NOTAS SOBRE OS FUNDAMENTOS MATEMÁTICOS DA INTELIGÊNCIA ARTIFICIAL

Autores

  • Rodrigo Siqueira-Batista Universidade Federal de Viçosa
  • Eugênio da Silva UEZO – Centro Universitário Estadual da Zona Oeste

Palavras-chave:

Inteligência Artificial, Matemática, Máquinas de Vetores de Suporte, Redes Neurais Artificiais

Resumo

A área de Inteligência Artificial (IA) representa uma das principais fronteiras do conhecimento, na atualidade, por sua aplicabilidade em diferentes setores da vida humana. O correto entendimento de seus conceitos, e o consequente bom uso de suas técnicas, dependem do adequado estudo da Matemática, uma vez que o nascimento daquele campo se articula, profundamente, com desenvolvimentos dessa disciplina no século XX. Na área da IA, merecem destaque as Redes Neurais Artificiais (RNA) e as Máquinas de Vetor de Suporte (MVS), cuja característica marcante é a versatilidade, o que permite que sejam empregadas na construção de modelos de solução para problemas de interesse de uma ampla variedade de campos da atividade humana. Embora promissoras, a obtenção de modelos bem-sucedidos depende diretamente da correta parametrização dos algoritmos por trás dessas técnicas, o que, por sua vez, torna necessária uma boa compreensão dos seus fundamentos matemáticos. Desta feita, o objetivo do presente texto é indicar o ferramental matemático que deve ser compreendido para que se possa tirar o melhor proveito das RNA e das MVS. 

Biografia do Autor

Rodrigo Siqueira-Batista, Universidade Federal de Viçosa

Doutor em Ciências pela Fundação Oswaldo Cruz. Professor do Programa de Pós-graduação em Bioética, Ética Aplicada e Saúde Coletiva (PPGBIOS), Universidade Federal do Rio de Janeiro, Rio de Janeiro, RJ, Brasil. Professor Associado do Departamento de Medicina e Enfermagem, Universidade Federal de Viçosa, Viçosa, MG, Brasil. Professor Titular do Curso de Medicina, Faculdade Dinâmica do Vale do Piranga, Ponte Nova, MG, Brasil.

Eugênio da Silva, UEZO – Centro Universitário Estadual da Zona Oeste

Doutor em Engenharia Elétrica. Professor Adjunto (UEZO). Professor Titular (UNIFESO). Professor Adjunto (UNICARIOCA) 

Referências

ARAUJO JUNIOR, C.A. et al. A multi-agent system for forest transport activity planning. Cerne, v. 23, n. 3, p. 329-337, 2017.

ALTHOFF, D. et al. Heuristic methods applied in reference evapotranspiration modeling. Ciência e Agrotecnologia, v. 42, n. 3, pp.314-324, 2018.

BARNARD, M.; VAN NIEKERK, T.I. Neural network fault diagnosis system for a diesel-electric locomotive's closed loop excitation control system. SAIEE Africa Research Journal, v. 109, n. 1, p. 23-35, 2018.

BITTAR, R.D.; ALVES, S.M.F.; MELO, F.R. Estimation of physical and chemical soil properties by artificial neural networks. Revista Caatinga, v. 31, n. 3, p. 704-712, 2018.

CAETANO, M.; MANZOLLI, J.; VON ZUBEN, F.J. BioMúsica: Aplicações de Inteligência Artificial e Algoritmos Bio-Inspirados em Música. In: Proceedings of the 2. II Seminário de Música, Ciência e Tecnologia, 2005, São Paulo (SP) [online]. 2005 [citado em 10 de outubro de 2018]. Disponível em: <http://www.proceedings.scielo.br/scielo.php?>

CASTRO, L.N.; FERRARI, D.G. Introdução à mineração de dados: conceitos básicos, algoritmos e aplicações. 1. ed. São Paulo: Saraiva, 2016. 351p.

CHANG, A. Artificial Intelligence in Pediatric Critical Care Medicine: Are we (finally) ready? Pediatric Critical Care Medicine, v. 19, n. 10, p. 997-998, 2018.

FERRATER MORA, J. Diccionario de filosofía. Tomo II, Barcelona: Editorial Ariel S.A., 2001.

ESPINOSA-OVIEDO, J.E.; ZULUAGA-MAZO, A.; GOMEZ-MONTOYA, R.A. Kernel methods for improving text search engines transductive inference by using Support Vector Machines. Tecciencia, v. 12, n. 22, p.51-60, 2017.

GUNKEL, D.J. Comunicação e inteligência artificial: novos desafios e oportunidades para a pesquisa em comunicação. Galáxia, n. 34, p. 5-19, 2017.

HEBB, D.O. The Organization of Behavior. Wiley: New York, 1949. 335p.

JARA ESTUPINAN, J.; GIRAL, D.; MARTINEZ SANTA, F. Implementación de algoritmos basados en máquinas de soporte vectorial (SVM) para sistemas eléctricos: revisión de tema. Tecnur, v. 20, n. 48, p.149-170, 2016.

KAO, S. et al. Using a least squares support vector machine to estimate a local geometric geoid model. Boletim de Ciências Geodésicas, v. 20, n. 2, p. 427-443, 2014.

KURZWEIL, R. The age of intelligent machines. Cambridge: MIT Press, 1990, 565 p.

LAWRENCE, J. Introduction to neural networks and expert systems. Nevada City (EUA): California Scientific Software, 1992. 264pp.

LIGHTHILL, J. Artificial intelligence: A general survey. In: LIGHTHILL, J.; SUTHERLAND, N. S.; NEEDHAM, R. M.; LONGUET-HIGGINS, H. C.; MICHIE, D. Artificial Intelligence: A Paper Symposium. Science Research Council of Great Britain, 1973.

LORENA, A.C.; CARVALHO, A.C.P.L.F. Uma Introdução às Support Vector Machines. RITA, v. XIV, n. 2, p. 43-67, 2007.

LU, W.; CHEN, T. Dynamical behaviors of Cohen-Grossberg neural networks with discontinuous activation functions. Neural Networks, v. 18, p. 231-242, 2005.

McCARTHY, J. et al. Proposal for the Dartmouth summer research project on artificial intelligence. Technical Reports, Dartmouth College, 1955.

McCARTHY, J. Programs with common sense. Proceedings of Symposium on Mechanisation of Thought Processes, v. 1, p. 77-84, 1958.

McCULLOCH, W.; PITTS, W. A logical calculus of the ideas immanent in nervous activity. Bulletin of Mathematical Biophysics, 5, p. 115–137, 1943.

NASCIMENTO, C.D.L. et al. Breast tumor classification in ultrasound images using support vector machines and neural networks. Research on Biomedical Engineering, v. 32, n. 3, p. 283-292, 2016.

NASCIMENTO, E.C.C.; SILVA, E.; SIQUEIRA-BATISTA, R. The 'use' of sex robots: a bioethical issue. Asian Bioethics Review, v. 10, p. 1-10, 2018.

NEWELL, A.; SHAW, J.C.; SIMON, H.A. Chess playing programs and the problem of complexity. IBM Journal of Research and Development, v. 4, n. 2, p. 320-335, 1958.

NEWELL, A.; SIMON, H.A. GPS, a program that simulates human thought. In BILLING, H. Lernende Automaten. Olden Bourg, 1961, p. 109-124.

NILSSON, N. J. Artificial Intelligence: a new synthesis. San Francisco: Morgan Kaufmann, 1998.

NUNES, W.V. Redes neurais artificiais: aspectos introdutórios. In: ESPERIDIÃO ANTONIO, V. Neurociências: diálogos e interseções. Rio de Janeiro: Rubio, 2012, p. 255-303.

OLIVEIRA, R. et al. Classificação de Assimetria em Lesões de Pele por meio de Imagens usando Máquina de Vetor de Suporte. Anais do VIII Workshop de Visão Computacional. Goiânia: Instituto de Informática da UFG, 2012. p. 1-6.

RICH, E.; KNIGHT, K. Artificial Intelligence. 2nd edition. McGraw-Hill, 1991.

ROSENBLATT, F. The perceptron, a perceiving and recognizing automaton. Cornell Aeronautical Laboratory report. New York: Buffalo, 1957.

______. Principles of neurodynamics: perceptrons and the theory of brain mechanisms. Washington: Spartan Books, 1962. 616p.

RUSSELL, S.J.; NORVIG, P. Inteligência artificial. Trad. Regina C. Simille. Rio de Janeiro: Elsevier, 2013.

SANTOS, A.C.M. Aprendizado de máquina aplicado ao diagnóstico de Dengue, 2016, Recife (PE) [online]. XIII Encontro Nacional de Inteligência Artificial e Computacional. 2016 [citado em 10 de outubro de 2018]. Disponível em: <http://www.lbd.dcc.ufmg.br/colecoes/eniac/2016/059.pdf>.

SciELO. Scientific Electronic Library Online. 2018 [citado em 20 de outubro de 2018]. Disponível em: <http://www.scielo.org/php/index.php>.

SEUNG, S.; YUSTE, R. Redes neurais. In: KANDEL, Eric R.; SCHWARTZ, Thomas M.; SIEGELBAUM, Steven A.; HUDSPETH, A. J. Princípios de Neurociências. Porto Alegre: AMGH, 2014. p. 1378-1395.

TAN, P.N.; STEINBACH, M.; KUMAR, V. Introduction to data mining. Boston: Addison-Wesley; 2006.

TURING, A. On computable numbers, with an application to the Entscheidungsproblem. Proceedings of the London Mathematical Society, 2d series, 42, 230-265, 1936.

______. Intelligent machinery. Tech. rep., National Physical Laboratory, 1948.

______. Computing machinery and intelligence. Mind, v. 59, p. 433-460, 1950.

WINOGRAD, S.; COWAN, J. D. Reliable Computation in the Presence of Noise. Cambridge: MIT Press, 1963.

VAPNIK, V.N.; CHERVONENKIS, A.Y. On the uniform convergence of relative frequencies of events to their probabilities. Theory of Probability and Its Applications, v. 16, p. 264-280, 1971.

VON ZUBEN, F.J. O mundo natural e o mundo artificial, 2011, Campinas (SP) [online]. 2011 [citado em 10 de outubro de 2018]. Disponível em: <ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/ia707_1s11/notas_de_aula/topico1_IA707_1s11.pdf>

______. Máquinas de vetores de suporte, 2013, Campinas (SP) [online]. 2013 [citado em 10 de outubro de 2018]. Disponível em: <ftp://ftp.dca.fee.unicamp.br/pub/docs/vonzuben/ia353_1s13/topico8_1s2013.pdf >

WUERGES, A.F.E.; BORBA, J.A. Redes neurais, lógica nebulosa e algoritmos genéticos: aplicações e possibilidades em finanças e contabilidade. Journal of Information Systems and Technology Management, v. 7, n. 1, p.163-182, 2010.

Downloads

Publicado

2020-05-29

Edição

v. 4 n. 6 (2019)

Seção

Artigos

Licença

Os textos são de exclusiva responsabilidade de seus autores.

É permitida a reprodução total ou parcial dos artigos da Revista de Ciência, Tecnologia e Inovação, desde que citada a fonte.