Geomet

riadoConheci
ment
o

por
Roberto Lins de Carvalho
Rio de Janeiro, agosto de 2009

“O mundo é a minha representação. - Esta proposição é uma verdade para todo ser vivo e pensante,
embora só no homem chegue a transformar-se em conhecimento abstrato e refletido.i (...) O mundo é,
portanto, r
epr
e s
ent
ação.”
Arthur Schopenhauer-( 1788- 1860)

Consideraremos, neste trabalho, dois tipos básicos de Conhecimento:

1. Conhecimento Científico
2. Conhecimento factual ordinário ou anedótico

O conhecimento Científico é o produto da pesquisa científica, e esta pesquisa tem metodologias bem estabelecidas,
embora nem sempre explicitadas. O conhecimento factual é o produto, principalmente da observação da realidade via
percepção e processos de aculturação. Este último tipo de conhecimento, em geral, não é gerado baseado em
metodologias estabelecidas, e se existe um método ele é inato ou apreendido de forma eventual ou por imitação. A
aquisição de conhecimento científico começa com a realização de que a reserva de conhecimento disponível é
insuficiente para tratar ou resolver certos problemas.

– 93–
 Não começa com “Tabula rasa”, pois nenhuma questão pode ser perguntada, quanto menos respondida, fora de um
corpo mínimo de conhecimento.
Como diz Bunge [Bung67]: “Only those who see can see what is missing” (Somente os que enxergam podem ver o
que falta).
“Um parte do conhecimento, que é utilizado como fundo (background), onde começa a pesquisa é ordinária, isto é,
conhecimento não especializado, outra parte dele é científico, isto é foi obtido pelo método da ciência e pode ser
testado, enriquecido e eventualmente substituído pelo mesmo método.”

Neste trabalho não prolongaremos a discussão do conhecimento científico, pois acreditamos que existe uma literatura
bastante satisfatória sobre o assunto, o leitor pode consultar, por exemplo, Bunge [Bung67]. No entanto achamos, que
o desenvolvimento de metodologias automatizadas para a aquisição de conhecimento poderá ser utilizada tanto na
pesquisa científica quanto na estruturação das opiniões com respeito a um certo estado de coisas.

5.1.1 – Introdução

A observação da realidade, através dos órgãos dos sentidos, nos leva a adquirir um entendimento das coisas,
que possibilita elaborar dados do mundo exterior. O conhecimento, assim constituído, é resultante de um processo de
aculturação. Além de observações sensoriais, outros tipos de percepção e, principalmente, os processos dedutivos da
mente humana, contribuem para a formação de conceitos. O conhecimento é, portanto, a apropriação mental das
percepções sensitivas e extra-sensitivas, que podem ser aprofundadas pelo exercício do pensamento. Todo este
processo é suficientemente complicado e ainda pouco compreendido. O entendimento das coisas é a capacidade de
avaliar fatos percebidos a partir de um sistema de critérios.
Douglas Hoffstadter introduziu o conceito de Implicosfera, como sendo uma certa nuvem de impressões que
se tem à respeito de um objeto, uma classe de objetos, uma relação entre objetos ou um fenômeno. Esta nuvem torna-
se mais densa e complexa à medida que vivenciamos um maior contato com tais entidades. Na implicosfera de um
conceito estão implícitas todas as suas ligações com outras implicosferas.
A implicosfera contém o que sabemos a respeito de um objeto (fenômeno). Podemos dizer que ela é uma
teoria do objeto (fenômeno), relacionando-se, também às implicosferas de outros objetos.

– 94–
 Assim o conceito correspondente à palavra pera, em Português, é para ser imaginado como uma nuvem de
impressões imprecisas, e não como algo idealizado. A implicosfera de pera está contida na Implicosfera de fruta que
por sua vez está contida na de fruto. Á medida que sabemos mais à respeito de um objeto verificamos novas
conexões, e podemos mesmo perceber um núcleo de fatos que precisam ou tornam menos difusa a nossa implicosfera.
Se considerarmos a sentença:

Todas as pêras são verdes

vemos que ela não é conseqüência imediata de nossa percepção de tais objetos, já a sentença

Todas as pêras são frutos de alguma árvore

é uma conseqüência das conexões existentes com as teorias ou implicosfera de fruta, fruto e árvore.
Podemos projetar as implicosferas em um plano que denominamos de plano conceitual e as teorias
correspondentes em um outro plano que denominamos plano simbólico. Existe um outro plano, que denotaremos de
plano real, onde projetamos os objetos, classes, relações ou estados.

Estes três planos são ligados pelo triângulo de significado proposto por Ogden e Richards em 1923, como uma forma
de representar as relações dos objetos com as respectivas concepções que deles fazemos e o sinal ou símbolo que a
ele associamos. Odgen e Richards sugerem que não existem ligações inerentes ou indissolúveis entre símbolos e
objetos. As ligações são consequência do que foi estabelecido entre o emissor e o receptor no processo da
comunicação. Tais planos representam apenas um determinado ponto no desenvolvimento de uma teoria. O que
percebemos no plano real diretamente com os nossos orgãos sensoriais difere do que observaríamos com o uso de
instrumentos. Na verdade, existe uma infinidade de planos reais, aproximando-se do plano conceitual e com ele se
confundindo, já que a percepção da realidade é, em grande parte, uma conseqüência de todo um processo de
aculturação e portanto é fortemente induzida pelo conhecimento ou entendimento que possuímos no momento da
observação. Para simplificar podemos representar, no plano conceitual, os conceitos abstraídos a partir da
implicosfera.

– 95–
 O plano conceitual funciona como um filtro para as percepções do real. Observadores diferentes possuem
filtros diferentes, e o acúmulo de observações modifica o próprio a atuação do filtro cultural para um mesmo
observador. As percepções subseqüentes são filtradas, não apenas pelo plano que precedia a primeira observação,
mas também pelo próprio conceito formado a respeito do fragmento do real percebido, ou seja, conceitos parcialmente
formados influenciam a visão que se tem do real. Esta influência é tanto maior quanto maior for o envolvimento
anterior com respeito ao pedaço de realidade observado.

O filtro cultural é um sistema de avaliação das nossas percepções que possibilita a geração de conceitos. Os conceitos,
por sua vez, vão influenciar o processo de avaliacão, modificando o filtro cultural através do qual percebemos a
realidade. Tal sistema caracteriza-se por sua dinâmica e se ajusta por um processo de realimentação, modificando o
seu funcionamento, em busca de um melhor desempenho. Fatos surpreendentes ou que geram perplexidade são
exatamente aqueles que possibilitam mudanças sensíveis no sistema de avaliação, podendo mesmo gerar
desequilíbrios transitórios ou permanentes. A existência e o funcionamento equilibrados deste sistema propiciam a
continuidade do processo de aquisição de conhecimento, gerando visões ou modelos do real.
Estamos supondo que registramos apenas uma parte essencial dos conceitos, desprezando todo o resto. Então
a abstração é uma abreviação do que foi observado, restando a região do centro da figura que representa o conceito
abstraído. No plano conceitual, nosso filtro cultural será enriquecido pelos novos conceitos abstraídos através do
proceso de observação.

– 96–
 Figura 2. Os conceitos gerados por abstração.

O plano simbólico é aquele em que registramos estas percepções pelo uso de símbolos que passam a exercer
uma função importante tanto para comunicação, como para a organização do nosso entendimento.
A impossibilidade de comunicar as sensações apreendidas de modo direto, por exemplo o cheiro ou a cor de
um objeto, leva à criação de códigos ou sistemas de significado, que é o tema do próximo capítulo. Os sistemas de
significado também são uma resultante de aculturação social, cuja manifestação mais aparente é o uso de linguagens
de várias naturezas (falada, gesticulada, escrita, etc.). Linguagens surgem, parcialmente, a partir de convenções
sociais, que associam aos objetos determinados símbolos.
Os conceitos obtidos por abstração, como dissemos, modificam o filtro cultural e nas observações
subseqüentes do real percebemos ou imaginamos perceber novos objetos ou fenômenos que não havíamos observado
anteriormente. Este é o processo de reificação das abstrações

– 97–
A reificação modifica o conceito formado anteriormente, esta modificação é o que denominamos de inferência por
intuição.

Os conceitos intuídos são, em geral mais ricos ou mais amplos que os abstraídos ou mesmo os formados nos
estágios precedentes de observação. As intuições, em geral devido à reificação, são fruto de desejos ou pensamentos
favoráveis sobre uma determinada situação(wishfull thinking).
Uma outra forma de aperfeiçoar os conceitos é pelo processo de formalização das abstrações no plano
simbólico:

Os axiomas obtidos por formalização podem agora ser interpretados modificando os conceitos utilizados para a
formalização, do mesmo modo que o processo de intuição obteremos novos conceitos, enriquecendo assim nosso
entendimento.

– 98–
De modo semelhante ao processo de intuição podemos representar os conceitos obtidos pela interpretação obtendo
uma representação mais ampla que a obtida por formalização. O conhecimento simbólico que pode ser obtido é o que
conhecemos como conseqüências lógicas.

Os resultados obtidos em cada plano modificam-se a medida em que todo

este processo se verifica. A formação dos conceitos segue, de certa forma, o ciclo do conhecimento:

– 99–
No processo de formalização e elaboração de uma teoria algo semelhante acontece. Dos conceitos ou modelos para as
teorias, através de formalização e conseqüente elaboração ou interpretação, surgem novos modelos que não haviam
sido observados no plano real. A experimentação de interpretações novas, em última análise servirá como justificativa
ou refutação das teorias, em algum estágio deste processo 1.
O conhecimento obtido por formalização, a partir dos conceitos formados sobre fenômenos que ocorrem no
real, é quase sempre incompleto. Isto significa que as teorias formalizadas são sempre deficientes. Para que
entendamos melhor o conceito de incompleto, vamos inicialmente apresentar a noção de sistemas semânticos.

5.1.1 – Sistemas de Avaliação

Através do processo contínuo de percepção e avaliação, forma-se o conhecimento sobre um determinado

mundo, que idealmente é o conjunto de todas as configurações admissíveis no mundo em questão. A cada uma dessas
configurações denominamos modelo. Estes modelos podem ser de natureza nebulosa e fragmentária, ou seja, nem
sempre são entendidos em todos os seus detalhes. Em se tratando de modelos do mundo real, jamais conseguiremos ter
o conhecimento completo.
O nosso conhecimento é apenas a forma como percebemos a realidade, e portanto, nunca deve ser confundido
com a realidade, que é regida por leis próprias obviamente desconhecidas. Já o nosso conhecimento é apenas uma
maneira de explicar os fenômenos que sensibilizam os órgãos sensoriais.
A esta coleção de modelos costumamos chamar sistema de crenças de um indivíduo com respeito a um
determinado mundo. Neste texto, seguindo a terminologia vigente, também nos referiremos a esta coleção como o
mundo possível. A família M de modelos, sendo de natureza conceitual, fica situada no vértice C do triângulo.
Em relação a um determinado estado de coisas, podemos perceber ou até mesmo conceber diferentes
configurações. Cada uma delas possui uma valoração com respeito ao mundo possível, de acordo com um conjunto de
valores e um processo de avaliação. A avaliação, por sua vez , é o julgamento atribuído a alguma configuração
(percebida, comunicada ou concebida) relativa ao nosso mundo possível M.. Podemos imaginar que uma nova
configuração é comparada a cada uma das configurações que já adquiriram o status de modelo ou configuração do
mundo possível.
O conjunto de valores abstratos que usamos para medir varia de acordo com a natureza do conhecimento
relacionado ao estado de coisas em julgamento. Assim, podemos ter um conjunto bem determinado de valores, tais
como:
{ justo, injusto }
{ deficiente, insuficiente, regular, bom, ótimo, excelente }
e o mais usual:

1
Esta visão pode parecer bastante Popperiana, mas como observamos anteriormente, os paradigmas correntes influenciam e
muitas vezes determinam os resultados obtidos em qualquer dos planos, mesmo o real, pois nossa participação como seres sociais
modifica o real de várias maneiras.

– 100–
 { verdadeiro, falso }

Certos mundos, entretanto, admitem conjuntos nebulosos ou mesmo conjuntos indeterminados de valores.
Pode-se observar ainda que, mesmo para conjuntos bem determinados, como os acima citados, temos também a
questão sobre o significado de cada elemento. Neste sentido, tanto o grau de indeterminação destes elementos quanto
a sua complexidade estão diretamente relacionados ao grau de compreensão que se tem da realidade. Tais valores, por
serem de natureza conceitual, situam-se no vértice C do triângulo do significado.
Estabelecido um conjunto de valores, pode-se pensar na definição dos critérios de julgamento, ou seja, de que
forma devemos proceder para associar uma dada configuração a um valor. Esta, como pretendemos evidenciar, é uma
tarefa de natureza bem mais complexa.
Julgar, como se sabe, é uma tarefa tão mais imprecisa quanto menor é o grau de entendimento do problema.
Por exemplo, nas competições de atletismo, a escolha do melhor atleta é feita por medições precisas, ao passo que no
futebol ou no basquete a mesma escolha requer alto grau de subjetividade.

O processo de avaliação situa-se no vértice C. Muito embora, mais freqüentemente, tal processo seja um
objeto de natureza abstrata, equivalente a uma função, pode também ter uma representação simbólica que, em vez de
uma conotação descritiva intensional ou extensional, tenha uma conotação operacional ou algoritmica.
Pessoas experientes em julgar ocorrências de um mesmo tipo de atividade, ou um certo tipo de fenômeno,
possuem um conjunto de modelos melhor delineados, com limites e fronteiras mais precisas. Tais pessoas, que
chamaremos de ESPECIALISTAS, processam suas avaliações de modo quase imediato, pois sentem que o resultado
de suas percepções do real se encaixam ou não com configurações que já lhe são familiares, percebidas e apreendidas
anteriormente.
A questão, que talvez surja na mente do leitor, é como mecanizar os sistemas de avaliação, principalmente nos
casos em que o processo ou função de avaliação é pouco compreendido. Responder a esta questão, ainda que de forma
aproximada, é o objetivo deste trabalho.

5.1.2 – Sistemas Semânticos

– 101–
 Utilizaremos a palavra LINGUAGEM como referência à parte simbólica dos sistemas de significado2. As linguagens
situam-se no vértice S do triângulo e formam um todo estruturado composto de:
• átomos - sinais sonoros ou gráficos identificáveis individualmente (fonemas ou letras);
• palavras - certas seqüências temporais ou espaciais de átomos;
• sentenças - seqüências temporais ou espaciais de palavras.
Se considerarmos a sentença:
Maria passeia na praia
Interpretamos, se conhecemos a língua portuguesa:
• “Maria” como sendo uma mulher e, caso seja alguém conhecida, formamos uma imagem, que será tanto mais
precisa quanto maior for o nosso conhecimento;
• “Passeia” como sendo uma atividade de locomoção;
• “Praia” como sendo uma região à beira-mar.

O processo de interpretação funciona do mesmo modo que a percepção direta da realidade; no entanto, as
configurações geradas são apenas reconhecidas como pertencentes aos modelos que adquirimos anteriormente através
do processo de aculturamento.
Convém observar que quando usamos a palavra função para o processo de avaliação estamos fazendo uma
simplificação: estamos supondo que a interpretação de uma sentença gera apenas uma configuração e que o processo
subjacente de avaliação nos fornece, de modo inequívoco, um valor abstrato. Na realidade, faremos um estudo das
exigências relacionadas não apenas aos sistemas de avaliação, mas aos sistemas semânticos.

Modelos

2
Embora de natureza simbólica, uma linguagem pode ser algo ne buloso,sem fronteiras muito claras, porém coerente para o grupo social que dela faz uso. As
comunicações, muitas vezes de natureza ambígua, quando interpretadas geram configurações, do mesmo modo que as percepções diretas da realidade.

– 102–
 Para fixar o nosso entendimento do que discutimos acima, vamos considerar o problema de colorir objetos
com cores, e discutir as componentes linguagem, modelos, valores abstratos e função de avaliação do sistema
semântico correspondente.
Muito embora os modelos sejam de natureza conceitual, para comunicá-los ou mesmo estudá-los é comum utilizar
algum tipo de linguagem (na realidade uma metalinguagem, pois a apresentação da família de modelos de um sistema
semântico se passa fora do sistema). Por exemplo, apresentamos modelos, com o objetivo de esclarecer o conceito de
sistema semântico, e usaremos a língua portuguesa enriquecida com a linguagem matemática e desenhos.
Particularizando o problema de colorir objetos para o caso de três objetos e duas cores podemos imaginar a
representação dos modelos por meio de figuras coloridas.

Tal representação poderia ser mais compacta, utilizando uma linguagem de grafos "bipartites":

Vejam que, neste tipo de representação, a relação entre cada objeto e uma cor fica individualizada, e assim a
descrição dos modelos é mais refinada do que um desenho ou pintura, existindo uma diferenciação entre objetos e
cores. Na figura os desenhos separados por linhas pontilhadas representam, não coleções de objetos co-loridos, mas
sim grafos bipartites ou seja coleções de relacionamentos entre objetos e cores.

Estes relaciona-mentos são fatos atômicos, e cada modelo é uma coleção de fatos atômicos. Isto, nos sugere uma
representa-ção por letras com índices pij, interpretados como: o objeto i está colorido pela cor j. Assim p12 significa
que o objeto 1 está colorido pela cor 2.

Os modelos são conjuntos de letras indexadas, que descrevem os mundos possíveis. É interessante, neste ponto, que
o leitor verifique que esta maneira de representação é isomorfa à dos grafos bipartites, com a vantagem de ser mais
compacta. Podemos ainda descrever os mundos possíveis usando a linguagem matricial de tal modo que o elemento
aij, ou seja o elemento da linha i e coluna j será 1 ou 0 dependendo do fato de que o objeto i é ou não colorido pela cor
j, os possíveis modelos são:

– 103–
Observe que a representação matricial de modelos, diferentemente dos grafos bipartites e das letras p{ij}, é inadequada
para a representação de fatos atômicos}, pois descreve indivisivelmente um mundo possível.

Sempre é possível estabelecer vínculos entre as diferentes formas de representação, por exemplo:

ou mesmo entre representações de fatos atômicos:

Estas correspondências possibilitam as avaliações dos modelos M com respeito à linguagem L de um sistema
semântico. Em geral, os modelos podem ser infinitos. Neste caso, por exemplo, podemos admitir um espectro
contínuo de cores, para o qual nenhum dos métodos de representação apresentado seria adequado se preten-dêssemos
representar a totalidade de situações possíveis.

Linguagem

No item anterior, fizemos uso de linguagens para descrever modelos, fora do sistema semântico que pretendemos
apresentar, porém dentro de um sistema semântico tacitamente admitido, mas não explicitado. Assim, as linguagens
utilizadas, embora não precisamente definidas, foram suficientemente poderosas para transmitir ao leitor um
entendimento dos modelos.

Podemos construir, ou definir um sistema semântico que tem como linguagem exatamente uma das usadas pa-ra
definir os modelos, e tomar uma outra para representação dos modelos pois, mesmo num sistema semânti-co, o uso de
uma meta-linguagem de representação dos modelos é importante para a definição, ou explicação da função de
avaliação. Assim se tomarmos como linguagem L a linguagem matricial e como modelos os conjuntos de letras pij,
teríamos que a sentença

estaria descrevendo o modelo (representado pela linguagem pij)

– 104–
No entanto a linguagem matricial é mais adequada para modelar do que para sentenciar por sua incapacidade de
expressar fatos atômicos. Se adotarmos como linguagem as letras pij, podemos expressar o fato atômico p21 usando,
alternativamente, os grafos "bipartites" como linguagem de modelagem.

Vemos assim que podemos escolher linguagens para:

• Representar modelos;
• Expressar propriedades de modelos;

A representação de modelos, possui exigências diferentes da representação de suas propriedades: a primeira

pode ser menos precisa, mais compacta, porém deve ser adequada para que se possa avaliar, através de cor-
respondências, se as propriedades dos modelos expressas pela segunda linguagem (a oficial do sistema semântico)
satisfazem os modelos.

Apenas para exemplificar, vamos adotar uma linguagem construída a partir das letras pij pelo uso do conectivo e,
e como metalinguagem para descrição dos modelos a própria linguagem das letras pij. Assim a sentença “p12 e p21” é
satisfeita pelos modelos

a função de avaliação é muito simples:

• Uma sentença atômica pij é satisfeita por um modelo M se e somente se pij pertence a M.
• Uma sentença “α e β” é satisfeita por um modelo M se e somente se α e β são satisfeitas por M.

A idéia é definir a função de avaliação das sentenças atômicas e, posteriormente, definir a função de avaliação para
as sentenças moleculares.

Evolução dos sistemas semânticos

Como foi dito anteriormente, é através às necessidades de comunicação de um grupo social, que os sistemas de código
e em particular os sistemas semânticos, são gerados e aperfeiçoados. Na figura abaixo ilustramos o fato de que,
inicialmente, de modo espontâneo o grupo social gera um certo sistema semântico, digamos

que na realidade é a interseção de vários sistemas semânticos individuais, provavelmente já parcialmente inatos nos
indivíduos ou parcialmente adquiridos em grupos sociais menos amplos (familiares?)pelos indivíduos que compõem o
grupo social.

– 105–
as diferenças entre sistemas semânticos individuais é que, em última análise são responsáveis pelas dificuldades de
comunicação, gerando ambigüidades, etc...

Simplificação das linguagens

O desenvolvimento das linguagens tem uma tradição de simplificações de sua estrutura sintática ou na maioria das
vezes na própria morfologia. As linguagens podem ser consideradas, para fins de estudo, fora de um sistema
semântico e quando assim consideradas dizemos que temos uma pré - linguagem. Em geral, as pre-linguagens são
obtidas a partir de uma linguagem natural, através de estudos de adequação de certas locuções com respeito a um
fenômeno.

Apenas locuções consideradas como sentenças atômicas são inicialmente consideradas. Tais sentenças são
modificadas ou sintaticamente transformadas em formas mais compactas e uniformes. Note que estas transformações,
embora sintáticas, são feitas com o cuidado de que o significado C0 no plano conceitual seja preservado, ou que pelo
menos um dos significados o seja, quando existe uma indeterminação ou ambigüidade.
Vimos no nosso exemplo de objetos e cores que a sentença do Português
(1) "o objeto i tem cor j"
poderia ser representado em várias pré-linguagens uma das quais usava a letra p com índices i, j ou seja por pij. Esta é
a fase inicial em que consideramos (1) como uma sentença atômica. Ainda para o mesmo exemplo de aplicação

– 106–
usamos duas possíveis extensões moleculares, uma em que as sentenças moleculares eram conjuntos de tais sentenças
atômicas e a outra em que as sentenças moleculares eram obtidas pelo uso do conectivo "e".

5.1.3– Relações e funções entre os planos Conceitual e Simbólico

Na seção 5.1.1 discutimos de modo informal os relacionamentos que existem entre os três planos Real,
Conceitual e Simbólico. Os processos relacionando, apenas, os planos conceitual e simbólico são mais bem
entendidos. O processo de formalização dos conceitos a partir do plano conceitual é, em geral, bastante impreciso e
pouco metódico, no entanto algumas vezes os conceitos são representados pela utilização de sistemas semânticos mais
simples ou mais primitivos o que pode viabilizar a obtenção de uma formalização sistemática e mesmo computável.
De qualquer maneira consideraremos, inicialmente que já temos uma formalização A de algum fenômeno. A fase de
interpretação é apresentada abaixo

Mod(A) é a classe de modelos do sistema semântico que interpretam A. Na fase seguinte, formalizando esta
parte obteríamos as conseqüências lógicas deste núcleo formalizado. Assim, conseqüências lógicas que são sintáticas
que coincide, se fizer interpretação, com a mesma coisa. A interpretação deste global, da mesma maneira que aqui em
baixo.

– 107–
 Quando uma teoria é completa, seus axiomas são suficientes para gerar pelo processo de conseqüência lógica
ou inferência lógica tudo que pode ser afirmado a respeito do fenômeno que os axiomas A descrevem. Se uma
sentença da linguagem se situa fora de Teo(Mod(A)) então seus modelos não interceptam Mod(A). A figura abaixo
expressa tal fato

No caso de uma teoria incompleta, que é mais comum, existem sentenças fora de Teo(Mod(A)) que possuem
modelos comuns com a interpretação dos axiomas, ou seja existem sentenças que são compatíveis com a teoria pois
afirmam coisas (situações ou configurações) que ocorrem naa interpretação da teoria mas não foram explicitados
como axiomas, nem são conseqüência lógica dos axiomas. A situação de incompletude é a mais comum, mesmo nas
ciências ditas exatas, as teorias humanas e sociais são essencialmente incompletas. É esta incompletetude que as
tornam mais interessantes e ricas.

– 108–
 A justificativa destas sentenças devem ser buscadas fora da teoria, elas necessitam de suporte factual. Este
suporte é buscado a partir do processo de abdução, que é a base teórica para a aquisição de conhecimento.

A aquisição do conhecimento é baseada numa crença operacional. Significa que temos que admitir, para
poder atuar no mundo, que exita uma estrutura lógica no mundo, este mundo todo de idéias, fatos reais, de fenômenos
reais ou mesmo de fantasias. Existem conhecimentos mais primitivos, mais abstratos que outros e conhecimentos dali
derivados. A própria noção de racionalismo, que diz que as coisas tem justificativas, é nossa única ação no sentido de
atuar com respeito ao mundo. Não quer dizer que exista, que seja verdade, esta racionalidade. Trata-se de uma
hipótese operacional, mas é uma crença útil de admitir para que possa explicar o mundo de uma forma estruturada.

– 109–
 Esta figura apresenta os planos, desde o real até os
conceituais ou os simbólicos, em níveis cada vez
mais abstratos. Temos aqui níveis de abstração
cada vez mais simbólico e menos real. Na figura
temos o triângulo do significado, tendo o real em
baixo.

Assim os fatos devem ter razões pelas quais

acontecem, mesmo que sejam tênues,
probabilísticas, simples esperança, uma avaliação etc. Temos conceitos novos dos quais depende o original, numa
hierarquia entre os conceitos. Então teremos fatos cada vez mais próximas do real. Chegará num ponto, segundo
Carnap, que atingiremos algo passível a ser conhecido diretamente por observação. Nesta estrutura, há coisas que não
podemos conhecer diretamente, necessitando de uma cadeia lógica para chegar ao observável. A cadeia lógica vai até
o nível do real. Podem haver coisas com dependência pendente, necessitando de mais investigações, de uma hipótese
ou teoria até chegar ao ponto de uma dependência ou algo observável. Esta é a visão que temos do trabalho de um
analista de conhecimento. Estas hipóteses podem ser representadas através de regras introduzidas. O processo de
aquisição do conhecimento parte de um alvo desconhecido e, através de um diálogo, são listados as dependências
essenciais que fazem parte ou explicam aquele outro aspecto. Isto geraria as regras resultando uma estrutura
semelhante àquela. A questão fato1 depende dos fatos fato2, fato3 e fato4, isto pode ser representado como uma regra:

Se fato2 e fato3 e fato4 então fato1

o fato 2 depende dos fatos fato5 e fato6 , portanto a regra:

Se fato5 e fato6 então fato2

e assim se constrói a hierarquia dada pelas regras, que também terá dependências. Os conceitos aqui marcados são
pendentes, os outros dependem deles. A aquisição de conhecimento é o processo de se obter estas estruturas até chegar
ao nível do observável.

i
A partir do momento em que é capaz de o levar a este estado, pode dizer-se que nasceu nele o espírito
filosófico. Possui então a inteira certeza de não conhecer nem um sol nem uma terra, mas apenas olhos que
vêem este sol, mãos que tocam esta terra; em uma palavra, ele sabe que o mundo que o cerca existe apenas
como representação, na sua relação com um ser que percebe, que é o próprio homem.” Se existe uma
verdade que se possa afirmar apr iorié esta, pois ela exprime o modo de toda experiência possível e
imaginável, conceito muito mais geral que os de tempo, espaço e causalidade que o implicam. Com efeito,

– 110–
cada um destes conceitos, nos quais reconhecemos formas diversas do princípio da razão, apenas é aplicável
a uma ordem determinada de representações; a distinção entre sujeito e objeto é, pelo contrário, o modo
comum a todas, o único sob o qual se pode conceber uma representação qualquer, abstrata ou intuitiva,
racional ou empírica. Nenhuma verdade é, portanto, mais certa, mais absoluta, mais evidente do que esta:
tudo o que existe, existe para o pensamento, isto é, o universo inteiro apenas é objeto em relação a um
sujeito, percepção apenas, em relação a um espírito que percebe. Em uma palavra, é pura representação. Esta
lei aplica-se naturalmente a todo o presente, a todo o passado e a todo o futuro, aquilo que está longe, tal
como aquilo que está perto de nós, visto que ela é verdadeira para o próprio tempo e o próprio espaço,
graças aos quais as representações particulares se distinguem umas das outras. Tudo o que o mundo encerra
ou pode encerrar está nesta dependência necessária perante o sujeito, e apenas existe para o sujeito.”
Em “O mundo como vontade e representação - Editora Contraponto -2004

Bi
bli
ogr
afi
a

AIKINS, J S. Pr
oto
typi
calk
nowl
edgef
ore
xpe
rts
yst
ems
. Artificial Intelligence 20(2):163-210, feb 83.
ALLEN, J., Na
tur
alLa
ngua
geUnde
rst
andi
ng, New York, The Benjamin/ Cummings Publishing Company, 1987.
BEARDON, D. L. & HOLMES,G., Na t
ura
lLa
ngua
gea
ndCo
mput
ati
ona
lLi
ngui
st
ics
:anI
ntr
oduc
tio
n. Ellis Horwood
Limited, New York, NY, 1991.
BENNET, J. S., ROGET:A Knowledge-Base
adSys temf orAc q ui
ri
ngt
heCo
nce
ptua
lSt
ruc
tur
eofaDi
agno
sti
c,Expe
rtSys
tem.
In Journal of Automated Reasoning 1, 49-74, 1985.
BENNETT, J et alii. Ak
nowl
edge
-ba
sedc
ons
ult
antf
ors
trut
ura
lana
lys
is.Stanford Un, Ca., sep 78 (Computer Science Dept).
BISWAS, G et alii. Kno
wle
dge
-as
sit
eddo
cume
ntr
etr
iva
l. Journal The Am Soc for Info Science, 38(2):83-110, 87.
BRACHAMM, R. J., ILi
edAb
outt
heTr
ees
, AI Magazine, Vol. 6, (3), pp. 80-93, Fall, 1985.
BRAGA, J. L., EPI
STEME-Aq uisiç
ã oeEs truturaç ã
oAut
omá
tic
asdeCo
nhe
cime
nto
, Tese de D.Sc., Pontifícia Universidade
Católica, Rio de Janeiro, RJ, Brasil, 1990.

BUNGE, M., Sc
ient
if
icRe
sea
rchITheSe
arc
hforTr
uth, New York, Springer-Verlag, 1967.

BUNGE, M., Tr
eatiseonBas
icPhi
los
ophy
,Vol
umeI
,Se
mant
ic
sI:Se
nsean
dRe
fer
enc
e, Dordrecht, D. Reidel Publishing
Company, 1974.
CARNAP, R., I
ntr
oduc
tio
ntoSymb
oli
cLo
gica
ndi
tsAppl
ic
ati
ons
, New York, Dover Publications, 1958.
CARNAP, R., TheLo
gicSt
ruc
tur
eoft
heWo
rld, 2nd Edition, Los Angeles, University of California Press, 1969.
CARVALHO, F M S et alii. Lí
nguapo
rtugue
sanal
inhadei
nfo
rma
çõe
sdoCo
mér
cioExt
eri
or. Simp Bras IA, Anais 4º, p. 299-
306, Uberlândia, out 87.
CARVALHO, R. L., Abstrac tSe ma nticalSys tems , Relatório Interno LNCC no 008/90, Laboratório Nacional de
Computação Científica, Rio de Janeiro, RJ, 1990.
CARVALHO, R. L., Si
st
ema sc om Ba sedeCo nhe ciment o
, Relatório Interno LNCC s/no, Laboratório Nacional de
Computação Científica, Rio de Janeiro, RJ, 1991.
CHOMSKY, N. As
pec
tosdaTe
ori
adaSi
nta
xe. A. Amado Editor, Coimbra, Portugal, 1965.
FERREIRA, A C. DOUTOR:um s
ist
emadea
uxí
li
oàdi
agno
se. PUC/RJ, Dep. Informática, fev 86 (dis. mestrado).
GENARO, S. Si
st
ema
ses
pec
ial
is
tas
:oc
onhe
cime
ntoa
rti
fi
ci
al. 1ª ed., Rio, 86, LTC, 192 p.
GREEN, C C. Theappl i
cat
iono
fthe
ore
m pr
ovi
ngt
oque
sti
on-
ans
wer
ings
yst
ems(
QA3)
. Stanford AI Project, june 69, 162 p.
(PhD Thesis).
LENAT, D P. EURI
SKO:apr
ogr
amat
hel
ear
nsne
whe
uri
sti
canddo
mai
nco
nce
pt. AI, 21(1983):51-89, 83.

– 111–
LOBATO, L. M. P., Si
nta
xeGe r
ati
vadoPo
rtuguê
s:daTe
ori
aPa
drã
oàTe
ori
adaRe
gênc
iaeLi
gaç
ão. Vigília Editora, Belo
Horizonte, MG, 1986.
LYONS, J., I
ntr
oduc
tio
ntoThe
ore
ti
calLi
ngui
st
ics
, New York, Cambridge University Press, 1968.
MARTINEZ, R. Pr o
gr ama cionem Re
gla
sdePr
oduc
cio
n unaI
ntr
oduc
cio
nal
osSi
st
ema
sdePr
oduc
cio
nes
. Campinas, Vieira
Gráfica e Editora, 1991.
MCT/CONI/SEI. ISe
miná
riodeI
nte
li
gênc
iaAr
ti
ci
al
:pe
rspe
cti
vab
ras
il
ei
ra. Brasília, out 85.
MINSKY, M., A Fr a
mewo
rkf
orRe
pre
sent
ingKno
wle
dge
, In The Psychology of Computer Vision, McGraw-Hill, New
York, 1975.
MONTEIRO, S. L., Um Sub
conjunt oRe gulardoPo rt uguês , Relatório Interno LNCC no 027/88, Laboratório Nacional de
Computação Científica, Rio de Janeiro, RJ, 1968.

MUSEN, M. A., Aut

omat
edGe
ner
ati
onofMode
l-Bas
edKn
owl
edgeAc
qui
si
ti
onTool
s, London, Pitman, 1989.

NEWELL, A., TheKnowl

edgeLe
vel
, In: Artificial Intelligence, v. 18, no 1 (Jan), pp. 87-127, 1982.
NILSSON, N J. Pr
inc
ipl
eso
far
ti
fi
ci
ali
nte
ll
ige
nce
, 1ª ed., Berlin, 82, Springer-Verlag, 228 p.
NOLT, J.& ROHATYN, D.Ló
gic
a, Editora McGraw-Hill, São Paulo, Brasil, 1991.

OGDEN, C. K.& RICHARDS, I. A., TheMe

ani
ngofMe
ani
ng, London, Ark Paperbacks, 1923.

OLIVEIRA, C. M. G. M., AnAr chitectur

ef orLabe lledThe orem Pr ov
ingThe
ore
ti
calAs
pec
tsandI
mpl
eme
ntat
ion, Ph.D.
Dissertation, The University of London, London, England, 1995.

OLIVEIRA, A. P., Casame ntodePadr õe se m Ambi ent epar aPr

oce
ssame
ntodeCo
nhe
cime
nto, Tese de D.Sc., Pontifícia
Universidade Católica, Rio de Janeiro, RJ, Brasil, 1996.
POLIT, S. R1a
ndb
eyo
nd:AIt
echno
logyt
rans
fera
tDEC. The AI magazine, winter 85.
PONTES, R. C. V., Aq uisiç ã
odeConhe
cime
ntopo
rMá
qui
nas
, Tese de M. Sc., Instituto Militar de Engenharia, Rio de
Janeiro, RJ, Brasil, 1990.

POPPER, K. R., Obj

ect
iv
eKnowl
edgeAnEv
olut
ionar
yAp
proac
h, Revised Edition, Oxford, Clarendon Press, 1979.

QUENTAL, V., Li nguísti

caComput ac i
onal–AGe raç ãoAut omát icadeTe xtos, In: Cadernos Didáticos UFRJ 17, Espaços e
Interfaces da Lingüística e da Lingüística Aplicada, Organizadores L. P. M. Lopes e M. C. Mollica, pp. 187-195, 1996.
QUINLAN, J. R.Le arni
ngEf fi
cientCl a
ssi
fi
cationPr ocedur esandTheirApplicatio
nt oChe s
sEndGa me s
, In R. S. Michalski et
al. (eds), Machine Learning: An Artificial Intelligence Approach, Tioga, Palo Alto, Calif., USA, l983.
RICH, E. & KNIGHT, K.I
nte
li
gênc
iaAr
ti
fi
ci
al
, São Paulo: McGrawHill, 1994.
SCOWN, S J. Thea
rti
fi
ci
ali
ntge
ll
ige
ncee
xpe
rie
nce
:ani
ntr
oduc
tio
n. Digital Equip. Co., 85 180 p.
SILVA, J. L.T., Ut
il
iz
açã
odoPa radigmadeMul tia
ge ntesnoPr oces
same
ntodaLi
ngua
gem Na
tur
al,Tese de M. Sc., Pontifícia
Universidade Católica, Porto Alegre, RS, Brasil, 1997.
SOUZA, E. M. M., Um Ve
rif
ic
adorGr ama t
icalpa raum Sub
conj
unt
odaGr
amá
tic
adaLí
nguaPo
rtugue
sa, Tese de M.Sc.,
COPPE/UFRJ, Rio de Janeiro, RJ, Brasil, 1997.
SOWA, J F. Conceptua ls
truc
tur
es:i
nfo
rma
tio
npr
oce
ssi
ngi
nmi
nda
ndma
chi
ne.
, 1ª ed., Reading Mass., 84, Addison-
Wesley, 481 p.
VALERIO, J. D. P., Us odeOr á c
ulo
snaAq
uis
içã
oAut
omá
tic
adeCo
nhe
cime
nto
, Tese de D. Sc., COPPE/UFRJ, Rio de
Janeiro, RJ, Brasil, 1998.
VALERIO, J. D. P., Vali
da çãoeMa nute nç
ãoe
m Ba
sesdeCo
nhe
cime
nto
, Tese de M. Sc., Instituto Militar de Engenharia,
Rio de Janeiro, RJ, Brasil, 1990.
van MELLE, W. Ado
mai
ns-
inde
pende
tpr
oduc
tio
n-r
ules
yst
emf
orc
ons
ult
ati
onpr
ogr
ams
. Proc IJCAI-79, 79 p. 923-925.
van MELLE, W et alii. EMYCI
N:ak nowl edgee ngi
nee
r'st oolforconst
ruti
ngr ule-ba s
ede xpe r
tsys
temsI
n:Rul
e-
Bas
edExpe
rt
Syst
e ms(ed. Buchanan & Shortliffe). New York, 84, Addison-Wesley, p. 302-328.

– 112–
VLEDUTS-STOKOLOV, N. Co nceptrecogni t
io ni
naa
uto
mat
ict
ext
-pr
oce
ssi
ngs
yst
emf
ort
hel
if
esc
ienc
es.Journal The Am
Soc for Info Science, 38(4)269-287, 87.
WATERMAN, D A & PETERSON, M A. Mo
del
sofl
ega
lde
cis
ion-
mak
ing.RAND Co, 81 (REport R-2717-ICJ).
WINSTON, P H. Ar
ti
fi
ci
ali
nte
ll
ige
nce
. 2ª ed., Reading Mass., 84, Addison-Wesley, 524 p.

– 113–