Inteligencia Artificial

View
596
Download
0
Category

Documents

Preview:

Citation preview

InteligênciaInteligência ArtificialArtificial

Pedro Paulo Balbi de OliveiraPedro Paulo Balbi de Oliveirapedrob@mackenzie.brpedrob@mackenzie.br

22oo Semestre 2008Semestre 2008

� Prover um panorama geral da evolução da inteligência artificial até o presente, e avaliar suas tendências futuras.

�� Prover um panorama geral da evoluProver um panorama geral da evoluçção da ão da inteligência artificial atinteligência artificial atéé o presente, e avaliar suas o presente, e avaliar suas tendências futuras.tendências futuras.

O B J E T I V O SO B J E T I V O S

� Apresentar uma visão geral das técnicas usuais de inteligência artificial para solução de problemas.�� Apresentar uma visão geral das tApresentar uma visão geral das téécnicas usuais de cnicas usuais de inteligência artificial para soluinteligência artificial para soluçção de problemas.ão de problemas.

� Dar elementos sobre algumas ferramentas computacionais apropriadas à Inteligência Artificial.�� Dar elementos sobre algumas ferramentas Dar elementos sobre algumas ferramentas computacionais apropriadas computacionais apropriadas àà Inteligência Artificial.Inteligência Artificial.

� Distinguir os métodos da programação por inteligência artificial da programação convencional.�� Distinguir os mDistinguir os méétodos da programatodos da programaçção por ão por inteligência artificial da programainteligência artificial da programaçção convencional.ão convencional.

�� AULAS EXPOSITIVASAULAS EXPOSITIVAS

�� EXERCEXERCÍÍCIOS TECIOS TEÓÓRICOS E/OU DERICOS E/OU DEPROGRAMAPROGRAMAÇÇÃO DE TÃO DE TÉÉCNICAS DE IACNICAS DE IA

�� TRABALHOTRABALHO

�� AVALIAAVALIAÇÇÃOÃO

METODOLOGIAMETODOLOGIA

BIBLIOGRAFIA

� Bittencourt, Guilherme. Inteligência Artificial: Ferramentas e Teorias, 3a edição, Editora da UFSC, 2006.

� Rich, E. Knight Inteligência Artificial, 2a. edição, McGraw-Hill, 1988.

� Russel, S. and Norvig, P. Inteligência Artificial, Ed. Campus, Tradução da 2a. ed. original , 2004.

� Winston, P. H. Artificial Intelligence, 2. ed. Readings: Addison-Wesley, 1984.

� Turban, E. Expert Systems and Applied Artificial Intelligence, 1992.

� Nilsson, Nils J. Artificial Intelligence: A New Synthesis, Morgan Kaufmann, 1998.

BIBLIOGRAFIA (cont.)

� Adeli, H. and Hung, S. Machine Learning, John Wileyand Sons, 1995.

� Adeli, H. Knowledge Engineering, Vol. II, Applicattions, McGraw Hill, 1988.

� Waterman, D.A. A Guide to Expert Systems, Addison-Wesley, 1984.

� Bratko, I. PROLOG - Programming for A.I., Addison-Wesley, 1990.

� Bowen, K. Prolog and Expert Systems, McGraw Hill, 1991.

� Penrose, R. A Mente Nova do Rei, 1989.� Gardner, H. A Nova Ciência da Mente, EDUSP, 1995.

BIBLIOGRAFIA (cont.)

� T. Bäck. Evolutionary Algorithms in Theory and Practice. 1st ed, New York: Oxford University Press, 1996.

� T. Bäck, D.B. Fogel and Z. Michalewicz. Handbook of Evolutionary Computation. Institute of Phyics Publishing. Bristol, 1997.

� D.B. Fogel. Evolutionary Computation: Toward a New Philosophy of Machine Intelligence, 2nd edition, John Wiley & Sons, 1999.

� D.E. Goldberg. Genetic Algorithms in Search, Optimization and Machine Learning. 1st ed, Reading, Massachussets: Addison Wesley Publishing Company, 1989.

� M. Mitchell. An Introduction to Genetic Algorithms. Bradford Book, Reprint edition, 1998.

� C. Jacob. Illustrating Evolutionary Computation with Mathematica. Morgan Kauffman, 2001.

Capítulo 1

INTRODUÇÃO

INTELIGÊNCIA

ARTIFICIAL

O que é Inteligência Artificial?

O que é Inteligência?

Qualidades e Atributos da Inteligência HumanaDouglas Hofstadter, 1979

� Responder a perguntas com flexibilidade.

� Reconhecer importâncias relativas.

� Encontrar semelhanças entre situações.

� Definir distinções entre situações.

� Sintetizar novos conceitos.

M. Fischler & O. Firschein, 1987� Atitudes mentais de crenças, desejos e intenções.

� Habilidade de aprender.

� Habilidade de transformar problemas grandes em pequenos.

� Conhecimento dos próprios limites.

� Habilidade de perceber e modelar o mundo.

� Uso de linguagem simbólica.

1. VISÕES DA I.A.1. VISÕES DA I.A.

Máquinas que pensam e aprendem.São programas exóticos puramente experimentais, sem nenhum resultado prático ou comercial.

MMááquinas que pensam e aprendem.quinas que pensam e aprendem.São programas exSão programas exóóticos puramente experimentais, ticos puramente experimentais, sem nenhum resultado prsem nenhum resultado práático ou comercial.tico ou comercial.

É uma questão combinatória (Ex: Xadrez).Enumere todas as soluções e escolha a melhor.

EXPLOSÃO COMBINATÓRIAProblemas complexos exigem o uso de mais conhecimento de

modo a evitar a computação de TODAS as combinações.

ÉÉ uma questão combinatuma questão combinatóória (Ex: Xadrez).ria (Ex: Xadrez).Enumere todas as soluEnumere todas as soluçções e escolha a melhor.ões e escolha a melhor.

EXPLOSÃO COMBINATEXPLOSÃO COMBINATÓÓRIARIAProblemas complexos exigem o uso de mais conhecimento de Problemas complexos exigem o uso de mais conhecimento de

modo a evitar a computamodo a evitar a computaçção de TODAS as combinaão de TODAS as combinaçções.ões.

Conjunto de técnicas para:- Representação do conhecimento.

- Pesquisar soluções.Técnicas para processar informação simbólica.

Conjunto de tConjunto de téécnicas para:cnicas para:-- RepresentaRepresentaçção do conhecimento.ão do conhecimento.

-- Pesquisar soluPesquisar soluçções.ões.TTéécnicas para processar informacnicas para processar informaçção simbão simbóólica.lica.

Visão dominante: A I.A. estuda técnicas que auxiliam o computador a resolver tarefas que normalmente o ser humano resolve. Estas técnicas são baseadas em CONHECIMENTO, enquanto as técnicas convencionais são normalmente baseadas em DADOS e INFORMAÇÕES.

Fato inegável: O desconhecimento dos princípios que fundamentam a inteligência, por um lado, e dos limites práticos da capacidade de processamento dos computadores, por outro, levou periodicamente a promessas exageradas e a correspondentes decepções.

Visões

2. Algumas definições operacionais

• “Uma máquina é inteligente se ela é capaz de solucionar uma classe de problemas que requerem inteligência para serem solucionados por seres humanos”. (McCarthy e Hayes, 1969).

• “Inteligência Artificial é a parte da ciência da computação que compreende o projeto de sistemas computacionais que exibam características associadas, quando presentes no comportamento humano, à inteligência”. (Handbook of AI, 1981).

• “Inteligência Artificial é o estudo das faculdades mentais através do uso de modelos computacionais”. (Charniak e McDermott, 1985).

• “É o estudo de como fazer os computadores realizarem tarefas em que, no momento, as pessoas são melhores”. (Elaine Rich, 1988).

Definições

3. HIST3. HISTÓÓRICORICO

Precursores (McCorduck, P. Machines Who Think, 1979):

•••• Jacques de Vaucauson (1738): Pato mecânico•••• Barão von Kempelen (1769 ... 1854):

Autômato jogador de xadrês•••• Mary Shelley (1818): Frankenstein•••• Leibniz (1646-1716): Calculus Ratiocinator•••• Charles Babbage (1835): Analytical Engine•••• Boole, Frege e Russel (século XIX):

Ferramentas matemáticas necessárias à lógica

3. HIST3. HISTÓÓRICORICO

•••• Quine, Carnap e Tarski (século XX): Formalização do raciocínio e do conhecimento, lógica moderna.• McCulloch and Pitts (1943): primeiro modelo matemático de neurônio artificial• Alan Turing (“Computing Machinery and Intelligence”, 1950): Máquinas podem pensar? Introdução do Teste de Turing.• Claude E. Shannon (“Automatic Chess Player”, 1950): Em 1960 o campeão mundial de xadrez será um computador.

3. HIST3. HISTÓÓRICORICO

•••• John McCarthy, Marvin Minsky, Herbert Simon e Allen Newell (1956): Nascimento oficial da IA, com uma conferência de verão no Dartmouth College, NH, USA. Na proposta da conferência, escrita por John McCarthy (Dartmouth), Marvin Minsky (Harvard), Nathaniel Rochester (IBM) e Claude Shannon (Bell Labs) e submetida à fundação Rockfeller, consta a intenção dos autores de realizar “um estudo durante dois meses, por dez homens, sobre o tópico inteligência

artificial”.

Fase Romântica Fase Romântica �� de 56 a 70de 56 a 70

Fase ClFase Cláássica ssica �� ddéécada de 70cada de 70

Fase Moderna Fase Moderna �� ddéécada de 80cada de 80

3. HIST3. HIST3. HIST3. HIST3. HIST3. HIST3. HIST3. HISTÓÓÓÓÓÓÓÓRICORICORICORICORICORICORICORICO

Fase PFase Póóss--Moderna Moderna �� a partir de 90a partir de 90

Romântica (1956-1970)

• Objetivo: simular a inteligência humana.• Métodos: solucionadores gerais de

problemas e lógica.

• Motivo do fracasso: subestimação da complexidade computacional dos problemas (lógica de primeira ordem leva a uma explosão combinatória; conhecimento é incompleto e impreciso. Conseqüências: métodos formais de inferência mais fracos, e métodos heurísticos e lógicas não-convencionais).

Clássica (1970-1980)

• Objetivo: simular a inteligência humana em situações pré-determinadas.

• Métodos: formalismos de representação de conhecimento adaptados ao tipo de problema, mecanismos de ligação procedural visando maior eficiência computacional (amadurecimento da disciplina).

• Motivo do fracasso: subestimação da quantidade de conhecimento necessária para tratar mesmo os problemas mais banais de senso comum.

Moderna (1980-1990)

• Objetivo: simular o comportamento de um especialista humano ao resolver problemas em um domínio específico (presença na vida real).

• Métodos: Sistemas de regras, representação da incerteza, conexionismo.

• Motivo do fracasso: subestimação da complexidade do problema de aquisição de conhecimento.

Pós-Moderna (a partir de 1990)

• Objetivo: simular a inteligência humana em situações pré-determinadas, procurando-se preservar sua origem biológica.

• Métodos: Sistemas híbridos e multi-agentes, incorporando elementos simbólicos, conexionistas e evolutivos.

• Motivo do fracasso: ??????????

4. PROBLEMAS ABORDADOS PELA I.A.4. PROBLEMAS ABORDADOS PELA I.A.

4.1 Caracter4.1 Caracteríísticas dos problemas adequados sticas dos problemas adequados àà I.A.I.A.

• São muito variados e têm pouco em comum.• São difíceis.• Exigem armazenamento de volumes imensos de conhecimento.• Conhecimento:

− Difícil de caracterizar.− Impreciso.− Muda constantemente.

4.2 Classes de Problemas

• Diagnóstico: médico, mecânico, hardware.• Análise: crédito, composição química, sinais (radar, sonar) e ameaças militares.• Monitoramento: plantas industriais, transações.• Interfaces Inteligentes: help inteligente, ensino e treinamento (ITS).• Planejamento: produção, admin. de portfólio.• Conversação: interpretação, tradução.• Robótica: montagem de peças, locomoção.• Modelagem: cognitiva, sistemas físicos.

4.3 4.3 ÁÁREAS DE APLICAREAS DE APLICAÇÇÃOÃO

MedicinaMedicinaMedicina Ex: Mycin ( infecEx: Mycin ( infecçções bacteriolões bacteriolóógicas )gicas )

GovernamentalGovernamentalGovernamental

Ex.: triagem dos beneficiEx.: triagem dos beneficiáários da Previd. rios da Previd. Social; reconhecimento de destinatSocial; reconhecimento de destinatáários rios de cartasde cartas

Tecnologia EspacialTecnologia EspacialTecnologia Espacial Ex.: navegaEx.: navegaçção de robôs autônomosão de robôs autônomos

Automação IndustrialAutomaAutomaçção Industrialão Industrial Ex.: planejamento da produEx.: planejamento da produççãoão

FinanceiraFinanceiraFinanceira Ex.: anEx.: anáálise de crlise de créédito; de sinistrosdito; de sinistros

Inteligência Artificial Sistemas Convencionais

•• ManipulaManipulaçção do ão do conhecimento.conhecimento.

•• Processamento simbProcessamento simbóólicolico

•• SoluSoluçções ões heurheuríísticas sticas

(baseadas na experiência).(baseadas na experiência).

•• Controle separado do Controle separado do conhecimento (flexibilizaconhecimento (flexibilizaçção).ão).

•• ManipulaManipulaçção de dados eão de dados einformainformaçções.ões.

•• Processamento numProcessamento numéérico.rico.

•• SoluSoluçções algorões algoríítmicas tmicas (exatas).(exatas).

•• Controle e conhecimento Controle e conhecimento integrados.integrados.

5. Programa5. Programaçção Convencional x I.A.ão Convencional x I.A.

Uma heurUma heuríística stica éé um conjunto de informaum conjunto de informaçções ões não exatas, normalmente adquiridas atravnão exatas, normalmente adquiridas atravéés da s da experiência e da sensatez, que auxiliam na busca experiência e da sensatez, que auxiliam na busca

de uma solude uma soluçção.ão.

Ex: Diagnose de Problemas MecânicosEx: Diagnose de Problemas Mecânicos

HeurHeuríística: carros velhos são mais sujeitos a stica: carros velhos são mais sujeitos a curtocurto--circuito na parte elcircuito na parte eléétrica, descarregando a trica, descarregando a

bateria.bateria.

““HeurHeuríísticastica”” vem do grego vem do grego heuriskein heuriskein que significa que significa achar (achar (heureca!,heureca!, de Arquimedes). de Arquimedes).

5.1 Heur5.1 Heuríísticastica

5.2 MODELO DE HIERARQUIA DE 5.2 MODELO DE HIERARQUIA DE INFORMAINFORMAÇÇÕESÕES

BOMBOM--SENSOSENSO

CONHECIMENTOCONHECIMENTO

INFORMAINFORMAÇÇÕESÕES

D A D O SD A D O S

Desafio da pesquisaDesafio da pesquisa

Inteligência ArtificialInteligência Artificial

Sistemas tradicionaisSistemas tradicionais

EXEMPLOEXEMPLO

HIERARQUIA DE INFORMAHIERARQUIA DE INFORMAÇÇÕESÕES

Deve ser pela mudanDeve ser pela mudançça de climaa de clima

RecomendaRecomendaçção: Aspirina e camaão: Aspirina e cama

EstEstáá com febrecom febre

Temperatura = 39Temperatura = 39ooCC

BOMBOM--SENSOSENSO

CONHECIMENTOCONHECIMENTO

INFORMAINFORMAÇÇÕESÕES

D A D O SD A D O S

6. SUBDIVISÕES DA I.A.6. SUBDIVISÕES DA I.A.

I.A. Simbólica• Conhecimento explícito• Ciência Cognitiva• Ex: Estados, Lógica, Regras, Casos.

I.A. SimbI.A. Simbóólicalica•• Conhecimento explConhecimento explíícitocito•• Ciência CognitivaCiência Cognitiva•• Ex: Estados, LEx: Estados, Lóógica, Regras, Casos.gica, Regras, Casos.

I.A. Conexionista• Conhecimento implícito• Neurociências• Ex: Redes Neuronais/Neurais.

I.A. ConexionistaI.A. Conexionista•• Conhecimento implConhecimento implíícitocito•• NeurociênciasNeurociências•• Ex: Redes Neuronais/Neurais.Ex: Redes Neuronais/Neurais.

I.A. Evolutiva• Representação de soluções candidatas• Ciência Biológica (em particular, Teoria da Evolução)

• Ex: Algoritmos Genéticos.

I.A. EvolutivaI.A. Evolutiva•• RepresentaRepresentaçção de soluão de soluçções candidatasões candidatas•• Ciência BiolCiência Biolóógica gica (em particular, Teoria da Evolu(em particular, Teoria da Evoluçção)ão)

•• Ex: Algoritmos GenEx: Algoritmos Genééticos.ticos.

6.1 Ciência Cognitiva

� É o campo de estudos que procura entender e imitar os processos mentais (mais tradicionalmente dos) humanos.

� No contexto da I.A.:� Tenta modelar a aquisição de informações feita pelo

homem na busca do entendimento do mundo.

� O entendimento do mundo é subjetivo e depende:

� Experiências conscientes e inconscientes.

� Estímulos sensoriais externos.

�Contexto sócio-cultural.

� ...

�� Estados e Busca HeurEstados e Busca Heuríísticastica

�� RegrasRegras

�� LLóógicagica

�� CasosCasos

�� Frames e ScriptsFrames e Scripts

�� Redes SemânticasRedes Semânticas

�� ComputaComputaçção Evolutivaão Evolutiva

�� Redes NeuraisRedes Neurais

7. PRINCIPAIS T7. PRINCIPAIS TÉÉCNICASCNICAS

7.1 ESTADOS e BUSCA HEUR7.1 ESTADOS e BUSCA HEURÍÍSTICASTICAProblema do Carteiro ViajanteProblema do Carteiro ViajanteProblema do Carteiro Viajante

ITUITU

CAMPCAMP

SPSP

SJCSJC

SANTSANTUBAUBA

130130

8080

160160

9090

150150

180180

100100230230

110110

ITUITU

SPSPCAMPCAMP SANTSANT

SANTSANT SJCSJC CAMPCAMP UBAUBASJCSJC

SANTSANT UBAUBA

XX XX

SoluSoluçção:ão:ITU ITU -- SP SP -- SJC SJC -- UBAUBA

Custo: 320 KmCusto: 320 Km

Qual Qual éé o melhoro melhorpercursopercurso

ITU ITU −−>> UBA ?UBA ?

130130

9090

8080160160

180180100100 110110 230230

230230 150150

SPSP

100100

XXCusto: 340Custo: 340

Custo: 320Custo: 320

7.2 L7.2 LÓÓGICAGICA

•Provar um teorema a partir de um conjunto de premissas.

• Exemplo:

Provar o teorema herbívoro(zebra), a partir das premissas:

animal(zebra).vegetal(grama).come(zebra, grama).∀∀∀∀x∀∀∀∀y[animal(x) E come(x, y) E vegetal(y)=> herbívoro(x)].

SISTEMAS BASEADOS

EM REGRAS

SISTEMAS SISTEMAS BASEADOS BASEADOS

EM EM REGRASREGRAS

Conhecimento representado em regras do tipo:SE

<Condição 1><Condição 2>

ENTÃO<Conclusão 1><Conclusão 2>

EX: Análise de restritivos (em inst. bancária)

SEtipo - restritivo = Ação de BuscaE pessoa analisada = Jurídica E quantidade de ocorrências < 2

ENTÃOAnálise Restritivo = Não Relevante

Conhecimento representado em regras do tipo:Conhecimento representado em regras do tipo:SESE

<Condi<Condiçção 1>ão 1><Condi<Condiçção 2>ão 2>

ENTÃOENTÃO<Conclusão 1><Conclusão 1><Conclusão 2><Conclusão 2>

EX: AnEX: Anáálise de restritivos (em inst. banclise de restritivos (em inst. bancáária)ria)

SESEtipo tipo -- restritivo = Arestritivo = Açção de Buscaão de BuscaE pessoa analisada = JurE pessoa analisada = Juríídica dica E quantidade de ocorrências E quantidade de ocorrências << 22

ENTÃOENTÃOAnAnáálise Restritivo = Não Relevantelise Restritivo = Não Relevante

7.3 REGRAS7.3 REGRAS

SISTEMAS BASEADOS EM CASOS

SISTEMAS SISTEMAS BASEADOS BASEADOS EM EM CASOSCASOS

� Simulação de Raciocínio:

Problemas atuais são resolvidos através da analogia com casos do

passado, onde problemas semelhantes foram

solucionados.

Ex. Diagnose Médica.

�� SimulaSimulaçção de Raciocão de Raciocíínio:nio:

Problemas atuais são Problemas atuais são resolvidos atravresolvidos atravéés da s da analogia com casos do analogia com casos do

passado, onde problemas passado, onde problemas semelhantes foram semelhantes foram

solucionados.solucionados.

Ex. Diagnose MEx. Diagnose Méédica.dica.

7.4 CASOS7.4 CASOS

SISTEMAS BASEADOS EM CASOSSISTEMAS BASEADOS EM SISTEMAS BASEADOS EM CASOSCASOS

Principais Elementos:Principais Elementos:BASE DE CASOSBASE DE CASOS

ACESSO POR ANALOGIAACESSO POR ANALOGIA

NOVO NOVO CASOCASO

ACESSO POR ACESSO POR ANALOGIAANALOGIA

BASE DE BASE DE CASOSCASOS

CASOS CASOS ANANÁÁLOGOSLOGOS

NOVO NOVO PROCESSOPROCESSO

BASE COM BASE COM DADOS DE DADOS DE PROCESSOS PROCESSOS

ANTERIORESANTERIORES

POSSÍVEIS SOLUÇÕESPOSSPOSSÍÍVEIS SOLUVEIS SOLUÇÇÕESÕES

SISTEMAS BASEADOS EM CASOSSISTEMAS BASEADOS EM SISTEMAS BASEADOS EM CASOSCASOS

SISTEMA APOIO JURSISTEMA APOIO JURÍÍDICODICO

7.5 Redes Neurais7.5 Redes Neurais

Utiliza um modelo do processamento paralelo do cérebro humano.

Utiliza um modelo do processamento Utiliza um modelo do processamento paralelo do cparalelo do céérebro humano.rebro humano.

Cada neurônio tem ligações múltiplas com vários outros.

Cada neurônio tem ligaCada neurônio tem ligaçções mões múúltiplas ltiplas com vcom váários outros.rios outros.

Cada ligação tem um peso.Cada ligaCada ligaçção tem um peso.ão tem um peso.

É treinada para “aprender” vários exemplos (configuração de pesos).

ÉÉ treinada para treinada para ““aprenderaprender”” vváários rios exemplos (configuraexemplos (configuraçção de pesos).ão de pesos).

EENNTTRRAADDAA

SSAAÍÍDDAA

REDES NEURAISREDES NEURAISREDES NEURAIS

......

7.6 COMPUTA7.6 COMPUTAÇÇÃO EVOLUTIVAÃO EVOLUTIVA

PIDPID ProcessoProcesso

Ajuste do PID:Ajuste do PID:KKpp,T,Tii e Te Tdd

0,00 > K,Ti,Td < 200,000,00 > K,Ti,Td < 200,00

EspaEspaçço: (20.000)o: (20.000)33

= 8 x 10= 8 x 101212

PID (IndivPID (Indivííduo): duo): KpKp TiTi TdTd

PopulaPopulaçção Inicial (100 indiv.):ão Inicial (100 indiv.):KKpp TiTi TdTd KKpp TiTi TdTd KKpp TiTi TdTd

KKpp TiTi TdTd KKpp TiTi TdTd KKpp TiTi TdTd

Crossover:Crossover:

KKpp TiTi TdTd

MutaMutaçção:ão:KKpp TiTi TdTd

KKpp TiTi TdTd

SeleSeleçção Adaptativa:ão Adaptativa:

os melhores indivos melhores indivííduosduossobrevivemsobrevivem

7.6 COMPUTA7.6 COMPUTAÇÇÃO EVOLUTIVAÃO EVOLUTIVA

Is there asatisfactorycandidatesolution?

Aplication of Genetic Operators(Reproduction, Crossover, Mutation...)

Scoring of each individualby means of a Fitness function

Selection of thebest ones

Population

Selectedsub-population

Yes

End

Start

8. Conclusão:da GOFAI à Nouvelle AI

Francisco Varela (89), comentando sobre a perspectiva Enactiva, em Ciência Cognitiva:

“…assim como o conexionismo se desvinculou do cognitivismo inspirado por uma maior contato com o cérebro, a perspectiva enactiva dá um passo além, na mesma direção, de forma a abranger também a temporalidade do ser vivo, seja ele visto como uma espécie (evolução), como um indivíduo (ontogenia), ou como um padrão social (cultura).”

Cognitivism

Emergence

Enaction

Artificial Intelligence

Linguistics

Epistemology

Neurosciences

Cognitive

Psychology

• Freeman

• Maturana

• Hofstadter