Umwelt e Modelagem de Ambiente em Sistemas Inteligentes

Transcrição

1 Umwelt e Modelagem de Ambiente em Sistemas Inteligentes Tiago Agostinho de Almeida DT-FEEC-UNICAMP tiago@dt.fee.unicamp.br Resumo Alguns elementos como a Percepção Sensorial, o Julgamento de Valores, a Geração de Comportamento e o Armazenamento de Conhecimento são fundamentais para a construção de Sistemas Inteligentes. Outro aspecto extremamente importante é capacitar o Sistema a interagir com o ambiente, possibilitando tanto o sistema a alterar o meio onde está imerso quanto o ambiente a modificar os valores internos do sistema [ALBUS, 1998]. Essa Modelagem do Mundo é necessária para que os sistemas se relacionem entre si, possibilitando fatores como a comunicação, troca de experiências, aumento do aprendizado, entre outros. Atualmente, diversas abordagens são feitas sobre a Modelagem do Ambiente, sendo a proposta desse artigo reunir essas idéias e propor uma abordagem sistêmica para a realização dessa Modelagem. 1. Introdução: Mundo Real e Umwelt Será que tudo o que sentimos é real? Será que conhecemos os objetos na sua totalidade? Será que todos sentem o mundo de uma mesma maneira? Essas e outras inúmeras questões formam pontos de interrogações na mente de muitos pesquisadores e filósofos. No entanto, há muita pessoa disposta a estudar esse assunto e, delas surgem diferentes propostas para responder essas questões. Entre essas pessoas, esteve o Semioticista e filósofo americano Charles Sanders Peirce que em sua teoria propõe que os Objetos existem em duas formas: Genuínos e Degenerados, sendo que o Objeto Degenerado corresponde ao Objeto Imediato, ou seja, na maneira como é apresentado (potencialmente) pelo signo, e o Objeto Genuíno corresponde ao Objeto Dinâmico, ou seja, como ele existe no mundo real. Segundo Peirce, nós só conhecemos os Objetos Degenerados por meio do signo, e os Objetos Genuínos são impossíveis de serem atingidos. Outra idéia interessante partiu do Biosemioticista Jakob Von Uexkül na qual ele afirma, em sua teoria, que tudo que conhecemos é somente parte do ambiente que é detectada pelos órgãos dos sentidos e, assim, estamos em constante interação com esse ambiente sensível. A esse ambiente que é captado por nossos sensores e que cada ser vivo possui, ele denominou Umwelt, que em sua definição original compreende os aspectos fenomenológicos das partes do ambiente de um sujeito (um organismo animal), ou seja, as partes que este seleciona por meio dos órgãos sensoriais específicos de sua espécie, de acordo com sua organização e suas necessidades biológicas. O problema dessa definição é que ela limitase somente para seres vivos e, afinal de contas, robôs têm umwelt? Tomando como base à definição de Uexkül podemos dizer que a resposta é não, pois não podemos considerar um robô como um organismo. Robôs são apenas máquinas! Os organismos possuem algo em sua constituição que os diferenciam das máquinas. Para solucionar esse impasse e ampliar o conceito de Umwelt, o engenheiro e semioticista Ricardo Ribeiro Gudwin redefiniu Umwelt como sendo os aspectos fenomenológicos das partes sensíveis do ambiente que envolve um dado sistema, ou seja, as partes com que o sistema é capaz de interagir por meio de seus sensores e atuadores, de acordo com sua organização interna e seus objetivos próprios. Nota-se que esta definição pode ser aplicada tanto para organismos quanto para as máquinas.

2 Exemplo de Umwelt: Sistema Umwelt do sistema que nos interessa. Podemos entender a relação entre o sistema com seu umwelt e com o ambiente conforme a figura abaixo: SISTEMA CONTROLE SENSORES ATUADORES Ambiente do Sistema UMWELT Vamos supor que os sensores do sistema acima não sejam capazes de detectar objetos de cor azul, portanto, o umwelt desse sistema será composto pela seguinte forma: Sistema AMBIENTE Como podemos notar, o umwelt é responsável pela mediação entre o sistema e o ambiente. É importante salientar que o estado do sistema poderá ser alterado por algum evento ocorrido no ambiente, da mesma forma que o sistema poderá modificar o ambiente. Essa relação é demonstrada pela figura abaixo: SISTEMA A partir do conhecimento desses conceitos, podemos tentar responder às três questões que iniciaram essa parte do artigo. Primeiro, tudo que sentimos nossa mente nos torna real, por exemplo, um conjunto de pontos coloridos é captado pelos nossos olhos e então processado pelo cérebro dando forma e surgindo o que chamamos de objetos. Segundo, não conhecemos os objetos em sua totalidade, pois só conhecemos aquilo que nos é transmitido pelos nossos órgãos sensoriais. Terceiro, só tomamos conhecimento do mundo por meio do nosso umwelt e, cada sistema possui seu próprio umwelt, portanto, cada um sente o mundo de uma maneira específica conforme seu próprio umwelt. Modelo SENSORES UMWELT Conjunto de Regras ATUADORES 2. Relações entre o Sistema e o Ambiente 3. Semiótica Computacional Sabemos, que o sistema conhecerá e poderá atuar somente na parte do ambiente que poderá ser detectada por seus sensores. É essa região, chamada A partir da compreensão dos conceitos apresentados até este ponto, aceitando que nós não conhecemos o ambiente e sim só a parte perceptível

3 por nossos sentidos, como vamos modelar um ambiente em um sistema inteligente? Diversas fontes que se propõe a estudar e desenvolver sistemas inteligentes identifica a capacidade de processar signos como fonte de inteligência e, que somente através dos signos nós somos capazes de interagir e sentir o ambiente, ou seja, tudo que é captado pelos nossos sentidos são signos que posteriormente são interpretados pela mente. Portanto, estudar a semiótica é fundamental para conseguirmos modelar um ambiente em um sistema inteligente. A Semiótica Computacional pode ser considerada como uma tentativa paralela à Semiótica Multiresolucional proposta por Meystel e tem por objetivo a síntese e simulação do processo de semiose em um computador digital. Entre as principais metas, está a construção de Sistemas Autônomos Inteligentes, que incluem percepção, modelo do mundo, julgamento de valores e geração de comportamento. Considera-se que grande parte do comportamento inteligente em seres autônomos devese ao processamento de signos que ocorre dentro deles. Neste sentido, um sistema inteligente pode ser visto e estudado como um Sistema Semiótico, onde o processamento de signos pode ser visto como a fonte da inteligência exibida pelo sistema. A Semiótica, além de estudar os processos de significação e representação, é a base para o entendimento dos fenômenos de cognição e comunicação. Antes que se possa descrever o processo de semiose, segundo o ponto de vista da síntese semiótica, é necessário que se defina a arena onde esse processo se realizará, bem como o sujeito semiótico, ou seja, aquele onde o processo de semiose será instanciado. A arena onde se dá o processo de semiose corresponde ao espaço de representação. Na figura abaixo, podemos observar o espaço de representação, que na realidade se subdivide em dois espaços, o espaço externo e o espaço interno. É necessário distinguirmos o espaço externo do ambiente em si. O conceito de espaço externo diz respeito somente a um espaço como sistema de coordenadas para localização de pontos. Assim, poderíamos afirmar que o ambiente existe no espaço externo, mas não se identifica com ele. O espaço interno corresponde a uma segunda arena onde o processo semiótico pode ocorrer. Em princípio, esse espaço corresponde a um espaço mental, onde signos serão armazenados e utilizados. O mecanismo padrão por meio do qual o sistema assimila informações do ambiente é o mecanismo de foco de atenção. Esse mecanismo pode ser externo, quando seleciona uma região do espaço externo, ou interno, quando seleciona uma região do espaço interno. A idéia básica por trás do mecanismo de foco de atenção é que a quantidade de sensores e atuadores que um sistema pode ter é limitada, quando comparada com a quantidade de sinais que poderiam ser medidos do meio. Com isso, é necessário que esses sensores e atuadores possam se movimentar ao longo dos espaços de representação, de tal forma a dar uma cobertura maior do que a que seria possível com sensores fixos. Da mesma forma, em determinadas situações, pode ser interessante concentrar a atenção em regiões específicas do espaço de representação, onde algum fenômeno mais importante pode estar acontecendo. Uma característica importante dos espaços de representação é sua capacidade de compartilhamento. O espaço externo é compartilhável por definição. Isso significa que os fenômenos que nele porventura ocorram podem ser compartilhados por múltiplos sistemas (intérpretes). O espaço interno, ao contrário, não é compartilhado. Ou seja, o espaço interno armazena os fenômenos que são das alçada particular de cada sistema. A figura abaixo demonstra como os espaços podem ser compartilhados e não-compartilhados. EXTERNO (COMPARTILHADO) INTERNO FOCO DE ATENÇÃO INTERNO EXTERNO FOCO DE ATENÇÃO EXTERNO S INTERNOS (NÃO-COMPARTILHADOS) FOCO DE ATENÇÃO INTÉRPRETE

4 Normalmente, o espaço interno, por ser um espaço mental, é mais eficiente para o processamento semiótico, pois não está sujeito às mesmas leis físicas que determinam a dinâmica do espaço externo. No entanto, o a capacidade de compartilhamento propiciada pelo espaço externo é de fundamental importância para o fenômeno da comunicação, pois é por meio dele que as mensagens entre os sistemas podem ser trocadas, permitindo que essa comunicação entre sistemas (intérpretes) seja possível. A motivação para que se definam os espaços de representação é a idéia de que esses espaços podem acomodar sinais. Esses sinais irão construir o que chamamos de um Campo de Sinais. Esse campo pode ser definido como uma função ψ (x,y,z,t) [GUDWIN, 1999b] onde cada ponto do espaço/tempo associa um determinado sinal, representando um estado. Para cada espaço de representação assume-se que existe um correspondente Campo de Sinais. O Campo de Sinais correspondente ao espaço externo é um Campo de Sinais contínuo (tratase do mundo real) e, por conseguinte, ele não pode ser conhecido totalmente, entretanto, ele pode armazenar informações que serão utilizadas pelas entidades semióticas como espécie de memórias externas. Os espaços internos normalmente acomodam o modelo do Campo de Sinais externo. Ao contrário do Campo de Sinais externo, os campos de interpretação internos são funções que dependem do tipo de síntese semiótica que pretendemos modelar. Dessa forma, podemos criar campos de interpretação mais simples ou mais sofisticados, dependendo da sofisticação do sistema (intérprete) que pretendemos sintetizar. A figura abaixo demonstra um exemplo de Campo de Sinais para uma função ψ (x,y,z,t). INTÉRPRETE CAMPO DE INTERPRETAÇÃO INTERNO ψi (x,y,z,t) (UMWELT) EXTERNO CAMPO DE INTERPRETAÇÃO EXTERNO ψe (x,y,z,t) De uma maneira ideal, não estamos limitados a ter somente um espaço de representação interno. Na verdade, muitas vezes será muito conveniente considerarmos diversos espaços internos e diversos campos de interpretação internos com finalidades distintas. Um dos espaços externos pode conter em seu Campo de Sinais o nosso melhor modelo do Campo de Sinais externo. Este, normalmente, é chamado então de espaço concreto, contendo uma imagem de nosso Umwelt [GUDWIN, 1999a], ou seja, nosso ambiente sensível. Os outros espaços podem ser denominados genericamente de espaços abstratos. Em geral, os espaços internos e os campos de interpretação internos dependem do tipo de síntese semiótica que estamos tentando modelar. A figura abaixo demonstra espaços internos múltiplos e campos de interpretação. ABSTRATO ABSTRATO 4. Unidades de Conhecimento CONCRETO Em 1996, partindo da idéia de que a natureza dos fenômenos que ocorrem no mundo não é a mesma, Gudwin propôs uma classificação das unidades de conhecimento, pois os diferentes tipos de informações são representados por diferentes estruturas matemáticas, chamadas Unidades de Conhecimento. Na acepção original, a classificação do conhecimento é inspirada na forma de uma classificação de diferentes tipos de signos. Segundo o modelo da Semiótica Peirceana, existem três tipos de tricotomias importantes dos signos, sendo que, uma diz respeito ao signo em relação a si mesmo, outra se refere à relação com o interpretante e a outra se refere à relação com o objeto. A classificação dos diferentes tipos de conhecimento foi inspirada talvez mais nos interpretantes que nos signos por si próprios.

5 Portanto, não podemos dizer que esta classificação constitui uma relação direta à classificação dos tipos de signos proposta por Peirce, mas talvez a uma aproximação dessa idéia. Na figura abaixo, observase a classificação dos tipos elementares de conhecimentos conforme proposta por Gudwin. Indicial Específico Sensorial Genérico Remático Icônico Específico Simbólico Objetos Ocorrências Específico Genérico Unidades de Conhecimento Dicente Simbólico Genérico Icônico Analíticos Dedutivos 5. Apresentando um Modelo Computável Argumentativo Sintéticos Indutivos Abdutivos Considerando que o computador é uma máquina eminentemente discreta, a proposição de espaços de representação, campos de interpretação e focos de atenção contínuos está além das possibilidades computacionais. Portanto, a fim de simplificar o modelo proposto, Gudwin propôs a substituição do conceito de espaço interno pela idéia de lugar e substituir os campos de interpretação internos pela identificação explícita das unidades de conhecimento como objetos situados na memória do computador. A partir de então, o foco de atenção pode ser transformado em uma busca de objetos (no sentido computacional) dentre os lugares disponíveis. Fica claro que o espaço de representação externo não pode ser alterado, pois se trata do ambiente (umwelt), e permanece sendo contínuo. Entretanto, o mecanismo de foco de atenção externo passa a ser implementado por meio de sensores e atuadores móveis, que podem ser posicionados em coordenadas específicas do espaço externo, de onde se obtém medidas ou onde se processa a atuação. Por meio desta simplificação, as unidades de conhecimento internas podem ser substituídas por objetos de programas e colocados dentro de lugares, onde podem ficar disponíveis para os intérpretes. Os intérpretes são compostos por múltiplos micro-intérpretes. Esses micro-intérpretes podem ser vistos como intérpretes primitivos, que têm a tarefa de processar as unidades de conhecimento armazenadas nos lugares. Esses micro-intérpretes podem ser implementados por objetos ativos (agentes) que também podem ser distribuídos em lugares. O intérprete visto como um sistema inteligente em seu aspecto macroscópico pode ser convertido então em uma grande Rede de Objetos ou Rede de Agentes. Os micro-intérpretes podem realizar três tarefas possíveis. A primeira é escolher as unidades de conhecimento que serão processadas utilizando uma função de seleção, que determina quais unidades de conhecimento serão utilizadas no processamento. Posteriormente, para efetuar o processamento, utilizase uma função de transformação, que efetivamente transforma as unidades de conhecimento selecionadas originando novas unidades de conhecimento, que são armazenadas em outros lugares da rede. Por meio de uma grande Rede de Objetos (ou Rede de Agentes), podemos implementar um sistema inteligente, que é modelado como um grande conjunto de micro-intérpretes processando unidades de conhecimento, de maneira síncrona e em paralelo. 6. Conclusão Uma vez de posse dos conceitos citados neste artigo, podemos tirar conclusões importantes. Por exemplo, o Campo de Sinais externo é infinito, contínuo e provavelmente assume valores em um conjunto contínuo. Este só é conhecido por meio de sensores, mas não na sua totalidade só em partes, e ainda com aproximações. Assim, nossos sensores são controlados e dirigidos por nosso foco de atenção, ou seja, ao direcionarmos nosso foco de atenção em algum ponto do espaço externo, estamos na verdade, posicionando nossos sensores nesta região. Sabemos que a Semiótica Computacional foi baseada na Semiótica Peirceana, embora algumas adaptações tenham sido necessárias para que sua implementação computacional fosse viabilizada. Apresentou-se os fundamentos básicos por trás da Síntese Semiótica e a classificação dos diferentes tipos de unidades de conhecimento propostos por Gudwin. De posse desses conceitos fundamentais, estamos preparados para compreender e modelar mais precisamente um Modelo de Ambiente em um sistema inteligente computacional.

6 7. Referências [1] W. Roth, The Enviroment of Umwelt and Communication, [2] R. Sans e A. Meystel, Modelling, Self and Consciousness: Further Perspectives of AI Research, [15] Albus, The Engineering of Mind, 1998 Instelligent Systems Division, National Institute of Standards and Technology, Gaithersburg, USA. [3] R. A. Brooks, Intelligence without representation, Setembro de MIT Artificial Intelligence Laboratory, Cambrige, USA. [4] Uexkül, Units of Survival, 2001 Annual meeting of Akademie für Integriert Medizin in Heidelberg, Outubro de [5] Uexkül, An Introduction to Umwelt, [6] Roepstorff, Brains in Scanners - An Umwelt of Cogniti, [7] Noth, Semiosis and the Umwelt of a Robot, [8] Emmeche, Does a Robot have an Umwelt, [9] Brier, Cybersemiotics and Umwelt-ehre, [10] Gudwin 1999a, Umwelts and Artificial Devices A Reflection on the text of Claus Emeche: Does a robot have umwel, [11] Gudwin 1999b, From Semiotcs to Computational Semiotics, [12] Gudwin, Uma Abordagem Semiônica em Sistemas a eventos discretos, [13] L. L. Suárez, Conhecimento Sensorial Uma Análise segundo a perspectiva da Semiótica Computacional, 2001 Tese para obtenção do título de mestrado DCA-FEEC- UNICAMP. [14] Peirce C. S., Collected Papers of Charles Sanders Peirce, 1960.