Upload
joelson-mota
View
35
Download
1
Embed Size (px)
Citation preview
Inteligência Artificial Distribuída aplicada no ambiente de Educação a distância (EAD)
1
Sumário
Resumo......................................................................................................................3
1. Introdução...............................................................................................................3
2. Inteligência Artificial (IA)......................................................................................4
3. Inteligência Artificial Distribuída (IAD)................................................................5
3.1 Tabela de comparação entre IA e IAD.................................................................6
3.2 Resolução Distribuída de Problemas (RPD)........................................................6
3.3 Sistemas Multi-agente (SMA) .........................................................................6
4. Benefícios do IAD..................................................................................................7
5. Inteligência Artificial Distribuída em Educação a Distância (EAD)......................8
5. Modelo BlackBoard.............................................................................................................10
6. Conclusão................................................................................................................10
7. Referências..............................................................................................................11
Resumo
2
A Inteligência Artificial Distribuída é uma área que tem recebido grande atenção dentro da
Inteligência Artificial. Nela são combinadas técnicas tradicionais de Inteligência Artificial
com técnicas de Processamento Distribuído. Esta combinação tem como propósito a criação
de modelos mais flexíveis para resolução de problemas, onde um único problema possa ser
resolvido, de forma cooperativa, por um conjunto de agentes inteligentes. Neste trabalho,
serão discutidos alguns dos conceitos fundamentais da Inteligência Artificial Distribuída.
1.Introdução
Veremos o conceito de inteligência artificial (IA) e sua sub-área chamada Inteligência
Artificial Distribuída (IAD) e como são aplicadas na área de educação a distância (EAD).
O computador tem sido utilizado na educação durante os últimos 20 anos, demonstrando ser
um grande auxílio no processo de ensino/aprendizagem, (URBAN-LURAIN, 1998). Este
capítulo procura apresentar como a inteligência artificial distribuída (IAD) está contribuindo
com novas abordagens, ao permitir a representação de algumas habilidades de raciocínio e
conhecimento especialista voltadas para o ensino e aprendizado.
Unindo conceitos de Inteligência Artificial e de Processamento Distribuído, a Inteligência
Artificial Distribuída, tem como propósito estudar as interações entre entidades inteligentes.
De fato, um Sistema de Inteligência Artificial Distribuída pode ser visto como um grupo de
entidades inteligentes, que interagem por cooperação, coexistência ou por competição.
2. Inteligência Artificial
3
O termo Inteligência Artificial foi introduzido pelo Dr. John McCarty (Stanford AI Lab.) em
1956, como título de uma conferência sobre as possibilidades de fornecer inteligência a uma
máquina (CAZELLA 1996). Segundo ele a IA é a capacidade de uma máquina realizar
funções que se fossem realizadas pelo ser humano seriam consideradas inteligentes.
A Inteligência Artificial é tradicionalmente apresentada como a parte da ciência da
computação cuja ênfase está no estudo de sistemas de computação inteligentes, ou seja,
sistemas que exibam características associadas à inteligência do comportamento humano –
compreensão de linguagem, aprendizado, raciocínio, resolução de problemas, e assim por
diante (BARR 1981).
Não existe uma definição de consenso do que vem a ser Inteligência Artificial. Vários
pesquisadores na área apresentam suas definições (MONGIOVI 1998):
• Winston-87: é a área do conhecimento, relacionada a sistemas de computação, que
procura imitar as complexas ações humanas (falar, andar, raciocinar, etc.),
• Rich-83: IA estuda como fazer os computadores realizarem bem certas tarefas que,
embora complicadas para as máquinas, são simples para seres humanos,
• Charniach-84: IA é o estudo das faculdades mentais por meio do uso de modelos
computacionais,
• Waterman-85: o objetivo dos cientistas de IA tem sido desenvolver programas que
de alguma forma pensem, isto é, solucionem problemas de maneira que possam ser
considerados inteligentes se feitos pelo homem.
Implícita ou explicitamente, as definições acima têm um ponto em comum: o uso de
conhecimento para simular ações humanas por meio de computador.
Com o decorrer do tempo, foram várias as modificações ocorridas na IA, bem como o
surgimento de novas áreas de estudo que se derivaram da mesma. Uma das suas subáreas
chama-se Inteligência Artificial Distribuída (IAD).
3. Inteligência Artificial Distribuída (IAD)
4
Pode ser conceituada como o estudo do comportamento computacionalmente inteligente
resultante da interação de múltiplas entidades dotadas de certo grau de autonomia, chamadas
de agentes, e o sistema como um todo, chamado de sociedades de agentes. Estas sociedades
visam à solução cooperativa e distribuída de problemas e podem estar organizadas de
diferentes formas, mas sempre possuem padrões (protocolos) de relações para a troca de
informações e controle entre os seus indivíduos. Um agente é uma entidade à qual se atribuem
estados, denominados de estados mentais. Os estados mentais usuais são: crenças, decisões,
capacidades, objetivos, intenções, compromissos e expectativas, conceitos análogos ou
similares aos humanos. Com base nesta perspectiva, o que faz qualquer componente de
hardware ou software ser considerado um agente é precisamente o fato de ele poder ser
analisado e controlado em termos destes estados mentais.
Segundo Bond & Gasser, a IAD está centrada na resolução de cinco tipos de problemas,
sendo eles:
1. Como descrever, decompor e alocar tarefas para um conjunto de agentes;
2. Como promover a interação e comunicação entre agentes (linguagens de
comunicação, protocolos, o quê e quando comunicar);
3. Como coordenar, controlar e assegurar o comportamento coerente (assegurar
um comportamento global coerente em um conjunto de agentes);
4. Como administrar conflitos e incertezas (resolver conflitos e coordenar as
ações dos agentes);
5. Como definir que linguagens e ambientes de programação devem ser utilizados
para a implementação dos agentes.
A Inteligência Artificial Distribuída forma uma sub-área da Inteligência Artificial tradicional,
onde a preocupação no processo de busca de soluções de problemas parte da individualidade
para a coletividade. A importância dessa área está no fato de que muitos problemas possuem
essa configuração distribuída havendo necessidade da existência de entidades (agentes) que,
interagindo entre si e trocando informações, encontrem a solução global do problema. A IAD
tornou-se nos últimos anos um domínio de pesquisa muito promissor.
5
A tabela 3.1 abaixo ilustra uma breve comparação entre IA e IAD:
Uma conceitualização de IAD mais compatível com a ideia de agente é dada por [JEN96]
que diz que o objeto de investigação da IAD são os modelos de conhecimento, e as técnicas
de comunicação e raciocínio necessárias para que agentes computacionais convivam em
sociedades compostas de computadores e pessoas. Jennings ainda divide a IAD em duas áreas
de pesquisa principais:
3.2 Resolução Distribuída de Problemas (RPD): divide a solução de
um problema em particular entre um número de módulos que cooperam compartilhado
conhecimento sobre o problema e sobre as soluções envolvidas.
3.3 Sistemas Multi-agente (SMA): estuda o comportamento de um
conjunto de agentes autônomos (possivelmente preexistentes) cujo objetivo comum é
a solução de um dado problema. O SMA é subdividido em duas classificações:
Reativo, onde consideram informações correntes do ambiente para tomada de sua
decisão, e Cognitivos, onde aprendem com suas experiências e são deliberativos
(planejam e executam os planos criados por eles).
É possível perceber que estas duas áreas diferem na forma de construção da solução do
problema. A Resolução Distribuída de Problemas adota uma visão top-down dividindo
segundo o problema em partes que corresponderão a módulos computacionais, sendo que "o
processo de coordenação das ações é definido em tempo de projeto".
A RDP também se preocupa em como uma tarefa (resolver um dado problema) pode ser
dividida entre módulos que cooperam entre si, dividindo e compartilhando conhecimento
sobre o problema, e sua respectiva solução através de agentes agrupados com o propósito de
trabalhar em conjunto e os agentes que resolvem problemas que requerem um esforço
coletivo, através do Foco Mental que é o problema a ser resolvido, às Propriedades
Importantes que seriam a coerência e competência e as Motivações que é o uso concorrente de
recursos distribuídos e que permite uma maior rapidez na resolução do problema graças ao
paralelismo.
6
Já os Sistemas Multiagente, são compostos por entidades computacionais, denominadas
agentes, com capacidades e objetivos individuais que, uma vez agrupados em sociedade,
trabalhem juntos visando atingir o objetivo do sistema, sendo que "os agentes devem
raciocinar a respeito das ações, mas também sobre o processo de coordenação em si".
Ao contrário da RDP, os Sistemas Multiagentes têm um foco na estruturação do agente e não
na estruturação do problema, o que permite uma flexibilidade para os agentes que são capazes
de resolver mais de um problema. No qual se trata de uma característica denominada de
“buttonup”, que foca no desenvolvimento do sistema, pois o projetista se preocupa em
desenvolver arquiteturas de agentes que interajam de forma autônoma e social.
Existe um aumento significativo da complexidade no desenvolvimento de
sistemas multiagentes que necessitam disponibilizar suporte às modificações ambientais. Para
isso, precisam ter agentes autônomos que detenham mecanismos de comunicação bem
organizados para que haja a interação.
A seguir, um Diagrama demonstrativo do sistema Multiagentes:
Utilizaremos os Sistemas Multiagentes como exemplo para mostrar o potencial bastante
adequado no desenvolvimento de sistemas de ensino-aprendizagem, estes são mais facilmente
resolvidos de forma cooperativa.
4. Benefícios do IAD
Os benefícios da IAD são similares aos benefícios derivados de ter um grupo de pessoas
trabalhando juntas para resolver problemas. Problemas que são muito extensos para um só
especialista resolver podem ser resolvidos por um grupo.
7
Alguns exemplos de benefícios seriam:
Mais Poder de Computação e Hardware mais barato;
Maior Segurança e Tolerância a Falhas;
Mais agilidade na resolução de sistema com a aplicação do paralelismo;
Múltiplas Perspectivas;
Melhor performance em problema com vários domínios e que podem
envolver dados fisicamente distribuídos.
5. Inteligência Artificial Distribuída em Educação a Distância (EAD)
A mudança no papel do professor, que passou de detentor a facilitador do processo de
construção do conhecimento, vem transformando o paradigma de ensino, fazendo do aluno o
principal responsável pela aprendizagem. Deste modo, constitui um grande desafio para a
Informática na Educação a construção de ambientes com recursos que estimulem e auxiliem
os alunos neste processo (Gottgtroy, 1999). A possibilidade de expandir a sala de aula em um
universo maior, permitindo que pessoas aprendam em qualquer lugar e a qualquer hora
tornam estes ambientes ferramentas de grande valor para uma sociedade dinâmica como a
atual (Costa, 1999). A forma objetiva de aprendizagem oferece ao aluno maior flexibilidade
no estudo em oposição às abordagens dos cursos tradicionais, inadequadas para esta realidade
de mudanças rápidas (Martins, 1999).
Inteligência artificial EAD, é baseada em sistemas que foram criados através de estudos e
pesquisas de neurocientistas. No entanto, foi Alan Turing que em 1950 articulou um estudo
completo a respeito da Inteligência Artificial, também com base nisso foram desenvolvidos
sistemas capazes de aprenderem através de informações fornecidas por uma rede formada por
seres humanos que o alimentam com diversas informações, esses dados são armazenados e
gerenciados através de tecnologias de base de dados sendo complementadas com algoritmos
que são programados pra manipular de forma estratégica tais informações o mais próximo
possível do que seria o comportamento humano.
À medida que as bases de informações vão se expandindo, os algoritmos vão ficando mais
inteligentes, sendo à base de dados a memória e o algoritmo o raciocínio, simulando
artificialmente ações que normalmente seriam realizadas por seres humanos. Ao atingir
determinado nível de autonomia os sistemas podem tomar decisões ou fazerem sugestões de
melhorias baseadas em estatísticas de experiências passadas. A partir de tais
8
desenvolvimentos os humanos não são mais os únicos agentes educacionais, uma vez que a
inteligência artificial EAD está inserida ativamente nesse sistema.
Segundo, (SEMENSATO, R. Márcia; FRANCELINO, Aguiar Luciane; MALTA, Santos
Luciano).
“Silva (2012) afirma que as novas tecnologias digitais interativas
podem, naturalmente, auxiliar na organização da EAD. O desenho das
interações, do ambiente de aprendizagem, da aula, do curso e do
material didático passa por esta terceira geração EAD, a geração
online, mediada pela Internet, que possibilita a utilização de diversas
ferramentas:”
“Assim, por meio da EAD online é possível agregar vários ambientes
de aprendizagem; redefinir ambientes presenciais; reorganizar a
modelagem das aulas; definir outros papéis ao docente; e produzir
material pedagógico vasto e diversificado (SIMÕES GALA;
ITHOURALD; BENTO MATTAR; CZWSZAK, 2013, p. 79).”
A implantação desse tipo de tecnologia trouxe a necessidades de mudanças no atual sistema
pedagógico de ensino, fez com que as instituições repensassem o modelo empregado
atualmente para inclusão dos ambientes virtuais. Essas mudanças também foram cruciais no
comportamento e forma de aprendizagem dos alunos que precisou tornar-se um aprendiz mais
ativo e responsável pela construção do seu próprio conhecimento
A Educação à Distância tem crescido intensamente nos últimos anos, devido principalmente
aos grandes avanços das Tecnologias de Informação e Comunicação (TICs) e à grande
popularização da Internet. As principais TICs utilizadas para dar suporte à EAD são os
Ambientes Virtuais de Aprendizagem (AVA), que podem ser definidos como softwares que
auxiliam na montagem de cursos acessíveis via internet, elaborados para ajudar professores a
gerenciar o conteúdo para os alunos, administrar o curso e acompanhar o progresso dos
estudantes. O grande potencial destes ambientes para a EAD está justamente no fato de eles
permitirem a transmissão e fomentação do conhecimento sem que seja necessário o contato
físico entre os envolvidos (alunos e professores) em horários e locais pré-determinados,
entretanto é também através desta característica dos AVAs que advém alguns dos problemas
da EAD, como, por exemplo, a evasão escolar. A evasão é caracterizada principalmente pela
dificuldade no desenvolvimento da presença social e consequentemente na formação de
grupos de trabalho que efetivamente colaborem nesses ambientes (Santos et al 2008).9
6. Modelo BlackBoard:
O modelo BlackBoard para resolução de problemas é um modelo oportunístico fortemente
estruturado. O termo oportunístico refere-se à capacidade do sistema selecionar e aplicar o
conhecimento mais adequado - oportuno - para um dado instante no processo de resolução do
problema. Além do raciocínio oportunístico e de uma estratégia para a aplicação do
conhecimento, o modelo também prescreve a organização do domínio do conhecimento, de
todas as entradas do sistema e das soluções finais e parciais do problema. Estas soluções
constituem o espaço de solução do problema que, no modelo BlackBoard, é organizado em
um ou mais níveis de hierarquia.
O modelo BlackBoard, a princípio, não é um modelo para a Inteligência Artificial Distribuída.
Contudo, devido a sua modulariedade e ao seu raciocínio oportunístico, o modelo BlackBoard
vem sendo usado para modelar os agentes, em inúmeros protótipos desta área.
7. Conclusão
A IA e suas disciplinas, entre elas a Inteligência Artificial Distribuída, têm um papel
importantíssimo no desenvolvimento de uma nova geração de sistemas que propõem maior
autonomia e, por consequência, menor esforço humano.
Pesquisas crescem a cada dia, pois esta é uma área vasta e fascinante para o meio acadêmico e
corporativo. Pela grandeza dos conceitos e a eficácia dos pesquisadores, a IA e a IAD traçam
um futuro de muitas descobertas, o que gera uma expectativa realista de maior sucesso.
Com tudo podemos ver que IAD tens seus pontos positivos e negativos sendo eles positivos:
Inclusão de pessoas com necessidades especiais.
Democratização do acesso ao ensino.
E tendo como ponto negativo:
Dependência da tecnologia.
Custo Financeiro.
Dispersão física dos participantes.
10
8.Referências
(REIS, L. 2003) Coordenação em sistemas multi-agente: aplicações na gestão universitária e futebol robótico. Portugal: Universidade do Porto.
(Damasio, Antonio R. Descartes, 1994) Error: Emotion, Reason, and the Human Brain. Quill, New York.
(URBAN-LURAIN, 1998) Intelligent tutoring systems: an historic review in the context of the development of artificial intelligence and educational psychology. Em: http://www.nce.ufrj.br/ginape/publicacoes/trabalhos/t_2002/t_2002_renato_aposo_e_francine_vaz/iaeducacao.htm
(CAZELLA 1996), S. C. Um Estudo Sobre Decomposição de Problemas em Inteligência Artificial Distribuída. Em: https://www.lume.ufrgs.br/bitstream/handle/10183/3670/000341456.pdf?sequence=1
(BARR 1981) A.; FEIGENBAUM, E. A. (Ed.). The Handbock of Artificial Intelligene. Los Altos: Morgan Kaufmann, 1981. v. 1. Em:https://www.lume.ufrgs.br/bitstream/handle/10183/3670/000341456.pdf?sequence=1
(MONGIOVI 1998), G. Inteligência Artificial. Campina Grande: UFPB, Centro de Ciências e Tecnologia.Em: https://www.lume.ufrgs.br/bitstream/handle/10183/3670/000341456.pdf?sequence=1
(Gottgtroy, 1999) GOTTGTROY, M. B. et al. Rede Educacional de Ensino em Informática: Um Caminho para os Novos Desafios do Novo Milênio. Em: http://www.br-ie.org/pub/index.php/sbie/article/view/137/123
PEREIRA, Vota Guilherme. A INTELIGÊNCIA ARTIFICIAL APLICADA NA EDUCAÇÃO.Em:http://www.ceavi.udesc.br/arquivos/id_submenu/387/guilherme_vota_pereira.pdf.
SEMENSATO, R. Márcia; FRANCELINO, Aguiar Luciane; MALTA, Santos Luciano. O USO DA INTELIGÊNCIA ARTIFICIAL NA EDUCAÇÃO À DISTÂNCIA, AGO/2015. Em: http://ojs.cesuca.edu.br/index.php/cesucavirtual/article/view/935/714.
Hayes-Roth, B. The BlackBoardArchitecture: A GeneralFramework For Problem Solving. Em: http://fei.edu.br/sbai/SBAI1993/ARTIGOS/I_SBAI_35.pdf
Vôo não tripulado e outros: http://www.aosgrp.com/applications/index.html
11