome menos potˆncia. e implement´-los no computador por meio da IA. a A inteligˆncia artificial ´ amplamente utilizada e e como um auxiliar que expande a capacidade de6 Aplica¸˜es Pr´ticas co a inteligˆncia do homem e at´ mesmo o substitui em e e diversas fun¸˜es. Isso se tornou poss´ em grande co ıvel parte gra¸as ao desenvolvimento dos sistemas cL´gica Fuzzy e o desenvolvimento de Redes especialistas, da l´gica fuzzy e das redes neurais. o oNeurais, ou melhor a IAinteligˆncia artificial. Atualmente, criar m´quinas inteligentes n˜o pode e a aEntre as t´cnicas mais recentes de Inteligˆncia ser considerado uma fic¸˜o, a IA transformou essa e e caArtificial encontra-se a L´gica Fuzzy, tamb´m fic¸˜o em um campo de estudo movido por uma o e caconhecida como Conjunto Difusos. Essa t´cnica, meta que consome bilh˜es de d´lares em projetos, e o omuito usada no Jap˜o, ´ fruto da t˜o esperada os quais envolvem pesquisadores de institui¸˜es go- a e a coquinta gera¸˜o dos computadores, uma gera¸˜o vernamentais, militares, industriais e universit´rias ca ca aque morreu antes mesmo de nascer. Nem tudo, de todo o mundo.por´m, ´ atestado de ´bito. Prova disso ´ a pr´pria e e o e ot´cnica fuzzy. A l´gica fuzzy consiste em aproximar e o Campos de aplica¸˜o da inteligˆncia artificial ca ea decis˜o computacional da decis˜o humana. Isto a a´ feito de forma que a decis˜o de uma m´quina Existem v´rios campos de estudo dentro da IA come a a an˜o se resuma apenas a um ”sim”ou um ”n˜o”, o prop´sito de dotar a m´quina de capacidade de a a o amas tamb´m tenha decis˜es ”abstratas”, do tipo racioc´ e o ınio, aprendizado e auto aperfei¸oamento, al- c”um pouco mais”, ”talvez sim”, e outras tantas guns desses campos s˜o descritos abaixo: avari´veis que representem as decis˜es humanas. A a ol´gica fuzzy tem se destacado principalmente na o • Processamento de Linguagem Natural - E o ´a´rea de tomada de decis˜es. Os primeiros estudos o estudo voltado para a constru¸˜o de pro-casobre inteligˆncia artificial surgiram na d´cada e e gramas capazes de compreender a linguagemde 40, que foi marcada pela II Guerra Mundial. natural (interpreta¸˜o) e gerar textos. ca AEste fato resultou na necessidade de desenvolver Gera¸˜o de linguagem Natural ´ a produ¸˜o ca e cauma tecnologia voltada para a an´lise de bal´ a ıstica, de textos por um programa a partir de umquebra de c´digos e c´lculos para projetar a bomba o a conte´do semˆntico representado internamente u aatˆmica. o Surgia, assim, os primeiros grandes no pr´prio programa. Objetiva aperfei¸oar a o cprojetos de constru¸˜o de computadores, assim ca comunica¸˜o entre as pessoas e os computa- cachamados por serem m´quinas utilizadas para fazer a dores.c´lculos (cˆmputos). Ap´s a II Guerra Mundial o a o ocomputador n˜o ficou restrito ao ˆmbito militar a a ´ • Reconhecimento de Padr˜es - E uma das ´reas o ae cient´ ıfico, come¸ou a ser gradualmente utilizado c de pesquisa bem avan¸adas da IA. A capaci- cem empresas, ind´strias, universidades. etc. A u dade de reconhecimento de padr˜es permite ao odiversidade de aplica¸˜es estimulou pesquisas de co programa reconhecer a fala em linguagem na-software, hardware e linguagens de programa¸˜o. ca tural, os caracteres digitados e a escrita (ex.:O desenvolvimento do computador, primeiramente assinatura). Os scanners, por exemplo, utili-impulsionado pela aplicabilidade militar e pos- zam programas de reconhecimento ´ptico de- oteriormente comercial, mostrou-se vi´vel. a Seu senvolvidos pelas pesquisas em IA.r´pido progresso, desde o surgimento dos primeiros a • Vis˜o de Computador - Busca desenvolver for- acomputadores eletrˆnicos (1943 - Collossus, na o mas do computador trabalhar com a vis˜o bi- aInglaterra e 1946 - ENIAC, nos Estados Unidos) dimensional e tridimensional.at´ o surgimento dos microcomputadores (na ed´cada de 70) demonstra que essa ´rea recebeu e a ca ´ • Programa¸˜o de Jogos - E o estudo voltadograndes investimentos. O segundo grande passo para a constru¸˜o de programas de jogos envol- cafoi dado nos Estados Unidos, em 1956, quando vendo racioc´ ınio. Os jogos computadorizadosJohn McCarthy reuniu em uma conferˆncia pro- e s˜o um grande sucesso, ainda mais quando exi- aferida ao Darmouth College, na Universidade de bem um tipo de inteligˆncia capaz de desafiar e
  • 5. as habilidades do jogador. O jogo de xadrez, para os problemas s˜o obtidas por meio ten- a por exemplo, foi utilizado para as primeiras ex- tativas e transmitidas para a nova popula¸˜o ca periˆncias em programa¸˜o do racioc´ e ca ınio arti- (simulada em programas). ficial, onde o computador se tornou capaz de • L´gica FUZZY - Tamb´m denominada de o e analisar milh˜es de jogadas por segundo para o Conjuntos Difusos ou L´gica Nebulosa. Foi o tentar derrotar o advers´rio. Al´m de analisar a e estruturada por Lofti Zadeh da University of as jogadas, os programas utilizam um m´todoe ´ Calif´rnia, no ano de 1965. E uma metodo- o heur´ıstico que consiste na utiliza¸˜o de uma ca logia que serve para representar, manipular e a ´rvore de busca, a mesma possui ramifica¸˜es co modelar informa¸˜es incertas. - Sistemas Ba- co a partir de certos n´s, que representam pontos o seados em Conhecimento - S˜o sistemas que a de decis˜o no caminho a tomar, com um certo a implementam comportamentos inteligentes de n´mero de etapas, para chegar a um objetivo. u especialistas humanos. Deste modo, ele pode analisar v´rios n´s, de a o acordo com a situa¸˜o atual do jogo, e escol- ca ca e ´ • Programa¸˜o Gen´tica - E um campo de es- her o melhor caminho (o mais curto ou menos tudo da IA voltado para a constru¸˜o de pro- ca arriscado). gramas que visam imitar o processo natural da gen´tica. Trabalha com m´todos de busca e e ´ • Rob´tica - E o campo de estudo voltado para o aleat´ria. o desenvolver meios de construir m´quinas que a possam interagir com o meio (ver, ouvir e rea- • Racioc´ ´ ınio Baseado em Casos - E o campo de gir aos est´ ımulos sensoriais). A express˜o robˆ a o estudo da IA que utiliza uma grande biblioteca vem do tchˆco robota, significa trabalhador, foi e de casos para consulta e resolu¸˜o de problemas ca criada por Karel Capek, em 1917. O primeiro . Os problemas atuais s˜o resolvidos, atrav´s a e robˆ industrial do mundo, batizado de UNI- o da recupera¸˜o e consulta de casos j´ solucio- ca a MATE, surgiu em 1962. nados e da conseq¨ente adapta¸˜o das solu¸˜es u ca co encontradas. Por exemplo, o Sistema CASEY, • Aprendizado - Existem programas de IA que que faz o diagn´stico em pacientes card´ o ıacos conseguem aprender certos fatos por meio da baseado na consulta de arquivos de pacientes experiˆncia, desde que esse conhecimento possa e com o mesmo diagn´stico. o ser representado de acordo com o formalismo adotado pelo programa. • Redes Neurais Artificiais (RNA) - Pos- sui v´rias denomina¸˜es, dentre elas redes a co neuronais, modelo conectista, neurocom-Modelos de inteligˆncia artificial: e puta¸˜o, modelo de processamento paralelo ca distribu´ ıdo, sistemas neurom´rficos e compu- o ´ tadores biol´gicos. o • Algoritmos Gen´ticos - E um modelo para o e aprendizado da m´quina, inspirado no livro a Algumas ´reas a de aplica¸˜o ca da L´gica o Origem das Esp´cies, atrav´s da Sele¸˜o Na- e e ca FUZZY tural, escrito pelo naturalista inglˆs Charles e Darwin (1809-1882), criador da teoria evo- • An´lise de dados a lucionista, segundo a qual somente os mais ap- tos sobrevivem. Algoritmo gen´tico ´ e e • Constru¸˜o de sistemas especialistas ca um m´todo utilizado pelos Algoritmos Evo- e • Controle e otimiza¸˜o ca lutivos, que inclui o estudo dos algoritmos gen´ticos, estrat´gia de evolu¸˜o, programa¸˜o e e ca ca • Reconhecimento de padr˜es o evolutiva e sistemas classificat´rios. Os algorit- o mos gen´ticos foram criados por Jonh Holland e (1975), objetivam emular operadores gen´ticos e 7 Conclus˜o a (espec´ıficos, como crossing-over, muta¸˜o e re- ca produ¸˜o) da mesma forma como ´ observado ca e na natureza. Isso ´ feito criando-se dentro da e Os sistemas computacionais, complexos ou n˜o, a m´quina uma popula¸˜o de indiv´ a ca ıduos repre- podem resolver todos os problemas baseados no sentados por cromossomas. Os indiv´ ıduos pas- racioc´ ınio humano. A l´gica fuzzy quebra os pa- o sam por um processo simulado de evolu¸˜o, ca radigmas da l´gica tradicional com a sua incerteza o sele¸ao e reprodu¸˜o, gerando uma nova po- c˜ ca inerente a qualquer processo. A l´gica fuzzy, tenta o pula¸˜o. ca aproximar cada vez mais precis˜o e o pensamento a humano. • Programa¸˜o Evolutiva - Campo da IA conce- ca bido por Lawrence J. Fogel (1960), assemelha- se aos algoritmos gen´ticos, sendo que ´ dado e e maior ˆnfase na rela¸˜o comporta- mental entre e ca os parentes e seus descendentes. As solu¸˜es co
  • 6. Referˆncias e[1] Site: www.pucsp.br[2] Site: www.inf.unisinos.br[3] Site: www.fuzzylogiclearningresource.com[4] Site: www.fuzzy-logic.com[5] Site: www.econ.fea.usp.br[6] Site: www.geocities.com[7] Site: www.encyclopedia.com[8] Site: www.sorocaba.unesp.br[9] Site: www.informatik.uni-trier.de