Beruflich Dokumente
Kultur Dokumente
Tese
apresentada
Faculdade
de
Ps-graduao
Engenharia
Eltrica
da
de
Banca Examinadora:
Prof. Dra. Slvia Laurentiz ECA/USP
Prof. Dr. Hermes Renato Hildebrand PUCSP
Prof. Dr. Adolfo Maia Jr. IMECC/UNICAMP
Dr. Josu Jr. Guimares Ramos DRVC/CenPRA
Prof. Dr. Rafael Santos Mendes FEEC/UNICAMP
Prof. Dr. Clsio Luis Tozzi FEEC/UNICAMP
1. Computao grfica.
gentica (computao).
2. Programao
3. Sistemas multimdia.
4.
7. Algoritmos genticos. 8.
ii
A
van, Andria e Ian,
e a todos que sempre estiveram ao meu lado.
iii
Agradecimentos
Ao meu orientador, o incansvel Prof. Dr. Fernando Jos Von Zuben, pelo seu
interesse e abertura a reas novas, e forte incentivo, apoio e carinho a esse trabalho.
Ao meu co-orientador e amigo, Prof. Dr. Jnatas Manzolli, pelo seu entusiasmado
amor msica e tudo que a envolva.
Ao querido Prof. Dr. Adolfo Maia Jr., que dispendeu numerosas horas me
auxiliando com listas de exerccio e reviso desse trabalho.
Aos membros da banca, Prof. Dra. Slvia Laurentiz, Prof. Dr. Hermes Renato
Hildebrand, Prof. Dr. Adolfo Maia, Prof. Dr. Rafael Santos Mendes e Prof. Dr. Clsio Luis
Tozzi, pela sua leitura, envolvimento e comentrios.
minha cunhada Dra. Ilka Veiga Moroni, pela rpida e precisa reviso ortogrfica.
Ao gentil Prof. Dr. Hermes Renato Hildebrand, que me supriu com material
bibliogrfico da PUC/SP.
minha amiga Dra. Evelin Abreu Teixeira, pela sua solicitude e apoio.
Aos meus orientadores de mestrado, Prof. Dr. Tomasz Kowaltowski, Prof. Dr.
Cludio Leonardo Lucchesi e Prof. Dr. Lo Pini Magalhes, sempre presentes em meus
dilogos interiores.
NDICE
1. INTRODUO
1.1 O Homem, o Artista e a Sociedade
1.2 Criatividade e Computao Evolutiva
1.3 Objetivos e Organizao
1
2
4
7
9
12
13
16
17
20
20
20
21
22
24
26
31
35
39
41
46
48
50
53
54
56
60
63
68
71
72
74
75
78
79
79
82
83
87
92
93
94
98
99
100
103
103
104
109
112
114
116
121
124
125
127
128
129
132
133
136
139
140
142
145
147
149
152
153
159
162
164
168
171
172
173
174
176
179
180
181
183
184
185
186
7. CONCLUSO
7.1 Redes, ns e conexes
7.2 Exerccio de ArTEbitrariedade
7.3 Perspectivas Futuras
189
189
191
192
REFERNCIAS BIBLIOGRFICAS
193
vii
ALGORITMOS
Algoritmo 2.1 Verso bsica do mtodo cientfico
Algoritmo 4.1 Algoritmo gentico tradicional
Algoritmo 5.1 Algoritmo gentico empregado pelo ArtLab
Algoritmo 5.2 Variao do Algoritmo Gentico aplicado ao VOX ...
viii
35
95
121
161
DEFINIES
Definio 1.1 Criatividade qualquer ato, idia, ou produto
Definio 1.2 A definio de uma pessoa criativa algum
Definio 1.3 Uma idia meramente nova aquela que pode ser
Definio 1.4 Espao conceitual o sistema gerativo que sustenta
Definio 1.5 Inteligncia a capacidade de um sistema adaptar
Definio 5.1 Uma melodia pode ser definida como uma seqncia
Definio 5.2 Dadas duas notas com uma razo de freqncia
Definio 5.3 Um conjunto nebuloso S em U caracterizado
Definio 5.4 Uma nota musical um sub-conjunto nebuloso
Definio 5.5 A consonncia entre S1 e S2 ento definida
Definio 5.6 O centro tonal da melodia S ento definido como
ix
15
15
19
22
28
147
153
156
156
158
159
EQUAES
Equao 3.1
Equao 3.2
Equao 3.3
Equao 3.4
Equao 3.5
Equao 3.6
Equao 3.7
Equao 3.8
Equao 5.1
Equao 5.2
Equao 5.3
Equao 5.4
Equao 5.5
Equao 5.6
Equao 5.7
Equao 5.8
Equao 5.9
Equao 5.10
Equao 5.11
Equao 5.12
Equao 5.13
Equao 5.14
Equao 5.15
Equao 5.16
Equao 5.17
74
74
74
74
75
75
75
75
145
150
150
150
151
151
151
152
156
156
157
158
158
159
160
160
160
FIGURAS
Figura 2.1
Figura 3.1
Figura 3.2
Figura 3.3
Figura 3.4
Figura 3.6
Figura 3.5
Figura 3.7
Figura 3.8
Figura 3.9
Figura 3.10
Figura 3.11
Figura 3.12
Figura 3.13
Figura 3.14
Figura 3.15
Figura 3.16
Figura 3.17
Figura 3.18
Figura 3.19
Figura 3.20
Figura 4.1
Figura 4.2
Figura 4.3
Figura 4.4
Figura 4.5
Figura 4.6
Figura 5.1
Figura 5.2
Figura 5.3
Figura 5.4
Figura 5.5
Figura 5.6
Figura 5.7
Figura 5.8
Figura 5.9
xi
38
42
43
44
45
47
47
49
52
52
62
65
66
67
69
70
70
73
75
77
78
84
85
86
95
96
96
113
115
117
119
120
120
121
122
123
xii
124
126
127
130
131
133
135
137
139
148
154
155
158
161
164
165
167
167
175
175
176
178
180
182
183
TABELAS
Tabela 5.1 Modo Jnio ou Escala Maior seguindo as propores
Tabela 5.2 Indicaes de dinmica musical
Tabela 5.3 Equivalncias entre parmetros sonoros e MIDI
Tabela 5.4 Pesos Meldicos (PM)
Tabela 5.5 Pesos Harmnicos (PH)
Tabela 5.6 Altura dos componentes harmnicos, onde x uma parcial
Tabela 5.7 Ordem decrescente da consonncia musical de acordo com
xiii
145
146
148
150
151
157
159
1
INTRODUO
Esse trabalho insere-se na rea que comea a ser conhecida como Criatividade
Computacional. Este termo definitivamente existe e, por paradoxal que possa parecer,
envolve um amplo espectro de sub-reas, que vai desde a pesquisa da criatividade como um
fenmeno psicolgico e social, por meios computacionais, at a pesquisa aplicada ao apoio
computacional a pessoas criativas (BENTLEY & CORNE, 2002). E nesse contexto, que
abrange desde os sistemas que exibem algum tipo de criatividade at os sistemas que
apoiam a criatividade, que esse trabalho se desenvolve e a que o termo arTEbitrariedade se
aplica.
A arTEbitrariedade refere-se iniciativa de se incrementar o julgamento esttico,
arbitrrio, utilizando-se de ambientes que aplicam tcnicas de computao evolutiva e
outras tcnicas populacionais para busca exploratria, nos domnios sonoro e visual.
Associada forte interao homem-mquina, a arTEbitrariedade permite explorar a
criatividade humana e a criatividade computacional produzindo resultados emergentes que
no seriam obtidos sem tal interao.
Ao longo de toda a sua histria, a arte contou com os meios do seu tempo para dar
forma inovao artstica ( FRANKE, 1986). E sendo o computador, hoje, recurso quase que
universal de informao e comunicao, justifica-se o seu emprego como meio e
instrumento artstico.
No que se refere criatividade computacional, a rea de Inteligncia Artificial j
tem pelo menos uma proposta de um modelo computacional de criatividade. DAWKINS
(1991), em seu livro The Blind Watchmaker, comenta que a seleo cumulativa num
modelo computacional um procedimento eficiente de busca, e suas conseqncias
assemelham-se verdadeira criatividade. Ainda, procedimentos efetivos de busca
tornam-se, quando o espao de busca suficientemente grande, indistingveis da
verdadeira criatividade (DAWKINS, 1991). Os modelos computacionais dos biomorfos de
Dawkins, que sero discutidos nesta tese, constituem uma ponte entre os processos criativos
humanos e a criatividade resultante do processo de seleo natural. E o paradigma
adotado a Computao Evolutiva.
Computao Evolutiva engloba todas as iniciativas de simulao computacional da
evoluo. A evoluo categorizada por vrios nveis de hierarquia: o gene, o
cromossomo, o indivduo, as espcies, o ecossistema. O resultado de tal modelagem uma
srie de algoritmos de otimizao que resultam de operaes e procedimentos muito
simples e aplicados sobre um cdigo gentico: crossover, mutao, avaliao, seleo,
reproduo. Estes vrios procedimentos so implementados num algoritmo de busca, nesse
caso uma busca baseada em populaes. Algoritmos baseados na evoluo tm potencial
suficiente para resolver problemas de engenharia que resistiram soluo por outras
tcnicas mais convencionais. Alm disso, os algoritmos evolutivos so suficientemente
genricos para serem aplicados, sem modificao, a uma variedade de problemas ao invs
de um problema especfico (M ICHALEWICZ & FOGEL, 1998).
1.1
Mas a Computao Evolutiva, por si s, insuficiente para englobar todas as etapas que
ocorrem durante o processo de criao artstica. MENDES (2003) faz alguns comentrios
relevantes sobre o livro "Mozart, A Sociologia de um Gnio", do socilogo alemo
NORBERT ELIAS (1995). Segundo MENDES (2003), Elias estabelece com fineza as relaes
2
entre o homem, o artista e a sociedade onde viveu. Para ELIAS (1995), impossvel pensar
a histria de Mozart, como msico, fora do contexto social em que vivia.
Um aspecto incomum nesta obra o tratamento dado questo da criao artstica;
ela considerada sob trs aspectos: inicialmente Freud citado para abordar o lado criador
do trabalho do sonho, onde novas conexes, freqentemente incompreensveis, so
desveladas quele que sonha. Contudo, essas fantasias em geral s interessam a seu prprio
gerador. O que distingue as fantasias inovadoras como obras de arte que elas possam ser
reconhecidas por muitas pessoas. Eis aqui, segundo Elias, a grande dificuldade da criao
artstica: cruzar a ponte entre a fantasia privada e aquela que ele chama de "desprivatizada",
isto , aquela capaz de ser compartilhada por toda uma sociedade. Para efetuar esse passo, o
artista deve ser capaz de subordinar o poder da fantasia, expressa em seus sonhos, s
regularidades intrnsecas do material (seja ele uma pedra, as cores, as palavras, os sons), de
modo que seus produtos sejam livres de todo resduo relacionado experincia pessoal.
Em seguida, ELIAS (1995) aborda a capacidade (alm daquela de fantasiar sobre um
material dado) que o artista deve ter para criar o fluxo de fantasias por meio do material,
sem perder a espontaneidade, o dinamismo e a fora inovadora. Para isso necessria uma
completa intimidade com o material, um treinamento amplo no que diz respeito sua
manipulao, e um grande conhecimento de suas propriedades. O perigo desse treinamento
e desse conhecimento o enfraquecimento da fora e da espontaneidade dessas fantasias.
Finalmente, colocado um terceiro elemento no processo de criao: a conscincia
artstica do produtor. a voz que diz se um resultado bom ou no. Se o artista se desloca
em vias bem estabelecidas, essa conscincia a voz das referncias sociais da arte. Mas, se
o artista amplia as referncias conhecidas, como foi o caso de Mozart, ento ele deve contar
com sua prpria conscincia artstica.
O ponto alto da criao artstica , portanto, alcanado quando a espontaneidade e a
inventividade do fluxo-fantasia se fundem de uma tal maneira com os conhecimentos sobre
as regularidades do material e com o julgamento do artista que as fantasias inovadoras
aparecem por si mesmas, satisfazendo s demandas do material e da conscincia (M ENDES,
2003).
Ser possvel a automatizao de todas as etapas envolvidas nos processos
mencionados acima, de forma a viabilizar um Mozart automtico, compositor, aplicado
1.2
lado criador do processo. Por idia a autora se refere a uma estrutura que de alguma
maneira satisfaa um estilo de pensamento ou, numa linguagem mais prxima da usada em
computao evolutiva, uma soluo para aquele estilo. soluo e ao estilo esto
associados o espao conceitual, ou o sistema gerativo que sustenta um dado domnio e
define um certo conjunto de possibilidades. Assim, quanto maior for o conhecimento sobre
o espao conceitual, maiores sero as possibilidades de se obter melhores solues, o que
vai de encontro ao segundo aspecto colocado por ELIAS (1995), ou seja, o grande
conhecimento das propriedades do material que est sendo tratado.
Nos algoritmos evolutivos a serem considerados nesta tese, cada cromossomo
contm uma possvel soluo. Em geral, na operao de crossover, por exemplo, usam-se
dois cromossomos para gerar um novo cromossomo. Isto pode ser feito tomando-se partes
de dois cromossomos e colocando-os juntos para formar um novo cromossomo
(MICHALEWICZ & FOGEL, 1998). As solues resultantes so ento combinaes de idias,
e j remetem ao tipo combinatrio de criatividade. Talvez, ao se pensar na representao
mais comum de um cromossomo uma cadeia de genes , parte de um cromossomo
possa parecer muito pouco para conter uma idia, mas importante notar que todos os seres
vivos so de certa forma codificados pelos seus cromossomos. Vale a pena lembrar que, no
domnio computacional, um gene pode estar associado a uma estrutura altamente complexa.
Assim, um cromossomo, no contexto computacional, pode estar associado a uma
combinao de unidades elementares de alta complexidade. Mas, talvez seja demasiado
esperar que cromossomos possam conter informaes sobre procedimentos sofisticados tal
como a embriognese, por exemplo, ou outros, ainda no compreendidos, talvez nem
vislumbrados. De novo, h boas razes para se duvidar que as caractersticas do processo
evolutivo tenham sido completamente identificadas, e possam ser automatizadas.
O outro contexto importante quanto criatividade, tambm apontado por ELIAS
(1995) como terceiro elemento, o da validao, ou seja, o contexto que trata da avaliao
das idias. Este contexto ser apresentado nesta tese, do ponto de vista psicolgico, por
CSIKSZENTMIHALYI (1996). interessante no trabalho desse autor que ele tambm aponta
criatividade como o resultado da interao de um sistema composto de trs elementos: uma
cultura que contm regras simblicas, uma pessoa que traz novidades dentro do domnio
simblico e um jri de especialistas que reconhecem e validam a inovao. E, se o modelo
1.3
Objetivos e Organizao
2
INTELIGNCIA ARTIFICIAL E
CRIATIVIDADE
Inteligncia Artificial (IA) estuda os aspectos da inteligncia em geral e seus mtodos para
tentar habilitar os computadores a realizar feitos que a mente humana pode executar, tal
como: ver, falar, contar histrias ou pensar de maneira lgica ou analgica. Mas os
computadores podem ser criativos? A primeira pessoa a denunciar esse absurdo foi Ada
Lovelace (BODEN, 1996), amiga e colaboradora de Charles Babbage, afirmando que os
computadores no podem ter a pretenso de originar qualquer coisa. Eles podem apenas
fazer qualquer coisa que ns saibamos como ordenar a eles que faam. Ela reconheceu que
o Engenho Analtico de Babbage, em essncia um projeto para um computador digital,
poderia em princpio compor peas de msica elaboradas e cientficas de qualquer grau de
complexidade e extenso, mas insistiu que a criatividade envolvida em quaisquer peas de
msica elaboradas e resultantes do Engenho Analtico deveria ser creditada ao engenheiro,
no ao engenho. O Engenho Analtico nunca foi construdo, mas Babbage reconheceu que
sua mquina era capaz de, por exemplo, jogar xadrez, buscando respostas possveis dentre
as alternativas baseadas nos movimentos permitidos a cada lance. TURING (1950 apud
FOGEL, 1995) retrucou o argumento de Lady Lovelace, colocando que sua argumentao
era equivalente a dizer que nenhuma mquina capaz de surpreender, mas ele notou que
freqentemente as mquinas agem de maneira inesperada porque o conjunto de condies
iniciais da mquina geralmente desconhecido; ento, uma previso acurada de todos os
possveis comportamentos dos mecanismos seria impossvel.
Uma interessante reflexo a respeito da criatividade das mquinas levantada por
DARTNALL (1994): desde o Iluminismo Francs h uma crescente difuso do conceito de
que as pessoas podem ser um tipo de mquina. Da mesma forma, h uma percepo de que
as mquinas no podem ser criativas. Assim, h uma tendncia a se acreditar que as pessoas
so mquinas, mas tambm que as mquinas no podem fazer algo que
caracteristicamente humano.
Mas, de acordo com DARTNALL (1994), h dois fatos que decorrem da: se as
mquinas no podem ser criativas, ento (a) elas no podem ser inteligentes; e (b) as
pessoas, que podem ser criativas, no podem ser mquinas. A primeira decorrncia diz
respeito IA, e a segunda s cincias cognitivas. Se as mquinas no podem ser criativas,
elas no podem ter mentes em si, no sentido de serem capazes de gerar suas prprias
idias, e difcil ver como um sistema que no pode gerar suas prprias idias pode ser
inteligente. Isto seria o fim das aspiraes da rea de IA, ao se considerar que o objetivo
maior dessa rea o de desenvolver mquinas inteligentes. Igualmente, se as mquinas no
podem ser criativas, isto seria o fim da viso do Iluminismo Francs de ver o Homem como
Mquina. Isto tambm seria um golpe no corpo das cincias cognitivas, que buscam
modelos computacionais dos processos cognitivos humanos. Mas certamente, se a
criatividade no um processo computacional, ainda assim poderia ser possvel simular
computacionalmente aspectos associados a seus efeitos. No entanto, se as mquinas no
podem ser criativas, a fora motora por trs da cincia cognitiva perde-se, desde que se
considere que as cincias cognitivas so movidas pela crena de que so os processos
cognitivos que interessam, e que estes podem ser realizados tanto por computadores quanto
por crebros.
Assim, coloca DARTNALL (1994), quo contundentes so os argumentos contra a
criatividade da mquina? O grito de que os computadores no podem ser criativos consiste
10
11
idia nova criativa? Se no, qual a diferena? A avaliao positiva essencial? Que tipo
de avaliao, e feita por quem, relevante? A criatividade uma categoria psicolgica ou
social? O processo criativo o mesmo nas artes e nas cincias, ou estas formas de
originalidade so fundamentalmente distintas? Sobre artistas e cientistas, eles tm ou
precisam de personalidades diferentes da pessoa mdia, e talvez diferentes entre si? A
criatividade pode ser medida, e se pode, como? possvel em princpio comparar duas
idias novas para mostrar que uma mais criativa que outra? Ou este tipo de julgamento,
apesar de familiar, alguma coisa que no pode ser justificado em termos objetivos, ainda
mais quantitativos? E, por ltimo, supondo que a criatividade pode ser reconhecida,
possvel explicar como ela acontece?
desaparecer em poucas geraes. Mas algumas poucas contribuem, e so essas que contam
para a evoluo biolgica.
Na evoluo cultural no h mecanismos equivalentes aos genes e cromossomos.
Portanto, uma nova idia ou inveno no automaticamente passada adiante prxima
gerao. Instrues sobre como usar o fogo, ou a roda, ou a energia atmica no so
construdas no sistema nervoso das crianas nascidas aps a descoberta: cada criana tem
que aprend-las do incio. A analogia dos genes na evoluo da cultura so os memes, ou
unidades de informao, que ns precisamos receber como herana para a cultura continuar
(DAWKINS, 1989). Linguagens, nmeros, teorias, canes, receitas, leis e valores so todos
memes; e so estes memes que uma pessoa criativa muda, e se acontecer de as pessoas
certas virem esta mudana como uma melhoria, a mudana torna-se parte da cultura.
Assim, para entender a criatividade, no basta estudar os indivduos criativos; sua
contribuio, enquanto necessria e importante, somente um elo em uma cadeia, uma fase
em um processo. Dizer que Einstein inventou a relatividade uma simplificao
conveniente; a inveno de Einstein teria sido inconcebvel sem o conhecimento a priori,
sem a rede intelectual e social que estimulou o seu pensamento, e sem os mecanismos
sociais que reconheceram e divulgaram suas inovaes.
2.1.1
13
a) O Domnio
O primeiro componente da criatividade o domnio, que consiste de um conjunto de regras
simblicas e procedimentos. Matemtica um domnio ou, numa resoluo mais fina,
lgebra e teoria numrica podem ser vistas como domnios. Domnios so por sua vez
aninhados no que usualmente chamado de cultura, ou o conhecimento simblico
compartilhado por um grupo em particular, ou pela sociedade como um todo.
b) O Jri
O segundo componente, o jri, consiste de todos os indivduos que atuam como os
mantenedores e atualizadores do domnio. No contexto da atualizao do domnio, seu
trabalho decidir se uma nova idia ou produto deve ser includa em um domnio. Nas
artes visuais, por exemplo, o jri pode ser constitudo por professores de arte, curadores de
museus, colecionadores, crticos e administradores de fundaes e agncias do governo que
lidam com a cultura. Mas estes no so os nicos agentes capazes de selecionar quais novos
trabalhos artsticos devem ser reconhecidos, preservados e relembrados, pois nada impede
que outros agentes sirvam como jri e que caminhos no-oficiais sejam trilhados para se
chegar a uma mudana no domnio.
Alm disso, so inmeras as situaes em que um corpo de especialistas j
estabelecido atua, consciente ou inconscientemente, no sentido de repudiar deliberadamente
as inovaes no domnio, no atendendo de forma alguma os requisitos indicados acima
para caracterizar o jri, visto que no reconhecem nem legitimam qualquer inovao. Isto
particularmente evidente no contexto cientfico (KUHN, 1996).
Independente de quem exerce o papel de jri, de modo a definir o que deve ser feito
com novas idias e produtos, toda atualizao do domnio requer a interveno de um jri.
c) O Indivduo
Finalmente, o terceiro componente do sistema criativo o indivduo. A criatividade ocorre
quando uma pessoa, usando os smbolos de um dado domnio tal como msica, engenharia
ou matemtica, tem uma nova idia ou v um novo padro, e ento esta novidade
selecionada pelo jri para incluso dentro do domnio relevante. A prxima gerao
encontrar a novidade como parte do domnio e, se forem criativos, por sua vez, o
expandiro. Ocasionalmente, criatividade envolve o estabelecimento de um novo domnio.
Poderia ser argumentado que Galileu iniciou a Fsica Experimental e Freud inaugurou a
14
A INTERNALIZAO DO S ISTEMA
Ainda, de acordo com CSIKSZENTMIHALYI (1996), uma pessoa que quer realizar uma
contribuio criativa no apenas deve trabalhar dentro de um sistema criativo mas tambm
reproduzir o sistema dentro da sua mente (KUHN, 1996). Em outras palavras, a pessoa deve
aprender as regras e o contedo do domnio, bem como o critrio de seleo, de
preferncia do jri. Na cincia praticamente impossvel fazer uma contribuio criativa
sem internalizar o conhecimento fundamental do domnio. Artistas acreditam que um pintor
no pode fazer uma contribuio criativa sem olhar, muito, a arte anterior, e saber o que
outros artistas consideram bom ou ruim. Escritores dizem que preciso ler muito e
determinar quais so os critrios geralmente adotados para uma boa escrita, antes de se
escrever criativamente. Resumidamente, so necessrios trs aspectos para ser um pensador
original:
ter a habilidade de se livrar do lixo. No se pode ter s boas idias, e preciso ser capaz
de se livrar imediatamente das idias ruins, das que no (aparentemente ou
definitivamente) no atendem os objetivos.
Assim, para ser criativa, a pessoa tem que internalizar o sistema inteiro que torna a
criatividade possvel.
Criatividade e Ateno
Ao se desejar mudar alguma coisa, deve-se prestar ateno informao a ser aprendida, e
ateno um recurso limitado. H muita informao a ser processada a cada instante.
Mesmo no caso especfico dos seres humanos, uma grande parte da quota dedicada
16
tarefa de sobreviver a cada dia. Em uma vida inteira, a quantidade de ateno dedicada a
aprender um domnio simblico, tal como msica ou fsica, uma frao dessa quantidade
j pequena. Ainda, para conseguir criatividade em um domnio existente, deve haver
ateno extra disponvel. Por isso, centros tais como a Grcia no sculo V A.C., Florena
no sculo XV e Paris no sculo XIX foram lugares onde a riqueza permitiu que os
indivduos aprendessem e experimentassem mais e alm do que era necessrio para a
sobrevivncia. Tambm parece ser verdade que centros de criatividade tendem a ser a
interseo de diferentes culturas, onde crenas, estilos de vida e conhecimentos se misturam
e permitem aos indivduos verem mais combinaes e contrapontos de idias com mais
facilidade. Nas culturas que so uniformes e rgidas, um grande investimento de ateno
necessrio para se obter novas maneiras de pensar. Em outras palavras, criatividade aparece
mais em lugares onde novas idias requerem menos esforo para serem percebidas.
18
quadrado? 3.591.471 um nmero primo? Isto um soneto, e aquilo uma sonata? Aquela
pintura do estilo impressionista? Aquele teorema geomtrico poderia ser provado pelo
mtodo de Euclides? Aquela cadeia de palavras uma sentena? Um anel de benzeno
uma estrutura molecular passvel de descrio pela qumica do incio do sculo XIX (antes
do famoso e inspirado devaneio de Friedrich von Kekul, em 1865)?
esse tipo de questo que se aplica ao se perguntar se uma idia criativa ou no,
ao contrrio de como ela surgiu. Mas quando uma estrutura particular produzida na
prtica, pode-se tambm perguntar quais processos participaram de sua produo. Um
particular gemetra provou um teorema particular desta ou daquela maneira? A sonata foi
composta seguindo um livro-texto sobre a forma da sonata? O arquiteto, consciente ou
inconscientemente, projetou a casa tendo em mente determinados princpios formais?
Kekul baseou-se nos ento familiares princpios de qumica para gerar sua idia seminal
sobre o anel de benzeno e, se no, como ele o produziu?
Pode-se ento distinguir novidade de primeira-mo de originalidade radical:
Definio 1.3
Uma idia meramente nova aquela que pode ser descrita e/ou produzida pelo
mesmo conjunto de regras gerativas como so outras idias familiares. Uma idia
genuinamente original ou radicalmente criativa uma que no pode.
19
CRIATIVIDADE COMBINATRIA
CRIATIVIDADE EXPLORATRIA
20
2.3.3
CRIATIVIDADE TRANSFORMADORA
21
23
serpentes
apanhara
prpria
cauda
forma
rodava
Esta viso foi a origem de sua intuio de que a molcula de benzeno deveria ser
uma anel, uma intuio que foi posteriormente confirmada. Antes disso, Kekul tinha
suposto que todas as molculas orgnicas eram baseadas em cadeias de tomos de carbono.
Ele tinha suposto uma teoria de cadeia alguns anos antes. Mas para o benzeno, as valncias
dos tomos constituintes no assentavam. Pode-se compreender como foi possvel passar de
cadeias para anis, caso se considerem trs evidncias psicolgicas (BODEN, 1996).
Primeiro, que cobras e cadeias estavam associadas em seu pensamento. Segundo, que a
distino topolgica entre curvas abertas e fechadas estava presente em sua mente. E
terceiro, que a heurstica considerar a negativa estava presente. Tomados juntos, estes
trs fatores podem transformar uma cadeia em um anel.
As respostas que Boden prope para as primeiras trs questes so: Sim,
definitivamente; Sim, at certo ponto; Sim, necessariamente, para qualquer programa que
aparente ser criativo. O principal interesse de Boden focado na criatividade dos seres
humanos, e a abordagem computacional pode ajudar a entender como a criatividade
humana possvel. Isto no significa que a criatividade previsvel, nem mesmo que uma
idia original possa ser explicada em cada detalhe aps ela ter acontecido. Mas a
abordagem computacional permite o esboo de uma compreenso cientfica de como a
intuio ocorre.
Quanto ltima das questes, vale a pena lembrar que, afinal, mesmo entre os
humanos, gnios so raros. Talvez a psicologia computacional, rea que extrai muitos dos
seus conceitos da inteligncia artificial, possa trazer algumas luzes para essa pergunta. A
psicologia da criatividade pode se beneficiar da IA e da cincia da computao
precisamente porque um computador pode fazer somente o que o seu software o habilita a
fazer. Por um lado, os conceitos computacionais e sua expresso disciplinada em termos de
linguagens de programao podem ajudar a especificar os princpios gerativos claramente;
por outro lado, a modelagem computacional pode mostrar na prtica o que um sistema
gerativo em particular pode ou no pode fazer. Os resultados tendem a ser surpreendentes,
pois o potencial gerativo de um programa nem sempre bvio: o computador pode fazer
25
27
A definio acima sugere que uma formiga no pode ser inteligente, mas uma
colnia de formigas sim. evidente que esta definio de inteligncia muito genrica e
pouco discriminatria, posicionando o ser humano e uma colnia de insetos num mesmo
agrupamento. No entanto, ela no afirma que no podem existir gradaes bem distintas de
inteligncia, de modo que o ser humano apresente peculiaridades de inteligncia
definitivamente ausentes em outros seres vivos, como o nvel de desenvolvimento da
linguagem, dentre muitas outras habilidades. O que relevante apontar aqui que no
necessrio reproduzir em computador estas habilidades mais avanadas, mais elaboradas e
at exclusivas do ser humano para se chegar a um sistema que expresse inteligncia
artificial, bastando reproduzir aquelas habilidades que conduzem ao atendimento da
definio acima e que tambm esto presentes no ser humano, mas no so exclusivas da
espcie humana.
28
29
30
32
uma velocidade em que o satlite pode viajar e permanecer naquela rbita. Se ele estivesse
viajando a qualquer outra velocidade, ele poderia mover-se ou no espao vazio, ou em
direo ao sol, ou mudar de rbita. E caso se olhe para os planetas do sistema solar, cada
um deles est se deslocando velocidade exata necessria para se manter em sua rbita
estvel ao redor do sol. Eis a um outro filtro natural, no podendo assim ser tomado
como evidncia de um projeto consciente.
Mas exemplos tais como o filtro no so, por si mesmos, nem de longe suficientes
para os inmeros exemplos de ordem no-aleatria encontrados nos seres vivos. Gerar uma
molcula biolgica como a hemoglobina, o pigmento vermelho do sangue, por uma simples
filtragem seria equivalente a tomar todos os blocos de aminocidos da hemoglobina,
sacudi-los aleatoriamente e esperar que a molcula da hemoglobina se constitua por pura
sorte. A quantidade de sorte necessria para isso seria impensvel. A molcula da
hemoglobina consiste de quatro cadeias de aminocidos torcidas juntas; apenas uma dessas
cadeias consiste de 146 aminocidos e h 20 diferentes tipos de aminocidos comumente
encontrados nos seres vivos. O nmero de possveis maneiras de se arranjar os 20
aminocidos em cadeias de comprimento 146 20146 , denominado por Isac Asimov de
nmero da hemoglobina (haemoglobin number), que da ordem de 1 com 190 zeros
direita. Esta a chance contra se obter a hemoglobina por pura sorte, e uma molcula de
hemoglobina tem somente uma frao mnima de um ser vivo. Filtragem ou triagem
simples, por si s, no nem de longe capaz de gerar a quantidade de ordem de um ser
vivo; algo mais necessrio. Para isso, necessrio uma distino entre seleo passo a
passo e seleo cumulativa. A organizao encontrada nos seres vivos pode ento ser
interpretada como o resultado de seleo cumulativa.
A diferena essencial entre a seleo passo a passo e a seleo cumulativa que na
seleo passo a passo as entidades selecionadas ou escolhidas, pedras ou quaisquer que
sejam, so escolhidas de uma vez por todas. Na seleo cumulativa, por outro lado, elas se
reproduzem ou, de outro modo, os resultados de um processo de triagem so alimentados
em uma triagem subseqente, a qual alimentada no prximo, e assim por diante. As
entidades esto sujeitas seleo ou escolha de muitas geraes em sucesso. O produto
final de uma gerao de seleo o ponto de partida para a prxima gerao de seleo, e
assim por diante, por muitas geraes. A seleo cumulativa, seja na seleo artificial como
33
34
a eficcia do mtodo cientfico pode ser diretamente empregada para demonstrar que os
processos evolutivos so eficazes, devido equivalncia entre ambos;
36
Teoria 1: Marte povoada por homens verdes pequenos que podem ler a mente de todos os
terrqueos e iro se esconder toda vez que um terrqueo estiver observando o planeta ou o
explorando in loco, procura deles.
37
Testes
modificar hipteses
na presena de
discrepncias
Observaes
Hipteses
Predies
Teoria
Figura 2.1 Diagrama descritivo do mtodo cientfico
38
3
SISTEMAS APLICADOS
CRIATIVIDADE
No decorrer das dcadas, muitas tm sido as tentativas de construir programas que
capturam aspectos dos processos criativos em todos os tipos de domnio. O campo muito
vasto para percorrer em um nico captulo. BODEN (1990) apresentou um excelente sumrio
de vrios tipos de projetos. Inteligncia Artificial o campo em que muito dessa pesquisa
acontece e trs principais reas desta cincia esto comumente envolvidas na pesquisa
associada a sistemas criativos: sistemas baseados no conhecimento, gramticas e busca
iterativa.
Sistemas baseados no conhecimento (SBC) existem em vrias formas, mas sua
caracterstica a incorporao do conhecimento do especialista de algum domnio,
usualmente na forma de regras. Certamente, desde que um SBC precisa de regras de um
especialista de um domnio, as regras em si precisam ser adquiridas do(s) especialista(s).
De acordo com a discusso do Captulo 2, isto eliminaria a possibilidade de um SBC ser
criativo, mas resultados aparentemente teis e agradveis podem surgir de uma explorao
39
40
Cohen. E o que ele tinha em mente? Declarado no catlogo, desde que ele estava
trabalhando com computadores, ele no tinha em mente fazer desenhos naturalistas a pastel.
No porque seria difcil, mas porque seria inapropriado. Mas ele tambm no tinha em
mente desenhar aquelas interminveis figuras geomtricas identificadas como computer
art. O que o fascinava no computador no era a sua preciso, nem sua prodigiosa
capacidade para executar tarefas, nem mesmo sua versatilidade; era a sua habilidade de
construir uma funo de tomada de deciso complexa, que beirava os estranhos e lgicos
processos humanos. A mquina no era importante para ele, mas o seu uso tornava possvel
a formulao precisa e rigorosa de modos de clarificar aqueles processos e os processos em
geral envolvidos nas atividades artsticas. Oito anos mais tarde, o filsofo francs JeanFranois Lyotard observaria que tais atos de exteriorizao estavam transformando a
natureza de todo o conhecimento, e radicalmente predisse que qualquer conhecimento no
traduzvel dessa maneira seria abandonado.
42
Harold Cohen um caso muito especial porque diz respeito a um artista que teve
grande prestgio na Inglaterra nos anos 60 e que poderia ter dado continuidade a uma
carreira estvel e confortvel, se alguma inquietao profunda no o tivesse levado a
abandonar a pintura, migrar para os Estados Unidos, e integrar-se a um circunspecto grupo
de cientistas que promovia pesquisas no terreno da Inteligncia Artificial, na tentativa um
tanto quixotesca poca, de construir uma mquina de pintar controlada por computador.
Carente de formao matemtica e cientfica, Cohen teve de amargar mais de uma dcada
estudando linguagens de computador, at que estivesse em condies de mostrar
publicamente sua mquina funcionando ao vivo e produzindo pinturas remotamente
figurativas. O mais curioso nas imagens produzidas pelo Aaron que elas no apenas
43
44
Da mesma forma que os artistas figurativos tm que saber sobre as entidades que
eles esto representando, cada programa precisa de um modelo interno de seu tema, que o
seu sistema de produo, ou a gramtica do corpo, no caso, que especifica, por exemplo,
no somente a anatomia do corpo humano (dois braos, duas pernas), mas tambm como as
vrias partes aparecem dos diferentes pontos de vista. O brao de um acrobata apontando
para o observador se apresentar em escoro; um brao flexionado ter um bceps saliente;
e um brao atrs do corpo de um outro acrobata estar invisvel. O programa pode desenhar
acrobatas com apenas um brao visvel, mas no pode desenhar acrobatas com um nico
brao, pois o seu modelo do ser humano no suporta tal representao. Os programas
contm regras lidando com a estabilidade do corpo humano e com o balano da pintura,
45
algumas das quais podem implicitamente ou explicitamente assumir que todas as pessoas
tm quatro membros. Assim, uma pessoa com um nico brao colocada cuidadosamente no
papel pareceria desbalanceada, se o critrio esttico guiando a colocao supusesse uma
pessoa de dois braos. O critrio de avaliao pode entrar na gerao da estrutura
conceitual, bem como na sua seleo/rejeio posterior.
Os programas de Cohen so como desenhistas de um nico estilo. O estilo pode ser
bastante rico, ou o sistema gerativo bastante poderoso, de modo que os desenhos sejam
individualmente imprevisveis; mas o estilo facilmente reconhecido. Somente Cohen pode
mudar as restries contidas no programa, habilitando-o a desenhar figuras que no foram
desenhadas antes. Para ser capaz de transformar seu estilo, um programa precisaria de uma
meta-representao das restries usadas no nvel inferior. O potencial criativo de um
sistema auto-transformante depende de como ele representa a sua habilidade, e quais
heursticas esto disponveis para modificar aquelas representaes e ento aumentar o seu
poder de expresso.
3.1.1
O COMPORTAMENTO -X
Cohen (1999) no considera Aaron criativo. Enfatiza ainda que criativo um termo que,
se puder, no usa, mas confessa que quando pensa na produo de um Bach ou Mozart,
entre outros, acha difcil negar que de fato h um comportamento-X que aparenta ser
distinto de inteligncia, e tenta identificar nos seres humanos elementos essenciais do
comportamento-X, seja ele chamado de criatividade ou no, seja ele distinto de inteligncia
ou no. Apesar de Harold Cohen reconhecer no ter a formao psico-pedaggica
necessria para a anlise que ser relatada a seguir, ele tinha sua filha Zana, na poca com
quatro anos. Os determinantes do comportamento de Zana eram relativamente ditados pela
inexperincia, e comeou a observar o seu comportamento no desenho. Observou o rabisco,
a passagem para as formas fechadas, a descoberta de dois narizes (narinas), a aplicao de
estratgia aprendida na escola, ao colocar a mo no papel para desenh-la. Neste caso, ela
sempre fechava a forma ao levantar a mo do papel, ilustrando a preocupao cognitiva
com a forma fechada. Aps isso, comearam a surgir sugestes de unhas e juntas nos
dedos. Quando comeou a desenhar aqueles pequenos brinquedos corda que caminham,
colocou pernas nos desenhos, apesar de que os brinquedos no tinham pernas.
46
Vale a pena comentar aqui que isto no essencialmente um erro, apesar de revelar
uma falha de observao, mas uma evidncia clara de que, ao desenhar, crianas e adultos
representam os modelos internos do mundo externo, e no o mundo em si. GOMBRICH
(1989) ilustra bem isso, atravs de uma gravura romana de 1601, que alega que a estampa
representa uma gigantesca baleia lanada praia perto de Ancona (veja figura 3.6) e
desenhada exatamente a partir do natural (Ritratto qui dal naturale appunto). A alegao
47
ADAPTAO E O COMPORTAMENTO -X
Cohen inclinado a pensar que h uma diferena entre o conhecimento que foi
internalizado ao ponto em que o especialista no mais se percebe recorrendo a ele, e o
conhecimento que no foi conscientemente adquirido em primeiro lugar, de forma que o
especialista nunca soube que ele o tinha. Ainda de acordo com COHEN (1999), adaptao ou
reciclagem de formas e tecnologias de produo em contextos outros, alm daqueles em
que as formas e as tecnologias se originaram, clara caracterstica do desenvolvimento de
crianas, bem como de manifestaes de comportamento-X em adultos. Para a pequena
Zana, uma linha longa ligada a uma forma fechada tornou-se uma margarida; linhas curtas
saindo de uma forma fechada produziram o sol ou um leo. Ainda, Cohen observou que
48
alguns meses depois Zana comeou a introduzir textos em seus desenhos, j que os
livros, lidos por seus pais, eram parte de sua vida.
Muitos so os exemplos nesse sentido, sendo que GOMBRICH (1986) ilustra com o
smbolo de So Mateus (figura 3.7). Os escribas de Nortmbria, Inglaterra, eram
maravilhosamente hbeis no entrelaamento de formas e no desenho de letras. Diante da
tarefa de copiar a imagem de um homem, smbolo do evangelista So Mateus, oriundo de
uma tradio inteiramente diversa da sua, deram-se por satisfeitos em constru-la com as
unidades que sabiam manejar com tanta percia. A soluo criativa, por enfrentar o
49
OS ELEMENTOS DO COMPORTAMENTO -X
Em essncia, COHEN (1999) reconhece, ao observar sua filha, trs elementos presentes na
realizao de uma atividade. Primeiro, a emergncia, que implica numa sucesso de
eventos suficientemente complexa para garanti-la. Segundo, a ateno de que algo emergiu,
e aqui ele distingue ateno consciente da inconsciente. Somente uma pequena parte de
toda a informao apresentada aos sentidos consciente, o que no significa que
desaparece sem deixar resduo. Mas h evidncias de que a maior parte da informao que
chega ao crebro no absolutamente consciente. Terceiro, sem a qual dificilmente se
saberia que a ateno ocorreu, a disposio de agir de acordo com as implicaes do que
emergiu. Isto certamente implica numa motivao distinta em cada indivduo. Alm disso,
Cohen acrescenta um quarto elemento ainda no observado na pequena Zana:
conhecimento. Em sua opinio, uma grande quantidade de conhecimento em alguma rea
50
51
52
COMPLEXIDADE E EMERGNCIA
entre milhares e milhes de dcadas para serem completados. Todos os nossos julgamentos
intuitivos do que provvel podem estar errados por muitas ordens de magnitude. O bem
afinado aparato de ceticismo e da noo de probabilidade subjetiva engana-se por
estrondosas margens, simplesmente porque afinado ironicamente, pela prpria evoluo
para trabalhar dentro de um tempo de vida de algumas dcadas. Um grande esforo da
imaginao requerido para escapar da priso da escala de tempo familiar (DAWKINS,
1991).
Um outro aspecto com relao ao qual nossos crebros parecem predispostos a
resistir ao darwinismo deriva do grande sucesso humano em design criativo. O mundo
dominado por feitos em engenharia e trabalhos artsticos. Estamos inteiramente
acostumados com a idia de que a elegncia complexa um indicador de design
premeditado e elaborado. Foi necessrio um grande salto imaginativo para Darwin e
Wallace constatarem que, contrria a toda a intuio, h uma outra maneira muito mais
plausvel para que o design complexo surja da simplicidade primria. Trata-se de um salto
imaginativo to grande que, at hoje, muitas pessoas so incapazes de realizar.
O que um objeto complexo e como reconhec-lo? Em que sentido verdadeiro
dizer que um relgio ou um avio ou um ouvido ou uma pessoa complexo, mas a Lua
simples? A primeira resposta que poderia ocorrer como um atributo necessrio para um
objeto complexo que ele tem uma estrutura heterognea. Um pudim ou um manjar
simples no sentido de que, se ns o dividirmos em dois, as duas pores tero a mesma
constituio interna. Um carro heterogneo, pois quase qualquer parte de um carro
diferente das outras partes, e ao se tomar uma metade de um carro no mais se obtm um
carro.
Heterogeneidade pode ser condio necessria, mas no suficiente. Num
encaminhamento adiante, pode-se afirmar que a complexidade diretamente proporcional
ao comprimento da menor descrio possvel de um objeto (CASTI, 1994). Uma outra
definio a seguinte: um objeto complexo algo cujas partes constituintes so arranjadas
de uma maneira que dificilmente teriam acontecido por acaso (DAWKINS, 1991). Ao se
tomar as partes de uma aeronave e embaralh-las, a possibilidade de se obter um Boeing
operante como resultado infinitamente pequena. H ainda mais possibilidades de se reunir
as partes de um ser humano sem produzir sequer um ser vivo.
55
Esta definio de complexidade promissora, mas algo mais necessrio. O que faz
uma aeronave ou o homem complicados, e a Lua simples? Objetos complexos tm alguma
qualidade, pr-especificada, altamente improvvel de ter sido adquirida somente por acaso.
Tudo na natureza obedece a um conjunto de leis, como as leis da fsica. No entanto, ao se
tentar usar estas leis para entender como se pode chegar ao nvel de organizao e interao
das partes que compem um ser humano, por exemplo, no se chegar muito longe.
Mas que tipo de explicao para um ser complexo, animado ou inanimado,
satisfaria? At o momento considerou-se o mecanismo, ou seja, como ele trabalha. Mas um
outro tipo de questo como uma entidade complexa surge. Uma entidade complexa tal
que sua existncia muito improvvel que tenha acontecido gratuitamente, por acaso. A
explicao darwiniana que sua existncia surgiu como uma conseqncia de
transformaes cumulativas, passo a passo, a partir de entidades mais simples, a partir de
entidades primordiais suficientemente simples que poderiam ter surgido por acaso. A
seleo natural o relojoeiro cego (DAWKINS, 1991). Cego porque no v adiante, no
planeja as conseqncias, no tem nenhum propsito em mente. Ainda assim, os resultados
da seleo natural impressionam com a sua aparncia de projeto, como se feito por um
mestre do design, dando a iluso de planejamento.
3.2.2
Pode-se dizer que um organismo vivo bem projetado se ele tem os atributos que um
engenheiro inteligente e habilidoso intencionalmente colocou de maneira a atingir algum
propsito, tal como voar, nadar, ver, comer ou, mais genericamente, promover a
sobrevivncia e a replicao dos genes do organismo. No necessrio supor que o projeto
de um organismo o melhor que um engenheiro poderia conceber, mas qualquer
engenheiro pode reconhecer um objeto que tenha sido projetado, mesmo pobremente
projetado, para um propsito, e ele pode usualmente concluir o propsito apenas analisando
a estrutura do objeto.
Um exemplo particular que provavelmente impressiona qualquer engenheiro o
sonar nos morcegos. Os morcegos tm um problema: como se localizar no escuro. Eles
caam noite, no podem usar a luz para ajud-los a localizar suas presas e evitar
obstculos. Eles poderiam caar durante o dia, mas esse perodo , em geral, explorado por
outras criaturas concorrentes, alm de levar a uma maior exposio a potenciais inimigos
56
naturais. Dado que existe vida noite, e dado que o perodo alternativo bastante
concorrido, a seleo natural favoreceu os morcegos que saem para caar noite. Radar e
sonar so desenvolvimentos altamente qualificados na tecnologia militar. A noo de que
os morcegos faziam algo, mesmo que remotamente, anlogo aos ltimos triunfos da
engenharia eletrnica, quando divulgada, surpreendeu muitas pessoas. E fcil entender o
porqu. Os sentidos humanos no so capazes de fazer o que os morcegos fazem, e os seres
humanos s podem compreender o radar e o sonar no nvel da instrumentao artificial e
dos clculos matemticos envolvidos. , portanto, difcil imaginar um pequeno animal
tendo tudo isso na cabea. Mas os clculos matemticos que seriam necessrios para
explicar os princpios da viso so to ou mais complexos e difceis, e ningum tem a
menor dificuldade em acreditar que pequenos animais podem enxergar.
Assim, altamente improvvel que seres animados tenham surgido por acaso. A
resposta de Darwin, j mencionada na seo 2.6, : por transformaes simples, passo a
passo, a partir de incios simples, a partir de entidades primordiais suficientemente simples
para terem surgido por acaso (DAWKINS, 1991). Cada mudana sucessiva no processo
evolutivo gradual suficientemente simples, com relao ao estado predecessor, para ter
surgido por acaso. Mas a completa seqncia de passos acumulados casual, j que o
processo cumulativo direcionado apenas por um mecanismo de presso seletiva.
interessante que ainda se encontrem argumentos contrrios teoria de Darwin, a
partir de produtos acabados da natureza, como a hemoglobina. As pessoas que o fazem,
geralmente peritos em seu prprio campo, acreditam sinceramente que o darwinismo
explique a organizao viva em termos de acaso, ou seleo simples, apenas. Esta crena de
que o evolucionismo aleatrio falsa. Acaso um ingrediente menor na receita de
Darwin. O mais importante ingrediente a seleo natural, essencialmente no-aleatria.
Muitas pessoas acham difcil acreditar que o olho, to complexo e bem desenhado,
com tantas partes separadas trabalhando cooperativamente, possa ter surgido de pequenos
comeos atravs de uma srie de mudanas graduais passo-a-passo. Mas, na argumentao
de DAWKINS (1991), as perguntas a serem colocadas so: poderia o olho humano ter
surgido diretamente de nenhum olho, em um nico passo? A resposta no. Mas poderia o
olho humano ter surgido diretamente de algo ligeiramente diferente dele mesmo, algo que
seria chamado de V? A resposta para essa pergunta sim, supondo-se que a diferena entre
57
58
59
3.3 BIOMORPHS
Na vida real, a forma de cada animal individual produzida por desenvolvimento
embriognico. A evoluo ocorre porque, em geraes sucessivas, pode haver pequenas
diferenas no desenvolvimento do embrio e na transmisso do cdigo gentico. No caso
sexuado, h ainda a combinao de cdigo. Estas diferenas podem se apresentar nos genes
controlando o desenvolvimento, e h muitas maneiras de colocar essas especificaes em
um modelo computacional. A linhagem histrica da evoluo artificial de formas biolgicas
comeou com DAWKINS (1991), que projetou o Biomorphs, um programa em que o usurio
pode guiar a evoluo de geraes iterativas de figuras grficas bidimensionais. A
evoluo dos Biomorphs baseada em seu aspecto grfico e usada em The Blind
Watchmaker to somente para apoiar a argumentao de Dawkins sobre o poder da seleo
cumulativa, como uma demonstrao computacional da capacidade do processo evolutivo.
Apesar disso, os Biomorphs de Dawkins motivaram uma sucesso de artistas a investir seus
esforos no estudo e aplicao da evoluo artificial a manifestaes artsticas.
Desenvolvimento embriognico de longe um processo muito elaborado para ser
realisticamente simulado em um computador comum. Dawkins usou uma representao
simplificada: um procedimento de expanso em rvore, que inicia com uma linha simples
vertical. A linha ento se quebra em dois ramos, depois cada um dos ramos se quebra em
dois sub-ramos, e assim por diante. No importa o quanto a rvore cresa, a mesma regra
vai sendo aplicada s extremidades de cada ramo. Quando o procedimento aplicado
recursivamente, o padro pode se tornar bastante elaborado.
Ramificao recursiva tambm uma boa metfora para o desenvolvimento
genrico de vegetais, incluindo evidentemente as rvores, e animais. Isto no significa que
o desenvolvimento do embrio animal seja similar ramificao recursiva. De fato, no .
Mas toda embriognese acontece pela diviso de clulas. Um gene animal nunca um
grande projeto, uma fotografia do todo. Os genes so argumentos de entrada para a
embriognese, que inclui processos de diferenciao celular. A forma do adulto emerge
devido a muitos efeitos celulares locais por todo o corpo em desenvolvimento, e esses
efeitos locais consistem primariamente de bifurcaes. Assim, genes so argumentos da
embriognese, alm de serem passados adiante para as futuras geraes.
60
Na vida real, animais e plantas tm milhares de genes, mas Dawkins limitou o seu
modelo
computacional
nove
genes.
Como
podem
os
genes
influenciar
desenvolvimento? H muito que um gene pode fazer, mas a idia bsica que ele deve
exercer alguma pequena influncia na regra de desenho que o desenvolvimento. Por
exemplo, um gene pode influenciar o ngulo da bifurcao, outro pode influenciar o
comprimento de uma dada bifurcao, outro o nmero de recurses, e assim por diante. O
modelo incorpora um princpio fundamental da biologia: a forma de cada descendente no
deriva diretamente da forma de cada antecedente. Cada filho obtm sua forma dos valores
de seus prprios nove genes, influenciando ngulos, distncias, e assim por diante. E o
valor dos seus genes um resultado da herana gentica de seus pais.
Dawkins montou seu sistema em dois mdulos, Desenvolvimento e Reproduo. O
mdulo de Reproduo passa os genes adiante atravs das geraes, com a possibilidade de
mutao. O mdulo de Desenvolvimento recebe os genes fornecidos pelo mdulo de
Reproduo, e usa aqueles genes como argumentos das aes de desenho, apresentando ao
final a figura resultante na tela. O fator tempo foi adicionado aos dois mdulos juntos no
grande mdulo chamado de Evoluo, que consiste basicamente de repeties sem fim da
Reproduo. A cada gerao, a Reproduo toma os genes supridos pela gerao anterior e
manipula-os para a prxima gerao, mas com pequenos erros: mutaes. Uma mutao
consiste simplesmente em adicionar +1 ou 1 ao valor de um gene escolhido
aleatoriamente. Isto significa que, no decorrer das geraes, a quantidade total de
diferenas genticas pode se tornar muito grande, cumulativamente, com um pequeno passo
de cada vez. Mas apesar das mutaes serem aleatrias, o processo de seleo no .
Todos os filhos so mutantes de um dado antecessor, diferindo dele apenas com
respeito a um gene. Esta taxa de mutao diferencia o modelo computacional dos
mecanismos biolgicos. Na vida real, a probabilidade de um gene sofrer uma mutao
freqentemente menor do que uma em um milho. A razo para uma alta taxa de mutao
no modelo que cabe ao usurio selecionar os indivduos que iro sofrer reproduo a cada
gerao, inviabilizando assim a ocorrncia de muitas geraes.
Logo, o usurio tem um papel ativo no processo, pois o agente seletor. Ele
examina os descendentes e escolhe um para reproduo, que se torna ento o antecessor da
prxima gerao, cujos indivduos so simultaneamente apresentados na tela. A figura 3.10
61
expe resultados finais da evoluo de Biomorphs, construdos por DAWKINS (2002). Esta
figura no est apresentando indivduos de uma mesma gerao do processo evolutivo, mas
indivduos obtidos como resultado de diferentes processos evolutivos, que certamente
recorreram a critrios de seleo distintos.
Figura 3.10 Parque Safri de Biomorphs, construdos com o programa Blind Watchmaker
62
tendem a ser, automaticamente, aqueles que conferem aos corpos as qualidades que os
auxiliam a sobreviver e se reproduzir. No modelo computacional, por outro lado, o critrio
de seleo no a sobrevivncia, mas a habilidade de satisfazer ao capricho humano. Cada
gerao de Biomorphs est somente a um passo mutacional de seu predecessor e sucessor,
mas aps 100 geraes os Biomorphs podem ser qualquer coisa que 100 etapas mutacionais
do seu ancestral original permitam atingir.
Quando Dawkins escreveu o programa, ele no imaginava que algo mais do que
uma variedade de formas em rvore poderia acontecer, e assombrou-se com a evoluo de
algo que se assemelhava com um inseto. Gerao aps gerao, passou ento a selecionar
as formas que mais se assemelhavam a insetos, por exemplo, e exultou com as estranhas
criaturas que emergiam aos seus olhos. Dawkins enfatiza que essas formas no so
trabalhos artsticos, mas demonstram as potencialidades da interao homem-mquina junto
a processos de busca na presena de uma exploso combinatria de possibilidades. O papel
do usurio limitou-se etapa de seleo, considerando os indivduos pertencentes a cada
gerao de um processo de variao cumulativa.
64
substitudas por um novo conjunto arbitrrio de regras, nominalmente bico, bojo, furo,
fatia, esticar e adicionar. Quatro primitivas geomtricas extras foram adicionadas para
aumentar o conjunto de primitivas geomtricas para nove, conforme mostrado na figura
3.11. As novas regras de operao so ento aplicadas s primitivas geomtricas, sendo que
cada operao muda a forma da figura de uma maneira diferente. O artista escolhe um
comando de cada vez para progressivamente mudar a forma da figura. A seqncia de
comandos escolhida determina o tipo da forma evoluda.
Vale a pena notar que, na construo baseada em regras de um poliedro complexo
regular, o conjunto de regras matemticas determina a forma complexa evoluda. No
entanto, no Form Synth a evoluo da forma depende inteiramente da escolha intuitiva feita
pelo usurio. O artista usa as regras sucessivamente sobre as primitivas geomtricas e
formas complexas irregulares para produzir uma grande rvore evolucionria de
desenhos de formas complexas irregulares, conforme mostrado na figura 3.12. De acordo
com LATHAM (1989), este conceito formou a base do Form Synth, permitindo uma
inveno flexvel de novas formas 3-D e ao mesmo tempo a implementao de uma
estrutura baseada em regras apropriada para o computador.
Figura 3.12 Evoluo de esculturas. O Form Synth foi simulado pela insero manual de
regras no sistema Sculptor.
66
Usando o sistema Sculptor escrito por KING (1991), Latham foi capaz de simular o
Form Synth impondo manualmente as regras do Form Synth ao Sculptor. A figura 3.13
apresenta esculturas realizadas em madeira e plstico, usando o Form Synth para o projeto
tridimensional. Ele primeiro usou o Sculptor para construir bicos, bojos, cones, esferas e
cilindros a partir de centenas de esferas, e ento seguiu as regras do Form Synth para
determinar onde e como os bicos e bojos eram posicionados no cone, cilindro e esfera,
movendo-se atravs da estrutura da rvore, empregando seu prprio critrio de seleo
quanto s formas que ele gostaria de evoluir ou no. A seleo da forma era baseada em
critrios subjetivos e ele no se preocupou em deixar certos ramos da rvore inexplorados.
Figura 3.13 Esculturas realizadas por William Latham, em plstico e madeira. O projeto
tridimensional foi produzido usando o Form Synth
O projeto do Form Synth como uma rvore evolutiva tem as seguintes implicaes:
1. Ele permite uma descrio baseada em regras de qualquer forma evoluda, desde que a
forma particular possa ser definida como uma lista de regras escolhidas pelo usurio
para torn-la possvel;
2. O nmero de diferentes combinaes possveis de regras muito alto. Com isso, o
artista nunca esgotaria o nmero de novas possibilidades, no se sentindo assim
criativamente restrito.
67
Uma das peculiaridades do Form Synth encorajar o usurio a ser criativo em uma
escala comparvel com a do artista, como um resultado de se manter selecionando formas
de uma rvore evolucionria cada vez maior. As regras inerentes do Form Synth impem
limites dentro dos quais o artista deve trabalhar, da mesma maneira que as leis fsicas
impem limites evoluo no mundo natural. Mas essas limitaes podem ser uma
vantagem para o artista, ao focalizar a busca junto a um conjunto menor de formas
possveis.
Mas, apesar de Latham colocar uma grande rvore evolucionria como conceito
bsico, salta aos olhos que o Form Synth um sistema baseado em regras. A rvore
evolucionria apenas um conceito e no uma implementao. Mas DAWKINS (1991) havia
publicado The Blind Watchmaker pouco antes, em 1986, e comeava a exercer sua
influncia sobre os artistas da poca. Form Synth foi a semente para o Mutator, que veio a
seguir, e com o qual Latham se notabilizou.
banco de genes. Form Grow usado para gerar uma forma a partir de cada vetor de genes,
e as nove formas so apresentadas num grupo denominado Mutator Frame, como mostrado
na figura 3.15. Um casamento pode ser arranjado pelo usurio a partir da seleo de duas
formas, e um novo Mutator Frame contendo as sete formas filhas e as duas formas
selecionadas apresentado. O casamento de duas formas do mesmo grupo til para
destacar ou acrescentar uma determinada caracterstica. J no caso dos antecessores serem
formas mutantes distantes, novas formas interessantes podem ocorrer. As formas filhas
misturam os genes das formas antecessoras, sendo que h vrios algoritmos de mistura.
Banco de
Formas
Form Grow
Sistema de
Desenho
Banco de
Genes
Mutator
Apresentao
Seleo
Figura 3.14 Mutator mantm um banco de genes e de formas, que apresentado ao artista.
Baseado em julgamentos feitos pelo artista, Mutator gera e apresenta novas formas,
auxiliando o artista na busca por formas interessantes e armazenagem dos resultados
69
Research Fellow. A figura 3.16 apresenta uma forma orgnica evolutiva 3-D gerada pelo
Mutator (LATHAM , 1995).
Figura 3.15 Mutator Frame com um conjunto de nove mutaes. No centro, uma forma
geradora
70
estendido alm de sua definio original. Para superar essa limitao desejvel incluir
informao procedural no gentipo, ao invs de somente informao paramtrica, e os
elementos procedurais e de informao do gentipo no devem ser restritos a uma estrutura
ou tamanho especficos.
3.6.1
Sims utilizou expresses LISP hierrquicas como gentipo numa tentativa de superar essas
limitaes. Um conjunto de funes LISP e um conjunto de geradores de argumentos foram
empregados para criar expresses arbitrrias que podem ser modificadas, evoludas, e
avaliadas para gerar fentipos. Algumas mutaes podem criar expresses maiores com
novos parmetros e estender o espao de possveis fentipos, enquanto outras apenas
ajustam partes das expresses, ou fentipos, existentes.
Equaes usadas por modelos procedurais podem freqentemente ser representadas
por uma ou mais expresses LISP, e tornam-se os gentipos para modelos procedurais
evoludos. Por exemplo, um procedimento para gerar textura pode ser descrito por uma
expresso que calcula uma cor para cada pixel (X, Y), e um procedimento para gerar uma
superfcie paramtrica 3-D pode ser descrita por uma equao que calcula a localizao do
vrtice 3-D para cada par de variveis paramtricas (U, V).
Para cada aplicao, um conjunto de funes define um conjunto de operaes
primitivas a partir das quais expresses LISP podem ser montadas. Um conjunto de funes
bsico deve incluir algumas das operaes LISP mais comuns: +, , *, /, mod, round, min,
max, abs, expt, log, sin e cos (STEELE, 1984). Conjuntos de funes podem ser estendidos
ou ajustados resultando em vrios hiper-espaos de possveis resultados.
Em cada sesso de evoluo interativa, uma populao inicial de gentipos
consistindo simplesmente de expresses LISP aleatoriamente geradas criada. Cada
expresso criada pela escolha aleatria de uma funo qualquer do conjunto de funes e,
da mesma forma, so gerados tantos argumentos quanto a funo requer. Argumentos
podem ser de vrios tipos: valores escalares constantes, vetores tridimensionais, variveis
tais como coordenadas X e Y de pixels, ou expresses adicionais geradas recursivamente.
Os fentipos so ento calculados e apresentados ao usurio. Os melhores indivduos so
ento selecionados e o processo se repete com a nova populao.
72
Uma outra tcnica para combinar expresses pode ser obtida atravs de uma
dissoluo entre duas expresses. Uma nova expresso criada copiando os ns das
expresses originais onde eles so idnticos, mas interpolando os ns onde eles so
diferentes. Esta tcnica usa as representaes genticas existentes de modelos procedurais
evoludos para gerar transies intermedirias. A figura 3.17 apresenta um conjunto de
produes resultantes de expresses simblicas geradas dessa maneira. Interpolaes
repetidas pode ser um mtodo til para criar animao a partir de uma srie de estruturas
evoludas.
73
3.6.2
B0 = FB0 ( X , Y )
Equaes 3.1 e 3.2
dA / dt = Fd A ( A, B)
dB / dt = Fd B ( A, B)
Equaes 3.3 e 3.4
onde FA0 e FB 0 so funes que determinam os valores iniciais para cada elemento A e B do
conjunto de coordenadas (X, Y). FdA e FdB so funes que determinam a taxa de variao
para cada elemento de A e B usando o estado corrente do sistema. Funes arbitrrias para
FA0 , FB 0 , FdA e FdB so especificadas por expresses LISP que podem variar em
tamanho, estrutura e comportamento. O conjunto usado para compor as expresses LISP
contm as funes LISP comuns, mas tambm contm operaes que podem realizar vrias
convolues e clculos de derivadas de primeira e segunda ordem.
Uma populao inicial de sistemas dinmicos criada pela gerao de expresses
aleatrias simples para o estado inicial e as derivadas em relao ao tempo de cada varivel
de estado. As simulaes correspondentes so apresentadas ao usurio pelo mapeamento de
variveis de estado em cores para cada iterao, de forma que o comportamento do sistema
pode ser observado conforme ele progride. Ento, o usurio seleciona um ou mais desses
sistemas para mutao e/ou cruzamento para produzir a prxima gerao, e o sistema se
repete. Aps um nmero de geraes, podem ocorrer gentipos com expresses complexas
e assim resultar comportamentos interessantes.
Como uma alternativa, ao invs de iniciar com expresses geradas aleatoriamente, o
usurio pode codificar um conjunto inicial de equaes, tal como uma equao de onda ou
um sistema de reao-difuso, e comear a evoluo a partir da (SIMS, 1993). Isto pode
levar a variaes inesperadas dos sistemas iniciais, a serem devidamente exploradas. A
74
Muitos dos resultados gerados por SIMS (1993) foram evoludos em poucos
minutos, provavelmente muito mais rpido do que eles levariam para ser projetados
analiticamente. O recurso computacional empregado foi um sistema Connection Machine
CM-2, um supercomputador de processamento paralelo.
O mais interessante a observar aqui que a evoluo um mtodo para gerar
complexidade que no requer a compreenso humana do processo especfico envolvido,
permitindo ao usurio e ao computador produzir interativamente resultados que
dificilmente seriam conseguidos separadamente.
75
76
Uma criatura gerada a partir de sua descrio gentica, e ento colocada num
mundo virtual simulado dinamicamente. O crebro prov as foras efetoras que movem
partes da criatura, os sensores reportam aspectos do mundo e do corpo da criatura de volta
ao crebro, e o comportamento fsico da criatura avaliado. Aps um certo tempo de
operao, um valor de fitness, ou aptido, que corresponde ao nvel de sucesso, associado
ao comportamento. Se uma criatura tem um fitness em relao ao resto da populao, ser
selecionada para sobrevivncia e reproduo. Antes da simulao, algumas checagens de
viabilidade so realizadas, e criaturas inapropriadas, por exemplo, aquelas que tm mais
do que um determinado nmero de partes so removidas. Vrios tipos de medidas podem
ser empregadas: capacidade de nadar (figura 3.20), retirando-se a gravidade e adicionandose um efeito de viscosidade da gua; capacidade de andar, ou de qualquer forma de
locomoo; pular, a partir da maior altura atingida do membro mais inferior; e perseguir,
quanto ao acompanhamento de uma fonte de luz.
77
78
4
UMA VISO PRAGMTICA DA
COMPUTAO EVOLUTIVA
Muito se falou nos captulos anteriores sobre processos evolutivos e de como eles surgem
na natureza ou ento de como eles so artificialmente concebidos pelo ser humano, com o
auxlio do computador. Mas o que exatamente esse processo evolutivo, como posicion-lo
frente a outros paradigmas computacionais, como represent-lo matematicamente e como
contar com a participao do usurio em etapas que no podem ser automatizadas
imediatamente? Estas so as questes abordadas neste captulo, sendo que esta abordagem
ser realizada em vrias etapas, associadas s sub-sees que seguem.
80
aproximados est garantida, assim como est justificado todo o investimento que se tem
realizado na proposio de algoritmos aproximados, desde os mais genricos aos mais
especficos. No entanto, para cada problema a ser resolvido, fundamental que a
complexidade computacional dos algoritmos aproximados seja menor que aquela associada
aos algoritmos exatos que porventura j tenham sido desenvolvidos para se chegar a
soluo.
Conclui-se ento que existem problemas computveis, mas intratveis quando se
procura resolv-los empregando algoritmos exatos, que podem efetivamente ser tratados
computacionalmente, ao preo de se perder a garantia de obteno da soluo tima e
possivelmente tambm a noo de quo distante se est do timo.
Mas existe um outro preo a pagar quando se recorre a algoritmos aproximados: a
maior parte dos conceitos vinculados teoria de complexidade computacional no se aplica
a algoritmos aproximados (MOSCATO, 2001). De fato, dois problemas computveis cujos
algoritmos exatos de soluo apresentam a mesma complexidade computacional podem
apresentar complexidades muito distintas sob o ponto de vista dos algoritmos aproximados
desenvolvidos para o seu tratamento.
Mas apesar de todas estas dificuldades, entre as solues fornecidas por algoritmos
aproximados e nenhuma soluo, cada vez maior o nmero de casos prticos em que se
tornam bvias as vantagens associadas adoo da primeira alternativa. E as vantagens so
to mais evidentes quanto mais eficaz for o algoritmo aproximado que se emprega junto ao
processo de busca.
A computao evolutiva, tema deste captulo e j abordada superficialmente no
Captulo 3, corresponde a uma rea da computao dedicada proposio de algoritmos
populacionais aproximados, que sero tratados a seguir para uma grande variedade de
problemas caracterizados pela intratabilidade computacional de sua soluo via algoritmos
exatos. evidente que existem outras abordagens para algoritmos aproximados (GLOVER &
KOCHENBERGER, 2002), sendo que os algoritmos evolutivos inspiram-se particularmente na
teoria da seleo natural de Darwin e suas extenses.
81
profundidade) do espao de busca, o que permite que muitos progressos, tais como a
deteco e/ou validao de regies promissoras do espao, possam ocorrer em uma nica
iterao. Embora normalmente ocorra um aumento do custo computacional por iterao,
reduz-se significativamente o nmero total de iteraes neste caso, geraes necessrias
para se chegar a uma soluo aceitvel. Este o principal aspecto que levou adoo de
estratgias populacionais na proposio de algoritmos interativos, a serem descritos no
Captulo 5.
Os algoritmos genticos e outros algoritmos evolutivos (FOGEL, 1995) foram
adotados no contexto desta pesquisa, mas vale salientar que existem algoritmos
aproximados alternativos que poderiam ter sido considerados, todos empregando estratgias
populacionais. Dentre estes, destacam-se: colnia de formigas (DORIGO & DI CARO, 1999),
inteligncia coletiva (KENNEDY et al., 2001) e sistemas imunolgicos artificiais (DE
CASTRO & TIMMIS, 2002).
4.3 C ONTEXTUALIZAO
Dado um espao que contm todos os candidatos soluo de um dado problema,
algoritmos aproximados de busca so aqueles que empregam estratgias de identificao
das regies mais promissoras deste espao, ou seja, regies que potencialmente apresentam
as melhores propostas de soluo para o problema (BENTLEY, 1999; KANAL & CUMAR,
1988). Obviamente, a qualidade de uma regio do espao s pode ser medida a partir da
qualidade dos candidatos soluo que j foram considerados e que pertencem a esta
regio.
A busca evolutiva, bem como outras, faz uso de solues de alguma forma prvisitadas anteriormente, para decidir as prximas a serem visitadas. A busca se d sempre
pela modificao e/ou combinao das caractersticas dos candidatos presentes na
populao atual. s vezes, o espao apresenta uma alta concentrao de ms solues que
precisam ser vagarosamente examinadas at que eventualmente um vizinhana promissora
seja encontrada. Em outros casos, obtm-se, j no incio, uma boa soluo. Por exemplo,
pode-se j ter mo um conjunto de parmetros que adequadamente definam um carro,
como apresentado na figura 4.1. Estes parmetros podem dizer respeito distncia entre as
rodas, comprimento da carroceria, e assim por diante. A busca mostrada na figura percorre
83
Figura 4.1 Busca de uma soluo num exemplo de espao de busca de projetos de carro
84
Figura 4.2 Trs geraes de projetos de carro, usando uma populao de tamanho quatro
Figura 4.3 A localizao dos carros evoludos no espao de projetos de carros, a cada
gerao (veja figura 4.2). Neste exemplo, as melhores solues so encontradas na rea
central, a qual se caracteriza como uma regio promissora do espao de busca
85
86
busca de valores timos para um conjunto de variveis, sendo todas contnuas: sugerese o emprego de estratgias evolutivas;
busca de valores timos para um conjunto de variveis, sendo todas binrias: sugere-se
o emprego de algoritmos genticos.
87
88
existente deve ser eliminado. Os algoritmos evolutivos mais simples apenas eliminam todos
os indivduos da gerao corrente e os substituem por novos descendentes, respeitando o
tamanho fixo da populao. Outros algoritmos mais elaborados realizam a substituio
parcial da populao corrente, proporcional ao fitness. Desse modo, os descendentes
sempre substituem solues menos adaptadas do que eles mesmos, ou os mais fracos da
populao so substitudos por descendentes mais adaptados. De fato, o uso de substituio
baseada em fitness exemplifica o famoso argumento de Darwin: sobrevivncia dos mais
adaptados. Mas a substituio no precisa necessariamente ser baseada em fitness. Ela pode
ser baseada na satisfao de restries, na similaridade de gentipos, na idade dos
indivduos, ou qualquer outro critrio pertinente, desde que uma presso baseada em fitness
seja exercida em alguma outra etapa do algoritmo evolutivo.
Algoritmos evolutivos tambm compartilham outras etapas bsicas: inicializao da
populao, avaliao do fitness de cada indivduo da populao e definio de um critrio
de parada (BENTLEY & CORNE, 2002). A inicializao da populao corresponde fase de
amostragem inicial do espao de busca. Caso no se tenha nenhum conhecimento inicial
disponvel sobre o espao de busca (por exemplo, localizao de regies promissoras), a
inicializao aleatria, com distribuio de probabilidade uniforme, pode ser empregada.
No entanto, na disponibilidade de conhecimento inicial ou ento de alguma tcnica capaz
de propor boas condies iniciais, estes podem ser empregados na proposio das solues
candidatas que iro compor a populao inicial. Alguns pesquisadores suprem o algoritmo
evolutivo com embries, ou solues no-aleatrias que so ento usadas como pontos
iniciais para a evoluo de solues mais complexas (KOZA et al., 1999a). Outros tentam
evoluir blocos construtivos, usando em seguida os resultados para inicializar outro
algoritmo evolutivo com o qual evoluiro projetos complexos usando esses blocos
construtivos (ROSENMAN & GERO, 1999).
Quanto avaliao do fitness, ao contrrio da evoluo natural, os algoritmos
evolutivos no tm um ambiente real no qual a sobrevivncia ou aptido possa ser
testada, gerando um valor de fitness. Enquanto o fitness de um indivduo, na natureza,
depende da integrao de todas as suas interaes com o meio e com os demais indivduos
da mesma e de outras espcies, o fitness de um indivduo em uma simulao computacional
de um processo evolutivo pode envolver desde apenas a aplicao de um mapeamento
89
esttico, que leva cada conjunto de atributos que caracteriza um indivduo ao seu valor de
fitness, at alguma simulao computacional que reflita algum tipo de analogia com as
mencionadas interao com o meio e com outros indivduos. Por exemplo, em robtica
evolutiva, a evoluo de estratgias de navegao autnoma vai envolver a simulao da
navegao do rob sob o controle de cada estratgia de navegao presente no conjunto de
solues candidatas, sendo que outros robs podem estar presentes no ambiente de
navegao.
Freqentemente, uma nica execuo de um algoritmo evolutivo envolver um
nmero elevado de avaliaes para definio do valor de fitness de cada indivduo, o que
significa que quase todo o tempo de computao empregado na execuo do processo de
avaliao. O tempo de processamento da maioria dos algoritmos evolutivos desprezvel
em comparao ao tempo de avaliao, sendo que h freqentemente uma forte nfase em
reduzir o nmero de avaliaes durante a evoluo ou ento realizar a sua implementao
em paralelo (MOSCATO, 1989; EBY et al., 1999).
As funes que permitem obter um valor de fitness podem envolver um nico ou
mltiplos objetivos, elas podem ser unimodais ou multimodais, contnuas ou descontnuas,
suaves ou ruidosas, estticas ou dinmicas. Algoritmos evolutivos so reconhecidamente
eficientes em encontrar boas solues para quase todos os tipos de funes de fitness, mas
tcnicas especializadas so freqentemente requeridas para funes multimodais, com
mltiplos objetivos, ruidosas e dinmicas.
A avaliao no sempre executada por funes de fitness explcitas. Alguns
algoritmos evolutivos empregam avaliadores humanos para avaliar e julgar as solues.
Exemplos desses algoritmos foram apresentados no Captulo 3 e outros exemplos sero
apresentados no Captulo 5. O fitness tambm pode ser determinado por competio entre
solues. Por exemplo, cada soluo pode representar uma estratgia de um jogo, e o
fitness de cada estratgia depende de quantas outras solues na populao de estratgias
corrente podem ser derrotadas (AXELROD, 1987).
J em relao ao critrio de parada, tambm existem vrias opes, embora
nenhuma delas se mostre adequada a todos os casos:
90
91
evoluiro e se adaptaro com o tempo, mudando de acordo com o nvel de sucesso ou falha.
H muitos possveis esquemas para esse processo de adaptao (TUSSON & ROSS, 1998;
BCK et al., 2000a).
4.4.1
A Q UESTO DA R EPRESENTAO
93
4.5.1
ALGORITMOS G ENTICOS
Inicialize a populao;
2.2
2.3
2.3.1
2.3.2
2.3.3
2.3.4
95
Progenitores
Filhos
97
4.5.2
ALGORITMOS M EMTICOS
98
ser divididas. Mas dentro da forma h alguns movimentos que podem ser entendidos como
unidades indivisveis, e estes so os realmente importantes. So estes movimentos nodecomponveis que devem ser considerados memes (MOSCATO, 1989). Os indivduos
podem calcular a sua funo de fitness pela avaliao de seu desempenho na execuo dos
movimentos das formas e em competies ou torneios. interessante verificar que a
informao melhora atravs das geraes. muito importante lembrar que nem todos os
indivduos podem ensinar, somente aqueles que tm a faixa preta. Isto se equipara aos
processos de cruzamento nos algoritmos evolutivos, que atribuem maior probabilidade de
seleo aos indivduos com maior fitness.
De volta ao contexto da implementao computacional, os algoritmos memticos
so um casamento entre uma busca global baseada em populaes e uma busca local
heurstica realizada junto a cada um de seus indivduos. Alguns autores (GOLDBERG, 1989)
classificam variaes de algoritmos memticos como algoritmos genticos hbridos. Em
termos gerais, pode-se descrever um algoritmo memtico como a seguir: dada uma
representao de um problema de otimizao, uma populao de indivduos criada. O
estado de cada um desses indivduos pode ser aleatoriamente escolhido ou derivar de um
certo procedimento de inicializao. Aps isto, cada indivduo realiza uma busca local. O
mecanismo para realizar a busca local pode ser buscar um timo local ou apenas aplicar
alguns passos que levem a melhoras pontuais. Em seguida, cada indivduo interage com os
outros membros da populao. A interao pode ser competitiva ou cooperativa. O
comportamento cooperativo pode ser compreendido como os mecanismos de crossover nos
algoritmos evolutivos ou outros tipos de cruzamento que resultam na criao de um novo
indivduo. Mais genericamente, pode-se compreender cooperao como uma troca de
informaes. A competio pode ser similar aos processos de seleo dos sistemas
evolutivos. A busca local e a cooperao (cruzamento, troca de informaes) so repetidas
at que um critrio de parada seja satisfeito (M OSCATO, 1999).
4.5.3
PEIRCE (1953) classificou a abduo como a operao de adotar hipteses e a induo como
uma operao para testar hipteses atravs de experimentao. Computacionalmente, podese dizer que a abduo funciona como um sistema gerador de hipteses e a induo como
um sistema gerador de regras. Ora, os sistemas evolutivos contm ambos os mecanismos: a
busca populacional promove a gerao de hipteses e a funo de fitness aponta regies
promissoras do espao de busca, que passam a desempenhar o papel de atratores ou regras
de comportamento a guiar o processo de busca. No incomum, portanto, encontrar
sistemas evolutivos e abduo associados, particularmente no contexto de sistemas
criativos (SATO & KAMEYA , 2002).
Sob esse ponto de vista, a principal caracterstica que todos os sistemas evolutivos
criativos tm em comum a habilidade de gerar projetos inteiramente novos a partir de
pouco ou nada, isto , populaes iniciais aleatrias e direcionamento apenas a partir da
informao de ordem 0 associada ao valor de fitness de cada indivduo, o qual, por sua vez,
funo explcita ou implcita de objetivos do projeto, formalizados em uma linguagem de
alto nvel. Tanto a representao como as atribuies paramtricas de cada representao
candidata devem ento ser alvos da evoluo (BENTLEY & WAKEFIELD , 1997; ROSENMAN,
1997).
Outros, mais concisos (BENTLEY & CORNE, 2002; GERO, 1996), definem um
sistema evolutivo criativo como um sistema computacional que usa algum aspecto da
computao evolutiva e projetado para:
gerar respostas para problemas que tradicionalmente requerem pessoas criativas para
encontrar solues.
Atingindo esses objetivos, um sistema evolutivo criativo pode tambm aparentar
atuar criativamente. Por exemplo, um sistema pode achar solues altamente inovadoras,
ou pode combinar duas idias bem diferentes e previamente existentes para fazer alguma
coisa nova.
Muitos dos avanos na evoluo criativa surgiram na rea de projeto evolutivo
(BENTLEY, 1999). fcil ver por que isso aconteceu: problemas de projeto de arquitetura e
engenharia vm ganhando mais e mais complexidade, com mltiplos objetivos
freqentemente conflitantes, muitas restries e especificaes de desempenho, e elevado
nmero de parmetros (PARMEE, 1999). H tantas regras diferentes, opinies, preferncias e
materiais que, para cada novo prdio, h um nmero praticamente infinito de possveis
solues de projeto. Explorar essas solues parte da difcil tarefa de ser um arquiteto.
Conseqentemente, no coincidncia que as primeiras investidas no projeto evolutivo e
explorativo foram feitas por arquitetos. Alguns dos primeiros trabalhos foram feitos por
John Frazer, que investiu muitos anos desenvolvendo sistemas de arquitetura evolutivos
com seus alunos (F RAZER, 1995). Ele mostrou como a evoluo pode gerar muitas formas
arquitetnicas surpreendentes e inspiradoras e como estruturas novas e funcionais foram
101
102
Como uma conseqncia imediata, mais solues para um dado problema podem ser
encontradas mais rapidamente, fornecendo uma fonte de informao sobre tipos de
solues alternativas para o usurio. O resultado que as solues que a evoluo descobre
so freqentemente muito diferentes das solues que somos capazes de imaginar.
ou
removendo
componentes,
explorando
alternativas.
Alm
disso,
normalmente mais do que uma proposta de soluo desejvel, e estas solues podem
corresponder a diversos timos locais.
Esta diferena entre otimizao paramtrica e no-paramtrica ou exploratria se
torna mais evidente quando a literatura da rea examinada. Pesquisadores que aplicam a
evoluo em abordagens exploratrias manipulam componentes. Artistas usam a evoluo
para criar arte a partir de formas primitivas tais como espirais, esferas e torides, ou outras
funes matemticas tais como coseno, arco tangente ou fatorial. Da mesma forma,
cientistas da computao, usando programao gentica, evoluem programas a partir de
bibliotecas de funes bsicas e de variveis e constantes elementares.
3 e em sees anteriores deste captulo, indicou como aplicaes complexas, tais como
projetos de arquitetura, programao, projetos de circuitos, arte e composio sonora
fortaleceram o desenvolvimento dessa nova abordagem. Atravs da interao homemmquina, a evoluo de solues com qualidade esttica pode ser habilitada. Pela aplicao
de representaes de componentes fracamente baseadas no conhecimento, pode-se remover
restries de busca junto s representaes e permitir evoluo montar novas solues.
Por meio de tais mtodos, a evoluo transforma-se na explorao do que possvel, ao
invs de otimizar o que j existe.
Para determinar se a evoluo pode ser considerada criativa, parece apropriado
explorar algumas das definies de criatividade envolvendo aspectos computacionais e
evolutivos (BODEN, 1990; GERO, 1996; ROSENMAN, 1997).
computao
evolutiva
apresenta
nveis
surpreendentes
de
novidades.
Conseqentemente, de acordo com esta definio, pode-se dizer que a evoluo criativa,
mas parece que a definio genrica demais. Os padres de vapor numa parede de vidro,
os flocos de neve, as dunas de areia e as formaes de eroso podem todas ser descritas
como surpreendentes e inovadoras. Assim, se a evoluo tida como criativa de acordo
com esta interpretao, as leis da fsica e os quatro elementos tambm so criativos. Mas a
diferena entre a evoluo natural, e a eroso ou a formao de objetos inanimados parece
ser grande demais para ser ignorada.
106
108
5
A ARTEBITRARIEDADE NOS
DOMNIOS VISUAL E
SONORO
Neste captulo, sero explorados computacionalmente aspectos subjetivos e tambm alguns
aspectos de regras gerais e leis que um artista pode adotar, infringir ou ignorar em sua
produo, tanto no domnio visual quanto sonoro. Se a apreciao esttica fosse governada
somente pela opinio subjetiva, no haveria como obter formas (parcialmente) automticas
de produo artstica, com algum valor esttico, sem uma total integrao do artista com a
mquina. Por outro lado, se as regras gerais e leis no permitissem a manuteno de um
elenco de graus de liberdade de expresso, ento a automatizao poderia ser completa,
apesar da aparente complexidade de projeto.
Como nenhum dos extremos retrata adequadamente o processo de produo
artstica, ento a concluso geral a que chegamos, em captulos precedentes, de que h
109
espao para a automatizao tanto na explorao dos graus de liberdade de expresso, esta
ltima atravs de uma interao homem-mquina, quanto no atendimento de regras gerais.
Em breves palavras, os graus de liberdade sero modelados na forma de problemas de
otimizao combinatria e as regras gerais sero formalizadas matematicamente e inseridas
nos programas computacionais, na forma de restries ou direcionamentos a serem
seguidos pela mquina. A liberdade de expresso ser ento compreendida como a busca
exploratria pela melhor combinao de atributos livres dentre todas as possibilidades. Este
cenrio se caracteriza pela existncia de um nmero enorme, finito ou infinito, de
candidatos soluo (formas definidas de combinao dos atributos livres).
Aps a proposio de um espao de busca que contenha todos os candidatos
soluo, aplica-se alguma ferramenta de busca, capaz de detectar regies promissoras do
espao, em que se encontram candidatos soluo de melhor qualidade, ou seja,
combinaes de atributos livres que possuam comparativamente mais valor esttico do que
outros candidatos soluo, pertencentes a regies menos promissoras do espao. O
objetivo ento maximizar o valor esttico de uma combinao de atributos, resultando,
portanto, em um problema de otimizao combinatria.
J vimos que existem algoritmos muito competentes para implementar estas buscas
associadas a problemas de otimizao combinatria, sendo que algoritmos evolutivos foram
adotados no contexto desta pesquisa. Dentre os fatores que justificam a adoo de tcnicas
de computao evolutiva, est o fato dos algoritmos resultantes trabalharem com estratgias
de busca populacionais. No entanto, independente de serem estratgias populacionais, os
algoritmos de busca, dentre eles os algoritmos evolutivos, geralmente requerem a definio
de uma avaliao individual para cada soluo candidata selecionada, embora esta
avaliao possa ser relativa s demais solues j propostas. A evoluo s vai ocorrer aps
a concluso do processo de avaliao de todos os indivduos (solues candidatas ou pontos
no espao de busca) que compem a populao na gerao corrente. Em seguida, os
atributos dos indivduos da gerao corrente so combinados e/ou perturbados localmente
para se produzir a prxima gerao de indivduos, os quais devero ser avaliados
individualmente, e assim por diante, gerao aps gerao, at se satisfazer algum critrio
de trmino da busca.
110
111
funo para avaliao do fitness visual, onde so brevemente comentadas regras e leis
gerais que j nortearam a produo artstica, nos domnios visual e sonoro. Finalmente,
apresentado o VOX POPULI, ambiente evolutivo aplicado composio sonora. Neste
desenvolvimento, foi aplicada uma formulao matemtica da teoria da consonncia
musical funo de fitness, permitindo a automatizao parcial da funo de avaliao. Isto
implica que, nas suas verses atuais, o VOX POPULI possui um maior grau de
independncia do usurio que o ArtLab. Os ambientes VOX POPULI e ArtLab esto
disponveis em:
http://www.dca.fee.unicamp.br/~vonzuben/research/artemis_dout/index.html
Perfeita, em relao a que padres? provvel que Pollock nunca tenha feito a si
mesmo essa pergunta, mas ela a principal dificuldade desse desenvolvimento. Expresses
como sensaes pictricas completas, a pintura tem vida prpria, sugerem que o
critrio de Pollock a vitalidade; mas Pollock tambm fala de harmonia pura, e de um dar
112
forma que a populao inteira possa ser vista ao mesmo tempo. O mentor pode comparar e
contrastar as imagens, e atribuir um fitness para cada indivduo em relao a todos os
outros.
O potencial deste mtodo consiste principalmente na habilidade de explorar o
espao de busca e direcionar o progresso da evoluo. Atravs da seleo de algumas
imagens para serem as progenitoras da prxima gerao e da eliminao de outras, o
mentor cria uma tendncia a ser refletida pelo processo de busca evolutiva, baseada no
que ele aprecia ou no aprecia. As imagens que receberam melhor avaliao so as mais
provveis de serem selecionadas como progenitoras da prxima gerao. Considerando que
os cromossomos progenitores, ou a representao interna das imagens, tem um meio de
passar as suas caractersticas para as imagens descendentes, os atributos das imagens
progenitoras sero tambm encontrados, em graus variados, nos membros das populaes
subseqentes. Nesta abordagem, a teoria de seleo natural de Darwin ocupa um papel
principal na explicao de como as populaes subseqentes tornam-se mais prximas das
preferncias do usurio. Ao longo das geraes, as caractersticas no consideradas
interessantes no sero selecionadas para reproduo. Somente as imagens que contm
caractersticas interessantes sero selecionadas e, portanto, somente estas iro influenciar
nas populaes subseqentes.
5.1.1
114
Apenas para dar uma idia da grandeza do espao considerado, ser feita a seguir
uma breve estimativa da cardinalidade do espao de busca do mtodo Line. Dado que:
x1, y1: Valores Single que indicam as coordenadas do ponto inicial da linha ou do
retngulo;
x2, y2: Valores Single que indicam as coordenadas do ponto final da linha ou do canto
oposto do retngulo;
115
color: Valor inteiro Long que indica o sistema de cores vermelho-verde-azul (redgreen-blue, RGB) usado para desenhar os traos;
Pode-se dizer, no ArtLab, que o resultado de cada interao uma populao de quatro
quadros, mas para evoluir uma populao preciso, antes de mais nada, cri-la. Isto feito
atravs do comando New, que abre um conjunto de possibilidades de populaes. Por
116
exemplo, Line, Arc, Circle, Ellipse, Rectangle, Misc, etc. Os nomes referem-se aos tipos de
objetos que aparecem em cada quadro, e so tambm mostrados na figura 5.2. O tamanho
normal da tela de um monitor uma restrio ao nmero e s dimenses das imagens
geradas. As composies so apresentadas para o mentor em qudruplas. Este nmero foi
julgado conveniente, pois permite que os quadros no formato quadrado ou retrato, nas
dimenses adotadas, apaream todos alinhados na tela, mas no h nenhuma restrio sria
que o imponha. A tela, em geral, rapidamente preenchida nos processos de criao e
evoluo. Populaes numerosas, nesse caso, resultam em um aumento de operaes de
rolagem de tela, o que acaba sendo desconfortvel. A barra de ferramentas apresenta um
conjunto de controles que permite especificar as caractersticas dos quadros a serem criados
pelo comando New. A figura 5.3 mostra a barra de ferramentas com os controles para a
especificao das caractersticas dos prximos quadros, que so descritos a seguir.
a) Formato
Este controle (Format) permite ao usurio especificar o formato dos quadros a serem
gerados. Os formatos possveis so: quadrado (default); retrato e paisagem (34); random.
No formato random, quadros retangulares de diferentes tamanhos so apresentados.
b) A Cor de Fundo
A cor de fundo oferece ao usurio inicialmente as opes Select e Random. A opo Select
abre uma caixa de dilogo que permite ao usurio selecionar a cor de fundo das prximas
117
populaes de quadros, como apresentado na figura 5.3. A opo Random faz com que os
prximos quadros tenham cores de fundo diferentes, definidas aleatoriamente.
c) O Nmero de Objetos
Este controle permite ao usurio especificar o nmero mximo de objetos dos prximos
quadros. As opes disponveis so 5, 10, 20, 50, 100, 500 e 1000.
d) As Cores dos Objetos
Como o controle de cor de fundo, esse controle oferece as opes Select e Random. A
opo Random faz com que objetos dos prximos quadros tenham cores de fundo
diferentes, definidas aleatoriamente. A opo Select faz com que os objetos dos prximos
quadros sejam monocromticos, da cor selecionada.
e) O Estilo dos Objetos
Este controle determina o estilo dos prximos objetos. Como os outros controles, oferece as
opes Select e Random. A opo Random faz com que objetos dos prximos quadros
tenham preenchimentos diferentes, definidos aleatoriamente. A opo Select faz com que
os objetos dos prximos quadros sejam todos de mesmo estilo. As opes possveis so:
Cor Slida, Transparente, Linhas Horizontais e Verticais, Diagonais Ascendente e
Descendente, Xadrez Horizontal e Diagonal.
118
substituindo a letra X esquerda, que significa que o quadro no foi avaliado, ou seja,
tem fitness = 0.
Da mesma forma, ou seja, clicando sobre o quadro com o boto direito do mouse,
uma mutao pode ser aplicada. Note, na figura 5.4, que a janela de avaliao contm
tambm um boto com o rtulo Mutate. A figura 5.5, a seguir, mostra o resultado de duas
operaes de mutao. O quadro Pop4, esquerda foi gerado atravs da opo New/Line.
A seguir, foi aplicada uma mutao sobre ele, atravs do boto Mutate. Houve uma
mudana radical, surgiu um crculo quadriculado no resultado, o quadro M1. Novamente,
uma mutao foi aplicada sobre o quadro Pop4. Desta vez a mudana foi apenas superficial.
O resultado, o quadro M2, continuou um quadro com traos. Cabe aqui lembrar o
comentrio de Margaret Boden quanto criatividade exploratria e a transformadora (seo
2.3). Considerando-se o espao conceitual das primitivas geomtricas possveis atravs dos
mtodos empregados, Line e Circle, ao se aplicar a mutao sobre o quadro Pop4, houve
119
uma explorao do espao. Mas, dado que o quadro Pop4 s continha objetos do tipo Line,
ao se obter um objeto do tipo crculo pode-se dizer, do ponto de vista visual, que houve
uma transformao.
Figura 5.6 Exemplos de texturas obtidas com populaes de 100, 500 e 1000 arcos pretos
adquiriu uma textura marmrea. No ltimo quadro, atribuiu-se o valor 1000 para o
controle Max. Obj. Num., ou uma populao de at 1000 arcos pretos sobre fundo colorido.
O quadro adquiriu uma textura de constelao, embora esta tenha sido criada a partir de
arcos. Ainda, aumentando-se o tamanho da janela de um quadro criado a partir de uma
populao de 500 arcos, uma composio bem distinta surge, apresentada na figura 5.7.
5.1.3
2.2
2.3
2.2.2
2.2.3
121
122
123
5.1.4
No ArtLab, cada quadro uma populao de objetos, ou seja, cada indivduo da populao
, na verdade, uma outra populao. Assim, o cromossomo de cada quadro dado por:
Q = [ F, Obj1 , Obj2 , ]
onde o campo F contm especificaes do quadro, tais como dimenses, cor de fundo e
nmero de objetos, e o campo Obj contm informaes especficas de cada objeto, que so
necessrias para a apresentao do objeto. Dado que os quadros podem possuir diferentes
nmeros de objetos, os cromossomos podem ter diferentes tamanhos, o que requer uma
adaptao do operador de crossover. A sua descrio a que segue.
Sejam Q1 e Q2 cromossomos associados a quadros tais que:
Q1 = [ F1 , Obj11 , Obj12 , , Obj1j];
Q2 = [ F2 , Obj21 , Obj22 , , Obj2k ];
e
t = min(j, k).
X
Q1
F1
Obj11 Obj12
Obj1x Obj1x+1
Q2
F2
Obj21 Obj2 2
Obj1k
Q 1
F1 Obj1 1 Obj1 2
Q2
F2 Obj2 1 Obj22
Obj2x Obj1x +1
124
Obj1k
A EXPLORAO DE AMBIENTES
125
126
Figura 5.12 Ao lado direito, detalhes de regies das imagens do lado esquerdo
O FITNESS VISUAL
Vitruvius, h uma discusso no Timaeus de Plato que coloca que o interesse de Vitruvius
em msica se restringia afinao correta das cordas das catapultas e construo de
ressonantes nos teatros, para melhorar a acstica.
5.2.2
PROPORES HARMNICAS
O arquiteto renascentista Alberti, nos seus Dez Livros sobre Arquitetura, escreveu:
Alberti usou estas propores musicais para relacionar as trs dimenses: altura,
largura e profundidade, mas no adicionando ou subtraindo dimenses. A analogia musical
estendeu o prazer atribudo ao olho em observar razes que so compreendidas como
razes de inteiros. E o matemtico Cardano, no sculo XVI, sustentou que tais razes so
interessantes porque so inteligveis. Quando esses aspectos foram discutidos no sculo
XIX, foi apontado que uma oitava a mais perfeita de todas as concordncias musicais. No
entanto, a razo de duas para uma das freqncias das notas envolvidas dificilmente
agradvel do ponto de vista arquitetnico. Antes disso, HOGARTH (1753 apud PEDOE,
1983), em sua Anlise da Beleza, referiu-se a escritores que no apenas confundiram a
humanidade com uma pilha de divises minuciosas e desnecessrias, mas tambm com a
estranha noo que estas divises so governadas pelas leis da msica. Ainda,
HELMHOLTZ (1954), em seu livro Sensations of Tone, observou que a consonncia de duas
notas de um acorde pode ser explicada muito simplesmente pela ausncia de rudos
desagradveis entre as parciais das notas que so reproduzidas, de acordo com a operao
de membranas do ouvido humano. ento um fenmeno fisiolgico, dependente da
estrutura do ouvido, e no um fenmeno psicolgico, suportado pelo reconhecimento
mental de relaes numricas simples. Em outras palavras, uma alterao das membranas
produziria uma mudana na atitude esttica. Infelizmente, atualmente h ainda menos
129
E
M
130
1+ 5
.
2
Pacioli referia-se razo urea como a divina proporo. Pensa-se que o termo
razo urea originou-se na Alemanha na primeira metade do sculo XIX. Um retngulo
com a razo urea mais agradvel do que um com lados na razo 2:1 ou 3:2 ou 5:7?
Experimentos tm sido realizados para decidir esta questo, com descobertas que no so
de todo convincentes, mas com uma pequena preferncia, talvez, pela razo urea (P EDOE,
1983).
O segredo das propores parece residir no apenas em formas simples, mas nos
relacionamentos entre elas. Em qualquer biblioteca de arquitetura, textos atacando a razo
urea como ferramenta arquitetnica podem ser encontrados, e alguns so bem
contundentes. Alguns autores acham muito pertinente lembrar que tudo na arquitetura, bem
como na pintura, depende da posio do observador, e que se algumas propores
aparentam estar na razo urea em uma posio, em outra posio aparentam uma razo
diferente. Mas ao se usar a razo urea para desenhar quadrantes sucessivos, como fez
Drer na construo aproximada de uma espiral, obtm-se uma curva muito atraente,
apresentada na figura 5.14.
com a disposio dos pratos em uma mesa de jantar, ou ornamentos numa roupa.
Qualquer que seja o princpio, ele atacado, mas h quem pregue a repetio de padres
similares. Alguns apontam que a percepo um processo dinmico e o ritmo um fator
importante.
No incio do sculo XX, Le Corbusier inventou o Modulor, um sistema que
assegura a repetio de formas similares. O Modulor consiste de duas escalas, a vermelha e
a azul. As dimenses da escala azul so o dobro da vermelha, e as divises de cada escala
so baseadas nas sries de , onde a razo urea. Assim, o Modulor no apenas um
instrumento de propores arquitetnicas, mas um meio de assegurar a repetio de formas
similares. Le Corbusier tornou-se famoso, e construiu o prdio das Naes Unidas em Nova
York. Tambm ele no poupado pela crtica. Dizem que seus textos no so fceis de
serem lidos por aqueles que desejam entender o que lem. Ainda, alegam que ele
provavelmente no leu Vitruvius, porque o sol da tarde batendo nas inmeras janelas de
vidro do prdio aquece o interior de forma insuportvel (P EDOE, 1983). No Brasil, alguns
prdios projetados por Oscar Niemeyer, colega de Le Corbusier, recebem essa mesma
crtica.
5.2.3
A DINMICA DA VISO
Em meados do sculo XX, ARNHEIM (1988) pregava, dentro dos princpios da Gestalt, que
a experincia visual dinmica. O que uma pessoa ou animal percebe no apenas um
arranjo de objetos, cores e formas, movimentos e tamanhos. , antes de tudo, uma interao
de tenses dirigidas. Estas tenses no constituem algo que o observador acrescente, por
razes prprias, a imagens estticas. Antes, essas tenses so inerentes a qualquer
percepo, como tamanho, configurao, localizao e cor. Por exemplo, o quadrado na
figura 5.15 encontra-se em um certo lugar na pgina, e o crculo est deslocado do centro.
No se percebe nenhum objeto como nico ou isolado. Ver algo implica em determinar um
lugar no todo, uma localizao no espao.
As vrias qualidades das imagens produzidas pelo sentido da viso no so
estticas. O crculo da figura 5.15 no est apenas deslocado em relao ao centro do
quadrado. como se, deslocado do centro, quisesse voltar, ou como se desejasse se
132
movimentar para mais longe ainda. E as relaes do crculo com as bordas do quadrado so
semelhantes a um jogo de atrao e repulso.
Se no h acordo geral com respeito forma, alguma convergncia h com respeito a cores.
No que diz respeito a cores, h regras gerais para o artista, no mundo da esttica, ou a
133
apreciao esttica das cores governada somente pela opinio subjetiva? Os alunos
sempre perguntavam isso a ITTEN (1975), e sua resposta era sempre a mesma: se o aluno,
intuitivamente, era capaz de criar obras primas em cor, ento o desconhecimento era seu
caminho. Seno, se o aluno se revelasse incapaz de criar bons trabalhos intuitivamente,
ento deveria olhar para o conhecimento. Mas o estudo detalhado dos grandes mestres
coloristas o convenceu firmemente que todos eles possuam uma cincia da cor. Para ele, as
teorias de Gethe, Runge, Bezold, Chevreul e Hzel foram inestimveis (ITTEN, 1975). Em
seu livro The Art of Color, ITTEN (1975) pretende apresentar solues para um grande
nmero de problemas em cor. Mais do que meramente expor princpios e regras objetivas,
explorar e analisar as categorias subjetivas. De acordo com ele, a liberao da subjetividade
vem apenas atravs do conhecimento e do estabelecimento de princpios objetivos.
Mas, h uma distino importante no que se refere cor, como percebida: a corluz e a cor-pigmento. Itten, quando fala em cor, refere-se cor-pigmento . A cor-luz se
refere s propriedades fsicas da cor, tal como a cor nos monitores de vdeo, e a corpigmento s propriedades qumicas da cor, como por exemplo a cor dos objetos. Essas
diferentes abordagens sero tratadas a seguir.
a) A Cor-Luz
Em 1676, Isaac Newton, usando um prisma triangular, analisou a luz branca em um
espectro de cores. Tal espectro contm todas as intensidades, exceto prpura. Newton
realizou seu experimento empregando uma luz entrando atravs de uma fenda e incidindo
em um prisma. No prisma, o raio de luz branca se dispersa nas cores espectrais. Os raios
dispersos de luz podem ser projetados em uma tela para mostrar o espectro. Uma banda
contnua de cores, do vermelho ao laranja, amarelo, verde, azul, at o violeta. Se esta
imagem coletada atravs de lentes convergentes, a adio de cores resultar novamente na
luz branca. Estas cores so produzidas por refrao. H outras maneiras de se gerar cores,
tais como interferncia, difrao, polarizao e fluorescncia.
Ao se dividir o espectro em duas partes, por exemplo, vermelho-laranja-amarelo e
verde-azul-violeta, e adicionar cada um desses dois grupos com uma lente convergente, o
resultado ser duas cores misturadas. E a mistura de ambas resultar em branco. Dois feixes
de luz colorida cuja mistura resulte em branco indicam que suas cores correspondentes so
complementares.
134
Mas o que se entende por harmonia de cores? Isto o que ser tratado na seo a
seguir.
135
5.2.5
Quando as pessoas falam em harmonia de cores, elas esto avaliando o efeito conjunto de
duas ou mais cores. Experincias subjetivas com combinaes de cores mostram que os
indivduos diferem e discordam em seus julgamentos de harmonia.
As combinaes de cores chamadas harmoniosas na linguagem comum so
compostas de cromos muito similares, ou talvez de diferentes cores nas mesmas matizes.
So combinaes de cores que se encontram sem fortes contrastes. Portanto, o conceito de
harmonia de cores deve ser removido do domnio da atitude subjetiva para o dos princpios
objetivos.
Harmonia implica em balano, simetria de foras. Um exame do fenmeno
fisiolgico da viso de cor fornece uma pista para a soluo do problema. Ao se fixar por
algum tempo um quadrado verde e ento fechar os olhos, v-se, como uma imagem
posterior, um quadrado vermelho. Ao se fixar um quadrado vermelho, a imagem posterior
um quadrado verde. A explicao cientfica que o olho preenchido com 250.000 cones
decodificadores de cores. Os 83000 cones que so usados para decodificar o vermelho
tornam-se saturados devido super-estimulao. Conseqentemente, os cones opostos
entram em ao. Este experimento pode ser repetido com qualquer cor, e a imagem
posterior sempre acontece de ser a cor complementar. O olho coloca a cor complementar
visando restaurar o seu prprio equilbrio. Este fenmeno conhecido como contraste
sucessivo.
Em outro experimento, insere-se um quadrado cinza em uma rea de cor pura de
mesmo brilho. Sobre o verde, o cinza aparentar um cinza avermelhado; sobre o vermelho,
um cinza esverdeado; sobre o violeta, um cinza amarelado; e sobre o amarelo, um cinza
avioletado. Cada cor induz o cinza a ser tingido com sua cor complementar. Cores puras
tambm tm a tendncia de sugerir outras cores cromticas em direo ao seu prprio
complemento. Este fenmeno chamado de contraste simultneo.
Contrastes sucessivo e simultneo sugerem que o olho humano retorna a uma
situao de conforto somente quando a relao complementar estabelecida. Atualmente,
alguns sites na Internet contm material para que os experimentos acima possam ser
realizados (http://www.colormatters.com/optics.html).
136
Ewald Hering, fisiologista, mostrou que o cinza neutro ou mdio gera um estado de
completo equilbrio no olho (HERING, 1878 apud SILVEIRA , 1994). Hering mostrou que o
olho e o crebro requerem um cinza mdio, ou tornam-se inquietos na sua ausncia. Ao se
olhar um quadrado cinza-mdio contra um fundo cinza-mdio, nenhuma ps-imagem
diferente do cinza mdio aparecer. O cinza mdio atende condio de equilbrio
requerida para o conforto visual humano.
y: yellow (amarelo)
o: orange (laranja)
r: red (vermelho)
v: violet (violeta)
b: blue (azul)
g: green (verde)
A harmonia das cores tambm foi discutida por OSTWALD (1931). Em seu livro
Colour Science, ele coloca: A experincia ensina que certas combinaes de cores
diferentes so agradveis, outras desagradveis ou indiferentes. A questo que surge : o
que determina o efeito? A resposta : cores agradveis so aquelas entre as quais algum
relacionamento regular, ordenado, acontece. Na falta disto, o efeito ser desagradvel ou
indiferente. Grupos de cores agradveis so chamadas harmoniosas. Assim, Ostwald
postula: Harmonia = Ordem. Onde Ostwald diz ...cores cujo efeito agradvel, so
chamadas harmoniosas ele implica num critrio subjetivo de harmonia. No entanto, o
conceito de harmonia deve ser removido do domnio da atitude subjetiva para o domnio da
atitude objetiva. Quando Ostwald diz que Harmonia = Ordem e apresenta o crculo de
cores de matizes iguais e os tringulo de cores semelhantes como instncias de ordem, ele
137
138
O matiz (hue) o ngulo em torno do eixo vertical, com o vermelho (ou o azul) a 0o .
As cores ocorrem ao longo do permetro. O complemento de cada matiz est localizado a
180o , e a saturao medida radialmente a partir do eixo vertical, de 0 a 1 na superfcie. A
luminosidade vai de 0 (preto, abaixo) a 1 (branco, no topo). O modelo HLS fcil de usar:
os tons de cinza tm S = 0, e os tons maximamente saturados tem S = 1, L = 0,5. Mas,
importante destacar que, se as cores so uniformemente distribudas no modelo HLS, esse
139
De um modo geral, as pessoas tendem a gostar de cores. Muitos livros foram escritos sobre
o uso de cores para propsitos estticos, e a recomendao de FOLEY et al. (1996) quanto
ao uso de cores nos ambientes computacionais, apesar de conservadora, no contradiz o que
foi dito. Pode-se dizer que a regra mais fundamental da esttica da cor selecionar as cores
de acordo com algum mtodo, tipicamente atravessando um caminho suave em um modelo
de cores ou restringindo as cores a planos ou hexacones em espao de cores. Isto significa
usar cores de luminosidade ou valores constantes. Ainda, as cores so melhor espaadas a
distncias perceptuais iguais, o que no o mesmo que ser igualmente espaadas em
incrementos de unidades. Isto pode ser difcil de implementar computacionalmente.
Recomendaes mais especficas sugerem que:
Se um quadro consiste de poucas cores, o complemento de uma das cores deve ser
usado como cor de fundo.
Um fundo neutro deve ser usado para imagens contendo muitas cores diferentes.
Se duas cores vizinhas no so particularmente harmoniosas, uma fina linha preta deve
ser usada para separ-las.
140
retina do que cones sensveis ao vermelho e ao verde, de maneira que a viso perifrica
humana melhor para o azul.
Azul e preto diferem muito pouco quanto ao brilho, bem como o amarelo e o
branco. Amarelo e preto tm bom contraste. Texto branco sobre fundo azul tambm um
bom contraste, e menos cansativo do que texto branco sobre fundo preto. Vermelho e
verde com pouca saturao e luminosidade so as cores que mais confundem os daltnicos.
O olho no consegue distinguir a cor de objetos muito pequenos. Ainda, a cor
percebida de uma rea colorida afetada pela cor da rea que a rodeia. Tambm, a cor de
uma rea pode afetar o seu tamanho percebido: um quadrado vermelho, por exemplo,
percebido maior do que um quadrado verde de mesmo tamanho (CLEVELAND & M CGILL,
1983). Este efeito pode levar o observador a atribuir mais importncia rea vermelha do
que verde.
reas de cores altamente saturadas fixadas por vrios segundos podem levar ao
aparecimento de uma ps-imagem, este aspecto precisa ser considerado. Ainda, grandes
reas de diferente cores podem aparentar estar a distncias diferentes do observador, porque
o ndice de refrao da luz depende do comprimento de onda. O olho muda o seu foco
conforme o observador desvia de uma rea colorida para outra, e esta mudana do foco d a
impresso de diferentes profundidades. Vermelho e azul, que so fins opostos do espectro,
tm o mais forte efeito de disparidade de profundidade, com o vermelho aparentando mais
prximo e o azul mais distante.
FOLEY (1996) termina o seu captulo sobre cores com a seguinte observao: Com
todos esses perigos e dificuldades quanto ao uso das cores, de surpreender que a sua
primeira regra seja aplic-las de forma conservadora?.
Mas, se projetos de interfaces grficas sugerem uma abordagem conservadora, at
para no incorrerem no risco de serem rejeitadas como produtos, artistas, em geral, no
trabalham de forma conservadora.
Os aspectos abordados nas subsees precedentes apontam as muitas dificuldades
na automatizao, at mesmo parcial, das funes de avaliao no domnio visual. Este
tema ser retomado na seo 5.4. Se quanto forma no se verificou convergncia, quanto
cor ela tambm no chega a ser expressiva, o que no invalida a abordagem. Mas a
dificuldade maior se d no na automatizao da funo, mas sim na definio do critrio a
141
ser formalizado pela funo. At o momento, a avaliao deixada por conta do usurioartista, no algoritmo gentico interativo, ou seja, arbitrrio.
A seguir, ser apresentado o segundo experimento desenvolvido no decorrer desse
trabalho de computao evolutiva aplicada criao, dessa vez aplicado ao domnio
sonoro. Aqui, dada a natureza do domnio, foram possveis a formalizao e automatizao
da funo de avaliao, ainda que parcialmente, e a interao com o compositor se d
habilitando-o, atravs da interface, a manipular essa funo, bem como outros controles que
enriquecem o material sonoro em construo.
143
144
ATRIBUTOS SONOROS
mi
sol
si
9/8 f
5/4 f
4/3 f
3/2 f
5/3 f
15/8 f
2f
Tabela 5.1 Modo Jnio ou Escala Maior seguindo as propores de nmeros inteiros
em
Equao 5.1
145
onde log o logaritmo na base 10, I0 = 1012 watt/m2 e SL chamado de sound level.
Observa-se que 1dB = 1011,9 watt/m2 . Essa medida pode ser dada na variao da
intensidade dos instrumentos musicais. Por exemplo, o trompete tem uma variao de
intensidade que vai de 56 a 98dB, e o violino, de 42 a 93dB. Posteriormente, ser descrito
como esses parmetros sonoros so representados no protocolo MIDI.
Os valores apresentados acima tm uma relao de percepo psico-acstica. No
caso, a altura (pitch) pode ser definida como a propriedade auditiva da nota que
condicionada por sua freqncia em relao s outras notas, como mostrado na tabela 5.1,
acima, construda atravs de relaes pitagricas. As diferentes notas de uma escala
musical so definidas dentro de um intervalo denominado de oitava (WATT, 1917). No caso
do piano a variao de freqncias de 27Hz a 4kHz (GUTTMAN & PURZANSKY, 1962),
divididas em oitenta e oito notas, equivalentes s teclas do piano. A partir do contnuo de
freqncias, um conjunto de freqncias discretas selecionado de forma que as
freqncias compartilhem uma relao entre elas num intervalo definido, como na tabela
5.1. Assim, a altura corresponde freqncia que selecionada de um repertrio prdefinido, num contnuo de freqncias.
No caso da escala cromtica, seguindo este esquema, doze freqncias discretas so
escolhidas no intervalo de uma oitava, de forma que a razo entre quaisquer freqncias
adjacentes seja 21/12. Na terminologia musical, essa razo denominada um semitom. Mais
simplesmente, a altura pode ser interpretada como a prpria nota: por exemplo, d, d#, r,
r#, mi.
fff
forte-fortssimo
ff
fortssimo
forte
mf
meio-forte
mp
meio-piano
piano
pp
pianssimo
ppp
piano-pianssimo
146
Uma melodia pode ser definida como uma seqncia organizada de eventos
sonoros caracterizada por altura, volume e durao.
O protocolo MIDI prov uma representao simblica para eventos sonoros a partir do qual
os atributos apresentados acima podem ser definidos. No VOX POPULI, ambiente de
computao evolutiva desenvolvido no decorrer desse trabalho, os indivduos so
associados a eventos MIDI, descritos por tabelas que representam a altura (nome da nota,
tabela 5.1), o volume (dinmica da nota, tabela 5.2), o instrumento e a durao. Na tabela
5.3, apresentada a relao entre os parmetros para eventos sonoros e a respectiva
representao no protocolo MIDI.
147
Parmetro sonoro
Note number
Velocity Number
Timbre
Program Number
1001010
0
0010110
1
1010001
2
Assim, sob o ponto de vista do parmetro de altura, cada indivduo da populao foi
definido como um acorde de quatro notas, e uma soluo potencial para um processo de
seleo. O algoritmo gentico usado para gerar e avaliar a seqncia de acordes. Os
acordes so enviados para a porta MIDI e podem ser ouvidos como eventos sonoros em
tempo real. Avaliaes do fitness meldico, harmnico e de intervalo de vozes,
apresentadas a seguir, so usadas para controlar as seqncias de eventos sonoros gerados
pelo programa.
Como em todas as abordagens evolutivas baseadas no esquema geral proposto pelo
algoritmo gentico original de HOLLAND (1992), algumas caractersticas so comuns. Em
quase todos os casos, novas populaes de solues potenciais so criadas, gerao aps
gerao, atravs de trs processos principais (MORONI et al., 2000):
148
1. Para indicar uma tendncia de que as melhores solues para o problema prevaleam
com o passar do tempo, mais cpias da melhor soluo corrente so colocadas na
prxima gerao;
2. Novas solues so introduzidas na populao pela alterao aleatria (mutao com
baixa taxa) de indivduos presentes na populao anterior, de modo que os descendentes
apresentem forte semelhana com seus progenitores;
3. O operador de crossover empregado na combinao de caractersticas das solues
candidatas, isto , os genes dos progenitores so misturados para formar descendentes
com parte das caractersticas de cada um.
149
F = FM + FH + FO
Equao 5.2
O fitness meldico e o fitness harmnico foram calculados com base nas tabelas
propostas, conforme indicado a seguir:
a) A Avaliao do Fitness Meldico
Aqui, as estruturas consideradas so acordes de 4 notas que sero denotados pelo conjunto
C = {x1 , x 2 , x3 , x 4 }. Cada x k associado a um valor note number da tabela MIDI, ou seja,
x k [ 0, 127] . O fitness meldico de x k , M ( x k ) , definido pela equao 5.3:
M : [0,127 ] [0,11]
Equao 5.3
onde
M ( xk ) = PM ( xk mod 12) / 11]
e PM extrado da tabela 5.4 de pesos meldicos, a seguir. Observe que 0 M ( x k ) 1.
xk mod 12
10
11
11
10
O conjunto [0, 11] representa as notas musicais contidas na escala cromtica, que
so as notas em uma oitava no piano, respectivamente, [d, d#, r, r#, mi, mi#, f, f#,
sol, sol#, l, l#, si]. Em princpio, esta tabela arbitrria (mdulo 12). No entanto,
dependendo do estilo da seqncia sonora pretendida, o compositor/usurio pode defini-la
segundo regras pr-estabelecidas. A tabela 5.4 reproduz, ao menos parcialmente, o esquema
de msica tonal (consonncia).
Se C4 for definido como o espao de todos os acordes possveis com 4 notas ento o
fitness meldico uma funo FM : C4 , onde o conjunto dos nmeros reais.
Segue que, dado um acorde C = {x1 , x 2 , x3 , x 4 } , definiu-se a funo fitness meldico
FM (C) como:
FM (C ) =
150
1 4
M (x k ) , C C4
4 k =1
Equao 5.4
Equao 5.5
xk mod 12
10
11
11
10
Pode-se ento definir para cada acorde C C4 a funo fitness harmnico (FH) da
seguinte maneira:
FH ( C) =
1 4
H (x k )
4 k =1
Equao 5.6
1 se Omin xk Omax
O( x k ) =
0 caso contrrio.
Equao 5.7
151
Novamente, dado um acorde C C4, a funo fitness oitava (FO) foi definida como:
FO(C ) =
1 4
O( xk )
4 k =1
Equao 5.8
Claramente, 0 FO(C ) 1 e FO : C4 .
A seguir, ser apresentada uma formulao matemtica para a consonncia, que ser
usada na avaliao das funes de fitness meldico e harmnico, substituindo as tabelas
para PH e PM.
5.3.4
Definio 5.2
Dadas duas notas com uma razo de freqncia n:m, existe um nmero natural i
onde o (i m)-simo harmnico da primeira nota e o (i n)-simo harmnico da segunda
nota so a mesma nota.
Assim, h mais harmnicas comuns numa razo de freqncia de 3:2 do que numa
razo de freqncia de 4:3. Ainda, quando o intervalo a razo de dois grandes nmeros,
nota-se um decrscimo na consonncia. Portanto, a contribuio do n-simo harmnico
consonncia maior do que o r-simo harmnico quando n < r (VIDYAMURTHY &
CHAKRAPANI, 1992).
Das observaes acima, a consonncia se apresenta como uma funo da associao
ou sobreposio entre os componentes harmnicos das notas. Esta medida de sobreposio
pode ser escalonada em [0, 1], com 1 denotando a completa sobreposio, no caso de se
sobreporem duas notas iguais, e 0 denotando nenhuma sobreposio. Esta noo de
sobreposio pode ser sucintamente modelada pelo formalismo da lgica nebulosa, em que
153
a pertinncia de um elemento a um conjunto possui um grau que varia no intervalo [0, 1],
conforme mostrado na figura 5.20. Pertinncia total implica grau 1 e ausncia completa de
pertinncia implica grau 0. Pertinncias parciais implicam graus dados por valores no
intervalo aberto (0, 1).
onde:
A
B
C
D
E
F
G
H
I
J
K
L
M
N
O
P
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
=
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
n
+
+
+
+
+
+
+
+
+
+
+
+
+
+
+
12
19
24
28
31
34
36
38
40
41
43
45
46
47
48
O grau de pertinncia pode ser ilustrado pelo grfico na figura 5.20. Este grfico no
leva em conta a distncia entre os harmnicos (no eixo horizontal esto igualmente
espaados e representados por letras). No grfico, a nota n denota a n-sima nota do piano,
enquanto que (n + k) refere-se freqncia fundamental da nota k semitons acima da nota
n; enquanto que o nmero de semitons acima da nota considerada.
J os grficos apresentados mais adiante na figura 5.21 fornecem funes de
pertinncia reais, decrescentes. No entanto, outras funes de pertinncia podem ser
adotadas pelo projetista.
d) A nota relacionada a um conjunto nebuloso
Uma nota musical pode ser relacionada com a sua fundamental e o conjunto de seus
harmnicos superiores. A relao da fundamental (aqui entendida como o primeiro
harmnico da seqncia) e de seus harmnicos pode ser representada graficamente como
um espectro, ou seja, um grfico de freqncia versus amplitude (CHAIGNE, 1987). No
trabalho de VIDYAMURTHY & CHAKRAPANI (1992), uma nota musical associada a um
conjunto nebuloso, onde a amplitude de cada harmnico decai inversamente com o valor da
freqncia. Cabe aqui ressaltar que esta curva no a nica forma de representar a relao
154
entre freqncia e amplitude, mas h uma grande variedade de espectros sonoros que
seguem esse comportamento.
Na modelagem foi adotado o protocolo MIDI para representar o valor das alturas
das notas musicais, onde 60 equivalente ao d central do piano. A figura 5.21 apresenta
os grficos onde a relao descrita acima dada para duas notas. Observe que no eixo x os
valores so dados em semitons, ou seja, dada a nota n, (n + k) refere-se a uma nota k
semitons acima. Por exemplo, a nota 60 refere-se ao d central e a nota 64 refere-se nota
4 semitons acima, que o mi (61 = d #; 62 = r; 63 = r #). No eixo y, so apresentados os
valores da funo de pertinncia, arbitrados de acordo com o critrio de que a pertinncia
varia com o inverso da freqncia.
155
Equao 5.9
f S a funo de pertinncia
Em geral impe-se que para uma funo de pertinncia f S a soma dada por
xU
xU
pertinncia dada pelas alturas dos componentes harmnicos mostrados na figura 5.20, que
so apresentados na tabela 5.6.
Para simplicidade, assume-se que as pertinncias da fundamental e harmnicos no
mudam de nota para nota, para um dado instrumento (VIDYAMURTHY & CHAKRAPANI,
{(
156
Equao 5.10
f S ( x + )
0.1128
12
0.1061
19
0.0994
24
0.0927
28
0.0860
31
0.0793
34
0.0726
36
0.0659
38
0.0591
40
0.0524
41
0.0457
43
0.0390
45
0.0323
46
0.0256
47
0.0189
48
0.0122
e) A funo da Consonncia
Tendo em vista que a modelagem adotada utiliza-se da sobreposio dos conjuntos
apresentados acima, pode-se definir consonncia entre duas notas S1 e S2 como segue.
Dadas duas notas S1 e S2 consideradas como conjuntos nebulosos, elas podem ser
1
tomadas como conjuntos de parciais harmnicas, descritos por S1 = x 10 , x11 ,K, x15
2
S 2 = x 02 , x12 , K , x15
. Define-se a consonncia entre S1 e S2 como a interseo da
sobreposio entre os conjuntos nebulosos associados a cada nota, S12 = S1 S2 , que pode
ser descrito como:
12
12
S12 = x12
i , x j , K, xk
Equao 5.11
157
1
2
onde x12
n tal que x n = xn , n {i, j, ..., k}, i, j, ..., k {0,...,15}. Observe que S12 tem m
Equao 5.12
Definio 5.5
n{i , j ,...,k }
yn .
Equao 5.13
158
5.7 uma relao onde, esquerda, os valores foram calculados pela modelagem de
conjuntos nebulosos, e direita, os valores so dados pela ordem de consonncia de Franco
de Cologne (HELMHOLTZ, 1954) do sculo XII.
1
2
3
4
5
6
7
Unsono
Oitava
Quarta Perfeita
Quinta Perfeita
Segunda Maior
Tera Menor
Sexta Maior
8
9
10
11
12
13
Stima Menor
Quinta Aumentada
Tera Maior
Quarta Aumentada
Stima Maior
Segunda Menor
Consonncia perfeita:
- unsono e oitava.
Consonncia mdia:
- quarta e quinta.
Consonncia imperfeita:
- teras maior e menor.
Dissonncia imperfeita:
- sextas maior e menor.
Dissonncia perfeita:
- stima menor;
- quarta aumentada;
- stima maior;
- segunda menor.
5.3.6
Uma melodia pode ser vista como uma seqncia S = ((S1, t 1 ), (S2, t 2 ), ...) de pares
ordenados, onde Si a i-sima nota da melodia e t i a respectiva durao. Para uma dada
melodia, possvel definir o que ser chamado de centro tonal. Neste caso, a modelagem
adotada vinculada s regras de consonncia do contraponto tradicional. Assim, a extrao
do centro tonal de uma seqncia envolve encontrar uma nota harmonicamente compatvel
tal que a consonncia entre cada nota, na seqncia, e o centro tonal seja maximizada no
tempo.
Definio 5.6
CT (S ) = t i Co(S , S i )
Equao 5.14
i=1
159
onde S S .
No VOX POPULI o centro tonal calculado em tempo real, e a durao da nota
determinada pelos processos associados ao ciclo gentico.
a) Fitness Meldico
No VOX POPULI, o centro tonal pode ser modificado pelo usurio atravs do controle
meldico, que permite ao usurio atravs de um controle da interface atribuir varivel Id
um valor correspondente a uma nota MIDI vlida, isto , Id = S*.
Pode-se ainda definir o fitness meldico de um acorde de quatro notas (x 1 , t), (x2 , t),
(x 3 , t), (x4 , t) em relao ao centro tonal denotado Id. Este fitness calculado pela expresso
(MORONI et al., 2002a):
M ( x1 , x2 , x3 , x 4 ) = max {Co( S i , Id )}, i = 1,2,3,4
Equao 5.15
b) Fitness Harmnico
Ainda pode-se definir uma outra quantidade que ser denominada fitness harmnico. Ele
dado pela soma das consonncias das notas constituintes de um acorde de quatro notas,
tomadas duas a duas na ordem cclica, isto :
H ( S1 , S 2 , S 3 , S 4 ) = 1 / 4 [Co( S1 , S 2 ) + Co( S 2 , S 3 ) + Co( S 3 , S 4 ) + Co( S 4 , S 1 )]
Equao 5.16
Equao 5.17
i, j
160
valores associados a notas MIDI ([0, 127]) e as funes Baixo, Tenor, Contralto e Soprano
eram dadas pelas curvas mostradas na figura 5.23.
Tenor Contralto
Vozes no humanas
Vozes no humanas
Baixo
20
40
Soprano
60
80
100
120
Esta funo privilegiava os acordes com notas na regio das vozes humanas, ou
seja, no intervalo [40, 84]. Foram arbitrariamente associados os valores lingsticos Baixo,
Tenor, Contralto, Soprano aos intervalos de notas MIDI [40, 62]; [45, 72]; [58, 78] e [59,
82]; mas esta funo mostrou-se muito restritiva para os instrumentos musicais em termos
de criao de seqncias sonoras. Assim, a verso anterior (seo 5.3.3.c) foi mantida.
2.1
2.2
2.3
2.4
2.4.1
2.4.2
2.4.3
2.4.4
161
O AJUSTE DO FITNESS
162
que o compositor desenha trajetrias ou rbitas usando pitchs, harmonias, ritmos, timbres,
etc. (MANZOLLI , 1993).
Dados
Processos
Ciclo de
Reproduo
Populao
Reproduo
Crossover
Mutao
Avaliao
Ciclo da
Interface
Melhor
Acorde
Interface
163
Um controle pad (bloco de desenho) interativo supre uma rea na qual curvas 2-D
podem ser desenhadas (MORONI et al. 2000; 2002a). Estas curvas, uma vermelha e outra
azul, so ligadas a controles da interface. A curva vermelha liga os controles meldico e
oitava; e a curva azul liga os controles biolgico e rtmico. Cada curva descreve uma
relao temporal entre as variveis associadas. As curvas so percorridas na ordem em que
foram traadas. Seus componentes horizontais e verticais so usados para a avaliao do
fitness e para modificar a durao dos ciclos genticos, interferindo diretamente no ritmo da
composio. O pad interativo permite ao compositor conduzir a seqncia sonora atravs
de desenhos, sugerindo os gestos do maestro usados quando regendo uma orquestra.
Atravs de diferentes desenhos, o compositor pode experimentar a seqncia sonora criada
e conduzi-la, atravs de diferentes trajetrias ou rbitas sonoras. As trajetrias, portanto,
afetam o ciclo de reproduo e a avaliao do fitness sonoro, e podem acarretar
transformaes radicais na superfcie de fitness. Mas desde que os acordes so selecionados
sempre da populao mais recente, aps terem sido aplicados crossover e mutao, por
mais drstica que seja a transformao, a populao vai se adaptando aos poucos s novas
condies de avaliao. Pode-se afirmar que o algoritmo evolutivo est sujeito a uma
superfcie de fitness variante no tempo, de modo que as regies promissoras se deslocam ao
longo do espao de busca, de acordo com a indicao das trajetrias traadas no pad. Sendo
assim, os indivduos da populao tendem a migrar para estas novas reas promissoras,
modificando a seqncia sonora.
5.3.8
A interface foi projetada para que o usurio possa modificar a seqncia sonora sendo
gerada, seja atravs do pad ou de cursores associados aos controles meldico, biolgico,
rtmico e oitava. A seqncia sonora resultante vai responder ao novo propsito indicado
pelo usurio, e a velocidade de resposta vai depender da durao dos ciclos genticos e do
nmero de indivduos da populao original. Abaixo, a interface do VOX POPULI
apresentada na figura 5.25. A seguir, so descritos os controles da interface.
a) Controle Meldico
Este provavelmente o mais importante dos controles da interface (mel, primeiro
esquerda), que permite variar o centro tonal (na figura 5.25, a nota 6 da tabela MIDI),
164
b) Controle Biolgico
O controle biolgico (bio) permite a interferncia na durao do ciclo gentico,
modificando o nmero de geraes, denominado aqui de era, at a seleo de um indivduo.
A cada final de era, h um acorde, o de melhor fitness, disponvel para ser tocado. No VOX
POPULI, h dois processos cooperativos, um produtor e outro consumidor. O controle
biolgico determina o tempo do processo produtor, ou seja, o que disponibilizar o melhor
acorde para ser tocado.
c) Controle Rtmico
Este controle (rhy) varia a fatia de tempo para que uma nova nota seja enviada para ser
tocada pela placa MIDI, ou seja, o tempo entre duas solicitaes envolvendo os processos
produtor e consumidor gera diretamente o ritmo da composio. Portanto no h nenhum
parmetro numrico que controla diretamente o pulso mtrico do programa. As seqncias
rtmicas produzidas pelo VOX POPULI vm do resultado direto da velocidade de
processamento do programa (o ciclo biolgico) versus a freqncia com a qual um
determinado acorde enviado para a porta MIDI (o ciclo sonoro).
165
d) Controle de Instrumentos
Na interface grfica, a mudana de timbre que ocorre durante a performance do VOX
POPULI feita atravs do controle orchestra. Neste caso, h um conjunto de programas
MIDI pr-selecionados de uma populao de 127 programas possveis (de acordo com a
tabela general MIDI). Este conjunto subdividido em subconjuntos que foram relacionados
aos naipes de uma orquestra (os grupos instrumentais de uma orquestra sinfnica). Durante
a execuo do VOX POPULI, a cada mudana de naipe, um grupo de quatro programas
MIDI sorteado para cada uma das quatro vozes do programa. Nesse controle, a seleo
feita pelo usurio, ou seja, a funo de fitness dada pelo julgamento humano, como no
ArtLab.
e) Controle Oitava
O controle oitava ou registro (oct) permite alargar ou diminuir o intervalo de vozes. Os
acordes que tiverem notas no intervalo selecionado tero seu fitness aumentado. Em sua
primeira verso, acordes com notas no intervalo de vozes humanas e com um componente
de cada tipo (baixo, tenor, contralto, soprano) eram privilegiados. Posteriormente, essa
restrio foi relaxada permitindo a seleo de qualquer regio contnua do conjunto de
notas disponveis no protocolo MIDI.
f) Um retrato do processo evolutivo
Trs outras regies na interface permitem ao usurio acompanhar os resultados da evoluo
dos indivduos que compem a populao a cada gerao. Acima, direita, so
apresentadas as notas e o fitness de cada acorde que est sendo tocado. Ao meio, um grfico
de barras mostra as quatro vozes (baixo, tenor, contralto, soprano) e seus valores. Abaixo,
so apresentados os fitness parciais (meldico, harmnico, oitava) do acorde que est sendo
tocado.
g) Pad Interativo
O boto pad on habilita e desabilita o pad interativo. Quando habilitado, o usurio pode
desenhar curvas no espao de fase, associando a elas os controles meldico e oitava, na
curva vermelha, e biolgico e rtmico, na curva azul. Essa facilidade permite ao usurio
desenhar e orientar a curva para determinar a evoluo da seqncia sonora. Nas verses
at o momento, apenas os parmetros mencionados (mel, bio, rhy, oct) foram usados
166
Figura 5.26a Uma curva simples e a sada sonora produzida pelo VOX POPULI
167
169
tomada como entrada para a rede neural uma execuo completa, de modo que a rede
neural apenas mapeie esta execuo num ndice de desempenho? Se for assim, qual deveria
ser a extenso fixa desta execuo? Ainda, a partir de uma mesma condio inicial, vai ser
medida a correlao entre uma seqncia proposta por uma rede neural recorrente e uma
seqncia a ser avaliada? Se for assim, como treinar a rede neural para que esta seja capaz
de propor uma seqncia sonora de alta qualidade, a ser utilizada como referncia? H um
outro problema tambm em se construir crticos: uma vez que a populao tenha evoludo
para satisfazer o crtico, ela tipicamente convergir para aquela soluo, minimizando
variaes e novidades. Isto no problema com crticos humanos, porque seu critrio de
seleo pode mudar no decorrer do tempo para buscar novos aspectos e abandonar a
estagnao.
A coevoluo pode ajudar a resolver alguns problemas. As duas metades do ciclo
criativo, criador e crtico, podem evoluir juntas, modelando e tendo o seu comportamento
modelado (D ELGADO, 2003). HILLIS (1991) evoluiu rotinas simples para sortear listas de
nmeros, mas descobriu que com um conjunto fixo de teste, envolvendo seqncias
numricas a serem ordenadas, os programas evoludos no generalizariam todas as
possveis seqncias. Eles usavam atalhos para ordenar somente os casos de teste. Quando
Hillis fez os casos de teste coevolurem, atribuindo a cada seqncia um fitness maior
quando ela driblava uma rotina ordenadora, os ordenadores eram continuamente
desafiados e prosseguiam com o comportamento ordenador geral desejado. Da mesma
forma, no domnio sonoro, alguns autores (WERNER & TODD, 1997; CLIFF & MILLER,
1995) coevoluem crticos e criadores, isto , sistemas de regras, de forma a
continuamente desafi-los com novos critrios de fitness e preveni-los da estagnao (TODD
& WERNER, 1999).
170
6
AGI: O DOMNIO,
O CRIADOR, O JRI
Num Algoritmo Gentico Interativo (AGI), o julgamento humano usado como funo de
fitness, atravs de uma interface homem/mquina. Este ciclo tipicamente comea com a
apresentao dos indivduos da populao corrente para o mentor humano avali-los. No
domnio visual, em geral, todos os indivduos so apresentados de uma vez, de forma que a
populao inteira possa ser comparada. O modelo contm: o domnio nos casos
estudados, visual ou sonoro; o criador o processo evolutivo; e o jri o mentor. O mentor
pode, ento, determinar o fitness de cada indivduo em relao a todos os outros indivduos
j avaliados.
Um critrio de fitness bem formalizado d origem a uma superfcie de fitness. A
questo que esta superfcie de fitness pode existir apenas na mente do usurio (mentor) e
este pode no ter totalmente definida esta superfcie em todas as regies, ou seja, o mentor
pode no ser capaz de atribuir com segurana um valor de fitness a alguns indivduos da
populao. Sendo assim, a forma que se sugere para se estimar o mximo desta superfcie
amostr-la atravs da interface com o usurio. No entanto, normalmente no se solicita do
171
usurio a indicao do grau de confiana que ele tem na avaliao realizada e nem mesmo
quais modificaes pontuais poderiam levar a um aumento da qualidade daquele indivduo.
173
o ArtLab, decidisse gerar um quadrado preto sobre um fundo branco. Boas chances ele teria
de obter um resultado como o apresentado na figura 6.2, aps ter selecionado os valores
(Square, White, 1, Black, Solid) para os controles (Format, Back_Color, Object_Number,
Object_Color, Object_Style), seguido da opo New Box.
Figura 6.2 Figuras resultantes da ativao da opo New Box no ambiente ArtLab, com os
parmetros (Format, Back_Color, Object_Number, Object_Color, Object_Style) inicializados
com os valores (Square, White, 1, Black, Solid)
175
176
177
Tomando apenas 4 indivduos na populao a cada gerao, foi obtido um resultado com
fitness de 9,74 em 18 iteraes. Mas, para atingir o fitness mximo foram necessrias 1789
iteraes. Numa segunda execuo, menos de 1000 iteraes e em outra simulao mais de
6000 iteraes. Nos resultados mostrados na figura 6.4, o fitness 9,9 foi atingido em 175
iteraes.
Apesar da funo de fitness considerar a centralizao da figura na avaliao, ou
seja, haver uma presso seletiva quanto centralizao da figura, no h no cromossomo de
cada composio nenhuma informao quanto centralizao, ou simetria. Ou seja, o
resultado acaba sendo atingido, sem que o objeto contenha em si o cdigo gentico
especfico, a ser transmitido aos seus descendentes. A aferio para a seleo foi feita sobre
o fentipo e o resultado emergiu, se aproximando do objetivo, devido simplesmente
presso seletiva, indicando assim uma atuao indireta sobre o gentipo.
Figura 6.4 Resultado da simulao, aps 175 iteraes. Acima a populao inicial, de
quatro quadros. Abaixo a populao final. O quadro esquerda, abaixo, obteve um fitness
de 9,9.
contempla a gerao de retngulos pretos sobre fundo branco, mas os quatro lados de
mesmo comprimento e a disposio central so um caso particular. De acordo com a autora,
uma idia meramente nova aquela que pode ser descrita e/ou produzida pelo mesmo
conjunto de regras gerativas como so outras idias familiares. Uma idia original ou
criativa uma que no pode. Nesse contexto, talvez a composio Malevich, ao surgir e
ser reconhecida, seja um exemplo de criatividade-H. De fato, um caso particular dos
retngulos negros sobre fundo branco, ou seja, da criatividade-P, o caso mais genrico
(seo 2.2). Nesse caso, foi a presso seletiva a responsvel pelo surgimento de uma nova
idia.
Alguns talvez sintam alguma resistncia em tratar um quadrado preto como um caso
de criatividade-H, mas cabe aqui lembrar que a composio O Quadrado, de Malevich,
quando apresentada ao mundo, foi julgada por um campo de especialistas que
reconheceram e validaram a inovao.
Pode-se verificar a concluso da seo 2.5: o computador pode fazer coisas que no
lhe foram ordenadas diretamente e tambm podem falhar na realizao de tarefas que
acreditava-se terem sido especificadas em instrues.
6.3.2 SOLUO AUTOMTICA VIA ALGORITMOS M EMTICOS
Mas, uma vez identificado o que pode ser feito para aumentar o fitness de um dado
indivduo da populao, o problema pode ser resolvido de forma extremamente elementar.
Ao invs de aumentar o dilogo com o computador na funo de fitness, introduz-se novos
operadores de busca local. No caso acima, possveis operadores de transformao poderiam
ser, por exemplo:
importante notar que, no caso acima, o operador atuaria no nvel do gentipo. Esta
soluo hbrida caracteriza um algoritmo memtico. H ganho de ambas as partes: do
usurio, reconhecendo uma oportunidade e realizando uma busca local numa regio que foi
alcanada por uma busca populacional; e do sistema, adquirindo robustez.
179
180
Figura 6.6 A interface grfica do VOX POPULI, onde o valor apontado indica que o controle
meldico est associado nota mi.
Seja, por exemplo, na figura 6.6 o valor selecionado atravs do controle meldico,
no caso, o valor 4. Isto significa que o centro tonal Id a nota associada ao valor 4, no caso
a nota mi, conforme descrito na seo 5.3.6.
O que significa isso? Significa que o fitness meldico dos acordes de quatro notas a
serem gerados pelo algoritmo gentico ser calculado em relao nota mi (seo 5.3.6).
Em outras palavras, ser calculada a consonncia de cada nota (x 1 , t), (x2 , t), (x3 , t), (x 4 , t) do
acorde em relao nota mi, no instante t. Se esse valor permanecer constante no tempo,
a seqncia sonora ficar bastante montona. Mas ao se ativar o pad, duas relaes
temporais so criadas, associando os controles meldico e octave (curva vermelha), e
rtmico e biolgico (curva azul). A figura 6.7 mostra como, a partir da curva vermelha, so
extrados os valores desejados para as funes de fitness meldico e octave. O mesmo
acontece na curva azul, de onde so extrados os valores desejados para as funes de
fitness biolgico e rtmico, que afetam o nmero de iteraes para a evoluo dos acordes e
182
oct
mel
183
Em poucas palavras, o usurio no deve ser requisitado com a mesma freqncia com que a
mquina solicitada. Por exemplo, no domnio sonoro no caracterizado por hbridos como
o VOX POPULI, a evoluo temporal dos eventos sonoros impede a apresentao paralela,
comprimida, dos indivduos, como no domnio visual. A maioria das aplicaes de
algoritmos genticos aplicados composio sonora encontradas na literatura apresenta a
populao como uma trajetria evolutiva de seqncias sonoras tais como acordes, motivos
e frases representadas como eventos. O resultado conseqente em composio sonora que
cada membro da populao deve ser apresentado individualmente e em tempo real. Isto
resulta num gargalo de fitness severo, que freqentemente limita o tamanho da populao e
o nmero de geraes que realisticamente podem ser evoludas num AGI. Estes limites so
necessrios no somente para reduzir o tempo para rodar um AGI, mas tambm para ajudar
a reduzir a falta de confiabilidade dos mentores humanos, conforme eles tentam selecionar
os indivduos na populao, ouvindo somente uma seqncia de cada vez. Ainda, os
mentores tendem fadiga e reduo da ateno, e comeam a punir indivduos nas ltimas
geraes que foram altamente premiados nas geraes anteriores.
O mesmo pode ocorrer no domnio visual. Um perodo longo de exame de detalhes e
cores pode conduzir ao cansao e a alteraes perceptivas, e influir na avaliao dos
indivduos.
184
aos seus programas a capacidade de mudar o cdigo, ou seja, eles impedem transformaes
fundamentais no espao conceitual.
Uma razo para abandonar transformaes drsticas em modelos de criatividade
baseados em inteligncia artificial que o ser humano pode estar mais interessado, pelo
menos durante algum tempo, em explorar um dado espao que em transform-lo de
maneira imprevisvel; tambm ele pode estar se familiarizando com o sistema. Outra razo
a dificuldade da automatizao da avaliao.
VOX POPULI proporciona ao usurio a oportunidade de fazer julgamentos
subjetivos em todas as mutaes e recombinaes enquanto transita para a prxima
iterao. Do ponto de vista do usurio, o julgamento internalizado no sistema. Do ponto
de vista do sistema, a funo de fitness modificada, alterando assim os objetivos da busca
no espao conceitual, conforme o usurio d rumo navegao.
Num contexto bem especfico, pode-se pensar que a computao evolutiva, como
modelo de criatividade, atende explorao, j que busca; combinao, atravs do
crossover e da co-evoluo, e transformao, atravs da mutao. Alguns podem
discordar da aplicao do termo criatividade a um contexto to especfico, mas se levarmos
em conta o sucesso que os algoritmos evolutivos j demonstram apresentar ao resolver
alguns problemas de elevada complexidade, via progressos de natureza cumulativa, fica
evidente que a aplicao continuada destes trs processos eficaz na busca pelo
atendimento de objetivos bem definidos, sem que seja necessrio dizer para a mquina
como realizar esta tarefa.
6.6.1 DIVERGNCIA E CONVERGNCIA
De acordo com GARDNER (1996), a idia chave na concepo de criatividade do psiclogo,
o pensamento divergente (seo 2.6). Se a computao evolutiva pode conduzir
implementao de algoritmos de busca eficazes, embora sem garantia de obteno da
soluo tima global (ver captulo 3), boas chances h de ser adequada para a
implementao do pensamento divergente. Em quase todos os casos, so criadas novas
populaes de solues potenciais para algum problema, gerao aps gerao, atravs de
trs processos principais. Primeiro, para garantir que as melhores solues disseminem seu
cdigo pela populao, mais cpias das boas solues que das ms solues so colocadas
na prxima gerao. A reproduo ento proporcional ao fitness, porque as melhores
185
um banco de dados;
187
encontradas num banco de dados, ao lhe ser solicitada novamente uma soluo, ele
recorreria ao banco de dados para apresent-la e ao processo evolutivo para modific-la e
evolu-la. Desta maneira, o AGI estaria promovendo uma catalisao de idias. Quanto s
idias ruins, ele estaria se livrando delas aos poucos, pois o AGI conserva apenas, ou
principalmente, as melhores solues. As piores so gradativamente eliminadas ao longo do
processo da evoluo.
188
7
CONCLUSO
7.1 REDES, NS E CONEXES
A criatividade e a sua possvel realizao computacional, resultando na produo de
material com algum valor esttico, particularmente no domnio visual e sonoro, foram o
alvo de estudo desta tese. Embora esta afirmao represente uma interpretao
demasiadamente genrica do trabalho realizado, ela serve ao propsito de conduzir
constatao de que exatamente este tema foi e alvo de estudo de muitos outros grupos de
pesquisa e de produo artstica ao redor do mundo. Ser mais um dentre um elenco amplo
de proponentes dos benefcios da interao homem-mquina, no contexto da produo
artstica, requer certamente uma definio clara da identidade do trabalho, capaz de permitir
o estabelecimento de contrastes e correlaes com as demais iniciativas de mesma temtica.
E ao buscar caracterizar a identidade desta tese, se acaba convergindo justamente
para as contribuies da mesma. Mas o caminho um pouco longo. As contribuies no
so pontuais. Fazendo uma analogia entre esta tese e ns interconectados em rede, as
contribuies no esto nos ns. Elas esto nas conexes da rede. Quanto aos ns, um
mrito desta tese foi identificar aqueles que mais contribuem para retratar a rede. Mas nas
189
190
191
Referncias Bibliogrficas
ARNHEIM , R. Arte e Percepo Visual. So Paulo: Livraria Pioneira Editora, 1988.
ATMAR, J. W. Speculation on the Evolution of Intelligence and Its Possible Realization in
Machine Form. Sc. D. diss., New Mexico State University, Las Cruces, 1976.
AXELROD, R. The Evolution of Strategies in The Iterated Prisoners Dilemma em Davis,
L. (ed.) Genetic Algorithms and Simmulated Annealing, London: Pitman, pp. 32 41,
1987.
BCK, T. Evolutionary Algorithms in Theory and Practice. Oxford University Press, 1996.
BCK, T., FOGEL, D.B. & MICHALEWICZ , Z. (eds.) Evolutionary Computation 2: Advanced
Algorithms and Operators. Institute of Physics Publishing, 2000a.
BCK, T., FOGEL, D.B. & MICHALEWICZ , Z. (eds.) Evolutionary Computation 1: Basic
Algorithms and Operators. Institute of Physics Publishing, 2000b.
BALUJA , S., POMERLEAU, D. & JOCHEM , T. Towards automated artificial evolution for
computer generated images, Connection Science, 6(2 3), 325 354, 1994.
BALUJA , S. & CARUNA , R. Removing the Genetics from the Standard Genetic Algorithm
em Prieditis, A. & Russel, S. (eds.) Proceedings of the Twelfth International Conference
on Machine Learning, ML-95, pp. 38 46, 1995.
BENTLEY, P. Generic Evolutionary Design of Solid Objects using a Genetic Algorithm.
Ph.D. Thesis, Division of Computing and Control Systems, Department of Engineering,
University of Huddersfield, 1996.
BENTLEY, P. (ed.) Evolutionary Design by Computers. San Francisco: Morgan Kaufmann,
1999.
BENTLEY, P. & CORNE, D. (eds.) Creative Evolutionary Systems. San Francisco: Morgan
Kaufmann, 2002.
BENTLEY, P. J. & WAKEFIELD, J. P. The Evolution of Solid Object Designs using Genetic
Algorithms, Applied Decision Technologies (ADT95), April, pp. 391 400, 1995.
BENTLEY, P. J. & WAKEFIELD, J. P. Generic Representation of Solid Geometry for Genetic
Search, Microcomputers in Civil Engineering, 11(3), pp. 153 161, 1997.
BIDLACK, R. Chaotic Systems as Simple (But) Complex Compositional Algorithms,
Computer Music Journal, 16(3), pp. 33 42, 1992.
BILES, J. A. Gen Jam: A Genetic Algorithm for Generating Jazz Solos, San Francisco:
Proceedings of Computer Music Conference (ICMC94), 1994.
BILES, J. A. GenJam in Perspective: A Tentative Taxonomy for GA Music and Art
Systems, Leonardo, 35(2), 2002.
BODEN, M. The Creative Mind: Myths and Mechanisms. London: Widenfeld & Nicolson,
1990.
BODEN, M. Dimensions of Creativity. New York: The MIT Press, 1996.
193
ELIAS, N. Mozart, A Sociologia de um Gnio. Rio de Janeiro: Jorge Zahar Editor, 1995.
FERREIRA , A. B. H. Novo Dicionrio da Lngua Portuguesa. So Paulo: Editora Nova
Fronteira, 1975.
FOGEL, D. Evolving Artificial Intelligence. PhD thesis, University of California, 1992.
FOGEL, D. B. Asymptotic Convergence Properties of Genetic Algorithms and
Evolutionary Programming: Analysis and Experiments, Journal of Cybernetics and
Systems, 25: 389 407, 1994.
FOGEL, D. Evolutionary Computation: Toward a New Philosophy of Machine Intelligence.
New York: IEEE PRESS Marketing, 1995.
FOGEL, L. J. Autonomous Automata, Industrial Research 4, pp. 14 19, 1962.
FOGEL, L. J. Biotechnology: Concepts and Applications. Prentice-Hall, 1963
FOGEL, L. J., OWENS, A. J. & WALSH , M. J. Artificial Intelligence through Simulated
Evolution. New York: John Wiley, 1966.
FOLEY, J., VAN DAM , A., FEINER, S. K.& HUGHES , J. F. Computer Graphics: Principles
and Practice. USA: Addison- Wesley, 1996.
FRANKE, H. Refractions of Science into Art em Peitgen, H.-O. & Richter, P. (eds.) The
Beauty of Fractals. Munich: Springer-Verlag, 1986.
FRAZER, J. An Evolutionary Architecture. London: Architetural Association, 1995.
GARDNER, H. Mentes que Criam. Porto Alegre: Artes Mdicas, 1996.
DE GARIS, H. Genetic Programming: Building Artificial Nervous Systems
using
Genetically Programmed Neural Network Modules, Proceedings of the 7th
International Conference on Machine Learning, pp. 132 139, 1990.
GERO, J. S. Computers and Creative Design em Tan, M. & Teh, R. (eds.) The Global
Design Studio, National University of Singapore, pp. 11 19, 1996.
GERO, J. S. & KAZAKOV, V. An Exploration-Based Evolutionary Model of Generative
Design Process, Microcomputers in Civil Engineering, 10(6), pp. 415 421, 1996.
GIBSON, P. M. & BYRNE, J. A. NEUROGEN, musical composition using genetic
algorithms and cooperating neural networks, London: Proceedings of the IEE Second
International Conference on Artificial Neural Networks, pp. 309 313, 1991.
GLOVER, F. & KOCHENBERGER, G. A. Handbook of Metaheuristics. Kluwer Academic
Publishers, 2002.
GLOVER, F., LAGUNA , M. Tabu Search. Kluwer Academic Publishers, 1997.
GOETHE, J. W. A Doutrina das Cores. So Paulo: Nova Alexandria, 1993.
GOLDBERG, D. E. Genetic Algorithms in Search, Optimization and Machine Learning.
Addison-Wesley, 1989.
GOLDBERG, D. E. The Race, the Hurdle, and the Sweet Spot: Lessons from Genetic
Algorithms for the Automation of Design Innovation and Creativity em Bentley, P.
(ed.), Evolutionary Design by Computers, San Francisco: Morgan Kaufmann, 1999.
GOMBRICH, E. H. Arte e Iluso. So Paulo: Martins Fontes, 1986.
GRIFFITHS, P. Modern Music. Artes Grficas Toledo, pp. 86 87, 1986.
GUTTMAN, N. & PURZANSKY, S. Lower Limits of Pitch and Musical Pitch, Journal of
Speech and Hearing Research 5, pp. 207 214, 1962.
HARRIS, R. A. An Alternative Description to the Action of Crossover, Proceedings of
Adaptive Computing in Engineering Design and Control, pp. 151 156, 1994.
HARVEY, I. Cognition is not Computation: Evolution is not Optimization em Gerstney,
W., Germond, A., Hasler, M. & Nicoud, J.-D. (eds.) Artificial-Neural Networks
195
MORONI, A., VON ZUBEN, F.J. & MANZOLLI , J., ArTbitration: Human-Machine Interaction
in Artistic Domains, Leonardo, 35(2), pp. 185 188, 2002b.
MORONI, A., MANZOLLI , J., VON ZUBEN, F.J. & MAMMANA , A. Capturing Human
Judgement to Simulate Objective Function, Honolulu: Proceedings of the 2002
Congress on Evolutionary Computation (CEC'2002), 1, pp. 529 534, 2002c.
MOSCATO, P. On Evolution, Search, Optimization, Genetic Algorithms and Martial Arts:
Towards Memetics Algorithms, Technical Report Caltech Concurrent Computation
Program, Report. 826, Pasadena: California Institute of Technology, 1989.
MOSCATO, P. Memetic Algorithms: A Short Introduction em Corne, D., Dorigo, M. &
Glover, F. (eds.) New Ideas in Optimization, McGraw-Hill, pp. 219 234, 1999.
MOSCATO, P. Problemas de Otimizao NP, Aproximabilidade e Computao Evolutiva:
da Prtica Teoria, Tese de Doutorado, UNICAMP: Faculdade de Engenharia Eltrica
e de Computao, 2001.
NEMHAUSER, G.L.& WOLSEY, L.A. Integer and combinatorial optimization. John Wiley
and Sons, 1988.
OSTWALD, O. Colour Science. London: Winsor & Winsor, 1931.
PACHET , F., RAMALHO, G. & CARRIVE, J. Representing Temporal Music Objects and
Reasoning in the MusES System, Journal of New Music Research, 25(3), pp. 252
275, 1996.
PAREYSON, L. Os Problemas da Esttica. So Paulo: Martins Fontes, 1989.
PARMEE, I. Exploring the Design Potential of Evolutionary Search, Exploration and
Optimization em Bentley, P. (ed.), Evolutionary Design by Computers, San Francisco:
Morgan Kaufmann, 1999.
PEDOE, D. Geometry and the Visual Arts. New York: Dover Publications, 1983.
PEIRCE, C. S. Collected Papers. Cambridge, Harvard University Press, 1953.
Pollock, J. http://www.artprintcollection.com, 1949.
POPPER, K. The Logic of Scientific Discovery. London: Routledge, 1992.
PRUSINKIEWICZ , P. & LINDEMAYER, A. The Algorithmic Beauty of Plants. New York:
Springer-Verlag, 1990
RAIBERT , M. & HODGINS, J. K. Animation of Dynamic Legged Locomotion, Computer
Graphics, 25(4), pp. 349 358, 1991.
READ, H. Histria da Pintura Moderna. So Paulo: Crculo do Livro, 1974.
RECHENBERG, I. Evolutionsstrategie: Optimierung Technisher Systeme Nach Prinzipien der
Biologischen Evolution. Froommann-Holzboog, 1973.
DEL RIEGO, A. S. P., DORADO, J. & CARDALDA , J. J. R. Genetic Music Composition,
Leonardo, 35(2), 2002.
ROSENMAN, M. The Generation of Form using an Evolutionary Approach em Dasgupta,
D. & Michalewicz, Z. (eds.) Evolutionary Algorithms in Engineering Applications,
Springer-Verlag, pp. 69 86, 1997.
ROSENMAN, M. & GERO, J. Evolving Designs by Generating Useful Complex Gene
Structures em Bentley, P. (ed.), Evolutionary Design by Computers, San Francisco:
Morgan Kaufmann, 1999.
SATO, T. & KAMEYA , Y. Statistical Abduction with Tabulation em Kakas, A. and
Sadri,F. (eds.), Computational Logic: Logic Programming and Beyond, Berlin: Springer
Verlag, pp. 567 587, 2002.
198
SCHNIER, T. & GERO, J. S. Learning Genetic Representations as an Alternative to HandCoded Shape Grammars em Gero, J. & Sudweeks, F. (eds.) Artificial Intelligence in
Design96, Kluwer, pp. 39 57, 1996.
SDVILA , G. The Wanderer: O Andarilho em Anais do X Encontro Nacional da ANPAP,
So Paulo: ANPAP, 1999).
SILVA , A. S. O Construtivismo no Brasil. http:// www.users.design.ucla.edu/ ~silvaad/
research/ undergra/ mono.pdf, 2003.
SILVEIRA , L. M. A Reproduo Cromtica em Sntese de Imagens: Um estudo comparativo
Pintura. Tese de Mestrado em Multimeios, Instituto de Artes UNICAMP, 1994.
SIMS, K. Interactive Evolution of Equations for Procedural Models, The Visual
Computer, 9: 466 476, 1993.
SIMS, K. Evolving Three-Dimensional Morphology and Behaviour em Bentley, P. (ed.),
Evolutionary Design by Computers, San Francisco: Morgan Kaufmann, 1999.
SPECTOR, L. & ALPERN, A. Criticism, culture, and the authomatic generation of artworks,
Cambridge, AAAI Pres/MIT Press: Proceedings of the Twelfth National Conference on
Artificial Intelligence, pp. 3 8, 1995.
STEELE, G. Common Lisp: The Language. Digital Press, 1984.
STINY, G. & MITCHELL, W. J. The Paladian Grammar, Environment & Planning, B 5,
pp. 5 18, 1978.
STRUNK, O. Source Readings in Music History. New York: Norton & Company, 1950.
THOMPSON, A. Evolving Fault Tolerant Systems, Genetic Algorithms in Engineering
Systems: Innovations and Applications, IEE Conf. Pub. No. 414, pp. 524 529, 1995.
TODD, S. & LATHAM, W. Evolutionary Art and Computers. London: Academic Press, 1992.
TODD, S. & LATHAM, W. The Mutation and Growth of Art by Computers in Bentley, P.
(ed.), Evolutionary Design by Computers, San Francisco: Morgan Kaufmann, 1999.
TODD, P. M. & W ERNER, G. M. Frankensteinian Methods for Evolutionary Music
Composition em Griffith, N. & Todd, P. M. (eds) Musical Networks: Parallel
Distributed Perception and Performance, Cambridge: The MIT Press, 1999.
TUSON, A. L. & ROSS, P. M. Adapting Operator Settings in Genetic Algorithms,
Evolutionary Computation, 6(2), 1998.
TURING, A. M. Computing Machinery and Intelligence, Mind, 59, pp. 433 460, 1950.
VIDYAMURTHY, G. & CHAKRAPANI, J. Cognition of Tonal Centers: A Fuzzy Approach,
MIT: Computer Music Journal, 16(2), 1992.
VON ZUBEN, F. J. Computao Evolutiva. Tutorial: Notas de Aula da disciplina IA707,
FEEC/UNICAMP:
http://www.dca.fee.unicamp.br/~vonzuben/courses/ia707.html,
2001.
VON ZUBEN, F. J. Redes Neurais. Tutorial: Notas de Aula da disciplina IA353,
FEEC/UNICAMP:
http://www.dca.fee.unicamp.br/~vonzuben/courses/ia353.html,
2003.
WATT, H. J. The Psychology of Sound. Cambridge: Cambridge University Press, 1917.
WERNER, G. M. & TODD, P. M. Too many love songs: Sexual selection and the evolution
of communication, Cambridge: MIT Press/Bradford Books: Fourth European
Conference on Artificial Life, pp. 434 443, 1997.
WHITLEY, D. & STARKWEATHER, T. GENITOR II: A Distributed Genetic Algorithm,
Journal of Experimental and Theoretic Artificial Intelligence, 2(3), 189 214.
199
200
ndice de Autores
ARNHEIM (1988) 127, 132
ATMAR (1976) 27
AXELROD (1987) 91
BCK (1996) 93
BCK ET AL. (2000A ) 92, 97
BCK ET AL. (2000B) 93, 97
BALUJA & CARUNA (1995) 87
BALUJA ET AL. (1994) 168
BENTLEY (1996) 102
BENTLEY (1999) 4, 83, 88, 101, 106
BENTLEY & CORNE (2002) 1, 4, 54, 84,
86, 89, 101, 103, 108
BENTLEY & WAKEFIELD (1995) 101, 102
BENTLEY & WAKEFIELD (1997) 102
BIDLACK (1992) 143
BILES (1994) 144
BILES (2002) 144, 181
BODEN (1990) 39, 100, 105, 108
BODEN (1996) 4, 9, 11, 17, 18, 22, 24, 25,
40, 45
BODEN (1998) 4, 6, 11, 18, 20, 143
BRANNIGAN (1981) 18
CAPRARA & FISCHETTI (1997) 82
CARNE (1965) 27
CASTI (1994) 55
DE CASTRO & TIMMIS (2002) 83
CAZDEN (1962) 153
CHAIGNE (1987) 154
CHELLAPILLA (1997) 87
CLEVELAND & M CGILL, 1983) 141
CLIFF & MILLER (1995) 170
COHEN (1999) 8, 44, 46, 48, 50, 52
CSIKSZENTMIHALYI (1996) 4, 5, 6, 12, 13,
15, 16, 17, 26, 27, 31, 142, 145, 187
DARTNALL (1994) 10, 11
DARWIN (1859) 54
HAYKIN (1999) 71
HELMHOLTZ (1954) 129, 159
HERING (1878) 137
HILLER & BAKER (1964) 143
HILLIS (1991) 170
HITCHING (1982) 59
HOFSTADTER (1985) 48, 186
HOGARTH (1753) 129
HOLLAND (1973) 93, 94
HOLLAND (1975) 71, 94, 97
HOLLAND (1992) 93, 148, 162
HOLLAND (1998) 107
HOROWITZ (1994) 144, 181
INGLIS (1987) 24
ITTEN (1975) 134, 138
DE JONG (1975) 97
KANAL & CUMAR (1988) 83
KARGUPTA (1993) 97
KAUFMANN (1992) 149
KENNEDY ET AL. (2001) 83
KING (1991) 67
KIRKPATRICK ET AL. (1983) 82
KOESTLER (1964) 22
KOZA (1992) 93, 102
KOZA ET AL. (1999A ) 89
KOZA ET AL. (1999B) 93
KONING & EIZENBERG (1981) 40
KUHN (1996) 14, 15, 16, 17, 36
LATHAM (1989) 64, 66, 68, 70
LAURENTIZ (1991) 99
LOY (1989) 142
LUENBERGER (1984) 172
MACHADO (1997) 44
MALEVICH (1913) 175
MANDANI & GAINES (1981) 153, 187
MANZOLLI (1993) 143, 163
MATHEWS (1963) 143
MCCORDUCK (1991) 41, 42, 43, 44
MCKENNA & ZELTZER (1990) 76
MENDES (2003) 2, 3
MICHALEWICZ & FOGEL (1998) 2, 5
MILLER (1988) 76
MIRANDA (1994) 143
MORONI ET AL. (1999) 149
MORONI ET AL. (2000) 148, 150, 164
MORONI ET AL. (2002A ) 162, 164, 174
202