Sistemas Cognitivos IoT

A literatura apresenta algumas defini¸c˜oes de sistemas de cogni¸c˜ao de internet das coi- sas (do inglˆes, Cognitive Internet of Things (CIoT )). Kelaidonis et al. (2012) menciona que, uma estrutura para a virtualiza¸c˜ao de objetos do mundo real e a gest˜ao cognitiva de seus equivalentes virtuais. A estrutura consiste em n´ıveis de funcionalidade e cada n´ıvel compreende entidades cognitivas que proporcionam os meios de auto-gest˜ao e aprendi- zagem, permitindo aplica¸c˜oes e objetos inteligentes e flex´ıveis. A estrutura apresentada permite a abstra¸c˜ao da heterogeneidade que deriva da vasta quantidade de diversos objetos e dispositivos, ao mesmo tempo em que aumenta a confiabilidade e facilita a considera¸c˜ao dos pontos de vista de v´arios usu´arios stakeholders (propriet´arios de objetos e meios de comunica¸c˜ao) integridade empresarial e, portanto, maximiza¸c˜ao das oportunidades de explora¸c˜ao.

A necessidade pr´atica impulsiona a desenvolver um novo paradigma, denominado cog- nitivo (CIoT), para capacitar a IoT atual como um c´erebro para inteligˆencia de alto n´ıvel inspirada primeiramente pela efic´acia da cogni¸c˜ao humana. O CIoT tem a capacidade de ligar o mundo f´ısico (com objetos, recursos, etc.) e o mundo social (com a demanda humana, comportamento social, etc.), opera¸c˜ao autom´atica de rede e provisionamento de servi¸cos inteligentes (WU et al., 2014).

´

E um novo paradigma de rede, onde objetos (f´ısicos / virtuais) s˜ao interligados e se comportam como agentes, com m´ınima interven¸c˜ao humana, as coisas interagem umas com as outros seguindo um contexto-consciente ciclo percep¸c˜ao-a¸c˜ao, utilizam a metodo- logia de compreens˜ao para aprender tanto com o ambiente f´ısico quanto com redes sociais, armazenam, processam e tem o conhecimento da base dados, abaixo s˜ao mecanismos de tomada de decis˜ao eficientes em termos de recursos, com dois objetivos principais (WU et al., 2014):

Figura 3: Fluxograma CIoT.

(WU et al., 2014).

demanda humana, o comportamento social, etc), em conjunto com eles mesmos para formar um ciber - f´ısico-social (do inglˆes, Intelligent Physical Cyber Socia (IPCS ));

• permitindo a aloca¸c˜ao inteligente de recursos, opera¸c˜ao e provisionamento de servi¸cos inteligentes.

A Figura 3 resume algumas tarafes cognitivas, e apresenta um fluxo de CIoT. Como uma ponte transparente entre o mundo f´ısico (com coisas f´ısicas / virtuais, objetos, re- cursos, etc.) e mundo social (com a demanda humana, o comportamento social, etc.), juntamente com ela mesma um sistema IPCS. A partir de uma vis˜ao de baixo para cima, o processo do sistema IPCS consiste em quatro camadas principais (WU et al., 2014):

1. Sensing control layer - A camada de controle de detec¸c˜ao possui interfaces diretas com ambiente, em que os perceptores sentem o ambiente processando os est´ımulos e

retorno de entrada, observa¸c˜oes para a camada superior, e os atuadores atuam para controlar os perceptores atrav´es do ambiente (WU et al., 2014).

2. Data semantic knowledge layer - A camada de dados semˆanticos e conhecimento analisa o sensoriamento de dados para formar ´util semˆantica e conhecimento (WU et al., 2014).

3. Decision making layer A camada de tomada de decis˜ao utiliza o conhecimento semˆantico e abstra´ıda da camada inferior para permitir m´ultiplas ou agentes interativos para raciocinar, planejar e selecionar a a¸c˜ao mais adequada, com dupla fun¸c˜ao de apoio aos servi¸cos para redes humanas, sociais e estimular a¸c˜oes de adapta¸c˜ao ao ambiente f´ısico (WU et al., 2014).

4. Service evaluation layer - A camada de avalia¸c˜ao do servi¸co compartilha interfaces como redes sociais, nas quais fornecem servi¸cos sob demanda `as redes sociais, e um novo desempenho em m´etricas s˜ao projetadas para avaliar os servi¸cos provisionados e retorno do resultado da avalia¸c˜ao para o processo de cogni¸c˜ao. Com uma metodologia sint´etica, o CIoT inclui cinco tarefas cognitivas fundamentais, sequencialmente: 1) percep¸c˜ao, a¸c˜ao e ciclo; 2) an´alise maci¸ca de dados; 3) deriva¸c˜ao semˆantica e descoberta de conhecimento; 4) tomada de decis˜ao inteligente; 5) servi¸cos sob demanda.

Em resumo, o ciclo percep¸c˜ao e a¸c˜ao ´e a tarefa cognitiva mais primitiva no CIoT, com a percep¸c˜ao como entrada do ambiente f´ısico e a¸c˜ao como sa´ıda para ele. De outra maneira, o provisionamento de servi¸cos sob demanda diretamente suporta v´arios servi¸cos. Infraestrutura como um servi¸co (do inglˆes Infrastructure as a Service (IaaS ), Platform as a Service (PaaS ) e Sensing as a Service (SaaS )), e mais amplamente (do inglˆes, Everything as a service), com a aplica¸c˜ao em redes humanas/sociais como tem se observados recen- temente (WU et al., 2014).

Por outro lado, o Watson Cognitive System da IBM engloba o ecossistema da empresa, o qual ´e composto de pergunta e resposta de linguagem natural e machine learning que se tornou famoso depois de bater dois jogadores humanos peritos no quiz show ”Jeopardy” em 2011. Ele determina suas respostas e pontua¸c˜ao de confian¸ca associada com base no conhecimento que adquiriu. As solu¸c˜oes Watson fornecem uma combina¸c˜ao das seguintes caracter´ısticas-chave (KOLLIA; SIOLAS, 2016):

• Compreender as perguntas atrav´es da linguagem natural. O Watson fornece pro- cessamento de linguagem natural para ajudar a entender as complexidades da co- munica¸c˜ao humana como meio de intera¸c˜ao do usu´ario e extrair conhecimento de fontes de dados (KOLLIA; SIOLAS, 2016).

• Gerar e avaliar hip´oteses, respostas e evidˆencias de apoio. O Watson fornece gera¸c˜ao e avalia¸c˜ao de hip´oteses atrav´es da aplica¸c˜ao de an´alises avan¸cadas para avaliar e avaliar um painel de respostas baseado apenas em evidˆencias relevantes

(KOLLIA; SIOLAS, 2016).

Figura 4: Perguntas e Repostas IBM Watson and Deep QA

(WU et al., 2014).

A Figura 4 ´e uma solu¸c˜ao de pergunta e resposta (do inglˆes, Question Answering (QA)) sistema, constru´ıdo pela IBM para aplicar linguagem natural avan¸cada, processa- mento, recupera¸c˜ao de informa¸c˜ao, representa¸c˜ao do conhecimento, racioc´ınio automati- zada e machine learning, o campo de resposta a quest˜ao de dom´ınio aberto. Ele usa gest˜ao da informa¸c˜ao dados n˜ao estruturados, fornece uma plataforma de integra¸c˜ao de diversas cole¸c˜oes de texto, fala e independentemente das abordagens algor´ıtmicas, linguagens de programa¸c˜ao ou modelo de dom´ınio subjacente (KOLLIA; SIOLAS, 2016).

Ainda de acordo com a Figura 4, o Watson analisa o seguinte processo:

1. Question Decomposition (Pergunta de decomposi¸c˜ao) - quando a pergunta ´e apre- sentada, o Watson analisa para extrair suas principais caracter´ısticas (KOLLIA; SIOLAS, 2016).

2. Hypothesis Generation (Gera¸c˜ao de Hip´oteses) - O Watson pesquisa o corpus (que consiste em conhecimento n˜ao estruturado) para o caminho que pode conter uma resposta valiosa (KOLLIA; SIOLAS, 2016).

3. Hypothesis and evidence scoring (Hip´oteses e evidˆencias de pontua¸c˜ao) - Ele com- para a linguagem da quest˜ao e a linguagem de todas as potencialidades, como algoritmos de racioc´ınio espec´ıficos. Cada um dos algoritmos executam uma compara¸c˜ao diferente (por exemplo: pesquisa para a correspondˆencia de termos e sinˆonimos, examine a tempo- rais e espaciais) e depois produz uma ou mais pontua¸c˜oes que indicam o grau de relevˆancia da resposta (dedu¸c˜ao) `a quest˜ao (KOLLIA; SIOLAS, 2016).

4. Synthesis (S´ıntese) - Cada pontua¸c˜ao resultante ´e ponderada contra uma modelo estat´ıstico que, captura o desempenho do algoritmo no estabelecimento de inferˆencia, entre duas passagens semelhantes para esse dom´ınio, durante o per´ıodo de treinamento de Watson. Este Modelo estat´ıstico ´e usado para resumir um n´ıvel de confian¸ca como a m´etrica de evidˆencia do Watson que o candidato A resposta ´e inferida pela pergunta (KOLLIA; SIOLAS, 2016) .

5. Final Confidence Merging and Ranking (Confian¸ca Final Fus˜ao e Classifica¸c˜ao) - Os processos (1 a 4) ´e repetido para cada uma das respostas dos candidatos at´e o Watson encontrar respostas que s˜ao candidatos mais fortes do outros e finalmente retorna uma lista classificada deles seguido por sua pontua¸c˜ao de confian¸ca (KOLLIA; SIOLAS, 2016).

Concluindo, o Watson ´e plataforma de inteligˆencia artificial para construir sistemas cognitivos, os quais disponibilizam diversos servi¸cos cognitivos (do inglˆes, Application Programming Interface (API )), al´em dos mencionados acima como: Language Speech, Vision, Data/Insights (Dados n˜ao estruturados), Embodied Cognition Tools, (do inglˆes, Natural Language Understanding (NLU )) solu¸c˜oes de chat bot, e IoT com integra¸c˜ao de voz.