Você está na página 1de 215

UNIVERSIDADE ESTADUAL DE CAMPINAS

Faculdade de Engenharia Eltrica e de Computao

ArTEbitrariedade: Uma Reflexo sobre a


Natureza da Criatividade e sua Possvel Realizao
em Ambientes Computacionais

Artemis Maria Francelin Sanchez Moroni


Prof. Dr. Fernando Jos Von Zuben (Orientador)
Prof. Dr. Jnatas Manzolli (Co-orientador)

Tese

apresentada

Faculdade

de

Ps-graduao

Engenharia

Eltrica

da
de

Computao da Universidade Estadual de


Campinas como requisito parcial obteno do
grau de Doutor em Engenharia Eltrica na
rea de Engenharia da Computao.

Banca Examinadora:
Prof. Dra. Slvia Laurentiz ECA/USP
Prof. Dr. Hermes Renato Hildebrand PUCSP
Prof. Dr. Adolfo Maia Jr. IMECC/UNICAMP
Dr. Josu Jr. Guimares Ramos DRVC/CenPRA
Prof. Dr. Rafael Santos Mendes FEEC/UNICAMP
Prof. Dr. Clsio Luis Tozzi FEEC/UNICAMP

Campinas, 13 de Junho de 2003

FICHA CATALOGRFICA ELABORADA PELA


BIBLIOTECA DA REA DE ENGENHARIA - BAE - UNICAMP

Moroni, Artemis Maria Francelin Sanchez


ArTEbitrariedade: uma reflexo sobre a
M829a

natureza da criatividade e sua possvel realizao em


ambiente computacionais

/ Artemis Maria Francelin

Sanchez Moroni.--Campinas, SP: [s.n.], 2003.

Orientadores: Fernando Jos Von Zuben e


Jnatas Manzolli.
Tese (Doutorado) - Universidade Estadual de
Campinas, Faculdade de Engenharia Eltrica e da
Computao.

1. Computao grfica.
gentica (computao).

2. Programao

3. Sistemas multimdia.

4.

Composio musical por computador. 5. Criatividade.


6. Inteligncia artificial.

7. Algoritmos genticos. 8.

Arte por computador. I. Zuben, Fernando Jos Von. II.


Manzolli, Jnatas.

III. Universidade Estadual de

Campinas. Faculdade de Engenharia Eltrica e da


Computao. III. Ttulo.

ii

A
van, Andria e Ian,
e a todos que sempre estiveram ao meu lado.

iii

Agradecimentos
Ao meu orientador, o incansvel Prof. Dr. Fernando Jos Von Zuben, pelo seu
interesse e abertura a reas novas, e forte incentivo, apoio e carinho a esse trabalho.

Ao meu co-orientador e amigo, Prof. Dr. Jnatas Manzolli, pelo seu entusiasmado
amor msica e tudo que a envolva.

Ao querido Prof. Dr. Adolfo Maia Jr., que dispendeu numerosas horas me
auxiliando com listas de exerccio e reviso desse trabalho.

Aos membros da banca, Prof. Dra. Slvia Laurentiz, Prof. Dr. Hermes Renato
Hildebrand, Prof. Dr. Adolfo Maia, Prof. Dr. Rafael Santos Mendes e Prof. Dr. Clsio Luis
Tozzi, pela sua leitura, envolvimento e comentrios.

minha cunhada Dra. Ilka Veiga Moroni, pela rpida e precisa reviso ortogrfica.

Ao gentil Prof. Dr. Hermes Renato Hildebrand, que me supriu com material
bibliogrfico da PUC/SP.

minha amiga Dra. Evelin Abreu Teixeira, pela sua solicitude e apoio.

Aos meus orientadores de mestrado, Prof. Dr. Tomasz Kowaltowski, Prof. Dr.
Cludio Leonardo Lucchesi e Prof. Dr. Lo Pini Magalhes, sempre presentes em meus
dilogos interiores.

Ao NICS/UNICAMP, pela disponibilizao de recursos e apoio.

Ao CenPRA, pela possibilidade de realizar esse trabalho.


iv

NDICE
1. INTRODUO
1.1 O Homem, o Artista e a Sociedade
1.2 Criatividade e Computao Evolutiva
1.3 Objetivos e Organizao

1
2
4
7

2. INTELIGNCIA ARTIFICIAL E CRIATIVIDADE


2.1 O que Criatividade?
2.1.1 O Domnio, o Jri e o Indivduo
2.1.2 A Internalizao do Sistema
2.2 Criatividade-H e Criatividade-P
2.3 Trs Tipos de Criatividade
2.3.1 Criatividade Combinatria
2.3.2 Criatividade Exploratria
2.3.3 Criatividade Transformadora
2.4 Espaos Conceituais
2.5 As Questes Lovelace
2.6 Inteligncia e Criatividade
2.7 Criatividade e Evoluo
2.8 A Evoluo e o Mtodo Cientfico

9
12
13
16
17
20
20
20
21
22
24
26
31
35

3. SISTEMAS APLICADOS CRIATIVIDADE


3.1 Aaron, um Artista Baseado no Conhecimento
3.1.1 O Comportamento-X
3.1.2 Adaptao e o Comportamento-X
3.1.3 Os Elementos do Comportamento-X
3.2 A Evoluo na Criao de Sistemas Complexos
3.2.1 Complexidade e Emergncia
3.2.2 O Processo de Criao de Objetos Complexos
3.3 Biomorphs
3.4 Form Synth: A Evoluo Artificial Baseada em Regras
3.5 Mutator: Mutao e Seleo Natural
3.6 Evoluo Interativa de Equaes
3.6.1 Expresses Simblicas como Gentipos
3.6.2 A Evoluo Aplicada a Sistemas Dinmicos
3.7 Evoluo de Morfologia e Comportamento 3-D

39
41
46
48
50
53
54
56
60
63
68
71
72
74
75

3.8 Da Descrio Formalizao Conceitual


4. UMA VISO PRAGMTICA DA COMPUTAO EVOLUTIVA
4.1 Algoritmos Exatos e Algoritmos Aproximados para Processos de
Busca
4.2 Estratgias de busca populacionais e no-populacionais
4.3 Contextualizao
4.4 Aspectos Genricos de Algoritmos Evolutivos
4.4.1 A Questo da Representao
4.5 Breve Descrio dos Algoritmos Genticos
4.5.1 Algoritmos Genticos
4.5.2 Algoritmos Memticos
4.5.3 Computao Evolutiva e Abduo
4.6 De Sistemas Evolutivos a Sistemas Criativos
4.7 Relaxando Restries
4.8 Representaes Baseadas em Componentes
4.9 De Sistemas Evolutivos Criativos Criatividade
5. A AR TEBITRARIEDADE NOS DOMNIOS VISUAL E M USICAL
5.1 Art Lab: A Explorao do Domnio Visual
5.1.1 A Representao do Espao de Imagens
5.1.2 Art Lab: Atributos da Interface
5.1.3 O Procedimento de Evoluo dos Quadros
5.1.4 Populaes de Objetos Grficos
5.1.5 A Explorao de Ambientes
5.2 Aspectos de Avaliao no Domnio Visual
5.2.1 O Fitness Visual
5.2.2 Propores Harmnicas
5.2.3 A Dinmica da Viso
5.2.4 A Teoria das Cores
5.2.5 Harmonia das Cores
5.2.6 Modelos Computacionais de Cores
5.2.7 Sobre a Utilizao de Cores
5.3 VOX POPULI: Computao Evolutiva aplicada Composio
Musical
5.3.1 Atributos Sonoros
5.3.2 A Gerao de Acordes atravs de um Algoritmo Gentico
5.3.3 A Funo de Fitness: Abordagem Heurstica
5.3.4 Uma Abordagem Nebulosa para o Reconhecimento de
Centros Tonais
5.3.5 Formulao Matemtica da Consonncia
5.3.6 O Reconhecimento do Centro Tonal como um Problema de
Otimizao
5.3.7 O Ajuste do Fitness
5.3.7 Os Controles da Interface Sonora
5.4 A Automatizao da Crtica
vi

78
79
79
82
83
87
92
93
94
98
99
100
103
103
104
109
112
114
116
121
124
125
127
128
129
132
133
136
139
140
142
145
147
149
152
153
159
162
164
168

6. AGI: O DOMNIO , O CRIADOR, O J RI


6.1 Mtodos Genricos e a Fora Bruta do Computador
6.2 ArTEbitrariedade em AGIs
6.3 Aspectos adicionais da busca interativa no domnio visual
6.3.1 Soluo Automtica via Algoritmos Genticos
6.3.2 Soluo Automtica via Algoritmos Memticos
6.3.3 Explorao ou Transformao?
6.4 A Busca Interativa no Domnio Musical
6.4.1 Os limites da arTEbitrariedade
6.5 A Explorao, a Combinao e a Transformao
6.5.1 Divergncia e Convergncia
6.5.2 A Internalizao do Sistema

171
172
173
174
176
179
180
181
183
184
185
186

7. CONCLUSO
7.1 Redes, ns e conexes
7.2 Exerccio de ArTEbitrariedade
7.3 Perspectivas Futuras

189
189
191
192

REFERNCIAS BIBLIOGRFICAS

193

vii

ALGORITMOS
Algoritmo 2.1 Verso bsica do mtodo cientfico
Algoritmo 4.1 Algoritmo gentico tradicional
Algoritmo 5.1 Algoritmo gentico empregado pelo ArtLab
Algoritmo 5.2 Variao do Algoritmo Gentico aplicado ao VOX ...

viii

35
95
121
161

DEFINIES
Definio 1.1 Criatividade qualquer ato, idia, ou produto
Definio 1.2 A definio de uma pessoa criativa algum
Definio 1.3 Uma idia meramente nova aquela que pode ser
Definio 1.4 Espao conceitual o sistema gerativo que sustenta
Definio 1.5 Inteligncia a capacidade de um sistema adaptar
Definio 5.1 Uma melodia pode ser definida como uma seqncia
Definio 5.2 Dadas duas notas com uma razo de freqncia
Definio 5.3 Um conjunto nebuloso S em U caracterizado
Definio 5.4 Uma nota musical um sub-conjunto nebuloso
Definio 5.5 A consonncia entre S1 e S2 ento definida
Definio 5.6 O centro tonal da melodia S ento definido como

ix

15
15
19
22
28
147
153
156
156
158
159

EQUAES
Equao 3.1
Equao 3.2
Equao 3.3
Equao 3.4
Equao 3.5
Equao 3.6
Equao 3.7
Equao 3.8
Equao 5.1
Equao 5.2
Equao 5.3
Equao 5.4
Equao 5.5
Equao 5.6
Equao 5.7
Equao 5.8
Equao 5.9
Equao 5.10
Equao 5.11
Equao 5.12
Equao 5.13
Equao 5.14
Equao 5.15
Equao 5.16
Equao 5.17

74
74
74
74
75
75
75
75
145
150
150
150
151
151
151
152
156
156
157
158
158
159
160
160
160

FIGURAS
Figura 2.1
Figura 3.1
Figura 3.2
Figura 3.3
Figura 3.4
Figura 3.6
Figura 3.5
Figura 3.7
Figura 3.8
Figura 3.9
Figura 3.10
Figura 3.11
Figura 3.12
Figura 3.13
Figura 3.14
Figura 3.15
Figura 3.16
Figura 3.17
Figura 3.18
Figura 3.19
Figura 3.20
Figura 4.1
Figura 4.2
Figura 4.3
Figura 4.4
Figura 4.5
Figura 4.6
Figura 5.1
Figura 5.2
Figura 5.3
Figura 5.4
Figura 5.5
Figura 5.6
Figura 5.7
Figura 5.8
Figura 5.9

Um diagrama descritivo do mtodo cientfico


Mapas de contornos (M CCORDUCK, 1991)
Mapas territoriais (MCCORDUCK, 1991)
Quebra-cabeas (MCCORDUCK, 1991)
Desenho a computador (BODEN, 1996)
Baleia lanada praia na Holanda. Gravura, 1598
Annimo, italiano: Baleia lanada praia em Ancona...
O smbolo de So Mateus, C. 690. Pgina com iluminura ...
Pintura a computador. Tinta sobre papel, 1995 (COHEN, ...
Mother and Daughter. leo sobre tela, 1997 (COHEN, ...
Parque Safri de Biomorphs, construdos com o programa ...
Exemplo de seqncia de comandos aplicada a primitivas ...
rvore evolucionria de desenhos de formas complexas ...
Esculturas realizadas por William Latham, em plstico ...
Mutator mant m um banco de genes e de formas, que ...
Mutator Frame com um conjunto de nove mutaes. No ...
Forma orgnica evolutiva gerada pelo Mutator
Srie de produes obtidas atravs da tcnica da dissoluo
Resultado da evoluo de um sistema dinmico a partir de ...
Exemplos de grafos de gentipo e morfologia das criaturas ...
Uma seqncia evolucionria de criaturas selecionadas ...
Busca de uma soluo num exemplo de espao de busca de ...
Trs geraes de projetos de carro, usando uma populao ...
A localizao dos carros evoludos no espao de projetos ...
O mapeamento entre os gentipos no espao de busca (G) ...
O comportamento do operador de crossover. A linha ...
O comportamento do operador de mutao
JACKSON POLLOCK (1949) Nmero 33
A interface do Art Lab
Barra de controles para gerao de quadros
Seqncia de gerao de quadros
Resultados da aplicao da operao de mutao
Exemplos de texturas obtidas com populaes de 100, 500 ...
Populao de arcos pretos sobre fundo vermelho
Os operadores genticos aplicados aos quadros
Imagens em evoluo

xi

38
42
43
44
45
47
47
49
52
52
62
65
66
67
69
70
70
73
75
77
78
84
85
86
95
96
96
113
115
117
119
120
120
121
122
123

Figura 5.10 O operador de crossover modificado


Figura 5.11 Imagens geradas no ambiente MatLab a partir dos ...
Figura 5.12 Abaixo, detalhes de regies das imagens acima
Figura 5.13 Retngulos com lados que obedecem razo urea
Figura 5.14 Espiral construda com base na razo urea
Figura 5.15 Exemplo de instabilidade visual
Figura 5.16 Os discos de cores primrias, secundrias e tercirias
Figura 5.17 Crculo de 12 cores proposto por ITTEN (1975)
Figura 5.18 A representao do Modelo de Cores HLS
Figura 5.19 A estrutura de um cromossomo MIDI, composto por 4 ...
Figura 5.20 As pertinncias dos componentes harmnicos
Figura 5.21 Representao dos valores de pertinncia para as notas
Figura 5.22 Conjunto de interseo das curvas de pertinncia das ...
Figura 5.23 Valores lingsticos associados aos intervalos de vozes
Figura 5.24 O ciclo gentico do VOX POPULI
Figura 5.25 A interface grfica
Figura 5.26a Uma curva simples e a sada musical produzida pelo VOX ...
Figura 5.26b Uma curva mais complexa e a sada musical correspondente
Figura 6.1 O Elemento Suprematista Bsico: O Quadrado
Figura 6.2 Figuras resultantes da ativao da opo New Box no
Figura 6.3 Resultados obtidos aps cerca de 50 interaes no
Figura 6.4 Resultado da simulao, aps 175 iteraes. Acima a
Figura 6.5 Objetos estranhos s possibilidades do ArtLab surgiram
Figura 6.6 A interface grfica do VOX POPULI, onde o valor
Figura 6.7 Os valores objetivos do fitness meldico e do fitness

xii

124
126
127
130
131
133
135
137
139
148
154
155
158
161
164
165
167
167
175
175
176
178
180
182
183

TABELAS
Tabela 5.1 Modo Jnio ou Escala Maior seguindo as propores
Tabela 5.2 Indicaes de dinmica musical
Tabela 5.3 Equivalncias entre parmetros sonoros e MIDI
Tabela 5.4 Pesos Meldicos (PM)
Tabela 5.5 Pesos Harmnicos (PH)
Tabela 5.6 Altura dos componentes harmnicos, onde x uma parcial
Tabela 5.7 Ordem decrescente da consonncia musical de acordo com

xiii

145
146
148
150
151
157
159

1
INTRODUO
Esse trabalho insere-se na rea que comea a ser conhecida como Criatividade
Computacional. Este termo definitivamente existe e, por paradoxal que possa parecer,
envolve um amplo espectro de sub-reas, que vai desde a pesquisa da criatividade como um
fenmeno psicolgico e social, por meios computacionais, at a pesquisa aplicada ao apoio
computacional a pessoas criativas (BENTLEY & CORNE, 2002). E nesse contexto, que
abrange desde os sistemas que exibem algum tipo de criatividade at os sistemas que
apoiam a criatividade, que esse trabalho se desenvolve e a que o termo arTEbitrariedade se
aplica.
A arTEbitrariedade refere-se iniciativa de se incrementar o julgamento esttico,
arbitrrio, utilizando-se de ambientes que aplicam tcnicas de computao evolutiva e
outras tcnicas populacionais para busca exploratria, nos domnios sonoro e visual.
Associada forte interao homem-mquina, a arTEbitrariedade permite explorar a
criatividade humana e a criatividade computacional produzindo resultados emergentes que
no seriam obtidos sem tal interao.

Ao longo de toda a sua histria, a arte contou com os meios do seu tempo para dar
forma inovao artstica ( FRANKE, 1986). E sendo o computador, hoje, recurso quase que
universal de informao e comunicao, justifica-se o seu emprego como meio e
instrumento artstico.
No que se refere criatividade computacional, a rea de Inteligncia Artificial j
tem pelo menos uma proposta de um modelo computacional de criatividade. DAWKINS
(1991), em seu livro The Blind Watchmaker, comenta que a seleo cumulativa num
modelo computacional um procedimento eficiente de busca, e suas conseqncias
assemelham-se verdadeira criatividade. Ainda, procedimentos efetivos de busca
tornam-se, quando o espao de busca suficientemente grande, indistingveis da
verdadeira criatividade (DAWKINS, 1991). Os modelos computacionais dos biomorfos de
Dawkins, que sero discutidos nesta tese, constituem uma ponte entre os processos criativos
humanos e a criatividade resultante do processo de seleo natural. E o paradigma
adotado a Computao Evolutiva.
Computao Evolutiva engloba todas as iniciativas de simulao computacional da
evoluo. A evoluo categorizada por vrios nveis de hierarquia: o gene, o
cromossomo, o indivduo, as espcies, o ecossistema. O resultado de tal modelagem uma
srie de algoritmos de otimizao que resultam de operaes e procedimentos muito
simples e aplicados sobre um cdigo gentico: crossover, mutao, avaliao, seleo,
reproduo. Estes vrios procedimentos so implementados num algoritmo de busca, nesse
caso uma busca baseada em populaes. Algoritmos baseados na evoluo tm potencial
suficiente para resolver problemas de engenharia que resistiram soluo por outras
tcnicas mais convencionais. Alm disso, os algoritmos evolutivos so suficientemente
genricos para serem aplicados, sem modificao, a uma variedade de problemas ao invs
de um problema especfico (M ICHALEWICZ & FOGEL, 1998).

1.1

O Homem, o Artista e a Sociedade

Mas a Computao Evolutiva, por si s, insuficiente para englobar todas as etapas que
ocorrem durante o processo de criao artstica. MENDES (2003) faz alguns comentrios
relevantes sobre o livro "Mozart, A Sociologia de um Gnio", do socilogo alemo
NORBERT ELIAS (1995). Segundo MENDES (2003), Elias estabelece com fineza as relaes
2

entre o homem, o artista e a sociedade onde viveu. Para ELIAS (1995), impossvel pensar
a histria de Mozart, como msico, fora do contexto social em que vivia.
Um aspecto incomum nesta obra o tratamento dado questo da criao artstica;
ela considerada sob trs aspectos: inicialmente Freud citado para abordar o lado criador
do trabalho do sonho, onde novas conexes, freqentemente incompreensveis, so
desveladas quele que sonha. Contudo, essas fantasias em geral s interessam a seu prprio
gerador. O que distingue as fantasias inovadoras como obras de arte que elas possam ser
reconhecidas por muitas pessoas. Eis aqui, segundo Elias, a grande dificuldade da criao
artstica: cruzar a ponte entre a fantasia privada e aquela que ele chama de "desprivatizada",
isto , aquela capaz de ser compartilhada por toda uma sociedade. Para efetuar esse passo, o
artista deve ser capaz de subordinar o poder da fantasia, expressa em seus sonhos, s
regularidades intrnsecas do material (seja ele uma pedra, as cores, as palavras, os sons), de
modo que seus produtos sejam livres de todo resduo relacionado experincia pessoal.
Em seguida, ELIAS (1995) aborda a capacidade (alm daquela de fantasiar sobre um
material dado) que o artista deve ter para criar o fluxo de fantasias por meio do material,
sem perder a espontaneidade, o dinamismo e a fora inovadora. Para isso necessria uma
completa intimidade com o material, um treinamento amplo no que diz respeito sua
manipulao, e um grande conhecimento de suas propriedades. O perigo desse treinamento
e desse conhecimento o enfraquecimento da fora e da espontaneidade dessas fantasias.
Finalmente, colocado um terceiro elemento no processo de criao: a conscincia
artstica do produtor. a voz que diz se um resultado bom ou no. Se o artista se desloca
em vias bem estabelecidas, essa conscincia a voz das referncias sociais da arte. Mas, se
o artista amplia as referncias conhecidas, como foi o caso de Mozart, ento ele deve contar
com sua prpria conscincia artstica.
O ponto alto da criao artstica , portanto, alcanado quando a espontaneidade e a
inventividade do fluxo-fantasia se fundem de uma tal maneira com os conhecimentos sobre
as regularidades do material e com o julgamento do artista que as fantasias inovadoras
aparecem por si mesmas, satisfazendo s demandas do material e da conscincia (M ENDES,
2003).
Ser possvel a automatizao de todas as etapas envolvidas nos processos
mencionados acima, de forma a viabilizar um Mozart automtico, compositor, aplicado

ao domnio sonoro? Provavelmente, quando isso acontecer, a rea de Inteligncia


Computacional j ter resolvido aquelas que hoje so suas maiores questes em aberto.
No se pretende apresentar aqui a Computao Evolutiva como panacia, mas no
se pode ignorar o potencial criativo, ou talvez criador, da evoluo, o que talvez venha
atraindo a pesquisa de tantos profissionais da rea de criao, artistas, msicos e designers
para este campo (BENTLEY, 1999; BENTLEY & CORNE, 2002). A Computao Evolutiva
simula caractersticas do processo evolutivo, mais especificamente caractersticas
identificadas pelo homem; e h boas razes para se duvidar, at o momento atual, de que
esse processo esteja completamente entendido e, conseqentemente, que suas
caractersticas estejam completamente identificadas (DAWKINS, 1991). Mas um paradigma
fundamentado num processo to poderoso como a evoluo, do qual no faltam evidncias
de resultados criativos, deve ter a sua fora.

1.2

Criatividade e Computao Evolutiva

Neste trabalho, a Computao Evolutiva foi explorada e aplicada visando a simulao


computacional da criatividade, aplicada aos domnios sonoro e visual. Mas muito longe est
da simulao de um Mozart automtico, no domnio sonoro ou, como ser mencionado
no captulo 6, um Malevich automtico, no domnio visual. As dificuldades se iniciam
com a prpria definio do processo criativo. Como automatizar algo, ainda to pouco
compreendido?
As definies de criatividade adotadas neste texto se baseiam na obra de MARGARET
BODEN (1996, 1998) e MIHALYI CSIKSZENTMIHALYI (1996). Margaret Boden, psicloga
computacional, autora referendada por muitos pesquisadores que, de alguma forma, visam
a simulao computacional da criatividade. Ela mesma comenta a aplicao da Computao
Evolutiva para o tratamento computacional da criatividade (BODEN, 1996). De fato,
verificou-se nesse trabalho que as operaes e procedimentos de crossover, mutao,
avaliao, seleo, reproduo, aparentam ser compatveis e capazes de implementar o que
a autora chamou num contexto mais genrico de trs tipos de criatividade (BODEN,
1998): a criatividade combinatria, a exploratria e a transformadora, as quais sero
tratadas no captulo 2. A preocupao principal de Margaret Boden com a gerao de
idias criativas, ou seja, com o contexto da descoberta, e ela reconhecida por abordar o
4

lado criador do processo. Por idia a autora se refere a uma estrutura que de alguma
maneira satisfaa um estilo de pensamento ou, numa linguagem mais prxima da usada em
computao evolutiva, uma soluo para aquele estilo. soluo e ao estilo esto
associados o espao conceitual, ou o sistema gerativo que sustenta um dado domnio e
define um certo conjunto de possibilidades. Assim, quanto maior for o conhecimento sobre
o espao conceitual, maiores sero as possibilidades de se obter melhores solues, o que
vai de encontro ao segundo aspecto colocado por ELIAS (1995), ou seja, o grande
conhecimento das propriedades do material que est sendo tratado.
Nos algoritmos evolutivos a serem considerados nesta tese, cada cromossomo
contm uma possvel soluo. Em geral, na operao de crossover, por exemplo, usam-se
dois cromossomos para gerar um novo cromossomo. Isto pode ser feito tomando-se partes
de dois cromossomos e colocando-os juntos para formar um novo cromossomo
(MICHALEWICZ & FOGEL, 1998). As solues resultantes so ento combinaes de idias,
e j remetem ao tipo combinatrio de criatividade. Talvez, ao se pensar na representao
mais comum de um cromossomo uma cadeia de genes , parte de um cromossomo
possa parecer muito pouco para conter uma idia, mas importante notar que todos os seres
vivos so de certa forma codificados pelos seus cromossomos. Vale a pena lembrar que, no
domnio computacional, um gene pode estar associado a uma estrutura altamente complexa.
Assim, um cromossomo, no contexto computacional, pode estar associado a uma
combinao de unidades elementares de alta complexidade. Mas, talvez seja demasiado
esperar que cromossomos possam conter informaes sobre procedimentos sofisticados tal
como a embriognese, por exemplo, ou outros, ainda no compreendidos, talvez nem
vislumbrados. De novo, h boas razes para se duvidar que as caractersticas do processo
evolutivo tenham sido completamente identificadas, e possam ser automatizadas.
O outro contexto importante quanto criatividade, tambm apontado por ELIAS
(1995) como terceiro elemento, o da validao, ou seja, o contexto que trata da avaliao
das idias. Este contexto ser apresentado nesta tese, do ponto de vista psicolgico, por
CSIKSZENTMIHALYI (1996). interessante no trabalho desse autor que ele tambm aponta
criatividade como o resultado da interao de um sistema composto de trs elementos: uma
cultura que contm regras simblicas, uma pessoa que traz novidades dentro do domnio
simblico e um jri de especialistas que reconhecem e validam a inovao. E, se o modelo

computacional da evoluo contempla o contexto da descoberta, tambm o contexto da


avaliao tratado nos algoritmos evolutivos. Todos os algoritmos evolutivos tm algum
tipo de funo de avaliao, que usada para determinar o mrito relativo das solues, ou
idias encontradas. As idias encontradas, que em geral so novas, nem sempre so teis ou
criativas. Criatividade, ser visto, necessariamente implica em avaliao positiva
(CSIKSZENTMIHALYI , 1996). A validao de idias um ponto crtico nos modelos
computacionais de criatividade. Um verdadeiro sistema criador precisa conter
mecanismos de avaliao poderosos e isso nem sempre acontece. No domnio da esttica,
mais um complicador surge na questo da avaliao: a subjetividade.
Mas, se a funo de avaliao elemento chave para que a criatividade ocorra, a
verdade que, at mesmo no contexto humano, a validao um ponto crtico. Um
algoritmo gentico que usa o julgamento humano para determinar o fitness chamado
algoritmo gentico interativo (AGI), em referncia sua interface interativa. Esta interface
tipicamente promove a apresentao dos indivduos da populao corrente para um mentor
humano avali-los, e foi essa a abordagem adotada nos sistemas desenvolvidos: o ArtLab,
aplicado criao visual, e o VOX POPULI, aplicado criao sonora. No ArtLab, a
avaliao totalmente deixada por conta do mentor humano; no VOX POPULI houve uma
automatizao do critrio de avaliao, mas fica por conta do elemento humano direcionar
a produo sonora. No AGI, ficam bem definidos os trs elementos caracterizados por
CSIKSZENTMIHALYI (1996), que no conflitam com os apontados por ELIAS (1995) e se
sobrepem s definies de MARGARET BODEN (1998). Se, nas tentativas de simulao de
criatividade computacional em Inteligncia Artificial, as consideraes sociais no so
envolvidas (B ODEN, 1998), h aqui uma semente.
Dado que a arTEbitrariedade se aplica aos domnios sonoro e visual, esttica e
crtica so mencionadas, mas e quanto potica? De acordo com PAREYSON (1989), a
potica e a crtica sempre andam juntas; a potica diz respeito obra por fazer, e a crtica,
obra feita: a primeira tem a tarefa de regular a produo da arte, e a segunda a de avaliar a
obra de arte. So indispensveis ao nascimento e vida da arte, porque nem o artista
consegue produzir arte sem uma potica declarada ou implcita, nem o leitor consegue
avaliar a obra sem um mtodo de leitura mais ou menos consciente.

Ora, dado que esse trabalho se refere principalmente ao tratamento computacional


da criatividade, ou ao possvel nascimento de uma obra, e busca por formas automticas
ou parcialmente automticas de produo artstica, o que seria o equivalente potica, com
relao criatividade computacional, ou a potica computacional? Tal termo j existe
tambm, e no menos controvertido do que o termo criatividade computacional. Mas qual
seria a potica de uma mquina criando? Aqui, houve algum esforo na identificao de
critrios humanos que pudessem ser reproduzidos e automatizados na criao sonora e
visual e eventualmente aplicados criao artstica. A potica, se que existe, apenas se
esboa. Tanto o ArtLab quanto o VOX POPULI so vistos como laboratrios, de onde
resultados interessantes podem emergir. So diferentes de um sistema como o Andarilho
(SDV ILA , 1999), por exemplo, que usa a palavra escrita para criar textos em evoluo
gentica. A finalidade esttica e conceitual do Andarilho gerar novas palavras, sem
compromisso com as j existentes em Portugus, que passam a existir pela atrao do
usurio por sua sonoridade especial e significado ampliado, reverberante.
Mas, tambm de acordo com PAREYSON (1989), esclarecer a potica de um artista
um dos melhores trabalhos que o crtico pode fazer. Assim, ser deixado aos crticos desse
trabalho caracteriz-lo quanto potica, o que, dada a complexidade da tarefa,
considerada uma importante contribuio, no apenas aqui, local, mas para toda a rea de
criatividade computacional.

1.3

Objetivos e Organizao

Do ponto de vista computacional, a arTEbitrariedade interpretada como um processo de


otimizao iterativo e interativo. Alguns aspectos da criatividade humana so comparados a
aspectos do modelo proposto. So colocadas as seguintes questes, e so elas que
motivaram o desenvolvimento desta tese:

o que a computao evolutiva tem de especial frente a outras tcnicas de busca e


otimizao disponveis na literatura?

como conseguir um bom equilbrio entre a participao do homem e da mquina neste


processo de interao, de modo que no seja deixado a cargo do homem aquilo que (j)
pode ser automatizado e no seja deixado a cargo da mquina aquilo que (ainda) no
pode ser devidamente modelado matematicamente?
7

como formalizar esta interao homem-mquina?


Assim, este trabalho est organizado da seguinte maneira: o Captulo 2 trata

basicamente do tema Criatividade e dos seus entrelaamentos com a rea de Inteligncia


Artificial. Foram aqui definidos o conceito de criatividade e suas caractersticas, bem como
as questes que esse tpico, associado ao domnio computacional, tem levantado. A
criatividade tem caractersticas diferentes da inteligncia, mas ambas so normalmente
estudadas conjuntamente. A evoluo introduzida como promotora de resultados criativos
e como mtodo de resoluo de problemas. O Captulo 3 apresenta alguns sistemas
classificados na literatura como criativos, aplicados ao domnio visual. Aqui, eles sero
tratados como sistemas aplicados criatividade. Um destaque foi dado ao sistema Aaron,
por ter sido um dos primeiros sistemas desenvolvidos com esse intuito (COHEN, 1999). O
sistema evolutivo Biomorphs, descrito a seguir, representa um divisor de guas, tendo
influenciado os demais sistemas comentados. O Biomorphs introduziu o AGI, o algoritmo
gentico interativo, tambm aqui aplicado. O Captulo 4 traz uma abordagem pragmtica
para a computao evolutiva, fonte de algoritmos aproximados para processos de busca
baseada em populaes. No Captulo 5, a arTEbitrariedade definida como um processo de
produo artstica auxiliado por computador, baseado em busca iterativa seguida de
interao com o artista. So apresentados os ambientes evolutivos projetados para permitir
a validao da arTEbitrariedade, nos domnios visual (ArtLab) e sonoro (VOX POPULI).
ArtLab e VOX POPULI so, assim, apenas contribuies assessrias da pesquisa. Ao se
desejar intensificar localmente o processo de busca evolutiva, um algoritmo memtico
interativo (AMI) empregado. No Captulo 6, atravs de experimentos com os ambientes
computacionais, aspectos relevantes da arTEbitrariedade so explorados, bem como da
computao evolutiva como modelo computacional de criatividade. Finalmente, no
Captulo 7, so evidenciadas as principais contribuies da tese e so apresentadas as
concluses e perspectivas futuras.

2
INTELIGNCIA ARTIFICIAL E
CRIATIVIDADE
Inteligncia Artificial (IA) estuda os aspectos da inteligncia em geral e seus mtodos para
tentar habilitar os computadores a realizar feitos que a mente humana pode executar, tal
como: ver, falar, contar histrias ou pensar de maneira lgica ou analgica. Mas os
computadores podem ser criativos? A primeira pessoa a denunciar esse absurdo foi Ada
Lovelace (BODEN, 1996), amiga e colaboradora de Charles Babbage, afirmando que os
computadores no podem ter a pretenso de originar qualquer coisa. Eles podem apenas
fazer qualquer coisa que ns saibamos como ordenar a eles que faam. Ela reconheceu que
o Engenho Analtico de Babbage, em essncia um projeto para um computador digital,
poderia em princpio compor peas de msica elaboradas e cientficas de qualquer grau de
complexidade e extenso, mas insistiu que a criatividade envolvida em quaisquer peas de
msica elaboradas e resultantes do Engenho Analtico deveria ser creditada ao engenheiro,
no ao engenho. O Engenho Analtico nunca foi construdo, mas Babbage reconheceu que
sua mquina era capaz de, por exemplo, jogar xadrez, buscando respostas possveis dentre

as alternativas baseadas nos movimentos permitidos a cada lance. TURING (1950 apud
FOGEL, 1995) retrucou o argumento de Lady Lovelace, colocando que sua argumentao
era equivalente a dizer que nenhuma mquina capaz de surpreender, mas ele notou que
freqentemente as mquinas agem de maneira inesperada porque o conjunto de condies
iniciais da mquina geralmente desconhecido; ento, uma previso acurada de todos os
possveis comportamentos dos mecanismos seria impossvel.
Uma interessante reflexo a respeito da criatividade das mquinas levantada por
DARTNALL (1994): desde o Iluminismo Francs h uma crescente difuso do conceito de
que as pessoas podem ser um tipo de mquina. Da mesma forma, h uma percepo de que
as mquinas no podem ser criativas. Assim, h uma tendncia a se acreditar que as pessoas
so mquinas, mas tambm que as mquinas no podem fazer algo que
caracteristicamente humano.
Mas, de acordo com DARTNALL (1994), h dois fatos que decorrem da: se as
mquinas no podem ser criativas, ento (a) elas no podem ser inteligentes; e (b) as
pessoas, que podem ser criativas, no podem ser mquinas. A primeira decorrncia diz
respeito IA, e a segunda s cincias cognitivas. Se as mquinas no podem ser criativas,
elas no podem ter mentes em si, no sentido de serem capazes de gerar suas prprias
idias, e difcil ver como um sistema que no pode gerar suas prprias idias pode ser
inteligente. Isto seria o fim das aspiraes da rea de IA, ao se considerar que o objetivo
maior dessa rea o de desenvolver mquinas inteligentes. Igualmente, se as mquinas no
podem ser criativas, isto seria o fim da viso do Iluminismo Francs de ver o Homem como
Mquina. Isto tambm seria um golpe no corpo das cincias cognitivas, que buscam
modelos computacionais dos processos cognitivos humanos. Mas certamente, se a
criatividade no um processo computacional, ainda assim poderia ser possvel simular
computacionalmente aspectos associados a seus efeitos. No entanto, se as mquinas no
podem ser criativas, a fora motora por trs da cincia cognitiva perde-se, desde que se
considere que as cincias cognitivas so movidas pela crena de que so os processos
cognitivos que interessam, e que estes podem ser realizados tanto por computadores quanto
por crebros.
Assim, coloca DARTNALL (1994), quo contundentes so os argumentos contra a
criatividade da mquina? O grito de que os computadores no podem ser criativos consiste

10

de um conjunto de gritos relacionados. Um deles de que eles no podem ser criativos


porque meramente seguem instrues, mas s vezes as pessoas so instrudas para serem
criativas. Papa Jlio II instruiu Michelangelo para ser criativo quando o indicou para pintar
o teto da Capela Sixtina. Assim, possvel ser criativo e estar seguindo instrues. A
rplica a isso seria que provavelmente ele apenas deu a Michelangelo instrues bem
genricas, enquanto um computador precisa ser instrudo quanto a cada pequena atividade a
realizar. Mas, de fato, atualmente eles no so instrudos em cada ao que executam, pois
isto requereria milhes de instrues por segundo. A rplica agora poderia ser que tudo que
eles fazem decorre de instrues que eles receberam. Mas o que isto significa? Se significa
que a performance da mquina literalmente decorre das instrues recebidas, ento a
premissa falsa, pois se todas as instrues forem escritas num pedao de papel, nada
ocorrer. Presumivelmente, significa que os computadores so projetados para responder de
maneira previsvel a suas instrues, mas mesmo isto no est claro. Significa que os
computadores so previsveis, no sentido de que ns podemos predizer a sada uma vez
conhecida a entrada e mais uma exaustiva enumerao de todos os estados internos da
mquina? Ou significa que os estados internos tambm foram projetados, de forma que a
criatividade tambm do projetista?
Considerando inicialmente a segunda interpretao, pode-se dar a algum uma boa
educao, mas ainda a educao de quem a recebeu. Pode-se ensinar algum a pensar por
si mesmo, mas ainda assim a pessoa pensa por si mesma (DARTNALL, 1994).
E a respeito da outra interpretao, que computadores so dispositivos de entradasada previsveis? A argumentao : criatividade no pode ser previsvel? Jlio II poderia
ter previsto que Michelangelo iria pintar a capela Sixtina criativamente. E a objeo
provavelmente seria que Michelangelo seria criativo, no voltado para o que ele iria criar
(DARTNALL, 1994).
Mas o que esse processo criativo, ou a prpria criatividade? De acordo com o
dicionrio, criatividade definida como qualidade de criador (F ERREIRA , 1975), onde
criador o que cria ou criou, e criar dar existncia a, tirar do nada. Tomada ao p
da letra essa definio, criatividade aparenta ser algo no apenas alm da compreenso
cientfica, mas mesmo impossvel. Mas a criatividade existe, e traz consigo um conjunto de
questes controversas (BODEN, 1996). Como a criatividade pode ser compreendida? Cada

11

idia nova criativa? Se no, qual a diferena? A avaliao positiva essencial? Que tipo
de avaliao, e feita por quem, relevante? A criatividade uma categoria psicolgica ou
social? O processo criativo o mesmo nas artes e nas cincias, ou estas formas de
originalidade so fundamentalmente distintas? Sobre artistas e cientistas, eles tm ou
precisam de personalidades diferentes da pessoa mdia, e talvez diferentes entre si? A
criatividade pode ser medida, e se pode, como? possvel em princpio comparar duas
idias novas para mostrar que uma mais criativa que outra? Ou este tipo de julgamento,
apesar de familiar, alguma coisa que no pode ser justificado em termos objetivos, ainda
mais quantitativos? E, por ltimo, supondo que a criatividade pode ser reconhecida,
possvel explicar como ela acontece?

2.1 O que Criatividade?


De acordo com CSIKSZENTMIHALYI (1996), criatividade no pode ser compreendida
olhando apenas para as pessoas que a fazem acontecer. Assim como o som de uma rvore
caindo na floresta passa desapercebido se no houver l ningum para ouvi-lo, idias
criativas se desvanecem a menos que haja uma audincia receptiva para registr-las e
implement-las. E sem a assessoria de expectadores competentes, no h maneira confivel
de decidir se as expectativas de uma pessoa criativa, de estilo prprio, so vlidas. Assim,
de acordo com esse ponto de vista, criatividade resulta da interao de um sistema
composto de trs elementos: uma cultura que contm regras simblicas, uma pessoa que
traz novidades dentro do domnio simblico e um jri de especialistas que reconhecem e
validam a inovao. Todos os trs elementos so necessrios para uma idia criativa,
produto ou descoberta acontecer.
No exagero dizer que criatividade o equivalente cultural do processo de
mudanas genticas que resultam em evoluo biolgica, onde variaes randmicas
tomam lugar na qumica de nossos cromossomos, alm do limiar da conscincia
(CSIKSZENTMIHALYI , 1996). Estas mudanas podem resultar no sbito aparecimento de
uma nova caracterstica fsica em um indivduo de uma dada gerao, e se a caracterstica
uma melhoria em relao s caractersticas dos demais indivduos que competem pelos
recursos limitados do meio, ter uma grande chance de ser transmitida aos descendentes. A
maioria das novas caractersticas no aumenta as chances de sobrevivncia e pode
12

desaparecer em poucas geraes. Mas algumas poucas contribuem, e so essas que contam
para a evoluo biolgica.
Na evoluo cultural no h mecanismos equivalentes aos genes e cromossomos.
Portanto, uma nova idia ou inveno no automaticamente passada adiante prxima
gerao. Instrues sobre como usar o fogo, ou a roda, ou a energia atmica no so
construdas no sistema nervoso das crianas nascidas aps a descoberta: cada criana tem
que aprend-las do incio. A analogia dos genes na evoluo da cultura so os memes, ou
unidades de informao, que ns precisamos receber como herana para a cultura continuar
(DAWKINS, 1989). Linguagens, nmeros, teorias, canes, receitas, leis e valores so todos
memes; e so estes memes que uma pessoa criativa muda, e se acontecer de as pessoas
certas virem esta mudana como uma melhoria, a mudana torna-se parte da cultura.
Assim, para entender a criatividade, no basta estudar os indivduos criativos; sua
contribuio, enquanto necessria e importante, somente um elo em uma cadeia, uma fase
em um processo. Dizer que Einstein inventou a relatividade uma simplificao
conveniente; a inveno de Einstein teria sido inconcebvel sem o conhecimento a priori,
sem a rede intelectual e social que estimulou o seu pensamento, e sem os mecanismos
sociais que reconheceram e divulgaram suas inovaes.
2.1.1

O DOMNIO , O JRI E O INDIVDUO

Se a criatividade entendida como uma idia ou ao que nova e valiosa, ento no se


pode aceitar o julgamento nico de uma pessoa como o critrio para a sua existncia. No
h como saber se um pensamento novo exceto com referncia a alguns padres, e no h
maneira de dizer se ele valioso at que ele passe por uma avaliao social. Ento, a
criatividade surge da interao dos pensamentos de uma pessoa com um contexto sciocultural. um fenmeno sistmico ao invs de um fenmeno individual. Para ter qualquer
efeito, a idia deve ser elaborada de maneira a ser compreensvel por outros, deve ser
revista por especialistas da rea, e finalmente deve ser includa no domnio cultural ao qual
pertence. Assim, a criatividade observada em termos das inter-relaes de um sistema
composto de trs partes principais (CSIKSZENTMIHALYI, 1996).

13

a) O Domnio
O primeiro componente da criatividade o domnio, que consiste de um conjunto de regras
simblicas e procedimentos. Matemtica um domnio ou, numa resoluo mais fina,
lgebra e teoria numrica podem ser vistas como domnios. Domnios so por sua vez
aninhados no que usualmente chamado de cultura, ou o conhecimento simblico
compartilhado por um grupo em particular, ou pela sociedade como um todo.
b) O Jri
O segundo componente, o jri, consiste de todos os indivduos que atuam como os
mantenedores e atualizadores do domnio. No contexto da atualizao do domnio, seu
trabalho decidir se uma nova idia ou produto deve ser includa em um domnio. Nas
artes visuais, por exemplo, o jri pode ser constitudo por professores de arte, curadores de
museus, colecionadores, crticos e administradores de fundaes e agncias do governo que
lidam com a cultura. Mas estes no so os nicos agentes capazes de selecionar quais novos
trabalhos artsticos devem ser reconhecidos, preservados e relembrados, pois nada impede
que outros agentes sirvam como jri e que caminhos no-oficiais sejam trilhados para se
chegar a uma mudana no domnio.
Alm disso, so inmeras as situaes em que um corpo de especialistas j
estabelecido atua, consciente ou inconscientemente, no sentido de repudiar deliberadamente
as inovaes no domnio, no atendendo de forma alguma os requisitos indicados acima
para caracterizar o jri, visto que no reconhecem nem legitimam qualquer inovao. Isto
particularmente evidente no contexto cientfico (KUHN, 1996).
Independente de quem exerce o papel de jri, de modo a definir o que deve ser feito
com novas idias e produtos, toda atualizao do domnio requer a interveno de um jri.
c) O Indivduo
Finalmente, o terceiro componente do sistema criativo o indivduo. A criatividade ocorre
quando uma pessoa, usando os smbolos de um dado domnio tal como msica, engenharia
ou matemtica, tem uma nova idia ou v um novo padro, e ento esta novidade
selecionada pelo jri para incluso dentro do domnio relevante. A prxima gerao
encontrar a novidade como parte do domnio e, se forem criativos, por sua vez, o
expandiro. Ocasionalmente, criatividade envolve o estabelecimento de um novo domnio.
Poderia ser argumentado que Galileu iniciou a Fsica Experimental e Freud inaugurou a
14

Psicanlise fora do domnio da Neuropatologia. Mas se Galileu e Freud no tivessem sido


capazes de atrair seguidores, suas idias no teriam muito impacto (KUHN, 1996).
Assim, a definio que segue :
Definio 1.1

Criatividade qualquer ato, idia, ou produto que muda um domnio existente, ou


que permite o estabelecimento de um novo domnio.

importante ser lembrado, de qualquer maneira, que um domnio no pode ser


mudado sem o consentimento explcito ou implcito de um jri que responde por ele (oficial
ou extra-oficialmente). E a definio de uma pessoa criativa :
Definio 1.2

Algum cujos pensamentos ou aes mudam um domnio ou estabelecem um novo


domnio.

Isto acima, levado s ltimas conseqncias, no eliminaria a prpria criatividade ?


E quanto aos modelos revolucionrios? A resposta primeira pergunta sim. Mas os trs
componentes do sistema esto em contnua modificao, ou ficaro descaracterizados.
Conforme os domnios evoluem, os critrios de avaliao tambm precisam evoluir, o que
d conta da segunda questo, quanto aos modelos revolucionrios.
De acordo com CSIKSZENTMIHALYI (1996), a criatividade no inerente a nenhum
dos elementos isolados indivduo, jri ou domnio nem, na verdade, a qualquer dupla de
elementos. Em vez disso a criatividade melhor compreendida como um processo dialtico
ou interativo em que participam todos esses trs elementos (GARDNER, 1996).
Seja, por exemplo, um grupo de indivduos de capacidade, talentos e inclinaes
variadas, cada um empenhado em aes de um domnio especfico. Em qualquer momento
histrico, esse domnio tem suas prprias regras, estruturas e prticas dentro das quais os
indivduos so socializados e de acordo com as quais se espera que eles operem. Esses
indivduos encaminham seu trabalho para o jri, que por sua vez examina os vrios
produtos que chamam a sua ateno. Dos muitos indivduos e trabalhos submetidos ao
escrutnio do jri, somente alguns so merecedores de ateno e avaliao continuadas. E
desses trabalhos que so avaliados num dado momento histrico, somente um subgrupo
15

considerado criativo extremamente novo, mas apropriado ao domnio. Os trabalhos (e os


trabalhadores) assim julgados passam a ocupar o lugar mais importante na dialtica: eles
realmente provocam uma reelaborao do domnio. A prxima gerao de estudantes, ou
talentos, trabalhar num domnio que diferente, e dessa maneira a dialtica da criatividade
continua.
2.1.2

A INTERNALIZAO DO S ISTEMA

Ainda, de acordo com CSIKSZENTMIHALYI (1996), uma pessoa que quer realizar uma
contribuio criativa no apenas deve trabalhar dentro de um sistema criativo mas tambm
reproduzir o sistema dentro da sua mente (KUHN, 1996). Em outras palavras, a pessoa deve
aprender as regras e o contedo do domnio, bem como o critrio de seleo, de
preferncia do jri. Na cincia praticamente impossvel fazer uma contribuio criativa
sem internalizar o conhecimento fundamental do domnio. Artistas acreditam que um pintor
no pode fazer uma contribuio criativa sem olhar, muito, a arte anterior, e saber o que
outros artistas consideram bom ou ruim. Escritores dizem que preciso ler muito e
determinar quais so os critrios geralmente adotados para uma boa escrita, antes de se
escrever criativamente. Resumidamente, so necessrios trs aspectos para ser um pensador
original:

ter uma imensa quantidade de informao, um enorme banco de dados, ou o tipo de


memria necessrio para se fazer as coisas que se quer fazer (o domnio);

ser capaz de catalisar idias (a contribuio pessoal);

ter a habilidade de se livrar do lixo. No se pode ter s boas idias, e preciso ser capaz
de se livrar imediatamente das idias ruins, das que no (aparentemente ou
definitivamente) no atendem os objetivos.

Assim, para ser criativa, a pessoa tem que internalizar o sistema inteiro que torna a
criatividade possvel.
Criatividade e Ateno
Ao se desejar mudar alguma coisa, deve-se prestar ateno informao a ser aprendida, e
ateno um recurso limitado. H muita informao a ser processada a cada instante.
Mesmo no caso especfico dos seres humanos, uma grande parte da quota dedicada
16

tarefa de sobreviver a cada dia. Em uma vida inteira, a quantidade de ateno dedicada a
aprender um domnio simblico, tal como msica ou fsica, uma frao dessa quantidade
j pequena. Ainda, para conseguir criatividade em um domnio existente, deve haver
ateno extra disponvel. Por isso, centros tais como a Grcia no sculo V A.C., Florena
no sculo XV e Paris no sculo XIX foram lugares onde a riqueza permitiu que os
indivduos aprendessem e experimentassem mais e alm do que era necessrio para a
sobrevivncia. Tambm parece ser verdade que centros de criatividade tendem a ser a
interseo de diferentes culturas, onde crenas, estilos de vida e conhecimentos se misturam
e permitem aos indivduos verem mais combinaes e contrapontos de idias com mais
facilidade. Nas culturas que so uniformes e rgidas, um grande investimento de ateno
necessrio para se obter novas maneiras de pensar. Em outras palavras, criatividade aparece
mais em lugares onde novas idias requerem menos esforo para serem percebidas.

2.2 Criatividade-H e Criatividade-P


CSIKSZENTMIHALYI (1996) distingue Criatividade de criatividade, esta ltima tambm
um importante ingrediente do dia-a-dia, e que definitivamente deve ser buscado.
perfeitamente possvel fazer uma contribuio criativa sem ser pessoalmente brilhante ou
criativo, assim como possvel que algum de fato criativo nunca contribua em nada para a
cultura. Mas por Criatividade, com C maisculo, o autor entende um processo atravs do
qual um domnio simblico na cultura transformado. Novos estilos, novas idias, novas
mquinas do que a criatividade trata. Mas, para entender as razes pelas quais estas
transformaes no acontecem automaticamente como na evoluo biolgica, necessrio
considerar o preo pago para a criatividade ocorrer. Demanda esforo mudar tradies. Por
exemplo, memes precisam ser aprendidos antes de serem modificados. Um msico precisa
aprender a tradio musical, a notao, a maneira como os instrumentos so tocados antes
de pensar em escrever uma nova cano; antes de um inventor pensar em aperfeioar um
projeto de avio ele tem que aprender fsica, aerodinmica, e como se sustentar no ar
(KUHN, 1996).
Tambm BODEN (1998) distingue dois sentidos de criatividade. Tambm para ela,
criatividade no uma faculdade especial, nem uma propriedade confinada a uma elite
restrita. Ao contrrio, uma caracterstica da inteligncia humana em geral, baseada em
17

capacidades do dia-a-dia tais como associao de idias, memria, percepo, pensamento


analgico, busca em um espao estruturado de representaes e autocrtica. Envolve no
apenas uma dimenso cognitiva a gerao de novas idias mas tambm motivao e
emoo, e estreitamente ligada ao contexto cultural e a fatores da personalidade.
Uma idia criativa tal que nova, surpreendente, e de alguma forma valiosa:
interessante, til. Mas nova tem dois diferentes sentidos: a idia pode ser nova com
respeito somente mente do indivduo ou, at onde se sabe, a toda a histria anterior. A
habilidade de produzir novidades do primeiro tipo chamada de criatividade psicolgica,
ou criatividade-P, e a ltima de criatividade histrica, ou criatividade-H. Criatividade-P a
noo mais fundamental, da qual criatividade-H um caso particular (BODEN, 1998).
Ainda, mesmo uma explanao psicolgica est vinculada ao elemento essencial de valor.
At um clich, que pode ser P-inovador para uma pessoa particular, pode ser validado, se
expressar alguma verdade til. Mas nem todas as idias P-inovadoras so reconhecidas
como contendo valor. Tais julgamentos de valor conduzem extenso cultural, desde que o
que validado por uma pessoa ou grupo social pode ou no ser validado por outros grupos
(BRANNIGAN, 1981).
Mas o enfoque principal de BODEN (1996) com a gerao de idias criativas, no
com sua validao; em outras palavras, com o contexto da descoberta, no com o da
avaliao. Embora admita que o critrio de validao possa fazer parte do processo de
criao, o seu primeiro foco como as idias surgem na mente das pessoas.
O que significa dizer que uma idia no poderia ter surgido antes? Um exemplo da
autora de uma novidade que claramente poderia ter acontecido antes uma sentena tal
como Os abacaxis esto no box do banheiro, prximos s pinturas a leo que pertenceram
a Machiavelli. Esta sentena certamente poderia ter sido gerada pelas mesmas regras
gramaticais que geram outras sentenas. H muitas categorias de sistemas gerativos ou
sistemas de produo: a gramtica de uma determinada linguagem, um esquema de rima
para sonetos, as regras de xadrez ou harmonia tonal, ou um programa de computador. Cada
um destes pode, em algum tempo, descrever um certo conjunto de estruturas possveis. E
cada um poderia ser usado, em um tempo ou outro, produzindo determinadas estruturas. s
vezes deseja-se saber se uma estrutura particular poderia, em princpio, ser descrita por um
esquema especfico, ou um conjunto de regras abstratas. Exemplos: 49 um nmero

18

quadrado? 3.591.471 um nmero primo? Isto um soneto, e aquilo uma sonata? Aquela
pintura do estilo impressionista? Aquele teorema geomtrico poderia ser provado pelo
mtodo de Euclides? Aquela cadeia de palavras uma sentena? Um anel de benzeno
uma estrutura molecular passvel de descrio pela qumica do incio do sculo XIX (antes
do famoso e inspirado devaneio de Friedrich von Kekul, em 1865)?
esse tipo de questo que se aplica ao se perguntar se uma idia criativa ou no,
ao contrrio de como ela surgiu. Mas quando uma estrutura particular produzida na
prtica, pode-se tambm perguntar quais processos participaram de sua produo. Um
particular gemetra provou um teorema particular desta ou daquela maneira? A sonata foi
composta seguindo um livro-texto sobre a forma da sonata? O arquiteto, consciente ou
inconscientemente, projetou a casa tendo em mente determinados princpios formais?
Kekul baseou-se nos ento familiares princpios de qumica para gerar sua idia seminal
sobre o anel de benzeno e, se no, como ele o produziu?
Pode-se ento distinguir novidade de primeira-mo de originalidade radical:
Definio 1.3

Uma idia meramente nova aquela que pode ser descrita e/ou produzida pelo
mesmo conjunto de regras gerativas como so outras idias familiares. Uma idia
genuinamente original ou radicalmente criativa uma que no pode.

Assim, Boden afirma que a atribuio da criatividade sempre envolve referncia


tcita ou explcita a algum sistema gerativo especfico. Segue tambm que restries
longe de serem opostas criatividade tornam a criatividade possvel. Jogar fora todas as
restries seria destruir a capacidade de pensamento criativo. Processos puramente
aleatrios, se produzirem qualquer coisa interessante de alguma maneira, resultam apenas
em curiosidades primrias, no em surpresas radicais. Boden admite, no entanto, que em
alguns contextos, aleatoriedade pode s vezes contribuir para criatividade. De acordo com a
autora, a rea de IA deve se concentrar primariamente na criatividade-P. Se bem sucedida
na modelagem da criatividade-P, ento em alguns casos ocorrer a criatividade-H, o que de
fato j aconteceu, como ser visto no Captulo 3. Em outras palavras, a criatividade-H um
caso particular da criatividade-P, o que razovel, pois a criatividade-H criatividade-P
tambm.

19

Como uma contribuio importante para a concepo de modelos computacionais de


criatividade, a serem devidamente explorados no contexto desta tese, BODEN (1998)
tambm formaliza trs maneiras de gerar atos, idias ou produtos criativos, as quais sero
apresentadas na prxima seo.

2.3 Trs Tipos de Criatividade


H trs principais modos reconhecidos de gerao de criatividade. Cada um dos trs resulta
em surpresas, mas somente um, o terceiro, pode levar ao choque que acompanha um ato,
idia ou produto realmente inovador. Logo, os indivduos criativos universalmente
reconhecidos so mais freqentemente associados ao terceiro tipo, embora todos os tipos
incluem alguns exemplos de criatividade-H.
2.3.1

CRIATIVIDADE COMBINATRIA

O primeiro modo, que ser chamado de criatividade combinatria, envolve novas ou


improvveis combinaes de idias familiares. Exemplos incluem poesia, e tambm
analogia, onde duas ou mais idias associadas de forma inovadora compartilham alguma
estrutura conceitual coerente. Analogias so s vezes exploradas e desenvolvidas ao longo
de um processo de argumentao, para propsitos de retrica ou resoluo de problemas.
Mas mesmo a mera gerao ou apreciao de uma analogia interessante envolve um
mapeamento estrutural judicioso, no necessariamente consciente, onde as similaridades da
estrutura so no apenas notadas mas tambm julgadas em termos de sua fora e
profundidade.
2.3.2

CRIATIVIDADE EXPLORATRIA

O segundo e o terceiro modos esto estreitamente ligados, e so mais similares um ao outro


do que ao primeiro. So chamados de criatividade exploratria e criatividade
transformadora. O segundo modo, a criatividade exploratria, envolve a gerao de novas
idias pela explorao de espaos conceituais estruturados. Isto freqentemente resulta em
estruturas, ou idias, que so no apenas novas, mas inesperadas e reconhecidas quanto
satisfao das premissas do estilo de pensamento a que se referem.

20

2.3.3

CRIATIVIDADE TRANSFORMADORA

O ltimo modo envolve a transformao de uma ou mais dimenses do espao, de forma


que novas estruturas que no poderiam ter ocorrido antes possam ser geradas. Quanto mais
fundamental a dimenso usada, mais poderosa a transformao, e mais surpreendentes as
novas idias sero.
Estes dois modos de criatividade se confundem. A distino entre uma mudana de
ponto de vista e uma transformao at certo ponto uma questo de julgamento, mas
quanto mais bem definido o espao, mais clara esta distino pode se manifestar.
Muitos cientistas, artistas e msicos construram uma respeitvel reputao usando
criatividade combinatria e exploratria. Isto , eles herdaram um estilo aceito de
pensamento de sua cultura e trabalharam no sentido de buscar os limites e fazer uso de todo
o potencial do respectivo domnio. Mas algumas vezes o espao conceitual conhecido era
transformado, alterando, removendo ou adicionando uma ou mais dimenses. Tais
transformaes habilitam a gerao de idias que, com relao quele espao, eram
anteriormente inatingveis.
Quanto mais fundamental a transformao, ou a dimenso que transformada, mais
diferentes as possivelmente novas estruturas sero. A surpresa que acompanha tais idias,
previamente impossveis, muito maior que a surpresa ocasionada por meras
improbabilidades, no importa quo inesperadas elas possam ser. Se as transformaes so
extremas, a relao entre o antigo e o novo espao no ser imediatamente aparente. Em
tais casos, as novas estruturas sero ininteligveis, e muito provavelmente rejeitadas. De
fato, pode passar algum tempo para que a relao entre o espao original e o espao
transformado seja reconhecida e genericamente aceita.
Estes trs modos de criatividade constituem um modelo computacional. Em geral
aqueles focados no segundo modo, exploratrio, so os mais bem sucedidos, o que no
significa dizer que a criatividade exploratria fcil de reproduzir. Pelo contrrio,
tipicamente requer considervel conhecimento do domnio e poder analtico para
primeiramente definir o espao conceitual e a seguir especificar procedimentos que
habilitem a explorao de seu potencial. Mas criatividade combinatria e transformadora
so ainda mais vagas. As razes para isso, brevemente, so a dificuldade de se aproximar
da riqueza da memria associativa humana e da dificuldade de identificar valores humanos

21

e express-los na forma computacional. A primeira dificuldade confunde as tentativas de


simular criatividade combinatria. A ltima dificuldade diz respeito a qualquer modo de
criatividade, mas especialmente problemtica com respeito criatividade transformadora.

2.4 Espaos Conceituais


Com respeito ao processo mental usual no domnio relevante (qumica, poesia, msica,
etc.), se uma idia genuinamente original ou radicalmente criativa no pode ser descrita
e/ou produzida pelo mesmo conjunto de regras gerativas, como so outras idias familiares,
ento uma idia criativa no apenas improvvel mas impossvel. Como poderia ela surgir,
ento? E como pode uma idia impossvel ser mais surpreendente, mais criativa que outras?
Se o ato da criao no mera combinao, ou o que KOESTLER (1964) chamou a
bissociao de matrizes no relacionadas, o que ? Como pode a criatividade
possivelmente acontecer? Para isto, BODEN (1996) introduz a noo de espao conceitual:
Definio 1.4

Espao conceitual o sistema gerativo que sustenta um dado domnio e define um


certo conjunto de possibilidades. As dimenses de um espao conceitual so os princpios
organizadores que unificam e do estrutura a um determinado domnio do pensamento.

Os limites, contornos, trajetrias e a estrutura de um espao conceitual podem ser


mapeados pelas suas representaes mentais: movimentos de xadrez, ou estruturas
moleculares, ou melodias de jazz, por exemplo. Tais mapas mentais podem ser usados, no
necessariamente conscientemente, para explorar e mudar os espaos envolvidos.
Espaos conceituais podem ser explorados de vrias maneiras. Algumas exploraes
apenas mostram alguma coisa sobre a natureza do espao conceitual relevante que no
tinha sido explicitamente notada antes. Em contraste, outras exploraes mostram os
limites do espao, e talvez identifiquem pontos nos quais mudanas possam ser feitas em
uma dimenso ou outra. s vezes o espao conceitual envolve um processo repetitivo,
movendo-se de um ponto para outro, eventualmente alcanando uma regio onde algo
deveria acontecer.
Para superar uma limitao em um espao conceitual, ele deve ser mudado de
alguma maneira. O espao conceitual pode ser mudado, sem ter atingido os seus limites.
22

Uma pequena mudana em uma dimenso relativamente superficial de um espao


conceitual como abrir uma porta em uma sala oculta em uma casa j construda. Uma
grande mudana uma transformao, especialmente em uma dimenso relativamente
fundamental mais como a construo imediata de uma nova casa, de um tipo
fundamentalmente diferente, apesar de relacionado com a casa anterior.
Um exemplo complexo de explorao estrutural e mudana pode ser encontrado na
msica ocidental ps-Renascentista. Esta msica baseada em um sistema gerativo
conhecido como harmonia tonal. De suas origens ao fim do sculo XIX, as dimenses
harmnicas desse espao foram continuamente foradas a abrir novas possibilidades e
regies implcitas nelas a partir do princpio. Finalmente, uma transformao maior gerou o
profundamente no familiar, ainda que proximamente relacionado, espao da atonalidade.
Um outro exemplo de explorao extensa, desta vez com um mapa para gui-la, foi a
atividade cientfica gerada pela tabela peridica de Mendeleyev. Esta tabela, produzida em
1860 para um livro-texto introdutrio em Qumica, arranjou os elementos em linhas e
colunas de acordo com as propriedades e comportamentos observados. Todos os elementos
dentro de uma dada coluna eram similares. Mas Mendeleyev deixou vazios na tabela,
prevendo que elementos desconhecidos viriam eventualmente a ser descobertos para
preencherem estes vazios. Em 1879, um novo elemento, o escndio, foi descoberto, com as
propriedades que Mendeleyev tinha previsto. Mais tarde, novos elementos foram
descobertos para preencher os outros vazios na tabela. E ainda, a tabela, baseada nas
propriedades observadas, foi descoberta para a classificao em termos de nmero atmico.
Esta classificao explicava por que os elementos se comportavam na forma sistemtica
percebida por Mendeleyev.
Os exemplos acima mostram como a explorao pode levar a novas idias. De fato,
freqentemente resulta em novas idias, tais como a modulao atmica, que so
freqentemente tidas como criativas. Desta forma, a explorao conceitual um tipo de
criatividade. Mas de qualquer maneira a explorao de um espao conceitual uma coisa, a
transformao outra.
O que transformar um espao conceitual? A geometria no-euclidiana, por
exemplo, resultou de derrubar o quinto axioma de Euclides, a respeito de linhas paralelas se
encontrando no infinito. Esta transformao foi primeiramente proposta por Lobachevsky,

23

como um preldio explorao de um espao geomtrico de alguma forma diferente do


espao euclidiano. Somente muito mais tarde ela se mostrou til em Fsica.
Um outro modo genrico de transformar espaos conceituais considerar a
negativa, isto , negar uma restrio, o que diferente de derrub-la. Um exemplo bem
conhecido da negao de uma restrio diz respeito descoberta de Kekul do anel de
benzeno. Enquanto ele cochilava numa poltrona junto lareira, os tomos comearam a
rodopiar diante de seus olhos (I NGLIS, 1987).

Dessa vez os grupos menores ficaram, modestamente, no fundo. Meu


olho mental, aguado pela repetio de vises dessa natureza, distinguia
agora estruturas maiores, de mltipla conformao; longas fileiras, s
vezes estreitamente ajustadas umas s outras; todas elas a enroscar-se, a
torcer-se em movimentos serpentinos. Mas olhem! Que era isso? Uma
das

serpentes

apanhara

prpria

cauda

forma

rodava

zombeteiramente diante dos meus olhos. Como pelo claro de um


relmpago, acordei.

Esta viso foi a origem de sua intuio de que a molcula de benzeno deveria ser
uma anel, uma intuio que foi posteriormente confirmada. Antes disso, Kekul tinha
suposto que todas as molculas orgnicas eram baseadas em cadeias de tomos de carbono.
Ele tinha suposto uma teoria de cadeia alguns anos antes. Mas para o benzeno, as valncias
dos tomos constituintes no assentavam. Pode-se compreender como foi possvel passar de
cadeias para anis, caso se considerem trs evidncias psicolgicas (BODEN, 1996).
Primeiro, que cobras e cadeias estavam associadas em seu pensamento. Segundo, que a
distino topolgica entre curvas abertas e fechadas estava presente em sua mente. E
terceiro, que a heurstica considerar a negativa estava presente. Tomados juntos, estes
trs fatores podem transformar uma cadeia em um anel.

2.5 As Questes de Lovelace


Se o comentrio de Lady Lovelace significa meramente que um computador pode fazer
somente o que seu programa o habilita, est correto. Mas tem sido questionado se seu
24

comentrio nega qualquer possvel ligao interessante entre computadores e


criatividade. BODEN (1996) enumera quatro questes, que ela chama de questes
Lovelace:
1) Conceitos computacionais podem nos ajudar a entender como a criatividade humana
possvel?
2) Os computadores, agora ou no futuro, podero realizar atividades que ao menos
aparentem ser criativas?
3) Um computador pode aparentar reconhecer criatividade, em poemas escritos por
humanos, por exemplo, ou em suas prprias novas idias sobre cincia ou matemtica?
4) Os computadores podem de fato ser criativos, ao contrrio de meramente produzir uma
performance aparentemente criativa, cuja originalidade principalmente creditada ao
programador humano?

As respostas que Boden prope para as primeiras trs questes so: Sim,
definitivamente; Sim, at certo ponto; Sim, necessariamente, para qualquer programa que
aparente ser criativo. O principal interesse de Boden focado na criatividade dos seres
humanos, e a abordagem computacional pode ajudar a entender como a criatividade
humana possvel. Isto no significa que a criatividade previsvel, nem mesmo que uma
idia original possa ser explicada em cada detalhe aps ela ter acontecido. Mas a
abordagem computacional permite o esboo de uma compreenso cientfica de como a
intuio ocorre.
Quanto ltima das questes, vale a pena lembrar que, afinal, mesmo entre os
humanos, gnios so raros. Talvez a psicologia computacional, rea que extrai muitos dos
seus conceitos da inteligncia artificial, possa trazer algumas luzes para essa pergunta. A
psicologia da criatividade pode se beneficiar da IA e da cincia da computao
precisamente porque um computador pode fazer somente o que o seu software o habilita a
fazer. Por um lado, os conceitos computacionais e sua expresso disciplinada em termos de
linguagens de programao podem ajudar a especificar os princpios gerativos claramente;
por outro lado, a modelagem computacional pode mostrar na prtica o que um sistema
gerativo em particular pode ou no pode fazer. Os resultados tendem a ser surpreendentes,
pois o potencial gerativo de um programa nem sempre bvio: o computador pode fazer

25

coisas que no lhe foram ordenadas explicitamente e, tambm freqentemente, falham em


realizar tarefas que se acreditava terem sido especificadas em instrues. TURING (1950) j
apontava para esta questo, afirmando que se esperada a infalibilidade de uma mquina,
ento esta mquina no pode expressar qualquer comportamento inteligente. Repare que a
possibilidade de falha no deve ser interpretada aqui apenas no sentido de erros de clculo,
mas como a possibilidade de no se atender a objetivos previamente definidos. Os
algoritmos aproximados, a serem descritos no Captulo 4 no contexto da computao
evolutiva, se apresentam como casos concretos desta forma alternativa de concepo do
papel do computador.

2.6 Inteligncia e Criatividade


Suponhamos que se queira construir um organismo, uma forma artificial de vida que tenha
a maior chance de sobreviver em um ambiente complexo e imprevisvel, tal como o nosso
planeta. Algum mecanismo deve ser construdo nesse organismo que ir prepar-lo para
confrontar tantos perigos sbitos e tirar vantagem de tantas oportunidades quantas
possivelmente apaream, caso se queira que ele sobreviva em um ambiente dinmico e
complexo (CSIKSZENTMIHALYI , 1996). Para isso, certamente o organismo projetado seria
basicamente conservativo, tal que aprenda as melhores solues do passado e se mantenha
repetindo-as, tentando economizar energia, ser cuidadoso e prosseguindo com os melhores
padres de comportamento experimentados. Mas a melhor soluo deveria tambm incluir
um sistema alternativo em alguns poucos organismos que daria um reforo positivo a cada
vez que eles descobrissem alguma coisa nova ou surgissem com uma idia nova ou
comportamento, imediatamente til ou no. especialmente importante certificar que o
organismo no seria recompensado apenas por descobertas teis, de outra forma ele seria
severamente limitado no futuro, porque nenhum projetista poderia antecipar todos os tipos
de situaes que as espcies de novos organismos poderiam encontrar amanh, no prximo
ano ou na prxima dcada (CSIKSZENTMIHALYI , 1996). Assim, a melhor soluo uma que
faa o organismo se sentir bem quando alguma coisa nova descoberta, independentemente
de sua utilidade presente.
Aparentemente foi isso o que aconteceu com a nossa espcie atravs da evoluo.
Atravs de mutaes randmicas, alguns indivduos devem ter desenvolvido um sistema
26

nervoso no qual a descoberta de novidade estimula os centros de prazer no crebro.


possvel que crianas mais curiosas corram mais riscos e, portanto, so mais provveis de
morrer mais cedo que os seus companheiros mais pacatos, mas tambm provvel que os
grupos humanos que aprenderam a apreciar as crianas curiosas e as protegeram e
recompensaram, de modo que alcanassem a maturidade e tivessem seus prprios filhos,
tenham sido mais bem sucedidos que os grupos que ignoraram o potencial criativo em seu
meio (CSIKSZENTMIHALYI , 1996).
As prprias organizaes esto imersas em outros grupos e processos histricos
maiores. No caso de centros de pesquisa, uma depresso econmica ou uma mudana nas
prioridades polticas pode privilegiar uma linha de pesquisa e prejudicar outras. As guerras
so notrias em afetar a direo da cincia e, indiretamente, das artes em geral. Os prprios
testes de QI devem muito de seu sucesso necessidade do exrcito americano ter uma
maneira de selecionar recrutas para a Primeira Guerra Mundial. Depois, a tecnologia de
teste foi transportada para o campo da educao, onde alcanou uma proeminncia que
muitos educadores consideraram perturbadora.
Ao se tomar como objeto de estudo os organismos que se reproduzem
biologicamente, verifica-se que eles existem em um meio limitado em recursos. Por
conseqncia h uma competio pelos recursos disponveis (FOGEL, 1995). A seleo
natural inevitvel em qualquer sistema auto-replicativo que preencha um espao de
recursos disponveis, e aos poucos elimina aquelas variantes que no adquirem recursos
suficientes. Ento, enquanto a evoluo como um processo sem propsito, o primeiro
objetivo com propsito imbudo em todos os sistemas vivos a sobrevivncia. As variantes
que no exibem comportamentos que vo ao encontro desse objetivo tendem a ser
eliminadas. Os comportamentos geneticamente pr-programados dos sobreviventes, e ento
o objetivo de sobrevivncia, so reforados a cada gerao, atravs de intensa competio.
Para qualquer organismo, ou sistema, ser inteligente, ele precisa ser capaz de tomar
decises. Talvez o atributo bsico de um organismo inteligente a sua capacidade de
aprender a executar vrias funes em um ambiente dinmico, de modo a sobreviver e
prosperar (CARNE, 1965 apud FOGEL, 1995). De acordo com ATMAR (1976 apud FOGEL,
1995), inteligncia a qualidade que permite ao organismo sentir, reagir, aprender e

27

subseqentemente adaptar o seu comportamento ao ambiente presente de modo a melhor


promover sua prpria sobrevivncia.
Qualquer deciso pode ser descrita como a escolha de como alocar os recursos
disponveis. Um sistema inteligente deve fazer frente a um conjunto de decises, porque se
houvesse apenas uma deciso no haveria escolha. Mais ainda, decises requerem um
objetivo. Sem a existncia de um objetivo, a tomada de deciso torna-se sem sentido e a
inteligncia de tal entidade torna-se de uma qualidade no significativa. importante notar
que qualquer autmato cujo comportamento, isto , pares estmulo-resposta que dependem
do estado do organismo, completamente pr-programado, no pode aprender nada, nem
tomar decises.
Mas esta definio de inteligncia no precisa se restringir a entidades naturais,
podendo assim ser estendida s mquinas. No contexto descrito acima, a inteligncia uma
caracterstica de tomadores de deciso orientados a propsitos, de modo que ela se aplica
igualmente bem a humanos, colnia de formigas, certos tipos de robs autnomos e assim
por diante. Mais genericamente, pode ser definida da seguinte maneira (FOGEL, 1995):
Definio 1.5

Inteligncia a capacidade de um sistema adaptar o seu comportamento de modo a


atingir seus objetivos em um conjunto de ambientes.

A definio acima sugere que uma formiga no pode ser inteligente, mas uma
colnia de formigas sim. evidente que esta definio de inteligncia muito genrica e
pouco discriminatria, posicionando o ser humano e uma colnia de insetos num mesmo
agrupamento. No entanto, ela no afirma que no podem existir gradaes bem distintas de
inteligncia, de modo que o ser humano apresente peculiaridades de inteligncia
definitivamente ausentes em outros seres vivos, como o nvel de desenvolvimento da
linguagem, dentre muitas outras habilidades. O que relevante apontar aqui que no
necessrio reproduzir em computador estas habilidades mais avanadas, mais elaboradas e
at exclusivas do ser humano para se chegar a um sistema que expresse inteligncia
artificial, bastando reproduzir aquelas habilidades que conduzem ao atendimento da
definio acima e que tambm esto presentes no ser humano, mas no so exclusivas da
espcie humana.

28

J os testes de criatividade devem sua existncia Segunda Guerra Mundial, quando


a fora area requisitou J. P. Guilford, psicloga da University of Southern Califrnia, para
estudar o assunto. A fora area queria selecionar pilotos que, em uma emergncia a falha
inesperada de uma engrenagem ou instrumento respondessem apropriadamente com
comportamento original, salvando a si mesmos e aeronave. Os testes de QI usuais no
tinham sido projetados para medir a criatividade. Guilford foi solicitada para desenvolver o
que mais tarde se tornou conhecido como testes para o raciocnio divergente. Como
psicometricista, e argumentando que a criatividade no de forma alguma igual
inteligncia, Guilford afirmou a necessidade de um arsenal de medidas que designassem
quais indivduos tinham potencial para serem criativos.
A idia-chave na concepo de criatividade do psiclogo o pensamento divergente
(GARDNER, 1996). Pelas medidas-padro, considera-se que as pessoas inteligentes so
convergentes pessoas que, a partir de certos dados ou de um problema difcil, conseguem
chegar a muitas associaes diferentes, e pelo menos algumas dessas so idiossincrticas e
possivelmente nicas. Itens tpicos num teste de criatividade pedem o mximo possvel de
usos para um tijolo, uma srie de ttulos para uma estria, ou vrias interpretaes de um
desenho abstrato. Um indivduo psicometricamente criativo pode habitualmente produzir
um espectro de respostas divergentes a um item desse tipo, e pelo menos algumas delas
raramente so encontradas nas respostas dos outros.
Aps considerveis debates e experimentaes nas dcadas seguintes ao desafio de
Guilford, os psiclogos chegaram a trs concluses, sendo que a primeira delas que
criatividade no o mesmo que inteligncia. Howard Gardner mudou a maneira de se
pensar sobre inteligncia, desfazendo a noo comum de que ela uma capacidade nica
que cada ser humano possui, em maior ou menor extenso, e introduzindo uma viso
pioneira da criatividade (GARDNER, 1996). Embora esses dois traos, inteligncia e
criatividade, estejam correlacionados, um indivduo pode ser muito mais criativo do que
inteligente, ou muito mais inteligente do que criativo.
A segunda concluso que os testes de criatividade so reprodutveis, ou seja, se o
mesmo indivduo faz o mesmo teste de criatividade mais de uma vez, ele provavelmente
ter um escore semelhante.

29

A ltima concluso devastadora para as tentativas de medir criatividade usando-se


testes de lpis e papel. Apesar de alguns achados sugestivos, no foi possvel demonstrar
que os testes de criatividade so vlidos. Isto , escores altos num teste de criatividade no
indicam que a pessoa seja necessariamente criativa na sua atual profisso ou em atividades
de lazer, e tambm no existem evidncias convincentes de que os indivduos considerados
criativos por sua disciplina ou cultura necessariamente apresentam as habilidades de
pensamento divergente, que so tidas como a marca registrada da criatividade.
Os testes de criatividade deixaram de satisfazer as expectativas que deveriam
satisfazer. Muitos crticos questionaram os testes de criatividade pela viso de criatividade
humana aparentemente banal incorporada por eles. Uma conduta alternativa desenvolver
itens de teste mais exigentes. Num dos testes favoritos, o teste das trs linhas, a pessoa
desafiada a conectar nove pontos arranjados numa matriz de trs a trs, sem erguer o lpis.
O movimento criativo neste teste consiste em estender a linha alm dos limites da
configurao do alvo. Esses problemas comeam a refutar a acusao de banalidade, mas
eles tendem a favorecer as pessoas que j esto familiarizadas com o domnio em questo,
por exemplo; tecnologia de raios X, problemas geomtricos; e possuem pouca relao
demonstrvel com a criatividade fora do ambiente de teste. Tambm favorece os indivduos
que se destacam na soluo de problemas visuais, enquanto penalizam os que se sentem
mais vontade com nmeros ou palavras.
Entretanto, os testes de criatividade desencadearam algumas reaes construtivas
entre os pesquisadores de orientao cognitiva. Os pesquisadores dessa linha de pesquisa
depreciam a superficialidade dos itens psicomtricos de criatividade, assim como a falta de
clareza sobre os processos mentais supostamente utilizados para resolver esses itens. Em
vez disso, esses pesquisadores cognitivos tm por objetivo uma investigao da resoluo
de problemas em escala cientfica baseada em computadores, um processo que exige
mecanismos de pensamento criativo para a obteno de uma soluo original.
Num exemplo tpico, os pesquisadores desenvolveram um programa de computador
chamado BACON. Quando suprido com dados brutos (no-processados) por exemplo, a
respeito de vrias presses sobre um gs e o volume que esse gs correspondentemente
ocupa o programa computa um princpio fundamental neste caso, a mesma razo
inversa entre presso e volume que Robert Boyle descobriu no sculo XVII e que veio a ser

30

conhecida como a lei de Boyle. Os programas de computador desse tipo conseguiram


redescobrir muitas leis cientficas atravs da induo e generalizao.
No pior dos casos, essas simulaes de computador constituem demonstraes ou
provas de existncia ilustraes de que uma entidade computacional pode, quando
alimentada com dados relevantes, produzir uma lei cientfica. Entretanto, isso de forma
alguma prova que o BACON e os cientistas humanos empregam processos idnticos ou
equivalentes. De acordo com CSIKSZENTMIHALYI (1996), o programa de computador
precisa comear com o problema e os dados fornecidos na forma especfica escolhida pelo
cientista cognitivo, e precisa utilizar os algoritmos com que foi programado para selecionar.
Em contraste, o solucionador humano de problemas precisa selecionar o problema a ser
investigado, determinar quais, de uma infinidade de dados potenciais, so relevantes para a
soluo do problema, e verificar que tipo de anlise deve fazer nos dados para chegar a uma
soluo, criando diligentemente novas formas de anlise quando necessrio.
Embora as afirmaes especficas sejam um tanto quanto evidentes, a abordagem
geral dos cognitivistas constitui um claro passo frente. Pesquisadores cognitivos, entre
eles Margaret Boden, descrevem como os indivduos criativos identificam espaos de
problemas e solues que parecem promissores, investigam esses espaos em busca de
abordagens apropriadas para o problema em questo e de condutas que tragam bons
resultados, avaliam solues alternativas para os problemas, empregam recursos de energia
e tempo para fazer avanar de modo eficiente seu programa de investigao, e determinam
quando investigar mais a fundo e quando seguir em frente e, de modo mais geral, refletem
sobre seus prprios processos criadores. Alguns pesquisadores cognitivos mostraram esses
princpios em ao em domnios especficos, tais como a improvisao em jazz ou a escrita
imaginativa. No todo, os cognitivistas identificaram maneiras de examinar o trabalho
criativo em um nvel apropriado de complexidade.

2.7 Criatividade e Evoluo


No h como negar que muito improvvel que os seres vivos, to bem desenhados,
projetados, tenham surgido por acaso. Mas como, ento, eles surgiram? A resposta de
Darwin : por transformaes simples, passo a passo, a partir de incios simples, a partir de
entidades primordiais suficientemente simples para terem surgido por acaso (DAWKINS,
31

1991). Cada mudana sucessiva no processo evolucionrio gradual era suficientemente


simples, com relao ao seu predecessor, para ter surgido por acaso. Mas a completa
seqncia de passos acumulados no outra coisa seno um processo casual, ao se
considerar a complexidade do produto final em relao ao ponto de partida. Mas o processo
cumulativo direcionado pelo instinto da sobrevivncia.
Ao se andar ao longo de uma praia pedregosa, nota-se que as pedras no esto
arrumadas aleatoriamente. As pedras menores tipicamente tendem a ser encontradas em
regies segregadas ao longo do comprimento da praia, enquanto que as maiores em
diferentes regies ou tiras. As pedras foram escolhidas, arranjadas, selecionadas. Uma tribo
vivendo prxima da costa poderia querer saber ou adivinhar a respeito dessa evidncia de
ordem ou arranjo no mundo, poderia desenvolver um mito para explic-lo, talvez atribuindo
a um Grande Esprito no cu com uma mente meticulosa e um senso de ordem. Mas o
arranjo foi realmente feito pelas foras cegas da fsica, neste caso pela ao das ondas. As
ondas no tm propsito ou inteno, nenhuma mente meticulosa ou no meticulosa. Elas
apenas energeticamente atiram as pedras em volta, e as pedras grandes e as pedras
pequenas respondem diferentemente a esse tratamento, de modo que elas terminam em
diferentes pontos na praia. Uma pequena quantidade de ordem emergiu da desordem, e
nenhuma mente a planejou.
As ondas e as pedras juntas constituem um exemplo simples de um sistema que
automaticamente gera a no-aleatoriedade. O mundo cheio de tais exemplos, o mais
simples de todos provavelmente o buraco: somente objetos menores podem passar atravs
dele. Isto significa que, caso se inicie com uma coleo randmica de objetos acima do
buraco, e se foras os chacoalharem acima e abaixo aleatoriamente, aps um certo tempo os
objetos acima e abaixo do buraco estaro no-aleatoriamente ordenados. O espao acima
tender a conter objetos maiores que o buraco e o espao abaixo tender a conter objetos
menores que o buraco. Este princpio bsico tem sido h muito explorado pelo homem
atravs da peneira ou filtro.
O sistema solar um arranjo estvel de planetas, cometas e meteoros orbitando ao
redor do sol, e presumivelmente um dos muitos sistemas orbitando no universo. Quo
mais prximo um satlite est do sol, mais rpido ele tem que viajar para compensar a
gravidade do sol e manter-se numa rbita estvel. Para qualquer dada rbita, h somente

32

uma velocidade em que o satlite pode viajar e permanecer naquela rbita. Se ele estivesse
viajando a qualquer outra velocidade, ele poderia mover-se ou no espao vazio, ou em
direo ao sol, ou mudar de rbita. E caso se olhe para os planetas do sistema solar, cada
um deles est se deslocando velocidade exata necessria para se manter em sua rbita
estvel ao redor do sol. Eis a um outro filtro natural, no podendo assim ser tomado
como evidncia de um projeto consciente.
Mas exemplos tais como o filtro no so, por si mesmos, nem de longe suficientes
para os inmeros exemplos de ordem no-aleatria encontrados nos seres vivos. Gerar uma
molcula biolgica como a hemoglobina, o pigmento vermelho do sangue, por uma simples
filtragem seria equivalente a tomar todos os blocos de aminocidos da hemoglobina,
sacudi-los aleatoriamente e esperar que a molcula da hemoglobina se constitua por pura
sorte. A quantidade de sorte necessria para isso seria impensvel. A molcula da
hemoglobina consiste de quatro cadeias de aminocidos torcidas juntas; apenas uma dessas
cadeias consiste de 146 aminocidos e h 20 diferentes tipos de aminocidos comumente
encontrados nos seres vivos. O nmero de possveis maneiras de se arranjar os 20
aminocidos em cadeias de comprimento 146 20146 , denominado por Isac Asimov de
nmero da hemoglobina (haemoglobin number), que da ordem de 1 com 190 zeros
direita. Esta a chance contra se obter a hemoglobina por pura sorte, e uma molcula de
hemoglobina tem somente uma frao mnima de um ser vivo. Filtragem ou triagem
simples, por si s, no nem de longe capaz de gerar a quantidade de ordem de um ser
vivo; algo mais necessrio. Para isso, necessrio uma distino entre seleo passo a
passo e seleo cumulativa. A organizao encontrada nos seres vivos pode ento ser
interpretada como o resultado de seleo cumulativa.
A diferena essencial entre a seleo passo a passo e a seleo cumulativa que na
seleo passo a passo as entidades selecionadas ou escolhidas, pedras ou quaisquer que
sejam, so escolhidas de uma vez por todas. Na seleo cumulativa, por outro lado, elas se
reproduzem ou, de outro modo, os resultados de um processo de triagem so alimentados
em uma triagem subseqente, a qual alimentada no prximo, e assim por diante. As
entidades esto sujeitas seleo ou escolha de muitas geraes em sucesso. O produto
final de uma gerao de seleo o ponto de partida para a prxima gerao de seleo, e
assim por diante, por muitas geraes. A seleo cumulativa, seja na seleo artificial como

33

num modelo computacional, ou na seleo natural como no mundo real, um procedimento


de busca eficiente, e suas conseqncias so muito semelhantes inteligncia criativa.
Procedimentos efetivos de busca tornam-se, quando o espao de busca suficientemente
grande, indistinguveis da verdadeira criatividade (DAWKINS, 1991).
H uma grande diferena entre seleo cumulativa, na qual qualquer melhoria, ainda
que pequena, usada como uma base para construo futura, e a seleo passo a passo, na
qual cada nova tentativa uma nica. Se o progresso evolutivo se limitasse seleo passo
a passo, no teria chegado a lugar algum. Mas se, de alguma maneira, as condies
necessrias para a seleo cumulativa tivessem sido instaladas pelas foras cegas da
natureza, estranhas e surpreendentes seriam as conseqncias. Nuvens, por exemplo, no
so capazes de entrar na seleo cumulativa. No h mecanismo em que nuvens de forma
particular possam dar origem a novas nuvens parecidas consigo mesmas. Certamente,
nuvens se quebram e formam nuvens filhas s vezes, mas isto no suficiente para a
seleo cumulativa.
A Evoluo, aqui com E maisculo, no tem nenhum objetivo distante, nada para
servir como um critrio para a seleo. Na vida real, o critrio para a seleo sempre a
curto prazo, seja a sobrevivncia simples ou, mais genericamente, o sucesso reprodutivo. O
que aparenta ser o progresso em relao a algum objetivo distante sempre uma
conseqncia incidental de muitas geraes de seleo imediata. A seleo natural
cumulativa cega quanto ao futuro e no tem objetivos de longo prazo. Mas, se o processo
cego, a curto prazo, no h dvida que muitos resultados criativos podem surgir dele, a
longo prazo.
Um modelo computacional pode suprir este ponto. Na vida real, a forma de cada
animal individual produzida pelo desenvolvimento do embrio. A evoluo ocorre
porque, em geraes sucessivas, h pequenas diferenas no desenvolvimento. Estas
diferenas surgem por causa de mudanas mutaes e recombinaes, os quais so
exemplos de operadores que introduzem aleatoriedade no processo nos genes controlando
o desenvolvimento. H muitas maneiras de se implementar essas operaes num modelo
computacional (DAWKINS, 1991).

34

2.8 A Evoluo e o Mtodo Cientfico


As novas teorias cientficas normalmente representam uma mudana no domnio existente,
ou ento o estabelecimento de um novo domnio. Sendo assim, por definio, o mtodo
cientfico deve envolver a criatividade. Se a evoluo apresenta resultados criativos,
possvel que haja alguma associao entre evoluo e o mtodo cientfico.
De fato, o mtodo cientfico descreve adequadamente os mecanismos envolvidos
num processo evolutivo, pois ambos vo envolver combinao, explorao e transformao
de espaos conceituais. Isto ser visto na seqncia para o mtodo cientfico (FOGEL, 1995),
mas apenas no Captulo 4 um estudo equivalente ser realizado para a evoluo. Esta forte
vinculao entre evoluo e mtodo cientfico deriva de inmeras associaes e analogias
possveis, mas a mais marcante sem dvida a natureza cumulativa de eventos iterativos,
que fundamenta ambos os paradigmas.
Da linha de argumentao acima, pode-se extrair duas concluses importantes:

a eficcia do mtodo cientfico pode ser diretamente empregada para demonstrar que os
processos evolutivos so eficazes, devido equivalncia entre ambos;

a necessidade de etapas criativas ao longo da aplicao do mtodo cientfico implica a


necessidade de etapas equivalentes ao longo do processo evolutivo.

1. Observe algum fenmeno do universo;


2. Proponha uma soluo tentativa, ou seja, uma hiptese, consistente com o fenmeno
desejado;
3. Repita os passos abaixo at que no haja mais discrepncia entre teoria e
experimento ou observao:
3.1 Use a hiptese para realizar predies;
3.2 Teste estas predies atravs de experimentos ou novas observaes;
3.3 Modifique a hiptese com base nos resultados do teste.
Algoritmo 2.1 Verso bsica do mtodo cientfico

O mtodo cientfico um processo iterativo que facilita o ganho de conhecimento


sobre os processos existentes num ambiente observvel. Aspectos desconhecidos do
ambiente so estimados e novas informaes so coletadas e de alguma forma associadas a
35

informaes prvias ou resultados conhecidos, derivados de medidas recentemente


adquiridas.
Uma nova teoria cientfica se mostra necessria quando h uma disparidade
reconhecida entre a realidade dos fatos e os indicadores da teoria em vigor. Uma verso
bsica do mtodo cientfico pode ser apresentado no algoritmo 2.1 (KUHN, 1996).
Quando a consistncia, ou ausncia de discrepncia, obtida, a hiptese (ou
conjunto de hipteses) se torna uma teoria, a qual fornece um conjunto coerente de
proposies que explica uma classe de fenmenos do universo (VON ZUBEN , 2001). Assim,
uma teoria cientfica no aceita por causa do prestgio ou poder de convencimento do seu
proponente, mas atravs de observaes e/ou experimentos que podem ser reproduzidos por
qualquer pessoa interessada em valid-la (refut-la ou aceit-la). No entanto, nem sempre
os experimentos podem ser realizados. Ao se estudar o cosmo, por exemplo, todas as
informaes so obtidas atravs da observao de fenmenos e realizao de medidas.
Neste caso, as teorias so baseadas na extrao de regularidades nos dados obtidos, ou
busca de padres, as quais so ento explicadas por leis fsicas.
Os resultados obtidos usando um mtodo cientfico so reprodutveis, o que garante
que toda teoria cientfica pode ser submetida a um processo de validao. Em outras
palavras, toda teoria cientfica passvel de reproduo. De fato, geralmente os
experimentos e observaes so repetidos muitas vezes e, caso as hipteses originais que
fundamentam uma teoria no sejam verificadas, a origem dessa discrepncia deve ser alvo
de intensa investigao, de modo a conduzir ao refinamento, abandono ou substituio por
uma nova teoria que esteja de acordo com os dados produzidos pelos experimentos e/ou
observaes. Para tanto, novas hipteses so levantadas e testadas, at que uma nova teoria
seja validada.
evidente que todo processo de validao depende da capacidade de obteno e
anlise de dados. Quanto menor a qualidade da informao obtida por experimentao ou
observao, menor a capacidade de refutao e maior o elenco de teorias cientficas
passveis de aceitao. Por outro lado, quanto maior a qualidade da informao obtida por
experimentao ou observao, maior a capacidade de refutao e menor o elenco de
teorias cientficas passveis de aceitao. Surge ento a necessidade de distino entre
teorias cientficas e no-cientficas. Os dois exemplos a seguir servem a este propsito:

36

Teoria 1: Marte povoada por homens verdes pequenos que podem ler a mente de todos os
terrqueos e iro se esconder toda vez que um terrqueo estiver observando o planeta ou o
explorando in loco, procura deles.

Teoria 2: No h homens verdes pequenos em Marte.

A teoria 1 no cientfica, pois os homens verdes pequenos foram concebidos de


modo a nunca serem observados. Assim, essa teoria no refutvel. A teoria 2 cientfica,
pois pode ser refutada caso se encontre um nico exemplar de homem verde povoando
Marte.
Sendo assim, a afirmao de que a cincia no pode incorporar nada que no tenha
sido provado, a qual representa uma crtica freqente ao mtodo cientfico, no se aplica;
trata-se de uma interpretao errnea do mtodo cientfico. A essncia do mtodo cientfico
est no fato de que a cincia no pode incorporar nada que no admita ser refutado um dia
(POPPER, 1992). Fatos considerados impossveis no passado, assumindo a irrefutabilidade
das teorias cientficas ento em vigor, certamente levaram ao abandono temporrio de
muitas teorias cientficas que hoje representam uma realidade. Mas em virtude da natureza
refutvel das teorias cientficas, esta realidade de hoje em nenhum momento pde ser
considerada uma impossibilidade pela prpria cincia. H uma clara distino, portanto,
entre aquilo que hoje no pode ser refutado, ou que sustenta as teorias cientficas que esto
em evidncia, e aquilo que nunca pde nem poder ser refutado, que nunca poder sustentar
nenhuma teoria cientfica.
Conclui-se, assim, que o mtodo cientfico representa um processo poderoso de
proposio de hipteses que ainda no podem ser refutadas, embora sejam refutveis, e
portanto so candidatas a descrever a verdade dos fatos ou, mais precisamente, a explicar a
realidade observvel (POPPER, 1992).
De acordo com o esquema adotado para descrever o mtodo cientfico (veja figura
2.1), quando um novo conjunto de fenmenos precisa ser explicado por uma teoria
cientfica, mas no pode ser descrito de forma consistente pelas teorias cientficas j
propostas e at ento no refutadas, h a necessidade de conjugao de aspectos

37

complementares de teorias existentes, proposio de refinamentos de alguma teoria


existente, ou ento concepo de novas teorias. Sendo assim, os conceitos de combinao,
explorao e transformao de espaos conceituais passam a ser fundamentais para explicar
o mtodo cientfico.

Testes

modificar hipteses
na presena de
discrepncias
Observaes

Hipteses

Predies

Teoria
Figura 2.1 Diagrama descritivo do mtodo cientfico

FOGEL (1995) realizou um estudo preliminar a respeito da equivalncia entre


evoluo e o mtodo cientfico, mostrando que h associaes diretas entre estes dois
paradigmas. Nesta tese, a associao vai se dar em termos dos tipos propostos para a
gerao da criatividade, presentes em ambos. Os conceitos de combinao, explorao e
transformao de espaos conceituais, no contexto de evoluo, sero melhor abordados no
Captulo 4.

38

3
SISTEMAS APLICADOS
CRIATIVIDADE
No decorrer das dcadas, muitas tm sido as tentativas de construir programas que
capturam aspectos dos processos criativos em todos os tipos de domnio. O campo muito
vasto para percorrer em um nico captulo. BODEN (1990) apresentou um excelente sumrio
de vrios tipos de projetos. Inteligncia Artificial o campo em que muito dessa pesquisa
acontece e trs principais reas desta cincia esto comumente envolvidas na pesquisa
associada a sistemas criativos: sistemas baseados no conhecimento, gramticas e busca
iterativa.
Sistemas baseados no conhecimento (SBC) existem em vrias formas, mas sua
caracterstica a incorporao do conhecimento do especialista de algum domnio,
usualmente na forma de regras. Certamente, desde que um SBC precisa de regras de um
especialista de um domnio, as regras em si precisam ser adquiridas do(s) especialista(s).
De acordo com a discusso do Captulo 2, isto eliminaria a possibilidade de um SBC ser
criativo, mas resultados aparentemente teis e agradveis podem surgir de uma explorao

39

restrita dentro da abrangncia do conhecimento em estudo. Isto tem sido freqentemente


visto em SBCs aplicados msica, que incorporam conhecimento do estilo de um
compositor particular e que so usados para produzir novas composies naquele estilo. Por
exemplo, EBCIOGLU (1988) discute um sistema que harmoniza corais no estilo de J. S.
Bach, e PACHET et al. (1996) discutem um sistema para improvisaes em jazz em tempo
real. Ambos incorporam vrios aspectos do conhecimento sobre os estilos das msicas nos
domnios de interesse, e tentam gerar novidades dentro das possibilidades admitidas pela
implementao.
Gramticas representam uma maneira alternativa de representar conhecimento em
um dado domnio. As gramticas incorporam regras sobre as linguagens. A gramtica da
lngua inglesa, por exemplo, especifica que os adjetivos devem ser apresentados antes dos
nomes a que se aplicam; na lngua portuguesa esta regra pode ou no se aplicar. Em ambas,
e de fato na maioria das linguagens naturais, violaes das regras tendem a ser permitidas, e
esta flexibilidade facilita a criatividade. As gramticas tm ocupado uma parte da IA por
vrias razes, usualmente referindo-se tentativa de compreender computacionalmente as
linguagens naturais, ou traduzi-las de uma para outra. Seu papel na criatividade abrange
desde projetos arquitetnicos ou composies musicais at comandos numa linguagem. Por
exemplo, um trabalho pioneiro neste tema foi realizado por STINY & MITCHELL (1978 apud
BODEN, 1996) que compilou uma gramtica para o projeto de vilas no estilo Palladio.
Trabalhos posteriores incluem os de KONING & EIZENBERG (1981 apud BODEN, 1996), que
apresentaram uma gramtica para a gerao de projetos de casa no estilo das casas de Frank
Lloyd Wright.
Os sistemas descritos a seguir esto entre aqueles classificados na literatura como
criativos. Aqui, sero tratados como sistemas aplicados criatividade. Todos eles j
receberam vrias menes, de diferentes reas do conhecimento, e traam uma linha
histrica que vai dos sistemas baseados no conhecimento at os sistemas baseados em
algoritmos evolutivos. H ainda muitos outros, sendo que a escolha por aqueles que sero
apresentados nas prximas sees aconteceu por serem bastante representativos do que se
pretende tratar nesta tese.

40

3.1 A ARON , UM ARTISTA B ASEADO NO C ONHECIMENTO


Entre os mais provocativos de todos os sistemas aspirando criatividade est Aaron, um
artista computacional desenvolvido no decorrer de duas dcadas por Harold Cohen, um
pintor e professor de arte. A primeira vez em que exibiu seu trabalho foi em uma
conferncia da rea de computao em 1971. No incio de 1972, Cohen exps no Los
Angeles County Museum of Art. Para o catlogo, ele declarou que iniciou usando o
computador buscando formatos explicitamente estruturados para certos jogos de cores e
somente gradualmente veio a perceber, talvez inadvertidamente, que achou os aspectos
estruturais reunidos mais absorventes que as prprias cores. Os novos desenhos eram como
mapas e de trs diferentes tipos, que Cohen caracterizou como mapas de contornos, mapas
territoriais, e quebra-cabeas. Exemplos de desenhos realizados por programas para a
exposio Three Behaviors for Partitioning Space, apresentadas por Harold Cohen em
Los Angeles so mostrados nas figuras 3.1, 3.2 e 3.3. Ele acreditava que todos
compartilhavam de uma caracterstica em comum: todos envolviam a partio do espao da
tela, apesar de em maneiras distintas e com resultados distintos do ponto de vista da
manipulao das cores. Mas estes primeiros desenhos enderearam uma questo
fundamental: eles tinham sido gerados por uma mquina. A mquina era alimentada apenas
com umas poucas regras para fazer desenhos; no sabia nada a respeito do mundo, nem
tinha nenhum propsito de comunicao. Quando um artista desenha, pergunta-se o que ele
tem em mente, no o que ele tem nas mos. Mesmo quando ele tem uma grande habilidade,
admira-se a habilidade e ainda pergunta-se o que o artista tem em mente que requer tal
habilidade. Mas o plotter executa no mais e no menos do que comandado, de modo que
a ao est com o computador. A analogia implcita mente-mo / computador-plotter
deveria ser tratada com cuidado. Desde que Cohen escreveu os programas para a gerao
dos desenhos, ele deu mquina sua identidade. A mquina estava fazendo o que ele,
Cohen, tinha em mente (MCCORDUCK, 1991).
Cohen estava fazendo a inevitvel extenso do argumento de Leonardo da Vinci: o
trabalho manual envolvido na pintura no mais essencial ao processo de produo
artstica do que o trabalho manual envolvido em escrever poesia. Mas as pessoas
confrontadas com o plotter tinham que ser lembradas: o conhecimento estava residente em
um programa que animava o computador, e o conhecimento tinha sido extrado da mente de
41

Cohen. E o que ele tinha em mente? Declarado no catlogo, desde que ele estava
trabalhando com computadores, ele no tinha em mente fazer desenhos naturalistas a pastel.
No porque seria difcil, mas porque seria inapropriado. Mas ele tambm no tinha em
mente desenhar aquelas interminveis figuras geomtricas identificadas como computer
art. O que o fascinava no computador no era a sua preciso, nem sua prodigiosa
capacidade para executar tarefas, nem mesmo sua versatilidade; era a sua habilidade de
construir uma funo de tomada de deciso complexa, que beirava os estranhos e lgicos
processos humanos. A mquina no era importante para ele, mas o seu uso tornava possvel
a formulao precisa e rigorosa de modos de clarificar aqueles processos e os processos em
geral envolvidos nas atividades artsticas. Oito anos mais tarde, o filsofo francs JeanFranois Lyotard observaria que tais atos de exteriorizao estavam transformando a
natureza de todo o conhecimento, e radicalmente predisse que qualquer conhecimento no
traduzvel dessa maneira seria abandonado.

Figura 3.1 Mapas de contornos (MCCORDUCK, 1991)

Para Cohen, usar o computador no essencialmente diferente de modos


alternativos de comportamento em arte, mas programar um computador para fazer escolhas
ao invs de escolher por si mesmo essencialmente diferente. Ao ser uma vez indagado
sobre o que ele entendia por inspirao, ele respondeu: Para mim, s existe uma coisa:
escolha. Aps a implementao de um procedimento computacional simples, de seguir um

42

caminho at o fim e ento retornar at um ponto de quebra, e iniciar novamente ao longo de


um outro caminho, o programa passou a se chamar Tree-Search.

Figura 3.2 Mapas territoriais (MC CORDUCK, 1991)

Harold Cohen um caso muito especial porque diz respeito a um artista que teve
grande prestgio na Inglaterra nos anos 60 e que poderia ter dado continuidade a uma
carreira estvel e confortvel, se alguma inquietao profunda no o tivesse levado a
abandonar a pintura, migrar para os Estados Unidos, e integrar-se a um circunspecto grupo
de cientistas que promovia pesquisas no terreno da Inteligncia Artificial, na tentativa um
tanto quixotesca poca, de construir uma mquina de pintar controlada por computador.
Carente de formao matemtica e cientfica, Cohen teve de amargar mais de uma dcada
estudando linguagens de computador, at que estivesse em condies de mostrar
publicamente sua mquina funcionando ao vivo e produzindo pinturas remotamente
figurativas. O mais curioso nas imagens produzidas pelo Aaron que elas no apenas
43

jamais repetem a iconografia e a geometrizao convencionais da computao grfica,


como tambm no se repetem a si mesmas. O programa se baseia em uma srie de regras e
metas, mas situaes aleatrias se encarregam de suavizar a rigidez dessas diretrizes. Alm
disso, um sistema de realimentao faz o computador voltar sempre para trs, na tentativa
de se corrigir, se aperfeioar, checar o seu progresso e determinar os passos a serem dados
em seguida. No existindo uma autoridade central que controle o cumprimento integral das
regras e metas, o sistema depende ento de agentes autnomos que se comunicam apenas
no plano local, como se fossem formas orgnicas tentando se adaptar ao ambiente
(MACHADO, 1997).

Figura 3.3 Quebra-cabeas (MCC ORDUCK, 1991)

Se os quadros concebidos pelo Aaron no suportam termos de comparao com


obras de Pollock, Newman, Rothko ou Dubuffet, preciso considerar, entretanto, que
Cohen no visa exatamente resultados em termos de imagens, mas o processo de
construo de Aaron como um meio de explorar as suas prprias idias sobre arte. Em
geral, Cohen sempre evitou expor os desenhos, mas preferia mostrar a prpria mquina
produzindo-os, no porque os desenhos no fossem bons por sua avaliao ou a partir da
crtica, mas porque o objetivo principal de Aaron clarificar os processos envolvidos nas
atividades de fazer arte (COHEN apud M CCORDUCK, 1991). Sua obra Aaron e no as
imagens que este ltimo permite conceber.

44

Cada um dos desenhos de Cohen explora um certo estilo de desenho de linha e um


certo tema (BODEN, 1996). O programa pode desenhar acrobatas com grandes bolas de
praia (ver figura 3.4), por exemplo, ou figuras humanas na profusa vegetao de uma selva.

Figura 3.4 Desenho a computador (BODEN, 1996)

Da mesma forma que os artistas figurativos tm que saber sobre as entidades que
eles esto representando, cada programa precisa de um modelo interno de seu tema, que o
seu sistema de produo, ou a gramtica do corpo, no caso, que especifica, por exemplo,
no somente a anatomia do corpo humano (dois braos, duas pernas), mas tambm como as
vrias partes aparecem dos diferentes pontos de vista. O brao de um acrobata apontando
para o observador se apresentar em escoro; um brao flexionado ter um bceps saliente;
e um brao atrs do corpo de um outro acrobata estar invisvel. O programa pode desenhar
acrobatas com apenas um brao visvel, mas no pode desenhar acrobatas com um nico
brao, pois o seu modelo do ser humano no suporta tal representao. Os programas
contm regras lidando com a estabilidade do corpo humano e com o balano da pintura,
45

algumas das quais podem implicitamente ou explicitamente assumir que todas as pessoas
tm quatro membros. Assim, uma pessoa com um nico brao colocada cuidadosamente no
papel pareceria desbalanceada, se o critrio esttico guiando a colocao supusesse uma
pessoa de dois braos. O critrio de avaliao pode entrar na gerao da estrutura
conceitual, bem como na sua seleo/rejeio posterior.
Os programas de Cohen so como desenhistas de um nico estilo. O estilo pode ser
bastante rico, ou o sistema gerativo bastante poderoso, de modo que os desenhos sejam
individualmente imprevisveis; mas o estilo facilmente reconhecido. Somente Cohen pode
mudar as restries contidas no programa, habilitando-o a desenhar figuras que no foram
desenhadas antes. Para ser capaz de transformar seu estilo, um programa precisaria de uma
meta-representao das restries usadas no nvel inferior. O potencial criativo de um
sistema auto-transformante depende de como ele representa a sua habilidade, e quais
heursticas esto disponveis para modificar aquelas representaes e ento aumentar o seu
poder de expresso.
3.1.1

O COMPORTAMENTO -X

Cohen (1999) no considera Aaron criativo. Enfatiza ainda que criativo um termo que,
se puder, no usa, mas confessa que quando pensa na produo de um Bach ou Mozart,
entre outros, acha difcil negar que de fato h um comportamento-X que aparenta ser
distinto de inteligncia, e tenta identificar nos seres humanos elementos essenciais do
comportamento-X, seja ele chamado de criatividade ou no, seja ele distinto de inteligncia
ou no. Apesar de Harold Cohen reconhecer no ter a formao psico-pedaggica
necessria para a anlise que ser relatada a seguir, ele tinha sua filha Zana, na poca com
quatro anos. Os determinantes do comportamento de Zana eram relativamente ditados pela
inexperincia, e comeou a observar o seu comportamento no desenho. Observou o rabisco,
a passagem para as formas fechadas, a descoberta de dois narizes (narinas), a aplicao de
estratgia aprendida na escola, ao colocar a mo no papel para desenh-la. Neste caso, ela
sempre fechava a forma ao levantar a mo do papel, ilustrando a preocupao cognitiva
com a forma fechada. Aps isso, comearam a surgir sugestes de unhas e juntas nos
dedos. Quando comeou a desenhar aqueles pequenos brinquedos corda que caminham,
colocou pernas nos desenhos, apesar de que os brinquedos no tinham pernas.

46

Figura 3.5 Baleia lanada praia na Holanda.


Gravura, 1598.

Figura 3.6 Annimo, italiano: Baleia lanada praia em


Ancona. Gravura, 1601.

Vale a pena comentar aqui que isto no essencialmente um erro, apesar de revelar
uma falha de observao, mas uma evidncia clara de que, ao desenhar, crianas e adultos
representam os modelos internos do mundo externo, e no o mundo em si. GOMBRICH
(1989) ilustra bem isso, atravs de uma gravura romana de 1601, que alega que a estampa
representa uma gigantesca baleia lanada praia perto de Ancona (veja figura 3.6) e
desenhada exatamente a partir do natural (Ritratto qui dal naturale appunto). A alegao

47

seria fidedigna se no existisse gravura anterior registrando incidente semelhante na costa


holandesa, em 1598 (veja figura 3.5). Mas, sem dvida, os artistas holandeses do fim do
sculo XVIII, mestres do realismo, eram capazes de retratar uma baleia. Pois no foi o caso
desta vez, ao que parece; o animal aparenta ter orelhas. O desenhista enganou-se, tomando
uma das nadadeiras do cetceo por orelha, e por isso colocou-a perto demais do olho.
Tambm ele foi induzido por um esquema familiar, o esquema da cabea tpica. Desenhar
qualquer coisa desconhecida apresenta maior dificuldade do que geralmente se imagina, e
essa provavelmente foi a razo pela qual o artista italiano annimo preferiu copiar a baleia
de outra gravura. No colocada em dvida a parte da legenda que d a notcia como
procedente de Ancona, mas o trabalho de copiar outra vez a baleia do natural no foi
realizado.
HOFSTADTER (1985) enfatiza que a percepo de uma pessoa sobre uma situao
normalmente distorcida por conceitos de alto nvel e objetivos. No exemplo sugerido por
ele, h trs observadores numa mesma sala: o primeiro v uma mulher no canto tricotando
com agulhas de madeira. O segundo v uma me carinhosa cuidadosamente remendando a
roupa rasgada do filho; e o terceiro v uma cansada trabalhadora proletria explorada pelo
capitalismo. De fato, esses trs observadores podem estar todos dentro de uma nica
cabea: dependendo do interesse em cada momento, algum pode ver a cena de qualquer
destas maneiras. Em cada caso, a representao da situao relevante aos interesses do
observador.
3.1.2

ADAPTAO E O COMPORTAMENTO -X

Cohen inclinado a pensar que h uma diferena entre o conhecimento que foi
internalizado ao ponto em que o especialista no mais se percebe recorrendo a ele, e o
conhecimento que no foi conscientemente adquirido em primeiro lugar, de forma que o
especialista nunca soube que ele o tinha. Ainda de acordo com COHEN (1999), adaptao ou
reciclagem de formas e tecnologias de produo em contextos outros, alm daqueles em
que as formas e as tecnologias se originaram, clara caracterstica do desenvolvimento de
crianas, bem como de manifestaes de comportamento-X em adultos. Para a pequena
Zana, uma linha longa ligada a uma forma fechada tornou-se uma margarida; linhas curtas
saindo de uma forma fechada produziram o sol ou um leo. Ainda, Cohen observou que

48

alguns meses depois Zana comeou a introduzir textos em seus desenhos, j que os
livros, lidos por seus pais, eram parte de sua vida.

Figura 3.7 O smbolo de So Mateus, C. 690.


Pgina com iluminura dos Evangelhos de
Echternach (GOMBRICH, 1986)

Muitos so os exemplos nesse sentido, sendo que GOMBRICH (1986) ilustra com o
smbolo de So Mateus (figura 3.7). Os escribas de Nortmbria, Inglaterra, eram
maravilhosamente hbeis no entrelaamento de formas e no desenho de letras. Diante da
tarefa de copiar a imagem de um homem, smbolo do evangelista So Mateus, oriundo de
uma tradio inteiramente diversa da sua, deram-se por satisfeitos em constru-la com as
unidades que sabiam manejar com tanta percia. A soluo criativa, por enfrentar o
49

desafio do inslito de modo surpreendente e bem-sucedido: o artista maneja a forma das


letras como maneja seu instrumento, com completa segurana, criando dela a imagem
simblica de um homem.
Todos os artistas j tiveram a oportunidade de experimentar a descoberta de algo
no-intencional surgindo no seu trabalho, mas que causou uma mudana de direo, e a esta
observao Cohen atribui um elemento crtico do comportamento-X: o indivduo descobre
algo em seu trabalho que no havia sido conscientemente colocado l. Se estas
propriedades emergentes resultam da justaposio de elementos conceituais dspares, ou se
resultam da complexidade tecnolgica da forma de produo, no importa. O indivduo
encontra propriedades no trabalho que no foram conscientemente buscadas nem
intencionadas, mas que sem dvida derivaram em novas estruturas conceituais, novas
maneiras de usar a tecnologia, ou mesmo sugerem a modificao de estrutura ou uso de
objetivos previamente concebidos. Mas, se a emergncia um componente necessrio do
comportamento-X, no um componente suficiente. Para o comportamento-X se
manifestar para o artista maduro, o artista deve tambm notar que algo emergiu, e estar
preparado para atuar sobre o que aquele algo sugere. O comportamento-X normalmente no
se manifesta num simples e inesperado relance, mas numa contnua capacidade de automodificao ou adaptao.
3.1.3

OS ELEMENTOS DO COMPORTAMENTO -X

Em essncia, COHEN (1999) reconhece, ao observar sua filha, trs elementos presentes na
realizao de uma atividade. Primeiro, a emergncia, que implica numa sucesso de
eventos suficientemente complexa para garanti-la. Segundo, a ateno de que algo emergiu,
e aqui ele distingue ateno consciente da inconsciente. Somente uma pequena parte de
toda a informao apresentada aos sentidos consciente, o que no significa que
desaparece sem deixar resduo. Mas h evidncias de que a maior parte da informao que
chega ao crebro no absolutamente consciente. Terceiro, sem a qual dificilmente se
saberia que a ateno ocorreu, a disposio de agir de acordo com as implicaes do que
emergiu. Isto certamente implica numa motivao distinta em cada indivduo. Alm disso,
Cohen acrescenta um quarto elemento ainda no observado na pequena Zana:
conhecimento. Em sua opinio, uma grande quantidade de conhecimento em alguma rea

50

no garante que o comportamento-X acontecer em um indivduo, mas o comportamento-X


no acontecer sem ele.
Quanto de cada desses elementos pode se esperar que se manifeste em um programa
de computador? Quanto ao primeiro elemento, a emergncia, aparentemente no h
problema quanto crescente complexidade de um programa a no ser a capacidade do
programador de manter controle do que o programa est fazendo. Quanto ao terceiro
elemento, a disposio, certamente um programa pode ser escrito de forma a atuar sobre o
que lhe solicitado, desde que seja provido o cdigo necessrio. Quanto ao quarto
elemento, o conhecimento, no h em princpio razo pela qual um corpo de conhecimento
arbitrariamente grande, relativo a um tema especfico, no possa ser fornecido a um
programa.
O problema est quanto ao segundo elemento, a ateno do programa quanto s
propriedades que emergem, imprevistas e no antecipadas, de suas aes. Mas certamente
este no o nico problema, deve estar claro que a maneira como as questes foram
respondidas com relao a um programa de computador no significa o mesmo que
significaria com respeito a um ser humano. verdade que pode ser dado a um sistema uma
quantidade de conhecimento arbitrariamente grande, mas isso no significa que seria este
conhecimento o usado por um ser humano ao resolver o mesmo problema. Pode ser
verdadeiro que o programa possa ser escrito para atuar de acordo com o que o programador
deseja, mas certamente isto no o mesmo que um ser humano atuando de acordo com o
que ele quer, ou seja, por livre vontade. Cohen enfatiza com respeito ao Aaron que ele
uma entidade, no uma pessoa, e seu inconfundvel estilo artstico um produto de sua
essencialidade, no de sua personalidade. Em termos funcionais, Aaron faz o que um
artista faz: pinta. Por muito tempo, Cohen supriu as cores para os desenhos de Aaron, mas a
possibilidade de ter o sistema pintando por si mesmo perseguiu-o por muitos anos at se
tornar um imperativo. A figura 3.8 apresenta uma pintura a computador feita por Aaron. J
na figura 3.9 o desenho foi feito pelo Aaron e a pintura, a leo, por Cohen. Na concepo
de Cohen, o comportamento-X manifesta-se na capacidade de contnua auto-modificao,
ao invs de nos objetos resultantes. Aaron iniciou como um programa de desenho h trinta
anos atrs e evoluiu, graas ao contnuo envolvimento de Cohen, para a pintura figurativa,
retratos de pessoas imaginadas. Mas Aaron tambm no uma receita de pintura; a

51

complexidade de sua estrutura garante que o programa em si no pode predizer exatamente


o que acontecer com a pintura como processo, o que, afinal, foi chamado de emergncia.
Uma significativa proporo de suas decises tem que responder ao estado da pintura no
momento em que as decises acontecem.

Figura 3.8 Pintura a computador


Tinta sobre papel, 1995 (C OHEN, 1999)

Figura 3.9 Mother and Daughter


leo sobre tela, 1997 (C OHEN, 1999)

52

O nvel de resposta promissor, mas no satisfaz ao segundo critrio do


comportamento-X, que requer que Aaron esteja atento ao que emerge, espontaneamente, do
exerccio de sua prpria produo. Aaron responde a alguma parte do que emerge, mas isto
ocorre porque h um conjunto de propriedades as quais Aaron est sempre verificando. Elas
definem o que o artista humano est sempre verificando no trabalho artstico corrente, os
aspectos dignos de ateno. De certa forma, este conjunto de propriedades define o que
Aaron . Mas Aaron no nota nada do que est fora do conjunto. Ele no pode notar, por
exemplo, se os elementos do plano frontal ocupam exatamente metade do espao total, ou
se a cor do fundo tornou-se precisamente complementar cor do objeto principal. Mas,
tambm, os seres humanos nem sempre notam isso. Mais corretamente, Aaron poderia
notar tais aspectos, mas somente se eles forem includos no conjunto de caractersticas que
ele deve observar.
Ainda, Cohen nota que Aaron falha com relao ao terceiro critrio tambm: a
habilidade de agir de acordo com a significncia das propriedades emergentes. A maior
limitao de Aaron o fato de que ele no tem capacidade de auto-modificao, porque
Cohen sempre considerou auto-modificao um exerccio de programao sem sentido a
menos que ele pudesse ser guiado pela existncia no programa de critrio de mais alto nvel
e pela habilidade do programa de julgar o grau de satisfao. Neste caso, o critrio de mais
alto nvel seria pintar como verbo, e no pintar como objeto.
Aps cinqenta anos dedicados pintura, Cohen ainda se considera incapaz de
externar o critrio para pintar como verbo, menos ainda de construir aquela capacidade
dentro do programa. Assim, como o autor de um programa capaz de gerar inmeras
imagens de qualidade de museu, originais, a cada ano, perpetuamente, Cohen no
reconhece Aaron como sendo criativo, at que ele veja o sistema fazendo coisas que ele no
poderia fazer como resultado direto do cdigo programado. Por outro lado, Cohen enfatiza
que no disse que impossvel. Muito do que se v os computadores fazendo hoje era
impensvel h algumas dcadas atrs. Aaron certamente um exemplo disso.

3.2 A E VOLUO NA CRIAO DE SISTEMAS C OMPLEXOS


A evoluo natural , certamente, o melhor e mais original dos sistemas evolutivos.
Projetos criativos tm surgido na natureza por centenas de milhes de anos. Seres vivos
53

que, de longe, superam quaisquer projetos humanos em termos de complexidade,


performance e eficincia proliferam ao redor do mundo. Mais e mais os bilogos
descobrem informaes a respeito das criaturas ao nosso redor. Torna-se claro que muitos
projetos humanos existem na natureza muito antes de terem sido pensados por qualquer ser
humano. Por exemplo: bombas, vlvulas, sistemas trmicos, lentes ticas, sonar (BENTLEY
& CORNE, 2002). De fato, mesmo projetos humanos recentes inspiraram-se diretamente na
natureza, tais como a seo em cruz das asas dos avies, como nos pssaros, e o velcro, que
surgiu da observao de certos tipos de sementes aderentes.
A teoria de seleo natural de Darwin (apud Fogel, 1995) representou um marco
para a biologia, e ainda alvo de intensos debates. Um dos problemas com o darwinismo
que todo mundo pensa que o entende. , de fato, uma teoria singularmente simples se
comparada a teorias matemticas e fsicas. Em essncia, consiste simplesmente na idia de
que presso seletiva juntamente com reproduo, caracterizada por hereditariedade e algum
grau de variao aleatria, tm conseqncias inimaginveis se houver tempo para elas
serem cumulativas. Mas h razes de sobra para se julgar essa simplicidade decepcionante.
Simples como essa teoria possa parecer, ningum pensou nela at Darwin e Wallace, quase
200 anos depois do Principia de Newton, e mais de 2000 anos depois de Erasttenes ter
medido a Terra. Como poderia uma idia to simples ter passado desapercebida por
pensadores do calibre de Newton, Galileu, Descartes, Leibnitz, Hume e Aristteles? O que
impediu que eles considerassem tal hiptese? E como uma idia to poderosa poderia ter
sido completamente impermevel conscincia popular? quase como se o crebro
humano tivesse sido especificamente projetado para ignorar tal idia.
3.2.1

COMPLEXIDADE E EMERGNCIA

Seja, por exemplo, o aparecimento de uma oportunidade, freqentemente chamada de


oportunidade cega. A grande maioria das pessoas que atacam o darwinismo clamam
furiosamente que no h mais nada alm de aleatoriedade nessa teoria. Desde que a
complexidade dos seres vivos incorpora a anttese da oportunidade, ao se pensar que o
darwinismo paradigma da oportunidade, fcil refut-lo. Estamos preparados para aceitar
processos que duram segundos, minutos, anos e, no mximo, dcadas para se completarem,
mas essas escalas de tempo so radicalmente diferentes daquela que caracteriza a mudana
evolutiva. O darwinismo uma teoria de processos cumulativos to lentos que podem levar
54

entre milhares e milhes de dcadas para serem completados. Todos os nossos julgamentos
intuitivos do que provvel podem estar errados por muitas ordens de magnitude. O bem
afinado aparato de ceticismo e da noo de probabilidade subjetiva engana-se por
estrondosas margens, simplesmente porque afinado ironicamente, pela prpria evoluo
para trabalhar dentro de um tempo de vida de algumas dcadas. Um grande esforo da
imaginao requerido para escapar da priso da escala de tempo familiar (DAWKINS,
1991).
Um outro aspecto com relao ao qual nossos crebros parecem predispostos a
resistir ao darwinismo deriva do grande sucesso humano em design criativo. O mundo
dominado por feitos em engenharia e trabalhos artsticos. Estamos inteiramente
acostumados com a idia de que a elegncia complexa um indicador de design
premeditado e elaborado. Foi necessrio um grande salto imaginativo para Darwin e
Wallace constatarem que, contrria a toda a intuio, h uma outra maneira muito mais
plausvel para que o design complexo surja da simplicidade primria. Trata-se de um salto
imaginativo to grande que, at hoje, muitas pessoas so incapazes de realizar.
O que um objeto complexo e como reconhec-lo? Em que sentido verdadeiro
dizer que um relgio ou um avio ou um ouvido ou uma pessoa complexo, mas a Lua
simples? A primeira resposta que poderia ocorrer como um atributo necessrio para um
objeto complexo que ele tem uma estrutura heterognea. Um pudim ou um manjar
simples no sentido de que, se ns o dividirmos em dois, as duas pores tero a mesma
constituio interna. Um carro heterogneo, pois quase qualquer parte de um carro
diferente das outras partes, e ao se tomar uma metade de um carro no mais se obtm um
carro.
Heterogeneidade pode ser condio necessria, mas no suficiente. Num
encaminhamento adiante, pode-se afirmar que a complexidade diretamente proporcional
ao comprimento da menor descrio possvel de um objeto (CASTI, 1994). Uma outra
definio a seguinte: um objeto complexo algo cujas partes constituintes so arranjadas
de uma maneira que dificilmente teriam acontecido por acaso (DAWKINS, 1991). Ao se
tomar as partes de uma aeronave e embaralh-las, a possibilidade de se obter um Boeing
operante como resultado infinitamente pequena. H ainda mais possibilidades de se reunir
as partes de um ser humano sem produzir sequer um ser vivo.

55

Esta definio de complexidade promissora, mas algo mais necessrio. O que faz
uma aeronave ou o homem complicados, e a Lua simples? Objetos complexos tm alguma
qualidade, pr-especificada, altamente improvvel de ter sido adquirida somente por acaso.
Tudo na natureza obedece a um conjunto de leis, como as leis da fsica. No entanto, ao se
tentar usar estas leis para entender como se pode chegar ao nvel de organizao e interao
das partes que compem um ser humano, por exemplo, no se chegar muito longe.
Mas que tipo de explicao para um ser complexo, animado ou inanimado,
satisfaria? At o momento considerou-se o mecanismo, ou seja, como ele trabalha. Mas um
outro tipo de questo como uma entidade complexa surge. Uma entidade complexa tal
que sua existncia muito improvvel que tenha acontecido gratuitamente, por acaso. A
explicao darwiniana que sua existncia surgiu como uma conseqncia de
transformaes cumulativas, passo a passo, a partir de entidades mais simples, a partir de
entidades primordiais suficientemente simples que poderiam ter surgido por acaso. A
seleo natural o relojoeiro cego (DAWKINS, 1991). Cego porque no v adiante, no
planeja as conseqncias, no tem nenhum propsito em mente. Ainda assim, os resultados
da seleo natural impressionam com a sua aparncia de projeto, como se feito por um
mestre do design, dando a iluso de planejamento.
3.2.2

O PROCESSO DE CRIAO DE OBJETOS COMPLEXOS

Pode-se dizer que um organismo vivo bem projetado se ele tem os atributos que um
engenheiro inteligente e habilidoso intencionalmente colocou de maneira a atingir algum
propsito, tal como voar, nadar, ver, comer ou, mais genericamente, promover a
sobrevivncia e a replicao dos genes do organismo. No necessrio supor que o projeto
de um organismo o melhor que um engenheiro poderia conceber, mas qualquer
engenheiro pode reconhecer um objeto que tenha sido projetado, mesmo pobremente
projetado, para um propsito, e ele pode usualmente concluir o propsito apenas analisando
a estrutura do objeto.
Um exemplo particular que provavelmente impressiona qualquer engenheiro o
sonar nos morcegos. Os morcegos tm um problema: como se localizar no escuro. Eles
caam noite, no podem usar a luz para ajud-los a localizar suas presas e evitar
obstculos. Eles poderiam caar durante o dia, mas esse perodo , em geral, explorado por
outras criaturas concorrentes, alm de levar a uma maior exposio a potenciais inimigos
56

naturais. Dado que existe vida noite, e dado que o perodo alternativo bastante
concorrido, a seleo natural favoreceu os morcegos que saem para caar noite. Radar e
sonar so desenvolvimentos altamente qualificados na tecnologia militar. A noo de que
os morcegos faziam algo, mesmo que remotamente, anlogo aos ltimos triunfos da
engenharia eletrnica, quando divulgada, surpreendeu muitas pessoas. E fcil entender o
porqu. Os sentidos humanos no so capazes de fazer o que os morcegos fazem, e os seres
humanos s podem compreender o radar e o sonar no nvel da instrumentao artificial e
dos clculos matemticos envolvidos. , portanto, difcil imaginar um pequeno animal
tendo tudo isso na cabea. Mas os clculos matemticos que seriam necessrios para
explicar os princpios da viso so to ou mais complexos e difceis, e ningum tem a
menor dificuldade em acreditar que pequenos animais podem enxergar.
Assim, altamente improvvel que seres animados tenham surgido por acaso. A
resposta de Darwin, j mencionada na seo 2.6, : por transformaes simples, passo a
passo, a partir de incios simples, a partir de entidades primordiais suficientemente simples
para terem surgido por acaso (DAWKINS, 1991). Cada mudana sucessiva no processo
evolutivo gradual suficientemente simples, com relao ao estado predecessor, para ter
surgido por acaso. Mas a completa seqncia de passos acumulados casual, j que o
processo cumulativo direcionado apenas por um mecanismo de presso seletiva.
interessante que ainda se encontrem argumentos contrrios teoria de Darwin, a
partir de produtos acabados da natureza, como a hemoglobina. As pessoas que o fazem,
geralmente peritos em seu prprio campo, acreditam sinceramente que o darwinismo
explique a organizao viva em termos de acaso, ou seleo simples, apenas. Esta crena de
que o evolucionismo aleatrio falsa. Acaso um ingrediente menor na receita de
Darwin. O mais importante ingrediente a seleo natural, essencialmente no-aleatria.
Muitas pessoas acham difcil acreditar que o olho, to complexo e bem desenhado,
com tantas partes separadas trabalhando cooperativamente, possa ter surgido de pequenos
comeos atravs de uma srie de mudanas graduais passo-a-passo. Mas, na argumentao
de DAWKINS (1991), as perguntas a serem colocadas so: poderia o olho humano ter
surgido diretamente de nenhum olho, em um nico passo? A resposta no. Mas poderia o
olho humano ter surgido diretamente de algo ligeiramente diferente dele mesmo, algo que
seria chamado de V? A resposta para essa pergunta sim, supondo-se que a diferena entre

57

o olho, tal como o conhecemos hoje, e o seu predecessor V suficientemente pequena. V


definido como alguma coisa muito prxima do olho humano, suficientemente similar, de
forma que o olho humano poderia ter surgido por uma simples alterao em V. Assim,
tendo achado um V tal que a resposta para essa segunda pergunta seja sim, aplica-se a
mesma pergunta para V. Pela mesma razo, conclui-se que V poderia de forma plausvel ter
surgido, diretamente, por um simples acaso, de algo ligeiramente diferente, ou seja, V. Da
mesma forma pode-se supor que V ligeiramente diferente de V, e assim por diante.
Colocando-se uma srie suficientemente longa de Vs, pode-se concluir que o olho humano
possa ter surgido de algo no apenas ligeiramente diferente de si mesmo, mas muito
diferente de si mesmo.
Assim, pode-se colocar agora a terceira questo: h uma srie contnua de Vs
conectando o olho humano a um estado de nenhum olho? Aparentemente, a resposta tem
que ser sim, supondo apenas que se permita uma srie suficientemente grande de Vs. Podese supor que 1000 etapas so suficientes, mas se forem necessrias mais etapas, tomam-se
10000 etapas, e se 10000 ainda no forem suficientes, tomam-se 100000 etapas, e assim por
diante. Certamente o tempo disponvel vai se elevando proporcionalmente, admitindo
inclusive a possibilidade de retrocessos casuais ao longo da seqncia de etapas. Na prtica,
a questo em si mesma se resume a: tem havido tempo suficiente para permitir a ocorrncia
dessa seqncia de etapas? No h resposta precisa para o nmero de etapas necessrias, o
que se sabe que o tempo de vida na Terra j longo. Apenas para dar uma idia da ordem
de magnitude de que se fala, o nmero de geraes que separa o homem de seus ancestrais
mais antigos certamente medido em milhares de milhes. Dado, digamos, uma centena de
milhes de geraes, poderia ser construda uma srie plausvel de etapas ligando o olho
humano a outra coisa bem mais simples.
At aqui, por um processo de raciocnio mais ou menos abstrato, pode-se concluir
que h uma srie de etapas imaginveis, gerando prottipos suficientemente similares entre
si na seqncia, permitindo criar um vnculo entre o olho humano e nenhum olho, mas no
foi mostrado que plausvel que essa seqncia de etapas exista. H ainda outras questes a
responder: considerando cada membro da srie de Vs hipotticos conectando o olho
humano a nenhum olho, plausvel que cada um deles tenha surgido por mutao aleatria
de seu predecessor? A mutao tem que trabalhar atravs da modificao dos processos

58

existentes no desenvolvimento embrionrio. razovel que certos tipos de processos


embrionrios sejam altamente passveis de variao em uma direo e altamente resistentes,
recalcitantes a variao, em outras, mas h uma diferena entre a pequena e a grande
variao (DAWKINS, 1991). Quanto menor a mudana colocada, menor a diferena entre V
e V. Pode-se afirmar que, estatisticamente, qualquer mutao grande inerentemente
menos provvel que qualquer mutao pequena. Assim, quanto menor as diferenas entre
V e V, mais provvel ser a etapa de transio.
H ainda uma questo final a ser respondida: considerando cada membro da srie de
Vs conectando o olho humano a nenhum olho, plausvel que cada um dos Vs tenha
trabalhado suficientemente bem para atender sobrevivncia e reproduo dos animais
associados?
Estranhamente, algumas pessoas pensam que a resposta para essa questo um
evidente no. HITCHING (1982) coloca as seguintes questes:

O olho funciona como um todo, ou no funciona absolutamente. Assim,

como ele poderia ter evoludo por lentos, ininterruptos, infinitamente


pequenos melhoramentos darwinianos? realmente plausvel que
milhares e milhares de mutaes fortuitas aconteceram coincidentemente
de maneira que a lente ocular e a retina, que no podem funcionar uma
sem a outra, tenham evoludo em sincronia? Que valor de sobrevivncia
pode haver em um olho que no v?

Este tipo de argumentao muito freqentemente colocado, presumivelmente


porque h quem queira acreditar em sua concluso. Um animal ancestral com 5% de viso
poderia de fato ter usado o olho para outra coisa que no fosse enxergar, mas 5% de viso
melhor do que nenhuma viso. plausvel encontrar uma srie de intermedirios entre os
animais contemporneos. Isto no significa, certamente, que esses intermedirios
contemporneos representam os tipos ancestrais, mas mostra que projetos intermedirios do
olho, mais simples e com funcionalidades mais restritas, podem ser fatores de
diferenciao. DAWKINS (1991) apresenta vrios outros exemplos similares.

59

3.3 BIOMORPHS
Na vida real, a forma de cada animal individual produzida por desenvolvimento
embriognico. A evoluo ocorre porque, em geraes sucessivas, pode haver pequenas
diferenas no desenvolvimento do embrio e na transmisso do cdigo gentico. No caso
sexuado, h ainda a combinao de cdigo. Estas diferenas podem se apresentar nos genes
controlando o desenvolvimento, e h muitas maneiras de colocar essas especificaes em
um modelo computacional. A linhagem histrica da evoluo artificial de formas biolgicas
comeou com DAWKINS (1991), que projetou o Biomorphs, um programa em que o usurio
pode guiar a evoluo de geraes iterativas de figuras grficas bidimensionais. A
evoluo dos Biomorphs baseada em seu aspecto grfico e usada em The Blind
Watchmaker to somente para apoiar a argumentao de Dawkins sobre o poder da seleo
cumulativa, como uma demonstrao computacional da capacidade do processo evolutivo.
Apesar disso, os Biomorphs de Dawkins motivaram uma sucesso de artistas a investir seus
esforos no estudo e aplicao da evoluo artificial a manifestaes artsticas.
Desenvolvimento embriognico de longe um processo muito elaborado para ser
realisticamente simulado em um computador comum. Dawkins usou uma representao
simplificada: um procedimento de expanso em rvore, que inicia com uma linha simples
vertical. A linha ento se quebra em dois ramos, depois cada um dos ramos se quebra em
dois sub-ramos, e assim por diante. No importa o quanto a rvore cresa, a mesma regra
vai sendo aplicada s extremidades de cada ramo. Quando o procedimento aplicado
recursivamente, o padro pode se tornar bastante elaborado.
Ramificao recursiva tambm uma boa metfora para o desenvolvimento
genrico de vegetais, incluindo evidentemente as rvores, e animais. Isto no significa que
o desenvolvimento do embrio animal seja similar ramificao recursiva. De fato, no .
Mas toda embriognese acontece pela diviso de clulas. Um gene animal nunca um
grande projeto, uma fotografia do todo. Os genes so argumentos de entrada para a
embriognese, que inclui processos de diferenciao celular. A forma do adulto emerge
devido a muitos efeitos celulares locais por todo o corpo em desenvolvimento, e esses
efeitos locais consistem primariamente de bifurcaes. Assim, genes so argumentos da
embriognese, alm de serem passados adiante para as futuras geraes.

60

Na vida real, animais e plantas tm milhares de genes, mas Dawkins limitou o seu
modelo

computacional

nove

genes.

Como

podem

os

genes

influenciar

desenvolvimento? H muito que um gene pode fazer, mas a idia bsica que ele deve
exercer alguma pequena influncia na regra de desenho que o desenvolvimento. Por
exemplo, um gene pode influenciar o ngulo da bifurcao, outro pode influenciar o
comprimento de uma dada bifurcao, outro o nmero de recurses, e assim por diante. O
modelo incorpora um princpio fundamental da biologia: a forma de cada descendente no
deriva diretamente da forma de cada antecedente. Cada filho obtm sua forma dos valores
de seus prprios nove genes, influenciando ngulos, distncias, e assim por diante. E o
valor dos seus genes um resultado da herana gentica de seus pais.
Dawkins montou seu sistema em dois mdulos, Desenvolvimento e Reproduo. O
mdulo de Reproduo passa os genes adiante atravs das geraes, com a possibilidade de
mutao. O mdulo de Desenvolvimento recebe os genes fornecidos pelo mdulo de
Reproduo, e usa aqueles genes como argumentos das aes de desenho, apresentando ao
final a figura resultante na tela. O fator tempo foi adicionado aos dois mdulos juntos no
grande mdulo chamado de Evoluo, que consiste basicamente de repeties sem fim da
Reproduo. A cada gerao, a Reproduo toma os genes supridos pela gerao anterior e
manipula-os para a prxima gerao, mas com pequenos erros: mutaes. Uma mutao
consiste simplesmente em adicionar +1 ou 1 ao valor de um gene escolhido
aleatoriamente. Isto significa que, no decorrer das geraes, a quantidade total de
diferenas genticas pode se tornar muito grande, cumulativamente, com um pequeno passo
de cada vez. Mas apesar das mutaes serem aleatrias, o processo de seleo no .
Todos os filhos so mutantes de um dado antecessor, diferindo dele apenas com
respeito a um gene. Esta taxa de mutao diferencia o modelo computacional dos
mecanismos biolgicos. Na vida real, a probabilidade de um gene sofrer uma mutao
freqentemente menor do que uma em um milho. A razo para uma alta taxa de mutao
no modelo que cabe ao usurio selecionar os indivduos que iro sofrer reproduo a cada
gerao, inviabilizando assim a ocorrncia de muitas geraes.
Logo, o usurio tem um papel ativo no processo, pois o agente seletor. Ele
examina os descendentes e escolhe um para reproduo, que se torna ento o antecessor da
prxima gerao, cujos indivduos so simultaneamente apresentados na tela. A figura 3.10

61

expe resultados finais da evoluo de Biomorphs, construdos por DAWKINS (2002). Esta
figura no est apresentando indivduos de uma mesma gerao do processo evolutivo, mas
indivduos obtidos como resultado de diferentes processos evolutivos, que certamente
recorreram a critrios de seleo distintos.

Figura 3.10 Parque Safri de Biomorphs, construdos com o programa Blind Watchmaker

Trata-se, portanto, de um modelo de seleo artificial, no de seleo natural. O


critrio para sucesso no o critrio direto de sobrevivncia, como na seleo natural.
Na verdadeira seleo natural, se um corpo tem o que precisa para sobreviver, seus genes
automaticamente sobrevivem porque esto dentro dele. Assim, os genes que sobrevivem

62

tendem a ser, automaticamente, aqueles que conferem aos corpos as qualidades que os
auxiliam a sobreviver e se reproduzir. No modelo computacional, por outro lado, o critrio
de seleo no a sobrevivncia, mas a habilidade de satisfazer ao capricho humano. Cada
gerao de Biomorphs est somente a um passo mutacional de seu predecessor e sucessor,
mas aps 100 geraes os Biomorphs podem ser qualquer coisa que 100 etapas mutacionais
do seu ancestral original permitam atingir.
Quando Dawkins escreveu o programa, ele no imaginava que algo mais do que
uma variedade de formas em rvore poderia acontecer, e assombrou-se com a evoluo de
algo que se assemelhava com um inseto. Gerao aps gerao, passou ento a selecionar
as formas que mais se assemelhavam a insetos, por exemplo, e exultou com as estranhas
criaturas que emergiam aos seus olhos. Dawkins enfatiza que essas formas no so
trabalhos artsticos, mas demonstram as potencialidades da interao homem-mquina junto
a processos de busca na presena de uma exploso combinatria de possibilidades. O papel
do usurio limitou-se etapa de seleo, considerando os indivduos pertencentes a cada
gerao de um processo de variao cumulativa.

3.4 FORM SYNTH: A EVOLUO ARTIFICIAL B ASEADA EM


R EGRAS
Os artistas atravs da histria usaram muitos mtodos diferentes para criar formas e
imagens. Picasso e Braque inventaram o cubismo e Jackson Pollock iniciou a pintura de
ao (action painting). Estes mtodos so chamados, historicamente, de estilos de arte.
Freqentemente, vrios artistas compartilham um determinado estilo ou, conforme visto
no Captulo 2, sistema gerativo. Por exemplo, Malevich, Tatlin e Rodchenko todos
trabalharam no estilo construtivista russo. Isto significa que todos usaram um mtodo
similar para inventar novas formas. Quando um estilo de arte se propaga e usado por um
grande nmero de artistas, h uma influncia marcante desse estilo na cultura em que
vivem por exemplo, arte barroca na Europa.
Um estilo em arte pode ser definido como uma estrutura ou conjunto de regras em
que os artistas trabalham usando uma tcnica em particular, tal como pintura ou escultura.
Quando as permutaes mais interessantes permitidas dentro das estruturas de regras
tiverem acontecido, a estrutura ou estendida ou substituda diretamente por um novo
63

conjunto de regras. a extenso ou substituio das regras da estrutura que habilitam os


novos estilos de arte a nascerem e a arte a avanar.
O advento da arte moderna representa um completo abandono e redefinio dos
estilos anteriores. As regras ou crenas associadas a um determinado estilo de arte no
esto claramente definidos, e somente formam os limites dentro dos quais o artista trabalha
o espao conceitual. A histria da arte capaz de localizar mais artistas trabalhando
dentro dos diferentes estilos do que fora de qualquer estilo (LATHAM , 1989). Visto que cada
estilo em arte diferente do anterior, poderia parecer que a arte promove uma evoluo
baseada em mudanas no ambiente cultural corrente, no contexto histrico e na esttica
geral, e que o desenvolvimento de um novo estilo de arte baseado em alterar ou estender
as regras definidas pelo estilo anterior dominante.
Form Synth (LATHAM, 1989) um sistema de modelagem interativo 3-D para
escultores. O sistema de regras do programa foi projetado de acordo com os requisitos dos
artistas e diz respeito ao desenvolvimento evolutivo em arte e ao processo de modelagem
3-D conhecido. poca em que foi construdo, Form Synth representou uma abordagem
inteiramente nova quanto modelagem de slidos. Uma forma complexa evoluda ao
invs de ser construda, o que diferia muito dos j existentes sistemas de modelagem 3-D,
onde formas complexas em geral eram laboriosamente montadas usando blocos
construtivos compostos por pontos, linhas, slidos ou superfcies.
Quando comparado aos sistemas de modelagem em vigor at ento, a abordagem
evolutiva do Form Synth requeria muito menos informao do objeto que estava sendo
projetado. Como um resultado da aplicao sucessiva de operaes, a forma geomtrica
torna-se crescentemente complexa. A dificuldade de se projetar criativamente usando
software de modelagem 3-D j tinha sido constatada em vrios tipos de design, pois o uso
de esboos e o incremento de sofisticao no design no eram admitidos. Esta a razo
pela qual o Form Synth opera com uma rvore evolutiva.
interessante notar como, quela poca, o prprio Latham via a arte e o processo
artstico:
O propsito do artista inventar novas imagens e formas que em termos
de percepo humana tenham qualidades artsticas. Estas qualidades

64

podem ser definidas como sendo estticas ou expressivas. A qualidade


das formas que o artista produz depender:

Da habilidade do artista de tomar decises criativas interessantes

dentro do conjunto de regras do estilo artstico;

Da habilidade do artista de mudar as regras e desenvolver novas

regras como permutaes interessantes das regras do estilo anterior.

De acordo com Latham, o processo criativo de tomada de deciso pode ser


explicado da seguinte maneira: o que mais bonito, uma esfera ou um cubo? A questo no
possvel de ser respondida objetivamente, pode ser respondida subjetivamente pela
resposta Eu acho que o cubo mais bonito do que a esfera. No h razo lgica para esta
resposta, o que importante que a deciso foi tomada. Num trabalho em arte, como em
muitos outros, o artista tomar subjetivamente inmeras decises desse tipo.

Figura 3.11 Exemplo de seqncia de comandos aplicada a primitivas geomtricas. Acima,


o conjunto de nove primitivas bsicas

De qualquer maneira, o principal conceito por trs do Form Synth, no surgiu de


nenhum estilo de arte existente, mas da construo baseada em regras de poliedros
complexos a partir de primitivas geomtricas. As regras estrelar, truncar, e adicionar so
aplicadas a um conjunto de cinco primitivas geomtricas, nominalmente tetraedro, cubo,
octaedro, dodecaedro, e icosaedro. As regras estrelar, truncar e adicionar foram ento
65

substitudas por um novo conjunto arbitrrio de regras, nominalmente bico, bojo, furo,
fatia, esticar e adicionar. Quatro primitivas geomtricas extras foram adicionadas para
aumentar o conjunto de primitivas geomtricas para nove, conforme mostrado na figura
3.11. As novas regras de operao so ento aplicadas s primitivas geomtricas, sendo que
cada operao muda a forma da figura de uma maneira diferente. O artista escolhe um
comando de cada vez para progressivamente mudar a forma da figura. A seqncia de
comandos escolhida determina o tipo da forma evoluda.
Vale a pena notar que, na construo baseada em regras de um poliedro complexo
regular, o conjunto de regras matemticas determina a forma complexa evoluda. No
entanto, no Form Synth a evoluo da forma depende inteiramente da escolha intuitiva feita
pelo usurio. O artista usa as regras sucessivamente sobre as primitivas geomtricas e
formas complexas irregulares para produzir uma grande rvore evolucionria de
desenhos de formas complexas irregulares, conforme mostrado na figura 3.12. De acordo
com LATHAM (1989), este conceito formou a base do Form Synth, permitindo uma
inveno flexvel de novas formas 3-D e ao mesmo tempo a implementao de uma
estrutura baseada em regras apropriada para o computador.

Figura 3.12 Evoluo de esculturas. O Form Synth foi simulado pela insero manual de
regras no sistema Sculptor.

66

Usando o sistema Sculptor escrito por KING (1991), Latham foi capaz de simular o
Form Synth impondo manualmente as regras do Form Synth ao Sculptor. A figura 3.13
apresenta esculturas realizadas em madeira e plstico, usando o Form Synth para o projeto
tridimensional. Ele primeiro usou o Sculptor para construir bicos, bojos, cones, esferas e
cilindros a partir de centenas de esferas, e ento seguiu as regras do Form Synth para
determinar onde e como os bicos e bojos eram posicionados no cone, cilindro e esfera,
movendo-se atravs da estrutura da rvore, empregando seu prprio critrio de seleo
quanto s formas que ele gostaria de evoluir ou no. A seleo da forma era baseada em
critrios subjetivos e ele no se preocupou em deixar certos ramos da rvore inexplorados.

Figura 3.13 Esculturas realizadas por William Latham, em plstico e madeira. O projeto
tridimensional foi produzido usando o Form Synth

O projeto do Form Synth como uma rvore evolutiva tem as seguintes implicaes:
1. Ele permite uma descrio baseada em regras de qualquer forma evoluda, desde que a
forma particular possa ser definida como uma lista de regras escolhidas pelo usurio
para torn-la possvel;
2. O nmero de diferentes combinaes possveis de regras muito alto. Com isso, o
artista nunca esgotaria o nmero de novas possibilidades, no se sentindo assim
criativamente restrito.

67

Uma das peculiaridades do Form Synth encorajar o usurio a ser criativo em uma
escala comparvel com a do artista, como um resultado de se manter selecionando formas
de uma rvore evolucionria cada vez maior. As regras inerentes do Form Synth impem
limites dentro dos quais o artista deve trabalhar, da mesma maneira que as leis fsicas
impem limites evoluo no mundo natural. Mas essas limitaes podem ser uma
vantagem para o artista, ao focalizar a busca junto a um conjunto menor de formas
possveis.
Mas, apesar de Latham colocar uma grande rvore evolucionria como conceito
bsico, salta aos olhos que o Form Synth um sistema baseado em regras. A rvore
evolucionria apenas um conceito e no uma implementao. Mas DAWKINS (1991) havia
publicado The Blind Watchmaker pouco antes, em 1986, e comeava a exercer sua
influncia sobre os artistas da poca. Form Synth foi a semente para o Mutator, que veio a
seguir, e com o qual Latham se notabilizou.

3.5 MUTATOR: MUTAO E S ELEO N ATURAL


Mutator um sistema baseado em mutao e seleo natural, que permite a um artista
explorar o mundo das formas tridimensionais. Os conceitos iniciais do Mutator vieram do
Form Synth (LATHAM, 1989) combinado com o sistema bidimensional Biomorphs
(DAWKINS, 1991). Mutator explora esta combinao, estendendo o sistema de gerao de
formas 3-D de maneira a transform-lo numa ferramenta de explorao rpida e efetiva. A
figura 3.14 apresenta um diagrama da arquitetura do Mutator, mostrando de forma
esquemtica o processo de busca por formas e o armazenamento dos genes em um banco de
genes.
Mutator controla ainda o sistema Form Grow, que produz abboras, horns (colees
de esferas ou elipses), conchas, formas matemticas e muitas outras formas pouco
conhecidas (TODD & LATHAM, 1999). Form Grow emprega os conceitos de recurso e
fluxos condicionais para permitir que as formas sejam construdas usando um conjunto
crescente de instrues. As formas so construdas a partir de ribs (onde rib uma forma
primitiva tal como uma esfera ou uma elipse) e horns (colees de ribs).
Mutator opera tomando a expresso de uma estrutura, propondo um vetor de genes
inicial e gerando a partir dele oito vetores mutantes. Os vetores so ento colocados num
68

banco de genes. Form Grow usado para gerar uma forma a partir de cada vetor de genes,
e as nove formas so apresentadas num grupo denominado Mutator Frame, como mostrado
na figura 3.15. Um casamento pode ser arranjado pelo usurio a partir da seleo de duas
formas, e um novo Mutator Frame contendo as sete formas filhas e as duas formas
selecionadas apresentado. O casamento de duas formas do mesmo grupo til para
destacar ou acrescentar uma determinada caracterstica. J no caso dos antecessores serem
formas mutantes distantes, novas formas interessantes podem ocorrer. As formas filhas
misturam os genes das formas antecessoras, sendo que h vrios algoritmos de mistura.
Banco de
Formas

Form Grow

Sistema de
Desenho

Banco de
Genes

Mutator

Apresentao

Seleo

Figura 3.14 Mutator mantm um banco de genes e de formas, que apresentado ao artista.
Baseado em julgamentos feitos pelo artista, Mutator gera e apresenta novas formas,
auxiliando o artista na busca por formas interessantes e armazenagem dos resultados

No h razo terica para limitar os casamentos do Mutator a um par de formas. Um


casamento entre cinco formas possvel, por exemplo. Casamentos multi-formas
aparentam ser uma ferramenta poderosa. Conforme a evoluo das formas prossegue, as
formas e os genes so armazenados no banco de formas. No Mutator, o computador gera
novas formas e o julgamento do usurio direciona a seleo. Mutator foi desenvolvido em
parceria com Stephen Todd, no IBM Scientific Centre, em Winchester, onde Latham era

69

Research Fellow. A figura 3.16 apresenta uma forma orgnica evolutiva 3-D gerada pelo
Mutator (LATHAM , 1995).

Figura 3.15 Mutator Frame com um conjunto de nove mutaes. No centro, uma forma
geradora

Figura 3.16 Forma orgnica evolutiva gerada pelo Mutator

70

3.6 E VOLUO INTERATIVA DE E QUAES


Crescentemente nas ltimas dcadas, com a difuso de novos mtodos computacionais de
simulao do aprendizado em redes neurais artificiais (HAYKIN, 1999) e da evoluo
(HOLLAND, 1975), novas categorias de sistemas criativos esto surgindo. Programas usando
algoritmos evolutivos podem evoluir estruturas inesperadas, se necessrio por milhares de
geraes, de uma forma que a mente humana no poderia ter produzido por si mesma.
Muitas dessas criaes ainda resultam em situaes indefinidas, mas dentro dessas tcnicas,
ou de suas combinaes, pode estar a semente da criatividade computacional, e so essas
abordagens que esto sendo enfocadas neste captulo.
Dawkins usou uma representao simplificada para se aproximar das embriogenias
recursivas da natureza, um procedimento de crescimento em rvore (tree-growing),
esperando que formas naturais emergissem dali. A representao de TODD & LATHAM
(1992) era baseada em elementos repetitivos, tais como esferas e torides, usados para
conceber horns e ribs, a partir dos quais as imagens eram construdas. Cores e texturas
tambm foram incorporadas a essas representaes (DAWKINS, 1989; SIMS, 1993; TODD &
LATHAM , 1992), bem como comportamento. SIMS (1993) utilizou expresses LISP
(linguagem de programao que usa combinaes de funes escritas como listas) como
gentipos para criar texturas, objetos e movimentos na produo de efeitos em computao
grfica e animao. O gentipo a informao gentica ou cdigo para a criao de um
indivduo. O fentipo o indivduo em si mesmo, ou a forma que resulta das regras de
produo aplicadas ao gentipo.
A evoluo interativa de equaes para modelos procedurais mostrou ser uma
ferramenta poderosa para a criao de texturas, objetos e sistemas dinmicos para a rea de
computao grfica e animao. A reproduo com variaes aleatrias e sobrevivncia dos
indivduos com propriedades interessantes pode levar a resultados expressivos. As
representaes para gentipos que no esto limitados a representaes de tamanho fixo e
que podem crescer em complexidade mostraram-se poderosas (SIMS, 1993).
Gentipos tradicionais, que usam cadeias de comprimento fixo de parmetros ou
dgitos e regras fixas de expresso, so limitados por conduzirem a fronteiras rgidas no
conjunto dos possveis fentipos. No h a possibilidade de proposio de uma nova regra
de desenvolvimento ou de um novo parmetro. No h como o espao genotpico ser
71

estendido alm de sua definio original. Para superar essa limitao desejvel incluir
informao procedural no gentipo, ao invs de somente informao paramtrica, e os
elementos procedurais e de informao do gentipo no devem ser restritos a uma estrutura
ou tamanho especficos.
3.6.1

EXPRESSES SIMBLICAS COMO G ENTIPOS

Sims utilizou expresses LISP hierrquicas como gentipo numa tentativa de superar essas
limitaes. Um conjunto de funes LISP e um conjunto de geradores de argumentos foram
empregados para criar expresses arbitrrias que podem ser modificadas, evoludas, e
avaliadas para gerar fentipos. Algumas mutaes podem criar expresses maiores com
novos parmetros e estender o espao de possveis fentipos, enquanto outras apenas
ajustam partes das expresses, ou fentipos, existentes.
Equaes usadas por modelos procedurais podem freqentemente ser representadas
por uma ou mais expresses LISP, e tornam-se os gentipos para modelos procedurais
evoludos. Por exemplo, um procedimento para gerar textura pode ser descrito por uma
expresso que calcula uma cor para cada pixel (X, Y), e um procedimento para gerar uma
superfcie paramtrica 3-D pode ser descrita por uma equao que calcula a localizao do
vrtice 3-D para cada par de variveis paramtricas (U, V).
Para cada aplicao, um conjunto de funes define um conjunto de operaes
primitivas a partir das quais expresses LISP podem ser montadas. Um conjunto de funes
bsico deve incluir algumas das operaes LISP mais comuns: +, , *, /, mod, round, min,
max, abs, expt, log, sin e cos (STEELE, 1984). Conjuntos de funes podem ser estendidos
ou ajustados resultando em vrios hiper-espaos de possveis resultados.
Em cada sesso de evoluo interativa, uma populao inicial de gentipos
consistindo simplesmente de expresses LISP aleatoriamente geradas criada. Cada
expresso criada pela escolha aleatria de uma funo qualquer do conjunto de funes e,
da mesma forma, so gerados tantos argumentos quanto a funo requer. Argumentos
podem ser de vrios tipos: valores escalares constantes, vetores tridimensionais, variveis
tais como coordenadas X e Y de pixels, ou expresses adicionais geradas recursivamente.
Os fentipos so ento calculados e apresentados ao usurio. Os melhores indivduos so
ento selecionados e o processo se repete com a nova populao.

72

As expresses simblicas devem se reproduzir com mutaes para a evoluo


progredir. H vrias mutaes em propriedades de expresses simblicas que so
desejveis. As expresses devem freqentemente ser apenas ligeiramente modificas, mas
algumas vezes significativamente ajustadas em estrutura e tamanho, visando estender a
expresso a formas mais complexas.
Expresses simblicas podem ser reproduzidas a partir da recombinao de duas
expresses simblicas, para permitir caractersticas de indivduos evoludos separadamente
serem misturadas em um nico indivduo. A nova expresso verificada sintaticamente e,
se necessrio, so realizados ajustes at que uma expresso vlida resulte.

Figura 3.17 Srie de produes obtidas atravs da tcnica da dissoluo

Uma outra tcnica para combinar expresses pode ser obtida atravs de uma
dissoluo entre duas expresses. Uma nova expresso criada copiando os ns das
expresses originais onde eles so idnticos, mas interpolando os ns onde eles so
diferentes. Esta tcnica usa as representaes genticas existentes de modelos procedurais
evoludos para gerar transies intermedirias. A figura 3.17 apresenta um conjunto de
produes resultantes de expresses simblicas geradas dessa maneira. Interpolaes
repetidas pode ser um mtodo til para criar animao a partir de uma srie de estruturas
evoludas.

73

3.6.2

A EVOLUO APLICADA A S ISTEMAS DINMICOS

Sims aplicou tambm a evoluo interativa de modelos procedurais a sistemas dinmico


3-D descritos por sistemas de equaes. Nesta aplicao, vrias expresses LISP
cooperativas so usadas para determinar o estado inicial e as derivadas das variveis de
estado do sistema dinmico em relao ao tempo. Por exemplo, um sistema contendo duas
quantidades, A e B, descrita por quatro equaes:
A0 = FA0 ( X , Y )

B0 = FB0 ( X , Y )
Equaes 3.1 e 3.2

dA / dt = Fd A ( A, B)

dB / dt = Fd B ( A, B)
Equaes 3.3 e 3.4

onde FA0 e FB 0 so funes que determinam os valores iniciais para cada elemento A e B do
conjunto de coordenadas (X, Y). FdA e FdB so funes que determinam a taxa de variao
para cada elemento de A e B usando o estado corrente do sistema. Funes arbitrrias para
FA0 , FB 0 , FdA e FdB so especificadas por expresses LISP que podem variar em
tamanho, estrutura e comportamento. O conjunto usado para compor as expresses LISP
contm as funes LISP comuns, mas tambm contm operaes que podem realizar vrias
convolues e clculos de derivadas de primeira e segunda ordem.
Uma populao inicial de sistemas dinmicos criada pela gerao de expresses
aleatrias simples para o estado inicial e as derivadas em relao ao tempo de cada varivel
de estado. As simulaes correspondentes so apresentadas ao usurio pelo mapeamento de
variveis de estado em cores para cada iterao, de forma que o comportamento do sistema
pode ser observado conforme ele progride. Ento, o usurio seleciona um ou mais desses
sistemas para mutao e/ou cruzamento para produzir a prxima gerao, e o sistema se
repete. Aps um nmero de geraes, podem ocorrer gentipos com expresses complexas
e assim resultar comportamentos interessantes.
Como uma alternativa, ao invs de iniciar com expresses geradas aleatoriamente, o
usurio pode codificar um conjunto inicial de equaes, tal como uma equao de onda ou
um sistema de reao-difuso, e comear a evoluo a partir da (SIMS, 1993). Isto pode
levar a variaes inesperadas dos sistemas iniciais, a serem devidamente exploradas. A

74

figura 3.18 mostra os resultados aps um nmero de iteraes de um sistema dinmico


evoludo por esse mtodo, o qual descrito pelo seguinte sistema de equaes:
A0 = ( sin (noise .14 .77 ))
B0 = 1.99
dA / dt = (+ (+ (laplacian A 2.1) ( if-plusp (A B) .4 .0)) (* .38 A))
dB / dt = (+ (laplacian A 4.99) (* .4 B))
Equaes 3.5, 3.6, 3.7 e 3.8

Este sistema inicia a partir de um rudo aleatrio at um padro estvel de formas


circulares parecidas com clulas. No evidente o motivo que leva este conjunto de
equaes a produzir o comportamento que produz, nem mesmo para expresses
relativamente curtas. Felizmente, uma completa compreenso analtica dessas equaes no
requerida, at porque elas so propostas automaticamente pelo computador.

Figura 3.18 Resultado da evoluo de um sistema dinmico a partir de um rudo aleatrio

Muitos dos resultados gerados por SIMS (1993) foram evoludos em poucos
minutos, provavelmente muito mais rpido do que eles levariam para ser projetados
analiticamente. O recurso computacional empregado foi um sistema Connection Machine
CM-2, um supercomputador de processamento paralelo.
O mais interessante a observar aqui que a evoluo um mtodo para gerar
complexidade que no requer a compreenso humana do processo especfico envolvido,
permitindo ao usurio e ao computador produzir interativamente resultados que
dificilmente seriam conseguidos separadamente.

3.7 E VOLUO DE MORFOLOGIA E C OMPORTAMENTO 3-D


Talvez o mais interessante dos trabalhos desenvolvidos por SIMS (1999) seja a evoluo de
morfologia e comportamento 3-D. Um desafio clssico das reas de Vida Artificial e
Computao Grfica o de complexidade versus controle. difcil construir entidades
virtuais interessantes ou realistas e ainda control-las. Por definio de sistemas complexos,

75

no se constri um mundo virtual complexo a partir de concepo, desenho e montagem de


cada componente. Um exemplo desse desafio o controle cinemtico versus a simulao
dinmica. Ao se calcular os ngulos e posies para se mover objetos, pode-se controlar
cada detalhe do seu comportamento, mas torna-se difcil obter movimentos fisicamente
plausveis. Se ao invs disso forem calculadas foras e torques e simulada a dinmica
associada, o resultado provavelmente aparentar ser correto, mas ainda pode ser muito
difcil obter o comportamento desejado, especialmente se o objeto possui muitos
componentes interativos. A literatura apresenta mtodos desenvolvidos para dinamicamente
controlar objetos especficos para sucessivamente rastejar, andar ou at mesmo correr
(MCKENNA & ZELTZER, 1990; MILLER, 1988; RAIBERT & HODGINS, 1991), mas um novo
algoritmo de controle deve ser cuidadosamente projetado a cada vez que uma nova
morfologia ou comportamento desejado.
Tcnicas de otimizao oferecem possibilidades para a gerao automtica de
complexidade, sendo que os algoritmos evolutivos so comumente usados para permitir
entidades virtuais serem criadas sem requerer uma compreenso dos procedimentos usados
para ger-las. A evoluo interativa e com efeitos cumulativos permite que resultados
gerados de forma procedural sejam explorados simplesmente escolhendo aqueles que so
mais interessantes a cada gerao. O usurio sacrifica algum controle ao usar esses
mtodos, mas o potencial ganho em automatizar a criao da complexidade pode
freqentemente compensar essa perda.
As criaturas evoludas por SIMS (1999) tem tanto suas morfologias como seus
sistemas de controle determinados por otimizao, bem como seus corpos baseados em
fsica. A estrutura fsica tridimensional de uma criatura pode se adaptar ao seu sistema de
controle, e vice-versa, conforme a criatura evolui (veja figura 3.19). Os sistemas nervosos
das criaturas tambm so completamente determinados por otimizao: o nmero de ns
internos, a conectividade e o tipo de funo que cada n da rede neural realiza esto
includos na descrio gentica de cada criatura. Finalmente, um processo de produo
usado para gerar as criaturas e seus sistemas de controle. Os componentes similares,
incluindo a rede neural, podem ser definidos uma vez e ento replicados, ao invs de
requerer especificaes separadas. Esta abordagem relacionada com rvores-L,
gramticas e tcnicas de instanciao de objetos (PRUSINKIEWICZ & LINDEMAYER, 1990).

76

Figura 3.19 Exemplos de grafos de gentipo e morfologia das criaturas correspondentes

Uma criatura gerada a partir de sua descrio gentica, e ento colocada num
mundo virtual simulado dinamicamente. O crebro prov as foras efetoras que movem
partes da criatura, os sensores reportam aspectos do mundo e do corpo da criatura de volta
ao crebro, e o comportamento fsico da criatura avaliado. Aps um certo tempo de
operao, um valor de fitness, ou aptido, que corresponde ao nvel de sucesso, associado
ao comportamento. Se uma criatura tem um fitness em relao ao resto da populao, ser
selecionada para sobrevivncia e reproduo. Antes da simulao, algumas checagens de
viabilidade so realizadas, e criaturas inapropriadas, por exemplo, aquelas que tm mais
do que um determinado nmero de partes so removidas. Vrios tipos de medidas podem
ser empregadas: capacidade de nadar (figura 3.20), retirando-se a gravidade e adicionandose um efeito de viscosidade da gua; capacidade de andar, ou de qualquer forma de
locomoo; pular, a partir da maior altura atingida do membro mais inferior; e perseguir,
quanto ao acompanhamento de uma fonte de luz.
77

Uma maneira de evoluir morfologia e comportamento permitir competio entre


as criaturas virtuais. Acredita-se que a interao de organismos em evoluo tem uma forte
influncia na complexidade e diversidade resultantes. Nos sistemas de evoluo natural, a
medida de fitness no constante: a reprodutibilidade de um organismo depende de muitos
fatores ambientais, incluindo outros organismos em evoluo, e est continuamente em
fluxo.

Figura 3.20 Uma seqncia evolucionria de criaturas selecionadas pela velocidade de


nadar, resultando em corpos de serpente

3.8 D A D ESCRIO F ORMALIZAO C ONCEITUAL


Todos os resultados apresentados neste captulo so exemplos convincentes do sucesso da
interao homem-mquina na produo de sistemas aplicados criatividade. Todos
pertencem ao domnio visual e muitos envolvem dinmica e sistemas complexos. Em
captulos mais adiante, sero apresentados cenrios equivalentes no domnio sonoro.
Independente de como se manifesta a criatividade, certo que nenhum dos resultados
apresentados poderia ser produzido apenas pelo homem, ou apenas pela mquina, ao menos
considerando o mesmo investimento em recursos, como grau de dedicao quantitativa e
qualitativa do homem e processamento e memria da mquina.
Fica evidente tambm a adequao de tcnicas de computao evolutiva em
aplicaes neste contexto. No entanto, a descrio detalhada de implementaes bemsucedidas no permite responder adequadamente s questes colocadas no captulo 1. Os
captulos a seguir se ocupam justamente com meios de fornecer respostas apropriadas a
elas, ou ao menos conduzir a ateno do leitor para questes relacionadas e mais
especficas, portanto de mais fcil tratamento.

78

4
UMA VISO PRAGMTICA DA
COMPUTAO EVOLUTIVA
Muito se falou nos captulos anteriores sobre processos evolutivos e de como eles surgem
na natureza ou ento de como eles so artificialmente concebidos pelo ser humano, com o
auxlio do computador. Mas o que exatamente esse processo evolutivo, como posicion-lo
frente a outros paradigmas computacionais, como represent-lo matematicamente e como
contar com a participao do usurio em etapas que no podem ser automatizadas
imediatamente? Estas so as questes abordadas neste captulo, sendo que esta abordagem
ser realizada em vrias etapas, associadas s sub-sees que seguem.

4.1 A LGORITMOS EXATOS E ALGORITMOS APROXIMADOS PARA


PROCESSOS DE BUSCA
Na cincia da computao, muitos algoritmos para a soluo de problemas computveis so
elaborados como processos de busca em espaos que contm os candidatos soluo. Este
particularmente o caso dos algoritmos a serem considerados nesta tese. Neste contexto,
79

possvel definir duas grandes classes de algoritmos: exatos e aproximados. Os algoritmos


exatos so aqueles que realizam a busca com garantia de obteno da soluo tima. Por
outro lado, os algoritmos aproximados no garantem a obteno da soluo tima, alm de
normalmente apresentarem uma dependncia da qualidade da soluo em relao
condio inicial e outros parmetros do algoritmo.
A partir desta caracterizao das duas grandes classes de algoritmos de busca,
evidente que, perante a existncia de um algoritmo exato e outro aproximado, ambos
desenvolvidos para fornecer a soluo de um mesmo problema, deve-se optar pelo
algoritmo exato, sempre.
No entanto, os algoritmos aproximados so aqueles que mais tm recebido ateno.
Esforos significativos tm sido devotados na elaborao de novas verses daqueles j
existentes e de novas propostas inovadoras, baseadas em heursticas e na incorporao de
conhecimento dedicado, ou seja, restrito ao contexto de cada aplicao. Os aspectos
computacionais desta tese corroboram este cenrio, como ser evidenciado no Captulo 5.
Estabelece-se, portanto, um aparente paradoxo, o qual deve ser devidamente equacionado
antes de se dar encaminhamento aos demais tpicos do texto. Para que investir tanto
esforo na elaborao de algoritmos aproximados mesmo para os casos em que existem
algoritmos exatos que resolvem o problema?
Este aparente paradoxo pode ser completamente dissolvido quando se considera um
aspecto adicional relativo aos algoritmos exatos e aproximados: a complexidade
computacional. Para um dado problema computvel, toda vez que a complexidade
computacional de um algoritmo exato tal que sua execuo torna-se intratvel para
instncias de tamanho suficientemente elevado, existem basicamente dois caminhos a
seguir:

abandonar a tarefa de resoluo do problema, pela impossibilidade de aplicao de um


algoritmo exato;

propor um algoritmo aproximado e que seja computacionalmente tratvel, quando


pertinente, ou seja, quando existir esta possibilidade.

Portanto, enquanto existirem problemas computveis que precisam ser resolvidos e


que levam ao estabelecimento das condies acima, a sobrevivncia dos algoritmos

80

aproximados est garantida, assim como est justificado todo o investimento que se tem
realizado na proposio de algoritmos aproximados, desde os mais genricos aos mais
especficos. No entanto, para cada problema a ser resolvido, fundamental que a
complexidade computacional dos algoritmos aproximados seja menor que aquela associada
aos algoritmos exatos que porventura j tenham sido desenvolvidos para se chegar a
soluo.
Conclui-se ento que existem problemas computveis, mas intratveis quando se
procura resolv-los empregando algoritmos exatos, que podem efetivamente ser tratados
computacionalmente, ao preo de se perder a garantia de obteno da soluo tima e
possivelmente tambm a noo de quo distante se est do timo.
Mas existe um outro preo a pagar quando se recorre a algoritmos aproximados: a
maior parte dos conceitos vinculados teoria de complexidade computacional no se aplica
a algoritmos aproximados (MOSCATO, 2001). De fato, dois problemas computveis cujos
algoritmos exatos de soluo apresentam a mesma complexidade computacional podem
apresentar complexidades muito distintas sob o ponto de vista dos algoritmos aproximados
desenvolvidos para o seu tratamento.
Mas apesar de todas estas dificuldades, entre as solues fornecidas por algoritmos
aproximados e nenhuma soluo, cada vez maior o nmero de casos prticos em que se
tornam bvias as vantagens associadas adoo da primeira alternativa. E as vantagens so
to mais evidentes quanto mais eficaz for o algoritmo aproximado que se emprega junto ao
processo de busca.
A computao evolutiva, tema deste captulo e j abordada superficialmente no
Captulo 3, corresponde a uma rea da computao dedicada proposio de algoritmos
populacionais aproximados, que sero tratados a seguir para uma grande variedade de
problemas caracterizados pela intratabilidade computacional de sua soluo via algoritmos
exatos. evidente que existem outras abordagens para algoritmos aproximados (GLOVER &
KOCHENBERGER, 2002), sendo que os algoritmos evolutivos inspiram-se particularmente na
teoria da seleo natural de Darwin e suas extenses.

81

4.2 ESTRATGIAS DE BUSCA POPULACIONAIS E NOPOPULACIONAIS


Os algoritmos aproximados que empregam estratgias de busca no-populacionais so
normalmente derivados de algoritmos exatos que empregam estratgias de busca nopopulacionais, como branch-and-bound (NEMHAUSER & WOLSEY, 1988) e branch-and-cut
(CAPRARA & FISCHETTI, 1997). Estas estratgias exatas de busca operam realizando uma
enumerao parcial de todas as possveis solues e particionam recursivamente o espao
de busca pela definio e subseqente eliminao de regies no-promissoras do espao. A
existncia de garantia de obteno da soluo tima leva normalmente intratabilidade do
algoritmo de busca correspondente junto a problemas de interesse prtico, incluindo
aqueles a serem tratados nesta tese. Com base nos argumentos levantados na seo anterior,
fica devidamente justificada a iniciativa de se derivar algoritmos aproximados a partir
desses algoritmos exatos no-populacionais.
Como algoritmos aproximados e no-populacionais, possvel destacar simulated
annealing (KIRKPATRICK et al., 1983) e tabu search (GLOVER & LAGUNA , 1997). Ambos
partem de um candidato inicial soluo e, a cada iterao, a vizinhana da soluo atual
investigada visando a proposio do prximo candidato soluo. A principal caracterstica
de ambas as propostas a possibilidade de suplantar mnimos locais, pois permitida a
degradao temporria da qualidade da seqncia de candidatos soluo, na medida em
que vo sendo propostos. Alm disso, por tratar uma soluo candidata por vez, o nmero
de iteraes geralmente muito maior que aquele vinculado s estratgias populacionais,
embora o custo computacional por iterao seja normalmente bem menor.
Como esto sendo considerados no contexto desta pesquisa processos de busca no
apenas iterativos, mas tambm interativos, a existncia de um nmero muito maior de
iteraes inviabiliza a considerao de estratgias no-populacionais.
Por outro lado, algoritmos de busca inspirados em estratgias populacionais operam
simultaneamente com um conjunto de candidatos soluo, denominada gerao atual.
Normalmente, uma iterao representa a proposio de uma nova gerao de candidatos
soluo a partir da gerao atual, pela modificao e/ou combinao de caractersticas dos
candidatos soluo. Por se tratarem de estratgias populacionais, possvel realizar
simultaneamente a explorao (busca em amplitude) e a explotao (busca em
82

profundidade) do espao de busca, o que permite que muitos progressos, tais como a
deteco e/ou validao de regies promissoras do espao, possam ocorrer em uma nica
iterao. Embora normalmente ocorra um aumento do custo computacional por iterao,
reduz-se significativamente o nmero total de iteraes neste caso, geraes necessrias
para se chegar a uma soluo aceitvel. Este o principal aspecto que levou adoo de
estratgias populacionais na proposio de algoritmos interativos, a serem descritos no
Captulo 5.
Os algoritmos genticos e outros algoritmos evolutivos (FOGEL, 1995) foram
adotados no contexto desta pesquisa, mas vale salientar que existem algoritmos
aproximados alternativos que poderiam ter sido considerados, todos empregando estratgias
populacionais. Dentre estes, destacam-se: colnia de formigas (DORIGO & DI CARO, 1999),
inteligncia coletiva (KENNEDY et al., 2001) e sistemas imunolgicos artificiais (DE
CASTRO & TIMMIS, 2002).

4.3 C ONTEXTUALIZAO
Dado um espao que contm todos os candidatos soluo de um dado problema,
algoritmos aproximados de busca so aqueles que empregam estratgias de identificao
das regies mais promissoras deste espao, ou seja, regies que potencialmente apresentam
as melhores propostas de soluo para o problema (BENTLEY, 1999; KANAL & CUMAR,
1988). Obviamente, a qualidade de uma regio do espao s pode ser medida a partir da
qualidade dos candidatos soluo que j foram considerados e que pertencem a esta
regio.
A busca evolutiva, bem como outras, faz uso de solues de alguma forma prvisitadas anteriormente, para decidir as prximas a serem visitadas. A busca se d sempre
pela modificao e/ou combinao das caractersticas dos candidatos presentes na
populao atual. s vezes, o espao apresenta uma alta concentrao de ms solues que
precisam ser vagarosamente examinadas at que eventualmente um vizinhana promissora
seja encontrada. Em outros casos, obtm-se, j no incio, uma boa soluo. Por exemplo,
pode-se j ter mo um conjunto de parmetros que adequadamente definam um carro,
como apresentado na figura 4.1. Estes parmetros podem dizer respeito distncia entre as
rodas, comprimento da carroceria, e assim por diante. A busca mostrada na figura percorre
83

trs projetos de carros, sendo que cada movimento representa um mudana em um


parmetro. Em termos gerais, este precisamente o sentido pelo qual as solues de
vizinhana num espao de busca so prximas. Em outras palavras, a distncia no espao
est relacionada distncia em termos de conjuntos de parmetros (BENTLEY & CORNE,
2002).

Figura 4.1 Busca de uma soluo num exemplo de espao de busca de projetos de carro

Como os algoritmos evolutivos esto todos inspirados na teoria da seleo natural


de Darwin, ento necessrio definir um ndice de qualidade para cada candidato
soluo. Este ndice, equivalente ao conceito de nvel de adaptao ao meio empregado por
Darwin, ir guiar a produo da prxima gerao.
Em essncia, os computadores so instrudos para manter populaes de solues,
permitir que as melhores solues procriem, e que as piores solues peream. As
geraes subseqentes herdam de suas antecessoras caractersticas com alguma pequena
variao aleatria (veja figura 4.2), e ento as melhores dessas solues tm suas prprias
solues-filhas, enquanto que as piores tm uma probabilidade baixa de contribuir na
produo de solues-filhas que comporo a prxima gerao. Este procedimento simples
permite que a evoluo ocorra. Aps geraes, o computador ter evoludo
substancialmente solues melhores comparadas s primeiras propostas.

84

Figura 4.2 Trs geraes de projetos de carro, usando uma populao de tamanho quatro

Considerando o espao de busca, possvel ter uma idia de como a evoluo


encontra boas solues. A figura 4.3 mostra o espao de busca para o exemplo apresentado
na figura 4.2, onde o tipo de busca realizado chamado de busca local. Nesse tipo de
busca, tem-se, a cada instante, uma nica soluo corrente, que gradualmente atualizada
com melhorias se e quando so encontradas melhores solues nas redondezas. Deve estar
claro que a busca realizada em paralelo, considerando vrios projetos de carro a cada
momento. No exemplo da figura 4.2, so quatro projetos simultneos representando os
indivduos a cada gerao, indicados pelas elipses em volta.

Figura 4.3 A localizao dos carros evoludos no espao de projetos de carros, a cada
gerao (veja figura 4.2). Neste exemplo, as melhores solues so encontradas na rea
central, a qual se caracteriza como uma regio promissora do espao de busca

85

Tambm deve estar claro que a existncia de vrios projetos simultaneamente


facilita a deteco de regies promissoras no espao de busca, de modo que em poucas
geraes j possvel obter bons projetos, embora sempre exista uma dependncia da
complexidade do problema. No exemplo da figura 4.2, em apenas 3 geraes j se chegou a
projetos de boa qualidade (BENTLEY & CORNE, 2002).
Todos os algoritmos evolutivos requerem algum guia para direcionar a evoluo
junto s melhores regies do espao de busca. Isto acontece pela avaliao de cada
indivduo (soluo-candidata) da populao, para determinar a sua aptido. A aptido de
uma soluo um ndice numrico baseado no quanto a soluo satisfaz o objetivo do
problema. A funo que recebe cada soluo-candidata como entrada e fornece o
correspondente ndice numrico como sada denominada funo de fitness. Tipicamente,
valores de fitness so nmeros reais positivos. A funo de fitness deve ento ser capaz de
fornecer um ndice numrico para todos os pontos do espao de busca, pois qualquer um
deles pode ser tomado como soluo-candidata em uma dada gerao. No entanto, por
serem algoritmos aproximados, uma parcela muito pequena dos pontos do espao de busca
acabar sendo visitada ao longo da execuo do algoritmo de busca. Isto ocorre justamente
porque regies no-promissoras sero detectadas e descartadas a cada gerao, a partir do
privilgio que imposto s melhores solues candidatas para se reproduzirem, em
detrimento das piores.
Outro aspecto relevante o fato de que apenas um ndice numrico utilizado,
representando o que se conhece no contexto de algoritmos de otimizao, por informao
de ordem 0 (zero). Se houvesse outros ndices numricos, como a direo a ser tomada no
espao de busca, a partir de um dado ponto, para garantir o aumento do fitness, ento
haveria informao de ordem 1 disponvel. Mas os algoritmos evolutivos operam apenas
com informao de ordem 0, e somente com ela que a busca deve ser executada em
direo maximizao do fitness. Por outro lado, a disponibilidade de informao de
ordem 1 implicaria a viabilidade de aplicao de algoritmos alternativos, possivelmente
com desempenho superior caso fizessem um uso adequado da informao de ordem 1.
Nenhum dos problemas a serem considerados nesta pesquisa oferecem informao de
ordem 1 ou superior, sendo mais uma motivao para a opo pelos algoritmos evolutivos.

86

Como o domnio da funo de fitness todo o espao de busca, possvel adotar o


conceito de superfcie ou paisagem de fitness. Quando o espao de busca contnuo,
natural imaginar a existncia de picos e vales, sendo que um pico alto corresponde a
solues naquela parte do espao de busca com fitness superiores a toda a vizinhaa. Se o
problema tem muitos picos separados (ou seja, a funo de fitness multimodal), encontrar
uma soluo tima global na paisagem, ou o topo da montanha mais alta, pode ser muito
difcil (NEMHAUSER & WOLSEY, 1988).

4.4 ASPECTOS G ENRICOS DE A LGORITMOS E VOLUTIVOS


Embora existam verses de algoritmos evolutivos mais consolidadas e mais bem sucedidas
que outras, junto a problemas especficos, no existem procedimentos sistemticos para se
definir qual seria o melhor algoritmo evolutivo para tratar um determinado problema, a
menos que peculiaridades marcantes estejam presentes. Exemplos:

busca de valores timos para um conjunto de variveis, sendo todas contnuas: sugerese o emprego de estratgias evolutivas;

busca de valores timos para um conjunto de variveis, sendo todas binrias: sugere-se
o emprego de algoritmos genticos.

Os algoritmos genticos, as estratgias evolutivas, a programao evolutiva e a


programao gentica so consideradas as classes de referncia para algoritmos evolutivos.
So ilimitadas as variaes que podem ser introduzidas junto a cada algoritmo evolutivo,
impedindo inclusive de definir uma fronteira clara entre estas quatro classes. Apenas para
efeito ilustrativo, vale mencionar algumas iniciativas presentes na literatura:

possvel realizar a combinao de dois ou mais tipos de algoritmos evolutivos, como


por exemplo usando um algoritmo estilo-PE para evoluir programas estruturados em
rvores (CHELLAPILLA , 1997);

possvel propor um algoritmo que seja radicalmente diferente de qualquer um dos


quatro principais algoritmos evolutivos, como por exemplo no caso da populao estar
baseada em um algoritmo de aprendizagem incremental (BALUJA & CARUNA , 1995).

87

Em geral, conforme sugerido pela teoria da seleo natural de Darwin, os critrios


necessrios para a evoluo ocorrer so a presena dos mecanismos de reproduo,
herana, variao e seleo (BENTLEY, 1999). Isto , qualquer algoritmo evolutivo deve
conter etapas de processamento nas quais novos indivduos podem ser gerados, herdando
propriedades dos antecessores e introduzindo inovaes aleatrias, alm da existncia de
alguma presso seletiva na produo da prxima gerao.
Todos os algoritmos evolutivos realizam a reproduo dos indivduos, ou pela
clonagem direta dos progenitores, ou usando operadores de recombinao e mutao para
permitir herana com variao. Estes operadores podem realizar muitas tarefas diferentes,
desde uma simples modificao de alelos selecionados aleatoriamente, at operaes de
busca local.
Os algoritmos evolutivos sempre usam alguma forma de seleo para determinar
quais solues candidatas tero a oportunidade de se reproduzir ou no. A idia-chave por
trs da seleo lembrar que ela exerce presso seletiva, ou presso evolutiva, para guiar o
processo evolutivo em direo s reas promissoras do espao de busca. Para isto, uma
maior probabilidade de reproduo deve ser alocada a alguns indivduos em relao a
outros. A seleo pode ser to simples quanto a escolha direta de indivduos da populao
durante a fase de reproduo, levando em conta o fitness relativo de cada um. Mas existem
tambm operadores de seleo mais elaborados, que consideram mltiplas presses
evolutivas, cada uma associada a um objetivo do problema (isso, no caso de um problema
multi-objetivo).
Dentre as tcnicas de seleo mais empregadas, encontram-se a seleo por torneio
e pela roleta. A seleo por torneio estabelece a probabilidade de uma soluo ser
selecionada em termos de quantos outros indivduos aleatoriamente selecionados ela pode
derrotar. A seleo proporcional de fitness, ou roleta, estabelece a probabilidade de seleo
como sendo diretamente proporcional ao fitness de cada indivduo, sendo que o fitness do
indivduo deve ser normalizado com base no fitness total da populao naquela gerao
(GOLDBERG, 1989).
Uma vez que a descendncia foi gerada durante a etapa de reproduo, ela deve ser
inserida na populao. Algoritmos evolutivos usualmente mantm populaes de tamanho
fixo. Assim, para cada novo indivduo que inserido na populao, outro indivduo

88

existente deve ser eliminado. Os algoritmos evolutivos mais simples apenas eliminam todos
os indivduos da gerao corrente e os substituem por novos descendentes, respeitando o
tamanho fixo da populao. Outros algoritmos mais elaborados realizam a substituio
parcial da populao corrente, proporcional ao fitness. Desse modo, os descendentes
sempre substituem solues menos adaptadas do que eles mesmos, ou os mais fracos da
populao so substitudos por descendentes mais adaptados. De fato, o uso de substituio
baseada em fitness exemplifica o famoso argumento de Darwin: sobrevivncia dos mais
adaptados. Mas a substituio no precisa necessariamente ser baseada em fitness. Ela pode
ser baseada na satisfao de restries, na similaridade de gentipos, na idade dos
indivduos, ou qualquer outro critrio pertinente, desde que uma presso baseada em fitness
seja exercida em alguma outra etapa do algoritmo evolutivo.
Algoritmos evolutivos tambm compartilham outras etapas bsicas: inicializao da
populao, avaliao do fitness de cada indivduo da populao e definio de um critrio
de parada (BENTLEY & CORNE, 2002). A inicializao da populao corresponde fase de
amostragem inicial do espao de busca. Caso no se tenha nenhum conhecimento inicial
disponvel sobre o espao de busca (por exemplo, localizao de regies promissoras), a
inicializao aleatria, com distribuio de probabilidade uniforme, pode ser empregada.
No entanto, na disponibilidade de conhecimento inicial ou ento de alguma tcnica capaz
de propor boas condies iniciais, estes podem ser empregados na proposio das solues
candidatas que iro compor a populao inicial. Alguns pesquisadores suprem o algoritmo
evolutivo com embries, ou solues no-aleatrias que so ento usadas como pontos
iniciais para a evoluo de solues mais complexas (KOZA et al., 1999a). Outros tentam
evoluir blocos construtivos, usando em seguida os resultados para inicializar outro
algoritmo evolutivo com o qual evoluiro projetos complexos usando esses blocos
construtivos (ROSENMAN & GERO, 1999).
Quanto avaliao do fitness, ao contrrio da evoluo natural, os algoritmos
evolutivos no tm um ambiente real no qual a sobrevivncia ou aptido possa ser
testada, gerando um valor de fitness. Enquanto o fitness de um indivduo, na natureza,
depende da integrao de todas as suas interaes com o meio e com os demais indivduos
da mesma e de outras espcies, o fitness de um indivduo em uma simulao computacional
de um processo evolutivo pode envolver desde apenas a aplicao de um mapeamento

89

esttico, que leva cada conjunto de atributos que caracteriza um indivduo ao seu valor de
fitness, at alguma simulao computacional que reflita algum tipo de analogia com as
mencionadas interao com o meio e com outros indivduos. Por exemplo, em robtica
evolutiva, a evoluo de estratgias de navegao autnoma vai envolver a simulao da
navegao do rob sob o controle de cada estratgia de navegao presente no conjunto de
solues candidatas, sendo que outros robs podem estar presentes no ambiente de
navegao.
Freqentemente, uma nica execuo de um algoritmo evolutivo envolver um
nmero elevado de avaliaes para definio do valor de fitness de cada indivduo, o que
significa que quase todo o tempo de computao empregado na execuo do processo de
avaliao. O tempo de processamento da maioria dos algoritmos evolutivos desprezvel
em comparao ao tempo de avaliao, sendo que h freqentemente uma forte nfase em
reduzir o nmero de avaliaes durante a evoluo ou ento realizar a sua implementao
em paralelo (MOSCATO, 1989; EBY et al., 1999).
As funes que permitem obter um valor de fitness podem envolver um nico ou
mltiplos objetivos, elas podem ser unimodais ou multimodais, contnuas ou descontnuas,
suaves ou ruidosas, estticas ou dinmicas. Algoritmos evolutivos so reconhecidamente
eficientes em encontrar boas solues para quase todos os tipos de funes de fitness, mas
tcnicas especializadas so freqentemente requeridas para funes multimodais, com
mltiplos objetivos, ruidosas e dinmicas.
A avaliao no sempre executada por funes de fitness explcitas. Alguns
algoritmos evolutivos empregam avaliadores humanos para avaliar e julgar as solues.
Exemplos desses algoritmos foram apresentados no Captulo 3 e outros exemplos sero
apresentados no Captulo 5. O fitness tambm pode ser determinado por competio entre
solues. Por exemplo, cada soluo pode representar uma estratgia de um jogo, e o
fitness de cada estratgia depende de quantas outras solues na populao de estratgias
corrente podem ser derrotadas (AXELROD, 1987).
J em relao ao critrio de parada, tambm existem vrias opes, embora
nenhuma delas se mostre adequada a todos os casos:

monitorar o tempo de execuo. Normalmente a evoluo terminada aps um nmero


especfico de geraes, avaliaes, ou tempo de processamento. Para algoritmos que

90

usam funes de fitness custosas computacionalmente, ou para algoritmos que devem


gerar solues rapidamente, o critrio de trmino primrio deve estar baseado no tempo.
Uma desvantagem: no h como garantir que haja progressos significativos do processo
evolutivo dentro do tempo especificado.

monitorar o nvel de diversidade da populao ao longo das geraes e finalizar o


processo evolutivo assim que a diversidade cair abaixo de um determinado limiar. Uma
desvantagem: calcular a diversidade da populao a cada gerao pode ser
extremamente custoso computacionalmente.

monitorar a qualidade das solues candidatas ao longo das geraes e finalizar o


processo evolutivo assim que se encontrar um indivduo com um valor de fitness acima
de um determinado limiar. Uma desvantagem: pode ser muito difcil definir este limiar
de qualidade, principalmente quando no se sabe qual seria o valor de fitness da soluo
tima.

monitorar a qualidade das solues candidatas ao longo das geraes e finalizar o


processo evolutivo assim que se detectar a interrupo do processo de melhora do valor
de fitness, o que pode ser medido por um nmero fixo de geraes sem melhora
significativa. Uma desvantagem: se ainda houver diversidade suficiente na populao,
etapas de estagnao temporria do fitness podem ser seguidas por etapas de rpida
evoluo, sendo difcil definir um nmero de geraes capaz de indicar estagnao
permanente. A deteco de estagnao pode ser utilizada tambm para reinicializar a
populao (WHITLEY & STARKWEATHER, 1990).

finalizar o processo evolutivo aps transcorrido um nmero pr-determinado de


geraes. Uma desvantagem: por ser pr-determinado, difcil definir a priori um
nmero adequado de geraes.

O ltimo critrio certamente o mais utilizado, por ser barato computacionalmente


e por permitir o reincio do processo evolutivo (a partir do estado da ltima parada) caso se
detecte a necessidade de prosseguir com a evoluo.
Um problema comum a todos os algoritmos diz respeito s taxas dos operadores,
isto , quo freqentemente aplicar cada operador. Uma resposta possvel para esse
problema deixar o algoritmo calcular, ou seja, as taxas de aplicao de cada operador

91

evoluiro e se adaptaro com o tempo, mudando de acordo com o nvel de sucesso ou falha.
H muitos possveis esquemas para esse processo de adaptao (TUSSON & ROSS, 1998;
BCK et al., 2000a).
4.4.1

A Q UESTO DA R EPRESENTAO

Para a simulao computacional de algoritmos evolutivos, necessrio que os indivduos


da populao admitam uma descrio em uma de duas formas possveis: lista de atributos
(como em algoritmos genticos) ou rvore de atributos (como em programao gentica).
Tomando lista de atributos como caso de estudo, pode-se interpretar cada atributo
como correspondendo a um eixo de coordenadas e os possveis valores do atributo,
denominados alelos, representam ento a posio do atributo no eixo de coordenadas.
Sendo assim, todo indivduo da populao pode ser interpretado como um ponto em um
espao de atributos, que vem sendo denominado nesta tese de espao de busca.
Dependendo da escolha que se faa para o elenco de atributos que caracterizam
completamente um indivduo, ou seja, dependendo da escolha da representao ou
codificao gentica, vai se estabelecer tambm a topologia do espao. A topologia est
vinculada s relaes de vizinhana entre os pontos do espao de atributos, ou seja, os
candidatos a comporem a populao em uma dada gerao.
Uma representao pobre pode fazer com que solues muito dissimilares em
termos de desempenho apaream prximas umas das outras e solues com desempenho
equivalente apaream distantes umas das outras, dificultando a busca por melhores
solues. Quando a representao possui um nmero varivel de atributos o espao de
busca costuma ser de dimenso varivel, tornando a sua explorao ainda mais difcil.
A explorao do espao de busca requer a definio de operadores genticos
responsveis pela proposio de novos indivduos a partir do cdigo gentico dos
indivduos da gerao atual, submetidos a mutao e crossover. O desempenho dos
operadores seguramente est vinculado topologia do espao de busca.
claro que definir uma representao ou codificao gentica adequada e
operadores genticos capazes de realizar uma busca eficaz , por si s, um problema de
elevada complexidade. No entanto, o que geralmente se adotam na prtica so
representaes que possuem um vnculo direto com a funcionalidade. Por exemplo,
considere o problema de se definir o estado timo de 80 chaves seccionadoras em uma rede
92

de distribuio de energia eltrica. Se os estados possveis para as chaves forem apenas


dois, ento pode-se associar 0 a chave aberta e 1 a chave fechada. Logo, a
representao de um indivduo da populao ser dada por uma seqncia de 80 bits.
Outros exemplos empregando codificao inteira e em ponto flutuante podem ser
imediatamente derivados (BCK et al., 2000b).

4.5 B REVE D ESCRIO DOS A LGORITMOS G ENTICOS


H quatro principais tipos de algoritmos evolutivos em uso hoje, trs dos quais foram
independentemente desenvolvidos h mais de trinta anos atrs. Estes algoritmos so: o
algoritmo gentico (AG), criado por HOLLAND (1973, 1975) e difundido por GOLDBERG
(1989); programao evolutiva (PE), criada por FOGEL (1962; 1963; 1966) e desenvolvida
posteriormente por seu filho DAVID FOGEL (1992); e estratgias evolutivas (EE), criada por
RECHENBERG (1973) e difundida por BCK (1996). O quarto algoritmo evolutivo uma
extenso dos algoritmos genticos apresentada por KOZA (1992) e conhecida como
programao gentica (PG). O campo da computao evolutiva cresceu ao redor dessas
tcnicas, com suas razes ainda firmemente encravadas na biologia evolucionria e na
cincia da computao. Hoje, os pesquisadores da rea examinam cada aspecto concebvel
dos algoritmos evolutivos, freqentemente usando conhecimento da biologia evolucionria
em seus algoritmos e, mais recentemente, usando algoritmos evolutivos para auxiliar os
bilogos na compreenso da evoluo natural (DAWKINS, 1991).
Algoritmos populacionais para busca esto entre os mais flexveis, eficientes e
robustos de todos os algoritmos de busca conhecidos em cincia da computao
(GOLDBERG, 1989). Devido a todas essas propriedades, estes mtodos tm sido muito
usados para resolver um amplo conjunto de diferentes problemas (HOLLAND, 1992).
A prxima subseo descreve brevemente os algoritmos genticos, os quais sero
implementados mais adiante no desenvolvimento das ferramentas computacionais
vinculadas a esta tese. Para uma descrio comparativa dos 4 principais algoritmos
evolutivos, sugerimos os trabalhos de DAVIS (1991), KOZA et al. (1999b), FOGEL (1995) e
BCK (1996).

93

4.5.1

ALGORITMOS G ENTICOS

O algoritmo gentico talvez o mais bem conhecido de todos os algoritmos baseados em


busca evolutiva. Algoritmos genticos (AGs) foram desenvolvidos for John Holland numa
tentativa de explicar o processo adaptativo de sistemas naturais e projetar sistemas
artificiais baseados nesses sistemas naturais (HOLLAND, 1973, 1975), e so hoje os mais
usados. Iniciativas precursoras dos AGs podem tambm ser atribudas a Alex Fraser em
1957 e Hans Bremermann em 1962. Mais experimentos e anlises tericas tm sido usadas
nos trabalhos com algoritmos genticos do que com quaisquer outros algoritmos evolutivos.
Ainda, os algoritmos genticos e suas variaes so modelos mais prximos da evoluo
natural do que a maioria dos outros mtodos.
Nas ltimas dcadas, os AGs vm sendo aplicados com sucesso junto a uma grande
variedade de problemas computveis caracterizados pela intratabilidade de seus algoritmos
exatos de soluo (HOLLAND, 1975; GOLDBERG, 1989; DAVIS, 1991; FOGEL, 1994).
Algoritmos genticos usam dois espaos separados: o espao de busca e o espao de
soluo. O espao de busca um espao de solues codificadas do problema, e o espao
de solues o espao das solues decodificadas, em sua forma original. Solues
codificadas, ou gentipos, devem ser mapeadas nas solues decodificadas, ou fentipos,
antes que a qualidade ou fitness de cada soluo seja avaliada.
Algoritmos genticos mantm uma populao de indivduos, sendo que cada
indivduo consiste de um gentipo e de um fentipo correspondente. O gentipo consiste da
verso codificada da lista completa de atributos que caracterizam um indivduo candidato
soluo do problema. O fentipo correspondente pode ser interpretado como a expresso do
gentipo, pois a entidade fenotpica vai expressar todos os atributos descritos no gentipo.
Um atributo codificado normalmente denominado gene, e os valores que um gene podem
assumir so chamados de alelos. Uma coleo de genes em um gentipo freqentemente
representada por uma cadeia ou lista de atributos, e denominada cromossomo.
Dois espaos de estado so inerentes ao processo evolutivo: um espao de estado
genotpico, G, referente codificao; e um espao fenotpico, F, referente ao indivduo
resultante da interpretao do gentipo. A evoluo de uma populao dentro de uma
gerao especfica esquematizada na figura 4.4. Seja a gerao de gentipos, g1 G.
Existe um mapeamento f1 tal que cada elemento de g1 traduzido em um elemento de p1 . O
94

mapeamento inerentemente muitos-para-um, porque podem existir muitos gentipos que


resultam em um fentipo idntico. O mapeamento f2 representa as variaes na
adaptabilidade dos indivduos durante a vida e fornece apenas os indivduos que iro se
reproduzir, gerando descendentes. A reproduo representada pelo mapeamento f3 . A
presena de rudo durante a transmisso do cdigo gentico, ou seja, a existncia de
mutaes, est representada pela transio de g2 para g1 . E o processo se repete a partir de
g1 .

Figura 4.4 O mapeamento entre os gentipos no espao de busca (G) e os fentipos no


espao de solues (F)

Tanto a evolues biolgica quanto a simulada envolvem os conceitos bsicos de


gentipo e fentipo, e os processos de seleo e reproduo com variantes. Na forma mais
simples de algoritmo gentico, apresentada no algoritmo 4.1, o gentipo de cada indivduo
inicializado com alelos definidos aleatoriamente.

Inicialize a populao;

Repita os passos abaixo at que o critrio de parada seja atendido:


2.1

Determinar o fitness de todos os indivduos da populao;

2.2

Reproduzir os indivduos de acordo com o fitness;

2.3

Enquanto a populao estiver incompleta faa:

2.3.1

Selecionar dois indivduos quaisquer;

2.3.2

Aplicar o operador de crossover;

2.3.3

Efetuar mutao sobre os indivduos gerados;

2.3.4

Inserir os novos indivduos na populao;


Algoritmo 4.1 Algoritmo gentico tradicional

95

O ciclo principal comea, ento, com a avaliao do fitness correspondente a cada


indivduo. Dois indivduos so ento selecionados com probabilidades proporcionais aos
respectivos valores de fitness, os quais sero os prximos progenitores. Os descendentes
so ento gerados aps a aplicao do operador de crossover, o qual tem associado a si uma
certa probabilidade de ocorrncia.

Progenitores

Filhos

Figura 4.5 O comportamento do operador de crossover. A linha vertical mostra a posio


do ponto de crossover.

Por exemplo, dado dois progenitores ABCDEF e abcdef, na ocorrncia de


crossover, um ponto aleatrio de crossover deve ser definido, por exemplo, 2. Com isso, os
dois descendentes gerados pelo AG tradicional seriam: ABcdef e abCDEF, mostrados
na figura 4.5. Na ausncia de crossover, os descendentes so simples clones de seus
progenitores, j que os cromossomos so haplides. A mutao, com uma baixa
probabilidade, ento aplicada aos descendentes. Quando aplicada para modificar um
indivduo, tipicamente um nico gene modificado, sendo este escolhido aleatoriamente.
Por exemplo, um indivduo 110000 pode ser modificado para 110100, conforme
apresentado na figura 4.6.

Figura 4.6 O comportamento do operador de mutao.

Usando crossover e mutao, os descendentes so gerados at atingir o tamanho da


populao, que fixo ao longo das geraes. Deste modo, todos os progenitores so
96

descartados na produo da prxima gerao. O processo de reproduo e avaliao


continua at que um critrio de parada seja satisfeito (HOLLAND, 1975; DE JONG, 1975;
GOLDBERG, 1989; DAVIS, 1991).
A aleatoriedade dos operadores genticos pode dar a impresso de que o algoritmo
gentico e outros algoritmos evolutivos no so nada mais que algoritmos de busca
aleatria, mas no assim. Busca evolutiva tem um elemento aleatrio para sua explorao
no espao de busca, mas a busca inquestionavelmente dirigida pela seleo junto a reas
no espao de busca que contm melhores solues. A menos que os operadores genticos
tenham sido muito mal projetados, um algoritmo evolutivo sempre ir convergir para uma
regio promissora do espao de busca, e pelo fato da busca ser executada em paralelo, via
uma abordagem populacional, estes algoritmos podem superar timos locais (GOLDBERG,
1989).
O AG na forma apresentada acima o preferido por aqueles que tentam analis-lo
teoricamente, buscando estabelecer, por exemplo, propriedades de convergncia, como a
hiptese dos blocos construtivos (HOLLAND, 1975; KARGUPTA , 1993; HARRIS, 1994;
GOLDBERG, 1989). No entanto, os AGs empregados na prtica so muito mais avanados.
As extenses mais comuns so listadas a seguir (BCK et al., 2000a; 2000b):

emprego de estratgias de seleo variadas, incluindo preservao do melhor indivduo


e manuteno da diversidade na populao;

presena de populaes intermedirias de tamanho varivel;

uso de diversos operadores genticos, incluindo aqueles especificamente projetados em


funo das peculiaridades do problema;

adoo de critrios de parada mais elaborados, levando em conta medidas de


diversidade populacional;

emprego de tcnicas de reinicializao;

incorporao de operadores de busca local;

incorporao de ajuste automtico de parmetros do algoritmo, como probabilidades de


crossover e mutao;

generalizaes envolvendo coevoluo de populaes, recursos de computao paralela


e de nichos populacionais.

97

4.5.2

ALGORITMOS M EMTICOS

Os algoritmos evolutivos, normalmente, no incluem mtodos para identificar e transferir


conhecimento adicional visando auxiliar na implementao de processos de busca local.
Um aspecto a ser considerado o valor atual do fitness de um dado indivduo da populao.
Outro, o potencial de aumento do fitness a partir de variaes localizadas e
determinsticas nos atributos do indivduo. Caso se saiba o que pode ser feito para aumentar
o fitness de um indivduo, via uma busca local determinstica, ento a incluso desta etapa
em um processo evolutivo pode representar ganhos de desempenho significativos, ao longo
das geraes de um processo evolutivo. evidente que o custo computacional da busca
local no pode ser excessivo, principalmente quando aplicada a cada indivduo da
populao, e a cada gerao.
Pode ser feita uma analogia direta entre algoritmos evolutivos com etapas de busca
local e a uma populao de seres humanos vivendo em sociedade. Considere dois
indivduos desta populao que sejam igualmente aptos fsica e intelectualmente. Se um
deles tiver acesso ao conhecimento de tcnicas de convivncia social e o outro no, ento a
capacidade de convivncia social de ambos vai ser distinta, pois um deles, alm das
aptides genticas, herdou aptides culturais, ou memticas. Esta a razo pela qual
algoritmos genticos com etapas de busca local so comumente denominados de algoritmos
memticos. De uma forma genrica, possvel dizer que, se os algoritmos genticos foram
criados tentando simular a evoluo biolgica, os algoritmos memticos tentam simular a
evoluo cultural.
MOSCATO (1989) introduziu os algoritmos memticos, os quais foram inicialmente
comparados evoluo das artes marciais, em particular, o Kung-Fu. Estudos do
comportamento humano mostraram que, como os outros primatas, os seres humanos
tendem a lutar usando uma seqncia de movimentos muito desordenada. Ao contrrio, os
movimentos de um mestre de Kung-Fu so uma extraordinria combinao de simplicidade
e efetividade. At onde se sabe, todas as artes marciais exploram a habilidade do crebro
humano de associar eventos seqenciais. Assim, o conhecimento bsico transmitido
atravs do aprendizado de um conjunto de seqncias selecionadas de movimentos,
denominadas formas. A forma, como um cromossomo, no uma entidade indivisvel,
composta de uma seqncia de sub-unidades defensivas e agressivas que tambm podem

98

ser divididas. Mas dentro da forma h alguns movimentos que podem ser entendidos como
unidades indivisveis, e estes so os realmente importantes. So estes movimentos nodecomponveis que devem ser considerados memes (MOSCATO, 1989). Os indivduos
podem calcular a sua funo de fitness pela avaliao de seu desempenho na execuo dos
movimentos das formas e em competies ou torneios. interessante verificar que a
informao melhora atravs das geraes. muito importante lembrar que nem todos os
indivduos podem ensinar, somente aqueles que tm a faixa preta. Isto se equipara aos
processos de cruzamento nos algoritmos evolutivos, que atribuem maior probabilidade de
seleo aos indivduos com maior fitness.
De volta ao contexto da implementao computacional, os algoritmos memticos
so um casamento entre uma busca global baseada em populaes e uma busca local
heurstica realizada junto a cada um de seus indivduos. Alguns autores (GOLDBERG, 1989)
classificam variaes de algoritmos memticos como algoritmos genticos hbridos. Em
termos gerais, pode-se descrever um algoritmo memtico como a seguir: dada uma
representao de um problema de otimizao, uma populao de indivduos criada. O
estado de cada um desses indivduos pode ser aleatoriamente escolhido ou derivar de um
certo procedimento de inicializao. Aps isto, cada indivduo realiza uma busca local. O
mecanismo para realizar a busca local pode ser buscar um timo local ou apenas aplicar
alguns passos que levem a melhoras pontuais. Em seguida, cada indivduo interage com os
outros membros da populao. A interao pode ser competitiva ou cooperativa. O
comportamento cooperativo pode ser compreendido como os mecanismos de crossover nos
algoritmos evolutivos ou outros tipos de cruzamento que resultam na criao de um novo
indivduo. Mais genericamente, pode-se compreender cooperao como uma troca de
informaes. A competio pode ser similar aos processos de seleo dos sistemas
evolutivos. A busca local e a cooperao (cruzamento, troca de informaes) so repetidas
at que um critrio de parada seja satisfeito (M OSCATO, 1999).
4.5.3

COMPUTAO EVOLUTIVA E ABDUO

Em IA, abduo e induo so associadas a formas importantes de inferncia a partir de


informaes incompletas. A abduo envolve interpretao de contextos e representa um
primeiro passo na produo de hipteses a partir de premissas fracas, como por exemplo,
conjecturas sobre os fatos envolvidos (LAURENTIZ, 1991). Do ponto de vista filosfico,
99

PEIRCE (1953) classificou a abduo como a operao de adotar hipteses e a induo como
uma operao para testar hipteses atravs de experimentao. Computacionalmente, podese dizer que a abduo funciona como um sistema gerador de hipteses e a induo como
um sistema gerador de regras. Ora, os sistemas evolutivos contm ambos os mecanismos: a
busca populacional promove a gerao de hipteses e a funo de fitness aponta regies
promissoras do espao de busca, que passam a desempenhar o papel de atratores ou regras
de comportamento a guiar o processo de busca. No incomum, portanto, encontrar
sistemas evolutivos e abduo associados, particularmente no contexto de sistemas
criativos (SATO & KAMEYA , 2002).

4.6 D E S ISTEMAS E VOLUTIVOS A S ISTEMAS C RIATIVOS


Inspirar-se na evoluo para a implementao de algoritmos aproximados eficientes,
capazes de realizar busca na presena de uma exploso combinatria de candidatos
soluo, algo muito importante quando se consideram os propsitos desta tese. Mas como
habilitar a evoluo a manipular a criatividade? O que um sistema evolutivo criativo?
Dizer que algo gerado computacionalmente criativo traz consigo ambigidade e
controvrsia. A esse respeito, GERO (1996) diferencia duas fontes de criatividade: um
indivduo pode demonstrar criatividade ao projetar e um projeto pode ter caractersticas
reconhecidas como criativas. Em seguida, GERO (1996) se concentra na primeira
possibilidade, e conclui que um computador est operando criativamente quando explora o
espao de estados de projetos possveis, alm de explorar o conjunto de atributos
associados aos projetos individuais. Numa abordagem similar, BODEN (1990) sugeriu que a
criatividade s possvel indo alm dos limites da representao, encontrando uma soluo
nova que simplesmente no poderia ter sido definida por aquela representao.
Outras definies para o projeto criativo incluem a transferncia de conhecimento
de outros domnios, tendo a habilidade de gerar solues surpreendentes e inovadoras
(G ERO & KAZAKOV, 1996), ou a descrio de ROSENMAN (1997):

Quanto menos conhecimento sobre as relaes existentes entre os


requisitos e a forma de satisfazer os requisitos, mais um problema de
projeto tende ao projeto criativo.
100

Sob esse ponto de vista, a principal caracterstica que todos os sistemas evolutivos
criativos tm em comum a habilidade de gerar projetos inteiramente novos a partir de
pouco ou nada, isto , populaes iniciais aleatrias e direcionamento apenas a partir da
informao de ordem 0 associada ao valor de fitness de cada indivduo, o qual, por sua vez,
funo explcita ou implcita de objetivos do projeto, formalizados em uma linguagem de
alto nvel. Tanto a representao como as atribuies paramtricas de cada representao
candidata devem ento ser alvos da evoluo (BENTLEY & WAKEFIELD , 1997; ROSENMAN,
1997).
Outros, mais concisos (BENTLEY & CORNE, 2002; GERO, 1996), definem um
sistema evolutivo criativo como um sistema computacional que usa algum aspecto da
computao evolutiva e projetado para:

auxiliar o processo criativo humano;

gerar respostas para problemas que tradicionalmente requerem pessoas criativas para
encontrar solues.
Atingindo esses objetivos, um sistema evolutivo criativo pode tambm aparentar

atuar criativamente. Por exemplo, um sistema pode achar solues altamente inovadoras,
ou pode combinar duas idias bem diferentes e previamente existentes para fazer alguma
coisa nova.
Muitos dos avanos na evoluo criativa surgiram na rea de projeto evolutivo
(BENTLEY, 1999). fcil ver por que isso aconteceu: problemas de projeto de arquitetura e
engenharia vm ganhando mais e mais complexidade, com mltiplos objetivos
freqentemente conflitantes, muitas restries e especificaes de desempenho, e elevado
nmero de parmetros (PARMEE, 1999). H tantas regras diferentes, opinies, preferncias e
materiais que, para cada novo prdio, h um nmero praticamente infinito de possveis
solues de projeto. Explorar essas solues parte da difcil tarefa de ser um arquiteto.
Conseqentemente, no coincidncia que as primeiras investidas no projeto evolutivo e
explorativo foram feitas por arquitetos. Alguns dos primeiros trabalhos foram feitos por
John Frazer, que investiu muitos anos desenvolvendo sistemas de arquitetura evolutivos
com seus alunos (F RAZER, 1995). Ele mostrou como a evoluo pode gerar muitas formas
arquitetnicas surpreendentes e inspiradoras e como estruturas novas e funcionais foram

101

evoludas. Seus mtodos freqentemente envolveram, por exemplo, a evoluo de


autmatos celulares para a proposio de configuraes bidimensionais empregadas na
gerao de exteriores suaves. Na Austrlia, o trabalho de Gero e seus colegas arquitetos
tambm investigou o uso da evoluo para gerar novas formas arquitetnicas (ROSENMAN
& GERO, 1999). Eles tambm mostraram como a evoluo pode levar concepo de
prdios no estilo de arquitetos renomados (GERO & KAZAKOV, 1996; SCHNIER & GERO,
1996).
Artistas so tambm entusiastas dos sistemas criativos evolutivos. Os biomorphs de
DAWKINS (1991) inspiraram os mencionados trabalhos de TODD & LATHAM (1999) e SIMS
(1999), apresentados no Captulo 3. Mas interessante notar que todos esses exemplos de
sistemas evolutivos usaram a evoluo mais como exploradora do que como otimizadora.
Normalmente guiado por um usurio, o sistema usado para investigar muitas possveis
solues, como instigador, e para perscrutar conjuntos de possveis solues. Apesar de
produzir resultados expressivos, tais sistemas sempre receberam crticas no sentido de que a
presena de um ser humano para guiar a busca por solues era a chave para o sucesso
desses sistemas. Mas o trabalho de THOMPSON (1995) e KOZA (1992) supriu algumas das
primeiras demonstraes de que a evoluo era capaz de inovao sem guia humano.
Atravs da instruo ao computador da funo desejada na forma de um conjunto de rotinas
de avaliao e nada a respeito do projeto desejado, o elemento humano foi removido do
ciclo e o poder da evoluo exploratria foi demonstrado conclusivamente (BENTLEY &
WAKEFIELD , 1995; 1997; BENTLEY, 1996). THOMPSON (1995) tambm demonstrou o poder
da evoluo para gerar novos projetos de circuitos eletrnicos e aplicou as mesmas tcnicas
para gerar seqncias sonoras. De forma similar, John Koza vem demonstrando h anos o
uso de programao gentica para buscar novos programas de computadores, levando assim
os computadores a se auto-programarem (KOZA , 1992). Vale salientar que S IMS (1993)
realizou uma implementao muito similar programao gentica em seus trabalhos,
descritos no Captulo 3, mais precisamente na seo 3.6.1.
Trabalhos como esse iniciaram uma recente mudana no pensamento sobre a
evoluo: os algoritmos evolutivos no mais so vistos apenas como ferramentas de apoio,
mas tambm como resolvedores independentes de problemas, incluindo a proposio de
solues surpreendentes.

102

Como uma conseqncia imediata, mais solues para um dado problema podem ser
encontradas mais rapidamente, fornecendo uma fonte de informao sobre tipos de
solues alternativas para o usurio. O resultado que as solues que a evoluo descobre
so freqentemente muito diferentes das solues que somos capazes de imaginar.

4.7 R ELAXANDO R ESTRIES


Ao se examinar como sistemas evolutivos criativos diferem dos sistemas evolutivos mais
tradicionais, no incomum verificar que restries de uma forma ou de outra so
relaxadas ou removidas. Alguns pesquisadores fazem isso explicitamente. Por exemplo,
PARMEE (1999) tem recentemente se concentrado no desenvolvimento de sistemas
evolutivos interativos que permitem aos usurios relaxar constantes funcionais para
problemas de projeto de engenharia. Ele coloca que a realimentao recebida pelos
projetistas com as respostas fornecidas pelas estratgias computacionais evolutivas e
adaptativas pode resultar em explorao significativa, levando redefinio do ambiente de
projeto. Em outras palavras, a inteno permitir aos projetistas o relaxamento de
restries de maneira a explorar mais solues potenciais. Ento, com este conhecimento
adicional, os projetistas podem redefinir representaes e permitir evoluo suprir
solues novas ou diferentes, mais apropriadas aplicao.
Aparentemente, os resultados mais marcantes obtidos por esse tipo de sistema
evolutivo criativo requerem a remoo de restries dentro das representaes, e no
apenas adaptaes nas funes de fitness. A utilizao de diferentes tipos de representao
numa mesma implementao de um algoritmo evolutivo pode contribuir para viabilizar este
incremento na flexibilidade da representao (BENTLEY & CORNE, 2002).

4.8 R EPRESENTAES B ASEADAS EM C OMPONENTES


As vises tradicionais do algoritmo evolutivo o classificam como um otimizador. Mais
adequado seria classific-lo como um algoritmo que satisfaz (HARVEY, 1997). A
evoluo nunca tenta achar solues timas globais, ela meramente propaga as melhorias
ao longo das geraes. Desta maneira, a evoluo trilha um caminho imprevisvel atravs
do espao de busca. s vezes este caminho pode alcanar um beco sem sada, levando
convergncia prematura. Outras, se repete em crculos, e ocasionalmente pode atingir um
103

timo global, mas no h garantia disso. As incurses da evoluo so como as de uma


populao de exploradores em terreno desconhecido.
Mas exatamente o que a evoluo explora? Isto determinado pela representao
que ela usa. Com uma parametrizao de tamanho fixo, as exploraes tendem a ser
interpretadas apenas como processos de adaptao paramtrica. Por exemplo, se h apenas
trs parmetros definindo a soluo e uma funo de fitness que toma o valor dos trs
parmetros como entrada e produz o valor de fitness como sada, ento a evoluo
naturalmente se comporta como um otimizador. Ela buscar os melhores valores para
aqueles trs parmetros.
Mas com um tipo diferente de representao, o comportamento da evoluo muda.
Quando os parmetros no definem a soluo diretamente, quando eles definem um
conjunto de componentes a partir do qual a soluo construda, a idia de otimizao se
torna inapropriada. A evoluo explora novas maneiras de construir a soluo mudando o
relacionamento entre os componentes. Isto pode variar a dimensionalidade do espao
adicionando

ou

removendo

componentes,

explorando

alternativas.

Alm

disso,

normalmente mais do que uma proposta de soluo desejvel, e estas solues podem
corresponder a diversos timos locais.
Esta diferena entre otimizao paramtrica e no-paramtrica ou exploratria se
torna mais evidente quando a literatura da rea examinada. Pesquisadores que aplicam a
evoluo em abordagens exploratrias manipulam componentes. Artistas usam a evoluo
para criar arte a partir de formas primitivas tais como espirais, esferas e torides, ou outras
funes matemticas tais como coseno, arco tangente ou fatorial. Da mesma forma,
cientistas da computao, usando programao gentica, evoluem programas a partir de
bibliotecas de funes bsicas e de variveis e constantes elementares.

4.9 D E S ISTEMAS E VOLUTIVOS C RIATIVOS C RIATIVIDADE


Os sistemas evolutivos criativos auxiliam o processo criativo humano, permitindo a
explorao de novas idias durante a evoluo, ou apresentam ao usurio novas idias e
conceitos atravs da gerao de solues inovadoras junto a problemas previamente
resolvidos apenas por pessoas reconhecidamente criativas. Mas os sistemas evolutivos
criativos so realmente criativos? Um breve retrospecto da rea, apresentado no Captulo
104

3 e em sees anteriores deste captulo, indicou como aplicaes complexas, tais como
projetos de arquitetura, programao, projetos de circuitos, arte e composio sonora
fortaleceram o desenvolvimento dessa nova abordagem. Atravs da interao homemmquina, a evoluo de solues com qualidade esttica pode ser habilitada. Pela aplicao
de representaes de componentes fracamente baseadas no conhecimento, pode-se remover
restries de busca junto s representaes e permitir evoluo montar novas solues.
Por meio de tais mtodos, a evoluo transforma-se na explorao do que possvel, ao
invs de otimizar o que j existe.
Para determinar se a evoluo pode ser considerada criativa, parece apropriado
explorar algumas das definies de criatividade envolvendo aspectos computacionais e
evolutivos (BODEN, 1990; GERO, 1996; ROSENMAN, 1997).

a) A gerao de solues surpreendentes e inovadoras (GERO & KAZAKOV, 1996)


No h dvida de que a evoluo natural capaz de gerar inovao. tambm imediato
que

computao

evolutiva

apresenta

nveis

surpreendentes

de

novidades.

Conseqentemente, de acordo com esta definio, pode-se dizer que a evoluo criativa,
mas parece que a definio genrica demais. Os padres de vapor numa parede de vidro,
os flocos de neve, as dunas de areia e as formaes de eroso podem todas ser descritas
como surpreendentes e inovadoras. Assim, se a evoluo tida como criativa de acordo
com esta interpretao, as leis da fsica e os quatro elementos tambm so criativos. Mas a
diferena entre a evoluo natural, e a eroso ou a formao de objetos inanimados parece
ser grande demais para ser ignorada.

b) Criando solues inovadoras que so qualitativamente melhores que as solues


prvias (GERO & KAZAKOV, 1996)
Essa uma definio mais rigorosa e sobrepe os problemas mencionados na definio
anterior. Nenhum floco de neve ou formao rochosa melhor ou pior do que qualquer
outro. Eles simplesmente existem, e podem ou no ser elegantes ou atrativos. Por outro
lado, a essncia da evoluo a melhoria no decorrer do tempo. A evoluo de fato resulta
em solues qualitativamente melhores porque, ao contrrio dos objetos inanimados na
natureza, a evoluo gera solues mais aptas sobrevivncia. Apesar de que a
105

sobrevivncia, como tarefa, est continuamente mudando e a taxa de sucesso de cada


projeto vivo varia constantemente, a conquista de habilidades de sobrevivncia teis e
altamente refinadas (e que portanto custam caro ao processo evolutivo), tais como a
capacidade de voar, ver, correr, nadar, e assim por diante, no s esto presentes em
diversos organismos superiores como tambm foram reinventadas pela natureza (DAWKINS,
1998). A evoluo natural, sem dvida, gera solues qualitativamente melhores que as
anteriores. Na computao evolutiva, o mesmo acontece. Gerao aps gerao, as
solues so melhoradas. Na comparao de projetos evoludos por computadores com
projetos humanos, a evoluo tambm capaz de suprir melhorias substanciais e, em
alguns casos, conceitos genuinamente originais (BENTLEY, 1999).
Assim, mais uma vez, a evoluo aparenta ser criativa, mas ainda a definio parece
incompleta. Ao invs de focar nos resultados da evoluo e tentar determinar por
proximidade se sua ocorrncia implica em criatividade, parece mais apropriado concentrar
em como as solues so encontradas. So elas encontradas criativamente?

c) Menos conhecimento das relaes existentes e da forma de satisfazer os requisitos


(ROSENMAN, 1997).
Esta definio de criatividade estabelece que a habilidade de gerar boas solues, mesmo
quando muito pouco ou nenhuma informao sobre a natureza fundamental das solues
providenciada, implica que o processo gerativo deve ser criativo. A evoluo natural
sempre satisfaz isto, pois no h conhecimento suprido de qualquer maneira a respeito de
quais solues devem ser favorecidas. O mais apto simplesmente sobrevive. A computao
evolutiva nem sempre satisfaz esta definio. Ao usar a evoluo para otimizar parmetros
dados em uma estrutura pr-determinada, conhecimento considervel embutido na
representao. Ento pode no haver criatividade. De qualquer forma, h espao para
criatividade no caso de problemas que empregam a evoluo como uma tcnica
exploratria, com o conhecimento reduzido ao mnimo, como por exemplo uma gramtica
de projeto que supre um meio de definir projetos sem diretamente suprir conhecimento de
quais projetos so melhores. Mas ainda alguns apontam essa definio como sendo
insuficiente para capturar a essncia da criatividade.

106

d) Explorando espaos de busca alternativos (GERO, 1996)


Pela redefinio do espao de busca ou de fato construindo novos espaos de busca, um
processo de busca pode ser considerado criativo. Da mesma maneira que os pensadores
criativos encontram formas alternativas de olhar para o problema, se a evoluo pode
aumentar ou alterar de algum modo o espao de busca, ela ser criativa.
Esta uma interpretao que leva a um requisito mais difcil de ser satisfeito pela
evoluo. De qualquer maneira, a evoluo natural e alguns dos mais avanados algoritmos
evolutivos so capazes de variar as suas representaes. Tais abordagens evolutivas podem
ter considervel liberdade para modificar suas representaes em paralelo evoluo de
solues. Elas podem alterar a codificao, variar o comprimento do genoma, empregar
material gentico redundante, selecionar elementos funcionais teis e at mesmo criar
blocos construtivos de mais alto nvel. Mais uma vez, pelo menos algumas das formas mais
complexas de evoluo podem ser consideradas criativas.

e) Transferindo informaes teis de outros domnios (GOLDBERG, 1999; HOLLAND,


1998)
Para GOLDBERG (1999), a inovao envolve a descoberta dentro de uma disciplina,
enquanto que a criatividade requer uma transferncia de conhecimento de fora. HOLLAND
(1998) apresenta um ponto muito similar em sua discusso de metforas e de como o
conhecimento em uma rea pode ser aplicado a um campo diferente, de forma a mudar as
percepes e a compreenso naquele campo.
Na natureza, no h domnios de conhecimento claramente definidos. Talvez
diferentes espcies possam ser lembradas como arquivos distintos de conhecimento, mas a
evoluo natural no transfere tal informao, o cruzamento entre as espcies em geral no
bem sucedido. Alguns argumentam que o conhecimento das solues prvias que foram
bem sucedidas durante as condies ambientais alternativas est armazenado em trechos
no-funcionais do DNA, possivelmente visando uma futura reutilizao. Mas isso
dificilmente uma transferncia de conhecimento de um outro domnio. GOLDBERG (1989),
de fato, sugere que a transferncia de conhecimento acerca de uma melhor representao do
conhecimento pode ser um aspecto da criatividade, e argumenta que a evoluo natural de
fato evolui a capacidade de evoluir (DAWKINS, 1989).
107

f) Ultrapassando os limites da representao (BODEN, 1990)


De acordo com Boden (1990), para atuar criativamente necessrio encontrar uma soluo
inovadora que simplesmente no poderia ter sido definida pela representao. Ela sugere
que esta a natureza da mudana de paradigma, onde abordagens inteiramente novas para a
representao de problemas so encontradas. Isto impede a transferncia de conhecimento
dentro da representao corrente, conforme sugerido na definio anterior. Ao invs disso,
uma representao diferente seria requerida. Boden acha que os computadores nunca sero
agentes de tal criatividade (BODEN, 1990; BENTLEY & CORNE, 2002).
Esta definio parece ignorar o fato de que nossos crebros so fundamentalmente
dispositivos de representao nica, particularmente quando se caminha para o nvel mais
baixo, dos neurnios e seus sinais qumicos e eltricos. Logo, tanto a evoluo natural
como a computacional so igualmente restritas, em termos de poder de representao,
quando analisadas no nvel mais baixo dos componentes e estruturas de dados.
Como tanto o crebro humano quanto o computador podem ser capazes, mesmo que no
sejam igualmente capazes, de definir representaes de mais alto nvel, ento conclui-se
que ambos so capazes, mesmo que no sejam igualmente capazes, de expressarem
criatividade.

108

5
A ARTEBITRARIEDADE NOS
DOMNIOS VISUAL E
SONORO
Neste captulo, sero explorados computacionalmente aspectos subjetivos e tambm alguns
aspectos de regras gerais e leis que um artista pode adotar, infringir ou ignorar em sua
produo, tanto no domnio visual quanto sonoro. Se a apreciao esttica fosse governada
somente pela opinio subjetiva, no haveria como obter formas (parcialmente) automticas
de produo artstica, com algum valor esttico, sem uma total integrao do artista com a
mquina. Por outro lado, se as regras gerais e leis no permitissem a manuteno de um
elenco de graus de liberdade de expresso, ento a automatizao poderia ser completa,
apesar da aparente complexidade de projeto.
Como nenhum dos extremos retrata adequadamente o processo de produo
artstica, ento a concluso geral a que chegamos, em captulos precedentes, de que h

109

espao para a automatizao tanto na explorao dos graus de liberdade de expresso, esta
ltima atravs de uma interao homem-mquina, quanto no atendimento de regras gerais.
Em breves palavras, os graus de liberdade sero modelados na forma de problemas de
otimizao combinatria e as regras gerais sero formalizadas matematicamente e inseridas
nos programas computacionais, na forma de restries ou direcionamentos a serem
seguidos pela mquina. A liberdade de expresso ser ento compreendida como a busca
exploratria pela melhor combinao de atributos livres dentre todas as possibilidades. Este
cenrio se caracteriza pela existncia de um nmero enorme, finito ou infinito, de
candidatos soluo (formas definidas de combinao dos atributos livres).
Aps a proposio de um espao de busca que contenha todos os candidatos
soluo, aplica-se alguma ferramenta de busca, capaz de detectar regies promissoras do
espao, em que se encontram candidatos soluo de melhor qualidade, ou seja,
combinaes de atributos livres que possuam comparativamente mais valor esttico do que
outros candidatos soluo, pertencentes a regies menos promissoras do espao. O
objetivo ento maximizar o valor esttico de uma combinao de atributos, resultando,
portanto, em um problema de otimizao combinatria.
J vimos que existem algoritmos muito competentes para implementar estas buscas
associadas a problemas de otimizao combinatria, sendo que algoritmos evolutivos foram
adotados no contexto desta pesquisa. Dentre os fatores que justificam a adoo de tcnicas
de computao evolutiva, est o fato dos algoritmos resultantes trabalharem com estratgias
de busca populacionais. No entanto, independente de serem estratgias populacionais, os
algoritmos de busca, dentre eles os algoritmos evolutivos, geralmente requerem a definio
de uma avaliao individual para cada soluo candidata selecionada, embora esta
avaliao possa ser relativa s demais solues j propostas. A evoluo s vai ocorrer aps
a concluso do processo de avaliao de todos os indivduos (solues candidatas ou pontos
no espao de busca) que compem a populao na gerao corrente. Em seguida, os
atributos dos indivduos da gerao corrente so combinados e/ou perturbados localmente
para se produzir a prxima gerao de indivduos, os quais devero ser avaliados
individualmente, e assim por diante, gerao aps gerao, at se satisfazer algum critrio
de trmino da busca.

110

A automatizao deste processo de avaliao continuada iria requerer que a


mquina fosse capaz de avaliar de forma determinstica a qualidade esttica de cada
indivduo da populao na gerao corrente. Em lugar de atribuir esta tarefa mquina, ou
seja, em lugar de dotar a mquina de capacidade de julgamento esttico, o que se faz aqui
recorrer a uma interao com o artista, de modo que a este sejam apresentadas as solues
candidatas propostas pela mquina, a cada gerao do algoritmo evolutivo, e do artista
sejam requeridas as avaliaes individuais relativas, com o grau de subjetividade que
estiver ao seu alcance. O processo de busca ir ento progredir guiado pela realimentao
fornecida pelo artista, a cada gerao. Trata-se de um processo de produo artstica
auxiliado por computador, baseado em um processo iterativo de busca exploratria seguida
de interao com o artista, que recebeu a denominao de arTEbitrariedade (MORONI et al.,
2002b). Neste contexto, a busca por mais liberdade de expresso est diretamente vinculada
capacidade exploratria da mquina e eficincia do processo de interao com o artista.
fundamental permitir que o artista intensifique a sua influncia junto ao processo de
busca, sempre que ele detectar a possibilidade de atuar na proposio de direes
convenientes para guiar a busca exploratria, e no apenas realizando avaliao subjetiva
de candidatos soluo j propostos pela mquina. Quando o artista, alm de ser o agente
avaliador, o agente responsvel pela implementao de buscas locais no espao de
solues candidatas, ento passa-se do algoritmo gentico interativo para o algoritmo
memtico interativo.
Mas h espao tambm para a liberdade de expresso, com violao de paradigmas.
A sugesto de alteraes nas regras gerais, quando bem recebidas e aceitas como
alternativas de manifestao artstica, representam novas fontes de expresso artstica e,
portanto, violam paradigmas pr-existentes. Dentro do enfoque da arTEbitrariedade, isso se
consegue ao permitir que a mquina, contando com o apoio do artista, possa realizar
modificaes paramtricas ou estruturais junto ao conjunto de regras ou leis.
Sero descritos, a seguir, os experimentos com arTEbitrariedade, visando a criao
artstica no domnio visual e, aps, no domnio sonoro. No primeiro experimento, aplicado
ao domnio visual, apresentada a interface ArtLab, que habilita a evoluo de
composies de primitivas geomtricas atravs de um algoritmo gentico interativo (AGI).
Na seqncia, so apresentados alguns aspectos das dificuldades em se modelar uma

111

funo para avaliao do fitness visual, onde so brevemente comentadas regras e leis
gerais que j nortearam a produo artstica, nos domnios visual e sonoro. Finalmente,
apresentado o VOX POPULI, ambiente evolutivo aplicado composio sonora. Neste
desenvolvimento, foi aplicada uma formulao matemtica da teoria da consonncia
musical funo de fitness, permitindo a automatizao parcial da funo de avaliao. Isto
implica que, nas suas verses atuais, o VOX POPULI possui um maior grau de
independncia do usurio que o ArtLab. Os ambientes VOX POPULI e ArtLab esto
disponveis em:
http://www.dca.fee.unicamp.br/~vonzuben/research/artemis_dout/index.html

5.1 ARTL AB: A E XPLORAO DO D OMNIO V ISUAL


O modo como Jackson Pollock, artista norte-americano a quem se associa o conceito de
action painting, realizava, na prtica, sua obra, tornou-se uma lenda: a tela estendida no
cho, o uso de varas, colheres de pedreiro, facas e gotejamento de lquidos, o uso ocasional
de areia ou cacos de vidro (figura 5.1). Todas essas artimanhas tm sido usualmente
interpretadas como um caminho para o automatismo. Mas a finalidade de Pollock, como ele
disse, era penetrar em sua pintura, tornar-se parte integrante dela, caminhando em redor da
tela e trabalhando em todas as direes (READ, 1974). Dizia ele:

Quando estou na minha pintura, no me apercebo do que estou fazendo.


somente depois de uma espcie de perodo de familiarizao que vejo
o que estou fazendo. No receio fazer mudanas, destruir a imagem, etc.
porque a pintura tem vida prpria. Tento fazer com que esta vida
transparea, venha tona. Somente quando perco contato com a pintura
que o resultado vira baguna. Caso contrrio, h harmonia pura, um dar e
receber desenvolto, e a pintura resulta perfeita.

Perfeita, em relao a que padres? provvel que Pollock nunca tenha feito a si
mesmo essa pergunta, mas ela a principal dificuldade desse desenvolvimento. Expresses
como sensaes pictricas completas, a pintura tem vida prpria, sugerem que o
critrio de Pollock a vitalidade; mas Pollock tambm fala de harmonia pura, e de um dar
112

e receber desenvolto em outras palavras, um critrio de prazer ou beleza. Tal questo


ser retomada adiante. A pista para a originalidade de Pollock est na expresso sensaes
pictricas concretas. Mas do simbolismo no existe sequer uma sugesto. Pelo contrrio,
manifestado o desejo de destruir a imagem e suas associaes simblicas.

Figura 5.1 JACKSON POLLOCK (1949) Nmero 33

Pode-se dizer que h no ArtLab alguma semelhana ao modo como Pollock


realizava sua obra: uma trajetria. As artimanhas so as primitivas geomtricas linha e
crculo, e as formas que resultam dos mtodos associados a essas primitivas: retngulo,
arco, elipse. SIMS (1993) usou expresses simblicas na forma pr-fixada para especificar
imagens bidimensionais. Aqui, foram empregadas colees de primitivas grficas bsicas,
bem como texturas padres, e esses conjuntos simples e restritos j mostraram um espao
bastante grande a ser explorado.
A avaliao e a evoluo das imagens deixada por conta da interao com o
usurio-criador, talvez artista, durante o processo evolutivo. Um algoritmo gentico que
usa o julgamento humano para determinar o fitness chamado algoritmo gentico
interativo (AGI), em referncia sua interface interativa. Esta interface promove a
apresentao dos indivduos da populao corrente para um mentor humano avali-los.
No domnio visual, onde cada indivduo tipicamente apresentado como uma imagem, em
geral todos os indivduos so apresentados simultaneamente, em tamanho reduzido, de
113

forma que a populao inteira possa ser vista ao mesmo tempo. O mentor pode comparar e
contrastar as imagens, e atribuir um fitness para cada indivduo em relao a todos os
outros.
O potencial deste mtodo consiste principalmente na habilidade de explorar o
espao de busca e direcionar o progresso da evoluo. Atravs da seleo de algumas
imagens para serem as progenitoras da prxima gerao e da eliminao de outras, o
mentor cria uma tendncia a ser refletida pelo processo de busca evolutiva, baseada no
que ele aprecia ou no aprecia. As imagens que receberam melhor avaliao so as mais
provveis de serem selecionadas como progenitoras da prxima gerao. Considerando que
os cromossomos progenitores, ou a representao interna das imagens, tem um meio de
passar as suas caractersticas para as imagens descendentes, os atributos das imagens
progenitoras sero tambm encontrados, em graus variados, nos membros das populaes
subseqentes. Nesta abordagem, a teoria de seleo natural de Darwin ocupa um papel
principal na explicao de como as populaes subseqentes tornam-se mais prximas das
preferncias do usurio. Ao longo das geraes, as caractersticas no consideradas
interessantes no sero selecionadas para reproduo. Somente as imagens que contm
caractersticas interessantes sero selecionadas e, portanto, somente estas iro influenciar
nas populaes subseqentes.
5.1.1

A R EPRESENTAO DO ESPAO DE I MAGENS

Poucos se do conta de que o primeiro aspecto a ser considerado numa composio o


formato em que ser apresentada. No caso de uma composio bidimensional, o mais
comum um formato retangular, que poder ser horizontal, vertical ou quadrado. Ainda
entre os formatos retangulares, h todo um conjunto de medidas padres de tela, que no
decorrer dos tempos foram usadas tipicamente para marinhas, retratos, paisagens e outros
temas de composio. No ArtLab, adotou-se, por simplicidade, o formato 34 horizontal e
vertical, o quadrado e o formato retangular aleatrio. A figura 5.2 mostra a interface do
ambiente desenvolvido para a evoluo de imagens. Neste prottipo, foram empregadas
para gerao dos quadros apenas as primitivas grficas bsicas, linha e crculo, que
oferecem tambm as opes para retngulo, arco e elipse. Combinadas com cores e
texturas, no so poucas as possibilidades. Assim, o espao computacional onde so

114

gerados os quadros um subconjunto das possveis combinaes de solues paramtricas


para os mtodos linha e crculo do ambiente de desenvolvimento, que so dados por:

object.Line [Step] (x1, y1) [Step] - (x2, y2), [color], [B][F]


e
object.Circle [Step] (x, y), radius, [color, start, end, aspect].

Figura 5.2 A interface do ArtLab

Apenas para dar uma idia da grandeza do espao considerado, ser feita a seguir
uma breve estimativa da cardinalidade do espao de busca do mtodo Line. Dado que:

x1, y1: Valores Single que indicam as coordenadas do ponto inicial da linha ou do
retngulo;

x2, y2: Valores Single que indicam as coordenadas do ponto final da linha ou do canto
oposto do retngulo;

115

color: Valor inteiro Long que indica o sistema de cores vermelho-verde-azul (redgreen-blue, RGB) usado para desenhar os traos;

B: Opcional. Se includo, faz com que um retngulo seja desenhado usando as


coordenadas para especificar os seus cantos opostos;

F: Opcional. Se a opo B for usada, a opo F especifica que o retngulo preenchido


com a mesma cor usada para desenhar o seu contorno. impossvel usar F sem B. Se B
for usada sem F, o retngulo preenchido com os valores de FillColor e FillStyle
correntes. O valor padro para FillStyle transparente;

FillColor: Valor inteiro Long que indica o sistema de cores vermelho-verde-azul;

FillStyle: Configura o padro [0,7] usado para preencher crculos e retngulos;

Long: refere-se ao inteiro longo (4 bytes), no intervalo [2.147.483.648,


2.147.483.647]; e

Single: ponto flutuante de preciso simples (4 bytes), no intervalo [3,402823E+38,


-1,401298E45], para valores negativos; [1,401298E45, 3,402823E+38], para valores
positivos.

Podemos supor, para simplificar, que a cardinalidade do tipo Long da ordem de 2


* 2.000.000.000, ou L = 4 * 109 ; e que a cardinalidade do tipo Single a mesma, j que sua
representao tambm de 4 bytes. Ento, uma estimativa grosseira para a cardinalidade de
objetos do tipo Line (denotada por |Line|) poderia ser:

|Line| = |x1| * |y1| * |x2| * |y2| * |Color| * |FillStyle| = L * L * L * L * L * 8, ou


|Line| = 8 * L5 = 8 * (4 * 109 )5
ou seja, da ordem de 1048 , o que certamente justifica uma ferramenta de busca dotada de
significativa capacidade exploratria.
5.1.2

ARTLAB: ATRIBUTOS DA INTERFACE

Pode-se dizer, no ArtLab, que o resultado de cada interao uma populao de quatro
quadros, mas para evoluir uma populao preciso, antes de mais nada, cri-la. Isto feito
atravs do comando New, que abre um conjunto de possibilidades de populaes. Por

116

exemplo, Line, Arc, Circle, Ellipse, Rectangle, Misc, etc. Os nomes referem-se aos tipos de
objetos que aparecem em cada quadro, e so tambm mostrados na figura 5.2. O tamanho
normal da tela de um monitor uma restrio ao nmero e s dimenses das imagens
geradas. As composies so apresentadas para o mentor em qudruplas. Este nmero foi
julgado conveniente, pois permite que os quadros no formato quadrado ou retrato, nas
dimenses adotadas, apaream todos alinhados na tela, mas no h nenhuma restrio sria
que o imponha. A tela, em geral, rapidamente preenchida nos processos de criao e
evoluo. Populaes numerosas, nesse caso, resultam em um aumento de operaes de
rolagem de tela, o que acaba sendo desconfortvel. A barra de ferramentas apresenta um
conjunto de controles que permite especificar as caractersticas dos quadros a serem criados
pelo comando New. A figura 5.3 mostra a barra de ferramentas com os controles para a
especificao das caractersticas dos prximos quadros, que so descritos a seguir.

Figura 5.3 Barra de controles para gerao de quadros

a) Formato
Este controle (Format) permite ao usurio especificar o formato dos quadros a serem
gerados. Os formatos possveis so: quadrado (default); retrato e paisagem (34); random.
No formato random, quadros retangulares de diferentes tamanhos so apresentados.
b) A Cor de Fundo
A cor de fundo oferece ao usurio inicialmente as opes Select e Random. A opo Select
abre uma caixa de dilogo que permite ao usurio selecionar a cor de fundo das prximas
117

populaes de quadros, como apresentado na figura 5.3. A opo Random faz com que os
prximos quadros tenham cores de fundo diferentes, definidas aleatoriamente.
c) O Nmero de Objetos
Este controle permite ao usurio especificar o nmero mximo de objetos dos prximos
quadros. As opes disponveis so 5, 10, 20, 50, 100, 500 e 1000.
d) As Cores dos Objetos
Como o controle de cor de fundo, esse controle oferece as opes Select e Random. A
opo Random faz com que objetos dos prximos quadros tenham cores de fundo
diferentes, definidas aleatoriamente. A opo Select faz com que os objetos dos prximos
quadros sejam monocromticos, da cor selecionada.
e) O Estilo dos Objetos
Este controle determina o estilo dos prximos objetos. Como os outros controles, oferece as
opes Select e Random. A opo Random faz com que objetos dos prximos quadros
tenham preenchimentos diferentes, definidos aleatoriamente. A opo Select faz com que
os objetos dos prximos quadros sejam todos de mesmo estilo. As opes possveis so:
Cor Slida, Transparente, Linhas Horizontais e Verticais, Diagonais Ascendente e
Descendente, Xadrez Horizontal e Diagonal.

Na figura 5.4, a seguir, apresentada a seguinte seqncia: inicialmente foi ativada


a opo New, seguida da seleo Misc, o que resultou nos quatro quadros apresentados na
primeira linha. Estes quadros so gerados com os parmetros correntes dos controles da
barra de ferramenta (Format = Square, Back Color = Black, Max. Obj. Num = 10, Obj.
Color = Random, Obj. Style = Random). Mas no era o que se buscava. Foi gerada ento
uma nova populao de objetos Linha, usando os mesmos parmetros, atravs da opo
New, seguida da seleo Line. Ainda assim, o resultado no satisfez. A opo Back Color
foi alterada para azul, e foi gerada uma nova populao de objetos Linha. O resultado
comeou a se aproximar do que se buscava. Iniciou-se ento o processo de avaliao. A
seleo de um quadro pode ser feita simplesmente clicando-o com o mouse. A seleo do
quadro com o boto direito do mouse abre a janela de avaliao, o usurio seleciona ento a
nota que quer atribuir ao quadro. A nota do quadro aparece na barra acima de cada quadro,

118

substituindo a letra X esquerda, que significa que o quadro no foi avaliado, ou seja,
tem fitness = 0.

Figura 5.4 Seqncia de gerao de quadros

Da mesma forma, ou seja, clicando sobre o quadro com o boto direito do mouse,
uma mutao pode ser aplicada. Note, na figura 5.4, que a janela de avaliao contm
tambm um boto com o rtulo Mutate. A figura 5.5, a seguir, mostra o resultado de duas
operaes de mutao. O quadro Pop4, esquerda foi gerado atravs da opo New/Line.
A seguir, foi aplicada uma mutao sobre ele, atravs do boto Mutate. Houve uma
mudana radical, surgiu um crculo quadriculado no resultado, o quadro M1. Novamente,
uma mutao foi aplicada sobre o quadro Pop4. Desta vez a mudana foi apenas superficial.
O resultado, o quadro M2, continuou um quadro com traos. Cabe aqui lembrar o
comentrio de Margaret Boden quanto criatividade exploratria e a transformadora (seo
2.3). Considerando-se o espao conceitual das primitivas geomtricas possveis atravs dos
mtodos empregados, Line e Circle, ao se aplicar a mutao sobre o quadro Pop4, houve

119

uma explorao do espao. Mas, dado que o quadro Pop4 s continha objetos do tipo Line,
ao se obter um objeto do tipo crculo pode-se dizer, do ponto de vista visual, que houve
uma transformao.

Figura 5.5 Resultados da aplicao da operao de mutao

Do ponto de vista da busca no espao computacional, ao especificar caractersticas


para os quadros, o mentor est reduzindo a regio de busca no espao. Os quadros gerados
passam a ter proximidade em algum aspecto, o que pode ser interpretado como uma busca
local. Quando essa busca que precede a evoluo intensa, est sendo aplicado ento o
algoritmo memtico interativo.

Figura 5.6 Exemplos de texturas obtidas com populaes de 100, 500 e 1000 arcos pretos

Algumas descobertas interessantes decorreram, apenas da explorao do espao de


objetos. Por exemplo, os quadros da figura 5.6 foram gerados apenas com objetos do tipo
arco, atravs da opo New, seguida da seleo Arc. No quadro mais esquerda, os
controles foram inicializados com (Format = Square, Back Color = White, Max. Obj. Num
= 100, Obj. Color = Random, Obj. Style = Random), ou seja, uma populao de at 100
arcos pretos, perfeitamente identificveis, sobre fundo branco. No quadro ao centro,
atribuem-se os valores Random para o controle Back Color e 500 para o controle Max. Obj.
Num., ou seja, uma populao de at 500 arcos pretos sobre fundo colorido. O quadro
120

adquiriu uma textura marmrea. No ltimo quadro, atribuiu-se o valor 1000 para o
controle Max. Obj. Num., ou uma populao de at 1000 arcos pretos sobre fundo colorido.
O quadro adquiriu uma textura de constelao, embora esta tenha sido criada a partir de
arcos. Ainda, aumentando-se o tamanho da janela de um quadro criado a partir de uma
populao de 500 arcos, uma composio bem distinta surge, apresentada na figura 5.7.

Figura 5.7 Populao de arcos pretos sobre fundo vermelho

5.1.3

O PROCEDIMENTO DE EVOLUO DOS QUADROS

O procedimento de evoluo obedece a uma seqncia de etapas apresentada no Algoritmo


5.1 a seguir. O crossover modificado mencionado no algoritmo ser descrito na seo 5.1.4.
1

Gerar populao de quadros inicial;

Repita at ser interrompido pelo usurio:


2.1

Avaliar os quadros, atribuindo uma nota a cada um deles;

2.2

Repita n/2 vezes:


2.2.1

Selecionar dois quadros quaisquer da populao anterior. Quadros


melhor avaliados tm mais chance de serem selecionados;

2.3

2.2.2

Usar o crossover modificado para gerar dois novos quadros;

2.2.3

Efetuar mutao sobre os novos quadros;

Apresentar os novos quadros para avaliao;


Algoritmo 5.1 Algoritmo gentico empregado pelo ArtLab

121

Figura 5.8 Os operadores genticos aplicados aos quadros

Alguma flexibilidade foi adicionada ao algoritmo gentico, atravs dos comandos


da interface. Por exemplo, o artista pode gerar e avaliar tantos quadros quanto quiser para a
evoluo, mas a populao resultante da evoluo de n = 4 quadros, devido s restries
de tamanho da tela. Os quadros melhor avaliados tm mais chance de seleo. O artista
pode tambm ativar a evoluo quantas vezes quiser, tendo os mesmos quadros como
progenitores. Ainda, o usurio pode aplicar a mutao sobre um quadro qualquer, apenas
selecionando o quadro com o boto direito do mouse.
O processo de aplicao dos operadores genticos ilustrado na figura 5.8.
esquerda, so apresentados os quadros progenitores, Pop8 e Pop10; cada um deles avaliado
pelo mentor com a nota 5, que aparece logo acima de cada quadro, esquerda. Por terem o
mesmo fitness, tm a mesma chance de serem selecionados para a reproduo. Pop8 foi
gerado a partir de uma populao de crculos, de at cinco elementos, no formato quadrado,
com fundo preto. Para Pop10, foi gerada uma populao de linhas, de at dez elementos, no
formato quadrado, com fundo azul. O conjunto de quatro quadros direita o resultado da
herana gentica. Notem que h dois quadros com fundo azul e dois quadros com fundo
preto. No quadro azul mais abaixo, aparecem somente cinco linhas. Nos quadros de fundo
preto, aparecem ambos os tipos de objeto, linhas e crculos.

122

Figura 5.9 Imagens em evoluo

A figura 5.9 mostra um instantneo do processo de evoluo de imagens julgadas


interessantes pelo usurio. Cada imagem recebe, no ArtLab, um identificador, que aparece
na barra cinza acima de cada imagem, seguindo a avaliao. Imagens cujo identificador
comea com Pop foram geradas atravs da opo New. Imagens com identificador
iniciado com Ev surgiram do resultado da evoluo. O nmero a seguir, tanto nas
imagens geradas quanto nas evoludas, indica a ordem em que elas foram geradas. As
imagens, aps cada aplicao dos operadores genticos, so apresentadas em posies
diferentes na tela, visando evitar tendncias de avaliao.

123

5.1.4

POPULAES DE OBJETOS GRFICOS

No ArtLab, cada quadro uma populao de objetos, ou seja, cada indivduo da populao
, na verdade, uma outra populao. Assim, o cromossomo de cada quadro dado por:
Q = [ F, Obj1 , Obj2 , ]
onde o campo F contm especificaes do quadro, tais como dimenses, cor de fundo e
nmero de objetos, e o campo Obj contm informaes especficas de cada objeto, que so
necessrias para a apresentao do objeto. Dado que os quadros podem possuir diferentes
nmeros de objetos, os cromossomos podem ter diferentes tamanhos, o que requer uma
adaptao do operador de crossover. A sua descrio a que segue.
Sejam Q1 e Q2 cromossomos associados a quadros tais que:
Q1 = [ F1 , Obj11 , Obj12 , , Obj1j];
Q2 = [ F2 , Obj21 , Obj22 , , Obj2k ];
e
t = min(j, k).
X

Q1

F1

Obj11 Obj12

Obj1x Obj1x+1

Q2

F2

Obj21 Obj2 2

Obj2x Obj2x+1 Obj2j

Obj1k

Q 1

F1 Obj1 1 Obj1 2

Obj1 x Obj2x+1 Obj2j

Q2

F2 Obj2 1 Obj22

Obj2x Obj1x +1

Figura 5.10 O operador de crossover modificado

124

Obj1k

O ponto de corte do crossover (X) calculado ento como um valor no intervalo


[1,t], como segue: X = int (t * rnd +1), onde int a funo que retorna um inteiro e rnd a
funo que retorna um nmero aleatrio no intervalo (0,1). Portanto, X um nmero inteiro
qualquer no intervalo [1,t], e o crossover acontece como mostrado na figura 5.10.
O usurio pode gerar e avaliar tantos quadros quanto quiser. A aplicao dos
operadores genticos pode ser ativada tantas vezes quanto se queira, tendo os mesmos
quadros como progenitores, ou outros. Ainda, mutaes podem ser aplicadas
arbitrariamente.
A seguir, sero comentadas exploraes no espao de imagens em um outro
ambiente computacional, o MatLab.
5.1.5

A EXPLORAO DE AMBIENTES

No desenvolvimento do projeto de pesquisa, as primeiras exploraes no espao de


imagens ocorreram no ambiente MatLab, a partir de rotinas programadas de primitivas
bsicas tais como retngulo, crculo e elipse. Apenas com essas rotinas, resultados
significativos foram obtidos e so apresentados a seguir, na figura 5.11.
Esta abordagem foi abandonada por duas razes. A primeira que, na poca em que
o trabalho foi iniciado, a verso do MatLab disponvel mostrou-se inapropriada para o
desenvolvimento de interfaces. Ao que parece, as verses mais recentes so bem mais
amigveis nesse sentido. A segunda razo foi o fato de j ter sido realizado um bem
sucedido desenvolvimento anterior em computao evolutiva aplicada composio
sonora, em Visual Basic. Sempre houve a inteno de se buscar uma conjugao entre
imagens e seqncias sonoras. Alm disso, Visual Basic um ambiente bastante adequado
para o desenvolvimento de interfaces. Como qualquer outra deciso, esta tambm teve o
seu custo.
Ao se decidir por um ambiente (no apenas os mencionados acima foram
considerados, outros tambm foram objetos de avaliao), adquirem-se todas as vantagens
e as desvantagens daquele ambiente e perdem-se as dos outros. s vezes possvel integrar
ambientes, mas isso tambm demanda esforo.

125

Figura 5.11 Imagens geradas no ambiente MatLab a partir dos procedimentos de


retngulo, crculo e elipse

Os resultados nem sempre so interessantes, mas, dependendo dos recursos


disponveis no ambiente, novas possibilidades se abrem. Na figura 5.12, esquerda so
apresentados quadros gerados pelos mesmos procedimentos de retngulo, crculo e elipse.
As imagens direita so detalhes de regies das imagens esquerda. O que se pretende
mostrar aqui que, com a simples mudana na regio de interesse, o resultado pode indicar
uma composio de natureza completamente diferente. Novamente, realizada aqui uma
busca local. Agora j no mais no espao dos gentipos, mas no espao dos fentipos.

126

Figura 5.12 Ao lado direito, detalhes de regies das imagens do lado esquerdo

5.2 ASPECTOS DE A VALIAO NO D OMNIO V ISUAL


Viu-se que o ArtLab bastante flexvel para a gerao de quadros com variedade de
objetos. Mas e quanto ao julgamento? Existe algum tipo de formalizao de julgamento
visual que possa ser inserida num ambiente automtico de gerao de imagens, que
ultrapassa a subjetividade? o que ser tratado a seguir.
Por se tratar de um tema complexo, julgou-se adequado dedicar uma seo a ele, e
muito mais haveria por ser dito. Sero apresentadas brevemente algumas regras gerais que
j foram aplicadas produo artstica, bem como consideraes quanto anlise da forma
e quanto cor. No que os aspectos a serem considerados numa composio visual sejam
apenas forma e cores. ARNHEIM (1988), em seu livro Arte e Percepo Visual, enumera
pelo menos dez itens relevantes composio visual e dedica um captulo a cada um deles:
127

equilbrio, configurao, forma, desenvolvimento, espao, luz, cor, movimento, dinmica e


expresso.
J se adianta: os resultados so no conclusivos, mas justificam a deciso de se
recorrer ao julgamento humano na avaliao em um domnio visual. Alguns aspectos
preliminares associados ao domnio sonoro so tambm comentados.
5.2.1

O FITNESS VISUAL

A aplicao da expresso fitness no domnio visual no nova e, certamente, o conceito


muito mais antigo. Uma tentativa foi feita por crticos e filsofos para reduzir a teoria da
proporo a uma simples teoria do fitness (P EDOE, 1983). Pode-se pensar que esta teoria
to passvel de manipulao pelas partes interessadas quanto uma possvel teoria da forma
significativa, que dominou a teoria da esttica por muitas dcadas. Mas ao se descartar
teorias, claro que o hbito e a conveno influem na apreciao de formas. Se as formas
que so mais agradveis aos olhos podem ser selecionadas, e aqui que a dificuldade
aparece, propores arquitetnicas, por exemplo, podem se tornar um mtodo direto de usar
estas formas sempre que possvel.
Na Renascena, havia uma crena comum de que os retngulos mais interessantes
eram aqueles que tinham relaes numricas simples com a consonncia musical. Essas
noes foram erroneamente atribudas a Vitruvius. Vitruvius viveu alguns sculos depois
de Euclides e parece pertencer ao perodo do incio do Cristianismo, apesar de que esta data
incerta. Ele efusivamente dedicou os seus Dez Livros de Arquitetura ao imperador da
poca, que pensa-se ter sido Augustus (P EDOE, 1983). Os livros foram escritos para
aconselhar o imperador na construo de prdios e de qualquer coisa referente arquitetura.
Os gregos, apesar de serem tidos como altamente literatos, no deixaram registros
que descreviam o esquema de propores que eles usavam na sua arquitetura. Muito
depois, a nica evidncia literria aparece com Vitruvius, e diversos tradutores comentaram
que o significado de muitas palavras usadas por ele tinha sido perdido. No h nenhum
comentrio do perodo Medieval, e o estudo de Vitruvius teve que ser reiniciado na
Renascena. No entanto, os humanistas do incio do perodo eram no-platonistas, de modo
que poucos deles deram importncia aos estudos de Vitruvius sobre propores em
arquitetura. De fato foi o matemtico Cardano, no sculo XVI, que atribuiu a Vitruvius uma
teoria da proporo baseada na msica. Apesar de que isto no pde ser encontrado em
128

Vitruvius, h uma discusso no Timaeus de Plato que coloca que o interesse de Vitruvius
em msica se restringia afinao correta das cordas das catapultas e construo de
ressonantes nos teatros, para melhorar a acstica.
5.2.2

PROPORES HARMNICAS

O arquiteto renascentista Alberti, nos seus Dez Livros sobre Arquitetura, escreveu:

e de fato eu estou cada dia mais convencido da verdade de Pitgoras,


que diz que certo que a Natureza age consistentemente, e com uma
constante analogia em todas as suas operaes. Disso eu concluo que os
nmeros atravs dos quais a concordncia dos sons afeta nossos ouvidos
com prazer, so exatamente os mesmos que contentam nossos olhos e
nossa mente.

Alberti usou estas propores musicais para relacionar as trs dimenses: altura,
largura e profundidade, mas no adicionando ou subtraindo dimenses. A analogia musical
estendeu o prazer atribudo ao olho em observar razes que so compreendidas como
razes de inteiros. E o matemtico Cardano, no sculo XVI, sustentou que tais razes so
interessantes porque so inteligveis. Quando esses aspectos foram discutidos no sculo
XIX, foi apontado que uma oitava a mais perfeita de todas as concordncias musicais. No
entanto, a razo de duas para uma das freqncias das notas envolvidas dificilmente
agradvel do ponto de vista arquitetnico. Antes disso, HOGARTH (1753 apud PEDOE,
1983), em sua Anlise da Beleza, referiu-se a escritores que no apenas confundiram a
humanidade com uma pilha de divises minuciosas e desnecessrias, mas tambm com a
estranha noo que estas divises so governadas pelas leis da msica. Ainda,
HELMHOLTZ (1954), em seu livro Sensations of Tone, observou que a consonncia de duas
notas de um acorde pode ser explicada muito simplesmente pela ausncia de rudos
desagradveis entre as parciais das notas que so reproduzidas, de acordo com a operao
de membranas do ouvido humano. ento um fenmeno fisiolgico, dependente da
estrutura do ouvido, e no um fenmeno psicolgico, suportado pelo reconhecimento
mental de relaes numricas simples. Em outras palavras, uma alterao das membranas
produziria uma mudana na atitude esttica. Infelizmente, atualmente h ainda menos
129

certezas do que na poca de Helmholtz no que diz respeito a um fenmeno meramente


psicolgico.
Drer, gemetro e artista alemo (1471 1528), tentou tanto as escalas harmnica
quanto a aritmtica de propores (P EDOE, 1983). A escala harmnica para tomar a metade,
um tero, e assim por diante, e a escala aritmtica simplesmente para adicionar unidades.
Interessante nas extensivas pesquisas de Drer sobre as propores humanas o primeiro
exemplo de repetio de razes, em que ele afirma envolver as medidas pescoo at o
quadril, quadril at o joelho e joelho at o calcanhar. Drer acreditava que estas medidas
estavam em progresso geomtrica, de forma que, para a maioria dos seres humanos:
(pescoo at o quadril)*(joelho at o calcanhar) = (quadril at o joelho)2

E
M

Figura 5.13 Retngulos com lados que obedecem razo urea.

Outra medida famosa, a razo urea, era conhecida dos arquitetos do


Renascimento, mas no foi feito um uso efetivo dela como um instrumento de proporo.
Houve certamente enorme interesse nela, sendo que Piero della Francesca e Luca Pacioli,
em seus estudos dos cinco slidos platnicos regulares, mostraram que eles aprenderam
tudo o que Euclides poderia ensinar-lhes (P EDOE, 1983). A construo de Euclides de um
pentgono regular envolve a diviso de uma linha na razo mdia e extrema, e esta razo
que hoje conhecida como a razo urea. A figura 5.13 ilustra como obtida essa razo,
sendo que M o ponto mdio do lado AB no quadrado ABCD. Se tirarmos o quadrado
ABCD do retngulo AEFD, resulta um retngulo BEFC de mesma proporo de lados que

130

o retngulo original. Como AB = AD, ento a razo entre os comprimentos AE e AB


urea e dada por

1+ 5
.
2

Pacioli referia-se razo urea como a divina proporo. Pensa-se que o termo
razo urea originou-se na Alemanha na primeira metade do sculo XIX. Um retngulo
com a razo urea mais agradvel do que um com lados na razo 2:1 ou 3:2 ou 5:7?
Experimentos tm sido realizados para decidir esta questo, com descobertas que no so
de todo convincentes, mas com uma pequena preferncia, talvez, pela razo urea (P EDOE,
1983).
O segredo das propores parece residir no apenas em formas simples, mas nos
relacionamentos entre elas. Em qualquer biblioteca de arquitetura, textos atacando a razo
urea como ferramenta arquitetnica podem ser encontrados, e alguns so bem
contundentes. Alguns autores acham muito pertinente lembrar que tudo na arquitetura, bem
como na pintura, depende da posio do observador, e que se algumas propores
aparentam estar na razo urea em uma posio, em outra posio aparentam uma razo
diferente. Mas ao se usar a razo urea para desenhar quadrantes sucessivos, como fez
Drer na construo aproximada de uma espiral, obtm-se uma curva muito atraente,
apresentada na figura 5.14.

Figura 5.14 Espiral construda com base na razo urea.

Ruskin, um crtico muito influente em Modern Paintings, declarou que a


determinao das propores corretas muito mais uma questo de sentimento e
experincia, bem como a apreciao da boa composio musical (P EDOE, 1983). Trs anos
depois, em 1849, Ruskin depreciou o uso das propores em arquitetura, comparando-o
131

com a disposio dos pratos em uma mesa de jantar, ou ornamentos numa roupa.
Qualquer que seja o princpio, ele atacado, mas h quem pregue a repetio de padres
similares. Alguns apontam que a percepo um processo dinmico e o ritmo um fator
importante.
No incio do sculo XX, Le Corbusier inventou o Modulor, um sistema que
assegura a repetio de formas similares. O Modulor consiste de duas escalas, a vermelha e
a azul. As dimenses da escala azul so o dobro da vermelha, e as divises de cada escala
so baseadas nas sries de , onde a razo urea. Assim, o Modulor no apenas um
instrumento de propores arquitetnicas, mas um meio de assegurar a repetio de formas
similares. Le Corbusier tornou-se famoso, e construiu o prdio das Naes Unidas em Nova
York. Tambm ele no poupado pela crtica. Dizem que seus textos no so fceis de
serem lidos por aqueles que desejam entender o que lem. Ainda, alegam que ele
provavelmente no leu Vitruvius, porque o sol da tarde batendo nas inmeras janelas de
vidro do prdio aquece o interior de forma insuportvel (P EDOE, 1983). No Brasil, alguns
prdios projetados por Oscar Niemeyer, colega de Le Corbusier, recebem essa mesma
crtica.
5.2.3

A DINMICA DA VISO

Em meados do sculo XX, ARNHEIM (1988) pregava, dentro dos princpios da Gestalt, que
a experincia visual dinmica. O que uma pessoa ou animal percebe no apenas um
arranjo de objetos, cores e formas, movimentos e tamanhos. , antes de tudo, uma interao
de tenses dirigidas. Estas tenses no constituem algo que o observador acrescente, por
razes prprias, a imagens estticas. Antes, essas tenses so inerentes a qualquer
percepo, como tamanho, configurao, localizao e cor. Por exemplo, o quadrado na
figura 5.15 encontra-se em um certo lugar na pgina, e o crculo est deslocado do centro.
No se percebe nenhum objeto como nico ou isolado. Ver algo implica em determinar um
lugar no todo, uma localizao no espao.
As vrias qualidades das imagens produzidas pelo sentido da viso no so
estticas. O crculo da figura 5.15 no est apenas deslocado em relao ao centro do
quadrado. como se, deslocado do centro, quisesse voltar, ou como se desejasse se

132

movimentar para mais longe ainda. E as relaes do crculo com as bordas do quadrado so
semelhantes a um jogo de atrao e repulso.

Figura 5.15 Exemplo de instabilidade visual.

H, portanto, mais coisas no campo da viso do que as que estimulam a retina.


Exemplos de estrutura induzida existem em abundncia. O desenho de um crculo
incompleto parece um crculo completo com uma falha. Num quadro executado em
perspectiva central, pode-se estabelecer o ponto de fuga por meio de linhas convergentes,
mesmo que no se possa ver o ponto real de encontro. Numa melodia, pode-se ouvir por
induo a medida regular da qual um tom sincopado se desvia, assim como o crculo se
desvia do centro.
Um efeito desagradvel resulta das localizaes nas quais as atraes so to
equvocas e ambguas que o olho no pode decidir se o disco pressiona em uma direo em
particular. Esta oscilao torna a afirmao visual obscura, interferindo no juzo perceptivo
do observador. Em situaes ambguas, o padro visual cessa de determinar o que se v,
entrando em jogo fatores subjetivos do observador, como o foco de ateno ou preferncia
por uma direo em particular. A menos que o artista pretenda ambigidades desse tipo,
elas o induziro a uma procura de arranjos mais estveis.
Assim, esta seo e as anteriores no so exatamente encorajadoras no que diz
respeito formalizao de um critrio de avaliao visual quanto forma. Sero tratados a
seguir, aspectos relativos percepo da cor.
5.2.4

A TEORIA DAS CORES

Se no h acordo geral com respeito forma, alguma convergncia h com respeito a cores.
No que diz respeito a cores, h regras gerais para o artista, no mundo da esttica, ou a
133

apreciao esttica das cores governada somente pela opinio subjetiva? Os alunos
sempre perguntavam isso a ITTEN (1975), e sua resposta era sempre a mesma: se o aluno,
intuitivamente, era capaz de criar obras primas em cor, ento o desconhecimento era seu
caminho. Seno, se o aluno se revelasse incapaz de criar bons trabalhos intuitivamente,
ento deveria olhar para o conhecimento. Mas o estudo detalhado dos grandes mestres
coloristas o convenceu firmemente que todos eles possuam uma cincia da cor. Para ele, as
teorias de Gethe, Runge, Bezold, Chevreul e Hzel foram inestimveis (ITTEN, 1975). Em
seu livro The Art of Color, ITTEN (1975) pretende apresentar solues para um grande
nmero de problemas em cor. Mais do que meramente expor princpios e regras objetivas,
explorar e analisar as categorias subjetivas. De acordo com ele, a liberao da subjetividade
vem apenas atravs do conhecimento e do estabelecimento de princpios objetivos.
Mas, h uma distino importante no que se refere cor, como percebida: a corluz e a cor-pigmento. Itten, quando fala em cor, refere-se cor-pigmento . A cor-luz se
refere s propriedades fsicas da cor, tal como a cor nos monitores de vdeo, e a corpigmento s propriedades qumicas da cor, como por exemplo a cor dos objetos. Essas
diferentes abordagens sero tratadas a seguir.
a) A Cor-Luz
Em 1676, Isaac Newton, usando um prisma triangular, analisou a luz branca em um
espectro de cores. Tal espectro contm todas as intensidades, exceto prpura. Newton
realizou seu experimento empregando uma luz entrando atravs de uma fenda e incidindo
em um prisma. No prisma, o raio de luz branca se dispersa nas cores espectrais. Os raios
dispersos de luz podem ser projetados em uma tela para mostrar o espectro. Uma banda
contnua de cores, do vermelho ao laranja, amarelo, verde, azul, at o violeta. Se esta
imagem coletada atravs de lentes convergentes, a adio de cores resultar novamente na
luz branca. Estas cores so produzidas por refrao. H outras maneiras de se gerar cores,
tais como interferncia, difrao, polarizao e fluorescncia.
Ao se dividir o espectro em duas partes, por exemplo, vermelho-laranja-amarelo e
verde-azul-violeta, e adicionar cada um desses dois grupos com uma lente convergente, o
resultado ser duas cores misturadas. E a mistura de ambas resultar em branco. Dois feixes
de luz colorida cuja mistura resulte em branco indicam que suas cores correspondentes so
complementares.
134

Ao se isolar um tom do espectro prismtico, por exemplo, verde, e reunir as cores


remanescentes vermelho, laranja, amarelo, azul, violeta com uma lente, a cor obtida
ser vermelho, isto , a cor complementar do verde que foi isolado. Ao se tomar o amarelo,
as cores remanescente vermelho, laranja, verde, azul, violeta resultaro no violeta, o
complementar do amarelo. Cada componente espectral o complemento da mistura de
todos os outros componentes espectrais. No se pode ver os componentes espectrais em
uma cor composta, o olho no como o ouvido musical, que consegue distinguir quaisquer
dos tons individuais em um acorde.
b) A Cor-pigmento
Nos objetos, as cores so subtrativas. Ao se dizer que um objeto vermelho o que est
sendo dito que a constituio de sua superfcie tal que todos os raios de luz so
absorvidos com exceo dos raios vermelhos, que so refletidos.
Na pintura, as cores so pigmentrias, ou corpreas, e suas misturas so governadas
pelas leis da subtrao. Na teoria tradicional das cores, as cores primrias so o vermelho, o
amarelo e o azul.
As cores secundrias so obtidas misturando-se as primrias, da mesma forma que
as cores tercirias so obtidas misturando-se as cores secundrias, o que mostrado na
figura 5.16. Quando cores complementares, ou combinaes contendo as trs primrias, so
misturadas em certas propores o resultado subtrativo tende ao preto. A mistura anloga
das cores prismticas, no corpreas, levam ao branco como um resultado aditivo.

Figura 5.16 Os discos de cores primrias, secundrias e tercirias

Mas o que se entende por harmonia de cores? Isto o que ser tratado na seo a
seguir.

135

5.2.5

HARMONIA DAS CORES

Quando as pessoas falam em harmonia de cores, elas esto avaliando o efeito conjunto de
duas ou mais cores. Experincias subjetivas com combinaes de cores mostram que os
indivduos diferem e discordam em seus julgamentos de harmonia.
As combinaes de cores chamadas harmoniosas na linguagem comum so
compostas de cromos muito similares, ou talvez de diferentes cores nas mesmas matizes.
So combinaes de cores que se encontram sem fortes contrastes. Portanto, o conceito de
harmonia de cores deve ser removido do domnio da atitude subjetiva para o dos princpios
objetivos.
Harmonia implica em balano, simetria de foras. Um exame do fenmeno
fisiolgico da viso de cor fornece uma pista para a soluo do problema. Ao se fixar por
algum tempo um quadrado verde e ento fechar os olhos, v-se, como uma imagem
posterior, um quadrado vermelho. Ao se fixar um quadrado vermelho, a imagem posterior
um quadrado verde. A explicao cientfica que o olho preenchido com 250.000 cones
decodificadores de cores. Os 83000 cones que so usados para decodificar o vermelho
tornam-se saturados devido super-estimulao. Conseqentemente, os cones opostos
entram em ao. Este experimento pode ser repetido com qualquer cor, e a imagem
posterior sempre acontece de ser a cor complementar. O olho coloca a cor complementar
visando restaurar o seu prprio equilbrio. Este fenmeno conhecido como contraste
sucessivo.
Em outro experimento, insere-se um quadrado cinza em uma rea de cor pura de
mesmo brilho. Sobre o verde, o cinza aparentar um cinza avermelhado; sobre o vermelho,
um cinza esverdeado; sobre o violeta, um cinza amarelado; e sobre o amarelo, um cinza
avioletado. Cada cor induz o cinza a ser tingido com sua cor complementar. Cores puras
tambm tm a tendncia de sugerir outras cores cromticas em direo ao seu prprio
complemento. Este fenmeno chamado de contraste simultneo.
Contrastes sucessivo e simultneo sugerem que o olho humano retorna a uma
situao de conforto somente quando a relao complementar estabelecida. Atualmente,
alguns sites na Internet contm material para que os experimentos acima possam ser
realizados (http://www.colormatters.com/optics.html).

136

Ewald Hering, fisiologista, mostrou que o cinza neutro ou mdio gera um estado de
completo equilbrio no olho (HERING, 1878 apud SILVEIRA , 1994). Hering mostrou que o
olho e o crebro requerem um cinza mdio, ou tornam-se inquietos na sua ausncia. Ao se
olhar um quadrado cinza-mdio contra um fundo cinza-mdio, nenhuma ps-imagem
diferente do cinza mdio aparecer. O cinza mdio atende condio de equilbrio
requerida para o conforto visual humano.

y: yellow (amarelo)
o: orange (laranja)
r: red (vermelho)
v: violet (violeta)
b: blue (azul)
g: green (verde)

Figura 5.17 Crculo de 12 cores proposto por ITTEN (1975)

A harmonia das cores tambm foi discutida por OSTWALD (1931). Em seu livro
Colour Science, ele coloca: A experincia ensina que certas combinaes de cores
diferentes so agradveis, outras desagradveis ou indiferentes. A questo que surge : o
que determina o efeito? A resposta : cores agradveis so aquelas entre as quais algum
relacionamento regular, ordenado, acontece. Na falta disto, o efeito ser desagradvel ou
indiferente. Grupos de cores agradveis so chamadas harmoniosas. Assim, Ostwald
postula: Harmonia = Ordem. Onde Ostwald diz ...cores cujo efeito agradvel, so
chamadas harmoniosas ele implica num critrio subjetivo de harmonia. No entanto, o
conceito de harmonia deve ser removido do domnio da atitude subjetiva para o domnio da
atitude objetiva. Quando Ostwald diz que Harmonia = Ordem e apresenta o crculo de
cores de matizes iguais e os tringulo de cores semelhantes como instncias de ordem, ele
137

negligencia as leis fisiolgicas da ps-imagem e da simultaneidade. Alteraes na


substncia ptica correspondem a impresses subjetivas.
Harmonia no aparato visual humano significa um estado psicofsico de equilbrio no
qual a dissimilao e a assimilao da substncia ptica so iguais. O princpio bsico de
harmonia derivado da regra fisiologicamente postulada das complementaridades.
Um fundamento essencial de qualquer teoria esttica de cor o crculo de cores,
porque determina a classificao das cores. Isto , cores diametralmente opostas devem ser
complementares, a mistura deve resultar num cinza. No crculo de cores proposto por ITTEN
(1975), que se refere cor-pigmento, o azul dispe-se oposto ao laranja, estas cores
resultam num cinza. Este crculo apresentado na figura 5.17.
GOETHE (1993) estimou as luminosidades das cores primrias, e derivou as
seguintes proporcionalidades de reas:
amarelo : vermelho : azul = 3 : 6 : 8
e de acordo com Itten, todos os pares complementares, todas as trades cujas cores formam
tringulos eqilteros ou issceles no crculo de cores de doze elementos, e todas as
ttrades formando quadrados ou retngulos, so harmoniosas.
A colorimetria definiu, em 1931, atravs da Commision Internacionale de
LEclairage (CIE), um sistema que vem sendo acrescido de modificaes desde o seu
nascimento, e que visa representar um espao de cores uniformemente percebido (FOLEY et
al., 1996). O sistema CIE vem se tornando familiar tanto na indstria da cor quanto no
mundo dos estudos sobre a luz. A colorimetria trabalha com as chamadas funes de
equilbrio cromtico num observador padro. Porm, as cores primrias ideais do sistema
CIE, para serem reais, deveriam possuir duas caractersticas fundamentais: serem
produzidas sob condies reais e alcanadas pelo nosso sentido de viso. Como no
apresentam tais caractersticas, so chamadas de estmulos ideais, e no cores.
No comum o sistema CIE ser utilizado por qualquer profissional que utilize a
harmonia cromtica como instrumento de trabalho, como pintores ou designers, pois nesses
casos extremamente necessria a fuga da padronizao. Por outro lado, no seria possvel
existir interao de indstrias da cor de diferentes culturas se no houvesse um sistema
capaz de comparar medidas atravs de acordos internacionais padronizados (SILVEIRA ,
1994).

138

Mas os computadores tm seus prprios modelos de cores, utilizados nas produes


visuais, que sero brevemente descritos a seguir.
5.2.6

M ODELOS COMPUTACIONAIS DE CORES

Um modelo computacional de cores uma especificao de um sistema de coordenadas


3-D e um subconjunto visvel que contm todas as cores de uma determinada gama (FOLEY
et al., 1996). Por exemplo, o modelo de cores RGB (red, green, blue) o cubo unitrio.
Uma gama de cores um subconjunto de todas as cromaticidades visveis.
Os modelos RGB, bem como o modelo YIQ (sistema de cores da televiso) e o
modelo CMY (cyan, magenta, yellow) so orientados para o hardware. Infelizmente,
nenhum desses sistemas muito fcil de usar, porque no se relacionam diretamente s
noes intuitivas de matiz, saturao e brilho. Mas outras classes de modelos foram
desenvolvidas tendo como objetivo a facilidade de uso, destacando-se entre elas o modelo
HLS (hue, lightness, saturation). Este modelo definido no hexacone duplo do espao
cilndrico, como mostrado na figura 5.18.

Figura 5.18 A representao do modelo de cores HLS

O matiz (hue) o ngulo em torno do eixo vertical, com o vermelho (ou o azul) a 0o .
As cores ocorrem ao longo do permetro. O complemento de cada matiz est localizado a
180o , e a saturao medida radialmente a partir do eixo vertical, de 0 a 1 na superfcie. A
luminosidade vai de 0 (preto, abaixo) a 1 (branco, no topo). O modelo HLS fcil de usar:
os tons de cinza tm S = 0, e os tons maximamente saturados tem S = 1, L = 0,5. Mas,
importante destacar que, se as cores so uniformemente distribudas no modelo HLS, esse
139

modelo no reflete a maneira como as cores so percebidas. Modelos computacionais


recentes tentam suprir um espao de cores no qual as distncias medidas entre as cores e as
distncias perceptuais sejam uniformes, mas ainda no foram to difundidos (FOLEY et al.,
1996).
A seguir, so apresentadas algumas regras gerais sobre a utilizao de cores em
ambientes computacionais.
5.2.7

SOBRE A UTILIZAO DE CORES

De um modo geral, as pessoas tendem a gostar de cores. Muitos livros foram escritos sobre
o uso de cores para propsitos estticos, e a recomendao de FOLEY et al. (1996) quanto
ao uso de cores nos ambientes computacionais, apesar de conservadora, no contradiz o que
foi dito. Pode-se dizer que a regra mais fundamental da esttica da cor selecionar as cores
de acordo com algum mtodo, tipicamente atravessando um caminho suave em um modelo
de cores ou restringindo as cores a planos ou hexacones em espao de cores. Isto significa
usar cores de luminosidade ou valores constantes. Ainda, as cores so melhor espaadas a
distncias perceptuais iguais, o que no o mesmo que ser igualmente espaadas em
incrementos de unidades. Isto pode ser difcil de implementar computacionalmente.
Recomendaes mais especficas sugerem que:

Se um quadro consiste de poucas cores, o complemento de uma das cores deve ser
usado como cor de fundo.

Um fundo neutro deve ser usado para imagens contendo muitas cores diferentes.

Se duas cores vizinhas no so particularmente harmoniosas, uma fina linha preta deve
ser usada para separ-las.

Em geral, bom minimizar o nmero de diferentes cores a serem usadas.


Algumas regras de cores so baseadas mais em aspectos fisiolgicos do que em

consideraes estticas. Por exemplo, porque o olho mais sensvel variao em


intensidade do que variao em cromaticidade, linhas, texto e outros detalhes devem
variar do fundo no apenas em cromaticidade, mas tambm em brilho (intensidade
percebida), especialmente cores contendo o azul, desde que h menos cones sensveis ao
azul. Assim, a fronteira entre duas reas igualmente brilhantes que diferem somente no azul
no se apresenta bem-definida. Por outro lado, cones sensveis ao azul se espalham mais na

140

retina do que cones sensveis ao vermelho e ao verde, de maneira que a viso perifrica
humana melhor para o azul.
Azul e preto diferem muito pouco quanto ao brilho, bem como o amarelo e o
branco. Amarelo e preto tm bom contraste. Texto branco sobre fundo azul tambm um
bom contraste, e menos cansativo do que texto branco sobre fundo preto. Vermelho e
verde com pouca saturao e luminosidade so as cores que mais confundem os daltnicos.
O olho no consegue distinguir a cor de objetos muito pequenos. Ainda, a cor
percebida de uma rea colorida afetada pela cor da rea que a rodeia. Tambm, a cor de
uma rea pode afetar o seu tamanho percebido: um quadrado vermelho, por exemplo,
percebido maior do que um quadrado verde de mesmo tamanho (CLEVELAND & M CGILL,
1983). Este efeito pode levar o observador a atribuir mais importncia rea vermelha do
que verde.
reas de cores altamente saturadas fixadas por vrios segundos podem levar ao
aparecimento de uma ps-imagem, este aspecto precisa ser considerado. Ainda, grandes
reas de diferente cores podem aparentar estar a distncias diferentes do observador, porque
o ndice de refrao da luz depende do comprimento de onda. O olho muda o seu foco
conforme o observador desvia de uma rea colorida para outra, e esta mudana do foco d a
impresso de diferentes profundidades. Vermelho e azul, que so fins opostos do espectro,
tm o mais forte efeito de disparidade de profundidade, com o vermelho aparentando mais
prximo e o azul mais distante.
FOLEY (1996) termina o seu captulo sobre cores com a seguinte observao: Com
todos esses perigos e dificuldades quanto ao uso das cores, de surpreender que a sua
primeira regra seja aplic-las de forma conservadora?.
Mas, se projetos de interfaces grficas sugerem uma abordagem conservadora, at
para no incorrerem no risco de serem rejeitadas como produtos, artistas, em geral, no
trabalham de forma conservadora.
Os aspectos abordados nas subsees precedentes apontam as muitas dificuldades
na automatizao, at mesmo parcial, das funes de avaliao no domnio visual. Este
tema ser retomado na seo 5.4. Se quanto forma no se verificou convergncia, quanto
cor ela tambm no chega a ser expressiva, o que no invalida a abordagem. Mas a
dificuldade maior se d no na automatizao da funo, mas sim na definio do critrio a

141

ser formalizado pela funo. At o momento, a avaliao deixada por conta do usurioartista, no algoritmo gentico interativo, ou seja, arbitrrio.
A seguir, ser apresentado o segundo experimento desenvolvido no decorrer desse
trabalho de computao evolutiva aplicada criao, dessa vez aplicado ao domnio
sonoro. Aqui, dada a natureza do domnio, foram possveis a formalizao e automatizao
da funo de avaliao, ainda que parcialmente, e a interao com o compositor se d
habilitando-o, atravs da interface, a manipular essa funo, bem como outros controles que
enriquecem o material sonoro em construo.

5.3 VOX POPULI: C OMPUTAO E VOLUTIVA APLICADA


C OMPOSIO S ONORA
Uma das primeiras propostas conhecidas para formalizar a composio atribuda a Guido
dArezzo, monge beneditino que fez importantes contribuies ao desenvolvimento da
teoria musical na Idade Mdia. Segundo STRUNK (1950), Guido nasceu possivelmente
prximo a Paris, por volta de 995, e recebeu sua educao na abadia beneditina de St.
Maur-des-Fosss. Dali ele foi primeiro abadia de Pomposa, no norte da Itlia, e mais tarde
a Arezzo. Sua reputao como estudioso no campo da teoria musical o levou Roma, onde
ele convenceu o Papa Joo XIX da excelncia da melhoria que ele introduziu no ensino da
msica e do canto. Guido recorreu a um conjunto simples de regras que mapeavam textos
litrgicos em cantos gregorianos, devido quantidade excessiva de pedidos por
composies. Encontramos no desenvolvimento da msica ocidental um exemplo do que
foi definido como jri (CSIKSZENTMIHALYI, 1996), conforme mencionado na subseo
2.1.1. De modo geral, as regras do canto gregoriano, da harmonia e do contraponto, nas
vrias pocas, permitiram aos compositores dominarem um frum conceitual de idias
compreendidas por aqueles que adotavam as mesmas restries, vindas atravs de
tradies, do gosto coletivo da poca, da imitao ou da aceitao no meio atravs do
processo de apresentaes pblicas, num processo contnuo de evoluo histrica.
LOY (1989) comenta que, no Perodo Clssico, compositores como Mozart, Haydn,
e C. P. E. Bach possivelmente usaram um processo de deciso algortmico chamado
Wrfelspiel (jogo de dados) para compor minuetos e outras peas. O Musikalisches
Wrfelspiel era um jogo em que os resultados dos lanamentos dos dados eram usados para
142

a seleo de motivos rtmico-meldicos para preencher um conjunto pr-determinado de


compassos, ou seja, a seqncia sonora era construda pela seleo aleatria de segmentos
da tabela de motivos. Dependendo da seqncia de nmeros obtidos, peas diferentes com
um certo grau de similaridade eram compostas. Esta abordagem pode ser definida como
combinatria, pois envolve a combinao de conjuntos de elementos musicais previamente
definidos, e pode ser considerada um exemplo de criatividade combinatria, como
mencionado na seo 2.3 (BODEN, 1998).
Aps aproximadamente quatro sculos, a msica ocidental chegou dissoluo do
Sistema Tonal, no incio do sculo passado. Neste processo histrico, Schoenberg apresenta
as bases do serialismo integral, o que ficou conhecido como msica serial. De acordo com
GRIFFITHS (1986), em 1921, ano em que Stravinsky e Hindermith iniciavam a composio
de suas obras neo-clssicas, Schoenberg anunciava pouco modestamente a seu aluno Josef
Rufer que ele havia descoberto alguma coisa que asseguraria a supremacia da msica alem
pelos prximos cem anos. O determinismo da abordagem serial, em termos de parmetros
composicionais quebra as noes tradicionais de melodia, ritmo e harmonia. Pode-se
relacionar aqui os dois processos de desenvolvimento de espaos conceituais pelos quais
passou a msica ocidental. No caso do Sistema Tonal, houve uma evoluo gradativa de
conceitos que, possivelmente, foram ampliados atravs da criatividade-P de diversos
compositores durante quatro sculos. Por outro lado, quando Schoenberg anuncia a sua
inovao podemos olhar para este fato como um momento em que a criatividade-P deste
compositor resultaria em um caso de criatividade-H (BODEN, 1998). Alm do
desenvolvimento de um novo sistema composicional, o sculo XX presenciou a introduo
do computador como suporte para criao musical. Muitas abordagens para a composio
musical com o auxlio de computador foram desenvolvidas desde a pesquisa musical de
MAX MATHEWS (1963), que introduziu o computador como um novo instrumento musical,
ou a composio da sute ILLIAC atravs da aplicao de processos estocsticos (HILLER &
BAKER, 1964). Nas ltimas dcadas do sculo passado, muitos sistemas de composio
surgiram com modelos derivados da aplicao de sistemas dinmicos no-lineares
(BIDLACK, 1992; MANZOLLI , 1993). Outros mtodos exploraram gramticas gerativas e
suas extenses, incluindo autmatos celulares (MIRANDA , 1994). Enquanto tcnicas
recentes de sntese de som trazem um grande nmero de novas sonoridades ao repertrio do

143

compositor, avanos no campo da inteligncia computacional tm sido aplicados


organizao e estruturao algortmica de processos sonoros.
A partir da ltima dcada do sculo XX, uma gama de pesquisadores na rea de
composio computacional descobriu o grande potencial de se obter material musical
aplicando tcnicas de computao evolutiva para explorar espaos sonoros, usando os
processos evolutivos conhecidos como variao, seleo e reproduo. HOROWITZ (1994)
aplicou esta tcnica para controlar estruturas rtmicas. BILES (1994; 2002), por sua vez,
desenvolveu o GenJam, um exemplo de uma bem sucedida aplicao de algoritmos
genticos para gerar solos de jazz.
Apesar da aparente eficcia demonstrada por esses mtodos para a obteno de
diversidade sonora, fica evidente a dificuldade em guiar os resultados numa direo
desejada. Um grande desafio enfrentado pelos criadores dos sistemas evolutivos de
composio como conciliar o potencial de diversidade com mecanismos de estruturao e
conhecimento composicional, atravs dos processos de gerao, teste e repetio (captulo
4). Os sistemas de composio evolutivos mantm uma populao de solues potenciais,
aplicam um processo de seleo e operadores genticos, tipicamente mapeamentos no
espao de representao que simulam o crossover e a mutao.
Dentro dessa abordagem, ser apresentado nesta seo o ambiente VOX POPULI
(MORONI et al., 2000). Este sistema difere de outros que usam algoritmos genticos ou
computao evolutiva (BILES 1994; 2002), nos quais os usurios usam o processo de
audio como mtodo de seleo da melhor seqncia sonora. Ao invs disso, no VOX
POPULI, a interface grfica, o teclado e o mouse so usados como controladores sonoros
em tempo real, o que resulta num comportamento sonoro prximo de um instrumento
musical computacional (MORONI et al., 2002b). Este ambiente reflete interesses de ponta na
rea de composio computacional interativa e no desenvolvimento de novas interfaces de
controle sonoro.
Basicamente, uma populao inicial criada, os indivduos da populao so
avaliados, e os melhores so mantidos. O processo ento repetido, gerando uma nova
populao de indivduos ou solues, baseada na anterior. Este ciclo continua, at que seja
satisfeito algum critrio de parada. O desafio efetivo especificar o que significa gerar e
avaliar.

144

A seguir, ser mostrada a representao dos parmetros de controle sonoros


utilizados no VOX POPULI como atributos de seqncias de eventos MIDI. Sero
discutidas tambm duas abordagens de fitness usadas na avaliao das seqncias sonoras,
uma essencialmente baseada em heurstica e outra derivada de uma formulao matemtica
para o conceito de consonncia. Cabe aqui ressaltar que a construo da funo de fitness
no VOX POPULI uma caracterstica importante no que tange a simulao de um processo
de jri (CSIKSZENTMIHALYI , 1996) que, aqui, chega a ser parcialmente automatizado. Sero
descritos tambm a interface do VOX POPULI e seus modos de utilizao.
5.3.1

ATRIBUTOS SONOROS

Apesar da complexidade do fenmeno sonoro que perpassa o domnio fsico da acstica, a


interao psico-acstica e o processamento cognitivo do indivduo, podemos caracterizar
um som, ou evento sonoro, por quatro parmetros: altura (pitch), volume (loudness),
durao e timbre. Por exemplo, a percepo do ouvido humano para a freqncia varia no
intervalo [20, 20k] Hz e este contnuo organizado em escalas musicais como a escala de
d maior apresentada na tabela a seguir:

mi

sol

si

9/8 f

5/4 f

4/3 f

3/2 f

5/3 f

15/8 f

2f

Tabela 5.1 Modo Jnio ou Escala Maior seguindo as propores de nmeros inteiros

Os valores apresentados acima foram calculados pelos pitagricos,

em

aproximadamente 400 A.C. No caso da percepo da intensidade, o ouvido humano


sensvel a uma variao de intensidade de aproximadamente 1012 watts/m2 , ou seja, entre o
limiar de audibilidade e o limite da dor h uma grande variao de energia. Para acomodar
esta variao, foi definida uma unidade de medida, o decibel (dB), isto , um estmulo
sonoro de intensidade I (dada em watt/m2 ) tem a sua medida em decibis dada pela seguinte
frmula:
SL = 10 log( I / I 0 )

Equao 5.1

145

onde log o logaritmo na base 10, I0 = 1012 watt/m2 e SL chamado de sound level.
Observa-se que 1dB = 1011,9 watt/m2 . Essa medida pode ser dada na variao da
intensidade dos instrumentos musicais. Por exemplo, o trompete tem uma variao de
intensidade que vai de 56 a 98dB, e o violino, de 42 a 93dB. Posteriormente, ser descrito
como esses parmetros sonoros so representados no protocolo MIDI.
Os valores apresentados acima tm uma relao de percepo psico-acstica. No
caso, a altura (pitch) pode ser definida como a propriedade auditiva da nota que
condicionada por sua freqncia em relao s outras notas, como mostrado na tabela 5.1,
acima, construda atravs de relaes pitagricas. As diferentes notas de uma escala
musical so definidas dentro de um intervalo denominado de oitava (WATT, 1917). No caso
do piano a variao de freqncias de 27Hz a 4kHz (GUTTMAN & PURZANSKY, 1962),
divididas em oitenta e oito notas, equivalentes s teclas do piano. A partir do contnuo de
freqncias, um conjunto de freqncias discretas selecionado de forma que as
freqncias compartilhem uma relao entre elas num intervalo definido, como na tabela
5.1. Assim, a altura corresponde freqncia que selecionada de um repertrio prdefinido, num contnuo de freqncias.
No caso da escala cromtica, seguindo este esquema, doze freqncias discretas so
escolhidas no intervalo de uma oitava, de forma que a razo entre quaisquer freqncias
adjacentes seja 21/12. Na terminologia musical, essa razo denominada um semitom. Mais
simplesmente, a altura pode ser interpretada como a prpria nota: por exemplo, d, d#, r,
r#, mi.

fff

forte-fortssimo

ff

fortssimo

forte

mf

meio-forte

mp

meio-piano

piano

pp

pianssimo

ppp

piano-pianssimo

Tabela 5.2 Indicaes de dinmica musical

146

No caso do timbre, a propriedade do som que caracteriza sua fonte, isto , a


individualidade do som que caracteriza um dado instrumento, a maneira de toc-lo, o seu
contedo expressivo. Mais simplesmente, o timbre pode ser interpretado como o
instrumento: flauta, piano, violino, etc. Ser visto a seguir que este atributo ser
representado pelo parmetro MIDI program. No caso, o volume a caracterstica do evento
sonoro relacionado percepo de intensidade. Fisicamente, este parmetro medido em
decibis. Mas, no caso da msica, estes valores so dados em indicaes de dinmica como
apresentado na tabela 5.2.
Finalmente, a durao caracterizada pelo perodo de tempo durante o qual um
evento sonoro percebido. No domnio sonoro, os valores para a durao so dados em
figuras que se caracterizam pela durao relativa dada por uma progresso geomtrica. A
seqncia de duraes caracterizadas por um pulso mtrico (regular ou irregular) conduz a
uma estrutura rtmica. Por extenso, segue que:
Definio 5.1

Uma melodia pode ser definida como uma seqncia organizada de eventos
sonoros caracterizada por altura, volume e durao.

Na notao convencional ocidental, uma melodia lembra um sistema cartesiano de


coordenadas. A altura e a durao so cuidadosamente marcados, o timbre definido pelo
instrumento para o qual a composio est escrita e a dinmica apenas indicada: forte,
fortssimo, como na tabela 5.2.
5.3.2

A G ERAO DE ACORDES ATRAVS DE UM ALGORITMO G ENTICO

O protocolo MIDI prov uma representao simblica para eventos sonoros a partir do qual
os atributos apresentados acima podem ser definidos. No VOX POPULI, ambiente de
computao evolutiva desenvolvido no decorrer desse trabalho, os indivduos so
associados a eventos MIDI, descritos por tabelas que representam a altura (nome da nota,
tabela 5.1), o volume (dinmica da nota, tabela 5.2), o instrumento e a durao. Na tabela
5.3, apresentada a relao entre os parmetros para eventos sonoros e a respectiva
representao no protocolo MIDI.

147

Parmetro sonoro

Parmetro MIDI [0, 127]

Altura (nome da nota)

Note number

Volume (dinmica da nota)

Velocity Number

Timbre

Program Number

Tabela 5.3 Equivalncias entre parmetros sonoros e MIDI

No sistema desenvolvido, VOX POPULI, os indivduos so definidos como grupos


de quatro notas, ou vozes. Da o nome do sistema: so as vozes do povo. Para
simplificar a maneira pela qual o sistema controla a gerao de eventos MIDI, ser
apresentado apenas o controle do parmetro note number.
No incio do programa, conjuntos de quatro notas (note numbers) so gerados
aleatoriamente no intervalo [0, 127]. Qualquer valor inteiro neste intervalo pode ser
representado por 7 bits, onde o valor 60 corresponde ao d central do piano. A figura 5.19
mostra a codificao de um cromossomo que contm um conjunto de quatro notas (note
numbers) codificadas no protocolo MIDI, representado por um vetor de 28 bits (4 7).
1011010

1001010
0

0010110
1

1010001
2

Figura 5.19 A estrutura de um cromossomo MIDI, composto por 4 notas de 7 bits

Assim, sob o ponto de vista do parmetro de altura, cada indivduo da populao foi
definido como um acorde de quatro notas, e uma soluo potencial para um processo de
seleo. O algoritmo gentico usado para gerar e avaliar a seqncia de acordes. Os
acordes so enviados para a porta MIDI e podem ser ouvidos como eventos sonoros em
tempo real. Avaliaes do fitness meldico, harmnico e de intervalo de vozes,
apresentadas a seguir, so usadas para controlar as seqncias de eventos sonoros gerados
pelo programa.
Como em todas as abordagens evolutivas baseadas no esquema geral proposto pelo
algoritmo gentico original de HOLLAND (1992), algumas caractersticas so comuns. Em
quase todos os casos, novas populaes de solues potenciais so criadas, gerao aps
gerao, atravs de trs processos principais (MORONI et al., 2000):
148

1. Para indicar uma tendncia de que as melhores solues para o problema prevaleam
com o passar do tempo, mais cpias da melhor soluo corrente so colocadas na
prxima gerao;
2. Novas solues so introduzidas na populao pela alterao aleatria (mutao com
baixa taxa) de indivduos presentes na populao anterior, de modo que os descendentes
apresentem forte semelhana com seus progenitores;
3. O operador de crossover empregado na combinao de caractersticas das solues
candidatas, isto , os genes dos progenitores so misturados para formar descendentes
com parte das caractersticas de cada um.

Sero apresentadas a seguir as duas abordagens que foram experimentadas na


avaliao da funo de fitness do VOX POPULI. A primeira foi baseada em uma heurstica
(MORONI et al., 1999), enquanto que a segunda empregou um formalismo baseado em
lgica nebulosa (VIDYAMURTHY & CHAKRAPANI, 1992).
5.3.3

A FUNO DE FITNESS: ABORDAGEM H EURSTICA

No faltam exemplos para confirmar que o mecanismo da evoluo, atravs da atribuio


de diferentes funcionalidades s partes constituintes de um todo, acaba influindo no todo,
gerando uma complexidade que no poderia ter sido projetada, atuando em cada parte
isoladamente (KAUFMANN, 1992). Que aspectos considerar em um sistema que gera
acordes automaticamente, para dar alguma forma composio? Como domesticar o
mecanismo de busca por melhores indivduos? Estas so algumas das perguntas que
envolvem a pesquisa em computao evolutiva aplicada composio sonora.
A primeira verso do VOX POPULI usava uma funo de fitness calculada a partir
de tabelas de pesos harmnicos e meldicos, associadas a cada nota de uma oitava musical.
As tabelas foram elaboradas por Jnatas Manzolli, baseadas em sua experincia como
compositor (MORONI et al., 1999), e refletem um mapeamento arbitrrio da contribuio de
cada nota com relao harmonia e melodia.
A funo de fitness (F ) na verso inicial do VOX POPULI, e em todas as que se
seguiram, foi avaliada como sendo a composio de trs sub-funes: o fitness meldico
(FM ), o fitness harmnico (FH) e o fitness oitava, ou oitava, (FO):

149

F = FM + FH + FO

Equao 5.2

O fitness meldico e o fitness harmnico foram calculados com base nas tabelas
propostas, conforme indicado a seguir:
a) A Avaliao do Fitness Meldico
Aqui, as estruturas consideradas so acordes de 4 notas que sero denotados pelo conjunto
C = {x1 , x 2 , x3 , x 4 }. Cada x k associado a um valor note number da tabela MIDI, ou seja,
x k [ 0, 127] . O fitness meldico de x k , M ( x k ) , definido pela equao 5.3:
M : [0,127 ] [0,11]

Equao 5.3

onde
M ( xk ) = PM ( xk mod 12) / 11]
e PM extrado da tabela 5.4 de pesos meldicos, a seguir. Observe que 0 M ( x k ) 1.

xk mod 12

10

11

PM(xk mod 12)

11

10

Tabela 5.4 Pesos Meldicos (PM)

O conjunto [0, 11] representa as notas musicais contidas na escala cromtica, que
so as notas em uma oitava no piano, respectivamente, [d, d#, r, r#, mi, mi#, f, f#,
sol, sol#, l, l#, si]. Em princpio, esta tabela arbitrria (mdulo 12). No entanto,
dependendo do estilo da seqncia sonora pretendida, o compositor/usurio pode defini-la
segundo regras pr-estabelecidas. A tabela 5.4 reproduz, ao menos parcialmente, o esquema
de msica tonal (consonncia).
Se C4 for definido como o espao de todos os acordes possveis com 4 notas ento o
fitness meldico uma funo FM : C4 , onde o conjunto dos nmeros reais.
Segue que, dado um acorde C = {x1 , x 2 , x3 , x 4 } , definiu-se a funo fitness meldico
FM (C) como:
FM (C ) =

150

1 4
M (x k ) , C C4
4 k =1

Equao 5.4

Observe tambm que 0 FM (C ) 1.


b) A Definio do Fitness Harmnico
Analogamente, seja C = {x1 , x 2 , x3 , x 4 } , onde cada x k associado a um valor note number
da tabela MIDI, ou seja, x k [ 0, 127] . O fitness harmnico de x k uma funo
H : [0, 127] [0, 11] definida pela equao 5.5:
H ( xk ) = PH ( xk mod 12) / 11

Equao 5.5

onde PH extrada da tabela 5.5 de pesos harmnicos. Observe que 0 H ( xk ) 1.

xk mod 12

10

11

PH(xk mod 12)

11

10

Tabela 5.5 Pesos Harmnicos (PH)

Pode-se ento definir para cada acorde C C4 a funo fitness harmnico (FH) da
seguinte maneira:
FH ( C) =

1 4
H (x k )
4 k =1

Equao 5.6

Tambm aqui pode ser verificado que 0 FH (C ) 1 . Observe tambm que:


FH : C4 .
c) A Definio do Fitness de Oitava
Ainda, seja C = {x1 , x 2 , x3 , x 4 } , onde cada x k associado a um valor note number da tabela
MIDI, ou seja, x k [0,127] . A funo fitness de oitava simplesmente verificava se os
valores de x k estavam no intervalo [Omin , Omax ], selecionado pelo usurio/compositor, onde
Omin , Omax [ 0,127 ] , Omin < Omax . O fitness de oitava de xk era definido como:

1 se Omin xk Omax
O( x k ) =
0 caso contrrio.

Equao 5.7

151

Novamente, dado um acorde C C4, a funo fitness oitava (FO) foi definida como:
FO(C ) =

1 4
O( xk )
4 k =1

Equao 5.8

Claramente, 0 FO(C ) 1 e FO : C4 .
A seguir, ser apresentada uma formulao matemtica para a consonncia, que ser
usada na avaliao das funes de fitness meldico e harmnico, substituindo as tabelas
para PH e PM.
5.3.4

UMA ABORDAGEM N EBULOSA PARA O RECONHECIMENTO DE CENTROS TONAIS

A msica ocidental fortemente baseada no entrelaamento de estruturas harmnicas. Estas


estruturas so denominadas acordes e as suas notas constituintes no sentido quantitativo e
qualitativo tm variado com a poca e com a utilizao musical por parte dos compositores.
Inicialmente, os acordes eram formados por trs notas (trades) e a relao interna entre
elas era dada por intervalos de tera maior (quatro semitons) e menor (trs semitons). Alm
da estrutura dos acordes, o termo harmonia inerentemente ambguo: refere-se tanto a
um nvel mais elementar, em que a relao funcional entre os acordes avaliada, como a
um nvel esttico mais elevado, em que a harmonia funo de um dado estilo. De
qualquer maneira, a funo da harmonia na estruturao musical algo subjetivo. Todavia,
existem regras de conduo de vozes e cadncia que normatizam o encadeamento de
acordes. O julgamento da boa conduo de vozes e encadeamento de acordes da harmonia
da msica ocidental no parece ter uma base natural, mas um senso comum adquirido em
um dado contexto cultural, como mencionado por VIDYAMURTHY & CHAKRAPANI (1992).
Os parmetros de julgamento da harmonia ideal so mais um exemplo do que chamamos no
comeo desse captulo de frum conceitual de idias. No caso do VOX POPULI, as
tabelas 5.4 e 5.5, definidas acima e usadas para avaliar o fitness harmnico e meldico,
representam uma aproximao do que seria um critrio para encadeamento de estruturas
harmnicas. Nessa seo, apresentada uma modelagem alternativa.
Enquanto h diversos modelos para a boa conduo harmnica, podemos simplificar
a relao entre acordes utilizando o grau de consonncia/dissonncia dos intervalos
sonoros. Existem teorias numricas que aplicam relaes de proporo para descrever a
152

consonncia (CAZDEN , 1962). No entanto, tais teorias no delineiam claramente o que


constitui a ordem de complexidade/simplicidade dos intervalos sonoros. Apesar do conceito
de consonncia abranger no somente o fenmeno acstico e psico-acstico, mas tambm o
cognitivo, nesse trabalho ser empregada uma modelagem simplificada para determinar o
grau de consonncia entre duas notas.
O modelo de VIDYAMURTHY & CHAKRAPANI (1992) introduz o conceito de
aproximao de uma seqncia de notas sua nota harmonicamente compatvel, ou centro
tonal, e o mesmo utilizado para medir o grau de consonncia. Centro tonal pode ser
interpretado como a nota pertencente a uma escala dada que aproxima a funo de tnica a
partir da seqncia de notas geradas por uma melodia. O mtodo proposto usa um
formalismo baseado em lgica nebulosa (MANDANI & GAINES , 1981) e colocado como
um problema de otimizao que considera fatores psico-acsticos relevantes apreciao
musical. Esta abordagem significativa porque amplia a heurstica da funo de fitness
apresentada na seo anterior.
5.3.5

FORMULAO M ATEMTICA DA CONSONNCIA

Definio 5.2

Dadas duas notas com uma razo de freqncia n:m, existe um nmero natural i
onde o (i m)-simo harmnico da primeira nota e o (i n)-simo harmnico da segunda
nota so a mesma nota.

Assim, h mais harmnicas comuns numa razo de freqncia de 3:2 do que numa
razo de freqncia de 4:3. Ainda, quando o intervalo a razo de dois grandes nmeros,
nota-se um decrscimo na consonncia. Portanto, a contribuio do n-simo harmnico
consonncia maior do que o r-simo harmnico quando n < r (VIDYAMURTHY &
CHAKRAPANI, 1992).
Das observaes acima, a consonncia se apresenta como uma funo da associao
ou sobreposio entre os componentes harmnicos das notas. Esta medida de sobreposio
pode ser escalonada em [0, 1], com 1 denotando a completa sobreposio, no caso de se
sobreporem duas notas iguais, e 0 denotando nenhuma sobreposio. Esta noo de
sobreposio pode ser sucintamente modelada pelo formalismo da lgica nebulosa, em que

153

a pertinncia de um elemento a um conjunto possui um grau que varia no intervalo [0, 1],
conforme mostrado na figura 5.20. Pertinncia total implica grau 1 e ausncia completa de
pertinncia implica grau 0. Pertinncias parciais implicam graus dados por valores no
intervalo aberto (0, 1).

onde:

A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P

=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=

n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n

+
+
+
+
+
+
+
+
+
+
+
+
+
+
+

12
19
24
28
31
34
36
38
40
41
43
45
46
47
48

Figura 5.20 - As pertinncias dos componentes harmnicos

O grau de pertinncia pode ser ilustrado pelo grfico na figura 5.20. Este grfico no
leva em conta a distncia entre os harmnicos (no eixo horizontal esto igualmente
espaados e representados por letras). No grfico, a nota n denota a n-sima nota do piano,
enquanto que (n + k) refere-se freqncia fundamental da nota k semitons acima da nota
n; enquanto que o nmero de semitons acima da nota considerada.
J os grficos apresentados mais adiante na figura 5.21 fornecem funes de
pertinncia reais, decrescentes. No entanto, outras funes de pertinncia podem ser
adotadas pelo projetista.
d) A nota relacionada a um conjunto nebuloso
Uma nota musical pode ser relacionada com a sua fundamental e o conjunto de seus
harmnicos superiores. A relao da fundamental (aqui entendida como o primeiro
harmnico da seqncia) e de seus harmnicos pode ser representada graficamente como
um espectro, ou seja, um grfico de freqncia versus amplitude (CHAIGNE, 1987). No
trabalho de VIDYAMURTHY & CHAKRAPANI (1992), uma nota musical associada a um
conjunto nebuloso, onde a amplitude de cada harmnico decai inversamente com o valor da
freqncia. Cabe aqui ressaltar que esta curva no a nica forma de representar a relao

154

entre freqncia e amplitude, mas h uma grande variedade de espectros sonoros que
seguem esse comportamento.
Na modelagem foi adotado o protocolo MIDI para representar o valor das alturas
das notas musicais, onde 60 equivalente ao d central do piano. A figura 5.21 apresenta
os grficos onde a relao descrita acima dada para duas notas. Observe que no eixo x os
valores so dados em semitons, ou seja, dada a nota n, (n + k) refere-se a uma nota k
semitons acima. Por exemplo, a nota 60 refere-se ao d central e a nota 64 refere-se nota
4 semitons acima, que o mi (61 = d #; 62 = r; 63 = r #). No eixo y, so apresentados os
valores da funo de pertinncia, arbitrados de acordo com o critrio de que a pertinncia
varia com o inverso da freqncia.

Figura 5.21 Representao dos valores de pertinncia para as notas 60 e 64

A seguir, apresentada a definio formal do conjunto nebuloso adotado nessa


modelagem.

155

Seja U = [0, +) o conjunto de todas as freqncias possveis. Observe que cada


nota, ou mesmo som, por causa da sua representao numa srie de Fourier, um
subconjunto enumervel de U. A partir de U podem ser definidos conjuntos nebulosos.
Definio 5.3

Um conjunto nebuloso S em U caracterizado por sua funo de pertinncia


f S : U [0, 1], onde S completamente determinado pelo conjunto de pares ordenados:
S = { ( x, f S ( x )) , x U}
Aqui, cada nota x [0, 127] ser associada a S, um subconjunto nebuloso de U.
Assim, define-se:
Definio 5.4

Uma nota musical um sub-conjunto nebuloso S de U = [0, +) dado por:


S = { ( xi , f S ( x i )), xi U, i = 0, K,15 }
onde x i uma parcial harmnica (freqncia) e

Equao 5.9

f S a funo de pertinncia

f S : U [0, 1] dada e x 0 a fundamental. Nesta definio adotou-se que o nmero mximo


de parciais consideradas 16.

Em geral impe-se que para uma funo de pertinncia f S a soma dada por

( x ) seja finita. Da, claramente pode-se consider-la normalizada e sem perda de

xU

generalidade pode-se escrever que

( x) = 1 . Aqui, considera-se que a funo de

xU

pertinncia dada pelas alturas dos componentes harmnicos mostrados na figura 5.20, que
so apresentados na tabela 5.6.
Para simplicidade, assume-se que as pertinncias da fundamental e harmnicos no
mudam de nota para nota, para um dado instrumento (VIDYAMURTHY & CHAKRAPANI,

{(

1992). Formalmente, se S = {( x, f S ( x) ), x U } e S1 = x1 , f S1 ( x1 ) , x1 U , com x1 = x + ,


= 1,2,3,..., ento
f S ( x ) = f S1 ( x1 )

156

Equao 5.10

Isto significa essencialmente que os conjuntos de valores de pertinncia de duas


notas diferentes so apenas um deslocamento um do outro, como apresentado na figura
5.21.

f S ( x + )

0.1128

12

0.1061

19

0.0994

24

0.0927

28

0.0860

31

0.0793

34

0.0726

36

0.0659

38

0.0591

40

0.0524

41

0.0457

43

0.0390

45

0.0323

46

0.0256

47

0.0189

48

0.0122

x uma parcial harmnica


f S a funo de pertinncia associada freqncia x + .

Tabela 5.6 Altura dos componentes harmnicos, onde


(freqncia) e

e) A funo da Consonncia
Tendo em vista que a modelagem adotada utiliza-se da sobreposio dos conjuntos
apresentados acima, pode-se definir consonncia entre duas notas S1 e S2 como segue.
Dadas duas notas S1 e S2 consideradas como conjuntos nebulosos, elas podem ser

1
tomadas como conjuntos de parciais harmnicas, descritos por S1 = x 10 , x11 ,K, x15

2
S 2 = x 02 , x12 , K , x15
. Define-se a consonncia entre S1 e S2 como a interseo da

sobreposio entre os conjuntos nebulosos associados a cada nota, S12 = S1 S2 , que pode
ser descrito como:

12
12
S12 = x12
i , x j , K, xk

Equao 5.11

157

1
2
onde x12
n tal que x n = xn , n {i, j, ..., k}, i, j, ..., k {0,...,15}. Observe que S12 tem m

elementos, com m 16.


Para os mesmos ndices i, j, ..., k {0,...,15} presentes na equao 5.11, pode-se
definir:

y n = min f S1 ( xn ), f S 2 ( xn ) , com n {i, j, ..., k}.

Equao 5.12

produzindo o seguinte conjunto de valores:


Y = {yi , y j ,..., yk } .

Definio 5.5

A consonncia entre S1 e S2 ento definida como:


Co(S1 , S 2 ) =

n{i , j ,...,k }

yn .

Equao 5.13

Usando a relao acima, o grau de consonncia calculado para os vrios


intervalos, entendido como duas notas dadas.

Figura 5.22 Conjunto de interseo das curvas de pertinncia das notas 60 e 64

A figura 5.22 mostra a consonncia entre as notas 60 e 64. A consonncia um


valor calculado do resultado da interseo dos conjuntos da fundamental e componentes
parciais de duas notas dadas.
Para demonstrar a aproximao entre os valores obtidos e as normas aceitas, no
contexto da msica ocidental, VIDYAMURTH & CHAKRAPANI (1992) apresentam na tabela

158

5.7 uma relao onde, esquerda, os valores foram calculados pela modelagem de
conjuntos nebulosos, e direita, os valores so dados pela ordem de consonncia de Franco
de Cologne (HELMHOLTZ, 1954) do sculo XII.
1
2
3
4
5
6
7

Unsono
Oitava
Quarta Perfeita
Quinta Perfeita
Segunda Maior
Tera Menor
Sexta Maior

8
9
10
11
12
13

Stima Menor
Quinta Aumentada
Tera Maior
Quarta Aumentada
Stima Maior
Segunda Menor

Consonncia perfeita:
- unsono e oitava.
Consonncia mdia:
- quarta e quinta.
Consonncia imperfeita:
- teras maior e menor.
Dissonncia imperfeita:
- sextas maior e menor.
Dissonncia perfeita:
- stima menor;
- quarta aumentada;
- stima maior;
- segunda menor.

Tabela 5.7 Ordem decrescente da consonncia musical de acordo com a funo de


consonncia nebulosa (coluna esquerda) e de Franco de Cologne (coluna direita).

5.3.6

O RECONHECIMENTO DO CENTRO TONAL COMO UM PROBLEMA DE O TIMIZAO

Uma melodia pode ser vista como uma seqncia S = ((S1, t 1 ), (S2, t 2 ), ...) de pares
ordenados, onde Si a i-sima nota da melodia e t i a respectiva durao. Para uma dada
melodia, possvel definir o que ser chamado de centro tonal. Neste caso, a modelagem
adotada vinculada s regras de consonncia do contraponto tradicional. Assim, a extrao
do centro tonal de uma seqncia envolve encontrar uma nota harmonicamente compatvel
tal que a consonncia entre cada nota, na seqncia, e o centro tonal seja maximizada no
tempo.
Definio 5.6

O centro tonal da melodia S ento definido como a nota S* que maximiza a


funo:
N

CT (S ) = t i Co(S , S i )

Equao 5.14

i=1

159

onde S S .
No VOX POPULI o centro tonal calculado em tempo real, e a durao da nota
determinada pelos processos associados ao ciclo gentico.
a) Fitness Meldico
No VOX POPULI, o centro tonal pode ser modificado pelo usurio atravs do controle
meldico, que permite ao usurio atravs de um controle da interface atribuir varivel Id
um valor correspondente a uma nota MIDI vlida, isto , Id = S*.
Pode-se ainda definir o fitness meldico de um acorde de quatro notas (x 1 , t), (x2 , t),
(x 3 , t), (x4 , t) em relao ao centro tonal denotado Id. Este fitness calculado pela expresso
(MORONI et al., 2002a):
M ( x1 , x2 , x3 , x 4 ) = max {Co( S i , Id )}, i = 1,2,3,4

Equao 5.15

b) Fitness Harmnico
Ainda pode-se definir uma outra quantidade que ser denominada fitness harmnico. Ele
dado pela soma das consonncias das notas constituintes de um acorde de quatro notas,
tomadas duas a duas na ordem cclica, isto :
H ( S1 , S 2 , S 3 , S 4 ) = 1 / 4 [Co( S1 , S 2 ) + Co( S 2 , S 3 ) + Co( S 3 , S 4 ) + Co( S 4 , S 1 )]

Equao 5.16

Claramente, pode-se definir o fitness harmnico de outras maneiras. Por exemplo:


H ( S1 , S 2 , S 3 , S 4 ) = 1 / 6 Co( Si , S j )

Equao 5.17

i, j

onde (i, j) so todas as combinaes de 4 elementos tomados 2 a 2.


c) Fitness Oitava
A funo fitness de oitava, em sua primeira verso, verificava se as vozes do coro estavam
dentro do conjunto de oitavas selecionado. O fitness de oitava era incrementado de 1 para
cada voz dentro do intervalo. Numa verso seguinte, as vozes foram associadas s variveis
lingsticas baixo, tenor, contralto, soprano e no humana, relacionadas aos
conjuntos nebulosos mostrados na figura 5.23, onde as unidades no eixo das abscissas so

160

valores associados a notas MIDI ([0, 127]) e as funes Baixo, Tenor, Contralto e Soprano
eram dadas pelas curvas mostradas na figura 5.23.

Tenor Contralto

Vozes no humanas

Vozes no humanas

Baixo

20

40

Soprano

60

80

100

120

Figura 5.23 Valores lingsticos associados aos intervalos de vozes humanas

Esta funo privilegiava os acordes com notas na regio das vozes humanas, ou
seja, no intervalo [40, 84]. Foram arbitrariamente associados os valores lingsticos Baixo,
Tenor, Contralto, Soprano aos intervalos de notas MIDI [40, 62]; [45, 72]; [58, 78] e [59,
82]; mas esta funo mostrou-se muito restritiva para os instrumentos musicais em termos
de criao de seqncias sonoras. Assim, a verso anterior (seo 5.3.3.c) foi mantida.

Inicialize a populao com acordes aleatrios de 4 notas;

Repita (at ser interrompido pelo usurio) os passos abaixo:

2.1

Determinar o fitness de todos os acordes da populao, de acordo com


os critrios meldico, harmnico e de intervalo de vozes.

2.2

O indivduo com mais alto fitness disponibilizado como um evento


MIDI;

2.3

Reproduzir (copiar) os acordes de acordo com o fitness. Acordes com


maior fitness se reproduzem mais;

2.4

Enquanto a populao estiver incompleta faa:

2.4.1

Selecionar dois acordes quaisquer;

2.4.2

Usar o crossover de um ponto para gerar dois novos acordes;

2.4.3

Efetuar mutao sobre os novos acordes;

2.4.4

Inserir os novos acordes na populao.


Algoritmo 5.2 Variao do algoritmo gentico aplicado ao VOX POPULI

161

d) A Variao do Algoritmo Gentico aplicado ao VOX POPULI


O algoritmo 5.2 apresenta a variao do esquema proposto pelo algoritmo gentico original
de HOLLAND (1992), utilizada no VOX POPULI. Na verso final, adotou-se populao de
30 cromossomos, com taxa de crossover = 0,1 e taxa de mutao = 0,03 (M ORONI et al.,
2002a). Na figura 5.24, apresentada a arquitetura do sistema.
5.3.7

O AJUSTE DO FITNESS

As duas abordagens experimentadas para expressar a avaliao do fitness no VOX POPULI


mostraram resultados interessantes. A primeira, derivada de uma heurstica, supria uma
avaliao mais rpida do fitness e permitia uma populao maior de acordes, que resultava
em mais diversidade.
Na segunda abordagem, o critrio da consonncia foi usado, de modo que o clculo
tornou-se mais custoso computacionalmente. De forma a assegurar boa performance do
sistema em tempo real, a populao foi limitada a 30 acordes. Visto que o critrio de fitness
sonoro usado mais restrito nessa segunda abordagem, possvel ouvir que, em algumas
vezes, a seqncia sonora converge para uma nota, o que torna o resultado montono. Em
termos evolutivos, isso pode ser interpretado como uma diminuio da diversidade.
Assim, constatou-se que na evoluo sonora controlada pelo VOX POPULI, no somente a
consonncia desejvel, mas tambm a dissonncia, o que levou ao projeto de uma pad
grfica onde os parmetros do VOX POPULI relacionados com a funo de fitness
pudessem ser alterados, ocorrendo uma modificao na distribuio de regies promissoras
no espao conceitual.
Isto equivalente a alterar os requisitos para a sobrevivncia da espcie,
possibilitando a reconstruo da diversidade. Como no ArtLab, isto feito atravs da
interferncia humana, mas ao invs do usurio ser totalmente responsvel pela avaliao,
ele manipula parmetros da funo de fitness, ou seja, influencia no estabelecimento de
tendncias, mas no tem a palavra final.
Os controles da interface usam aplicaes iterativas no-lineares que do origem a
atratores, definidos como lugares geomtricos que representam o conjunto de estados
estacionrios de um sistema dinmico, ou simplesmente trajetrias para as quais o sistema
atrado. Modelar uma seqncia sonora como um sistema dinmico implica uma viso em

162

que o compositor desenha trajetrias ou rbitas usando pitchs, harmonias, ritmos, timbres,
etc. (MANZOLLI , 1993).
Dados

Processos

Ciclo de
Reproduo
Populao

Reproduo

Crossover

Mutao

Avaliao

Ciclo da
Interface
Melhor
Acorde

Interface

Figura 5.24 O ciclo gentico do VOX POPULI

163

Um controle pad (bloco de desenho) interativo supre uma rea na qual curvas 2-D
podem ser desenhadas (MORONI et al. 2000; 2002a). Estas curvas, uma vermelha e outra
azul, so ligadas a controles da interface. A curva vermelha liga os controles meldico e
oitava; e a curva azul liga os controles biolgico e rtmico. Cada curva descreve uma
relao temporal entre as variveis associadas. As curvas so percorridas na ordem em que
foram traadas. Seus componentes horizontais e verticais so usados para a avaliao do
fitness e para modificar a durao dos ciclos genticos, interferindo diretamente no ritmo da
composio. O pad interativo permite ao compositor conduzir a seqncia sonora atravs
de desenhos, sugerindo os gestos do maestro usados quando regendo uma orquestra.
Atravs de diferentes desenhos, o compositor pode experimentar a seqncia sonora criada
e conduzi-la, atravs de diferentes trajetrias ou rbitas sonoras. As trajetrias, portanto,
afetam o ciclo de reproduo e a avaliao do fitness sonoro, e podem acarretar
transformaes radicais na superfcie de fitness. Mas desde que os acordes so selecionados
sempre da populao mais recente, aps terem sido aplicados crossover e mutao, por
mais drstica que seja a transformao, a populao vai se adaptando aos poucos s novas
condies de avaliao. Pode-se afirmar que o algoritmo evolutivo est sujeito a uma
superfcie de fitness variante no tempo, de modo que as regies promissoras se deslocam ao
longo do espao de busca, de acordo com a indicao das trajetrias traadas no pad. Sendo
assim, os indivduos da populao tendem a migrar para estas novas reas promissoras,
modificando a seqncia sonora.
5.3.8

OS CONTROLES DA INTERFACE SONORA

A interface foi projetada para que o usurio possa modificar a seqncia sonora sendo
gerada, seja atravs do pad ou de cursores associados aos controles meldico, biolgico,
rtmico e oitava. A seqncia sonora resultante vai responder ao novo propsito indicado
pelo usurio, e a velocidade de resposta vai depender da durao dos ciclos genticos e do
nmero de indivduos da populao original. Abaixo, a interface do VOX POPULI
apresentada na figura 5.25. A seguir, so descritos os controles da interface.
a) Controle Meldico
Este provavelmente o mais importante dos controles da interface (mel, primeiro
esquerda), que permite variar o centro tonal (na figura 5.25, a nota 6 da tabela MIDI),
164

interferindo diretamente na melodia. O fitness meldico de cada acorde da populao


obtido pela soma das consonncias de cada nota que compe o acorde em relao ao centro
tonal.

Figura 5.25 A interface grfica

b) Controle Biolgico
O controle biolgico (bio) permite a interferncia na durao do ciclo gentico,
modificando o nmero de geraes, denominado aqui de era, at a seleo de um indivduo.
A cada final de era, h um acorde, o de melhor fitness, disponvel para ser tocado. No VOX
POPULI, h dois processos cooperativos, um produtor e outro consumidor. O controle
biolgico determina o tempo do processo produtor, ou seja, o que disponibilizar o melhor
acorde para ser tocado.
c) Controle Rtmico
Este controle (rhy) varia a fatia de tempo para que uma nova nota seja enviada para ser
tocada pela placa MIDI, ou seja, o tempo entre duas solicitaes envolvendo os processos
produtor e consumidor gera diretamente o ritmo da composio. Portanto no h nenhum
parmetro numrico que controla diretamente o pulso mtrico do programa. As seqncias
rtmicas produzidas pelo VOX POPULI vm do resultado direto da velocidade de
processamento do programa (o ciclo biolgico) versus a freqncia com a qual um
determinado acorde enviado para a porta MIDI (o ciclo sonoro).

165

d) Controle de Instrumentos
Na interface grfica, a mudana de timbre que ocorre durante a performance do VOX
POPULI feita atravs do controle orchestra. Neste caso, h um conjunto de programas
MIDI pr-selecionados de uma populao de 127 programas possveis (de acordo com a
tabela general MIDI). Este conjunto subdividido em subconjuntos que foram relacionados
aos naipes de uma orquestra (os grupos instrumentais de uma orquestra sinfnica). Durante
a execuo do VOX POPULI, a cada mudana de naipe, um grupo de quatro programas
MIDI sorteado para cada uma das quatro vozes do programa. Nesse controle, a seleo
feita pelo usurio, ou seja, a funo de fitness dada pelo julgamento humano, como no
ArtLab.
e) Controle Oitava
O controle oitava ou registro (oct) permite alargar ou diminuir o intervalo de vozes. Os
acordes que tiverem notas no intervalo selecionado tero seu fitness aumentado. Em sua
primeira verso, acordes com notas no intervalo de vozes humanas e com um componente
de cada tipo (baixo, tenor, contralto, soprano) eram privilegiados. Posteriormente, essa
restrio foi relaxada permitindo a seleo de qualquer regio contnua do conjunto de
notas disponveis no protocolo MIDI.
f) Um retrato do processo evolutivo
Trs outras regies na interface permitem ao usurio acompanhar os resultados da evoluo
dos indivduos que compem a populao a cada gerao. Acima, direita, so
apresentadas as notas e o fitness de cada acorde que est sendo tocado. Ao meio, um grfico
de barras mostra as quatro vozes (baixo, tenor, contralto, soprano) e seus valores. Abaixo,
so apresentados os fitness parciais (meldico, harmnico, oitava) do acorde que est sendo
tocado.
g) Pad Interativo
O boto pad on habilita e desabilita o pad interativo. Quando habilitado, o usurio pode
desenhar curvas no espao de fase, associando a elas os controles meldico e oitava, na
curva vermelha, e biolgico e rtmico, na curva azul. Essa facilidade permite ao usurio
desenhar e orientar a curva para determinar a evoluo da seqncia sonora. Nas verses
at o momento, apenas os parmetros mencionados (mel, bio, rhy, oct) foram usados

166

associados s curvas, mas possveis desdobramentos do sistema podem incluir outros


parmetros.

Figura 5.26a Uma curva simples e a sada sonora produzida pelo VOX POPULI

Figura 5.26b Uma curva mais complexa e a sada sonora correspondente

167

De todos os controles do VOX POPULI, este o que mais o diferencia de outros


ambientes computacionais de composio. O pad pode ser considerado como mais uma
possibilidade para a avaliao da seqncia sonora. Um msico no precisa ouvir uma
seqncia sonora para imaginar como ela soa, ele capaz de ouvi-la mentalmente apenas
lendo uma partitura. Mesmo um intrprete cria esquemas mentais para memorizar uma
msica para uma performance. Analogamente, VOX POPULI permite que desenhos sejam
associados a seqncias sonoras, permitindo ao mentor, ou usurio-compositor, us-las
como mais uma facilidade de avaliao.
Todavia, o processo no trivial, o usurio precisa estar familiarizado com o
ambiente, o que pode ser obtido atravs de treinamento. Nos anos de 2002 e 2003, o
programa VOX POPULI foi usado na disciplina de MS306 Estudos Avanados em
Msica e Tecnologia, ministrada no curso de ps-graduao em Msica, sendo que os
alunos foram incentivados a desenvolver um solfejo musical relacionado aos grafismos da
pad. Como resultados, uma srie de composies foi criada durante o curso, e apresentadas
em concertos. A figura 5.26 apresenta o desenho de algumas curvas que podem ser
interpretadas como trajetrias que permitem ao compositor mudar a evoluo da
composio atravs do mouse. A trajetria na figura 5.26b resulta em uma seqncia
sonora mais complexa que a trajetria na figura 5.26a.
Num outro nvel, uma abordagem evolutiva pode ser usada para sintetizar estruturas
sonoras. Ainda, curvas de fitness como acima podem ser geradas e evoludas, produzindo
assim um fenmeno de coevoluo, em que tanto os indivduos quanto o critrio
empregado para avali-los esto sujeitos evoluo ( HILLIS, 1991; DELGADO, 2002).

5.4 A C RTICA AUTOMATIZADA


No contexto de Algoritmos Genticos Iterativos (AGI), visando remover, ou pelo menos
transformar, a necessidade de interao humana, BALUJA et al. (1994), trabalhando no
domnio visual, treinaram uma rede neural artificial para substituir o crtico humano em
uma evoluo de uma imagem interativa, sendo que os mecanismos de produo da
imagem seguem a proposta de SIMS (1993). GIBSON & BYRNE (1991) sugeriram uma
abordagem similar para fragmentos sonoros bem curtos. A rede observa as escolhas feitas
168

por um crtico humano ao selecionar imagens bidimensionais de uma gerao para


reproduzir na prxima gerao, e no decorrer do tempo aprende a fazer o mesmo tipo de
avaliaes estticas que as feitas pelo mentor humano. Quando a rede treinada colocada
no lao evolutivo, no lugar do crtico humano, imagens interessantes podem ser evoludas
automaticamente. Com crticos aprendendo dessa maneira, seja aplicado a imagens ou
seqncias sonoras, menos estrutura ainda ser necessria junto aos criadores artificiais,
porque eles podem obt-la atravs da rede treinada que, por sua vez, aprendeu suas
preferncias a partir de um conjunto selecionado de amostras comportamentais do usurio.
Uma vantagem de um sistema assim que novas restries crticas podem ser
adicionadas simplesmente treinando uma rede neural artificial com exemplos adicionais de
seqncias sonoras, ao invs de construir novas regras. O problema que difcil assegurar
que a rede est aprendendo o critrio que se gostaria de ensinar. Mas no impossvel,
conforme SPECTOR & ALPERN (1995), trabalhando no domnio sonoro, mostraram. Neste
caso, eles expandiram um sistema anterior baseado em regras, esperando que uma rede
neural artificial treinada para fazer avaliaes estticas fosse capaz de avaliar a sada sonora
de compositores em evoluo num nvel estrutural mais profundo que seus sistemas
anteriores poderiam. Ficou claro para eles que a rede tivera um conjunto de treinamento
muito restrito para aprender a respeito de muitas possibilidades (TODD & W ERNER, 1999).
Aqui, um experimento similar com redes neurais para reconhecimento de um estilo
musical foi realizado, visando us-la como funo de fitness. Inicialmente, arquivos MIDI
foram selecionados, de composies musicais de mesmo estilo, em que se julgou haver
alguma coerncia musical. Tais arquivos foram processados para extrair as informaes
para o treinamento da rede neural: as notas, a velocidade e a durao de cada nota. Na
verdade, essas informaes so compatveis com as sadas sonoras do VOX POPULI para a
placa MIDI. Os resultados do treinamento foram intervalos de ocorrncias para as
caractersticas usadas no treinamento, as notas, a velocidade e a durao de cada nota. Um
outro arquivo, de um outro estilo, foi usado para avaliar a rede. As ocorrncias caram fora
dos intervalos encontrados, o que foi auspicioso, j que a seqncia sonora no era de
mesmo estilo. Mas no elementar obter um conjunto de ensaios de qualidade, ou seja,
capaz de refletir completamente algum estilo. Tambm no elementar definir o que vai
ser tomado como informao de entrada para a rede neural (VON ZUBEN, 2003). Vai ser

169

tomada como entrada para a rede neural uma execuo completa, de modo que a rede
neural apenas mapeie esta execuo num ndice de desempenho? Se for assim, qual deveria
ser a extenso fixa desta execuo? Ainda, a partir de uma mesma condio inicial, vai ser
medida a correlao entre uma seqncia proposta por uma rede neural recorrente e uma
seqncia a ser avaliada? Se for assim, como treinar a rede neural para que esta seja capaz
de propor uma seqncia sonora de alta qualidade, a ser utilizada como referncia? H um
outro problema tambm em se construir crticos: uma vez que a populao tenha evoludo
para satisfazer o crtico, ela tipicamente convergir para aquela soluo, minimizando
variaes e novidades. Isto no problema com crticos humanos, porque seu critrio de
seleo pode mudar no decorrer do tempo para buscar novos aspectos e abandonar a
estagnao.
A coevoluo pode ajudar a resolver alguns problemas. As duas metades do ciclo
criativo, criador e crtico, podem evoluir juntas, modelando e tendo o seu comportamento
modelado (D ELGADO, 2003). HILLIS (1991) evoluiu rotinas simples para sortear listas de
nmeros, mas descobriu que com um conjunto fixo de teste, envolvendo seqncias
numricas a serem ordenadas, os programas evoludos no generalizariam todas as
possveis seqncias. Eles usavam atalhos para ordenar somente os casos de teste. Quando
Hillis fez os casos de teste coevolurem, atribuindo a cada seqncia um fitness maior
quando ela driblava uma rotina ordenadora, os ordenadores eram continuamente
desafiados e prosseguiam com o comportamento ordenador geral desejado. Da mesma
forma, no domnio sonoro, alguns autores (WERNER & TODD, 1997; CLIFF & MILLER,
1995) coevoluem crticos e criadores, isto , sistemas de regras, de forma a
continuamente desafi-los com novos critrios de fitness e preveni-los da estagnao (TODD
& WERNER, 1999).

170

6
AGI: O DOMNIO,
O CRIADOR, O JRI
Num Algoritmo Gentico Interativo (AGI), o julgamento humano usado como funo de
fitness, atravs de uma interface homem/mquina. Este ciclo tipicamente comea com a
apresentao dos indivduos da populao corrente para o mentor humano avali-los. No
domnio visual, em geral, todos os indivduos so apresentados de uma vez, de forma que a
populao inteira possa ser comparada. O modelo contm: o domnio nos casos
estudados, visual ou sonoro; o criador o processo evolutivo; e o jri o mentor. O mentor
pode, ento, determinar o fitness de cada indivduo em relao a todos os outros indivduos
j avaliados.
Um critrio de fitness bem formalizado d origem a uma superfcie de fitness. A
questo que esta superfcie de fitness pode existir apenas na mente do usurio (mentor) e
este pode no ter totalmente definida esta superfcie em todas as regies, ou seja, o mentor
pode no ser capaz de atribuir com segurana um valor de fitness a alguns indivduos da
populao. Sendo assim, a forma que se sugere para se estimar o mximo desta superfcie
amostr-la atravs da interface com o usurio. No entanto, normalmente no se solicita do
171

usurio a indicao do grau de confiana que ele tem na avaliao realizada e nem mesmo
quais modificaes pontuais poderiam levar a um aumento da qualidade daquele indivduo.

6.1 MTODOS G ENRICOS E A F ORA B RUTA DO COMPUTADOR


A ausncia de uma descrio formal da superfcie de fitness e a violao de algumas
restries importantes impedem a aplicao de metodologias dedicadas de soluo, ou
mtodos dedicados. Mtodos dedicados so resolvedores de problemas que requerem
conhecimento estrutural e de alta qualidade sobre o problema a ser resolvido. Por exemplo,
os melhores algoritmos de otimizao disponveis na matemtica aplicada requerem
continuidade, convexidade, e disponibilidade de informao de primeira e segunda ordem,
em cada ponto do espao de busca (LUENBERGER, 1984). A soluo tima local (ou global,
se o problema for convexo) no pode ser obtida se alguma das condies prvias no for
vlida. Assim, apesar de serem eficientes resolvedores de problema, os mtodos dedicados
tm um campo de aplicao extremamente restrito, e os problemas mais desafiadores no
podem ser resolvidos por este caminho.
As alternativas so resolvedores de problemas menos eficientes e pouco especficos,
os chamados mtodos genricos. Estes mtodos buscam pela soluo baseados numa
quantidade mnima de informaes e restries a respeito do problema a ser resolvido. Por
exemplo, alguns algoritmos no requerem mais do que informaes de ordem 0 (zero).
Assim, o campo de aplicao de cada mtodo genrico muito mais abrangente.
No entanto, o desempenho pode ser completamente insatisfatrio, porque a falta de
maior especificao associada s solues plausveis pode fazer com que o espao de
candidatos soluo seja proibitivamente amplo, e a ausncia de informao de alta ordem
pode impedir a busca efetiva. Por outro lado, na ausncia de informao de ordem superior,
e desde que a informao de ordem 0 seja empregada de forma eficaz, os mtodos
genricos representam uma opo, e talvez a nica opo.
Trata-se da mesma linha de argumentao empregada no incio do Captulo 3,
quando se discutiu sobre algoritmos exatos e aproximados. Se os mtodos dedicados no se
aplicam, a existncia de uma quantidade significativa de recursos computacionais pode
viabilizar a aplicabilidade de mtodos genricos, dentre os quais se encontram os
algoritmos evolutivos.
172

Os mtodos genricos normalmente no so valorizados no contexto da cincia da


computao e da teoria de otimizao, pois essencialmente eles exploram a fora bruta da
mquina. Embora a fora bruta no requeira nenhum suporte terico muito elaborado para
ser posta em prtica, ela est longe de ser desprezvel e sua eficcia pode ser surpreendente.
Em um ambiente social, parece razovel admitir que a fora bruta seja sempre
questionvel, pois nunca se sabe se ainda possvel recorrer a solues mais refinadas. Mas
no mundo da computao, h condies de se obter evidncias tericas acerca da
infactibilidade de mtodos dedicados. Sendo assim, entre aplicar a fora bruta e desistir de
abordar o problema, parece razovel optar pela primeira opo.

6.2 AR TEBITRARIEDADE EM AGI S


Esse dilema entre mtodos dedicados e mtodos genricos pode se tornar ainda mais
intrincado quando o julgamento humano contribui em um ou mais passos. Em termos
gerais, h um compromisso entre o poder do resolvedor de problemas e a qualidade
requerida da informao disponvel.
As aplicaes evolutivas no domnio da esttica so freqentemente dificultadas
pela falta de um procedimento para determinar o fitness. Nestes domnios, a funo de
fitness tipicamente reflete um julgamento esttico determinando quais indivduos em uma
populao so melhores ou piores, baseado em um critrio subjetivo e, como tal, de difcil
representao matemtica.
No entanto, quando o julgamento humano substitui um critrio formal de fitness,
ainda assim se tem uma superfcie de fitness, mas esta superfcie no pode ser expressa em
termos matemticos, a menos que seja possvel produzir um modelo preciso do julgamento
humano.
Por outro lado, tcnicas de computao evolutiva permanecem como mtodos
genricos poderosos para implementar o que chamado de otimizao iterativa e interativa.
Particularmente, elas realizam uma busca paralela interativa (o critrio de fitness definido
pelo julgamento humano) por uma melhor soluo em um espao de candidatos (o espao
de busca), buscando regies promissoras (caracterizadas pela presena de candidatos com
mais alto fitness) do espao de busca e agindo no sentido de prover, em mdia, melhores

173

solues a cada iterao, mesmo na presena de uma superfcie de fitness variante no


tempo.
ArTEbitrariedade refere-se, portanto, iniciativa de se incrementar o julgamento
esttico atravs de tcnicas de computao evolutiva e outras tcnicas populacionais para
busca exploratria, e interpretada como um processo de otimizao iterativo e interativo
(MORONI et al., 2002a). O objetivo ltimo da arTEbitrariedade evitar que seja deixado ao
artista aquilo que (j) pode ser automatizado e evitar que seja deixado mquina aquilo que
(ainda) no pode ser automatizado. Encontrar o equilbrio necessrio nesta interao
homem-mquina no uma tarefa elementar. As contribuies desta tese se concentram
justamente na busca deste equilbrio, envolvendo algoritmos genticos interativos nos
domnios visual e sonoro.

6.3 ASPECTOS ADICIONAIS DA BUSCA INTERATIVA NO DOMNIO


VISUAL
Um algoritmo gentico que, de alguma forma, recorre participao do usurio na
determinao do fitness chamado um algoritmo gentico interativo (AGI), em referncia
existncia de uma interface para entrada e sada de dados. Esta interface tipicamente
promove a apresentao dos indivduos que compem a populao corrente para que o
mentor humano possa julg-los. Como o fitness normalmente representa uma medida da
qualidade relativa de um indivduo frente aos demais da mesma populao, a apresentao
simultnea de todos os indivduos recomendada, por permitir uma comparao mais
efetiva.
Seja, por exemplo, o famoso quadro de MALEVICH (1913), O Quadrado, apresentado
na figura 6.1. Kasimir Malevich foi o artista que mais encarnou um novo segmento da arte
moderna, o Suprematismo (SILVA , 2003). A geometria de Malevich tinha como ponto de
partida a linha reta, forma elementar suprema que simbolizava a ascendncia do homem
sobre as no-linearidades da natureza. O quadrado, que nunca se encontra na natureza, era o
elemento suprematista bsico: o fecundador de todas as outras formas suprematistas.
Aparentemente, no difcil imaginar um sistema computacional como o ArtLab,
desenhando linhas e quadrados, ou uma aproximao quanto a cores, forma e propores de
O Quadrado, de Malevich. Assim, suponhamos que Malevich, tendo tomado contato com
174

o ArtLab, decidisse gerar um quadrado preto sobre um fundo branco. Boas chances ele teria
de obter um resultado como o apresentado na figura 6.2, aps ter selecionado os valores
(Square, White, 1, Black, Solid) para os controles (Format, Back_Color, Object_Number,
Object_Color, Object_Style), seguido da opo New Box.

Figura 6.1 O Elemento Suprematista Bsico: O Quadrado (MALEVICH, 1913)

O ArtLab tem opes para desenhar retngulos, e o quadrado um caso particular


do retngulo, com os lados iguais. Aps cerca de 50 interaes, ele poder estar
apresentando na tela do computador os resultados mostrados na figura 6.3.

Figura 6.2 Figuras resultantes da ativao da opo New Box no ambiente ArtLab, com os
parmetros (Format, Back_Color, Object_Number, Object_Color, Object_Style) inicializados
com os valores (Square, White, 1, Black, Solid)

175

Figura 6.3 Resultados obtidos aps cerca de 50 interaes no ambiente ArtLab

6.3.1 SOLUO AUTOMTICA VIA ALGORITMOS GENTICOS


Uma descrio aproximada para uma composio tal como O Quadrado de Malevich
poderia ser: um quadro de formato quadrado, de fundo branco, com um quadrado negro de
cerca de 80% do tamanho do quadro disposto no centro, que podemos chamar de
composio Malevich. Ora, o sistema gerativo do ArtLab permite a seleo de um
formato quadrado, um fundo branco, uma populao de um objeto de cor negra, slida, do
tipo box (caixa preenchida). O conjunto de possibilidades que resulta dessa escolha de
parmetros contm todos os retngulos pretos, slidos, sobre quadros brancos de formato
quadrado, e esse conjunto certamente contm a composio Malevich. Mas o sistema
falhou nas cinqenta primeiras tentativas, apesar de ter se aproximado bastante do objetivo.
Quantas interaes seriam necessrias para se alcanar a composio Malevich apenas
atribuindo-se notas s propostas apresentadas na tela do computador?
Neste caso especfico, a interao poderia se dar de uma forma mais intensa, pois se
tem uma noo precisa do que se quer ver manifestado, ou seja, do que deve ser imposto
como modificao junto s figuras fornecidas para que elas se aproximem da composio
Malevich.

176

Aps estas constataes, torna-se necessrio avaliar o significado efetivo de uma


sesso interativa no ambiente ArtLab. Viu-se, no captulo 3, que Computao Evolutiva
uma ferramenta computacional projetada de modo a apresentar bons desempenhos em
tarefas de busca em espaos contendo um nmero enorme de candidatos. Viu-se tambm,
na seo 5.1.1, uma estimativa da cardinalidade do espao de possibilidades do mtodo
Line, por volta de 1048 . Este mtodo tambm usado para objetos do tipo box. Assim, ao
selecionar os valores (Square, White, 1, Black, Solid) para os controles (Format,
Back_Color, Object_Number, Object_Color, Object_Style), o usurio est reduzindo o
espao onde ser efetuada a busca. Usando o mesmo raciocnio, uma estimativa grosseira
da cardinalidade do conjunto de caixas pretas seria da ordem de 1036 , o que no um
nmero pequeno. Ao atribuir notas aos quadros apresentados, o usurio est dando pistas ao
sistema sobre o quo prximo ele est da regio desejada no espao. Assim considerando,
talvez cinqenta interaes no seja um nmero to grande para percorrer um espao to
amplo e usando como guia apenas notas atribudas aos candidatos j apresentados, ou seja,
informao de ordem 0. No est sendo fornecida ao computador, por exemplo, em que
direo ele deveria prosseguir na busca, a partir de um determinado ponto do espao, para
melhorar a qualidade dos candidatos a serem propostos, o que representa uma informao
de ordem 1.
O ambiente ArtLab, genrico, no privilegia especificamente a evoluo de uma
composio tal como a composio Malevich. A taxa de mutao no ArtLab definida
pelo usurio e, uma vez aplicada, h 13 parmetros que podem ser modificados (tipo do
objeto, cor da borda, cor do preenchimento, estilo, coordenadas x 1 , y1 , x 2 , y2 , etc.).
Desde que a composio Malevich foi descrita acima como um quadro de formato
quadrado, de fundo branco, com um quadrado negro de cerca de 80% do tamanho do
quadro disposto no centro, possvel enfocar mais o processo de busca. Para tanto, a
funo de mutao foi alterada para atuar especificamente na modificao do valor das
coordenadas x 1 , y1 , x2 , y2 e, para avaliar automaticamente os indivduos, a funo de fitness
foi programada considerando trs aspectos: a distncia do centro do retngulo ao centro do
quadro, a forma do retngulo e a rea do retngulo em relao ao quadro.
Foi dada igual importncia a cada um dos trs termos na composio do fitness, e o
valor mximo do fitness 9,9, de acordo com as expresses matemticas adotadas.

177

Tomando apenas 4 indivduos na populao a cada gerao, foi obtido um resultado com
fitness de 9,74 em 18 iteraes. Mas, para atingir o fitness mximo foram necessrias 1789
iteraes. Numa segunda execuo, menos de 1000 iteraes e em outra simulao mais de
6000 iteraes. Nos resultados mostrados na figura 6.4, o fitness 9,9 foi atingido em 175
iteraes.
Apesar da funo de fitness considerar a centralizao da figura na avaliao, ou
seja, haver uma presso seletiva quanto centralizao da figura, no h no cromossomo de
cada composio nenhuma informao quanto centralizao, ou simetria. Ou seja, o
resultado acaba sendo atingido, sem que o objeto contenha em si o cdigo gentico
especfico, a ser transmitido aos seus descendentes. A aferio para a seleo foi feita sobre
o fentipo e o resultado emergiu, se aproximando do objetivo, devido simplesmente
presso seletiva, indicando assim uma atuao indireta sobre o gentipo.

Figura 6.4 Resultado da simulao, aps 175 iteraes. Acima a populao inicial, de
quatro quadros. Abaixo a populao final. O quadro esquerda, abaixo, obteve um fitness
de 9,9.

Pode-se dizer, usando o jargo de Margaret Boden, que o sistema gerativo do


ArtLab no contempla a composio Malevich completamente. O sistema gerativo
178

contempla a gerao de retngulos pretos sobre fundo branco, mas os quatro lados de
mesmo comprimento e a disposio central so um caso particular. De acordo com a autora,
uma idia meramente nova aquela que pode ser descrita e/ou produzida pelo mesmo
conjunto de regras gerativas como so outras idias familiares. Uma idia original ou
criativa uma que no pode. Nesse contexto, talvez a composio Malevich, ao surgir e
ser reconhecida, seja um exemplo de criatividade-H. De fato, um caso particular dos
retngulos negros sobre fundo branco, ou seja, da criatividade-P, o caso mais genrico
(seo 2.2). Nesse caso, foi a presso seletiva a responsvel pelo surgimento de uma nova
idia.
Alguns talvez sintam alguma resistncia em tratar um quadrado preto como um caso
de criatividade-H, mas cabe aqui lembrar que a composio O Quadrado, de Malevich,
quando apresentada ao mundo, foi julgada por um campo de especialistas que
reconheceram e validaram a inovao.
Pode-se verificar a concluso da seo 2.5: o computador pode fazer coisas que no
lhe foram ordenadas diretamente e tambm podem falhar na realizao de tarefas que
acreditava-se terem sido especificadas em instrues.
6.3.2 SOLUO AUTOMTICA VIA ALGORITMOS M EMTICOS
Mas, uma vez identificado o que pode ser feito para aumentar o fitness de um dado
indivduo da populao, o problema pode ser resolvido de forma extremamente elementar.
Ao invs de aumentar o dilogo com o computador na funo de fitness, introduz-se novos
operadores de busca local. No caso acima, possveis operadores de transformao poderiam
ser, por exemplo:

Simtrico: transforma um retngulo/elipse num quadrado/crculo regular;

Centraliza: os objetos da figura so centralizados;

Aumenta/Diminue: os objetos so aumentados/reduzidos.

importante notar que, no caso acima, o operador atuaria no nvel do gentipo. Esta
soluo hbrida caracteriza um algoritmo memtico. H ganho de ambas as partes: do
usurio, reconhecendo uma oportunidade e realizando uma busca local numa regio que foi
alcanada por uma busca populacional; e do sistema, adquirindo robustez.

179

6.3.3 EXPLORAO OU TRANSFORMAO?


interessante notar, na figura 6.5, os resultados obtidos a partir da evoluo dos quadros
acima, esquerda. O quadro Pop23, esquerda foi gerado atravs da opo New/Circle. O
quadro Pop7, a seguir, mais antigo, foi gerado a partir da opo New/Fun. Os quadros EvP3
e EvP1 abaixo, esquerda, resultados da evoluo dos quadros Pop23 e Pop7, apresentam
circunferncias gordas em suas composies. Tal tipo de objeto no possvel de ser
gerado atravs de nenhuma da opes do ArtLab, ou seja, um objeto estranho aos
inicialmente existentes no espao conceitual do ArtLab, que emergiu da combinao dos
atributos. Como classificar isso, como uma explorao ou como uma transformao? Como
dito com referncia figura 5.5 (seo 5.1.2), depende do espao conceitual considerado.

Figura 6.5 Objetos estranhos s possibilidades do ArtLab surgiram durante


experimento

Ainda, os quadros da figura 6.5, gerados experimentalmente por uma profissional da


rea de editorao interagindo com o ArtLab, apresentam propriedades estticas
interessantes, tais como os crculos azul e verde com simetria em sua colocao, ligados
pelo arco rosa, que conduz o olhar do observador de um para outro. desse tipo de recurso
que os artistas geralmente tiram partido, e nada foi programado no ArtLab para que isso
acontecesse. Mas, com a devida recompensa um valor elevado para o fitness tais
atributos podem ser mantidos e propagados pelas prximas geraes.

180

6.4 A B USCA INTERATIVA NO DOMNIO SONORO


Diferente do domnio visual, no domnio sonoro no possvel realizar a apresentao
simultnea dos indivduos que compem a populao a ser evoluda, de modo que o usurio
possa atribuir uma medida de fitness a cada uma das seqncias sonoras, por comparao.
Recursos utilizados no domnio visual, como reduo das dimenses da imagem e
apresentao simultnea sem sobreposio, no podem ser implementados no domnio
sonoro. As seqncias sonoras (cada uma representando um indivduo da populao) no
podem ser apresentadas de forma comprimida, sem distorc-las. A analogia sonora para
uma imagem reduzida seria uma amostra sonora acelerada. Mesmo se o tom correto for
preservado, o tempo musical seria alterado. Um outro problema que mltiplas amostras
sonoras no podem ser apresentadas simultaneamente sem obscurecer a identidade de cada
indivduo. O olho pode focar em uma imagem de cada vez, por haver ausncia de
sobreposio entre elas, mas o ouvido no pode isolar uma linha meldica de uma
seqncia sonora complexa quando mltiplas seqncias esto sendo executadas
simultaneamente.
Muito da pesquisa na rea de sistemas evolutivos aplicados composio sonora
focam na determinao de um conjunto de regras, ou restries, que direcionem a gerao
das seqncias sonoras, regras que ou so explicitamente codificadas, ou so aprendidas
pelo sistema atravs de sua interao com o usurio. HOROWITZ (1994) desenvolveu um
sistema em que, dado um conjunto de restries a partir das quais um grande nmero de
ritmos pode ser gerado, o sistema usa um algoritmo gentico interativo para aprender o
critrio empregado pelo mentor na distino dos ritmos. John Biles apresenta no GenJam
(BILES , 2002) um algoritmo gentico baseado no modelo de um estudante aprendendo a
improvisar solos de jazz conduzido por um mentor humano. DEL RIEGO et al. (2002)
descrevem um modelo de composio sonora que cria padres rtmicos atravs de um
sistema baseado em algoritmos genticos, com a interao de vrios msicos.
VOX POPULI usa uma abordagem diferente. O sistema usa uma funo de fitness
baseada na composio de trs sub-funes: o fitness meldico, o fitness harmnico e o
fitness octave. Baseado na ordem da consonncia das seqncias sonoras, VOX POPULI
aproxima uma seqncia de notas a um centro tonal. A interface foi projetada de maneira a
suprir recursos ao usurio, alterar a evoluo da composio sonora atravs do mouse, ou
181

outros perifricos, como o tablete (MORONI et al., 2002b). Os controles da interface so


associados a desenhos que, por sua vez, so tratados como condutores do processo de
produo sonora. Atravs de diferentes desenhos, o usurio pode experimentar a
composio gerada e modific-la, criando assim o conceito de trajetrias ou rbitas
sonoras. As trajetrias afetam a funo de fitness. Como isso acontece?

Figura 6.6 A interface grfica do VOX POPULI, onde o valor apontado indica que o controle
meldico est associado nota mi.

Seja, por exemplo, na figura 6.6 o valor selecionado atravs do controle meldico,
no caso, o valor 4. Isto significa que o centro tonal Id a nota associada ao valor 4, no caso
a nota mi, conforme descrito na seo 5.3.6.

O que significa isso? Significa que o fitness meldico dos acordes de quatro notas a
serem gerados pelo algoritmo gentico ser calculado em relao nota mi (seo 5.3.6).
Em outras palavras, ser calculada a consonncia de cada nota (x 1 , t), (x2 , t), (x3 , t), (x 4 , t) do
acorde em relao nota mi, no instante t. Se esse valor permanecer constante no tempo,
a seqncia sonora ficar bastante montona. Mas ao se ativar o pad, duas relaes
temporais so criadas, associando os controles meldico e octave (curva vermelha), e
rtmico e biolgico (curva azul). A figura 6.7 mostra como, a partir da curva vermelha, so
extrados os valores desejados para as funes de fitness meldico e octave. O mesmo
acontece na curva azul, de onde so extrados os valores desejados para as funes de
fitness biolgico e rtmico, que afetam o nmero de iteraes para a evoluo dos acordes e
182

o andamento da composio de seqncias sonoras. As curvas so percorridas no tempo,


ponto a ponto, na ordem em que foram traadas, permitindo que, atravs de desenhos, o
usurio conduza a composio que est sendo gerada. A variao dos controles meldico,
harmnico, biolgico e de intervalo de vozes implica numa superfcie de fitness variante no
tempo.

oct

mel

Figura 6.7 Os valores objetivos do fitness meldico e do fitness harmnico so extrados


da curva vermelha, que foi desenhada pelo usurio.

No VOX POPULI, a composio resultante varia de sons pontuais a acordes longos,


dependendo da durao do ciclo gentico e do nmero de indivduos na populao original.
Apesar do fato de o sistema trabalhar com base em eventos sonoros controlados por
protocolo MIDI, estruturas sonoras complexas foram obtidas.

6.5 OS L IMITES DA AR TEBITRARIEDADE


Num algoritmo gentico interativo, tipicamente ocorre a apresentao dos indivduos da
populao corrente para o mentor humano avali-los. No domnio visual, onde em geral
cada indivduo apresentado como uma imagem reduzida, todos os indivduos so
usualmente apresentados de uma vez, freqentemente em tamanho reduzido, de forma que
a populao inteira possa ser examinada simultaneamente.
Mas a evoluo raramente definida como sendo rpida. Podem ser necessrias, para
atingir uma regio promissora, muitas geraes de candidatos potenciais. Com cada um
deles demandando tempo para avaliao, o processo pode ser muito demorado e tedioso.

183

Em poucas palavras, o usurio no deve ser requisitado com a mesma freqncia com que a
mquina solicitada. Por exemplo, no domnio sonoro no caracterizado por hbridos como
o VOX POPULI, a evoluo temporal dos eventos sonoros impede a apresentao paralela,
comprimida, dos indivduos, como no domnio visual. A maioria das aplicaes de
algoritmos genticos aplicados composio sonora encontradas na literatura apresenta a
populao como uma trajetria evolutiva de seqncias sonoras tais como acordes, motivos
e frases representadas como eventos. O resultado conseqente em composio sonora que
cada membro da populao deve ser apresentado individualmente e em tempo real. Isto
resulta num gargalo de fitness severo, que freqentemente limita o tamanho da populao e
o nmero de geraes que realisticamente podem ser evoludas num AGI. Estes limites so
necessrios no somente para reduzir o tempo para rodar um AGI, mas tambm para ajudar
a reduzir a falta de confiabilidade dos mentores humanos, conforme eles tentam selecionar
os indivduos na populao, ouvindo somente uma seqncia de cada vez. Ainda, os
mentores tendem fadiga e reduo da ateno, e comeam a punir indivduos nas ltimas
geraes que foram altamente premiados nas geraes anteriores.
O mesmo pode ocorrer no domnio visual. Um perodo longo de exame de detalhes e
cores pode conduzir ao cansao e a alteraes perceptivas, e influir na avaliao dos
indivduos.

6.6 A E XPLORAO, A COMBINAO E A TRANSFORMAO


A maioria dos algoritmos evolutivos apenas explora um espao pr-determinado, buscando
uma ponto timo dentro dele, mas outros transformam o seu mecanismo gerativo de uma
ou outra maneira. No domnio visual, por exemplo, algoritmos evolutivos aplicam uma
transformao superficial no espao conceitual resultando em imagens que, apesar de
novas, claramente pertencem mesma famlia das que a precederam; ou podem ser to
modificadas que as novas imagens podem no apresentar qualquer semelhana com suas
progenitoras, menos ainda com suas antecedentes mais remotas. Alguns autores pregam
que a transformao deveria ser sempre criativa, ou mesmo que sistemas de inteligncia
artificial que podem transformar suas regras so superiores aos que no podem.
Significativamente, alguns sistemas de inteligncia artificial deliberadamente evitam dar

184

aos seus programas a capacidade de mudar o cdigo, ou seja, eles impedem transformaes
fundamentais no espao conceitual.
Uma razo para abandonar transformaes drsticas em modelos de criatividade
baseados em inteligncia artificial que o ser humano pode estar mais interessado, pelo
menos durante algum tempo, em explorar um dado espao que em transform-lo de
maneira imprevisvel; tambm ele pode estar se familiarizando com o sistema. Outra razo
a dificuldade da automatizao da avaliao.
VOX POPULI proporciona ao usurio a oportunidade de fazer julgamentos
subjetivos em todas as mutaes e recombinaes enquanto transita para a prxima
iterao. Do ponto de vista do usurio, o julgamento internalizado no sistema. Do ponto
de vista do sistema, a funo de fitness modificada, alterando assim os objetivos da busca
no espao conceitual, conforme o usurio d rumo navegao.
Num contexto bem especfico, pode-se pensar que a computao evolutiva, como
modelo de criatividade, atende explorao, j que busca; combinao, atravs do
crossover e da co-evoluo, e transformao, atravs da mutao. Alguns podem
discordar da aplicao do termo criatividade a um contexto to especfico, mas se levarmos
em conta o sucesso que os algoritmos evolutivos j demonstram apresentar ao resolver
alguns problemas de elevada complexidade, via progressos de natureza cumulativa, fica
evidente que a aplicao continuada destes trs processos eficaz na busca pelo
atendimento de objetivos bem definidos, sem que seja necessrio dizer para a mquina
como realizar esta tarefa.
6.6.1 DIVERGNCIA E CONVERGNCIA
De acordo com GARDNER (1996), a idia chave na concepo de criatividade do psiclogo,
o pensamento divergente (seo 2.6). Se a computao evolutiva pode conduzir
implementao de algoritmos de busca eficazes, embora sem garantia de obteno da
soluo tima global (ver captulo 3), boas chances h de ser adequada para a
implementao do pensamento divergente. Em quase todos os casos, so criadas novas
populaes de solues potenciais para algum problema, gerao aps gerao, atravs de
trs processos principais. Primeiro, para garantir que as melhores solues disseminem seu
cdigo pela populao, mais cpias das boas solues que das ms solues so colocadas
na prxima gerao. A reproduo ento proporcional ao fitness, porque as melhores
185

solues tipicamente geram mais descendentes. Segundo, para introduzir novas


codificaes na populao, uma mutao a uma baixa taxa opera durante a reproduo, de
modo que alguns descendentes tero caractersticas alteradas aleatoriamente. Terceiro, para
combinar bons componentes entre as solues, o crossover freqentemente empregado,
no qual os genes de dois antecedentes so usados para formar descendentes que tenham
caractersticas de ambos. Com esses trs processos ocorrendo, o ciclo evolutivo pode
eficientemente explorar muitos pontos no espao de solues e em paralelo, e boas solues
podem ser encontradas rapidamente.
Como colocado por DAWKINS (1986), a seleo cumulativa, seja na seleo artificial
obtida a partir de uma simulao computacional, seja na natureza, um procedimento de
busca eficiente, e suas conseqncias se assemelham muito inteligncia criativa. preciso
lembrar tambm que, se o processo de busca pode ser muito rpido, a evoluo raramente
descrita como um processo rpido. Pode levar muitas geraes de candidatos potenciais,
cada um deles requerendo tempo para avaliao, antes que algo interessante ocorra.
Interessante talvez no sentido que Margaret Boden d a uma idia criativa, tal que nova,
surpreendente, e de alguma forma valiosa (seo 2.2).
Gardner tambm colocou que, pelas medidas-padro, considera-se que as pessoas
inteligentes so convergentes pessoas que, a partir de certos dados ou de um problema
difcil, conseguem chegar a muitas associaes diferentes, e pelo menos algumas dessas so
idiossincrticas e possivelmente nicas. Ora, se a busca como processo certamente
divergente, a funo de fitness propicia a convergncia. Uma funo de fitness um tipo de
filtro que seleciona os indivduos que melhor atendem aos objetivos da busca. No VOX
POPULI, so os acordes que melhor atenderem aos critrios meldico, harmnico e de
intervalo de vozes (critrio octave); na composio Malevich, so as propostas mais
prximas de O Quadrado, de Malevich. Assim, as solues selecionadas pelo critrio de
fitness apresentam algum tipo de associao com regies promissoras do espao de busca, e
portanto convergem para timos locais.
6.6.2 A INTERNALIZAO DO S ISTEMA
Ainda, de acordo com FOGEL (1995), para qualquer organismo, ou sistema, ser inteligente,
ele precisa ser capaz de tomar decises, o que implica em capacidade de julgamento.
HOFSTADTER (1985) enfatiza a importncia de se ter a representao apropriada dos
186

conceitos. Viu-se, no captulo 5, a dificuldade da representao adequada de um conceito


tal como a harmonia, no domnio da esttica, mas verificou-se que h regras gerais, tais
como a consonncia musical e a teoria das complementaridades de cores, ambas derivadas
de aspectos fisiolgicos e que, ainda que nem sempre sejam empregadas, h um consenso
entre os artistas de que elas existem. Ambas as abordagens so significativas porque, parte
as diferenas de percepo entre as pessoas, no adotam heursticas: a consonncia e a
complementaridade de cores so tratadas do ponto de vista fsico.
No domnio sonoro, VIDYAMURTHY E CHAKRAPANI (1992) introduzem a
aproximao de uma seqncia de notas sua nota harmonicamente compatvel, ou centro
tonal, atravs de um formalismo nebuloso (MANDANI, 1981). O mtodo proposto
colocado como um problema de otimizao baseado em fatores fisiolgicos relevantes
apreciao de seqncias sonoras, e foi usado no VOX POPULI na avaliao da funo de
fitness. Assim, ainda que numa abordagem conservadora, acordes agradveis ao ouvido so
gerados a cada momento, cabendo ao usurio variar os centros tonais, influenciando o fluxo
da composio no tempo, ou na melodia. Mas tambm isso pode ser fixado atravs dos
desenhos, ou trajetrias. O sistema ainda no prope trajetrias, apenas segue as trajetrias
desenhadas pelo usurio, mas no h nenhuma impossibilidade tcnica nesse sentido.
Simplesmente, o VOX POPULI foi projetado e usado como um ambiente exploratrio.
Mas suponha que ele passe a gerar trajetrias e as submeta, como num AGI, apreciao e
avaliao humana. vivel pensar que, com o tempo, um banco de dados pode ser
construdo com as melhores trajetrias. Tambm vivel pensar que as trajetrias possam
ser concatenadas, e a composio resultante, possa ser submetida apreciao humana.
Tambm vivel pensar que, com o tempo, um banco de dados possa ser construdo com as
melhores concatenaes, ou as que foram melhor avaliadas pelos usurios. Na verdade, o
tempo o principal gargalo de todos os sistemas evolutivos.
Mas, aparentemente, um AGI aplicado a algum domnio especfico, associado a um
banco de dados, presta-se bastante bem internalizao do sistema, como proposto por
CSIKSZENTMIHALYI (1996) (ver Seo 2.1.2). L, so colocados como elementos
necessrios a um indivduo que queira fazer uma contribuio criativa:

um banco de dados;

a capacidade de catalisar idias; e

187

a habilidade de se livrar das idias ruins.


Supondo-se portanto um AGI com a capacidade de armazenar as melhores solues

encontradas num banco de dados, ao lhe ser solicitada novamente uma soluo, ele
recorreria ao banco de dados para apresent-la e ao processo evolutivo para modific-la e
evolu-la. Desta maneira, o AGI estaria promovendo uma catalisao de idias. Quanto s
idias ruins, ele estaria se livrando delas aos poucos, pois o AGI conserva apenas, ou
principalmente, as melhores solues. As piores so gradativamente eliminadas ao longo do
processo da evoluo.

188

7
CONCLUSO
7.1 REDES, NS E CONEXES
A criatividade e a sua possvel realizao computacional, resultando na produo de
material com algum valor esttico, particularmente no domnio visual e sonoro, foram o
alvo de estudo desta tese. Embora esta afirmao represente uma interpretao
demasiadamente genrica do trabalho realizado, ela serve ao propsito de conduzir
constatao de que exatamente este tema foi e alvo de estudo de muitos outros grupos de
pesquisa e de produo artstica ao redor do mundo. Ser mais um dentre um elenco amplo
de proponentes dos benefcios da interao homem-mquina, no contexto da produo
artstica, requer certamente uma definio clara da identidade do trabalho, capaz de permitir
o estabelecimento de contrastes e correlaes com as demais iniciativas de mesma temtica.
E ao buscar caracterizar a identidade desta tese, se acaba convergindo justamente
para as contribuies da mesma. Mas o caminho um pouco longo. As contribuies no
so pontuais. Fazendo uma analogia entre esta tese e ns interconectados em rede, as
contribuies no esto nos ns. Elas esto nas conexes da rede. Quanto aos ns, um
mrito desta tese foi identificar aqueles que mais contribuem para retratar a rede. Mas nas
189

conexes que se desenvolve todo o discurso, incluindo proposio de novas conexes e


atribuio de novas funcionalidades a conexes previamente existentes.
So ns da rede:

aplicao de algoritmos aproximados em contextos em que algoritmos exatos no


existem ou no so factveis, principalmente devido complexidade computacional do
problema;

aplicao de mtodos genricos em contextos em que mtodos dedicados no existem


ou no so factveis, principalmente devido inexistncia de informao de alto nvel
ou modelos mais elaborados do problema;

explorao consistente da fora bruta da mquina, ou seja, da grande disponibilidade de


recursos de processamento e memria;

tratamento de problemas computacionais definidos a partir de objetivos de alto nvel;

emprego de abordagens populacionais de busca exploratria;

uso de algoritmos genticos interativos;

produo com o auxlio do computador no domnio visual;

produo com o auxlio do computador no domnio sonoro;

formalizao matemtica de critrios de desempenho;

tratamento de aspectos computacionais de criatividade.

So conexes da rede e, portanto, contribuies importantes da tese:

investimento em interfaces homem-mquina capazes de enriquecer as possibilidades de


interao, tanto no domnio visual quanto sonoro;

formalizao do conceito de arTEbitrariedade;

tratamento do conceito de criatividade sob uma perspectiva computacional;

sistematizao do processo de soluo de problemas computacionais definidos a partir


de objetivos de alto nvel;

proposio de uma viso memtica para o processo de busca evolutiva;

proposio de pacotes de software capazes de explorar aspectos relevantes da


arTEbitrariedade, incluindo superfcies de fitness variantes no tempo e conjugao de
aspectos visuais e sonoros.

190

7.2 EXERCCIO DE A R TEBITRARIEDADE


Parte da razo pela qual a evoluo to lenta na natureza que o mecanismo de seleo
pode ser muito segmentado e temporariamente sem efeito. Uma maneira de tornar o
processo evolutivo mais eficaz implementar uma presso seletiva mais estrita e rigorosa
na populao. Este o princpio por trs da seleo artificial em algoritmos evolutivos
interativos, onde o julgamento humano realiza o principal papel seletivo, permitindo que
apenas indivduos da populao avaliados positivamente pelo mentor humano produzam
descendentes para a prxima gerao. Com esta superviso operando de forma iterativa,
mudanas cumulativas de grande impacto podem ser alcanadas em poucas geraes.
ArtLab e VOX POPULI apresentam a oportunidade de fazer julgamentos subjetivos
durante o processo evolutivo. Alta interatividade ou, no caso da composio sonora,
performance em tempo real, so caractersticas desejadas nesse tipo de sistemas evolutivos.
Interatividade aplicada a algoritmos genticos significa que o usurio capaz de
interromper o processo a, idealmente, qualquer estgio e manipular, idealmente, qualquer
parmetro desejado. Operadores memticos habilitam este ltimo tipo de manipulao.
Aps tal manipulao, o mentor humano deve ser capaz de julgar o resultado dentro de um
tempo de resposta que permita o trabalho interativo.
Ao longo de um processo evolutivo implementado em computador, os novos
indivduos vo herdar grande parte das caractersticas de seus predecessores, embora
podendo apresentar variaes aleatrias (explorao), uma mescla de caractersticas dos
predecessores (combinao) e pertinncia a novos espaos conceituais (transformao).
Alm disso, todo indivduo da populao precisa ser descrito a partir de uma lista finita de
atributos (algoritmos genticos) ou rvore de atributos (programao gentica). este
processo continuado de proposio de novos indivduos, seguido da seleo das melhores
propostas por parte de um mentor humano auxiliado por computador, que recebe a
denominao de arTEbitrariedade.
Visto que esta tese representa uma etapa de um processo de formao acadmica,
ento o fato deste processo ser parte integrante de um mecanismo mais amplo, denominado
mtodo cientfico, permite incluir esta tese no contexto da aplicao do mtodo cientfico.
Logo, como o mtodo cientfico apresenta fortes analogias com a computao evolutiva, e

191

dado que a arTEbitrariedade pode ser implementada a partir da computao evolutiva,


conclui-se que a prpria tese um exerccio de arTEbitrariedade.

7.3 P ERSPECTIVAS F UTURAS


No so poucos os possveis desdobramentos desse trabalho. No domnio visual, foram
utilizadas no ArtLab as primitivas grficas bidimensionais mais simples, disponveis no
ambiente. Muitos outros modelos podem potencialmente ser explorados pelas mesmas
tcnicas. Gramticas que descrevem processos gerativos para criar entidades podem
tambm ser sujeitas a mutao, crossover e seleo interativa. Algoritmos que usam regras
para construir, arranjar e combinar primitivas geomtricas 3-D podem tambm ser
evoludos. Bibliotecas grficas podem ser usadas para a gerao de formas sofisticadas,
aumentando o potencial exploratrio, e este o objetivo mais imediato. Ainda,
combinaes de evoluo e da capacidade de aplicar ajustes especficos, como nos
algoritmos memticos, do ao usurio mais controle sobre os resultados evoludos. Neste
tipo de aplicao, isso resulta tambm em aumento de complexidade e processamento.
No domnio sonoro, a computao evolutiva foi aplicada pelo VOX POPULI
somente no nvel dos acordes, mas pode-se adicionar muito mais estrutura, como por
exemplo, frases sonoras. Dado que a funo de fitness expressa atravs de desenhos de
trajetrias, pode-se tambm evoluir as trajetrias, e dessa forma, a prpria funo de fitness.
Tais mapas iterativos so fceis de produzir, e so representaes detalhadas de seqncias
sonoras. Experimentos foram realizados adaptando-se o VOX POPULI a dispositivos de
entrada de alta interatividade (MORONI et al., 2002c), mas ajustes so necessrios para se
obter boa performance.
Em ambos os domnios, no visual e no sonoro, grandes quantidades de informao
sobre as escolhas humanas podem ser monitoradas e analisadas. Combinaes de variaes
aleatrias e no-aleatrias usando informaes apreendidas pode ser til, incluindo mtricas
derivadas do conceito de entropia.
Mas o mesmo desafio que motivou o desenvolvimento da pesquisa, em todos os
momentos, continua ainda representando o maior desafio do que vier a ser produzido como
conseqncia desta tese: entender o que torna o resultado de um comportamento expressivo
algo esteticamente atraente.
192

Referncias Bibliogrficas
ARNHEIM , R. Arte e Percepo Visual. So Paulo: Livraria Pioneira Editora, 1988.
ATMAR, J. W. Speculation on the Evolution of Intelligence and Its Possible Realization in
Machine Form. Sc. D. diss., New Mexico State University, Las Cruces, 1976.
AXELROD, R. The Evolution of Strategies in The Iterated Prisoners Dilemma em Davis,
L. (ed.) Genetic Algorithms and Simmulated Annealing, London: Pitman, pp. 32 41,
1987.
BCK, T. Evolutionary Algorithms in Theory and Practice. Oxford University Press, 1996.
BCK, T., FOGEL, D.B. & MICHALEWICZ , Z. (eds.) Evolutionary Computation 2: Advanced
Algorithms and Operators. Institute of Physics Publishing, 2000a.
BCK, T., FOGEL, D.B. & MICHALEWICZ , Z. (eds.) Evolutionary Computation 1: Basic
Algorithms and Operators. Institute of Physics Publishing, 2000b.
BALUJA , S., POMERLEAU, D. & JOCHEM , T. Towards automated artificial evolution for
computer generated images, Connection Science, 6(2 3), 325 354, 1994.
BALUJA , S. & CARUNA , R. Removing the Genetics from the Standard Genetic Algorithm
em Prieditis, A. & Russel, S. (eds.) Proceedings of the Twelfth International Conference
on Machine Learning, ML-95, pp. 38 46, 1995.
BENTLEY, P. Generic Evolutionary Design of Solid Objects using a Genetic Algorithm.
Ph.D. Thesis, Division of Computing and Control Systems, Department of Engineering,
University of Huddersfield, 1996.
BENTLEY, P. (ed.) Evolutionary Design by Computers. San Francisco: Morgan Kaufmann,
1999.
BENTLEY, P. & CORNE, D. (eds.) Creative Evolutionary Systems. San Francisco: Morgan
Kaufmann, 2002.
BENTLEY, P. J. & WAKEFIELD, J. P. The Evolution of Solid Object Designs using Genetic
Algorithms, Applied Decision Technologies (ADT95), April, pp. 391 400, 1995.
BENTLEY, P. J. & WAKEFIELD, J. P. Generic Representation of Solid Geometry for Genetic
Search, Microcomputers in Civil Engineering, 11(3), pp. 153 161, 1997.
BIDLACK, R. Chaotic Systems as Simple (But) Complex Compositional Algorithms,
Computer Music Journal, 16(3), pp. 33 42, 1992.
BILES, J. A. Gen Jam: A Genetic Algorithm for Generating Jazz Solos, San Francisco:
Proceedings of Computer Music Conference (ICMC94), 1994.
BILES, J. A. GenJam in Perspective: A Tentative Taxonomy for GA Music and Art
Systems, Leonardo, 35(2), 2002.
BODEN, M. The Creative Mind: Myths and Mechanisms. London: Widenfeld & Nicolson,
1990.
BODEN, M. Dimensions of Creativity. New York: The MIT Press, 1996.
193

BODEN, M. Creativity and artificial intelligence, Elsevier Science: Artificial Intelligence


103 pp. 347 356, 1998.
BRANNIGAN, A. The Social Basis of Scientific Discoveries. Cambridge: Cambridge
University Press, 1981.
CARNE, E. B. Artificial Intelligence Techniques. Washington, DC: Spartan Books, 1965.
CAPRARA , A. & FISCHETTI, M. Branch-and-cut algorithms em DellAmico, M., Maffioli,
F. & Martello, S. (eds.) Annotated Bibliographies in Combinatorial Optimization,
Wiley, pp. 45 64, 1997.
CASTI, J. L. Complexification. New York: HarperPerennial, 1995.
DE CASTRO, L.N., TIMMIS, J. Artificial immune systems: a new computational intelligence
approach. Springer-Verlag, 2002.
CAZDEN , N. Sensory Theories of Musical Consonance, Journal of Aesthetics and Art
Criticism, 20, pp. 301 319, 1962.
CHAIGNE, A. Spectral Distribution and Damping Factor Measurements of Musical Strings
Using FFT Techniques, Proceedings of the International Conference in Acoustics,
Speech and Signal Processing, New York: Institute for Electrical and Electronics
Engineers, 1987.
CHELLAPILLA , K. Evolutionary Programming with Tree Mutations: Evolving Computer
Programs without Crossover em Koza, J. et al. (eds) Genetic Programming:
Proceedings of the Second Annual Conference, 1997.
CLIFF, D. & MILLER, G.F. Tracking the Red Queen: Measurements of adaptative progress
in coevolutionary simulations, Advances in Artificial Life: Proceedings of the Third
European Conference on Artificial Life, pp. 200 218, 1995.
COHEN, H. Colouring without Seeing: a Problem in Machine Creativity,
http://crca.ucsd.edu/~hcohen, 1999.
CSIKSZENTMIHALYI , M. Creativity: Flow and the Psychology of Discovery and Invention.
New York: HarperPerennial, 1996.
DARTNALL, T. (ed.) Artificial Intelligence and Creativity: an Interdisciplinary Approach.
Dordrecht: Kluwer, 1994.
DARWIN, C. On the Origin of Species by Means of Natural Selection or the Preservations of
Favored Races in the Struggle for Life. London: John Murray, 1859.
DAVIS, L. The Handbook of Genetic Algorithms. Van Nostrand Reinhold, 1991.
DAWKINS, R. The Selfish Gene. Great Britain: Oxford University Press, 1989.
DAWKINS, R. The Blind Watchmaker. London: Penguin Books, 1991.
DAWKINS, R. A Escalada do Monte Improvvel. So Paulo: Companhia das Letras, 1998.
DAWKINS, R. Richard Dawkins: software & biomorphs. http://www.world-ofdawkins.com/Dawkins/Work/Software/software.htm, 2002.
DELGADO, M. Projeto Automtico de Sistemas Nebulosos: Uma Abordagem Co-Evolutiva.
Tese de Doutorado, UNICAMP: Faculdade de Engenharia Eltrica e de Computao,
2002.
DORIGO, M.& DI CARO, G. Ant algorithms for discrete optimization, Artificial Life 2, 5,
pp. 137 172, 1999.
EBCIOGLU , K. An Expert System for Harmonizing Four-Part Chorales, Computer Music
Journal, 12(3): pp. 43 51, 1988.
EBY, D., AVERILL, R. C., PUNCH III, W. F. & GOODMAN, E. D. The Optimization of
Flywheels using an Injection Island Genetic Algorithm em Bentley, P. (ed.),
Evolutionary Design by Computers, San Francisco: Morgan Kaufmann, 1999.
194

ELIAS, N. Mozart, A Sociologia de um Gnio. Rio de Janeiro: Jorge Zahar Editor, 1995.
FERREIRA , A. B. H. Novo Dicionrio da Lngua Portuguesa. So Paulo: Editora Nova
Fronteira, 1975.
FOGEL, D. Evolving Artificial Intelligence. PhD thesis, University of California, 1992.
FOGEL, D. B. Asymptotic Convergence Properties of Genetic Algorithms and
Evolutionary Programming: Analysis and Experiments, Journal of Cybernetics and
Systems, 25: 389 407, 1994.
FOGEL, D. Evolutionary Computation: Toward a New Philosophy of Machine Intelligence.
New York: IEEE PRESS Marketing, 1995.
FOGEL, L. J. Autonomous Automata, Industrial Research 4, pp. 14 19, 1962.
FOGEL, L. J. Biotechnology: Concepts and Applications. Prentice-Hall, 1963
FOGEL, L. J., OWENS, A. J. & WALSH , M. J. Artificial Intelligence through Simulated
Evolution. New York: John Wiley, 1966.
FOLEY, J., VAN DAM , A., FEINER, S. K.& HUGHES , J. F. Computer Graphics: Principles
and Practice. USA: Addison- Wesley, 1996.
FRANKE, H. Refractions of Science into Art em Peitgen, H.-O. & Richter, P. (eds.) The
Beauty of Fractals. Munich: Springer-Verlag, 1986.
FRAZER, J. An Evolutionary Architecture. London: Architetural Association, 1995.
GARDNER, H. Mentes que Criam. Porto Alegre: Artes Mdicas, 1996.
DE GARIS, H. Genetic Programming: Building Artificial Nervous Systems
using
Genetically Programmed Neural Network Modules, Proceedings of the 7th
International Conference on Machine Learning, pp. 132 139, 1990.
GERO, J. S. Computers and Creative Design em Tan, M. & Teh, R. (eds.) The Global
Design Studio, National University of Singapore, pp. 11 19, 1996.
GERO, J. S. & KAZAKOV, V. An Exploration-Based Evolutionary Model of Generative
Design Process, Microcomputers in Civil Engineering, 10(6), pp. 415 421, 1996.
GIBSON, P. M. & BYRNE, J. A. NEUROGEN, musical composition using genetic
algorithms and cooperating neural networks, London: Proceedings of the IEE Second
International Conference on Artificial Neural Networks, pp. 309 313, 1991.
GLOVER, F. & KOCHENBERGER, G. A. Handbook of Metaheuristics. Kluwer Academic
Publishers, 2002.
GLOVER, F., LAGUNA , M. Tabu Search. Kluwer Academic Publishers, 1997.
GOETHE, J. W. A Doutrina das Cores. So Paulo: Nova Alexandria, 1993.
GOLDBERG, D. E. Genetic Algorithms in Search, Optimization and Machine Learning.
Addison-Wesley, 1989.
GOLDBERG, D. E. The Race, the Hurdle, and the Sweet Spot: Lessons from Genetic
Algorithms for the Automation of Design Innovation and Creativity em Bentley, P.
(ed.), Evolutionary Design by Computers, San Francisco: Morgan Kaufmann, 1999.
GOMBRICH, E. H. Arte e Iluso. So Paulo: Martins Fontes, 1986.
GRIFFITHS, P. Modern Music. Artes Grficas Toledo, pp. 86 87, 1986.
GUTTMAN, N. & PURZANSKY, S. Lower Limits of Pitch and Musical Pitch, Journal of
Speech and Hearing Research 5, pp. 207 214, 1962.
HARRIS, R. A. An Alternative Description to the Action of Crossover, Proceedings of
Adaptive Computing in Engineering Design and Control, pp. 151 156, 1994.
HARVEY, I. Cognition is not Computation: Evolution is not Optimization em Gerstney,
W., Germond, A., Hasler, M. & Nicoud, J.-D. (eds.) Artificial-Neural Networks

195

ICANN97, Proc. of 7th International Conference on Artificial Neural Networks,


Switzerland, Lausanne: Springer-Verlag, pp. 685 690, 1997.
HAYKIN, S. Neural Networks: A Comprehensive Foundation. USA: Prentice-Hall, 1994.
HELMHOLTZ, H. On the Sensations of Tone. New York: Dover, 1954.
HERING, E. On the Theory of Sensibility to Light. Viena, 1878.
HILLER, L. & BAKER, R. Computer Cantata: A Study of Compositional Method,
Perspectives of New Music, 3(1), 1964.
HILLIS, W. D. Co-Evolving Parasites Improve Simulated Evolution as an Optimization
Procedure em Langton, Taylor, Farmer & Rasmussen (eds.) Artificial Life II, Santa Fe:
Addison-Wesley, pp. 313 324, 1991.
HITCHING, F. The Neck of the Giraffe, or Where Darwin Went Wrong. London: Pan, 1982.
HOFSTADTER, D. R. Metamagical Themas: Questing for the Essence of Mind and Pattern.
New York: Basic Books, 1985.
HOLLAND, J. H. Genetic Algorithms and the Optimal Allocations of Trials, Siam Journal
of Computing, 2(2), pp. 88 105, 1973.
HOLLAND, J. H. Adaptation in Natural and Artificial Systems. University of Michigan
Press, 1975.
HOLLAND, J. H. Genetic Algorithms, Scientific American, July: 1992.
HOLLAND, J. H. Emergence: from Chaos to Order. Massachusetts: Addison-Wesley, 1998.
HOROVITZ, D. Generating Rhythms with Genetic Algorithms, San Francisco:
Proceedings of the International Computer Music Conference (ICMC94), pp. 142
143, 1994.
INGLIS, B. O Poder dos Sonhos. So Paulo: Crculo do Livro, 1987.
ITTEN, J. Arte del Color. Paris: Editorial Bouret, 1975.
DE JONG, K. A. An Analysis of the Behaviour of a Class of Genetic Adaptive Systems.
Doctoral Dissertation, University of Michigan. Dissertation Abstracts International,
1975.
KANAL, L. & CUMAR, V. (eds.) Search in Artificial Intelligence. Springer-Verlag, 1988.
KAUFMANN, S. Origins of Order. Oxford, Oxford University Press, 1992.
KARGUPTA , H. Information Transmission in Genetic Algorithms and Shannons Second
Theorem, Illinois Genetic Algorithms Laboratory (IlliGAL), report no. 93003, 1993.
KENNEDY, J., EBERHART , R.C. & SHI, Y. Swarm intelligence. San Francisco: Morgan
Kaufmann Publishers, 2001.
KING, M. Sculptor a 3D Computer Sculpting System, The MIT Press: Leonardo, 24(4),
1991.
KIRKPATRICK, S., GELATT, C.D.& VECCHI, M.P. Optimization by simulated annealing,
Science 4598, 220, pp. 671 680, 1983.
KOESTLER, A. The Act of Creation. London: Hutchinson, 1964.
KONING, H. & EIZENBERG, J. The Language of Prairie: Frank Lloyd Wrights prairie
houses, Environment & Planning, B 8, pp. 295 323, 1981.
KOZA , J. Genetic Programming: On the Programming of Computers by Means of Natural
Selection. New York: The MIT Press, 1992.
KOZA J. R., BENNET III, F. H., ANDRE, D. N. & KEANE, M. A. The Design of Analogue
Circuits by Means of Genetic Programming em Bentley, P. (ed.), Evolutionary Design
by Computers, San Francisco: Morgan Kaufmann, 1999a.
KOZA J. R., BENNET III, F. H., ANDRE, D. N. & KEANE, M. A. Genetic Programming III:
Darwinian Invention and Problem Solving. San Francisco: Morgan Kaufmann, 1999b.
196

KUHN, T. S. The Structure of Scientific Revolution. Chicago: The University of Chicago


Press, 1962 - Third Edition, 1996.
LATHAM , W. Form Synth: Rule-based Evolution of Complex Forms em Lansdown, J. &
Earnshaw, R. (eds.) Computers in Art, Design and Animation, New York: SpringerVerlag, 1989.
LATHAM ,
W.
Genetic
Art
from
the
Virtual
World.
http://www.scit.wlv.ac.uk/events/latham.html, 1995.
LAURENTIZ, P. A Holarquia do Pensamento Artstico. Campinas: Editora da UNICAMP,
1991.
LAURENTIZ, S. Argio a Artemis Moroni, em banca de doutoramento de sua tese.
Correspondncia interna ECA/USP, 2003.
LUENBERGER, D.G. Linear and Nonlinear Programming. Addison-Wesley, 1984.
LOY, D. G. (1989) Composing with Computers A survey of some compositional
formalisms and music programming languages em Mathews, M. V. & Pierce, J. R.
(eds.) Current Directions in Computer Music Research, pp. 291 396, Cambridge, MA:
MIT Press.
MACHADO, A. Repensando Flusser e as imagens tcnicas, Barcelona: Arte en la Era
Electrnica - Perspectivas de una nueva esttica, Goethe-Institut Barcelona e Diputaci
de Barcelona, 1997.
MALEVICH,
K.
http://www.ibiblio.org/wm/paint/auth/malevich/sup/malevich.blacksquare.jpg, 1913.
MANDANI, E. H. & GAINES , B. R. Fuzzy Reasoning and Its Applications. New York:
Academic Press, 1981.
MANZOLLI , J. Non-Linear Dynamics and Fractal Geometry as a Model for Sound Synthesis
and Real Time Composition. Ph. D. Dissertation, UK: University of Nottingham, 1993.
MATHEWS, M. The Digital Computer as a Musical Instrument, Science 142, 1963.
MCCORDUCK, P. Meta-Art, Artificial Intelligence and the Work of Harold Cohen. New
York: Freeman, 1991.
MCKENNA, M. & ZELTZER, D. Dynamical Simulation of Autonomous Legged
Locomotion, Computer Graphics, 24(4), pp. 29 38, 1990.
MENDES, R. O tratamento da questo da criao artstica em Mozart, Sociologia de um
Gnio. Correspondncia interna FEEC/UNICAMP, 2003.
MICHALEWICZ , Z. & FOGEL, D. B. How to Solve It: Modern Heuristics. New York:
Springer, 1998.
MILLER, G. The Motion Dynamics of Snakes and Worms, Computer Graphics, 22(4), pp.
169 178, 1988.
MIRANDA , E. R. Music Composition Using Cellullar Automata, Languages of Design 2,
pp. 105 117, 1994.
MORONI, A., MANZOLLI , J., VON ZUBEN, F. J. & GUDWIN, R. "VOX POPULI: Evolutionary
Computation for Music Evolution", Edimburg, Holland: Proceedings of the AISB'99
Symposium on Creative Evolutionary Systems - CES'99, 1999.
MORONI, A., MANZOLLI , J., VON ZUBEN, F.J. & GUDWIN, R. "Vox Populi: An Interactive
Evolutionary System for Algorithmic Music Composition", Leonardo Music Journal, 10,
pp. 49-54, 2000.
MORONI, A., MANZOLLI , J., VON ZUBEN, F.J. & GUDWIN, R. Vox Populi: Evolutionary
Computation for Music Evolution em Bentley, P. (ed.) Creative Evolutionary Systems,
San Francisco, USA: Morgan Kaufmann, pp. 205 - 221, 2002a.
197

MORONI, A., VON ZUBEN, F.J. & MANZOLLI , J., ArTbitration: Human-Machine Interaction
in Artistic Domains, Leonardo, 35(2), pp. 185 188, 2002b.
MORONI, A., MANZOLLI , J., VON ZUBEN, F.J. & MAMMANA , A. Capturing Human
Judgement to Simulate Objective Function, Honolulu: Proceedings of the 2002
Congress on Evolutionary Computation (CEC'2002), 1, pp. 529 534, 2002c.
MOSCATO, P. On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts:
Towards Memetics Algorithms, Technical Report Caltech Concurrent Computation
Program, Report. 826, Pasadena: California Institute of Technology, 1989.
MOSCATO, P. Memetic Algorithms: A Short Introduction em Corne, D., Dorigo, M. &
Glover, F. (eds.) New Ideas in Optimization, McGraw-Hill, pp. 219 234, 1999.
MOSCATO, P. Problemas de Otimizao NP, Aproximabilidade e Computao Evolutiva:
da Prtica Teoria, Tese de Doutorado, UNICAMP: Faculdade de Engenharia Eltrica
e de Computao, 2001.
NEMHAUSER, G.L.& WOLSEY, L.A. Integer and combinatorial optimization. John Wiley
and Sons, 1988.
OSTWALD, O. Colour Science. London: Winsor & Winsor, 1931.
PACHET , F., RAMALHO, G. & CARRIVE, J. Representing Temporal Music Objects and
Reasoning in the MusES System, Journal of New Music Research, 25(3), pp. 252
275, 1996.
PAREYSON, L. Os Problemas da Esttica. So Paulo: Martins Fontes, 1989.
PARMEE, I. Exploring the Design Potential of Evolutionary Search, Exploration and
Optimization em Bentley, P. (ed.), Evolutionary Design by Computers, San Francisco:
Morgan Kaufmann, 1999.
PEDOE, D. Geometry and the Visual Arts. New York: Dover Publications, 1983.
PEIRCE, C. S. Collected Papers. Cambridge, Harvard University Press, 1953.
Pollock, J. http://www.artprintcollection.com, 1949.
POPPER, K. The Logic of Scientific Discovery. London: Routledge, 1992.
PRUSINKIEWICZ , P. & LINDEMAYER, A. The Algorithmic Beauty of Plants. New York:
Springer-Verlag, 1990
RAIBERT , M. & HODGINS, J. K. Animation of Dynamic Legged Locomotion, Computer
Graphics, 25(4), pp. 349 358, 1991.
READ, H. Histria da Pintura Moderna. So Paulo: Crculo do Livro, 1974.
RECHENBERG, I. Evolutionsstrategie: Optimierung Technisher Systeme Nach Prinzipien der
Biologischen Evolution. Froommann-Holzboog, 1973.
DEL RIEGO, A. S. P., DORADO, J. & CARDALDA , J. J. R. Genetic Music Composition,
Leonardo, 35(2), 2002.
ROSENMAN, M. The Generation of Form using an Evolutionary Approach em Dasgupta,
D. & Michalewicz, Z. (eds.) Evolutionary Algorithms in Engineering Applications,
Springer-Verlag, pp. 69 86, 1997.
ROSENMAN, M. & GERO, J. Evolving Designs by Generating Useful Complex Gene
Structures em Bentley, P. (ed.), Evolutionary Design by Computers, San Francisco:
Morgan Kaufmann, 1999.
SATO, T. & KAMEYA , Y. Statistical Abduction with Tabulation em Kakas, A. and
Sadri,F. (eds.), Computational Logic: Logic Programming and Beyond, Berlin: Springer
Verlag, pp. 567 587, 2002.

198

SCHNIER, T. & GERO, J. S. Learning Genetic Representations as an Alternative to HandCoded Shape Grammars em Gero, J. & Sudweeks, F. (eds.) Artificial Intelligence in
Design96, Kluwer, pp. 39 57, 1996.
SDVILA , G. The Wanderer: O Andarilho em Anais do X Encontro Nacional da ANPAP,
So Paulo: ANPAP, 1999).
SILVA , A. S. O Construtivismo no Brasil. http:// www.users.design.ucla.edu/ ~silvaad/
research/ undergra/ mono.pdf, 2003.
SILVEIRA , L. M. A Reproduo Cromtica em Sntese de Imagens: Um estudo comparativo
Pintura. Tese de Mestrado em Multimeios, Instituto de Artes UNICAMP, 1994.
SIMS, K. Interactive Evolution of Equations for Procedural Models, The Visual
Computer, 9: 466 476, 1993.
SIMS, K. Evolving Three-Dimensional Morphology and Behaviour em Bentley, P. (ed.),
Evolutionary Design by Computers, San Francisco: Morgan Kaufmann, 1999.
SPECTOR, L. & ALPERN, A. Criticism, culture, and the authomatic generation of artworks,
Cambridge, AAAI Pres/MIT Press: Proceedings of the Twelfth National Conference on
Artificial Intelligence, pp. 3 8, 1995.
STEELE, G. Common Lisp: The Language. Digital Press, 1984.
STINY, G. & MITCHELL, W. J. The Paladian Grammar, Environment & Planning, B 5,
pp. 5 18, 1978.
STRUNK, O. Source Readings in Music History. New York: Norton & Company, 1950.
THOMPSON, A. Evolving Fault Tolerant Systems, Genetic Algorithms in Engineering
Systems: Innovations and Applications, IEE Conf. Pub. No. 414, pp. 524 529, 1995.
TODD, S. & LATHAM, W. Evolutionary Art and Computers. London: Academic Press, 1992.
TODD, S. & LATHAM, W. The Mutation and Growth of Art by Computers in Bentley, P.
(ed.), Evolutionary Design by Computers, San Francisco: Morgan Kaufmann, 1999.
TODD, P. M. & W ERNER, G. M. Frankensteinian Methods for Evolutionary Music
Composition em Griffith, N. & Todd, P. M. (eds) Musical Networks: Parallel
Distributed Perception and Performance, Cambridge: The MIT Press, 1999.
TUSON, A. L. & ROSS, P. M. Adapting Operator Settings in Genetic Algorithms,
Evolutionary Computation, 6(2), 1998.
TURING, A. M. Computing Machinery and Intelligence, Mind, 59, pp. 433 460, 1950.
VIDYAMURTHY, G. & CHAKRAPANI, J. Cognition of Tonal Centers: A Fuzzy Approach,
MIT: Computer Music Journal, 16(2), 1992.
VON ZUBEN, F. J. Computao Evolutiva. Tutorial: Notas de Aula da disciplina IA707,
FEEC/UNICAMP:
http://www.dca.fee.unicamp.br/~vonzuben/courses/ia707.html,
2001.
VON ZUBEN, F. J. Redes Neurais. Tutorial: Notas de Aula da disciplina IA353,
FEEC/UNICAMP:
http://www.dca.fee.unicamp.br/~vonzuben/courses/ia353.html,
2003.
WATT, H. J. The Psychology of Sound. Cambridge: Cambridge University Press, 1917.
WERNER, G. M. & TODD, P. M. Too many love songs: Sexual selection and the evolution
of communication, Cambridge: MIT Press/Bradford Books: Fourth European
Conference on Artificial Life, pp. 434 443, 1997.
WHITLEY, D. & STARKWEATHER, T. GENITOR II: A Distributed Genetic Algorithm,
Journal of Experimental and Theoretic Artificial Intelligence, 2(3), 189 214.

199

200

ndice de Autores
ARNHEIM (1988) 127, 132
ATMAR (1976) 27
AXELROD (1987) 91
BCK (1996) 93
BCK ET AL. (2000A ) 92, 97
BCK ET AL. (2000B) 93, 97
BALUJA & CARUNA (1995) 87
BALUJA ET AL. (1994) 168
BENTLEY (1996) 102
BENTLEY (1999) 4, 83, 88, 101, 106
BENTLEY & CORNE (2002) 1, 4, 54, 84,
86, 89, 101, 103, 108
BENTLEY & WAKEFIELD (1995) 101, 102
BENTLEY & WAKEFIELD (1997) 102
BIDLACK (1992) 143
BILES (1994) 144
BILES (2002) 144, 181
BODEN (1990) 39, 100, 105, 108
BODEN (1996) 4, 9, 11, 17, 18, 22, 24, 25,
40, 45
BODEN (1998) 4, 6, 11, 18, 20, 143
BRANNIGAN (1981) 18
CAPRARA & FISCHETTI (1997) 82
CARNE (1965) 27
CASTI (1994) 55
DE CASTRO & TIMMIS (2002) 83
CAZDEN (1962) 153
CHAIGNE (1987) 154
CHELLAPILLA (1997) 87
CLEVELAND & M CGILL, 1983) 141
CLIFF & MILLER (1995) 170
COHEN (1999) 8, 44, 46, 48, 50, 52
CSIKSZENTMIHALYI (1996) 4, 5, 6, 12, 13,
15, 16, 17, 26, 27, 31, 142, 145, 187
DARTNALL (1994) 10, 11
DARWIN (1859) 54

DAVIS (1991) 91, 94, 97


DAWKINS (1989) 13, 71, 107, 186
DAWKINS (1991) 2, 4, 31, 34, 55, 56, 57,
59, 60, 62, 68, 93, 102
DAWKINS (1998) 106
DAWKINS (2002) 62
DELGADO (2003) 168, 170
DORIGO & DI CARO (1999) 83
EBCIOGLU (1988) 40
EBY ET AL. (1999) 90
ELIAS (1995) 2, 3, 5, 6
FERREIRA (1975) 11
FOGEL (1962) 93
FOGEL (1963) 93
FOGEL (1966) 93
FOGEL (1992) 93
FOGEL (1994) 94
FOGEL (1995) 10, 27, 28, 35, 38, 54, 83,
93, 186
FOLEY ET AL. (1996) 138, 139, 140, 141
FRANKE (1986) 2
FRAZER (1995) 101
GARDNER (1996) 15, 29, 185
GERO (1996) 100, 101, 105, 107
GERO & KAZAKOV (1996) 100, 102, 105
GIBSON & BYRNE (1991) 168
GLOVER & KOCHENBERGER (2002) 81
GLOVER & LAGUNA (1997) 82
GOETHE (1993) 138
GOLDBERG (1989) 89, 93, 94, 97, 99
GOLDBERG (1999) 107
GOMBRICH (1989) 47, 49
GRIFFITHS (1986) 143
GUTTMAN & PURZANSKY (1962) 146
HARRIS (1994) 97
HARVEY (1997) 103
201

HAYKIN (1999) 71
HELMHOLTZ (1954) 129, 159
HERING (1878) 137
HILLER & BAKER (1964) 143
HILLIS (1991) 170
HITCHING (1982) 59
HOFSTADTER (1985) 48, 186
HOGARTH (1753) 129
HOLLAND (1973) 93, 94
HOLLAND (1975) 71, 94, 97
HOLLAND (1992) 93, 148, 162
HOLLAND (1998) 107
HOROWITZ (1994) 144, 181
INGLIS (1987) 24
ITTEN (1975) 134, 138
DE JONG (1975) 97
KANAL & CUMAR (1988) 83
KARGUPTA (1993) 97
KAUFMANN (1992) 149
KENNEDY ET AL. (2001) 83
KING (1991) 67
KIRKPATRICK ET AL. (1983) 82
KOESTLER (1964) 22
KOZA (1992) 93, 102
KOZA ET AL. (1999A ) 89
KOZA ET AL. (1999B) 93
KONING & EIZENBERG (1981) 40
KUHN (1996) 14, 15, 16, 17, 36
LATHAM (1989) 64, 66, 68, 70
LAURENTIZ (1991) 99
LOY (1989) 142
LUENBERGER (1984) 172
MACHADO (1997) 44
MALEVICH (1913) 175
MANDANI & GAINES (1981) 153, 187
MANZOLLI (1993) 143, 163
MATHEWS (1963) 143
MCCORDUCK (1991) 41, 42, 43, 44
MCKENNA & ZELTZER (1990) 76
MENDES (2003) 2, 3
MICHALEWICZ & FOGEL (1998) 2, 5
MILLER (1988) 76
MIRANDA (1994) 143
MORONI ET AL. (1999) 149
MORONI ET AL. (2000) 148, 150, 164
MORONI ET AL. (2002A ) 162, 164, 174

202

MORONI ET AL. (2002B) 111, 144, 160,


182
MORONI ET AL. (2002C) 192
MOSCATO (1989) 90, 98, 99
MOSCATO (1999) 99
MOSCATO (2001) 81
NEMHAUSER & WOLSEY (1988) 82, 87
OSTWALD (1931) 139
PACHET ET AL. (1996) 40
PAREYSON (1989) 6, 7
PARMEE (1999) 101, 103
PEIRCE (1953) 100
PEDOE (1983) 128, 129, 130, 131, 132
POLLOCK (1949) 113
POPPER (1992) 37
PRUSINKIEWICZ & LINDEMAYER (1990)
76
RAIBERT & HODGINS (1991) 76
READ (1974) 112
RECHENBERG (1973) 93
DEL RIEGO ET AL. (2002) 181
ROSENMAN (1997) 100, 101, 105, 106
ROSENMAN & GERO (1999) 89, 102
SATO & KAMEYA (2002) 100
SCHNIER & GERO (1996) 102
SDVILA (1999) 7
SILVA (2003) 174
SILVEIRA (1994) 137, 138
SIMS (1993) 71, 74, 75, 76, 102, 113, 168
SIMS (1999) 75, 76, 102
SPECTOR & ALPERN (1995) 169
STEELE (1984) 72
STINY & MITCHELL (1978) 40
STRUNK (1950) 142
THOMPSON (1995) 102
TODD & LATHAM (1992) 71
TODD & LATHAM (1999) 68, 102
TODD & W ERNER (1999) 169, 170
TURING (1950) 10, 26
TUSSON & ROSS (1998) 92
VIDYAMURTHY & CHAKRAPANI (1992)
149, 152, 153, 154, 156, 187
VON ZUBEN (2001) 36
VON ZUBEN (2003) 169
WATT (1917) 146
WERNER & TODD (1997) 170
WHITLEY & STARKWEATHER (1990) 91