O uso da Matemtica na Inteligncia Artificial

A lgica formal teve incio na Grcia antiga com os filsofos. Os filsofos demarcaram a
maioria das idias importantes sobre IA, mas o salto para uma cincia formal exigiu certo
nvel de formalizao matemtica em trs reas fundamentais: lgica, computao e
probabilidade.

George Boole definiu os detalhes da lgica proposicional ou lgica booleana (Boole,

1847).

Em 1879, gottlob frege estendeu a lgica de Boole para incluir objetos e relaes, criando
a lgica de primeira ordem que utilizada hoje.

Alfred Tarski (1902-1983) introduziu uma teoria de referncia que mostra como
relacionar os objetos de uma lgica a objetos do mundo real.

Mais e Mais ferramentas tem sido desenvolvidas para essa finalidade como por exemplo:
Modelagem Matemtica (MM), que a descrio, atravs de equaes ou tabelas, de um
problema.

Mas pode a matemtica simular a inteligncia do homem?

Exemplo: neurocincias, onde temos instrumentos de medio experimentais bastante

poderosos, cujos dados podem ser modelados computacionalmente.

Modelos probabilsticos tambm podem simular o raciocnio ou ainda permitir

especificaes de critrios de deciso entre solues conflitantes ou concorrentes.

A Teoria das Probabilidades designa a cada sentena um valor numrico entre 0 e 1

dependendo do grau de crena.

A partir das probabilidades condicionadas e no condicionadas criamos uma distribuio

de probabilidades conjunta.

Desvantagens:

Se o nmero de variveis aumenta, os clculos aqui aplicados tornam-se proibitivos.

Fica difcil compreender plenamente as relaes entre as variveis do ambiente.

A aquisio de conhecimento difcil. Os seres humanos so considerados estimadores

fracos

Vantagens:

Permite criar modelos alternativos baseados neste mtodo, tais como as redes
bayesianas
.
Redes Bayesianas: Para descrever o mundo real, no necessrio usar uma enorme tabela
de probabilidades conjuntas para listar todas as combinaes dos eventos possveis.

Para se calcular a conjuno de probabilidades usa-se a frmula:

P(x1,...,xn)= Pi=1,...,nP(xi|pais-de(xi))

Portanto, basta uma representao mais local.

Conjuntos Vagos: Foi analisado um mtodo de lidar com a incerteza que se baseia na
atribuio de um valor numrico a uma dada proposio que representa o grau de certeza
que depositada nessa mesma proposio.

As proposies ou so verdadeiras, ou so falsas (A ou ~A).

O problema que no dia-a-dia, as proposies possuem um grau de veracidade

associado.

Mas Como podemos lidar com expresses imprecisas?

aqui que entra o conceito de varivel lingstica.

Varivel lingstica um conjunto cujos valores so nomes de conjuntos vagos.

Varivel lingstica:
Idade = {Muito_Jovem, Jovem, No_Jovem}

Considerar uma amostragem em oito pontos,

pelo que U={20,25,30,35,50,55,60,65}.

Com este universo de discurso, teremos:

Muito_Jovem{(0.8,20),(0.6,25),(0.4,30),(0.2,35),(0.01,50),(0.005,55),(0.0045,60),(0.000
5,65)}

Jovem{(0.2,20),(0.6,25),(0.6,30),(0.4,35),(0.1,50),(0.05,55),(0.045,60),(0.005,65)}

Nao_Jovem{(0.001,20),(0.09,25),(0.15,30),(0.2,35),(0.3,50),(0.5,55),(0.6,60),(0.8,65)}

Podemos observar que a partir do termo primrio Jovem, esto definidos mais dois
conjuntos vagos por recurso aos quantificadores No e muito.

Para alm destes, existem ainda outros, tal como pouco, nada, razoavelmente e de modo
algum.

A inferncia em Conjuntos Vagos faz-se atravs da regra de Modus Ponens Generalizada.

Desvantagens:

Existe uma grande base matemtica que envolve o produto cartesiano entre matrizes, o
que introduz complexidade.

A Teoria dos Fatores de Certeza, semelhana da abordagem Bayesiana quantifica a

certeza atravs de um nico valor numrico, denominado Fator de Certeza (FC).

Essa certeza que depositamos numa regra representada da seguinte forma:

Se <evidncia> ento <hiptese> [FC = k]

Isto quer dizer que, dada a evidncia, o nosso grau de crena na hiptese dado pelo
valor de FC.

Vantagem:

Simples.

Desvantagem:

Foi muito utilizada nos primeiros sistemas periciais (Mycin, Dendrall, etc.) mas foi
caindo em desuso.

Concluso: A utilizao do hibridismo (Raciocnio Incerto e Raciocnio dos Conjuntos

Vagos) em sistemas inteligentes permite trabalhar com as incertezas do mundo real de
maneira mais qualificada, ou seja, os resultados obtidos apresentam-se mais parecidos
com o modo de raciocinar de um especialista.

Sabe-se que no existe um a abordagem ou modelo ideal para desenvolvimento de

qualquer tipo de domnio, que no tem o objetivo de desvalorizar as abordagens que no
utilizam hibridismo, apenas pretende implementar a maneira de pensar, de uma forma
alternativa, dos seres humanos, esta um dos paradigmas da Inteligncia Artificial.