Conjuntos Aproximados (Rough Sets) em Inteligência Artificial
Tema: Inteligência Artificial
As técnicas que empregam princípios baseados em Inteligência Artificial, devem primar também por respostas coerentes e práticas pertinentes às incertezas. Entende-se como incerteza, toda a informação incompleta ou de caráter impreciso, nebulosa diria. Transladando para o mundo real e prático, os sistemas invariavelmente deparam-se com incertezas no processamento de informações, o que acarreta em falta de fidedignidade no tangente à representação do conhecimento, pois dados e informações incertos de desprovidos de certeza, comprometem totalmente o processo inferencial decisório do ser humano.
A Teoria dos Conjuntos Aproximados (TCA), proposta por Pawlak, apresenta-se como uma alternativa pertinaz ao processamento de informações que tenham graus de incerteza e imprecisas no tangente aos seus dados. A capacidade de identificar informações e delas retirar conhecimento e inferir deduções, é uma característica nata do ser humano, isto, compras o seu aprendizado, aspecto este também apregoado pela Inteligência Artificial. A realização desta tarefa descrita, sob forma automatizada computacionalmente, caracteriza-se com um processo de extrema complexidade, levando em conta que os dados informacionais nem sempre apresentam-se organizados e dispostos de forma estruturada, a nebulosidade e imprecisão dos dados é quase que uma constante. A TCA é emprega justamente nestes casos, intuindo sim, sem um agente facilitador e resolutor do problema, com vistas a transformar os dados de forma automatizada em conhecimento, onde têm-se as representações computacionais baseadas em conjuntos de atributos, regrados sob prerrogativas decisórias, igualitários a sistemas especialistas.
A TCA, pode ser igualada, como uma extensão conceitual da teoria clássica de conjuntos, onde pode-se agrupar, representar e processar blocos (conjuntos) de dados sob forma similar e/ou equivalentes. Esta valência da TCA, permite analisar e extrair conhecimento de dados imprecisos e nebulosos, por meio da aplicação da teoria de conjuntos e análise do agrupamento dos dados, permeada pela sua similaridade.
Uma aplicação prática da TCA, dá-se na área da Inteligência Artificial denominada Aprendizado de Máquina (AM), que emprega métodos computacionais que têm associação direta com organização metódica e sistemática de dados, informações e conhecimento. Os sistemas baseados em AM, devem ser dotados de comportamentos inteligentes, onde o conhecimento apropriado pela aplicação deve ser incorporado e aplicado na resolução de problemas para qual a referida aplicação foi projetada. A aquisição de informação/conhecimento em sistemas de AM, dá-se sob dois prismas; explícito e implícito. No modo explícito, há à associação de informações fornecidas pelo ser humano. E no modo implícito, a informação deverá ser extraída em bancos de dados genéricos, pertinentes ao problema em questão, não havendo a interação sistema-humano. O modo implícito é caracteristicamente complexo do ponto de vista computacional.
O AM é dotado de dois procedimentos distintos, o não supervisionado e o supervisionado. No aprendizado não supervisionado, objetiva-se extrair informações em agrupamentos de dados similares, identificando padrões e classes desses dados, relacionados sim, com o problema em questão.
No AM supervisionado, extrai-se conhecimento de exemplo já previamente estruturados, na qual fazem parte do problema em questão da aplicação. Os exemplos têm características que denominam-se atributos, e são associativas ao sistema. O TCA do AM supervisionado é descrita por “n” atributos, onde há; X=(X1, X2, X3...Xn), e pela classe generalista associada a cada exemplo “Y”, que objetiva obter o mapeamento dos dados, aqui definido como “K”, dado Y=K(X). Está estrutura de TCA, associada ao AM tem a capacidade de generalizar o conhecimento implícito.
Tratando-se das definições de cunho básicas, incrementa-se a exemplificação de AM utilizando TCA; dado um espaço aproximativo por C=(D, W), onde "D", configura-se como conjunto de exemplos, ou objetos, e "W" conjunto de atributos ou condições. Em um sistema (X), a representação é a seguinte X=[D, W, Y, C], determinando-se à classificação C: D x W --> Y, "Y" é o conjunto de valores e atributos.
A Inteligência Artificial constitui-se em práticas associativas de distintos métodos e ferramentas, convergentes a potenciar e dotar um determinado sistema computacional de capacidades e competências aproximativas ao ser humano.
(Fonte: Inteligência Artificial – I. Lima, C.A.M. Pinheiro, F. A. Oliveira Santos)