Baixe o app para aproveitar ainda mais
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.
Compartilhar