Resenha - capítulo 2 "IA conexionista, IA simbólica e cérebro"

Prévia do material em texto

Livro: Introdução às Ciências Cognitivas
Capítulo 2: "IA conexionista, IA simbólica e cérebro" - Paul Smolensky
Gabriela Freitas Rigolon - Matrícula: 202132049
A nova abordagem da inteligência artificial, foi a modelização conexionista, que
posteriormente se tornou importante nos laboratórios de pesquisa e de
desenvolvimento. O propósito da pesquisa conexionista é modelizar em simultâneo,
os processos perceptivos de baixo nível e os processos de alto nível, tais como
reconhecimento de objeto, a resolução de problema, a planificação e a
compreensão da linguagem.
Os sistemas conexionistas são grandes redes de processadores simples, que estão
maciçamente interconectados e operam em paralelo. Cada processador tem um
valor de ativação numérico que ele comunica aos outros processadores em função
de conexões de força variável.
O paradigma simbólico.
É útil analisar um certo número de propriedades da abordagem simbólica para
compreender melhor a via de troca conexionista.
No paradigma simbólico, os níveis de cognição estão concebidos como análogos
dos níveis dos sistemas informáticos. O nível simbólico que implementa as
estruturas de conhecimento é considerado exato e completo. Indicando que os
níveis inferiores não são necessários para fornecer uma descrição exata da
cognição em termos de elementos interpretados semanticamente. A questão
neuronal retorna então àquela de saber simplesmente como o sistema nervoso
implementa fisicamente um sistema simbólico físico.
O paradigma subsimbólico.
Possui um nível intermediário de estrutura entre o nível neuronal e o nível simbólico.
Quando se descreve a cognição ao nível subsimbólico, a descrição é aquela de um
sistema conexionista. Este nível tenta formalizar, em um certo nível de abstração, a
categoria de tratamento que se produz no sistema nervoso.
A interpretação semântica.
A oposição mais intensa entre os dois paradigmas reside possivelmente na
interpretação semântica dos modelos formais.
As entidades suscetíveis de receber uma interpretação semântica são
configurações de atividade sobre um grande número de unidades do sistema,
enquanto as entidades manipuladas pelas regras formais são o conjunto das
ativações individuais das células da rede. As regras tratam sobre a propagação da
ativação, e são então de naturezas profundamente diferentes das regras de
manipulação simbólica.
Isto caracteriza a categoria particular de sistema conexionista no qual são as
configurações de atividade que representam conceitos, e não a atividade de
elementos individuais. O paradigma subsimbólico coloca em jogo sistemas
conexionistas que utilizam o que se denomina representações distribuídas, por
oposição às representações locais.
O nível subsimbólico e o formalismo subsimbólico.
No nível fundamental dos sistemas subsimbólicos, encontra-se uma coleção de
variáveis dinâmicas. Há dois tipos: um nível de ativação para cada unidade e uma
força de conexão para cada ligação. Os dois tipos de variáveis são tipicamente
contínuos. As regras que definem estes sistemas são regras de transmissão de
ativação e regras de modificação da força das conexões. São equações diferenciais.
A inferência subsimbólica e a conexão estatística.
Ao nível fundamental do formalismo subsimbólico, passou-se de uma concepção da
cognição fundada sobre processos discretos a uma concepção fundada sobre
processos contínuos.
Conexão estatística: a força da conexão entre duas unidades é uma medida da
relação estatística entre sua atividade respectiva.
No paradigma simbólico, as limitações são tipicamente rígidas, a inferência é lógica
e o tratamento pode então ser sequencial. No paradigma subsimbólico, as
limitações são leves, a inferência é estatística, e então é provável utilizar
implementações paralelas.
Descrições de nível superior; O princípio do melhor ajustamento [Best fit principle]
O princípio crucial do nível simbólico, a conexão estatística, pode ser reformulado
no nível superior, no princípio do melhor ajustamento: considerando uma entrada,
um sistema conexionista produz na saída um conjunto de inferências que, no
conjunto, fornece o melhor ajustamento à entrada, em um sentido estatístico
definido pelo conhecimento estatístico estocado nas conexões do sistema.
Produções, tratamento seqüencial e inferência lógica.
Riley e Smolensky (1984) descreveram um modelo harmônico simples da intuição
do perito em física qualitativa. É possível referenciar macrodecisões tomadas
enquanto o sistema resolve um problema, cada uma delas é o resultado de
numerosas microdecisões individuais tomadas por unidades do sistema, e cada
uma equivale a um engajamento parcial, em escala global, sobre a solução. Estas
macrodecisões parecem com o desencadeamento de regras de produção. Pode-se
medir a quantidade total de ordem no sistema quando as primeiras microdecisões
são tomadas. O sistema passa de uma fase desordenada a uma fase ordenada.
Desta forma, da maneira pela qual esta rede encarna os limites do problema e dos
teoremas gerais da teoria da harmonia, que o sistema dá sempre a resposta correta
quando se lhe apresenta um problema bem colocado e um tempo de relaxação
infinito. Assim, nesta idealização, a competência do sistema é descrita pelas
limitações rígidas: a lei de Ohm e a lei de Kirchoff. Tudo se passa como se estas leis
estivessem inscritas nele. No entanto, como em todos os sistemas subsimbólicos, a
atuação deste sistema efetua-se satisfazendo um grande número de limitações
leves.
A dinâmica dos esquemas de ativação.
No paradigma simbólico, as entidades semanticamente interpretáveis são símbolos,
que se combinam por uma forma qualquer de concatenação. No paradigma
subsimbólico, as entidades semanticamente interpretáveis são configurações de
atividade, as quais combinam-se por superposição: elas se superpõem da maneira
pela qual as estruturas ondulatórias o fazem sempre nos sistemas físicos. Esta
diferença constitui outra manifestação do fato que a formalização é passada da
categoria do discreto àquela do contínuo.
Os esquemas.
Um dos conceitos simbólicos mais importantes é o de esquema (Rumelhart, 1980).
Este conceito remonta ao menos a Kant (1787) como descrição dos conceitos
mentais e das categorias mentais. Os esquemas figuram em numerosos sistemas
de IA sob a forma de roteiros ou estruturas análogas: são pacotes de informação
pré-organizada que permitem fazer inferências em situações estereotipadas.