Ciência da Computação

IA: Sistemas BioInspirados

Prof. Ricardo Menezes Salgado

 Curiosidades

• Descoberta do microscópio: ~1590

• Descoberta da célula: ~1680
• Célula como unidade constituinte dos seres vivos: ~1830
• Constituintes básicos do cérebro são os neurônios: Ramón y Cajál, ~1909
• O cérebro humano pesa ~1,5 quilos e consome ~20% da energia do corpo;
• 100 gramas de tecido cerebral requerem ~3,5ml de oxigênio por minuto;
• O cérebro humano apresenta ~1011 neurônios e ~1014 sinapses ou conexões, com
uma média de ~1000 conexões por neurônio, podendo chegar a ~10000 conexões.
• Em seres humanos, 70% dos neurônios estão localizados no córtex;
• Tipos de células neurais: horizontal, estrelada, piramidal, granular, fusiforme.
• Classificação de acordo com a função: sensoriais, motoras, intrínsecas.
2
 Curiosidades

• O diâmetro do corpo celular de um

neurônio mede de ~5µm (célula granular) a
~60µm (célula piramidal);
• Em termos fisiológicos, um neurônio é
uma célula com a função específica de
receber, processar e enviar informação a
outras partes do organismo.
• Um nervo é formado por um feixe de
axônios, com cada axônio associado a um
único neurônio;
• Os nervos apresentam comprimentos
variados, podendo chegar a metros.

3
 Curiosidades

Estrutura de um Nervo

4
 Curiosidades

• As principais partes de um neurônio são:

9membrana celular: é a “pele” da célula;
9citoplasma: tudo que está envolvido pela membrana;
9núcleo: contém os cromossomos (DNA);
9ribossomos: geram proteínas a partir de mRNAs;
9mitocôndria: gera energia para a célula (produz ATP);
9soma: corpo celular, excluindo dendritos e axônio;
9dendritos: parte do neurônio que recebe informação de outros neurônios;
9axônio: parte do neurônio que transmite informação para outros neurônios;
9bainha de mielina: revestimento externo lipídico do axônio, responsável por evitar a dispersão
dos sinais elétricos, como uma capa isolante;
9 terminais pré-sinápticos: área do neurônio que armazena neurotransmissores, os quais são
liberados por potenciais de ação.

• Os neurônios sensoriais normalmente têm longos dendritos e axônios curtos. Por

outro lado, os neurônios motores têm um longo axônio e dendritos curtos
(transmitem informação para músculos e glândulas);

5
Motivação Curiosidades

• Além das células condutoras, o cérebro

possui as células não condutoras,
formando a glia (neuróglia);

• Máxima distância de um neurônio a

um vaso sangüíneo: ~50µm.

6
Curiosidades
 Curiosidades

Neurônios são de 5 a 6 ordens de magnitude mais lentos do que portas lógicas de

silício (10−3 seg. × 10−9 seg.);

Eficiência energética: Cérebro → 10−16 Joules/operação/seg;

Computador → 10−6 Joules/operação/seg;

Conseqüência: o cérebro realiza reconhecimento de padrões, percepção e controle

motor muitíssimo mais rápido e melhor do que qualquer computador já produzido.

O que faz o cérebro?

-o cérebro não “roda programas”;
-o cérebro controla o comportamento visando garantir a sobrevivência.

8
 O que faz o cérebro?
Funcionalidade do cérebro:
-adaptabilidade por intermédio de aprendizado;
-comportamento sensível ao contexto;
-tolerância a erro;
-capacidade de operar com conhecimento parcial;
-grande capacidade de memória;
-capacidade de processamento paralelo e em tempo real;
O cérebro é capaz de perceber regularidades no meio e gerar abstrações que
capturam a estrutura destas regularidades, possibilitando a predição de observações
futuras e o planejamento de ações visando o atendimento de múltiplos objetivos.

Organização básica do sistema nervoso (visão de engenharia):

9
 Cérebro Eletrônico
Primeiro computador eletrônico de propósito geral: ENIAC (1946).
No princípio, os computadores eram chamados de cérebros eletrônicos, pois
acreditava-se que eles representavam um caminho direto para a reprodução da
inteligência.
Surgimento de uma nova e promissora metodologia: simulação computacional
(máquina virtual).
Simulação de pensamento, resolução de problemas, síntese de linguagem
natural → nascimento da Inteligência Artificial (IA);
O computador não atendeu às expectativas de reproduzir comportamento
inteligente
Muitos são os exemplos de tarefas que são fáceis para o homem e difíceis para
a máquina, e vice-versa.

10
 Curiosidades RNAs
Fatos históricos marcantes:
-MCCULLOCH & PITTS(1943)
-WIENER(1948): cibernética
-MINSKY & PAPPERT(1969): a disputa entre as portas lógicas e os
neurônios artificiais para determinar a unidade básica de
processamento.

(“Idade das Trevas”):

entre 1969 e 1984, houve muito pouca pesquisa científica
envolvendo redes neurais artificiais.

(“Renascimento”):
-HOPFIELD (1982)
-RUMELHART & MCCLELLAND (1986)
-GARDNER (1983): múltiplas inteligências
-EDELMAN (1988): neurodarwinismo
-MINSKY (1988): sociedade da mente
11
 Neurocomputação

É comum a associação do conceito de computação com aquele predominante a

arquitetura do tipo Von Neumann:
Algoritmos são elaborados e em seguida implementados na forma de
programas de computador a serem executados.

A computação realizada pelo cérebro requer um outro tipo de definição, que

contemple processamento paralelo e distribuído, além de aprendizado.

Uma arquitetura neurocomputacional é baseada na interconexão de unidades de

processamento simples e similares, denominadas neurônios artificiais e dotadas de
grande poder de adaptação.

Há uma diferença de paradigmas entre computadores com arquitetura do tipo Von

Neumann e RNAs: os primeiros realizam processamento e armazenagem de dados
em dispositivos fisicamente distintos, enquanto RNAs usam o mesmo dispositivo
físico para tal.
12
 Neurocomputação

A motivação que está por trás deste novo paradigma de processamento

computacional é:
a possibilidade de elaborar soluções alternativas para problemas
intratáveis ou ainda não-resolvidos com base na computação
convencional, além de criar condições para reproduzir habilidades
cognitivas e de processamento de informação muito desejadas em
aplicações de engenharia, mas apresentadas apenas pelos primatas.
É importante distinguir entre problemas passíveis ou não de tratamento por
intermédio deste novo paradigma, assim como saber explorar devidamente a
natureza multidisciplinar desta área emergente de atuação científica.
duas características geralmente presentes em problemas para os
quais uma rede neural artificial representa uma das poucas
alternativas de solução são: multidimensionalidade e variáveis
sujeitas a interações não-lineares, desconhecidas ou
matematicamente intratáveis.
13
Neurocomputação

14
Neurocomputação

15
Neurocomputação

16
Neurocomputação

17
 Modelagem e Representação Computacional

9· modelo matemático: simplificações da realidade com o propósito de representar

aspectos relevantes de um sistema em estudo, sendo que detalhes de menor
significância são descartados para viabilizar a modelagem. São obtidos para variados
propósitos: realizar predições, classificar padrões, produzir inferências.
· Exemplo: automatização de processos de tomada de decisão.

9cenário possível: necessidade de modelagem perante a existência de conhecimento

teórico incompleto ou tão detalhado a ponto de inviabilizar a modelagem sistemática.
Recorre-se então a dados amostrados e busca-se selecionar uma proposta de modelo,
dentre um conjunto de propostas suficientemente flexíveis, capaz de explicar ou
reproduzir adequadamente o comportamento observado.

9compromisso: dispor de propostas de modelagem computacional suficientemente

flexíveis para representar aspectos relevantes do sistema em estudo e que, ao mesmo
tempo, admitam tratamento computacional, via aprendizado ou outrastécnicas de síntese
de modelos. 18
 Modelagem e Representação Computacional
9máquina de Turing: teoricamente, o modelo computacional mais rico é a máquina de
Turing universal (HERKEN, 1988), pois ela pode representar qualquer coisa que seja
computável. O problema desta abordagem para modelagem é que o “espaço dos
programas” possui uma estrutura muito complexa para proporcionar formas eficazes de
busca das melhores representações para um dado sistema em estudo. Com isso, a
aplicabilidade desta técnica de modelagem fica restrita a problemas elementares,
impedindo a exploração de todo o potencial de representação.

9modelos conexionistas: estruturas de processamento de sinais constituídas por blocos

construtivos elementares denominados neurônios artificiais. Os padrões de conexão dos
blocos construtivos definem a arquitetura da rede neural.

19
 Sistemas Inteligentes

Paradigma baseado em sistemas especialistas: até meados dos anos 80:

Novas formas de interpretar a inteligência: pesquisadores em IA, ciência da

computação, ciência cognitiva, e psicologia (PFEIFER & SCHEIER, 1999).

Paradigma baseado em comportamento: a partir de meados dos anos 80:

Se um organismo não se manifesta através de algum comportamento, como

saber se ele possui algum tipo de inteligência?
20
 Sistemas Inteligentes

A inteligência entendida com base em comportamento: behavior-based

intelligence.

behavior-based / embodied intelligence: paradigmas baseados em metodologias

sintéticas, cujo objetivo é compreender através de projeto e implementação
(análise de comportamento inteligente em dispositivos do mundo real)

visão de engenharia:

top-down:

Parâmetros do modelo matemático têm um significado explícito.

 Porque Redes Neurais Artificiais

O estímulo inicial que conduziu ao desenvolvimento de modelos matemáticos

de redes neurais, denominados redes neurais artificiais, foi um esforço para
entender mais detalhadamente o funcionamento do cérebro humano;

O objetivo era construir mecanismos que tomassem decisões, processassem

informação, aprendessem, lembrassem e otimizassem da mesma forma e, se
possível, até de forma mais eficiente que o cérebro humano.

Os protótipos até aqui desenvolvidos, é de consenso geral que este objetivo

ainda está longe de ser atingido.