Implementação e Uso de Algoritmos para Conversão e Aprendizado em um Sistema Neuro-Simbólico
Neuro-simbólico, sistema inteligente híbrido, representação de conhecimento híbrido
Sistemas inteligentes (SI) são tipos de sistemas especialistas que podem interagir e aprender sobre os usuários que o utilizam, ou tentam compreender sobre seus interesses. O termo SI engloba tanto a inteligência artificial clássica, baseado em regras simbólicas, quanto a inteligência computacional, que incorpora sistemas nebulosos, redes neurais artificiais (RNA) e sistemas evolutivos. Os sistemas inteligentes simbólicos possuem um conjunto de regras inicias que são continuamente analisadas, gerando decisões a partir delas. Embora mais simples de se compreender, esses sistemas possuem dificuldades em tratar informações imprecisas, ou que não foram previstas no conjunto de regras iniciais. Por outro lado, os modelos baseados no conexionismo, como por exemplo, as RNAs, são extremamente eficazes em completar padrões que não estejam claros, embora, possuam uma grande desvantagem devido ao elevado nível de abstração, encapsulando o conhecimento de como foi obtida a resposta. Esses dois tipos de sistemas podem ser combinados para suprir as desvantagens apresentadas em cada um deles, produzindo assim uma poderosa ferramenta no âmbito industrial. O presente artigo, tem por finalidade descrever uma arquitetura de um sistema computacional híbrido, combinando os principais paradigmas da inteligência artificial (IA): o simbolismo e, o conexionismo. O modelo será capaz de codificar a base regras de um especialista (baseado em lógica proposicional) em uma rede neural e a partir dela inferir novas regras de acordo com a utilização do sistema, servindo assim de auxílio para as constantes tomadas de decisão do operador.