Uma teoria e metodologia de aprendizado indutivo
60 pág.

Uma teoria e metodologia de aprendizado indutivo


DisciplinaLivros24.292 materiais100.173 seguidores
Pré-visualização16 páginas
19/03/2016 Uma teoria e metodologia de aprendizado indutivo
http://www.inf.ufpr.br/aurora/tutoriais/aprendizadomaq/ 1/60
Introdução
 
 Um processo de aprendizagem inclui a aquisição de novas formas de conhecimento: o desenvolvimento motor e a habilidade
cognitiva (através de instruções ou prática), a organização do novo conhecimento (representações efetivas) e as descobertas de novos
fatos e teorias através da observação e experimentação. Desde o início da era dos computadores, tem sido realizadas pesquisas para
implantar algumas destas capacidades em computadores. Resolver este problema tem sido o maior desafio para os pesquisadores de
inteligência artificial (IA). O estudo e a modelagem de processos de aprendizagem em computadores e suas múltiplas manifestações
constituem o objetivo principal do estudo de aprendizado de máquinas.
 
O objetivo de aprendizado de máquinas
Atualmente, o campo de aprendizado de máquinas é organizado sobre três principais focos de pesquisa:
Estudos orientados a trabalho:­ o desenvolvimento e a análise de sistemas aprendizes para a melhoria da performance
de determinados grupos de trabalho.
Simulação cognitiva:­ a investigação e simulação computacional de processos de aprendizado humano.
Análises teóricas:­ a exploração teórica do espaço de possibilidades metódicas de aprendizagem e algoritmos
independentes do domínio.
Por conseqüência das muitas pesquisas e esforços na direção destes objetivos, progressos na direção de uma meta freqüentemente
conduzem a progressos na direção de outra. Por exemplo, um razoável ponto de partida para a pesquisa do espaço de métodos de
aprendizado possíveis pode tomar como iniciativa o exemplo de um robusto comportamento aprendiz, chamado comportamento
humano. Similarmente, investigações psicológicas do aprendizado humano podem ser auxiliadas por análises teóricas que sugerem
vários modelos de aprendizagem plausíveis. A necessidade de adquirir uma forma particular de conhecimento em alguns estudos
orientados a trabalho pode, por si só, gerar novas análises teóricas ou propor a seguinte questão: "Como os humanos adquirem estas
habilidades (ou conhecimentos) específicos?" Este mútuo desafio é uma das principais reflexões do campo de inteligência artificial,
onde pesquisas com sistemas especialistas, simulação cognitiva e estudos teóricos providenciam um cruzamento de problemas e
idéias entre os estudiosos deste assunto.
19/03/2016 Uma teoria e metodologia de aprendizado indutivo
http://www.inf.ufpr.br/aurora/tutoriais/aprendizadomaq/ 2/60
 
Sistemas de aprendizagem aplicados: uma prática necessária
 Atualmente, instruir um computador ou um robô a realizar um trabalho, requer uma definição correta e completa de um algoritmo
para esta tarefa, e então um laborioso programa de computador. Estas atividades envolvem tipicamente um tedioso e demorado
esforço por parte de especialistas treinados.
No presente momento, sistemas de computadores não podem aprender a executar uma tarefa através de exemplos ou por analogia a
algum trabalho similar e previamente resolvido. Eles não podem melhorar sua performance significativamente através de seus erros
passados, ou adquirir habilidades por observação e/ou imitação. Pesquisas em aprendizado de máquinas esforçam­se para abrir a
possibilidade de instruir computadores em novos caminhos, e deste modo prometem facilitar a carga que os programadores têm
devido ao aumento de complexidade da informação. A rápida expansão dos aplicativos e a disponibilidade dos computadores
atualmente, tornam esta possibilidade mais atrativa e desejável.
Quando nos aproximamos de uma aquisição de conhecimento orientado a trabalho, devemos cuidar para que o resultado
computacional seja interagente com humanos, sendo compatível com suas habilidades. O argumento tradicional de que uma
aproximação engenhosa não precisa refletir a execução humana ou biológica não é realmente aplicável para aprendizado de
máquinas. Aprendizado de máquinas devem interagir com as pessoas que vão manuseá­las e, consequentemente, os conceitos e
habilidades que elas adquirirem (não necessariamente seus mecanismos internos) devem ser compreendidos pelos humanos.
 
Aprendizado de máquinas como ciência
A dúvida sobre as habilidades dotadas de genética em um sistema biológico (versus habilidade ou conhecimento adquirido), tem
fascinado biólogos, psicólogos, filósofos e pesquisadores de Inteligência Artificial. Um forte candidato para a invariante cognição em
humanos é o mecanismo de aprendizado ­ a inata habilidade de adquirir fatos, habilidades e muitos conceitos abstratos. Então,
entender o aprendizado humano suficientemente bem para reproduzir aspectos do comportamento aprendiz em um sistema
computacional é uma merecedora meta científica. O computador pode render substancial assistência para a psicologia cognitiva
podendo ser usado para o teste de consistência e "completeza" de teorias de aprendizado, forçando um compromisso com alto nível
de detalhe, evitando desta forma, inexpressividade, tautologia ou teorias não testadas.
19/03/2016 Uma teoria e metodologia de aprendizado indutivo
http://www.inf.ufpr.br/aurora/tutoriais/aprendizadomaq/ 3/60
O estudo do processo de aprendizado humano é de considerável e significativa prática. Não é surpresa que pesquisas em
computadores instruídos com inteligência, com ênfase para desenvolvimento de sistemas tutoriais, partilhem muitas das metas e
perspectivas das pesquisas em aprendizado de máquinas. Um particular e interessante desenvolvimento é em computadores com
sistemas tutoriais que incorporam habilidades para inferir modelos de competência estudantil pela observação de sua performance.
Inferindo o escopo do conhecimento de um estudante e sua habilidade em uma área particular, torna­se mais efetivo e individualizado
o ensino.
Um igualmente objetivo básico científico de aprendizado de máquinas é a exploração de mecanismos alternativos de aprendizado,
incluindo a descoberta de diferentes algoritmos de indução, o escopo e limitações de certos métodos, a informação que deve estar
disponível para o aprendiz, a geração de dados com valores incorretos e a criação de técnicas aplicáveis em muitos domínios de
trabalho. Não há razão para acreditar que o método de aprendizado humano é a única forma de adquirir conhecimento e habilidade.
De fato, o senso comum sugere que o aprendizado humano representa apenas um ponto do grande espaço de possibilidades de
métodos de aprendizagem ­ um ponto que através do processo evolucionário é particularmente bem localizado para vencer o
ambiente físico que nós vivemos. Muitos trabalhos teóricos em aprendizado de máquinas tem concentrado­se na criação,
caracterização e análise de métodos de aprendizado globais, com maior ênfase na análise geral e performance psicológicas plausíveis.
Enquanto análises teóricas providenciam um meio de exploração do espaço de métodos de aprendizado, a aproximação orientada a
tarefa providencia um veículo para teste e melhoria da performance de sistemas de aprendizado funcional. Por construção e teste
aplicado a sistemas aprendizes, podemos determinar o custo efetivo e limitações do aprendizado. Neste caminho, pontos de dados
individuais no espaço de possibilidades de sistemas aprendizes são explorados, e o espaço passa a ser melhor entendido.
 
Aquisição de conhecimento versus refinamento de habilidades
Há duas formas básicas de aprendizado: aquisição de conhecimento e refinamento de habilidades. Quando nós dizemos que alguém
aprendeu física, nós dizemos que esta pessoa adquiriu conceitos de física, entendeu estes conceitos e compreendeu a relação de cada
um deles com o meio físico. A essência do aprendizado neste caso é a aquisição de conhecimento, que inclui descrições e modelos de
sistemas físicos e seu comportamento, incorporando uma variedade de representações ­ desde simples e intuitivos modelos, exemplos
e imagens,