1. A lógica fuzzy deriva sua força da habilidade em inferir conclusões baseadas em informações vagas, imprecisas e qualitativas, semelhante ao raciocínio humano. Sistemas baseados em lógica fuzzy podem representar comportamentos de maneira simples e natural.
2. A lógica fuzzy foi desenvolvida por Zadeh na década de 1960 e difere da lógica clássica ao trabalhar com graus de verdade entre 0 e 1, em vez de valores binários. Isso permite representar conceitos definidos por
Beginners Guide to TikTok for Search - Rachel Pearson - We are Tilt __ Bright...
Jeneffer Ferreira Ribeiro - Artigo lógica fuzzy
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 o
A for¸a da L´gica Fuzzy deriva da sua habilidade
c o
bin´ria, isto ´, uma declara¸˜o ´ falsa ou verda-
a e ca e
em inferir conclus˜es e gerar respostas baseadas em
o
deira, n˜o podendo ser ao mesmo tempo parcial-
a
informa¸˜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 ca
de base Fuzzy tˆm habilidade de raciocinar de forma
e
”U e n˜o U”cobrem todas as possibilidades, formam
a
semelhante ` dos humanos. Seu comportamento ´
a e
a base do pensamento l´gico Ocidental. A l´gica
o o
representado de maneira muito simples e natural,
fuzzy deve ser vista mais como uma ´rea de pes-
a
levando ` constru¸˜o de sistemas compreens´
a ca ıveis e
quisa sobre tratamento da incerteza, ou uma fam´ılia
de 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 a
2 L´gica Fuzzy
o da teoria de conjuntos fuzzy proposto por Lukasie-
wicz. Ao trabalhar com a l´gica fuzzy ´ comum
o e
Arist´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 o
conjunto de regras r´ıgidas para que conclus˜es pu-
o n˜o aceitam a l´gica fuzzy como uma verdadeira
a o
dessem ser aceitas logicamente v´lidas. O emprego
a l´gica, no sentido em que aceitam, por exemplo,
o
da l´gica de Arist´teles levava a uma linha de ra-
o o a l´gica modal. Isso pode ser associado a dife-
o
cioc´
ınio l´gico baseado em premissas e conclus˜es.
o o rentes fatos, entre eles o fato de muitos modelos
Como por exemplo: se ´ observado que ”todo ser
e permitirem solu¸˜es aproximadas que n˜o corres-
co a
vivo ´ 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
a
o seu oposto, faz a l´gica difusa parecer natural,
o l´gicos bin´rios, onde o valor verdade s´ pode assu-
o a o
at´ 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-
co
as como verdadeiras ou falsas. N˜o obstante, muitas
a Caracter´
ısticas da L´gica Fuzzy
o
das experiˆncias humanas n˜o podem ser classifica-
e a
das simplesmente como verdadeiras ou falsas, sim • A L´gica Difusa est´ baseada em palavras e
o a
ou n˜o, branco ou preto. Por exemplo, ´ aquele ho-
a e n˜o em n´meros, ou seja, os valores verdades
a u
mem alto ou baixo? A taxa de risco para aquele em- s˜o expressos ling¨isticamente. Por exem-
a u
preendimento ´ 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 e
vezes, incompleta. Na verdade, entre a certeza de
ser e a certeza de n˜o ser, existem infinitos graus de
a • Possui v´rios modificadores de predicado como
a
incerteza. 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.
e
tada matematicamente no passado com o uso da • Possui tamb´m um amplo conjunto de quanti-
e
teoria das probabilidades. Contudo, a L´gica Di- o ficadores, como por exemplo : poucos, v´rios,
a
fusa, com base na teoria dos Conjuntos Nebulosos em torno de, usualmente.
Fuzzy Set, tem se mostrado mais adequada para
tratar imperfei¸˜es da informa¸˜o do que a teoria
co ca • Faz uso das probabilidades ling¨´
uısticas, como
das probabilidades. De forma mais objetiva e pre- por exemplo : prov´vel, improv´vel, que s˜o
a a a
liminar, podemos definir L´gica Difusa como sendo
o interpretados como n´meros fuzzy e manipula-
u
uma ferramenta capaz de capturar informa¸˜es va- co dos pela sua aritm´tica.
e
gas, 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, tomando
f´cil manipula¸˜o pelos computadores de hoje em
a ca estes, como um limite apenas.
dia. Considere a seguinte afirmativa: Se o tempo
de um investimento ´ longo e o sistema financeiro
e
tem sido n˜o muito est´vel, ent˜o a taxa de risco
a a a 3 Vantagens e Pesperctivas
do investimento ´ muito alta. Os termos ”longo”,
e
”n˜o muito est´vel”e ”muito alta”trazem consigo
a a
Vantagens
informa¸˜es vagas. A extra¸˜o (representa¸˜o) des-
co ca ca
tas informa¸˜es vagas se d´ atrav´s do uso de
co a e
conjuntos nebulosos. Devido a esta propriedade e a • Requer poucas regras, valores e decis˜es;
o
capacidade de realizar inferˆncias, a L´gica Difusa
e o
• Mais vari´veis observ´veis podem ser valora-
a a
tem encontrado grandes aplica¸˜es nas seguintes
co
das;
a
´reas: Sistemas Especialistas; Computa¸˜o com Pa-
ca
lavras; Racioc´ ınio Aproximado; Linguagem Natu- • O uso de vari´veis ling¨´
a uısticas nos deixa mais
ral; Controle de Processos; Rob´tica; Modelamento
o perto do pensamento humano;
de Sistemas Parcialmente Abertos; Reconhecimento
de Padr˜es; Processos de Tomada de Decis˜o (de-
o a • Simplifica a solu¸˜o de problemas;
ca
cision making). A L´gica Difusa ou L´gica Nebu-
o o
• Proporciona um r´pido prot´tipo dos siste-
a o
losa, tamb´m pode ser definida , como a l´gica que
e o
mas;
suporta os modos de racioc´ ınio que s˜o aproxima-
a
dos, ao inv´s de exatos, como estamos naturalmente
e • Simplifica a aquisi¸˜o da base do conheci-
ca
acostumados a trabalhar. Ela est´ baseada na teo-
a mento.
ria dos conjuntos nebulosos e difere dos sistemas
l´gicos tradicionais em suas caracter´
o ısticas e de-
Perspectivas
talhes. Nesta l´gica, o racioc´
o ınio exato corresponde
a um caso limite do racioc´ ınio aproximado, sendo Entre 1970 e 1980 as aplica¸˜es industriais da l´gica
co o
interpretado como um processo de composi¸˜o ne- ca ”fuzzy”aconteceram com maior importˆncia na Eu-
a
bulosa. A l´gica em quest˜o foi desenvolvida por
o a ropa e ap´s 1980, o Jap˜o iniciou seu uso com
o a
Lofti A. Zadeh da Universidade da Calif´rnia em o aplica¸˜es na ind´stria. Algumas das primeiras
co u
Berkeley na d´cada de 60 e combina l´gica mul-
e o aplica¸˜es foram em um tratamento de ´gua feito
co a
tivalorada, teoria probabil´ ıstica, inteligˆncia artifi-
e pela Fuji Electric em 1983 e pela Hitachi em um
cial e redes neurais para que possa representar o sistema de metrˆ inaugurado em 1987. Por volta
o
pensamento humano, ou seja, ligar a lingu´ ıstica e de 1990 ´ que a l´gica ”fuzzy”despertou um maior
e o
a 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-
u
tem´tica. O valor verdade de uma proposi¸˜o pode
a ca dades pr´ticas dos sistemas ”fuzzy”e o grande su-
a
ser 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 os
ampla aceita¸˜o na ´rea de controle de processos
ca a conjuntos abaixo:
industriais. Diversas ´reas est˜o sendo beneficiadas
a a
pela tecnologia decorrente da L´gica Difusa. Dentre
o
• Conjunto das pessoas com alta renda.
essas ´reas podem ser citadas algumas que tiveram
a
relevˆncia no avan¸o tecnol´gico e que merecem des-
a c o • Conjunto das pessoas altas.
taque. O Controle de processos industriais foi a
a
´rea pioneira, sendo as primeiras experiˆncias da-
e
tadas de 1975 quando foi demonstrado no Queen Podemos verificar que n˜o existe uma fronteira bem
a
College, 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
a
uma m´quina a vapor. Na mesma ´poca, a pri-
a e acima. Com os conjuntos fuzzy podemos definir
meira aplica¸˜o industrial significativa foi desenvol-
ca crit´rios e graus de pertinˆncia para tais situa¸˜es.
e e co
vida 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-
c
destacando-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 e
temente, os EUA e a Alemanha. Dentre os exem- Estes valores indicam o Grau de Pertinˆncia dos
e
plos t´ ıpicos incluem produtos de consumo tais como elementos do conjunto U em rela¸˜o ao conjunto A,
ca
geladeiras (Sharp), ar condicionado (Mitsubishi), isto ´, quanto ´ poss´ para um elemento x de U
e e ıvel
cˆmeras de v´
a ıdeo (Canon, Panosonic), m´quinasa pertencer ao conjunto A. Tal fun¸˜o ´ chamada de
ca e
de lavar roupa (Sanyo), aspiradores de p´, etc. Na
o Fun¸˜o de Pertinˆncia e o conjunto A ´ definido
ca e e
ind´stria automotiva destacam-se transmiss˜es au-
u o como Conjunto Fuzzy .
tom´ticas (Nissam, Lexus), inje¸˜o eletrˆnica, sus-
a ca o
pens˜o ativa, freios antibloqueantes. Sistemas in-
a
dustriais incluem controle de grupo de elevadores
(Hitachi, Toshiba), ve´ ıculos autoguiados e robˆs o
5 Utiliza¸˜o Fuzzy
ca
m´veis (Nasa, IBM), controle de motores (Hitachi),
o
ventila¸˜o de t´neis urbanos (Toshiba),Controle de
ca u Pioneiros na utiliza¸˜o da l´gica fuzzy, os japo-
ca o
tr´fego urbano, controle de parada e partida de
a neses j´ adquiriram grande conhecimento de sua
a
trens 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 c
ilustrativas, pois correntemente mais de 1000 pa- aparelho mais simples como os aspiradores de p´, o
tentes envolvendo L´gica Difusa j´ foram anuncia-
o a que agora usam controladores de 4 bits rodando
das. Apesar do uso e da aplica¸˜o no Brasil ser
ca algoritmos fuzzy que interrogam sensores de p´ e o
incipiente, v´rias ind´strias e empresas vˆm desen-
a u e ajustam o poder de suc¸˜o, e inventando novos e
ca
volvendo produtos e servi¸os (Villares, IBM, Klo-
c complexos mecanismos como cˆmeras fotogr´ficas
a a
ckner Moeller, Robertshaw, Yokogawa, HI Tecno- inteligente, que usa um dispositivo charge-coupled
logia). De fato nos ultimos anos o potencial de
´ (CCD) para medir a claridade das imagens em seis
manuseio de incertezas e de controle de sistemas regi˜es do campo de vis˜o e usa estas informa¸˜es
o a co
complexos tornados poss´ ıveis pela L´gica Difusa,
o para determinar se a imagem est´ no foco ou n˜o;
a a
est˜o sendo combinados com Redes Neurais arti-
a ela tamb´m rastreia a taxa de mudan¸a no movi-
e c
ficiais, que por sua vez, possuem caracter´ ısticas de mento da lente durante a procura do foco e controla
adapta¸˜o e aprendizagem. A palavra certa para
ca a velocidade para evitar overshoot. Este sistema
isto ´ simbiose, que vem gerando novas classes de
e possue 12 entradas: 6 para obter a claridade atual
sistemas e de controladores neurodifusos, combi- fornecendo dados para o CCD e 6 para medir a
nando desta forma os potenciais e as caracter´ ısticas taxa de mudan¸a no movimento da lente. A sa´
c ıda
individuais em sistemas adaptativos e inteligentes. ´ a posi¸˜o do curso da lente. Outro exemplo que
e ca
Com certeza estes sistemas dever˜o proporcionar
a podemos citar s˜o m´quinas de lavar Hitachi que
a a
uma 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 ca
controle 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 e
4 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 regras
crisp e um dado elemento do universo em dis- de refrescamento. Comparado com outros tipos de
curso (dom´ınio) pertence ou n˜o pertence ao refe-
a ar condicionado, o controlador fuzzy aquece e esfria
rido conjunto. Na teoria dos conjuntos fuzzy existe 5 vezes mais r´pido, reduz o consumo de potˆncia
a e
um 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
a
menta¸˜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- e
mento de caracteres, em sistemas ´ticos, robˆs, he-
o o cial (IA), express˜o utilizada para designar um
a
lic´pteros comandados por voz atrav´s de um robˆ,
o e o tipo de inteligˆncia constru´ pelo homem para
e ıda
sistemas de elevadores, aterrissagem de naves espa- dotar a m´quina de comportamentos inteligentes.
a
ciais, etc. Este crescimento ´ devido a sua grande
e A partir da estrutura¸˜o desse novo campo do
ca
utiliza¸˜o e pequena limita¸˜o, al´m de exigir pouco
ca ca e conhecimento o fenˆmeno da inteligˆncia come¸ou
o e c
gasto em sua montagem, o que melhora tanto para a ser pesquisado de forma intensa. V´rios esfor¸os
a c
o fabricante, que diminui seus gastos, como para o foram e tˆm sido feitos no sentido se simular os
e
cliente, que adquire um produto mais eficiente que tipos de racioc´ ınios utilizados pelo ser humano e
consome 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 de
6 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
c
L´gica Fuzzy e o desenvolvimento de Redes especialistas, da l´gica fuzzy e das redes neurais.
o o
Neurais, ou melhor a IAinteligˆncia artificial. Atualmente, criar m´quinas inteligentes n˜o pode
e a a
Entre as t´cnicas mais recentes de Inteligˆncia ser considerado uma fic¸˜o, a IA transformou essa
e e ca
Artificial encontra-se a L´gica Fuzzy, tamb´m fic¸˜o em um campo de estudo movido por uma
o e ca
conhecida como Conjunto Difusos. Essa t´cnica, meta que consome bilh˜es de d´lares em projetos,
e o o
muito usada no Jap˜o, ´ fruto da t˜o esperada os quais envolvem pesquisadores de institui¸˜es go-
a e a co
quinta gera¸˜o dos computadores, uma gera¸˜o vernamentais, militares, industriais e universit´rias
ca ca a
que 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 o
t´cnica fuzzy. A l´gica fuzzy consiste em aproximar
e o
Campos de aplica¸˜o da inteligˆncia artificial
ca e
a 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 com
e a a a
n˜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 a
mas 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:
a
vari´veis que representem as decis˜es humanas. A
a o
l´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-ca
sobre inteligˆncia artificial surgiram na d´cada
e e gramas capazes de compreender a linguagem
de 40, que foi marcada pela II Guerra Mundial. natural (interpreta¸˜o) e gerar textos.
ca A
Este fato resultou na necessidade de desenvolver Gera¸˜o de linguagem Natural ´ a produ¸˜o
ca e ca
uma tecnologia voltada para a an´lise de bal´
a ıstica, de textos por um programa a partir de um
quebra de c´digos e c´lculos para projetar a bomba
o a conte´do semˆntico representado internamente
u a
atˆmica.
o Surgia, assim, os primeiros grandes no pr´prio programa. Objetiva aperfei¸oar a
o c
projetos de constru¸˜o de computadores, assim
ca comunica¸˜o entre as pessoas e os computa-
ca
chamados por serem m´quinas utilizadas para fazer
a dores.
c´lculos (cˆmputos). Ap´s a II Guerra Mundial o
a o o
computador n˜o ficou restrito ao ˆmbito militar
a a ´
• Reconhecimento de Padr˜es - E uma das ´reas
o a
e cient´
ıfico, come¸ou a ser gradualmente utilizado
c de pesquisa bem avan¸adas da IA. A capaci-
c
em empresas, ind´strias, universidades. etc. A
u dade de reconhecimento de padr˜es permite ao
o
diversidade 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- o
teriormente 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-
a
computadores eletrˆnicos (1943 - Collossus, na
o
mas do computador trabalhar com a vis˜o bi- a
Inglaterra e 1946 - ENIAC, nos Estados Unidos)
dimensional e tridimensional.
at´ o surgimento dos microcomputadores (na
e
d´cada de 70) demonstra que essa ´rea recebeu
e a ca ´
• Programa¸˜o de Jogos - E o estudo voltado
grandes investimentos. O segundo grande passo para a constru¸˜o de programas de jogos envol-
ca
foi dado nos Estados Unidos, em 1956, quando vendo racioc´ ınio. Os jogos computadorizados
John McCarthy reuniu em uma conferˆncia pro- e s˜o um grande sucesso, ainda mais quando exi-
a
ferida 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