INTELIGÊNCIA ARTIFICIAL

Em um interessante artigo, pergunta-se como seria a escola do futuro. E, no mesmo artigo, lê-se a resposta: ”[...] precisará se integrar às novas tecnologias e abusar da inteligência artificial” (PLANETA INTELIGENTE, 2009, grifo nosso). A utilização de computadores para pesquisas de conteúdo na Internet está se tornando comum nas salas de aula e outros ambientes educacionais no Brasil e no mundo, mas que este uso é apenas uma pequena fração do potencial que a Tecnologia da Informação e Comunicação pode trazer para a Educação, caso a Inteligência Artificial seja efetiva e eficazmente inserida nela.

Conforme Boose (1984), a Inteligência Artificial é um campo de estudo multidisciplinar e interdisciplinar que se apóia no conhecimento e evolução de outras áreas do conhecimento. Justamente por abranger várias áreas, conceituá-la torna-se

uma tarefa difícil e arriscada, pois se pode privilegiar alguns aspectos em detrimento de outros.

Conceituar separadamente os termos que a compõem, Inteligência e Artificial, não é fácil também.

O Dicionário Michaelis (2007) conceitua Inteligência como

sf (lat intelligentia) 1 Faculdade de entender, pensar, raciocinar e interpretar; entendimento, intelecto. 2 Compreensão, conhecimento profundo. 3 Filos Princípio espiritual e abstrato considerado como a fonte de toda a intelectualidade. 4 Psicol Capacidade de resolver situações novas com rapidez e êxito (medido na execução de tarefas que envolvam apreensão de relações abstratas) e, bem assim, de aprender, para que essas situações possam ser bem resolvidas. 5 Pessoa de grande esfera intelectual. 6 Conluio, ajuste, combinação [...]

Percebe-se que, dentro deste mesmo verbete no Dicionário Michaelis, é também conceituada Inteligência Artificial

[...] I. artificial: Parte da ciência da computação que trata de sistemas inteligentes, capazes de se adaptar a novas situações, raciocinar, compreender relações entre fatos, descobrir significados e reconhecer a verdade. I. artificial, Inform: projeto e desenvolvimento de programas de computador que tentam imitar a inteligência humana e funções de tomada de decisão, obtendo raciocínio e outras características humanas. Sigla: IA. O verbete Artificial no Dicionário Michaelis (2007) é conceituado como

adj m+f (lat artificiale) 1 Produzido por arte ou indústria do homem e não por causas naturais. 2 Produzido ou efetuado pela habilidade do homem para imitar a natureza: Pena artificial. 3 Produzido, especialmente por processos químicos, para assemelhar-se a uma matéria-prima ou a um derivado dela; sintético: Seda artificial. 4 Que imita um objeto natural: Flor artificial; mosca artificial. 5 Efetuado por meios que não são os naturalmente usados: Inseminação artificial. 6 Contrafeito, fingido, postiço. Antôn: natural. Var: artefato.

Combinando-se os conceitos descritos separadamente, pode-se dizer que Inteligência Artificial é a faculdade de entender, pensar, raciocinar e interpretar produzido por arte ou indústria do homem e não por causas naturais.

Todavia, na literatura, há diversas definições mais precisas e esclarecedoras. A depender do enfoque que elas dão, podem ser classificadas diferentemente conforme apresentado na Figura 3 a seguir:

Sistemas que pensam como seres humanos Sistemas que pensam racionalmente

“O novo e interessante esforço para fazer os computadores pensarem... máquinas como mentes, no sentido total e literal”.

“O estudo das faculdades mentais pelo uso de modelos computacionais”.

“[Automatização de] atividades que associamos ao pensamento humano, atividades como a tomada de decisões, a resolução de problemas, o aprendizado...”.

“O estudo das computações que tomam possível perceber, raciocinar e agir”.

Sistemas que atuam como seres humanos Sistemas que atuam racionalmente

“A arte de criar máquinas que executam funções que exigem inteligência quando executadas por pessoas”.

“A Inteligência Computacional é o estudo do projeto de agentes inteligentes”.

Inteligência Artificial é dividida em variados campos de pesquisa, citando alguns: Busca Combinatória, Visão Computacional, Lógica Fuzzy, Sistemas Especialistas, Raciocínio Baseado em Casos, Programação Genética, Algoritmo Genético, Representação de Conhecimento, Aprendizagem de Máquina, Redes Neurais e Processamento de Linguagem Natural.

A solução de software utilizada neste trabalho pode ser classificada como um sistema que atua racionalmente devido às técnicas embutidas de Processamento de Linguagem Natural “para permitir que [...] se comunique com sucesso em um idioma natural” (RUSSELL; NORVIG, 2004, p. 4).

2.3.1 Processamento de Linguagem Natural

A criação de programas que sejam capazes de entender e gerar a linguagem humana é um dos objetivos da Inteligência Artificial, pois a linguagem é um aspecto fundamental da inteligência humana. Segundo Luger (2004), estes programas provocariam um impacto formidável sobre a facilidade de utilização e eficácia dos próprios computadores. Novos produtos e serviços podem advir a partir da adição desses programas no cotidiano das pessoas, inclusive ampliando as condições de ensino e aprendizagem na Educação.

Luger (2004, p. 537) afirma que “O principal gargalo no projeto de programas para compreensão de linguagem natural é a aquisição do conhecimento [...]”. Diz ainda que o desenvolvimento de interfaces para banco de dados com linguagem natural Figura 3. Algumas definições de IA propostas por diferentes autores.

pode superar este gargalo: “A tarefa desse tipo de aplicação é traduzir uma pergunta em linguagem natural numa consulta bem formada na linguagem da base de dados” (p. 538).

A solução de software utilizada neste trabalho segue esta proposição, utilizando Processamento de Linguagem Natural como interface para um banco de dados para processar as consultas formuladas em linguagem natural pelos alunos e acessar o conteúdo da Base de Conhecimentos.

Para Luger (2004, p. 333), “A habilidade de aprender deve fazer parte de qualquer sistema [computacional] que reivindique possuir inteligência num sentido geral”. Este aprendizado faz com que ele melhore seu desempenho não somente na repetição da mesma atividade, mas em similares ao mesmo domínio.

O uso de Processamento da Linguagem Natural na solução de software utilizada neste trabalho possui exatamente essa finalidade: possibilitar que ela “aprenda” com as consultas que os alunos formulam no ambiente e melhore seu desempenho em propor orientações às consultas seguintes. Ao ser apresentada uma nova consulta similar a uma outra consulta anteriormente respondida, a solução de software seria capaz de dar uma orientação àquela. Para isso, uma rede de alunos está trabalhando no ambiente propondo orientações às consultas não respondidas, alimentando a Base de Conhecimentos da solução.

Segundo Gonzalez e Lima (2003)

O processamento da linguagem natural (PLN) trata computacionalmente os diversos aspectos [sic] comunicação humana, como sons, palavras, sentenças e discursos, considerando formatos e referências, estruturas e significados, contextos e usos. Em sentido bem amplo, podemos dizer que o PLN visa fazer o computador se comunicar em linguagem humana [...] O processamento computacional ocorre por etapas acompanhando os diferentes níveis de compreensão de uma linguagem. As etapas de um sistema PLN executadas seqüencialmente são:

Morfológica: nesta etapa, busca-se compreender qual é a classe gramatical

ou tipo de uso de uma determinada palavra ou expressão isoladamente em uma sentença. Ou seja, identificam-se os artigos, os substantivos, os verbos, os adjetivos e outras categorias gramaticais;

Sintática: classifica e reconhece-se as estruturas de sintaxe, ou seja, os

períodos, as orações e os termos das orações. Em outras palavras, analisa se a sentença é simples ou composta, separa-se o sujeito do predicado e identificam-se os complementos verbais e nominais, entre outras ações;

Semântica: através dos resultados das fases anteriores, esta etapa tem a

finalidade de representar o significado e o sentido da sentença; e

Pragmática: nesta etapa, procura-se contextualizar a sentença, para

determinar o que realmente se quis dizer. É a etapa mais desafiante de qualquer sistema PLN.

Devido às características de utilização do sistema PLN desenvolvido para o Ambiente do Hospital Educacional, representadas pelas consultas formuladas pelos alunos em um escopo definido e limitado, as duas primeiras etapas estão bem estruturadas na solução de software, em contraposição às duas últimas.

O processamento computacional, composto pelas técnicas de Recuperação da Informação somadas ao sistema PLN com um dicionário de sinônimos, produz descritores (representação interna) que identificam unicamente cada consulta formulada pelos alunos. Estes descritores são armazenados na Base de Conhecimentos da solução de software juntamente com a consulta original e a sua orientação.

Ao submeter uma nova consulta, um descritor é imediatamente gerado pela solução de software para ela. Então, o descritor gerado é comparado com os descritores previamente armazenados na Base de Conhecimentos. Havendo similaridade entre os descritores, a orientação armazenada é apresentada como solução ao aluno que submeteu uma nova consulta.

O valor da similaridade é configurado durante a execução do software: quanto mais alto, mais precisa (precision) é a orientação para a consulta, porém menor é o índice de revocação (recall)31. Os índices Precisão e Revocação são utilizados para a

31 _{Revocação (recall) é a percentagem de material relevante encontrado. Maximizando a Revocação,}

procura-se garantir que pouco ou nada é perdido [porém ruídos são potencializados]. A estratégia oposta, maximizar a Precisão (precision), pretende-se garantir um alto valor de relevância,

avaliação de sistemas de recuperação da informação. Yates e Neto (1999, p. 75, tradução nossa) os definem como:

IP - Índice de Precisão (Precision): É o resultado da relação entre o número

de informações relevantes recuperadas (R) e o total de informações recuperadas (T), ou seja, IP=R/T.

IR - Índice de Revocação (Recall): É o resultado da relação entre o número de

informações relevantes recuperadas (R) e o total de informações relevantes armazenadas (A), ou seja, IR=R/A.

A depender da estratégia de construção e administração da Base de Conhecimentos, o valor da similaridade pode ser configurado para mais alto ou mais baixo. Por exemplo, caso a estratégia seja incrementar a quantidade de orientações na Base de Conhecimentos, aumenta-se o valor da similaridade. Com isso, menos orientações são automaticamente propostas ou até mesmo nenhuma para uma consulta formulada pelo usuário. Caso nenhuma orientação seja proposta pela solução, a consulta deve ser respondida obrigatoriamente por uma orientação proposta por um colaborador humano. Esta orientação é, então, adicionada à Base de Conhecimentos.

Caso a estratégia seja atender automaticamente uma consulta, diminui-se o valor da similaridade. Um maior número de orientações é proposto ao usuário, aumentando a possibilidade de ruído nelas. Caso uma orientação seja proposta automaticamente pela solução, não há adição de uma orientação à Base de Conhecimentos.