Aspectos de Lógica e Teoria Da Ciência

ASPECTOS DE LGICA E TEORIA DA CINCIA
JAIR MINORO ABE
INSTITUTO DE ESTUDOS AVANADOS DA USP 2011
reproduo autorizada pelo autor
Abe, Jair Minoro Aspectos de Lgica e Teoria da Cincia / Jair Minoro Abe. -- So Paulo, 2011. Instituto de Estudos Avanados da Universidade de So Paulo, 2011. ISBN: 978-85-63007-02-5
Descritores: 1. Lgica paraconsistente 2.Teoria da Cincia 3.Amostragem 4.Automao 5.Redes neurais (Computao) 6. Induo 7. Robtica
Prefcio
Prefcio Nesta obra so reunidos alguns dos temas que o Grupo de Lgica e Teoria da Cincia tem se ocupado nos seus 25 anos de atividades, como parte das comemoraes dos 25 anos de existncia do Instituto de Estudos Avanados da Universidade de So Paulo IEA-USP. Como se pode notar, o Grupo de Lgica e Teoria da Cincia foi criado juntamente com o estabelecimento do IEA-USP, e os temas que se dedicou foram plenamente frutificados em suas linhas de pesquisa, perodo marcante no estabelecimento do Grupo. A obra est organizada assim: no captulo introdutrio descrevemos brevemente um pequeno histrico do Grupo de Lgica e Teoria da Cincia, seu estabelecimento, linhas de pesquisa, pesquisadores visitantes e aspectos relacionados. Na seqncia, descreve-se alguns aspectos da natureza da Lgica Paraconsistente, o que significa contradio e quais so seus limites conceituais, a inspirao de Vasilv, a lgica discursiva de Jaskowski, os clculos Cn de Newton da Costa, consideraes a respeito da importncia da lgica paraconsistente e, consideraes de carter pessoal, devidas a Lafayette de Moraes. Nas aplicaes da Lgica Paraconsistente, na rea de Inteligncia Artificial, so apresentados conceitos sobre a Lgica Paraconsistente Anotada Evidencial E e seu reticulado associado, algumas aplicaes do algoritmo Para-Analisador e, tratamentos de incertezas para tomada de deciso. Nas aplicaes da Lgica Paraconsistente em Engenharia de Produo, alm de noes da Lgica Paraconsistente Anotada Evidencial E, apresenta-se os operadores dessa lgica, as regies e regra de deciso, o Mtodo Paraconsistente de Deciso (MPD) e exemplos de aplicao como anlise da viabilidade do lanamento de um novo produto no mercado,
Aspectos de Lgica e Teoria da Cincia 3
Prefcio
tomadas de deciso com ferramentas de Lgica Paraconsistente Anotada, anlise da viabilidade de implantao do projeto de uma fbrica, anlise para implantao de um sistema com novas tecnologias, previso de diagnsticos, anlise da viabilidade de abertura de um novo curso superior e seleo do melhor investimento financeiro. Faz-se, tambm, uma comparao com um Mtodo Estatstico de Deciso e, uma comparao com um Mtodo Fuzzy de Deciso. Nas aplicaes da Lgica Paraconsistente em Robs Mveis Autnomos, apresentam-se os robs Emmy I, Emmy II e Emmy III, uma descrio geral de um Sistema de Navegao e Controle composto pelos subsistemas Mecnico, Sensoriamento e Planejamento e, alguns testes realizados com o Subsistema de Planejamento. Nas aplicaes da Lgica Paraconsistente em estatstica, contamos com um estudo dos princpios da lgica paraconsistente para calcular o tamanho da amostra embasados nas teorias da Combinatria e da Lgica Paraconsistente Anotada. Apresenta-se um procedimento de clculo simples e prtico para obter um tamanho de amostra aceitvel para coletar informaes, organiz-las e analis-las, bem como suas vantagens e desvantagens. Nas aplicaes das Redes Neurais Artificiais Paraconsistentes em reconhecimento de padres, apresenta-se uma breve idia da rede neural artificial discutida e aplica-se a um estudo preliminar de um sistema paraconsistente para o reconhecimento de caracteres numricos do tipo CMC-7 e, um estudo de uma ferramenta para anlise de sinais de eletroencefalograma como auxlio no diagnstico de demncias, tal como doenas de Alzheimer.
Aspectos de Lgica e Teoria da Cincia
Prefcio
Finalizando essa obra o leitor contar com uma reviso sobre o construtivismo cognitivo, o paradoxo da probabilidade Zero, concluses acerca da verificao construtiva e a verdade na linguagem matemtica. Agradecemos ao Instituto de Estudos Avanados pela edio do presente volume e B.ela Sheila Souza pela ajuda na editorao do mesmo. Jair Minoro Abe Editor Coordenador do Grupo de Lgica e Teoria da Cincia do IEA-USP
Sumrio
Sumrio Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP, Newton C. A. da Costa & Jair Minoro Abe ....................................................................... 07 Alguns Aspectos da Histria da Lgica Paraconsistente, Lafayette de Moraes & Carlos Roberto Teixeira Alves....................................................................................................... 18 Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial, Joo Incio da Silva Filho ............................................................. 50 Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos, Cludio Rodrigo Torres ................................................................................. 84 Lgica Paraconsistente em Tomadas de Deciso. Mtodo Paraconsistente de Deciso (MPD), Fbio Romeu de Carvalho .................................................................................. 140 Os Princpios da Lgica Paraconsistente para Calcular o Tamanho da Amostra, Euro de Barros Couto Junior ......................................................................................................... 188 Aspectos das Redes Neurais Artificiais Paraconsistentes, Sheila Souza & Jair Minoro Abe ................................................................................................................................... 209 Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma, Helder Frederico da Silva Lopes & Jair Minoro Abe ................................................................................................................................... 247 Verificao Construtiva, Induo Emprica e Deduo Falibilista: Um Triplo Contraste, Julio Michael Stern .......................................................................................................... 273
Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP
Newton C. A. da Costa Jair Minoro Abe
Resumo Neste captulo apresentamos uma breve descrio das atividades do Grupo de Lgica e Teoria da Cincia do IEA-USP, destacando algumas das principais realizaes durante os 25 anos de sua existncia. Palavras-chave: Pesquisa, lgica, cincia, lgica paraconsistente, fundamentos da fsica
Abstract In this chapter we present a brief description of the activities of the Logic and Science Theory Group of IEA-USP, emphasizing some of the main accomplishments through 25 years of its existence. Keywords: Research, Logic, Science, paraconsistent logic, foundations of Physics.
Iniciado informalmente em 1985, quando um grupo de lgicos passou a se reunir para discusses e a realizao de seminrios, o Grupo de Lgica e Teoria da Cincia iniciou suas atividades efetivamente ao ser incorporado ao Instituto de Estudos Avanados da Universidade de So Paulo, sob a coordenao geral do Prof. Dr. Newton C. A. da Costa, na poca Professor titular da Faculdade de Filosofia, Letras e Cincias Humanas da USP. O Grupo de Lgica e Teoria da Cincia tem contado, em suas atividades, com a inestimvel ajuda da prpria USP, de instituies como CNPq, FAPESP, BID, UNICAMP, PUC/SP, UFPr, UFRJ, UFPb, UNESP, da Sociedade Brasileira de Lgica e da Sociedade Paranaense de Matemtica, entre outras entidades tanto nacionais como estrangeiras. Quatro grandes linhas de pesquisa foram desenvolvidas pelo Grupo desde a sua criao:
I. Lgicas No-clssicas At princpios do sculo XX, havia uma nica lgica. No decurso dos ltimos cem anos, foram criadas outras lgicas e a lgica inicialmente considerada, cujas origens remontam a Aristteles, mas cujo sistematizador mais importante foi G. Frege (nos trs derradeiros decnios do sculo XIX), foi chamada de clssica ou tradicional; pode-se dizer que a lgica clssica adquiriu sua forma quase definitiva na obra monumental de A. N. Whitehead & Bertrand Russel1, os "Principia Mathematica" (trs volumes, publicados em 1910, 1912 e 1913). Dentre as leis que vigem na lgica clssica, h trs clebres e que se denominam: lei da identidade ("todo objeto idntico a si mesmo"), lei da contradio ou da no contradio ("dentre duas proposies contraditrias, isto , uma das quais a negao da outra, uma
delas falsa") e a lei do terceiro excludo ("de duas proposies contraditrias, uma delas verdadeira"). As lgicas no-clssicas classificam-se em duas categorias: as complementares da lgica clssica (ou tradicional) e as rivais da mesma ou heterodoxas. Estas ltimas derrogam ou limitam princpios centrais da lgica tradicional, especialmente os ter princpios acima referidos: as lgicas paraconsistentes derrogam em geral a lei da contradio, as paracompletas o princpio do terceiro excludo e as no reflexivas, o da identidade. claro que a sintaxe e a semntica dessas novas lgicas divergem muito das tradicionais. Sobretudo no caso das lgicas heterodoxas, com elas houve uma profunda mudana de paradigma, at certo ponto comparvel com o advento das geometrias no euclidianas. Hoje as lgicas no-clssicas adquiriram enorme importncia, no apenas do ponto de vista terico, mas tambm por suas conexes com a filosofia, a matemtica, as cincias naturais e, principalmente, por suas aplicaes na Informtica, Computao e Inteligncia Artificial. Boa parte das atividades do Grupo se concentram no estudo e na investigao dos sistemas lgicos no-clssicos e suas aplicaes mais relevantes. Dentro dessa linha, foram desenvolvidos com especial nfase os seguintes projetos
II. Lgicas No-clssicas e Aplicaes II.1 - Lgica paraconsistente, programao paraconsistente e aplicaes em inteligncia artificial. - so tratadas questes como a axiomatizao da lgica P de Blair e Subrahmanian (apta, entre outras coisas, para programao lgica paraconsistente); formulao da teoria anotada de conjuntos (e suas interconexes com a teoria dos "fuzzy sets");
algebrizao de sistemas lgicos via idias de Rosenbloom. II.2 - Lgica dentica e informtica jurdica. Trata-se da axiomtica de certas teorias jurdicas, como a teoria tridimensional do Prof. Dr. Miguel Reale, a elaborao de lgicas denticas pluridimensionais, e a formalizao de certas relaes entre Direito, tica e Valor. II.3 - Teorias da verdade no-Tarskianas. - Estudo da teoria pragmtica da verdade, com aplicaes em lgebra, lgica e filosofia. Investiga-se a teoria da valorao, para obteno de semnticas alternativas das semnticas usuais e desenvolvimento de lgicas noreflexivas (que derrogam a "lei da identidade"). II.4 - Mereologia e Biologia Comparada. - Desenvolve-se uma nova mereologia (lgica das partes e do todo em geral), para axiomatizar e desenvolver as teorias da Sistemtica Filogentica (proposta por Willi Hennig) e da Vicarincia (devida a Leon Croizat, D. E. Rosen e G. Nelson). Foram elaboradas linguagens adequadas para esse tratamento das teorias biolgicas e algumas das definies bsicas. Resultaro desse estudo vrios avanos no campo da Biologia Comparada, principalmente no tocante ao conceito de espcie, das categorias lineanas e da nomenclatura biolgica.
III. Fundamentos da Fsica Um dos problemas fundamentais referentes Teoria da Cincia refere-se axiomatizao de teorias fsicas. Os fundamentos da Fsica so tratados de um ponto de vista axiomtico e novas axiomatizaes de teorias como a mecnica clssica, a mecnica quntica norelativista, a teoria de Dirac, a teoria do gauge de Kaluza-Klein e a do eletromagnetismo
10
clssico foram obtidas. No somente foram axiomatizadas as principais estruturas fsicas de um ponto de vista da teoria de conjuntos clssica, como tambm do ponto de vista das teorias de conjuntos no-cantorianas, originadas a partir das investigaes de K. Gdel (1906-1978) e P. J. Cohen (1934-). Foram obtidos, alm disso, vrios enunciados de natureza fsica que se prova serem indecidveis nas teorias fsico-matemticas.
IV. Filosofia da Cincia em Geral Estudou-se a natureza das teorias cientficas, no tocante ao conceito de verdade por elas empregado. Procurou se reestruturar as principais teorias fsicas, com base numa concepo pragmtica de verdade. Tentou-se, igualmente, utilizar, no mesmo contexto, a teoria da coerncia de verdade. Outro tpico de grande interesse para o Grupo consiste no estudo dos fundamentos da probabilidade e na elaborao de uma lgica indutiva de natureza subjetivista, lgica essa que pode ser aplicada Inteligncia Artificial, na computao e na inferncia estatstica.
V. Histria da Cincia Foi publicado o segundo volume da "Introduo histrica Biologia Comparada, com especial referncia Biogeografia", de N. Papavero, e est sendo completado o terceiro volume dessa srie. Das atividades de pesquisa desenvolvidas resultaram numerosos trabalhos, entre livros e artigos.
11
Pertenceram ao Grupo de Lgica e Filosofia da Cincia do IEA/USP os seguintes pesquisadores Newton C. A. da Costa, Jair Minoro Abe, Leila Z. Puga, Mineko Yamashita, Celina A. P. Abar (Pontifcia Universidade Catlica de So Paulo); Francisco Antonio Dria (Universidade Federal do Rio de Janeiro); Dcio Krause (Universidade Federal do Paran); Nelson Papavero (Museu de Zoologia da USP); Caetano Plastino, Jos Chiappin e Pablo Mariconda (Faculdade de Filosofia, Letras e Cincias Humanas/USP); Jacob Zimbarg Sobrinho (Instituto de Matemtica e Estatstica da USP). Atualmente o grupo constitudo dos professores Newton C. A. da Costa, Jair Minoro Abe (coordenador), Lafayette de Moraes e Joo Incio da Silva Filho.
Os temas se propagaram, com a formao de novas geraes de pesquisadores, alguns deles detalhando aspectos de suas pesquisas neste tomo. Alguns dos pesquisadores visitantes que estiveram junto ao Grupo de Lgica e Teoria da Cincia foram:
1 Prof. Dr. Atsuyuki Suzuki Faculty of Engineering - Shizuoka University Japo Perodo: 11/87 a 01/88 2 Prof. Dr. Francisco A. Dria Universidade Federal do Rio de Janeiro - RJ Perodo: 1 e 2 semestres de 1989
12
3 Prof. Dr. Igor Urbas Australian National University - Austrlia Perodo: 06 e 07/88 4 Prof. Dr. Nelson Papavero Museu de Zoologia da USP Data: 15/09/88 5 Prof. Dr. Daniele Mundici University of Milan - Itlia Data: 03/10/88 6 Prof. Dr. Francisco A. Dria Universidade Federal do Rio de Janeiro - RJ Perodo: 1 e 2 semestre de 1989 7 Prof. Dr. Nelson Papavero Museu de Zoologia da USP Perodo: 2 semestre de 1989 em diante 8 Prof. Dr. Donald M. Silberger State University of New York - New Palty, USA Perodo: janeiro de 1990 9 Prof. Dr. Rolando Chuaqui Pontificia Universidad Catolica de Chile - Chile Perodo: maro de 1990
13
10 Prof. Dr. Jacques Stern Universidade de Paris Perodo: maro de 1990 11 Prof. Dr. Jean - Claude Gardin cole des Hautes tudes en Sciences Sociales Perodo: outubro de 1990 12 Prof. Dr. Grzegorg Malinowski Ldz University - Department of Logic - Polnia Perodo: maro de 1990 13 Prof. Dr. Rolando Chuaqui Pontificia Universidad Catolica de Chile - Chile Perodo: outubro de 1990 15 Prof. Dr. Richard Sylvan The Australian National University, Australia Perodo: novembro e dezembro de 1990 16 Prof. Dr. Jorge de Albuquerque Vieira Universidade Federal do Rio de Janeiro Perodo: 1990 17 Prof. Dr. Joseph Nicolas Kaufmann Universit du Quebec - Trois Riviere - Canad Perodo: junho de 1990
14
18 Prof. Dr. Chain Samuel Hnig Instituto de Matemtica e Estatstica da USP Perodo: dezembro de 1990 19 Prof. Dr. Jos Massera Universidade Nacional do Uruguai Perodo: junho de 1990 20 Prof. Dr. Michel Paty Diretor de Pesquisa do CNRS - Frana Perodo: novembro de 1991 21 Prof. Dr. David Miller University of Warwick - Inglaterra Perodo: outubro a dezembro de 1991 22 Prof. Dr. Daniel Cefai cole des Hantes tudes - Universidade de Paris - Frana Perodo: 10/08 a 27/12/91 23 Prof. Dr. Francisco Antonio Dria Universidade Federal do Rio de Janeiro Perodo: novembro de 1991 24 Prof. Dr. Antonio M. A. Sette Universidade Estadual de Campinas - UNICAMP Perodo: 1990
15
25 Prof. Dr. Kiyoshi Iski Professor Emrito - Kobe University - Japo Professor Emrito - Naruto University of Education - Japo Perodo: 08/12/92 a 07/03/93 26 Prof. Dr. Nelson Papavero Museu de Zoologia - Universidade de So Paulo Perodo: 1990 a 1996 27 Prof. Dr. Richard Sylvan Australian National University - Austrlia Perodo: 1995 28 Prof. Dr. Graham Priest Australian National University - Austrlia Perodo: 1995 29 Prof. Dr. David Miller Warwick University - Inglaterra Perodo: 1996 30 Prof. Dr. Francisco Antonio Dria Universidade Federal do Rio de Janeiro 2001-2003 31 Profa. Dra. Mara Marly Gomes Barreto Universidade Federal do Rio de Janeiro 2001-2005
16
Outros professores estrangeiros que participam das atividades do Grupo mencionemos os Profs. Drs. Steven French (Southern Missouri State University), Mario G. Losano (Universidade de Milo), Klaus Mdersbach (Universidade de Heidelberg), Francisco Mir Quesada (Universidade Mayor de San Marcos, Lima, Peru), Roberto Vernengo (Universidade Nacional de Buenos Aires).
(Parte das investigaes do Grupo foram publicadas na forma de pr-publicao do Instituto de Estudos Avanados, na Coleo Documentos, Srie Lgica e Teoria da Cincia.) As pesquisas prosseguem incluindo temas principalmente de aplicaes dos sistemas anotados em Automao e Robtica, em Biomedicina, em Engenharia de Produo, Sistemas de Informao e Informtica em geral. Tambm constitui tema de pesquisa Fundamentos da Fsica e axiomatizao, Matemtica dos sistemas paraconsistentes, relao dos sistemas paraconsistentes com outros sistemas lgicos e temas adjacentes.
17
Alguns Aspectos da Histria da Lgica Paraconsistente
Lafayette de Moraes, PUC-SP Carlos Roberto Teixeira Alves, PUC-SP
Resumo possvel entender racionalmente um mundo que soa contra-intuitivo? Aparentemente, impossvel sair de uma contradio lgica, porm no sculo XX o trabalho de pensadores como ukasiewicz, Vasilev, Jaskowski e Da Costa mostraram que h modelos noclssicos de lgica onde uma paraconsistncia pode ser estabelecida e a inconsistncia dos sistemas clssicos viria ento a ser superada. Os rumos da lgica no Brasil levaram o esforo pessoal de muitos pensadores brasileiros, como Da Costa e Lafayette de Moraes a enfrentar as dificuldades de trabalharem com uma matria pouco valorizada em solo brasileiro, resultando na divulgao das novidades nesse campo fora do Brasil e no estabelecimento de sistemas lgicos inditos que tornariam respeitada a lgica brasileira fora de nosso pas.
Palavras-chave:
Inconsistncia,
Paraconsistncia,
Princpio
de
No-Contradio,
ukasiewicz, Vasilev, Jaskowski, Sistema D2, Newton C. Da Costa, Famlias Cn
18
Abstract Can we understand a rational world that seems counter-intuitive? Apparently, it
is impossible to eliminate a logical contradiction, but in the twentieth century the work of thinkers like ukasiewicz, Vasil'ev, Jaskowski and Da Costa showed that there are models of non-classical logic where a paraconsistency can be established and the inconsistency of the classical systems would then be overcome. The paths of logic in Brazil made
the personal effort of many thinkers Brazilians, as Da Costa and Lafayette de Moraes overcome the difficulties of working with an undervalued field on Brazilian soil,
resulting in the dissemination of innovations in this field outside of Brazil and the establishment of unpublished logical systems that would make Brazilian logic be respected out of ourcountry.
Keywords:
Inconsistency,
Paraconsistency,
Principle
of
Non-
Contradiction, ukasiewicz, Vasil'ev, Jaskowski, D2 System, Newton C. Da Costa, Cn Family.
E se nosso mundo, contra-intuitivamente, fosse como uma pintura de Escher 1? E se ao terminarmos de subir uma escada descobrssemos t-la descido? possvel entender racionalmente um mundo assim? Razo intuitivamente quer dizer lgica. Exige pouco de nossa imaginao e cmodo viver em um mundo cujo ponto de vista bsico que impossvel fazer algo e seu oposto
1
Maurits Cornelis Escher (1898-1972), artista grfico holands, famoso por suas imagens onde o nonsense surge com muita nfase e a iluso de tica um recurso usado exaustivamente.
19
ao mesmo tempo. Qualquer pessoa dir que no h como ser de outro jeito, que no h explicao racional no h lgica para um mundo contraditrio. assim? Vamos supor que exista um mundo contraditrio, ao estilo da pintura de Escher. Tomemos o mundo de Lewis Carroll2 emprestado: nele habitam o Gato de Cheshire e a Lebre de Maro, ambos de Alice no Pas das Maravilhas, ambos distintos um do outro. contraintuitivo confundir o Gato de Cheshire com a Lebre de Maro. Mas o Gato de Cheshire tem uma propriedade interessante: ele desaparece no ar at s sobrar o sorriso, que some por ltimo. Enquanto desaparece, porm, permanece sendo quem . Isto , o Gato de Cheshire continua sendo ele enquanto deixa de ser o Gato de Cheshire. Por isso podemos descrev-lo como um Gato de Cheshire e no-Gato de Cheshire ao mesmo tempo, no mesmo lugar e do mesmo modo. Ora, se ele um Gato de Cheshire e no-Gato de Cheshire, podemos bem consider-lo s como Gato de Cheshire, sem prejuzo, pois ele tambm isso: um Gato de Cheshire. Podemos dizer, por exemplo, que ele ou o Gato de Cheshire ou a Lebre de Maro, mas no ambos. S pode ser ambos Gato de Cheshire e no-Gato de Cheshire, mas Lebre de Maro no pode ser... Ser? No. Ao menos no nesse mundo de Lewis Carroll onde o gato e a lebre habitam: se o gato Gato de Cheshire e no-Gato de Cheshire, ento bem pode ser s um no-Gato de Cheshire. Ora, se no o Gato de Cheshire, ento s pode ser a Lebre de Maro, pois sabemos que ou Gato de Cheshire ou Lebre de Maro. Ou seja: se o gato de Alice no Pas das Maravilhas Gato de Cheshire e no-Gato de Cheshire, ento o gato a Lebre de Maro. Parece completamente errado, mas no . Isso um argumento devido a Pseudo-Scotus, j desde a Idade Mdia, e que muita dor de cabea deu aos pensadores da lgica at o advento
Lewis Carroll (1832-1898) o autor de Aventuras de Alice no Pas das Maravilhas, de Atravs do Espelho e o que Alice viu por l, entre outros, romances com elevado grau de nonsense. o pseudnimo de Charles Lutwidge Dodgson, professor de matemtica do Christ College de Oxford.
20
do sculo XX. Esse raciocnio perfeitamente coerente com as regras usuais do Clculo Proposicional. Se tomarmos desse clculo as regras de inferncia simplificao, adio e silogismo disjuntivo, alm dos smbolos lgicos (e), (no), e (ou ou), e em linhas formais se G designar Gato de Cheshire e se L designar Lebre de Maro, poderemos argumentar como segue: 1. G G.................................... 2. G............................................... 3. G L....................................... 4. G......................................... 5. L..............................................
premissa. 1, simplificao. 2, adio. 1, simplificao 4, 3, silogismo disjuntivo
O que nos faz concluir, em virtude de um famoso teorema de J. Herbrand3, o estranhssimo teorema: (E): (G G) L
Esse teorema nos diz que de uma contradio se conclui qualquer sentena. Se um sistema lgico for ento inconsistente (que permite a contradio), todas as suas frmulas so derivadas dessa sentena do tipo da premissa acima. Isso ataca demais nosso modo comum de enxergar o mundo para que possamos aceit-lo facilmente. como dizer se podemos subir e descer simultaneamente ento nossas escadas no precisam ser as de Escher. Mas nossas escadas no nos permitem subir e descer simultaneamente a cada um de ns mesmos. O que h de errado ento? Onde a lgica est sendo violada?
HERBRAND, J., 1928.
21
No a lgica que est sendo ferida, como descobriram as mentes dos lgicos do sculo XX. uma mudana de paradigma que est ocorrendo: devemos corrigir as coisas descritas ao modo de (E) deixando de considerar de forma rgida e invarivel um princpio que herdamos de Aristteles, o Princpio de Contradio, e depois apreciar a lgica conseqente dessa mudana de paradigma. Esse foi o trabalho de Stanislaw Jaskowski e mais tarde do matemtico brasileiro Newton da Costa, a respeito daquilo que ficaria conhecido graas ao nome criado pelo filsofo peruano Mir Quesada (DA COSTA, N. C., [1993], p.viii) por lgica paraconsistente. Situar algumas das principais clusulas desse sistema ser o nosso trabalho aqui.
1. A Natureza Lgica da Paraconsistente Precisamos diferenciar trivialidade, no-trivialidade, consistncia, inconsistncia para conceituarmos a paraconsistncia. Esses termos inclusive a paraconsistncia classificam sistemas lgicos. Um sistema lgico constitudo, alm dos smbolos de seu alfabeto, de frmulas ditas axiomas e de regras de inferncia. Quando usamos as regras de inferncia para manipular os axiomas e derivar deles frmulas ditas teoremas, dizemos estar diante de um sistema dedutivo S. A manipulao dos axiomas por meio das regras em S chamada de lgica de S. Assim, S trivial quando o conjunto de seus teoremas coincide com o conjunto de frmulas de sua linguagem (isto , toda frmula S teorema a). S no-trivial quando as inferncias a partir dos axiomas no geram frmulas tais que pelo menos duas frmulas sejam uma a negao da outra, isto , se considerarmos como smbolo de negao podemos deduzir em S pelo menos uma frmula t de modo que t e t
22
sejam teoremas. Assim, S inconsistente quando pelo menos uma frmula t tal que t e t so ambas teoremas de S, caso contrrio S consistente.
A relao que h entre uma teoria e uma lgica a que segue: uma teoria S , grosso modo, uma descrio do mundo (cientfica, filosfica, intuitiva) que tem uma lgica subjacente que justifica os teoremas obtidos a partir de sentenas da teoria. Se essa lgica subjacente for a Lgica Clssica e a teoria S tiver teses contraditrias, ento essa lgica trivializa essa teoria. (Foi o que aconteceu com nossa teoria do mundo de Lewis Carroll, onde (G G) L). Mas se a lgica subjacente for uma lgica paraconsistente, em geral uma lgica noclssica, ento a teoria ter ferramental de inferncia em condies de lidar com as contradies sem trivializao de toda a teoria. Assim, uma lgica paraconsistente uma lgica que permite a no-trivializao de qualquer teoria S contraditria que a tenha como lgica subjacente. Perguntemos: tal coisa possvel? Isto : ser possvel construir uma lgica que possa ser uma lgica subjacente a uma teoria contraditria? Ser possvel construir uma lgica que seja paraconsistente permitindo fazer inferncias no triviais na partir da contradio? A resposta : sim, possvel. Mas para isso ser necessrio estabelecer ressalvas no entendimento rgido clssico da ideia de contradio.
23
2. O que uma Contradio e quais so seus Limites Conceituais? Contradio a crena de que no verdade que se possa predicar e no predicar ao mesmo sujeito a mesma propriedade ao mesmo tempo. Esse um ponto de vista filosfico e o devemos a Aristteles (Metafsica, , 1005b19-20). famoso o artigo de Jan
Lukasiewicz intitulado On the Principle of Contradiction in Aristotle (1971), onde ele expe e critica o Princpio de Contradio enunciado por Aristteles. Nesse artigo Lukasiewicz prope trs verses aristotlicas do princpio de contradio: uma formulao ontolgica ( impossvel que a mesma coisa pertena e no pertena mesma coisa ao mesmo tempo e na mesma condio)4; uma formulao lgica (o mais certo de todos os princpios bsicos que proposies contraditrias no so verdadeiras
simultaneamente)5 e uma formulao psicolgica (ningum cr que a mesma coisa ao mesmo tempo possa ser e no ser)6. Em uma extensa crtica histrica, Lukasiewicz faz equivaler a formulao lgica e a ontolgica (tornando-os uma nica formulao lgicoontolgica) e argumenta que, de modo incompleto, Aristteles tentou sem perceber que no conseguiu provar a formulao psicolgica a partir da formulao lgica. Segundo Lukasiewicz, Aristteles sabe que a formulao psicolgica no pode ser provada a priori e por isso precisa de uma induo a partir de fatos empricos, que no existem. Ora, essa dificuldade grosseiramente, de modo prejudicial prova, contornada usando de hipteses auxiliares questionveis. Lukasiewicz prope, ento, que se abandone a formulao psicolgica do Princpio de Contradio. O ataque de Lukasiewicz a formulao lgico-ontolgica de Aristteles feito em duas frentes: (a) mostrar que no se trata de um princpio ltimo e (b) mostrar que no o mais
Metafsica, Metafsica, 6 Metafsica,

5
3, 1005b19-20, apud LUKASIEWICZ, J., 1971, p.487. 6, 1011b13-14, idem. 3, 1005b23-24, idem.
24
importante dos princpios, isto , que dele no dependem todos os outros (ou ao menos alguns). Para o caso (a) Lukasiewicz defende que a leitura de Aristteles revela que o Princpio de Contradio no pode valer para todos os seres, apenas para os seres substanciais, sendo questionvel a validade do princpio para o universo das aparncias que os seres substanciais possam adquirir. Assim seria s um princpio metafsico e no uma lei cientfica geral. Para o caso (b) Lukasiewicz mostra que o prprio Aristteles, nos Segundos Analticos, 11, 77a10-22 (LUKASIEWICZ, J., 1971, p.503), sem saber, mostra que o Princpio de Silogismo independente do Princpio de Contradio. Argumenta ainda que a lgica simblica moderna revelou um conjunto amplo de princpios que no dependem do Princpio de Contradio. Concluiu Lukasiewicz (1971, p.504) a respeito disso: devemos tomar por falsa a idia muito difundida ainda de que o princpio de contradio o mais importante princpio de toda demonstrao. Ento em que condies o Princpio de Contradio pode ser considerado verdadeiro? Lukasiewicz responde a isso, primeiro, por via negativa: apontando onde o Princpio de Contradio no verdadeiro. Assim: A) O Princpio de Contradio no verdadeiro do ponto de vista de uma suposta evidncia (se fosse um princpio evidente por si s, no haveria posies divergentes a seu respeito, como a dos Megricos ou a de Hegel; alm disso, h proposies falsas que parecem evidentes por si s). (1971, p.505). B) O Princpio de Contradio no verdadeiro do ponto de vista de uma organizao psquica do homem (pois asseres falsas que descrevem como verdadeiras as iluses do sentido so de ordem psquica, alm de que a formulao psicolgica mostrou-se ser falsa, como foi visto). (1971, p.505).
25
C) O Princpio de Contradio no verdadeiro do ponto de vista de uma definio do que a falsidade e do que a negao (pois ao definirmos que negar o verdadeiro obter o falso e que, assim, impossvel a uma assero e a sua negao serem verdadeiras simultaneamente, no estamos com essa definio impedindo a contradio, pois estamos supondo que o falso existe desde que no simultaneamente ao verdadeiro, e ento possvel dizer A B e A no B simultaneamente na medida em que ambas sejam verdadeiras e falsas simultaneamente; mas mesmo que se defina o falso como algo noexistente uma definio bem mais precisa e inequvoca , a ento desapareceria o Princpio de Contradio, pois no h como o existente e no-existente existirem simultaneamente justamente porque o no-existente no existe e dizer A B e A no B simultaneamente no constitui contradio). (1971, pp.505-506). D) O Princpio de Contradio no verdadeiro do ponto de vista do estabelecimento de uma contradio, pois isso exigiria a existncia do objeto no-contraditrio, e no h garantias que esse objeto no exista (pois se tal objeto for um objeto formal, como nmeros e figuras geomtricas simples, ainda assim, modernamente, novas matemticas e novas geometrias tornaram objetos formais clssicos no-contraditrios como as paralelas que no se cruzam para Euclides uma espcie contraditria como as paralelas sobre a superfcie curva para Lobatchevsky; alm disso, mesmo objetos reais podem ser contraditrios, pois eles se transformam uns nos outros, mudam no tempo e no espao e impossvel garantir que no venham a adotar natureza contraditria em algum momento). (1971, p.506). Conclui Lukasiewicz que o Principio de Contradio no tem nenhum valor lgico, mas apenas tico: s verdadeiro do ponto de vista de nos livrarmos do engano e da mentira,
26
podendo o ser humano viver em sociedade sob leis e sob um sistema jurdico capaz de julgar os homens segundo essas leis. Ora, no h uma lgica da tica. Quebrando o ponto de vista Aristotlico, Lukasiewicz abriu a oportunidade de se pensar um mundo contraditrio e perfeitamente lgico, perfeitamente racional.
3. A Inspirao de Vasilv Jan Lukasiewicz publicou seu On the Principle of Contradiction in Aristotle em 1910 em alemo em uma revista de circulao acadmica polonesa, Bull. Intern. de lAcadmie ds Sciences de Cracovie. Enquanto isso, no mesmo ano, em Kazan, na Rssia, Nikolaj Vasilv, um mdico que exercia o ofcio de professor de filosofia da Universidade de Kazan, publicou o primeiro de uma srie de artigos (1910 a 1915) que concordava com todos os pontos apresentados por Lukasiewicz a respeito da idia aristotlica de contradio. O mais curioso disso que o trabalho de Vasilv foi independente: ele nunca soube do artigo de Lukasiewicz, nem direta nem indiretamente, e suas teses foram completamente originais a respeito do mesmo tema: a contradio no era uma impossibilidade lgica. Foi a brasileira Ayda I. Arruda, professora da Universidade Estadual de Campinas (UNICAMP), quem estabeleceu que a conseqncia do trabalho de Vasilv era a lgica paraconsistente. At o trabalho de Arruda em 1977 s o russo V. A. Smirnov em 1965 havia caracterizado com preciso as teses de Vasilv enquanto no mesmo ano G. Kline pretendeu concluir uma lgica polivalente das mesmas teses (ARRUDA, A. I., 1980, pp. 6-7).
27
Arruda em 1977 formalizou essas teses com fineza o suficiente para encontrar ali a consequente lgica paraconsistente que passou a caracterizar o trabalho de Vasilv. At a poca de Vasilv a mudana mais interessante feita na lgica foi o advento do clculo proposicional de Frege e as discusses a respeito da implicao material de Lewis e Langford (os grafos existenciais de Peirce ficaram margem dos debates da lgica do fim do sc. XIX e comeo do XX). Assim como aconteceu com a fsica newtoniana, generalizada pelo trabalho de Einstein, no campo da matemtica surgiram novos tratamentos da matemtica de Cantor, Dedekind e Peano e as novas geometrias de Rieman e Lobatchevsky, que inspiravam reformas semelhantes em outros ramos dogmatizados do pensamento matemtico. Esse era o caso da lgica clssica de Aristteles. Os trabalhos de Lukasiewicz e de Vasilv foram sintomticos desse tempo de revolues. A idia base de Vasilv foi uma crtica no modo de se entender duas das proposies clssicas da teoria silogstica de Aristteles, as proposies algum S P e algum S no P. Desde muito remotamente considerou-se que algum poderia equivaler a todos e por isso haveria possibilidade de em certas circunstncias algum S P equivaler todo S P e algum S no P a nenhum S P. No seu primeiro artigo, de 1910, intitulado Sobre proposies particulares, o tringulo de oposies e a lei do quarto excludo, Vasilv argumentou que nada obrigava essa interpretao e deveria dar-se abertura para que algum fosse tomado tambm como nem todos. Isso significava encaixar uma quinta proposio na estrutura silogstica de Aristteles, o que s se poderia fazer reformulando toda a teoria das figuras aristotlicas da silogstica clssica alm das regras que regiam as relaes entre os termos (maior, menor e mdio) das premissas e a relao entre as premissas e a concluso. Uma proposta de reforma dada pelo prprio Vasilv foi dividir o universo das proposies em dois mundos: os juzos que fazem referncia temporal (juzos
de fatos) e em juzos que no fazem referncia temporal (juzos de conceitos). Os juzos de fatos fazem uso dos quatro tipos de juzos aristotlicos clssicos (todo S P, nenhum S P, algum S P e algum S no P). Quando Vasilv props seus juzos de conceitos, notou que no precisava de todos esses juzos clssicos aristotlicos, mas apenas dois (todo S P e nenhum S P) e um novo juzo no aristotlico (algum mas no todo S P). Com isso ele confeccionou um tringulo lgico (em alternativa ao quadrado lgico medieval), onde quaisquer dois desses juzos nunca poderiam ser simultaneamente verdadeiros. Disso resulta que no tringulo lgico de Vasilv h sempre dois juzos simultaneamente falsos para um verdadeiro. Isso permitiu a ele gerar seu Princpio de Quarto Excludo: na lgica dos juzos de conceitos, de cada conceito A verdadeiro dizer um predicado P s em um de trs juzos (todo S P, nenhum S P e algum mas no todo S P) e um quarto juzo no pode ser formulado. Fica claro como o Princpio de Contradio de Aristteles comeava a ser rompido. Aristteles sabia que todo S P e nenhum S P eram contraditrias por ser uma a negao da outra. Se uma era falsa, ento a outra deveria ser verdadeira. No tringulo lgico de Vasilv, se algum mas no todo S P fosse verdadeiro, ento todo S P e nenhum S P seriam simultaneamente falsos, o que difcil de explicar a partir da interpretao clssica que sempre se fez da expresso algum na silogstica de Aristteles, interpretao que vinha de uma noo rgida de contradio. Isso s se resolveria com uma flexibilizao da noo de contradio. Vasilv faria isso em seus dois artigos seguintes de 1912 (Lgica (no-aristotlica) imaginria) e de 1913 (Lgica e metalgica). A diviso do universo em dois mundos de juzos inspirou Vasilv no artigo de 1912 a dividir a natureza estrutural da lgica em duas bases lgicas distintas: uma metalgica e uma lgica propriamente dita. A metalgica o
conjunto das leis de pensamento tais que nenhum sistema lgico possvel sem eles (por isso Vasilv a chama de lgica de dimenso 1). uma lgica cujos juzos so unicamente afirmativos. A lgica propriamente dita lidaria com o aspecto ontolgico do mundo e formularia leis que dependem das propriedades dos objetos que esto sendo considerados. Todo sistema lgico constitudo dessas duas bases lgicas, sem exceo, sendo a metalgica a principal. A lgica de Aristteles seria uma lgica de dimenso 2 porque incluiria negaes entre seus juzos (um tipo de juzo ausente na metalgica). Da lgica de Aristteles, argumenta Vasilv, tira-se uma 1gica de dimenso 3, com juzos que nem negam, nem afirmem: juzos indiferentes, do tipo S P e no P. Esse sistema lgico de terceira dimenso chamado de imaginrio por Vasilv porque ele acreditava que uma contradio s seria possvel em um mundo imaginrio e no no nosso mundo real. Como o mundo imaginrio de um sistema lgico de dimenso 3 lida com a contradio? Nesse mundo imaginrio nenhuma lei da metalgica pode ser quebrada e h uma lei metalgica da no-autocontradio que afirma: um e o mesmo julgamento no pode ser simultaneamente verdadeiro e falso. Nesse mundo imaginrio a no-contradio aristotlica - nenhum objeto pode ter e no ter o mesmo predicado ao mesmo tempo no vlida e nem por isso rompe com a lei metalgica de no-autocontradio. Mas nem Lukasiewicz nem Vasilv anteviram a paraconsistncia de modo estruturado. Isso s comeou a ser tentado pelo lgico polons Stanislaw Jaskowski em 1948.
30
4. A Lgica Discursiva de Jaskowski Jaskowski conheceu o trabalho de Lukasiewicz e, a partir das sugestes desse artigo, foi o primeiro que props um sistema formal que lidasse com a contradio. Em 1948 ele publicou o artigo Clculo proposicional para sistemas dedutivos contraditrios (JASKOWSKI, S., 1969), onde ele funda uma lgica paraconsistente. Ele comea o artigo apontando as razes que o motivaram para a criao de uma lgica para sistemas contraditrios. Ei-las: Primeira razo: na histria do pensamento, muitos sistemas de filosofia construram argumentos suficientemente convincentes e que continham premissas contraditrias. Herclito de feso no sc. VI a.C j estabelecia argumentos baseados na contradio. No sc. XIX Hegel props uma lgica dialtica que operava com juzos contraditrios e se tornou a base da filosofia marxista que pretendeu localizar no mundo uma contradio historicamente existente. Antinomias e paradoxos famosos de Buralli-Forti, de Russell, de Richard , possveis graas s ferramentas novas da anlise da lgica simblica, revelaram contradies dentro de sistemas at ento considerados estveis. Tentativas de soluo para o Paradoxo de Russell, por exemplo, levaram os sistemas de hierarquia de infinitos de Cantor to preciosos Teoria dos Conjuntos ao problema srio da impossibilidade do conjunto-potncia do conjunto universo (o que se revelou a tal ponto deletrio que a soluo foi conseguir um arranjo precrio e convencional - Antinomia de Fraenkel-Zermelo para salvar o edifcio da matemtica moderna). Um problema semelhante produzido no sistema de Frege problema tambm causado pelo Paradoxo de Russell foi corrigido por Russell fazendo uso de sua Teoria dos Tipos. Mas mesmo essa Teoria dos Tipos precisava estabelecer operaes lgicas usando proposies que exigiam a separao entre a linguagem cotidiana e a linguagem formal. E mesmo neste caso, seria
necessrio estabelecer linguagens de graus superiores para tratar as contradies que surgiam dentro de cada novo nvel de linguagem. A prpria linguagem cotidiana ou formalizada revelava uma crise do Princpio de Contradio de Aristteles. Segunda razo: as ferramentas da lgica moderna so muito eficientes em reduzir simbologia matemtica muitas das partes estruturais das proposies, porm no conseguem fazer o mesmo com os princpios aristotlicos, em especial o Princpio de Contradio. Quando traduzem o Princpio de Contradio para o sistema de proposies matematizadas, criam objetos extremamente vagos, como as variveis que no tem natureza semntica e designam, se muito, o local vazio nas equaes, a serem preenchidos pelos elementos de domnio das funes. A lgica moderna designa termos importantes das proposies usando variveis e o Princpio de Contradio no consegue lidar com a noo de varivel da matemtica atual. Resulta que de certo termo x dentro de uma proposio se pode dizer que x y ou que x no y dependendo de uma regra de substituio que j semanticamente problemtica (pois no sabemos at que ponto as propriedades de uma proposio so conservadas por seus termos serem variveis, nem se essas propriedades se conservam se ocorre uma substituio por um termo no-varivel, uma constante, um termo lingstico com sentido). Terceira razo: notrio como algumas cincias empricas modernas se apiam sobre a contradio. No preciso se estender neste ponto: popularizaram-se muito os modelos que exemplificam situaes contraditrias dentro da mecnica quntica, na Teoria da Relatividade, na cosmologia e em teorias bastante contra-intuitivas como a tese de nolocalidade7 de nosso mundo.
Teorema de Bell, do fsico irlands John Bell, que conceitua a proposta de que vivemos em mundo onde no h causa e efeito
32
Jaskowski prope um sistema lgico que se assemelha ao que ocorre com as sentenas que surgem em um debate entre grupos de pessoas. As pessoas de cada grupo discursam e nem sempre concordam quanto aos mesmos pressupostos ou no tiram de todos esses pressupostos as mesmas concluses. Durante o debate sempre um mediador se referir ao ponto de vista deste ou daquele grupo, fazendo uma reduo das idias discutidas dentro de cada grupo, mesmo que todas as questes no tenham sido completamente apreciadas, ou que reine concepes vagas a respeito de alguns pontos, ou mesmo haja membros do grupo com posies contraditrias. Esse ponto de vista do grupo um sistema contraditrio baseado em um discurso contraditrio, da o nome lgica discursiva da proposta de Jaskowski. Se uma tese T aparece nesse discurso (por exemplo, a tese se A ento B ou a tese se A, ento ou A ou B), dela no se pode falar nada alm de que possvel que T, pois as teses restantes no foram devidamente resolvidas em sua extenso, ou contradio ou vaguidade. Ele introduz, ento, um operador modal, o possvel que representamos pelo smbolo . A primeira coisa que Jaskowski mostra que o sistema de clculo proposicional bivalente no atende as necessidades de um sistema discursivo. Por exemplo, podemos considerar um sistema onde haja a tese T1 = B, a tese T2 = se B, ento C, a tese T3 = possvel que se B, ento C, e a regra Modus Ponens. O clculo proposicional clssico permitiria, pela regra Modus Ponens, que inferssemos C. Mas a tese T3 pode ser interpretada como possvel que B no resulte em C, porque T3 est dizendo que T2 to somente uma possibilidade, e isso um complicador. Nesse sistema (chamado de sistema modal M2, por ser decidvel bivalentemente e conter o operador ), como o operador no um operador de mesma natureza que os operadores clssicos , , e , no podemos fazer uso das tabelas veritativas.
33
Jaskowski ir introduzir em seu sistema os operadores discursivos como a negao d
(negao discursiva) e outros. Assim, por exemplo, existe a equivalncia discursiva (d) e
a implicao discursiva (d). Jaskowski acrescentar as seguintes definies a M2:
(M2def 1) Definio de implicao discursiva. ( d ) ( )
(M2def 2) Definio de equivalncia discursiva. ( d ) ( ) ( )
Trs leis so tiradas dessas novas definies: (M2 1) (( ) ( )) (M2 2) (( d ) ( )) (M2 3) (( d ) ( ))
Essas regras e as definies 1 e 2 constituiro a base de um sistema discursivo propriamente dito, ao qual Jaskowski chamar sistema D2 (ou seja, que decidvel bivalentemente). A principal caracterstica do sistema discursivo D2 ser um conjunto de expresses T chamadas teses de D2 com as seguintes propriedades: 1. T contm variveis proposicionais e os operadores (chamadas por Jaskowski de funtores) d (implicao discursiva), d (equivalncia discursiva), , e .
2. Precedendo as teses de T do smbolo obtemos teses do sistema modal M2.

Ora, o sistema M2 decidvel bivalentemente (uma tese ou verdadeira ou falsa), o modo de se decidir uma tese de D2 torn-la tese de M2. O processo feito como segue: uma tese T de D2 uma tese comum do clculo proposicional clssico L2 cujo operador ou foi substitudo respectivamente por d ou d. Essas teses T de D2 se tornam teses de M2 simplesmente ao serem antecedidas pelo smbolo . Isso permite que a tese discursiva seja associada a uma tese modal. Em outras palavras, o clculo proposicional discursivo D2 decidvel se for definido como uma interpretao a partir de M2. Jaskowski ento estabelece a relao que h entre o clculo L2 (bivalncia de Aristteles) e o clculo D2 (que no aceita rigidamente o Principio de Contradio), sabendo que em M2 que se consegue decidir as teses T de D2 interpretadas a partir de M2. Essa relao entre L2 e D2 dada por trs teoremas metodolgicos:
(TM1) Todas as teses de L2 que no contenham operadores alm de , e tornamse teses de D2 pela substituio de por d e por d.
(TM2) So tambm teses de D2 as teses T de L2 que no contenham operadores alm de , e tese de D2 toda expresso (T d q) (isto , a negao de uma tese T implica discursivamente a varivel q).
(TM3) As teses de D2 em que os operadores d e d so substitudas por e , respectivamente, tornam-se teses de L2.
35
Um ponto importante que h algumas inferncias (Modus Ponens, por exemplo) em L2 que no so de D2. Isso permitir construir algumas teses que no pertencem a D2 (teses que ele denomina, cada uma, por no-D2 e uma numerao que indica a ordem em que surgem no clculo L2). Os diversos princpios lgicos estabelecidos por Aristteles e por lgicos modernos da linha de Frege, Russell, Whitehead, Huntington, por exemplo, so expresses com sentido em L2 que no so teses de D2 (algumas designadas por Jaskowski: Princpio de Exportao, Lei da Simplificao Plena, Lei de Identidade, Lei de Transposio etc.). Ora, essas leis e princpios acabam gerando as antinomias e paradoxos famosos dentro de L2. O que Jaskowski mostra que podemos transportar essas teses antinmicas e paradoxais de L2 para dentro de um sistema discursivo D2 e resolv-las em uma interpretao modal M2 desse sistema discursivo. A soluo de Jaskowski, porm usa recursos modais que no so acordo geral entre os lgicos. Seria possvel um tratamento no modal para o problema tratado por Jaskowski? Uma soluo satisfatria foi proposta pelo matemtico brasileiro Newton C. da Costa.
5. Os Clculos Cn de Newton da Costa Em 1963 o matemtico brasileiro Newton C. A. da Costa apresentou como tese de doutorado seu trabalho intitulado Sistemas Formais Inconsistentes (DA COSTA, N. C., [1993]). Nele Da Costa vai muito alm da formalizao que Jaskowski estabeleceu e cria a hierarquia das linguagens paraconsistentes capazes de servir como lgicas subjacentes a teorias inconsistentes, firmando de modo criterioso um novo campo na lgica moderna. Sua inspirao foi a existncia da contradio em muitas teorias que resultavam da anlise
36
matemtica e a necessidade de uma lgica subjacente que no fosse a clssica, para no trivializar a teoria. O trabalho de Da Costa comeou tomando o Clculo Proposicional Clssico como o primeiro e distinto de todos os clculos, e o chamou de C0. A principal caracterstica de C0 a que j conhecemos: a tese principal que vale o Princpio de Contradio de Aristteles ( ). Isso significa que qualquer teoria que contenha contradies e que tenha C0 como lgica subjacente, se torna uma teoria trivial. Isso j vimos: nossa Teoria de um Mundo de Lewis Carroll, no comeo deste nosso trabalho, exemplo de uma teoria que tem C0 subjacente. Mas isso no precisa ser assim. A lgica de Jaskowski j mostrou que possvel lidar com teorias inconsistentes, desde que estejam baseadas por lgicas no-clssicas. O mrito de Da Costa foi criar uma hierarquia de clculos sentenciais e uma hierarquia de clculos de predicados (um clculo de predicado para cada clculo sentencial, correspondentes um-aum). Assim, Da Costa cria os clculos Cn, 1 n . So trs as principais caractersticas de Cn: (1) Em Cn a tese ( ) Princpio de Contradio de Aristteles no vlida.
(2) Em Cn no se pode deduzir qualquer tese de duas teses contraditrias (isto , qualquer Cn subjacente a uma teoria que contenha contradies no a trivializa) (3) Em Cn valem todos os esquemas e regras de inferncia de C0 que no interfiram na caracterstica (1).
37
A caracterstica (3) excluir especialmente os princpios e regras de C0 que permitiro construir paradoxos. Da que qualquer clculo Cn decidvel, isto , qualquer de suas teses tem valor de verdade verdadeiro e a negao da tese tem valor de verdade falso. A hierarquia tem outra propriedade: cada Ci mais fraco que Ci-1. Isto , cada clculo Cn subclculo do outro de ndice menor e C0 contm todos os Cn. Essas caractersticas hierrquicas so preservadas quando Da Costa prope um Clculo de Predicados Cn*, isto um clculo de predicados para cada Cn, tambm hierarquizado. Depois Da Costa completa seu trabalho introduzindo a igualdade = de modo hierarquizado: uma hierarquia de clculos Cn==, um clculo Cn= para cada clculo Cn*. Isso completa o trabalho de Da Costa.
6. Consideraes a Respeito da Importncia da Lgica Paraconsistente O prprio professor Newton da Costa fez uma lista dos problemas relevantes onde o uso da lgica paraconsistente de suma importncia (DA COSTA, N. C. A., 1990, p.101). Vamos list-los abaixo, resumindo as principais idias apontadas por Da Costa:
1) Caracterizao mais acurada da negao. Na lgica a negao traduz que existe certo critrio m que d o valor de verdade falso para certa propriedade A quando um critrio n d o valor de verdade verdadeiro para A. No entanto pode existir uma fronteira no clara entre A e A, onde os dois critrios m e n devem ser aplicados simultaneamente. Por exemplo, entre a cor vermelha e outra adjacente no vermelha (por exemplo, o laranja) do espectro da luz branca h uma gama de continuidade de gradaes
de cores onde nem se deixa de ser vermelho e ainda no laranja. Nessa fronteira difusa no possvel decidir entre A e A.
2) Caracterizao mais acurada da noo de contradio. Sistemas contraditrios podem ser construdos mesmo dentro das solues para evit-las. Por exemplo, Kant resolveu o problema da contradio dizendo que a contradio entre duas sentenas em que uma a negao da outra s aparente, pois basta localiz-las em coordenadas espao-temporais diferentes para ver que no coexistem simultaneamente. Mas toda coordenada espaotemporal envolve um intervalo I de tempo e podemos supor um mundo onde o intervalo I pode ser dividido indefinidamente em intervalos Ii mais curtos. Diremos que uma sentena verdadeira se for verdadeira em alguma parte de I. Vamos agora supor que duas sentenas contraditrias, A e A sejam verdadeiras. Ento existe I onde A e A so verdadeiras. Podemos dividir I em um nmero finito de intervalos Ii e A e A devem ser verdades em ao menos um desses intervalos parciais. Podemos tomar cada intervalo Ii e dividi-los em um nmero finito de intervalos Ii menores ainda e A e A devem ser verdades em ao menos um desses Ii. Podemos ainda tomar cada um dos intervalos Ii e dividi-los em intervalos Ii menores ainda e A e A devem ser verdade em ao menos um desses intervalos. Se continuarmos assim chegaremos a algum grau de diviso parcial onde h dois intervalos parciais Iji e Iki onde em um A verdadeiro e no outro A verdadeiro. Isto , podemos separar A e A temporalmente, mas no eliminamos a contradio, que permanece existindo no intervalo I original.
39
3) Uma caracterizao adequada do Esquema de Separao. O Esquema de Separao diz, em linhas gerais, que dada uma propriedade, ela gera um conjunto: o daqueles objetos que possuem aquela propriedade. O Paradoxo de Russell nasce desse esquema, ao estabelecer a propriedade de um objeto no pertencer a si prprio. A soluo clssica restringir esse esquema para alguns conjuntos, o que uma soluo bastante criticvel. No entanto, lgicas paraconsistentes admitem esse tipo de contradio e inferem teoremas notriviais deles, o que uma soluo bem melhor. 4) Compreenso mais efetiva de teorias contraditrias como a dialtica e a Teoria dos Objetos de Meinong. A dialtica uma interpretao filosfica que prope sistemas onde a contradio surge tranquilamente e dela se devem inferir teoremas no-triviais. Por exemplo, a dialtica marxista lida com a contradio histrica de onde infere-se sistemas sociais que no podemos chamar de triviais. Do mesmo modo com a Teoria dos Objetos de Meinong, conforme Alexius Meinong descreveu em seu Sobre a Teoria do Objeto8. Ela separa ser de existncia. Por exemplo, o unicrnio no existe, mas um ser com alguma natureza, seja ficcional, seja intelectiva, seja mstica, caso contrrio no poderamos falar de unicrnios nem para neg-los, nem para cit-los em uma descrio da Teoria dos objetos de Meinong. Para os existentes (como a Torre Eiffel), a princpio de contradio vale. Mas para os no-existentes, o princpio de contradio no vale. Por exemplo, o nosso Gato de Cheshire de nosso Mundo de Lewis Carroll um ser no-existente no sentido dos objetos de Meinong. 5) Construo de teorias inconsistentes e no-triviais onde os paradoxos surgidos na lgica proposicional clssica tm soluo. Por exemplo, possvel construir um clculo de predicados onde o clculo clssico subsistema e nesse clculo mais amplo h um
Ver Sobre a Teoria do Objeto de Alexius Meinong in Braida, C. R. [2005], p.91-139.
40
predicado P que e que no predicvel de si prprio (Paradoxo de Russell). Esse s um dos muitos paradoxos que podem ser resolvidos paraconsistentemente. Isto significa que os paradoxos do clculo clssico no precisam ser semanticamente eliminados e podem ser tratados de maneira nova. 6) Rebater as crticas contra os sistemas dialticos. Uma das mais fortes crticas dialtica como interpretao filosfica dada por Popper, que dizia que as contradies permitidas pela dialtica trivializam essas filosofias. Mas j vimos que dar uma alternativa trivializao a principal bem sucedida tarefa da lgica paraconsistente. 7) Flexibilizao dos critrios metodolgicos aplicados s teorias cientficas. Basicamente toda teoria cientfica baseada no clculo proposicional clssico. O surgimento de novas lgicas e, no caso especial da lgica paraconsistente, que vimos estudando, inclusive o surgimento de lgicas capazes de lidar com a contradio, permitem que haja novo foco orientado dentro da pesquisa cientfica, que permita novas abordagens tericas que antes se viam limitadas pela lgica clssica. 8) Mostrar que a definio semntica da verdade de Tarski no resulta obrigatoriamente nos princpios usuais da lgica clssica. De fato, seguindo o roteiro de pesquisa tarskiano para definio da verdade, pode ser concludo a mesma definio semntica de Tarski evitando princpios como o de contradio. O que se quer dizer que h uma semntica paraconsistente e formas de verdade paraconsistente, o que revela que os mtodos semnticos no determinam uma nica noo de verdade. H muitas questes abertas, no entanto, a respeito das possibilidades e implicaes diretas e indiretas do uso de lgicas paraconsistentes. Muitas tecnologias modernas apontam para um uso futuro de sistemas lgicos que devem obrigatoriamente fugir dos princpios
clssicos aristotlicos. Exemplo so as possibilidades da optrnica, onde circuitos usam luz polarizada ao invs de eletricidade e sabemos que h materiais cujo ndice de refrao tico permitem que a luz seja refletida e refratada ao mesmo tempo. Que tipo de valorao lgica cabe a um comportamento desses? Fica bvio que essa sugesto j aponta para uma limitao da lgica booleana a ponto de deixar de ser uma opo para os sistemas computacionais cujos circuitos trabalhem com a luz. Podemos dizer, por fim, que o principal benefcio da lgica paraconsistente dar um formato s aberturas propostas de modo vago pelas questes apontadas por Lukasiewski e Vasilev a respeito do princpio de contradio de Aristteles. O formato um passo muito importante: permite conseqncias e prever conseqncias, o que alimenta a crtica e d sentido construo de outros modelos lgicos. Pesquisas em campos da fsica s revelam contraintuitividades devido a uma viso macroscpica de mundo a partir de antigas lgicas. As novas lgicas ampliam o intelecto humano e eliminam de nossa viso essa palavra terrvel: contraintuitividade. Os mundos aparentemente contraintuitivos, quando intudos por essas novas lgicas, deixaro de serem problemas e sero solues novas. H um sorriso distante, que ficar por ultimo no ar (como o sorriso do Gato de Cheshire de Aventuras de Alice no Pas das Maravilhas), quando nessa revoluo da lgica das novas lgicas surgidas no sculo XX novas vises de mundo responderem a antigas questes: lembremos que Aristteles fez a seu tempo sua revoluo lgica e uma viso de mundo surgiu; agora novas lgicas permitiro uma ampliao de nossa noo aristotlico-intuitiva de mundo, e sorriremos ainda, alm de Aristteles.
42
7. Consideraes de Carter Pessoal, devidas ao Prof. Lafayette de Moraes Eu, prof Lafayette de Moraes, tive meu primeiro contato com a lgica modal durante um curso ministrado pelo professor australiano Hugh M. Lacey, ento professor visitante da Universidade de So Paulo (USP) no Departamento de Filosofia da antiga Faculdade de Filosofia, Cincias e Letras, em 1968. O curso era ministrado em ingls e de modo tradicional, consistindo de uma srie de palestras. O professor Lacey lia as suas notas e os poucos alunos que freqentavam o curso limitavam-se a simplesmente ouvi-lo. As dificuldades de entendimento da matria eram acrescidas pela dificuldade de entendimento do ingls com pronncia australiana. Um dos temas abordados versava justamente sobre a lgica modal. Enchi-me de coragem naqueles tempos o relacionamento entre professores e alunos caracterizava-se pela formalidade e procurei o prof. Lacey dizendo que tinha interesse no tema, pois por coincidncia, o prof. Newton da C. A. da Costa tinha me sugerido como tema do mestrado o estudo de um trabalho de lgica polivalente do polons S. Jaskowski, criador da primeira lgica no-clssica em 1948. O trabalho de Jaskowski baseava-se em um sistema modal constitudo de uma cadeia de sistema criada pelo lgico norte-americano C. I. Lewis em 1940. Fui recebido muito gentilmente pelo prof. Lacey que, por mais uma coincidncia, tinha recebido por aqueles dias um catlogo onde figurava a primeira sistematizao at aquela data da lgica modal. Os autores eram dois australianos, G. E. Hughes e M. I. Creswell e o livro era o Introduction to Modal Logic. Com todos os meios de comunicao de que dispomos hoje, difcil imaginar a realidade daqueles tempos. No havia Xerox, computadores, internet etc. e nem sempre revistas estrangeiras eram encontradas facilmente entre ns. Hoje o problema facilmente resolvido. Basta acessar a internet e baixar o artigo desejado. Naquele tempo quando necessitvamos de um artigo tnhamos que escrever uma carta para o autor pedindo que
nos enviasse uma separata ou fotocpia do artigo, processo que exigia alguns meses de espera. Alm disso os trabalhos eram datilografados em mquinas de escrever (e no digitados como hoje) e a datilografia de um trabalho que empregasse muitos smbolos, como os da lgica e da matemtica, tinha de ser digitado nas antigas mquinas IBM de esferas. Uma dessas esferas era constituda dos principais smbolos usados em lgica e matemtica, e tinha de ser importada. A datilografia, porm, no era simples e exigia a troca freqente das esferas, a normal com as letras de nosso alfabeto e outra com smbolos da lgica e da matemtica, o que exigia excepcional dose de pacincia por parte do datilgrafo. Por esses requisitos, esses profissionais eram poucos e disputados por professores da rea de exatas e pelos cursinhos que necessitavam de textos de matemtica destinados a oferecer desses cursos preparatrios para o vestibular. Geralmente essa atividade de datilografia era exercida por professores de matemtica a fim de complementar seus salrios. Era natural que assim fosse porque o trabalho era extremamente cansativo normalmente para datilgrafos leigos em matemtica que praticamente tinham de ler smbolo a smbolo e no a expresso toda, coisa facilmente realizada por quem entendia da matria. Meu trabalho de mestrado foi apresentado no Departamento de Filosofia da USP em 1970 graas a dedicao de uma professora de matemtica da Pontifcia Universidade Catlica de So Paulo, Mineko Yamashita, que se tornaria aluna do prof. Newton C. A. da Costa, tendo confeccionado seus trabalhos de mestrado e doutorado sob sua orientao. Uma pergunta poderia ser feita: por que um trabalho de lgica matemtica, como se dizia na poca, foi apresentado no Departamento de Filosofia? A resposta fcil se nos reportarmos queles dias. No s no Brasil, mas em geral a lgica era olhada com certas restries por matemticos e filsofos, mais pelos matemticos do que pelos filsofos.
Bertrand Russell j dizia, com a ironia que o caracterizava: a lgica uma filha cuja paternidade no era assumida nem pelos filsofos nem pelos matemticos. Os filsofos achavam-na muito matemtica e os matemticos muito filosfica. Em geral a lgica no fazia parte do currculo ministrado aos estudantes de matemtica. No mbito da filosofia seu estudo em geral era restrito silogstica de Aristteles. Os estudos da lgica tiveram impulso em So Paulo com a vinda do Prof. Newton C. A. da Costa da Universidade Federal do Paran para a Universidade de So Paulo (USP) e a fundao por ele do Centro de Lgica e Epistemologia (CLE) na Universidade Estadual de Campinas (UNICAMP), o melhor ncleo de estudo da lgica no Brasil, hoje de renome internacional. Mas voltando gentil entrevista com o prof. Lacey, segui sua sugesto e importei o livro de Hughes e Cresswell sobre a lgica modal. Acredito que tenha sido o primeiro livro de lgica modal que entrou no Brasil. um excelente manual e contm um excelente tratamento da chamada lgica modal moderna at 1968. Mais tarde a mesma dupla de autores publicou vrios outros sobre lgicas modais trazendo o seu desenvolvimento at mais recentemente. Apenas de passagem podemos dizer que naquela ocasio a USP passava por uma grande turbulncia e aqueles anos ficaram conhecidos mais tarde como anos de chumbo do regime militar implantado entre ns por mais de vinte anos a partir daqueles dias. Sinceramente confesso no ter a menor vontade de escrever sobre um perodo que se enche de vergonha. Ele se insere em uma Histria Vergonhosa da Humanidade. Acontece que t enho vontade de tecer algumas consideraes sobre a lgica modal, que deu a Jaskowski em 1948 instrumentos para elaborar a primeira lgica no-clssica, como vimos acima. Se ela j nasceu em pecado, como disse Quine, ela tem, pelo menos, o grande mrito de ter
contribudo para a elaborao da primeira lgica no-clssica, que favoreceu uma grande revoluo no nosso modo de ver a evoluo do pensamento formal. Como quase tudo referente lgica, a lgica modal tambm nasceu com Aristteles, em cerca de 3000 a.C. O primeiro trabalho em que conceitos de lgica modal aparecem conhecido como Problema da Batalha Naval, que aparece no De Interpretatione, captulo 9, onde Aristteles discute os futuros contingentes e quer saber se a sentena amanh haver uma batalha naval deve ser verdadeira hoje ou no e, consequentemente, se a sentena necessariamente ou possivelmente falsa ou verdadeira. Essa discusso aristotlica gera at nossos dias amplos debates e solues alternativas 9 . Depois de Aristteles, os pensadores megricos, em especial o principal pensador dessa escola, Diodorus, trataram da modalidade. Aps esses debates, a lgica Modal atravessou o fim da Antiguidade e toda a Idade Mdia sem sofrer nenhum acrscimo digno de nota, exceto o comentrio brevssimo do Pseudo-Scotus. S vir novamente a ser motivo de estudos em 1917 com os trabalhos de lgica do norte-americano C. I. Lewis. Lewis estava interessado pelo problema conhecido como paradoxos da implicao material. Pouco depois ele publica em 1918, pela University of California Press, A Survey of Symbolic Logic onde feita uma excelente exposio do desenvolvimento da lgica e, logo aps, em colaborao com outra lgico norte-americano C. H. Langford, em 1932, pela mesma editora, Symbolic Logic, onde apresenta uma hierarquia de cinco sistemas modais. Um tratamento exaustivo desses sistemas encontra-se no trabalho acima citado de Hughes e Creswell inclusive uma importante relao entre alguns sistemas de Lewis e a lgica aristotlica descoberta por Kurt Gdel. O ltimo sistema dessa hierarquia, o sistema S5 de particular importncia no s sob o ponto de vista formal como semntico e metafsico, provocando uma grande
9
A esse respeito, ver o artigo dos mesmos autores Lafayette de Moraes e Carlos Roberto Teixeira Alves: A Modalidade a Respeito dos Contingentes Futuros em Aristteles, De Interpretatione 9, in Cognitio Revista de Filosofia, Centro de Estudos do Pragmatismo PUC-SP, So Paulo, v.10, n2, 243-266, jul/dez. 2009.
46
discusso a respeito desses problemas. Entre o grande nmero de obras sobre o tema podemos destacar: The Metaphysics of Modality de G. Forbes (Claredon Press, Oxford, 1985) e On the Plurality of Words de D. Lewis (Basil Blackwell, U.K. 1986). A discusso desses problemas foge do mbito deste artigo. Destacamos apenas para terminar e apontar a importncia de S5, e sua posio na chamada semntica dos mundos possveis, elaborada pelo lgico norte-americano Saul Kripke em 1965. sobre essa posio e outros problemas correlatos que versa o excelente livro de D. Lewis que acima citamos. A extenso da Semntica de Kripke para a lgica de Jaskowski foi obtida por ns em 1973. Finalizando, s resta dizer que foi justamente esses discutido sistema S5 que Jaskowski usou para elaborar o seu sistema D2, criando em 1948 a primeira lgica noclssica, cuja importncia para a evoluo do nosso raciocnio nunca demais ressaltar.
8. Referncias Bibliogrficas ARRUDA, A. I. [1980], N. A. Vasiliev e a Lgica Paraconsistente, Relatrio Interno n140, Departamento de Matemtica, Universidade Estadual de Campinas, Brasil. ____________, [1980b], A survey of paraconsistent logic, in Mathematical Logic in Latin America, North-Holland Publishing, pp.1-41. BRAIDA, C.R.; [2005], Trs aberturas em ontologia: Frege, Twardowski e Meinong, Rocca Brayde, Florianpolis. DA COSTA, N. C. A., [1990], Importncia Filosfica da Lgica Paraconsistente, Bol. Soc. Paran. Mat., 2 srie, vol. 11, n22, pp.91-111.
47
_________________, [1993], Sistemas Formais Inconsistentes, Ed UFPR, Curitiba. DA COSTA, N. C. A. ET ALS., [1977], On the Imaginary Logic of N. A. Vasilv, no Nonclassical logics, Model Theory and Computability, North-Holland, pp.3-22. FORBES, G., [1985], The Metaphysics of Modality, Claredon Press, Oxford. HERBRAND, J., [1928], Sur la thorie de le demonstration, Completes Rendees Hebdomadaires das Sciences de LAcademie des Sciences, Paris, vol 186 pp. 1274-1276. HUGHES, G.; CRESSWELL, M., [1968], An Introduction to Modal Logic, Methuen. JASKOWSKI, S. [1969], Propositional calculus for contradictory deductive systems, Studia Logica XXIV, pp. 143-157 (traduo inglesa do mesmo artigo em polons de 1948). DE MORAES, L.; ALVES, C.R.T., [2009], A Modalidade a Respeito dos Contingentes Futuros em Aristteles, De Interpretatione 9, in Cognitio Revista de Filosofia, Centro de Estudos do Pragmatismo PUC-SP, So Paulo, v.10, n2, 243-266, jul/dez. 2009. LUKASIEWICZ, J. [1971], On the Principle of Contradiction in Aristotle, in Review of Metaphisics, xxiv, 3, pp.485-509. LEWIS, D., [1986], On the Plurality of Words, Basil Blackwell, U.K.
O Prof. Lafayette de Moraes possui graduao em Fsica pela Universidade de So Paulo (1963), graduao em Matemtica pela Faculdade Nacional de Filosofia da Universidade do Brasil (1953), especializao em Filosofia pela Universidade de So Paulo (1966) , mestrado em Filosofia (Lgica) pela Universidade de So Paulo (1970) , doutorado em Filosofia (Lgica) pela Pontifcia Universidade Catlica de So Paulo (1973) e psAspectos de Lgica e Teoria da Cincia 48
doutorado pela Universidade de Munchen (1978). Lecionou matemtica, filosofia e lgica durante vinte e oito anos na Universidade Estadual de Campinas (UNICAMP), ensinou clculo e geometria analtica por trs anos no curso de Engenharia Industrial no Centro Universitrio da FEI e durante um ano no Faculdade de Filosofia, Cincias, Artes e Letras de So Jos do Rio Preto (FFCLSJRP), ministrou o curso de filosofia durante onze anos no Instituto Brasileiro de Educao Cincia e Cultura (IBECC), foi professor titular da cadeira de lgica da Pontifcia Universidade Catlica de So Paulo (PUC-SP) durante vinte e sete anos e professor titular de lgica por cinco anos da Faculdade So Bento. autor de diversas publicaes no Brasil e no exterior, artigos e livros, todas ligadas lgica, sendo referenciado como um dos primeiros lgicos no Brasil a trabalhar com sistemas modais.
O Prof. Carlos Roberto Teixeira Alves graduado em Filosofia pela Faculdade So Bento, mestre pela Pontifcia Universidade Catlica de So Paulo (PUC-SP), defendendo trabalho na lgica, especialmente o campo da Semntica da Verdade de Alfred Tarski. autor de livros e artigos no campo da lgica. Em colaborao com o prof. Lafayette de Moraes dedica-se a estudos no campo dos paradoxos lgicos, trabalhando com modelos noclssicos de solues. Atualmente doutorando na PUC-SP, tambm na rea da lgica.
49
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial
Joo Incio da Silva Filho jinacsf@yahoo.com.br IEA-Instituto de Estudos Avanados da Universidade de So Paulo Av. Prof. Luciano Gualberto, Trav. J no 374, Trreo, Cidade Universitria CEP 05508-900, So Paulo - SP- Brasil GLPA - Grupo de Lgica Paraconsistente Aplicada UNISANTA- NPE Ncleo de Pesquisa em Eletrnica Rua Oswaldo Cruz, 288, Boqueiro, CEP 11045-000, Santos - SP
Resumo A Lgica Paraconsistente quando estudada na sua forma estendida denominada de Lgica Paraconsistente Anotada vm apresentando resultados relevantes em aplicaes ligadas a diversos campos que abrangem a rea da inteligncia artificial. Neste trabalho apresentada uma descrio relacionada s pesquisas de aplicao com os equacionamentos que tratam de criao de sistemas inteligentes de apoio deciso e ao controle de rob mvel autnomo, cujos algoritmos so sustentados pela lgica Paraconsistente Anotada.
Palavras-chave: inteligncia artificial, lgica paraconsistente, sistemas inteligentes, robtica.
50
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Abstract The Paraconsistente Logic when studied in extended form denominated Paraconsistent Annotated Logic, presents relevant results in applications related to several fields of the artificial intelligence. In this work, a description about the application researches is presented with the main equations that deal with the creation of intelligent systems of decision support and autonomous movable robot's control, whose algorithms are sustained by the Paraconsistent Annotated logic.
Keywords: artificial intelligence, Paraconsistent logic, intelligent systems, robotics.
1. Introduo Entre as inovaes tecnolgicas atuais que se referem s reas de pesquisas que tratam de obter mtodos aplicados a sistemas inteligentes, as lgicas no-clsicas tm um papel predominante. So estas lgicas no-convencionais, cujas estruturas diferem em certos aspectos com a lgica clssica binria, que so utilizadas como suporte terico para os algoritmos que compe os sistemas inteligentes na sua funo de oferecer apoio tomada de deciso. No rol das inmeras lgicas denominadas de no-clssicas, destacam-se, neste captulo, as pesquisas em aplicaes da Lgica Paraconsistente Anotada (LPA). No decorrer do texto, procura-se apresentar a LPA como suporte para construo de modelos que promovam mtodos e ferramentas computacionais na forma de aplicativos em reas da Inteligncia Artificial. A Lgica Paraconsistente, na forma que aqui ser apresentada, tem sido utilizada em aplicaes recentes e os mtodos apresentados neste trabalho so
51
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial resultantes dos primeiros estudos que apareceram no final da dcada passada. Portanto, convm destacar que a formalizao e os mtodos de aplicaes aqui expostos so frutos de grupos de pesquisas formados em algumas instituies acadmicas que acreditaram nas propostas iniciais de aplicaes diretas em sistemas reais de uma lgica contraditria. Entre estas Instituies, se encontra o IEA-USP Instituto de Estudos avanados da Universidade de So Paulo, onde foi criado o Grupo de Lgica e Teoria da Cincia, cujo um dos objetivos era dar sustentao terica a essas futuras e, hoje, reais aplicaes. As pesquisas elaboradas para trabalhar nestes conceitos fundamentais que objetivavam as aplicaes diretas obtiveram sucesso com a utilizao de uma extenso da Lgica Paraconsistente denominada de Lgica Paraconsistente Anotada de anotao com dois valores (LPA2v). Os estudos de aplicaes diretas da LPA2v so motivados pela mesma razo pela qual resultaram as aplicaes da Lgica Clssica. Assim como foi feito na utilizao da Lgica Clssica, que teve seu modelo lgico binrio convenientemente adaptado ao modelo de funcionamento do transistor como chave liga/desliga de tal modo que hoje sustenta nosso avano computacional, a LPA2v tambm pode ser vista como cincia capaz de ser traduzida atravs da matemtica. Pode ser estudada como um modelo capaz de ser aplicada em sistemas reais. Dentro desta percepo, surge a idia da possibilidade real de um Sistema Lgico Paraconsistente que, assim como na lgica clssica, um conjunto de axiomas e regras de inferncia que objetivam representar formalmente o raciocnio vlido. Sendo assim, o Sistema Lgico Paraconsistente pode ser representado atravs de um algoritmo que tem sua utilizao como o ncleo de um programa computacional com aplicaes diretas em sistemas de Inteligncia Artificial. Sob essa tica, a engenharia considera em relao a essa questo o fato de que, como a lgica filosfica lida com descries formais da linguagem natural de onde se pode definir a estrutura de declarao, pode-se ento considerar que, desde que tenham-se a capacidade
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial de encontrar o mtodo certo para traduzir a linguagem corrente para essa lgica paraconsistente possivel capturar e modelar raciocnios capazes de formar modelos para tratar adequadamente as contradies em determinados meio ambientes. Dessa forma, a partir de sistemas lgicos paraconsistentes criam-se ento, atravs de pesquisas dos fundamentos da Lgica proposta como objeto de estudo, os mtodos interpretativos que geram algoritmos prprios para aplicaes diretas onde a maior parte do raciocnio considerado normal e aqueles que incluem inconsistencias pode ser capturado pela lgica.
2. A Lgica Paraconsistente Anotada Lgica Clssica conhecida tambm por Lgica Aristotlica e essa denominao dada devido ao fato de se atribuir a Aristteles e seus discipulos o primeiro estudo formal do raciocnio conceituando-se um sistema lgico. A importncia da Lgica Clssica na histria da humanidade se deve ao fato do conhecimento tecnolgico atual estar sustentado pelos seus princpios. De forma geral, pode-se resumir que os trs princpios centrais da lgica Clssica so: a lei da identidade, a lei da no-contradio e a lei do terceiro excludo. A lei da no-contradio expe que nenhuma afirmao pode ser verdadeira e falsa ao mesmo tempo e a lei do terceiro excludo diz que qualquer afirmao da forma *P ou no-P* verdadeira. A aplicao da Lgica Clssica trouxe os avanos recentes e essas novas tecnologias criaram diferentes condies - limites para descrio de objetos de onde possvel a extrao de informaes importantes para a ao e controle de situaes reais. E assim, as faixas de incerteza nas fronteiras que medem, classificam e descrevem formas, objetos e analisam as propriedades fsicas, ficaram pequenas pela exigncia de determinaes cada vez mais precisas. Essas situaes criaram cenrios que no se enquadravam mais nas rgidas regras da Lgica Clssica exigindo formas complexas para o
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial tratamento adequado desses problemas. Esse fato obrigou a criao de linhas de pesquisas direcionando profundos estudos que culminaram com a instituio das Lgicas alternativas da Clssica. Com isso, foram surgindo novas Lgicas chamadas Lgicas No-Clssicas, cujo objetivo era o estudo de como dar o tratamento adequado de situaes como as indefinies e as inconsistncias que no podem ser tratadas diretamente pela Lgica Clssica. A Lgica Paraconsistente uma lgica no clssica e surgiu dessas consideraes, inicialmente, com os trabalhos do russo Nikolai A. Vasilv (1880-1940) em 19810 e do polons Jan Lukasiewicz (1878-1956), que independentemente publicaram textos nos quais tratavam da possibilidade de uma Lgica que no eliminasse ab initio as contradies. Mais tarde em 1948, o lgico polons Stanislaw Jskowski formalizou com base na Lgica discursiva um clculo proposicional paraconsistente denominado Clculo Proposicional Discursivo. Nesta mesma poca, independentemente, o lgico brasileiro Newton C. A. da Costa, desenvolveu, e vem desenvolvendo, vrios Sistemas Paraconsistentes contendo todos os nveis lgicos usuais: clculo proposicional, clculo de predicados, clculo de predicados com igualdade, clculo de descries e linguagem de ordem superior (na forma de teoria dos conjuntos). A caracterstica principal da Lgica Paraconsistente a derrogao do principio do meio excludo, pilar da lgica clssica, pois prope admitir contradio em seus fundamentos sem trivializao. A partir dos resultados 10 de Da Costa a Lgica Paraconsistente 11 apareceu como um campo de pesquisa muito promissor, tanto numa perspectiva puramente
10
A estes estudos, o filsofo peruano Francisco Mir Quesada em 1976, denominou-os de paraconsistentes originando da o termo Lgica Paraconsistente.
11
Estes dois cientistas, S.Jskowski e Newton C. A. da Costa, so considerados pela comunidade cientfica mundial como os inventores da Lgica Paraconsistente.
54
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial terica, como em aplicaes diretas em reas de Inteligncia Artificial e Sistema de Computao.
2.1. Os Princpios Bsicos da Lgica Paraconsistente De modo resumido, pode-se considerar que a Lgica Paraconsistente sustentada pelos seguintes princpios tericos: - Dada uma teoria (dedutiva) T, assentada na lgica L, diz-se consistente se entre seus teoremas no existem tais, que um seja a negao do outro; em hiptese contrria, T denomina-se inconsistente. A teoria T chama-se trivial se todas as sentenas (frmulas fechadas) de sua linguagem forem teoremas; se isto no ocorrer, T no-trivial. Se L for uma das lgicas comuns, como a clssica, a teoria T trivial se e somente se for inconsistente. A lgica L denomina-se Paraconsistente se puder funcionar como fundamento de teorias inconsistentes e no triviais. Isto significa que, uma Lgica Paraconsistente aquela que se mostra capaz de manipular sistemas inconsistentes de informaes sem a ocorrncia de trivializao. Neste trabalho, so apresentados os mtodos de aplicaes obtidos de interpretaes dos fundamentos e conceitos de uma classe de lgica paraconsistente denominada de Lgica Paraconsistente Anotada de anotao com dois valores LPA2v. Para a utilizao desse tipo de lgica em aplicaes de robtica, sistemas especialistas e em sistemas de tomada de deciso foram criados algoritmos originados de um estudo no seu Reticulado
55
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial representativo cuja interpretao permitiu o devido equacionamento, conforme ser visto a seguir.
2.2. Representao do Reticulado Associado Lgica Paraconsistente Anotada Sabe-se que devido as suas rgidas leis binrias a presena de uma contradio na Lgica Clssica, trivializa qualquer teoria e como conseqncia fica impotente para manipular diretamente o conceito de inconsistncia, o que a impossibilita de fazer um tratamento no trivial na presena de contradies. No entanto no mundo real, as inconsistncias so importantes e no podem ser desprezadas porque so as informaes contraditrias que trazem fatos relevantes modificando, s vezes, completamente o resultado da anlise. A existncia da inconsistncia que induz ao Sistema promover buscas procurando novas e esclarecedoras informaes com consultas a outros informantes, para se obter uma concluso mais real e confivel. A lgica Paraconsistente Anotada capaz de manipular informaes inconsistentes e pode ser representada atravs de um Reticulado cujas constantes de anotao representadas nos vrtices daro conotaes de estados lgicos extremos s proposies. Pode-se obter uma representao sobre o quanto as anotaes, ou evidncias, expressam o conhecimento sobre uma proposio P utilizando um reticulado formado por pares ordenados, tal que: = {( , ) |
,
[0, 1]
}. Neste caso, fixado um operador: | | do sistema
| |. O operador ~ constitui o significado do smbolo lgico de negao
que ser considerado. Dessa forma um reticulado de quatro vrtices associado Lgica Paraconsistente Anotada de anotao com dois valores-LPA2v pode ser apresentado com os Graus de Evidncia que compem as anotaes, tal como nisto na Figura I.
Figura I - Reticulado finito de Hasse Como exemplificao, considere-se que as informaes originadas da anlise de dois especialistas sobre a sade de um paciente vo compor a Anotao proposio P O paciente est acometido de pneumonia. Pode-se adotar que o especialista 1 produza o valor referido ao Grau de Evidncia favorvel e o especialista 2 o valor referido ao Grau de Evidncia desfavorvel, de tal forma que as anotaes para a anlise so apresentadas como: Anotao 1 = (1, 0) .Para a anotao (1, 0), a leitura intuitiva ser O paciente est acometido de pneumonia com evidncia favorvel total. Frente a proposio P em anlises isto estabelece um estado lgico Verdadeiro, visto que o especialista 1 apresenta para compor a anotao o Grau de Evidncia favorvel = 1 e o especialista 2 apresenta para compor a anotao o Grau de Evidncia desfavorvel = 0. Anotao 2 = (0, 1) .Para a anotao (0, 1), a leitura intuitiva ser O paciente est acometido de pneumonia com evidncia desfavorvel total. Frente a proposio P em anlises isto estabelece um estado lgico Falso, visto que o especialista 1 apresenta para
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial compor a anotao o Grau de Evidncia favorvel = 0 e o especialista 2 apresenta para compor a anotao o Grau de Evidncia desfavorvel = 1. Anotao 3 = (1, 1) .Para a anotao (1, 1), a leitura intuitiva ser O paciente est acometido de pneumonia com valores de evidncia favorvel e desfavorvel totalmente contraditrios. Frente a proposio P em anlises isto estabelece um estado lgico Inconsistente, visto que o especialista 1 apresenta para compor a anotao o Grau de Evidncia favorvel = 1 e o especialista 2 apresenta para compor a anotao o Grau de Evidncia desfavorvel =1. Anotao 4 = (0, 0) .Para a anotao (0, 0), a leitura intuitiva ser O paciente est acometido de pneumonia com valores de evidncia favorvel e evidncia desfavorvel totalmente contraditrios Frente a proposio P em anlises isto estabelece um estado lgico Paracompleto ou Indeterminado, visto que o especialista 1 apresenta para compor a anotao o Grau de Evidncia favorvel = 0 e o especialista 2 apresenta para compor a anotao o Grau de Evidncia desfavorvel = 0. Considerando sistemas fsicos pode-se exemplificar o caso em que a proposio P seja do tipo A partcula desloca-se com velocidade mxima e cujas medies por dois especialistas originou a anotao (0,7; 0,2). Para essa anotao, tem-se que a sua negao lgica (0,2; 0,7). A leitura interpretativa de P(0,7; 0,2) P(0,2; 0,7) ser: Cr-se que a partcula desloca-se
com velocidade mxima com evidncia favorvel de at 70% e evidncia desfavorvel de at 20% o que equivale a se dizer que no o caso que cr-se a partcula desloca-se com velocidade mxima com evidncia favorvel de at 20% e evidncia desfavorvel de at
58
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial 70%. A leitura indica que existe um operador natural definido sobre papel da negao do conectivo da lgica anotada: : , ~(, ) = (, ). A partcula passou pelo que desempenha o
Ainda nesse tipo de considerao, se a proposio do tipo P
ponto B onde a anotao pode ser originada de informaes de aparelhos de medio ou de visualizao de observadores. A descrio do significado da sua negao lgica para cada anotao do tipo: (1, 0) A leitura intuitiva da negao da proposio P(1, 0) creio que a partcula passou pelo ponto B com evidncia favorvel nula e evidncia desfavorvel total. (1, 1) A leitura intuitiva da negao da proposio P(1, 1) creio que a partcula passou pelo ponto B com evidncia favorvel total e evidncia desfavorvel total, ou seja, neste caso a negao de uma proposio inconsistente continua inconsistente. (0, 0) A leitura intuitiva da negao da proposio P(0, 0) creio que a partcula passou pelo ponto B com evidncia favorvel nula e evidncia desfavorvel nula, ou seja, neste caso a negao de uma proposio paracompleta ainda paracompleta. (0,5; 0,5) A leitura intuitiva da negao da proposio P(0.5; 0.5) creio que a partcula passou pelo ponto B com evidncia favorvel de at 50% e evidncia desfavorvel de at 50%, ou seja, a mesma conotao proposio. Neste ltimo caso tem-se uma crena indefinida e sua negao a mesma proposio indefinida. Pode-se exemplificar essa forma de raciocinar com a LPA2v atravs de outra proposio apresentada para anlise do tipo: P A experincia confirmou os resultados. Considere
59
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial que especialistas opinaram a respeito e faa a descrio do significado da sua negao lgica para cada uma das anotaes abaixo. Para a anotao (0,9; 0,3) Significa que uma leitura intuitiva da negao da proposio P(0,9; 0,3) cr-se que a experincia confirmou os resultados com evidncia favorvel de at 30% e evidncia desfavorvel de at 90%.
2.3. Interpretaes Algbricas da LPA2v Para melhor representao de uma anotao, e tambm para efeitos de utilizao prtica do reticulado no Tratamento de Incertezas, podem-se fazer algumas interpretaes algbricas que envolvem um Quadrado Unitrio no Plano Cartesiano QUPC e o Reticulado representativo da LPA2v. Inicialmente, adota-se um sistema de coordenadas cartesianas para o plano, e assim as anotaes de uma dada proposio P sero representadas por pontos do plano. Denominando-se de Quadrado Unitrio no Plano Cartesiano (QUPC) o reticulado com o sistema de coordenadas, como proposto na Figura II(a). Assim, associa-se T a (1, 1), (0, 0), F a (0, 1) e V a (1, 0). No QUPC os valores do Grau de evidncia favorvel a
ficam
expostos no eixo x, e os valores do Grau de evidncia desfavorvel no eixo y. Para cada sistema de coordenadas adotado as anotaes compostas pelo Grau de evidncia favorvel e Grau de evidncia desfavorvel de so identificadas com diferentes pontos no plano. Sendo assim, no sistema da Figura II(a) certa anotao ( , ) pode ser identificada com o ponto do plano em outro sistema. Como um sistema de coordenadas pode ser fixado para define-se ento transformaes entre o Quadrado Unitrio no Plano Cartesiano
60
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial QUPC e o Reticulado , que ser o Reticulado munido de um outro sistema de coordenadas. Do mesmo modo como foi feito no QUPC, neste Reticulado podemos associar T a (0, 1), a (0, -1), F a (-1, 0) e V a (1, 0). Dessa forma, o Reticulado pretendido ser
munido do seguinte sistema de coordenadas, tal como na Figura II(b).
Figura II - (a) Quadrado Unitrio no Plano cartesiano QUPC. (b) Reticulado munido de um novo sistema de coordenadas Para cada sistema de coordenadas adotado, as anotaes ( , ) de so agora identificadas com diferentes pontos no plano. Poderemos ento considerar mais um sistema de coordenadas que pode ser fixado para . Definem-se ento transformaes entre QUPC e o reticulado . Desse modo, pode ser obtido a partir de QUPC atravs de trs fases; mudana de escala, rotao e translao, conforme mostra a Figura III.
61
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Fazendo a composio das trs fases que geraram as transformaes T3 T2 T1 obtm-se a transformao linear representada pela equao: T(x, y)=(x-y, x+y-1) (1)
De posse da equao da transformao T(x, y) em (1) pode-se converter pontos de QUPC que representam anotaes de em pontos de , que tambm representam anotaes de .
1. Aumento da escala do QUPC de
2. Rotao de 45o em relao a origem
62
3. Translao de valores entre QUPC e o Reticulado da LPA2v. Figura III - Trs fases de transformaes para obteno do Reticulado de valores da LPA2v Relacionando os componentes da transformao T(x, y) conforme a nomenclatura usual da LPA2v, vem que: x = Grau de Evidncia favorvel y = Grau de Evidncia desfavorvel Do primeiro termo obtido no par ordenado da equao da transformao fica: x-y = - , o qual denominamos de Grau de certeza GC. Portanto, o Grau de certeza
obtido por: GC = - (2)
Seus valores, que pertencem ao conjunto
, variam no intervalo fechado +1 e -1, e esto
no eixo horizontal do reticulado, o que se denomina de Eixo dos graus de Certeza. Quando GC resultar em +1 significa que o estado lgico resultante da anlise paraconsistente Verdadeiro, e quando GC resultar em -1 significa que o estado lgico resultante da anlise Falso. No segundo termo obtido no par ordenado da equao da
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial transformao temos: x+y-1 = + -1, o qual se denomina de Grau de contradio Gct.
Portanto, o Grau de Contradio obtido por: Gct = +1 (3)
Seus valores, que pertencem ao conjunto
, variam no intervalo fechado +1 e -1, e esto
no eixo vertical do reticulado, o que denominamos de Eixo dos graus de Contradio. Quando Gct resultar em +1 significa que o estado lgico resultante da anlise paraconsistente Inconsistente, e quando Gct resultar em -1 significa que o estado lgico resultante da anlise Indeterminado.
2.4. Os Estados Lgicos Paraconsistente Com os valores dos Graus de Certeza GC e de Contradio Gct formando a representao de resultados no Reticulado de valores podem-se fazer algumas consideraes acerca de uma anlise paraconsistente utilizando os conceitos fundamentais da LPA2v. Inicialmente tomam-se no eixo de horizontal ou de certeza, dois valores limites externos e arbitrrios denominados: Vscc = Valor superior de controle de certeza. Vicc = Valor inferior de controle de certeza. Estes dois valores determinaro na anlise quando o Grau de Certeza resultante alto o suficiente para que a Proposio analisada seja considerada como sendo totalmente Verdadeira ou totalmente Falsa. As tomadas de deciso em um Sistema de Anlise Paraconsistente relacionadas ao eixo de certeza sero consideradas com base nas seguintes verificaes:
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial a) O valor superior de controle de certeza Vscc vai dar a medida positiva mnima tolervel do estado lgico resultante Verdadeiro. b) O valor inferior de controle de certeza Vscc vai dar a medida negativa mnima tolervel do estado lgico resultante Falso. c) Valores entre a medida positiva do controle de certeza superior e negativa do controle de certeza inferior sero considerados Indefinidos. Da mesma forma, tomam-se no eixo vertical ou de contradio, dois valores limites externos e arbitrrios denominados de: Vscct = Valor superior de controle contradio Vicct = Valor inferior de controle contradio. Estes dois valores determinaro o quando o valor do Grau de Contradio resultante da anlise alto, de tal forma que se pode considerar a Proposio totalmente Inconsistente ou totalmente Indeterminada. As tomadas de deciso em um Sistema de Anlise Paraconsistente relacionadas ao eixo de contradio sero consideradas a partir das seguintes verificaes: a) O valor superior de controle de contradio Vscct vai fornecer a medida mxima positiva tolervel do estado lgico paraconsistente resultante Inconsistente. b) O valor inferior de controle de contradio Vicct vai fornecer a medida mxima negativa tolervel do estado lgico paraconsistente resultante Indeterminado. c) Valores acima da medida mxima positiva do valor superior do controle da contradio e abaixo da medida mxima negativa do valor inferior do controle de Contradio sero considerados Indefinidos.
65
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Como exemplo, a Figura IV mostra uma representao do Reticulado da LPA2v construdo com valores de Graus de Certeza GC e de Contradio Gct, seccionado em 12 regies.
Figura IV - Representao do reticulado da LPA2v seccionado em 12 regies delimitadas originando 12 estados lgicos resultantes Nesta representao, verifica-se que alm dos estados lgicos paraconsistentes conhecidos situados nos quatro vrtices do reticulado, os quais so denominados de estados lgicos paraconsistentes extremos, cada um dos oitos estados lgicos internos (ou no-extremos) receberam uma nomeao e simbologia conforme a sua proximidade com os estados lgicos Paraconsistentes extremos dos vrtices correspondentes. Tem-se a seguir a representao dos quatros estados Lgicos Extremos e os oito NoExtremos que compem o reticulado com as suas denominaes correspondentes onde os estados Lgicos Extremos so: T Inconsistente Indeterminado
F V
Falso Verdadeiro
66
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial e os estados Lgicos No-Extremos: f v T T Qv Qf Qf Qv f v T T Indeterminado tendendo ao Falso Indeterminado tendendo ao Verdadeiro Inconsistente tendendo ao Falso Inconsistente tendendo ao Verdadeiro Quase-verdadeiro tendendo ao Inconsistente Quase-falso tendendo ao Inconsistente Quase-falso tendendo ao Indeterminado Quase- verdadeiro tendendo ao Indeterminado
Os valores das variveis de entrada so representados por: Grau de Evidncia favorvel Grau de Evidncia desfavorvel
e os valores relacionais: Gct GC Grau de Contradio, onde : Gct = + -1 com 0 1 e 0 1 Grau de Certeza, onde: GC = - com 0 1 e 0 1
As variveis de controle para recursos de otimizao so: Vscc Vscct Vicc Vicct Valor Superior de Controle de Certeza. Valor Superior de Controle de Contradio. Valor Inferior de Controle de Certeza. Valor Inferior de Controle de Contradio.
67
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Com todas as variveis e valores relacionados ao reticulado associado LPA2v feita uma descrio entre as entradas e sadas envolvidas no processo de anlise. Como resultado das vrias sentenas descritivas apresentado o algoritmo Para-Analisador para
implementao em programa de computao.
DESCRIO DO ALGORITMO PARA-ANALISADOR
DA LPA2V
Vscc = C1 Vicc = C2 Vscct = C3 Vicct = C4
*/Definies dos valores*/ */ Definio do valor superior de controle de certeza*/ */ Definio do valor inferior de controle de certeza*/ */ Definio do valor superior de controle de Contradio*/ */ Definio do valor inferior de controle de Contradio*/ */Variveis de entrada */ */ 0 1 */ */ 0 1 */ */Variveis de sada* Sada discreta = S1 Sada analgica = S2a Sada analgica = S2b */Expresses matemticas */ sendo: Gct = + -1 GC = - */determinao dos estados Lgicos Extremos */ Se GC C1 ento S1 = V Se GC C2 ento S1 = F Se Gct C3 ento S1 = T Se Gct C4 ento S1 = */determinao dos estados Lgicos No-Extremos/ Para 0 GC < C1 e 0 Gct < C3 se GC Gct ento S1 = Qv T seno S1 = T v Para 0 GC < C1 e C4 < Gct 0 se GC | Gct | ento S1 = Qv seno S1 = v Para C2 < GC 0 e C4 < Gct 0 se |GC | | Gct | ento S1 = Qf seno S1 = f Para C2 < GC 0 e 0 Gct < C3 se | GC| Gct ento S1 = Qf T seno S1 = T f Gct = S2a GC = S2b */ FIM*/ Figura V - Descrio do Algoritmo Para-analisador
68
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial 3. Aplicao do Algoritmo Para-Analisador Em um Sistema de Anlise Paraconsistente as atribuies dos valores dos Graus de Evidncia favorvel e desfavorvel tm como objetivo oferecer uma resposta ao problema de sinais contraditrios. Isso feito coletando evidncias, e por meio de anlises usando o Algoritmo Para-Analisador o Sistema procura modificar o seu comportamento para que a intensidade das contradies diminua. Em linhas gerais, um Sistema de Controle Paraconsistente que usa o Algoritmo Para-Analisador funciona basicamente da seguinte forma, no qual a anlise paraconsistente feita em trs etapas:
3. 1. O Sistema Recebe as Informaes Essa a etapa de extrao de conhecimento. Geralmente estes valores vm de sensores ou de especialistas por onde passaram por um processo de normalizao, portanto as informaes so dois valores variveis e independentes: a) O Grau de Evidncia favorvel , que um valor real entre 0 e 1. b) O Grau de Evidncia desfavorvel , que um valor real entre 1 e 0.
3.2. O Sistema Faz o Processamento Essa a etapa do tratamento de sinais. So utilizadas as equaes: a) Gct = + -1 para encontrar o valor do Grau de Contradio b) GC = - para encontrar o valor do Grau de Certeza
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial 3.3. O Sistema Conclui Essa a etapa da apresentao dos resultados e informaes para tomada de deciso. Utiliza as condicionais: a) Se existir um alto Grau de Contradio ento no existe certeza ainda quanto deciso, portanto, devem-se buscar novas evidncias. b) Se existir um baixo Grau de Contradio ento se pode formular a concluso, desde que exista um alto Grau de Certeza tambm. Deve-se ter em conta que este alto Grau de Contradio e de Certeza pode ser negativo ou positivo, isto , estes valores devero ser considerados em mdulo e os limites que definem o que alto ou baixo uma deciso que depende exclusivamente dos valores limites estabelecidos por ajustes externos.
3.4 Sistema de Controle com o Algoritmo Para-Analisador O Sistema de Controle com o Algoritmo Para-Analisador foi primeiramente utilizado no controlador Lgico Paraconsistente do Rob mvel Autnomo Emmy 12 . Neste projeto elaborado em 1999 a anlise paraconsistente gera as condies para tomada de deciso em relao aos desvios de obstculos ao trafego do rob por ambientes no-estruturados. O Sistema Paraconsistente do Rob para fazer a anlise recebe dois valores: Graus de Evidncia favorvel e Grau de Evidncia desfavorvel , com os quais calcula os valores dos Graus de Certeza GC e dos Graus de Contradio Gct. A partir dos resultados obtidos desses dois valores o Controlador Paraconsistente faz a determinao dos estados lgicos
12
O nome Emmy foi dado em homenagem a grande cientista e matemtica Emmy Nther autora de grandes contribuies a Cincia.
70
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial representados pelas 12 regies do reticulado. O Controlador paraconsistente ir captar informaes sobre a presena de obstculos na sua trajetria, utilizado um circuito que transforma medidas de distncia em valores de tenso eltrica atravs de dois sensores de ultra-som sincronizados por um microprocessador. O circuito dos sensores faz a captao e apresenta na sada dois sinais de tenso que variam de 0 a 5 volts. O sinal que representa o Grau de Evidncia favorvel varia a amplitude da tenso eltrica proporcionalmente a distncia do Rob ao obstculo, e o sinal representativo do Grau de Evidncia desfavorvel tem variao da amplitude inversamente proporcional. Portanto, os dois sinais de informaes representam os Graus de Evidncia favorvel e de Evidncia desfavorvel referente proposio Existe Obstculo frente. No controlador Lgico Paraconsistente os valores de e so considerados como entradas e equacionados, resultando assim em Graus de Certeza GC e de Contradio Gct que so obtidos como valores analgicos. Tambm gerada uma palavra binria composta de 12 dgitos. Na palavra binria cada dgito ativo corresponde ao estado lgico resultante Paraconsistente de sada. Com os valores dos Graus de Certeza e de Contradio calculados o Controlador seleciona um dos estados lgicos entre os 12 do reticulado como sada para a tomada de deciso. A Figura VI mostra o Rob Emmy I, o primeiro construdo com essa tcnica de controle lgico Paraconsistente.
71
Figura VI - Rob Mvel Autnomo Emmy I construdo em 1999 Destaques das suas partes construtivas A tomada de deciso para desvio de obstculo feita com base nos resultados obtidos pelo Algoritmo Para-Analisador. Para Grau de Certeza prximo de +1 e Grau de Contradio prximo de 0 o ponto interpolado pelos dois valores est na regio situada prximo do vrtice que representa o estado lgico Verdadeiro. Portanto, a anlise afirma que existe obstculo a frente confirmando a Proposio. Nesse caso, a deciso providenciar um desvio. Para Grau de Certeza prximo de -1 e Grau de Contradio prximo de 0 o ponto interpolado pelos dois valores est na regio situada prximo do vrtice que representa o estado lgico Falso. Portanto a anlise afirma que no existe obstculo a frente refutando a Proposio. Nesse caso, a deciso providenciar para que o rob continue avanando. Quando, nas duas situaes acima, o Grau de Contradio estiver com valores prximos de +1 ou -1 significa que o ponto de interpolao entre GC e Gct vai se situar em regies distantes dos estados Verdadeiro e Falso, portanto a deciso procurar diluir as
72
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial contradies fazendo o Rob avanar com maior lentido ou desviar do obstculo com ngulos de diferentes graus. Pode-se exemplificar o equacionamento das aplicaes da LPA2v em robtica conforme foi feito no Rob Emmy do seguinte modo: Se os Sensores de Ultra-som do Sistema de Controle do Rob Emmy que geram dois valores correspondentes a distncia do Rob a determinado objeto apresentam os valores de Evidncia, tais que: Grau de Evidncia favorvel = 0,82 Grau de Evidncia desfavorvel = 0,37
E se a proposio em anlise P Existe Obstculo a frente ento o Algoritmo ParaAnalisador com os valores limites ajustados em 0,5 ir gerar um Grau de Certeza GC, e um Grau de Contradio Gct que coloca o rob em um estado lgico Paraconsistente. Neste caso o Sinal lgico Paraconsistente representado pela proposio e anotao tal que o smbolo : P(0,73,
0,36).
Da equao (3) se obtm o valor do Grau de Contradio que ser: Gct = 0,82 + 0,37 -1 Gct = 0,19 GC = 0,45
Obtm-se o valor do Grau de Certeza que ser: GC = 0,82 0,37 Sendo: Vscc = C1 = 0,5 ; E como: 0 GC < C1 e GC Gct Vicc = C2 = 0,5 ; (0 0,45 < C1) (0,45 0,19)
Vscct = C3 = 0,5 e Vicct = C4 = 0,5 e 0 Gct < C3 S1 = Qv T (0 0,19 < C3)
ento:
Portanto, o estado lgico Paraconsistente resultante : Quase-Verdadeiro tendendo ao Inconsistente representado pelo par: (GC, Gct) (0,45 ; 0,19).
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial 4. Tratamento de Incertezas para Tomada de Deciso com a LPA2v Sistemas apoio tomadas de deciso que tratam com o Conhecimento Incerto devem ser capazes de representar, manipular e comunicar dados considerados imperfeitos. Na aplicao da LPA2v os graus de evidncias que alimentam os Sistemas de Tratamento de Incertezas so as informaes valoradas originrias de vrias fontes, ou de diferentes especialistas. Nessa anlise, consideram-se duas fontes de informao que enviam para o Sistema de Anlise sinais de evidncia a respeito de certa proposio P1, definidos como: 1 - Sinal enviado pela fonte de informao 1 1 = Grau de evidncia favorvel proposio P. 2 - Sinal enviado pela fonte de informao 2 1-2= Grau de evidncia desfavorvel proposio P. Para a anlise paraconsistente deve-se considerar estas duas informaes como anotaes agregando-as uma formula proposicional que resulta em um sinal paraconsistente do tipo P(, ).
4.1. O Grau de Certeza Real A anlise no Reticulado da LPA2v permite que aps o tratamento de informaes incertas seja obtido um valor de Grau de Certeza atenuado pelo efeito causado pelas contradies. O valor do Grau de Certeza que considera-se isento do efeito provocado pelas contradies denominado de Grau de Certeza Real GCR. Considerando que em uma anlise paraconsistente os clculos dos Graus de Certeza GC e Graus de Contradio Gct resultaram em valores positivos e que esto interpolados no
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Reticulado em um ponto interno (GC, Gct), conforme a Figura VIII. A distncia D da reta da figura que vai do ponto de mximo Grau de Certeza V, representado no Vrtice direito do reticulado, at ao ponto de interpolao (GC , Gct ) , calculada por:
(1 | GC |)2 Gct 2
(8)
Projetando a distncia D no eixo de valores de certeza se obtm o ponto cujo valor ser considerado o Grau de Certeza Real GCR. A Figura VII mostra essa condio onde se obtm o valor do Grau de Certeza Real GCR.
Figura VII - Determinao do Grau de Certeza de valor resultante real - GCR no reticulado da LPA2v Se o Grau de Certeza GC calculado pela equao (2) resultar em valor negativo, a distncia D ser obtida a partir do ponto de certeza F, representado no vrtice esquerdo do reticulado, at ao ponto de interpolao interno (-GC, Gct). Verifica-se que em qualquer ponto do
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Reticulado de valores possvel a obteno do Grau de Certeza Real GCR. Os valores de Gct negativo no modificam a forma de obteno de GC. Portanto, o valor do Grau de Certeza real GCR obtido a partir da determinao da distncia D conforme as condies mostradas abaixo:
Para GC > 0
GCR
(1 | GC |)2 Gct 2
(9)
Para GC < 0
GCR
(1 | GC |)2 Gct 2 1
(10)
Para uma exemplificao dessa anlise com valores pode-se considerar o caso onde duas fontes de informaes enviam os seguintes valores de evidncia: 1 = 0,86 2 = 0,72 Grau de Evidncia fornecida pela Fonte 1 Grau de Evidncia fornecida pela Fonte 2
Sendo 1 = 0,86 e 2 = 0,72 calcula-se ento o Complemento de 2 para obteno do valor do Grau de Evidncia desfavorvel:
1 0,72
0,28
Representa-se a anotao (, ) como: (0,86, 0,28) O Sinal lgico Paraconsistente fica representado: P(0,86,
0,28)
Determina-se o Grau de Certeza GC:
GC
Gct
0,86 0, 28
GC = 0,58 Gct = 0,14
Determina-se o Grau de Contradio Gct:
0,86 0, 28 1
Calcula-se a distncia D pela equao (8): D
(1 | 0,58 |)2 0,142
76
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Como o Grau de Certeza GC positivo determina-se o Grau de Certeza Real pela equao (9):
GCR
(1 0,4427188)
GCR
0,5572812
O resultado da anlise agora representado com o valor do Grau de Certeza Real que oferece um valor quantitativo isento do efeito da contradio para tomada de deciso.
4.2 N de Anlise Paraconsistente - NAP Sistemas ou Ns de Anlise paraconsistentes - NAPs so algoritmos extrados da LPA2v capazes de serem interligados para compor redes de Anlise de tomada de deciso com diferentes topologias. Nas redes de anlise paraconsistente, os NAPs fazem tratamento de sinais de informao conforme os fundamentos da Lgica Paraconsistente. Com as suas entradas sendo alimentadas pelos Graus de Evidncias retirados de base de dados de Conhecimento Incerto os NAPs utilizam as equaes obtidas da metodologia da LPA2v e vo obtendo os Graus de Certeza real GCR. Com isso o Grau de Certeza resultante da anlise em cada sada do N transformado em Grau de Evidncia para outra proposio, da seguinte forma:
ER
GCR 1 2
(11)
onde: ER= Grau de Evidncia resultante Real GCR = Grau Certeza Real. Como exemplo com valores na aplicao do NAP considera-se que um N de Anlise Paraconsistente (NAP) esteja recebendo em suas duas entradas dois Graus de Evidncia:
77
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Grau de Evidncia favorvel =0,79 =0,28
Grau de Evidncia desfavorvel
Da equao (2) calcula-se o Grau de Certeza: GC
0,79 0, 28 GC
0,51
Da equao (3) calcula-se o Grau de Contradio Gct
(0,79 + 0,28) 1 Gct
0,07
Como GC > 0 calcula-se o Grau de Certeza Real:
GCR
(1 | 0,51|)2 0,072
GCR
1 - 0.4949747468
GCR
0,505025
A partir do valor do Grau de Certeza Real calcula-se o valor do Grau de Evidncia Real pela equao (11):
ER
0,505025 2
ER
0,7525126
Com as equaes obtidas pelas interpretaes no Reticulado pode-se construir Algoritmo de Anlise Paraconsistente que ser utilizado em ferramenta computacional.
4.3. Redes de Anlises Paraconsistentes (RAPs) Uma Rede de Anlise Paraconsistente construda de tal forma que cada NAP - N de Anlise Paraconsistente efetua o tratamento de evidncias relacionado a uma nica Proposio. Uma modelagem deste tipo, a qual denominada de Rede de Anlise Paraconsistente de Configurao Simples pode ser visto na Figura VIII.
78
Figura VIII - RAP- Rede de Anlise Paraconsistente em configurao Simples Dessa forma produzido como resultado um Grau de Evidncia para outra proposio formando diversas topologias. Sendo assim, cada valor de ER obtido em cada um dos NAP ser ento utilizado como um sinal de entrada em outros NAPs para anlise de outras proposies na Rede de deciso Paraconsistente. A cada Algoritmo do NAP adicionada a equao de normalizao para obteno do Grau de Evidncia resultante. Dessa forma, uma Proposio P1, analisada no NAP1 produz um Grau de Evidncia favorvel ER1, e uma Proposio P2, analisada no NAP2, produz outro Grau de Evidncia ER2. O processo seguinte a escolha do Grau de Evidncia resultante que ser considerado como representante da evidncia desfavorvel. Neste caso foi escolhido o Grau de Evidncia resultante da Proposio 2 para ser complementado, transformando-se em Grau de Evidncia desfavorvel para ser analisado no NAP final que trata da Proposio Objeto.
79
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial 5. Concluso Neste captulo, foram apresentados os equacionamentos e alguns dos resultados obtidos por aplicaes de mtodos originados de pesquisas desenvolvidas nas duas ltimas dcadas no Brasil. Elas envolveram a Lgica Paraconsistente na sua forma estendida conhecida como Lgica Paraconsistente Anotada (LPA). Essa tcnica prope uma interpretao no somente filosfica da Lgica Paraconsistente Anotada, mas a traz para ser estudada sob a tica da engenharia de forma que possa resultar em aplicaes diretas em sistemas inteligentes para apoio tomadas de deciso bem como em sistemas de controle de robs e em outros campos do conhecimento humano. Desse modo, estudou-se a Lgica Paraconsistente Anotada fazendo interpretaes de suas representaes atravs de um Reticulado associado no qual foi gerado algoritmos para aplicaes diretas em sistemas de Inteligncia Artificial. A metodologia apresentada neste trabalho utilizou os conceitos da Lgica Paraconsistente, mais precisamente a Lgica Paraconsistente Anotada com anotao de dois valores LPA2v, para obter o equacionamento de sinais originados de ambientes fsicos que retratam situaes reais atravs de valores de evidencia. A tcnica apresentada permite aplicaes diretas dos conceitos fundamentais da Lgica Paraconsistente em sistemas de tomada de deciso, controle que compe os chamados sistemas inteligentes da rea da Inteligncia Artificial. Estas informaes podem ser originadas de especialistas humanos, de sensores, de instrumentos ou de bancos de dados de Conhecimento Incerto, portanto, representantes de informaes incertas e contraditrias. Mostrou-se neste trabalho que atravs da Lgica Paraconsistente Anotada com anotao de 2 valores as informaes consideradas incertas e contraditrias so representadas por anotaes, cujos valores so analisados em um Reticulado representativo da lgica.
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial Atravs das anlises feitas e interpretadas no Reticulado so obtidas equaes simples facilitando a construo de algoritmos para elaborao de Redes de Anlises que podem compor Sistemas de Raciocnio capazes de fazer tratamento de Incertezas. Os Algoritmos apresentados neste estudo so fundamentados na Lgica Paraconsistente e, portanto, concebidos para receber informaes incertas e contraditrias, equacionar seus valores e apresentar resultados, sem quaisquer restries para eventuais conflitos existentes nas informaes. Na prtica, os modelos paraconsistentes para tratamento de Incertezas so feitos combinando-se vrios Ns de Anlises Paraconsistentes (NAPs) formando robustos Sistemas de Anlise de informaes. Estas configuraes j esto sendo aplicadas, principalmente para sistemas de deciso em redes de distribuio do setor eltrico onde os NAPs formam redes paraconsistente de deciso para apoio operao no restabelecimento da rede aps um desligamento inesperado. Diferentemente dos sistemas conhecidos a aplicao da LPA2v em Sistemas de deciso tem trazido vrias vantagens pelo fato de que o peso do conflito das informaes no inviabiliza as respostas, mas, atravs de uma nova abordagem, so feitos tratamentos nos dados conflitantes extraindo-se da as informaes relevantes para as tomadas de deciso.
6. Referncias Bibliogrficas [1] J. M. Abe, Fundamentos da Lgica Anotada, Tese de Doutoramento FFLCH/USP - So Paulo, 1992. [2] R. Anand e V.S. Subrahmanian, A Logic Programming System Based on a SixValued Logic AAAI/Xerox Second Intl. Symp. on Knowledge Eng. - Madri-Espanha, 1987.
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial [3] N.C.A. Da Costa, L.J. Henschen, J. J. Lu e V.S. Subrahmanian Automatic Theorem Proving in Paraconsistent Logics: Theory and Implementation Estudos Avanados-
Coleo Documentos- IEA-USP, No03,18p., So Paulo, 1990. [4] N.C.A. Da Costa, V.S. Subrahmanian e C. Vago, The Paraconsistent Logic PT Zeitschrift fur Mathematische Logik und Grundlagen der Mathematik, Vol.37, pp.139148,1991. [5] Reiter, R. A Logic for Default Reasoning. Artificial Intelligence 13, 1980, pp. 81-132. [6] Pawlak, Z. Rough sets. International Journal of Computer and Information Sciences, 11(5), 1982, p. 341 356. [7] Da Silva Filho, J.I. & Abe, J.M. Paraconsistent analyzer module, International Journal of Computing Anticipatory Systems, vol. 9, ISSN 1373-5411, ISBN 2-9600262-1-7, 346352, 2001. [8] Da Silva Filho, J.I. & Abe, J.M. Emmy: a paraconsistent autonomous mobile robot, in Logic, Artificial Intelligence, and Robotics, Proc. 2nd Congress of Logic Applied to Technology LAPTEC2001, ISSN 0922-6389, 53-61, 287p., 2001. [9] Da Silva Filho, J.I. & Abe, J.M. Para-Control: An Analyzer Circuit Based On Algorithm For Treatment of Inconsistencies, Cybernetics and Informatics: Concepts and Applications (Part I), ISBN 9800775560, 199-203, Orlando, Florida, USA, 2001. [10] Da Silva Filho, J.I. & Rocco, A. & Mario, M.C.& Ferrara, L.F.P. Annotated Paraconsistent Logic applied to Expert System Dedicated for Supporting in an Electric Power Transmission System Re-Establishment - IEEE Power Engineering Society - pp 2212-2220, ISBN-1-4244-0178-X-Atlanta USA-2006.
Pesquisas e Mtodos de Aplicaes da Lgica Paraconsistente Anotada em Sistemas de Inteligncia Artificial [11] Da Silva Filho, J.I., Abe, J.M. & Lambert-Torres, G. Inteligncia Artificial com as Redes de Anlises Paraconsistentes - Teoria e Aplicaes Ed. LTC Rio de Janeiro, 2008. [12] Da Silva Filho, J.I. Mtodos de aplicaes da Lgica Paraconsistente Anotada de anotao com dois valores LPA2v com construo de Algoritmo e Implementao de Circuitos Eletrnicos, Tese de Doutorado - EPUSP, So Paulo, 1999. [13] E. Rich e K. Knigth, Artificial Intelligence, Mc Graw Hill, NY, 1983.
Joo Incio da Silva Filho - membro do Grupo de Lgica e Teoria da Cincia do IEA Instituto de Estudos Avanados da Universidade de So Paulo e coordenador do GLPA Grupo de Lgica Paraconsistente Aplicada. Doutorou-se em Engenharia Eltrica pela POLI/USP na rea de Sistemas Digitais, em 1999 e concluiu mestrado em Microeletrnica pela mesma Instituio. Em 2009 fez seu Psdoutoramento no INESC Instituto de Engenharia de Sistemas e Computadores do Porto, em Portugal com trabalho relacionados a pesquisa de aplicao da Lgica Paraconsistente. Criador do primeiro Rob a funcionar com Controlador lgico Paraconsistente (Rob Emmy), atualmente se dedica as pesquisas sobre aplicaes das Redes de Anlises Paraconsistentes em Sistemas Especialistas e Robtica. Desde 26 de novembro de 2009 membro do IHGS - Instituto Histrico e Geogrfico de Santos onde ocupa a Cadeira 73, cujo patrono Afonso D Escragnolle Taunay.
83
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos
Cludio Rodrigo Torres Universidade Metodista de So Paulo UMESP Rua do Sacramento, 230, Rudge Ramos, So Bernardo do Campo - SP
Resumo Apresenta-se neste captulo um Sistema de Navegao e Controle de Robs Mveis Autnomos baseado na Lgica Paraconsistente Anotada Evidencial E atravs da utilizao das Redes Neurais Artificiais Paraconsistentes. Esse sistema se divide em trs mdulos: Subsistema de Sensoriamento, Subsistema de Planejamento e Subsistema Mecnico. O funcionamento independente, mas, interligado, desses trs mdulos, constituem um rob mvel autnomo capaz de encontrar um ponto destino prdeterminado num ambiente no estruturado. Os resultados alcanados nos testes realizados nos Subsistemas de Sensoriamento e Planejamento mostram-se muito promissores, permitindo-os serem empregados com xito em sistemas de navegao mvel autnoma.
Palavras-chaves:
Lgica
Paraconsistente
Anotada,
Redes
Neurais
Artificiais
Paraconsistentes, Sistema de Controle, Sistema Inteligente e Rob Mvel Autnomo.
84
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Abstract This chapter presents a Navigation and Control System of an Autonomous Mobile Robot based on the Evidential Paraconsistent Annotated Logic E through the use of the Paraconsistent Artificial Neural Network. This system is divided in three modules: Sensing Subsystem, Planning Subsystem and Mechanical Subsystem. The independent but interconnected functioning of these three modules makes an autonomous mobile robot able to find a predetermined point in a non-structured environment. The results reached by the Sensing Subsystem and the Planning Subsystem seems to be promising, allowing them to be used in autonomous mobile navigation systems.
Keywords: Paraconsistent Annotated Logic, Paraconsistent Artificial Neural Network, Control System, Intelligent System and Autonomous Mobile Robot.
1. Introduo Apresenta-se neste trabalho o sistema de navegao e controle de um rob mvel autnomo. Esse sistema divide-se em trs partes: Subsistema de Sensoriamento, Subsistema de Planejamento e Subsistema Mecnico. O sistema de navegao e controle composto por estes trs subsistemas permite a um rob mvel autnomo encontrar uma posio destino em um ambiente no estruturado. As ideias aqui apresentadas estendem estudos do Rob Mvel Autnomo Emmy I [1], [2], [3], [4], [5], [6], [7], [8] e do Rob mvel Autnomo Emmy II [9], [10], [11], [12], [13], [14], [15], [16], [17], [18]. O rob Emmy I capaz de desviar de obstculos num ambiente
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos no estruturado e seu controle se baseia na Lgica Paraconsistente Anotada Evidencial E. O rob Emmy II possui, basicamente, as mesmas caractersticas que o rob Emmy I, mas sua estrutura mecnica mais compacta e seu sistema de controle possui algumas diferenas em relao ao rob Emmy I. O sistema de navegao e controle proposto neste texto deve ser utilizado na construo do Rob Mvel Autnomo Emmy III [19], [20], [21]. Neste item apresentam-se, sucintamente, os elementos que compem o sistema de navegao e controle. A parte nuclear deste trabalho composta pelos Subsistemas de Sensoriamento e de Planejamento do rob, descritos nos itens 5 e 6, respectivamente. Um rob mvel autnomo deve ser capaz de se locomover num ambiente no estruturado. O projeto de um rob com estas caractersticas uma tpica situao em que se deve lidar com contradies (inconsistncias), incertezas ou paracompletezas. Os Sistemas Inteligentes tradicionais so usualmente baseados na lgica clssica ou em algumas de suas extenses. E, em certas situaes, quando se defronta com incertezas, contradies (inconsistncia) ou paracompletezas, muitas vezes algumas simplificaes ou adaptaes so necessrias para que o sistema continue funcionando, podendo torn-lo complexo ou, paradoxalmente, ineficiente. O projeto proposto tem como base a Lgica Paraconsistente Anotada Evidencial E. A utilizao deste tipo de lgica permite se lidar com sinais eltricos que expressam situaes incertas, contraditrias ou paracompletas de forma no trivial.
86
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 2. Descrio Geral do Sistema de Navegao e Controle Proposto O Sistema de Navegao e Controle divide-se em trs partes: Subsistema Mecnico, Subsistema de Planejamento e Subsistema de Sensoriamento. Chama-se de Subsistema Mecnico a estrutura fsica do rob. Essa estrutura deve ser capaz de carregar todos os sensores e dispositivos de controle que compe o Sistema de navegao e Controle. O Subsistema Mecnico deve ser capaz de fornecer as informaes necessrias para que o Sistema de Navegao e Controle funcione adequadamente, alm de executar os movimentos determinados pelo Subsistema de Planejamento. O primeiro prottipo do rob proposto, ainda em construo, compe-se, basicamente, de uma placa metlica com dimenso de 400 mm de largura e 400 mm de comprimento. Trs rodas suportam essa estrutura, sendo uma livre e as outras duas conectadas a servomotores. Os servomotores instalados na base so responsveis pela movimentao do rob. O Subsistema de Planejamento responsvel por gerar a sequncia de aes que a estrutura mecnica deve realizar para sair de uma posio origem e alcanar uma posio destino. Neste trabalho considera-se que o Subsistema de Planejamento mapeia o ambiente em torno do rob, dividindo-o em coordenadas. Assim, no Sistema de Navegao e Controle o Subsistema de Sensoriamento responsvel por informar o Sistema de Planejamento quais coordenadas esto obstrudas. O Subsistema de Planejamento solicita uma srie de aes ao Subsistema Mecnico de tal forma que a plataforma mecnica seja capaz de deixar a coordenada onde se encontra e passando, por diversas outras coordenadas, alcance a coordenada destino. Nessas aes o Subsistema de Sensoriamento deve manipular dados oriundos dos mais
87
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos diversos tipos de sensores que monitoram o ambiente em torno do rob. Esses dados, muitas vezes, so imprecisos e/ou contraditrios, devendo receber um tratamento adequado em tempo real. Em diversos trabalhos como em [22], [23], [24], [25], [26], [27], [28], [29], [30], [31] a Lgica Paraconsistente Evidencial E e as Redes Neurais Artificiais Paraconsistentes se mostram uma boa ferramenta para lidar com incertezas, contradies (inconsistncia) ou paracompletezas. Por isso, neste trabalho elas so utilizadas para compor o Subsistema de Sensoriamento e o Subsistema de Planejamento. A Figura I mostra a estrutura do sistema de controle e navegao proposto.
Figura I - Estrutura do sistema de controle e navegao proposto Observa-se que o esquema geral do Sistema de Navegao e Controle utiliza o Subsistema de Sensoriamento para alimentar um banco de dados com as informaes sobre as condies do ambiente em torno do rob. Para cada coordenada, o banco de dados armazena informaes sobre o seu estado, informando se a mesma est ocupada ou no. Por sua vez, o Subsistema de Planejamento, antes de gerar a sequncia de aes que o Subsistema Mecnico deve executar para alcanar a posio destino, consulta o banco de dados. Assim, ele capaz de gerar e informar ao Sistema de Navegao e Controle uma trajetria que desvia dos obstculos existentes no ambiente em torno do rob.
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 3. Lgica Paraconsistente Anotada Evidencial E Antes de apresentar a estrutura da Rede Neural Artificial Paraconsistente utilizada no Subsistema de Sensoriamento e Planejamento, necessita-se apresentar os conceitos bsicos da Lgica Paraconsistente Anotada Evidencial E e das Clulas Neurais Artificiais Paraconsistentes. A Lgica Paraconsistente, nos padres de rigor atuais, surgiu em 1948, com o lgico polons S TA N I S A W J A K O WS K I (1906 1965) e com o lgico brasileiro Newton Carneiro Affonso da Costa em 1954 (nascido em 1929), que de forma independente apresentaram as primeiras ideias da Lgica Paraconsistente. A Lgica Paraconsistente permite trabalhar com contradies de forma no trivial. Em [32] apresentou-se pela primeira vez uma linguagem de programao baseada na Lgica Paraconsistente. Em 1992 foi estudada a Lgica Paraconsistente Anotada Evidencial E [33], [34], [35], [36], [37], [38], [39], [40], [41], [42], [43], [44], [45], [46], [47]. Os conceitos das Redes Neurais Artificiais Paraconsistentes [48], [49] se baseiam nessa lgica. Na Lgica Paraconsistente Anotada Evidencial E, para cada proposio P associa-se um Grau de Evidncia Favorvel () (ou crena favorvel ou ainda outras leituras dependendo da aplicao) e um Grau de Evidncia Contrria (). Os Graus de Evidncia so valores reais entre 0 e 1 que denotam, no caso do Grau de Evidncia Favorvel, a crena ou a evidncia de que a proposio P seja verdadeira. E no caso do Grau de Evidncia Contrria o intervalo real fechado entre 0 e 1 denota a descrena ou a evidncia de que a proposio P no seja verdadeira.
89
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Define-se o Grau de Certeza como: Gc = Tambm, define-se o Grau de Contradio da seguinte maneira: Gct = ( + ) 1 (2) (1)
Dependendo dos valores dos Graus de Evidncia podem-se ter quatro estados extremos: verdadeiro, falso, inconsistente e paracompleto. O estado verdadeiro (V) acontece quando = 1,0 e = 0,0. O estado falso (F) acontece quando = 0,0 e = 1,0. O estado inconsistente (T) acontece quando = 1,0 e = 1,0. O estado paracompleto ( ) acontece quando = 0,0 e = 0,0. A Figura II mostra graficamente os estados acima descritos.
Figura II - Representao grfica dos estados extremos
90
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Os conceitos das Redes Neurais Artificiais Paraconsistentes [49], tm origem no Algoritmo Paranalisador proposto em [1], [50], [51], [52]. A Figura III apresenta graficamente o Algoritmo Paranalisador.
Figura III - Algoritmo paranalisador Observa-se, ento, que com o Algoritmo Paranalisador, alm dos quatro estados extremos, possvel se determinar mais oito estados no extremos. So eles: QV T Quase-verdadeiro tendendo ao inconsistente. QV - Quase-verdadeiro tendendo ao paracompleto.
QF T - Quase-falso tendendo ao inconsistente. QF - Quase-falso tendendo ao paracompleto.
QT V - Quase-inconsistente tendendo ao verdadeiro. QT F - Quase-inconsistente tendendo ao falso. Q Q V - Quase-paracompleto tendendo ao verdadeiro. F - Quase-paracompleto tendendo ao falso.
91
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos No Algoritmo Paranalisador tambm existem quatro valores de controle externos: Vcve Valor de controle de veracidade, 0 Vcfa Valor de controle de falsidade, -1 Vcve Vcfa 0 Vcic 1 0 1
Vcic Valor de controle de inconsistncia, 0
Vcpa Valor de controle de paracompleteza, -1
Vcpa
O tamanho das regies que representam os estados extremos e no extremos no Algoritmo Paranalisador dependem desses valores de controle externos. A Figura IV mostra o Algoritmo Paranalisador quando, por exemplo, se varia Vcic.
Figura IV - Algoritmo paranalisador com uma mudana em Vcic
4. Redes Neurais Artificiais Paraconsistentes O sistema de navegao e controle proposto neste trabalho utiliza as Redes Neurais Artificiais Paraconsistentes como base. Assim, neste item, descreve-se o funcionamento
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos dessas redes. O entendimento dos conceitos apresentados no item anterior, onde se apresentou a Lgica Paraconsistente Anotada Evidencial E, fundamental para o entendimento do funcionamento das Redes Neurais Artificiais Paraconsistentes.
4.1. Clulas Neurais Artificiais Paraconsistentes Existem diversos tipos de Clulas Neurais Artificiais Paraconsistentes. As Redes Neurais Artificiais Paraconsistentes existentes nos Subsistemas de Sensoriamento e Planejamento utilizam a Clula Neural Artificial Paraconsistente Analtica - CNAPa, a Clula Neural Artificial Paraconsistente de Passagem - CNAPpa e a Clula Neural Artificial Paraconsistente de Conexo Lgica Simples no Processo de Maximizao (OU) CNAPmax. Assim, apenas essas trs clulas so descritas nos prximos itens.
4.1.1. Clula Neural Artificial Paraconsistente Analtica - CNAPa Basicamente a Clula Neural Artificial Paraconsistente Analtica - CNAPa recebe como entrada dois valores de graus de evidncia e gera como sada um grau de evidncia resultante E. A Figura V mostra a representao grfica dessa clula.
Figura V - Clula neural artificial paraconsistente analtica - CNAPa
93
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Os graus de evidncia de entrada so:
RA
, tal que: 0 , tal que: 0
RA
1. 1.
RB
RB
Existem, tambm, dois valores de controle de entrada. So eles: Fator de Tolerncia Contradio Ftct, tal que: 0 Fator de Tolerncia Certeza Ftc, tal que: 0
Ft c Ftct 1 . 1.
A Clula Neural Artificial Paraconsistente Analtica CNAPa possui duas sadas.
Na sada 1 (S1) tm-se o Grau de Evidncia Resultante -
, tal que: 0
1.
Na sada 2 (S2) tm-se o Intervalo de Evidncia Resultante -
, tal que: 0
1.
A Clula Neural Artificial Paraconsistente Analtica calcula o Valor de Controle de Veracidade - Vcve, o Valor de Controle de Falsidade - Vcfa, o Valor de Controle de Inconsistncia - Vcic e o Valor de Controle de Paracompleteza - Vcpa da seguinte forma:
1 Ftc 2
1 Ftc 2
Vcve
(3)
Vcfa
(4)
Vcic
1 Ftct 2
(5)
94

1 Ftct 2
Vcpa
(6)
O Grau de Evidncia Resultante -
, se determina da seguinte forma:
Gc 1 2
Como Gc
, pode-se afirmar que:
1
E
(7)
Chama-se de Intervalo de Certeza () o intervalo de valores do Grau de Certeza (GC) que podem variar sem alterar o valor do Grau de Contradio (Gct). Determina-se esse valor da seguinte forma: = 1 - |Gct| (8)
O Grau de Veracidade Mximo (G ve ) o prprio valor mximo positivo do Intervalo de

max
Certeza, ou seja, G ve
m ax
O Grau de Falsidade Mximo (G fa ) o valor mximo negativo do Intervalo de Certeza,

m ax
portanto, G fa
m ax
A Figura VI mostra a ideia acima exposta.
95
Figura VI - Representao no reticulado dos mximos valores de graus de certeza com grau de contradio constante A CNAPa calcula o valor do Grau de Contradio Normalizado ctr,, que determinado da seguinte forma:
Gct 1 2
ctr
(9)
Como Gct
) 1 , podemos afirmar que:
1
ctr
ctr
(10)
Encontra-se o Intervalo de Certeza atravs da equao (8) repetida abaixo. = 1 - |Gct|
96
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos A partir da equao (9) pode-se afirmar que:
Gct 2 1
ctr
(11)
Assim, para se encontrar o valor do Intervalo de Evidncia Resultante ( equao (11) em (8), portanto:
1 | 2. 1|
) , substitui-se a
ctr
(12)
Define-se o Intervalo de Evidncia Resultante Sinalizado
E( )
como sendo o valor de

ctr
considerando a sinalizao do Grau de Contradio (Gct). Assim, quando situao ocorrida quando Gct
0 , tm-se
E( ) E( )
0,5 ,
Da mesma forma, quando

E( ) E( )
ctr
0,5 , situao ocorrida quando Gct
0 , tm-se
Portanto, o valor do Grau de Contradio Normalizado pode ser encontrado a partir do Intervalo de Evidncia Resultante Sinalizado atravs das seguintes equaes:
1 (1 2 )
Se
E( )
E( )
ctr
(13)
Se
E( )
E( )
ctr
1 (1 2
(14)
A sada 2 sempre assume o valor de
J a sada 1 assume o valor de
quando a seguinte condio verdadeira:
Vcic
ctr
Vcpa e (Vcve
) ou (
Vcfa ) . Caso contrrio, a sada 1 assume 0,5.

97
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 4.1.2. Clula Neural Artificial Paraconsistente de Passagem - CNAPpa A Clula Neural Artificial Paraconsistente de Passagem - CNAPpa recebe como entrada um grau de evidncia e possui como sada o valor desse mesmo grau de evidncia. Mas, atravs do ajuste do Fator de Tolerncia Certeza, que uma entrada de controle da clula, possvel limitar o valor da sada - S1. A Figura VII mostra a representao grfica da Clula Neural Artificial Paraconsistente de Passagem.
Figura VII - Representao grfica da clula neural artificial paraconsistente de passagem - CNAPpa Representa-se o grau de evidncia por , tal que: 0
1.
Ft c 1.
O Fator de Tolerncia Certeza - Ftc uma entrada de controle, tal que: 0
A CNAPpa calcula o Valor de Controle de Veracidade e o Valor de Controle de Falsidade conforme as equaes (3) e (4) repetidas abaixo:
1 Ftc 2
1 Ftc 2
Vcve
Vcfa
A sada da CNAPpa o Grau de Evidncia Resultante, determinado conforme a equao (7). A sada da CNAPpa assume o valor do Grau de Evidncia Resultante satisfaz a condio: (Vcve
E
quando se
) ou (
Vcfa ) . Caso contrrio,
vale 0,5.
98
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 4.1.3. Clula Neural Artificial Paraconsistente de Conexo Lgica Simples no Processo de Maximizao (OU) A Figura VIII mostra a representao grfica de uma Clula Neural Artificial Paraconsistente de Conexo Lgica Simples no Processo de Maximizao (OU). Essa clula coloca na sada m ax
o maior valor entre os dois valores de entrada,
RA
RB
Figura VIII - Representao grfica da clula neural artificial paraconsistente de conexo lgica simples no processo de maximizao (OU) A Clula Neural Artificial Paraconsistente de Conexo Lgica Simples no Processo de Maximizao (OU) determina o valor do Grau de Evidncia Favorvel pela equao (7).
Sendo que
RA
RB
Caso de
RA
0,5 , conclui-se que a entrada
RA
a maior, portanto, a sada assume o valor

RB
. Caso contrrio, a sada assume o valor
5. Robs Mveis Autnomos Baseados na Lgica Paraconsistente Anotada Evidencial E Descrevem-se mais detalhadamente a seguir os robs mveis autnomos Emmy I e Emmy II. Eles serviram de inspirao para o sistema de navegao e controle proposto neste texto.
99
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 5.1. Rob Mvel Autnomo Emmy I O rob mvel autnomo Emmy I consiste de uma plataforma mvel de alumnio de formato circular de 30 cm de dimetro e 60 cm de altura. O rob foi projetado em mdulos sobrepostos separados por funo no sistema de controle, facilitando a visualizao da ao de cada mdulo no controle de movimentao do rob [1], [2], [3], [4], [5], [6], [7], [8]. Na movimentao do rob Emmy I num ambiente no estruturado as informaes sobre a existncia ou no de obstculo na sua trajetria so obtidas por intermdio do dispositivo denominado Parasnico. O Parasnico capaz de captar obstculos na trajetria transformando-os proporcionalmente as medidas de distncia entre o rob e o obstculo em sinais eltricos, na forma de uma tenso eltrica contnua que pode variar de 0 a 5 volts. O Parasnico basicamente composto por dois sensores de ultrassom tipo POLAROID 500 [53] e um Microcontrolador 8051. A funo do Microcontrolador 8051 fazer a sincronizao entre as medies dos dois sensores de ultrassom e a transformao da grandeza distncia em tenso eltrica. O sistema de controle de navegao do rob feito por um Controlador Lgico Paraconsistente - Paracontrol e que recebe e faz o tratamento dos sinais eltricos. O Paracontrol recebe informaes na forma de graus de evidncia favorvel e contrria, faz uma anlise paraconsistente que resulta em sinais representativos de estados lgicos e graus de certeza e de incerteza. As duas formas de sada podem ser utilizadas no controle, dependendo do projeto. O Paracontrol ainda oferece alternativa de ajustes de controle externamente atravs de potencimetros.
100
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Com a informao do estado resultante, o microcontrolador decide a ao a ser tomada pelo rob. A Figura IX mostra as partes principais do rob Emmy I.
Figura IX Destaque das partes principais do rob Emmy Nos trabalhos relacionados com controle clssico de robs mveis autnomos descrevemse tcnicas tradicionais de planejamento e de navegao em roteiros conhecidos e desconhecidos. Muito dos resultados apresentam tempo computacional muito alto ou um sistema de controle muito complexo o que impossibilita a efetiva aplicao do controle. Porm, a maior dificuldade o reconhecimento em situaes reais de mudanas de ambiente, pois muitas indefinies e inconsistncias aparecem nas anlises dos sinais captados.
101
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos A Lgica Paraconsistente Anotada Evidencial E possibilita considerar incertezas, inconsistncias e paracompletezas de um modo no-trivial e por isso, se mostra mais propcia no enquadramento de problemas ocasionados por situaes como essas. O rob Emmy I obteve bons resultados apesar das limitaes tcnicas como ausncia de: mltiplas velocidades, diferentes tipos de sensores, acionamentos de braos mecnicos, sincronizao de velocidade entre os motores, amortecedores, freios, etc. Os testes efetuados demonstram que o Paracontrol pode ser aplicado para ajudar a solucionar problemas ligados a navegao de robs e tratamento de sinais representativos de informaes sobre o ambiente. O sistema de controle utilizando o Paracontrol apresenta boa capacidade de modificar o comportamento do rob quando h modificaes inesperadas das condies ambientais. Pode-se ver na Figura X o aspecto fsico do rob Emmy I.
Figura X - Rob Emmy I
102
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 5.2. Rob Mvel Autnomo Emmy II Investigando-se o controlador do rob Emmy I, chamado de Paracontrol, percebeu-se que o seu funcionamento poderia ser melhorado. Assim, surgiu o rob mvel autnomo Emmy II com objetivo de executar as mesmas funes que o rob Emmy I, mas, com um desempenho mais eficiente. O rob mvel autnomo Emmy II possui as caractersticas mostradas na Figura XI [9], [10], [11], [12], [13], [14], [15], [16], [17], [18].
Figura XI - Representao do rob Emmy II O rob Emmy II constitui-se, basicamente, de dois sensores (S1 e S2) e dois motores (motor 1 e motor 2) com rodas presas a seus eixos. Esses elementos esto acoplados a uma plataforma circular de 25cm de dimetro. Um microcontrolador responsvel por receber os sinais gerados pelos sensores de ultrassom, manipulando-os segundo o algoritmo Paraanalisador, e acionar os motores.
103
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Os movimentos possveis neste rob so os seguintes: 1. Seguir em frente em linha reta. Os motores 1 e 2 so acionados para frente ao mesmo tempo com a mesma velocidade. 2. Ir para trs em linha reta. Os motores 1 e 2 so acionados para trs ao mesmo tempo com a mesma velocidade. 3. Girar para a direita. Apenas o motor 1 acionado para frente com o motor 2 parado. 4. Girar para a esquerda. Apenas o motor 2 acionado para frente com o motor parado. 5. Girar para a direita. Apenas o motor 2 acionado para trs com o motor 1 parado. 6. Girar para a esquerda. Apenas o motor 1 acionado para trs com o motor 2 parado. O sinal gerado pelo sensor S1 considera-se como grau de evidncia favorvel e o sinal originado pelo sensor S2 considera-se como grau de evidncia contrria da proposio A frente do rob est livre. Quando existe um obstculo prximo ao sensor S 1 o grau de evidncia favorvel baixo e quando o obstculo est distante do sensor S1 o grau de evidncia favorvel alto. Por outro lado, quando existe um obstculo prximo ao sensor S2 o grau de evidncia contrria alto e quando o obstculo est distante do sensor S 2 o grau de evidncia contrria baixo. O rob decide qual movimento escolher baseado nos valores do grau de evidncia favorvel, no grau de evidncia contrria e no sistema de controle proposto de acordo com o reticulado com os respectivos estados lgicos extremos e no-extremos da Figura XII. 1
104
Figura XII - Reticulado com os estados lgicos utilizado pelo rob Emmy II A verificao dos valores do grau de evidncia favorvel e do grau de evidncia contrria, tomada de deciso e movimentao dos motores feita de forma sequencial. Tal sequncia de aes quase imperceptvel ao se observar o rob movimentando-se. Para cada estado, a respectiva deciso a seguinte: tempo. tempo. Estado : Girar para a direita. Apenas o motor 1 acionado para frente. Estado F: Ir para trs. Os motores 1 e 2 so acionados para trs ao mesmo Estado V: Ir para frente. Os motores 1 e 2 so acionados para frente1 ao mesmo
Permanecendo o motor 2 parado. Estado T: Girar para a esquerda. Apenas o motor 2 acionado para frente.
Permanecendo o motor 1 parado.
Significa obviamente que as respectivas rodas giram fazendo com que o rob se movimente para frente. Este e outros abusos de linguagem so cometidos ao longo do trabalho.
105
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Estado QF : Girar para a direita. Apenas o motor 2 acionado para trs.
Permanecendo o motor 1 parado. Estado QF T: Girar para a esquerda. Apenas o motor 1 acionado para trs.
Permanecendo o motor 2 parado. As justificativas para as escolhas so as seguintes: Quando o estado for Verdadeiro (V), significa que a frente do rob est livre.
Assim, o rob pode seguir em frente. Na Inconsistncia (T), e assumem valores altos (i.e., pertencentes regio
T). Isto significa que S1 est distante de um obstculo e S2 est prximo de um obstculo, sendo que o lado esquerdo est mais livre que o direito. Assim, a ao recomendada girar para a esquerda. Aciona-se apenas o motor 2 para frente e mantendo o motor 1 parado. Quando for detectado o estado de Paracompleteza ( ), e assumem valores
baixos. Isto significa que S1 est prximo de um obstculo e S2 est distante de um obstculo, sendo que o lado direito est mais livre que o esquerdo. Portanto, a deciso deve ser girar para a direita. Aciona-se apenas o motor 1 para frente e mantendo o motor 2 parado. No estado de Falsidade (F), a frente do rob est obstruda por um o obstculo
muito prximo do rob. Portanto, a deciso recuar. No estado Quase-falso tendendo ao Inconsistente (QF T), a frente do rob
continua obstruda, com as seguintes caractersticas: o obstculo no est to prximo como na Falsidade e o lado esquerdo est um pouco mais livre do que o direito. A deciso girar para a esquerda acionando-se apenas o motor 1 para trs e mantendo-se o motor 2 parado.
106
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos No estado Quase-falso tendendo ao Paracompleto (QF ), a frente do rob
continua obstruda, do seguinte modo: o obstculo no est to prximo como na falsidade e o lado direito est um pouco mais livre do que o esquerdo. A deciso girar para a direita, acionando-se apenas o motor 2 para trs e mantendo-se o motor 1 parado. A plataforma utilizada para a montagem do rob Emmy II possui aproximadamente 25cm de dimetro e 23cm de altura. Os componentes principais do rob Emmy II so um microcontrolador da famlia 8051, dois sensores de ultrassom e dois motores de corrente contnua. Os sensores de ultrassom so responsveis pela verificao de obstculos frente do rob. Os sinais gerados pelos sensores so enviados para o microcontrolador. Os valores do grau de evidncia favorvel ( ) e do grau de evidncia contrria ( ) na proposio A frente do rob est livre so determinados pelo microcontrolador com base nos sinais recebidos dos sensores de ultrassom. O microcontrolador tambm determina o movimento a ser executado pelo rob, ou seja, qual motor deve ser acionado, com base na deciso proveniente do Paracontrol. A Figura XIII mostra o diagrama em blocos simplificado do rob mvel autnomo Emmy II.
Figura XIII - Diagrama em blocos simplificado do rob Emmy II

Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos O circuito eletrnico do rob Emmy II se divide em quatro partes: Circuito de alimentao. Circuito dos sensores. Circuito de controle. Circuito de atuao.
A Figura XIV mostra a vista frontal do rob Emmy II, a Figura XV mostra os dois sensores ultrassnicos S1 e S2 e a Figura XVI mostra os motores do rob.
Figura XIV - Vista frontal do rob Emmy II
Figura XV - Vista superior do rob Emmy II
108
Figura XVI - Vista inferior do rob Emmy II O rob Emmy II teve um desempenho satisfatrio nos testes realizados. Ele conseguiu desviar da maioria dos obstculos existentes no ambiente de teste.
6. Rob Mvel Autnomo Emmy III Tanto o rob Emmy I quanto o rob Emmy II so capazes de desviar de obstculos num ambiente no estruturado. Mas, so incapazes de encontrar um destino pr-determinado e se localizarem. O sistema de navegao e controle apresentado neste texto uma tentativa de se construir um terceiro rob agora capaz de encontrar um destino num ambiente no estruturado de forma autnoma. Esse rob seria chamado Emmy III. Alguns prottipos do rob Emmy III j foram construdos [54], [55], [56]. A verso definitiva do rob Emmy III est ainda em construo e compe-se, basicamente, de uma placa metlica com dimenso de 400 mm de largura e 400 mm de comprimento, trs rodas (sendo uma das rodas livre e as outras duas conectadas a servomotores) e os servomotores instalados na base so responsveis pela movimentao do rob.
109
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Conforme descrito anteriormente, o objetivo deste trabalho apresentar um sistema de navegao e controle de um rob mvel autnomo, e para isso, dividiu-se esse sistema em trs mdulos: Subsistema de Sensoriamento, Subsistema Planejamento e o Subsistema Mecnico. O Subsistema de Sensoriamento considera o ambiente mapeado dividido em clulas e est inicialmente preparado para receber informaes de sensores de ultrassom. Mas, com algumas alteraes em sua configurao, o Subsistema de Sensoriamento pode receber informaes de outros tipos de sensores. As informaes advindas dos sensores so tratadas por uma Rede Neural Artificial Paraconsistente que possui como sada o Grau de Evidncia Favorvel da proposio existe obstculo na clula para cada clula analisada. Essas informaes so armazenadas num banco de dados. O Subsistema de Planejamento responsvel por gerar a sequncia de movimentos para que o rob mvel se desloque at uma posio destino. Existem oito tipos diferentes de movimentos que esse sistema pode gerar. Cada movimento corresponde a um nmero, assim, a sada desse sistema uma sequncia numrica, sendo que cada nmero corresponde a um movimento diferente. A plataforma mecnica que compe o rob, tambm chamada de Subsistema Mecnico, deve ser capaz de interpretar esses nmeros e executar os movimentos correspondentes. O Subsistema Mecnico apesar de no ter sido implementado ainda, tem como base os trabalhos anteriores, onde foram construdas as plataformas Emmy I e Emmy II.
110
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 7. Subsistema Mecnico Uma estrutura fsica parecida com a do rob Emmy II, capaz de suportar os sensores e os outros dispositivos eletrnicos que compem o Subsistema de Sensoriamento, o Subsistema de Planejamento e o sistema de controle dessa estrutura, compem o Subsistema Mecnico. O Subsistema Mecnico deve interpretar a sequncia numrica gerada pelo Subsistema de Planejamento e executar seus respectivos movimentos. Alm de tratar as informaes dos sensores antes de envi-las ao Subsistema de Sensoriamento. Como descrito anteriormente, o Subsistema de Sensoriamento utiliza como parmetros de entrada a distncia entre o sensor e o obstculo (D) e o ngulo entre a plataforma mecnica e o eixo horizontal do ambiente onde o rob se encontra (). Essas informaes so geradas pelo Subsistema Mecnico, pois ele responsvel por tratar as informaes dos sensores e controlar a posio da estrutura mecnica no ambiente onde o rob se localiza. Para funcionar adequadamente, tanto o Subsistema de Sensoriamento quanto o Subsistema de Planejamento necessitam saber exatamente em qual clula o rob se encontra. Essa informao tambm deve ser gerada pelo Subsistema Mecnico. Instalando-se o Subsistema de Sensoriamento e Planejamento numa estrutura fsica parecida com a descrita, ter-se-ia um rob mvel autnomo capaz de encontrar um destino num ambiente no estruturado.
111
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 8. Subsistema de Sensoriamento O Subsistema de Sensoriamento construdo com base na Lgica Paraconsistente Evidencial E. Portanto, o seu funcionamento se baseia na determinao de graus de evidncia relacionados a uma proposio. O Subsistema de Sensoriamento proposto manipula informaes advindas de sensores de ultrassom. As ideias apresentadas em [57], [58] por sua vez baseadas em [59], serviram de inspirao para o Subsistema de Sensoriamento proposto. Para cada coordenada do ambiente em torno do rob, o Subsistema de Sensoriamento deve ser capaz de determinar um Grau de Evidncia Favorvel a respeito da proposio: existe obstculo na coordenada. Os valores desses Graus de Evidncia Favorvel so armazenados no banco de dados para serem posteriormente utilizados como informaes de entrada do Subsistema de Planejamento. Desta forma, o Subsistema de Planejamento, antes de gerar a sequncia de aes que a plataforma mecnica deve executar, consulta o banco de dados e considera como obstrudas as coordenadas que possurem um grau de evidncia superior a determinado valor. Assim, a trajetria gerada evita os obstculos existentes no ambiente, habilitando o rob a se movimentar num ambiente no estruturado.
8.1. Descrio do Subsistema de Sensoriamento O objetivo do Subsistema de Sensoriamento informar o Subsistema de Planejamento quais clulas esto obstrudas, portanto, que se deve evitar.
112
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Para isso, o Subsistema de Sensoriamento se utiliza de um conjunto de sensores responsveis por capturar informaes sobre o ambiente em torno do rob. Esse conjunto de sensores est localizado na plataforma mecnica. Assim, o Subsistema Mecnico trata os sinais gerados pelos sensores antes de fornecer as devidas informaes ao Subsistema de Sensoriamento. Esses sensores podem ser dos mais diversos tipos e seus dados devero ser interpretados como informaes relevantes para o Sistema de Navegao e Controle. Como esses dados representam informaes que podem ser contraditrias, neste trabalho optou-se por utilizar as Redes Neurais Artificiais Paraconsistentes para tratar as informaes geradas pelos sensores.
8.2. Estrutura do Subsistema de Sensoriamento O objetivo bsico do Subsistema de Sensoriamento informar a situao de cada clula que compe o ambiente em torno do rob. Assim, o Subsistema de Sensoriamento deve analisar as informaes geradas pelos sensores e armazenar, no banco de dados do sistema, a situao de cada clula analisada. A Figura XVII mostra graficamente as funes do Subsistema de Sensoriamento.
113
Figura XVII - Representao grfica do subsistema de sensoriamento O Subsistema de Sensoriamento se baseia na Lgica Paraconsistente Anotada Evidencial E. Portanto, as informaes geradas pelos sensores so consideradas Graus de Evidncia. Assim, para a anlise de cada clula, a sada do Subsistema de Sensoriamento o Grau de Evidncia Favorvel sobre a proposio existe obstculo na clula. A Figura XVIII mostra a representao grfica do Subsistema de Sensoriamento j utilizando as notaes relativas Lgica Paraconsistente Anotada Evidencial E.
Figura XVIII - Representao grfica do subsistema de sensoriamento com as notaes da Lgica Paraconsistente Anotada Evidencial E O Subsistema de Sensoriamento divide-se em duas partes. A primeira parte responsvel por analisar as informaes dos sensores e gerar trs Graus de Evidncia. A segunda parte
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos do Subsistema de Sensoriamento onde se localiza a Rede Neural Artificial Paraconsistente, responsvel por analisar os trs Graus de Evidncias gerados pela primeira parte e criar o Grau de Evidncia Favorvel da proposio existe obstculo na clula, que deve ser armazenado no banco de dados do sistema. A Figura XIX mostra a estrutura do Subsistema de Sensoriamento.
Figura XIX - Estrutura do subsistema de sensoriamento Os parmetros a, , n, Dmax e Dmin, a serem definidos a seguir, so de configurao. As informaes recebidas do Subsistema Mecnico so representadas pelas entradas D, , Xa e Ya. Os trs Graus de Evidncia gerados pela parte 1 do Sistema de Sensoriamento so representados por 1, 2 e 3. O Grau de Evidncia da proposio existe obstculo na clula, que deve ser armazenado no banco de dados do sistema, representado pela sada .
8.3. Parmetros de Configurao do Subsistema de Sensoriamento O Sistema considera as clulas que compe o ambiente em torno do rob como sendo quadradas. E o parmetro a define o lado do quadrado que compe a clula. A Figura XX mostra o significado desse parmetro.
Figura XX - Representao do parmetro a Como o Subsistema de Sensoriamento foi construdo para receber informaes advindas de sensores de ultrassom, faz-se necessrio configurar o subsistema para o tipo exato de sensor utilizado. Assim, o parmetro define o ngulo de abertura do sensor. Esse ngulo pode variar conforme o fabricante. A Figura XXI mostra o significado desse parmetro.
Figura XXI - Representao do ngulo de abertura do sensor de ultrassom interessante observar que o Subsistema de Sensoriamento pode receber informaes de um sensor de infravermelho, por exemplo, desde que o ngulo seja considerado como 0o. Numa situao como a representada pela Figura XXII, o Subsistema de Sensoriamento
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos analisa todas as clulas sob o arco BC. Assim, o parmetro n define quantas vezes o Grau de Evidncia calculado tomando-se parte do arco AC ou AB.
Figura XXII - Sensor de ultrassom num ambiente dividido em clulas O parmetro Dmax define a distncia mxima entre o obstculo e o sensor que o Subsistema de Sensoriamento considera. E o parmetro Dmin define a distncia mnima entre o obstculo e o sensor que o Subsistema considera.
8.4. Dados de Entrada do Subsistema de Sensoriamento A entrada D representa a distncia do obstculo detectada pelo sensor. J a entrada representa o ngulo entre o sensor e o eixo horizontal do ambiente. A Figura XXIII ilustra essa ideia. Essa informao gerada pelo Subsistema Mecnico, pois, ele recebe os dados dos sensores e controla a localizao e a direo da plataforma, possibilitando, assim, a determinao do ngulo .
117
Figura XXIII - Representao da varivel O Subsistema de Sensoriamento deve saber a coordenada onde a plataforma mecnica se encontra para determinar corretamente qual clula deve ser analisada. As entradas Xa e Ya representam essa coordenada. Essa informao tambm gerada pelo Subsistema Mecnico. A parte 1 do Subsistema de Sensoriamento gera como sada os trs graus de evidncia 1, 2 e 3. A distncia entre o sensor e o obstculo determina o valor de 1. Quando a distncia entre o sensor e o obstculo (D) for menor ou igual a Dmin, 1 vale 1,0. Quando a distncia entre o sensor e o obstculo for maior ou igual a Dmax, 1 vale 0,0. Caso a distncia entre o sensor e o obstculo seja um valor entre Dmin e Dmax, 1 ser um valor entre 1,0 e 0,0, dependendo da proximidade de D em relao a Dmin. Analisando a Figura XXII, percebe-se que existe uma evidncia forte de que o obstculo esteja prximo do ponto A. Essa evidncia vai enfraquecendo medida que se aproxime do ponto B ou C. Esse comportamento determina o valor de 2. Quanto mais prxima a clula analisada estiver do ponto A, maior ser o valor de 2. Consequentemente, quanto mais prxima a clula analisada estiver dos pontos B ou C, menor ser o valor de 2.
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Antes de determinar o novo Grau de Evidncia Favorvel da clula analisada, o Subsistema de Sensoriamento consulta o valor atual armazenado no banco de dados do sistema. O valor consultado quanto vale 3.
8.5. Estrutura da Rede Neural Artificial Paraconsistente Utilizada no Subsistema de Sensoriamento A Figura XXIV mostra a estrutura da Rede Neural Artificial Paraconsistente escolhida para compor a segunda parte do Subsistema de Sensoriamento.
Figura XXIV - Estrutura da rede neural artificial paraconsistente escolhida para compor a segunda parte do subsistema de sensoriamento Observa-se que 1, 2 e 3 so os trs graus de evidncia gerados pela primeira parte do Subsistema de Sensoriamento. E a resposta do sistema, ou seja, o valor do Grau de Evidncia Favorvel da proposio existe obstculo na clula. Portanto, o valor que deve ser armazenado no banco de dados do sistema informando o Grau de Evidncia
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Favorvel da Clula Analisada. A funo das Clulas Neurais Artificiais Paraconsistentes de Passagem CNAPpa de, eventualmente, dependendo do valor do Fator de Tolerncia Certeza - Ftc, limitar o valor de algum grau de evidncia gerado pela primeira parte do Subsistema de Sensoriamento. Como no sistema implementado, o Fator de Tolerncia Certeza - Ftc vale zero nas trs clulas, no existe qualquer tipo de limitao para 1, 2 e 3. Configurando-se as Clulas Neurais Artificiais Paraconsistentes Analtica CNAPa com Ftc = 0 e Ftct = 1, tambm se elimina qualquer tipo de limitao s sadas das clulas.
9. Subsistema de Planejamento Um rob mvel autnomo dotado de um sistema de navegao deve ser capaz de executar, basicamente, trs tarefas. A primeira capturar informaes sobre o ambiente onde se encontra para saber onde existem obstculos. A segunda tarefa gerar uma rota que interligue a posio onde ele se encontra a uma posio destino. Essa rota deve desviar dos possveis obstculos existentes no ambiente. E a terceira tarefa executar a rota previamente determinada de tal forma que a estrutura fsica do rob alcance a posio destino. O sistema de navegao e controle proposto neste trabalho divide as tarefas descritas em trs subsistemas: Subsistema de Sensoriamento, Subsistema de Planejamento e Subsistema Mecnico.
120
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 9.1. Descrio do Subsistema de Planejamento O objetivo do Subsistema de Planejamento determinar uma sequncia de aes para que o rob saia da posio onde se encontra e, num ambiente no estruturado, encontre a posio destino. O Subsistema de Planejamento proposto baseia-se na Lgica Paraconsistente Anotada Evidencial E. Existem outros sistemas de planejamento para robs mveis baseado em outras teorias, como por exemplo, a encontrada em [60], [61], [62], [63], [64]. A Figura XXV mostra a representao do Subsistema de Planejamento.
Figura XXV - Representao do subsistema de planejamento No Subsistema de Planejamento existem dois parmetros de configurao, NC e LE. O Parmetro NC indica o nmero de clulas que o sistema deve analisar antes de definir quais aes o rob deve tomar, ou seja, a quantidade de clulas que compem a entrada das redes neurais. J o parmetro LE indica o valor limite do Grau de Evidncia Favorvel para que o sistema considere a clula ocupada. Assim, as clulas que tiverem um Grau de Evidncia Favorvel maior que LE, sero consideradas ocupadas.
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos As coordenadas das clulas de origem e destino so as entradas do sistema. Assim, Xo e Yo so as coordenadas de origem e XD e YD so as coordenadas de destino. Como sada, o Subsistema de Planejamento gera uma sequncia de movimentos para que a plataforma mecnica a execute. Essa sequncia est representada por SM na Figura XXV. O Subsistema de Planejamento, assim como o Subsistema de Sensoriamento, considera o ambiente onde o rob se encontra dividido em clulas. O Subsistema de Planejamento deve gerar uma sequncia de aes para que a plataforma mecnica deixe a posio onde se encontra e encontre uma posio destino. O Subsistema Planejamento proposto pode gerar oito tipos diferentes de movimentos. A cada movimento se relaciona um nmero. Assim, o Subsistema de Planejamento deve informar ao Subsistema Mecnico uma sequncia numrica. O Subsistema Mecnico deve interpretar cada nmero como um movimento diferente. O Grau de Evidncia Favorvel da proposio existe obstculo na clula de cada clula que compe o ambiente em torno do rob est armazenado no banco de dados do sistema. Antes do Sistema de Planejamento determinar quais aes o rob deve realizar, ele consulta no banco de dados as condies das clulas pelas quais o rob deve passar. As clulas que possurem um valor de Grau de Evidncia Favorvel acima de um determinado valor so consideradas ocupadas. O Subsistema de Planejamento determina qual o maior Grau de Evidncia Favorvel existente nas clulas analisadas. E caso esse valor seja maior que o valor do Grau de Evidncia Favorvel limite, o planejador escolhe outro movimento. O Subsistema de Planejamento utiliza uma Rede Neural Artificial Paraconsistente
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos compostas por Clulas Neurais Artificiais Paraconsistentes de Conexo Lgica Simples no Processo de Maximizao (OU) para determinar qual o maior valor de Grau de Evidncia Favorvel das posies analisadas. A Figura XXVI mostra a arquitetura da Rede Neural Artificial Paraconsistente utilizada pelo Subsistema de Planejamento para determinar qual o maior valor de Grau de Evidncia Favorvel existente nas clulas analisadas.
Figura XXVI - Rede neural artificial paraconsistente utilizada pelo subsistema de planejamento para determinar qual o maior valor de grau de evidncia As entradas da Rede Neural Artificial Paraconsistente mostradas na Figura XXVI so os Graus de Evidncias Favorveis das posies analisadas pelo Subsistema de Planejamento. E na sada encontra-se o maior valor de Grau de Evidncia Favorvel encontrado. Caso a anlise realizada pela rede neural, composta por Clulas Neurais Artificiais Paraconsistentes de Conexo Lgica Simples no Processo de Maximizao (OU), no detecte obstculo nas posies que compe o ambiente, estas so analisadas por uma rede neural composta por Clulas Neurais Artificiais Paraconsistentes Analticas com a estrutura mostrada na Figura XXVII.
123
Figura XXVII - Rede neural artificial paraconsistente utilizada pelo subsistema de planejamento para determinar qual o valor de grau de evidncia de uma direo A sada da rede neural apresentada na Figura XXVII o Grau de Evidncia Resultante das clulas analisadas.
9.2. Testes Realizados com o Subsistema de Planejamento Apresentam-se trs testes realizados com o Subsistema de Planejamento. Nas trs situaes o Subsistema de Planejamento estava configurado da mesma forma, apenas a localizao dos obstculos em cada teste era diferente. O subsistema foi configurado para que as redes neurais analisassem trs clulas e o valor limite para uma clula no ser considerada ocupada era 0,9. O banco de dados com as condies de cada clula foi preenchido manualmente. As Figuras XXVIII, XXIX e XXX mostram os resultados otimizados dos testes 1, 2 e 3.
124
Figura XXVIII - Resultado otimizado do teste 1
Figura XXIX - Resultado otimizado do teste 2
125
Figura XXX - Resultado otimizado do teste 3 A trajetria realizada pela plataforma mecnica satisfatria. Pois, conforme observado nos resultados apresentados acima, a plataforma se desloca da origem at o destino com um nmero relativamente baixo de movimentos.
10. Concluses Neste trabalho props-se um Sistema de Navegao e Controle para um Rob Mvel Autnomo baseado na Lgica Paraconsistente Anotada Evidencial E atravs da utilizao das Redes Neurais Artificiais Paraconsistentes. A utilizao desse tipo de lgica permite ao sistema lidar melhor com situaes difusas, inconsistentes e paracompletas. O sistema proposto compe-se por trs mdulos: Subsistema de Sensoriamento, Subsistema de Planejamento e Subsistema Mecnico. O Subsistema de Sensoriamento recebe as informaes advindas dos sensores e armazena num banco de dados as informaes relativas a cada clula que compe o ambiente em torno do rob.
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Nesse subsistema existe uma Rede Neural Artificial Paraconsistente composta por Clulas Neurais Artificiais Paraconsistentes Analticas e por Clulas Neurais Artificiais Paraconsistentes de Passagem. Esse tipo de estrutura permite a construo de um sistema de sensoriamento eficiente e relativamente simples. Vrios testes foram realizados com o Subsistema de Sensoriamento e constatou-se que o funcionamento foi satisfatrio. Os testes consistiram da aplicao na entrada do sistema de sinais que simulavam informaes advindas de sensores. Em todos os casos a resposta foi a esperada. Um prximo passo seria a ligao de sensores na entrada desse sistema para se verificar o funcionamento do mesmo em situaes reais. O Subsistema de Planejamento responsvel por gerar a sequncia de aes que o rob deve executar para encontrar a posio destino. Esse sistema consulta o banco de dados que atualizado pelo Subsistema de Sensoriamento para saber onde existem obstculos no ambiente em torno do rob. Com essa informao ele gera a sequncia de movimentos que o rob deve executar para alcanar um destino num ambiente no estruturado. No Subsistema de Planejamento tambm existem Redes Neurais Artificiais
Paraconsistentes. Alm de uma estrutura similar utilizada pelo Subsistema de Sensoriamento, ele tambm se utiliza de uma estrutura composta por Clulas Neurais Artificiais Paraconsistentes de Conexo Lgica Simples no Processo de Maximizao (OU). Isso permitiu a simplificao da construo do Subsistema de Planejamento. Os diversos testes realizados com o Subsistema de Planejamento foram satisfatrios. Os testes consistiam em preencher o banco de dados manualmente, criando um ambiente previamente conhecido. Assim, dado um ponto de partida e um ponto de chegada, o
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos sistema sempre gerou uma sequncia de passos interligando o ponto de partida ao ponto de chegada. O grau de dificuldade de cada teste realizado com o Subsistema de Planejamento foi aumentado gradativamente, chegando a situaes de grande dificuldade. Em todos os casos o sistema foi capaz de encontrar um caminho ligando o ponto de origem ao ponto destino. Tambm em todos os casos o caminho encontrado foi satisfatrio e, em muitas situaes, o caminho encontrado foi o timo. Para que o rob se movimente de forma autnoma num ambiente no estruturado ainda necessita-se construir o Subsistema Mecnico, ou seja, a plataforma mecnica capaz de carregar todos os dispositivos que constituem os Subsistemas de Sensoriamento e Planejamento. Alm disso, essa plataforma deve executar a sequncia de aes solicitadas pelo Sistema de Planejamento e informar aos outros subsistemas a sua localizao exata. O Subsistema Mecnico tambm deve tratar os sinais gerados pelos sensores antes de repassar essas informaes para o Subsistema de Sensoriamento. Esses trs mdulos funcionando de forma independente e interligada formam um rob mvel autnomo capaz de encontrar um destino pr-determinado num ambiente no estruturado. A contribuio deste trabalho a proposta de um sistema de navegao e controle de um rob mvel autnomo, com as caractersticas descritas acima, baseado na lgica paraconsistente anotada E. Uma interface grfica para o Subsistema de Planejamento capaz de mostrar, em uma tela de computador, a rota gerada pelo planejador para que o rob saia de uma posio inicial e encontre uma posio destino est atualmente em desenvolvimento.
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos O sistema proposto possui aplicaes promissoras e merece uma continuidade de estudos com a implantao dos Subsistemas de Sensoriamento e de Planejamento em uma plataforma mecnica compondo o Subsistema Mecnico, completando assim o conjunto para aplicaes em robtica autnoma.
11. Referncias Bibliogrficas [1] DA SILVA FILHO, J. I. Mtodos de aplicaes da lgica paraconsistente anotada com anotao com dois valores LPA2v com construo de algoritmo e implementao de circuitos eletrnicos. 1999. 115 fl. Tese (Doutorado). Escola Politcnica da Universidade de So Paulo, So Paulo. [2] DA SILVA FILHO, J. I. & ABE, J.M. Para-Fuzzy Logic Controller Part I: A New Method of Hybrid Control Indicated for Treatment of Inconsistencies Designed with the Junction of the Paraconsistent Logic and Fuzzy Logic. In: INTERNATIONAL ICSC CONGRESS ON COMPUTATIONAL INTELLIGENCE METHODS AND
APPLICATIONS - CIMA99. 1999. Rochester Institute of Technology, RIT, Rochester, N.Y., USA. [3] DA SILVA FILHO, J. I. & ABE, J. M. Para-Fuzzy Logic Controller Part II: A Hybrid Logical Controlller Indicated for Treatment of Fuzziness and Inconsistencies. In: INTERNATIONAL ICSC CONGRESS ON COMPUTATIONAL INTELLIGENCE METHODS AND APPLICATIONS - CIMA99. 1999b. Rochester Institute of Technology, RIT, Rochester, N.Y., USA. [4] DA SILVA FILHO, J. I. & ABE, J. M. Para-Analyser and Inconsistencies in Control
129
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Systems. In: IASTED INTERNATIONAL CONFERENCE ON ARTIFICIAL
INTELLIGENCE AND SOFT COMPUTING (ASC99). Anais... Honolulu, Hawaii, USA, ago. 9-12, p. 78-85, 1999c. [5] DA SILVA FILHO, J. I. & ABE, J. M. Emmy: a paraconsistent autonomous mobile robot, in Logic, Artificial Intelligence, and Robotics. In: 2ND CONGRESS OF LOGIC APPLIED TO TECHNOLOGY LAPTEC2001. In: ABE, J.M.; DA SILVA FILHO, J. I. [edts.] Frontiers in Artificial Intelligence and Its Applications. Amsterdam/Tokyo: IOS Press/Ohmsha, v. 71, p. 53-61, 287, 2001. [6] DA SILVA FILHO, J. I. & ABE, J. M. Paraconsistent electronic circuits. International Journal of Computing Anticipatory Systems, v. 9, p.337-345, 2001b. [7] DA SILVA FILHO, J.I. & ABE, J. M. Para-Control: An Analyser Circuit Based On Algorithm For Treatment of Inconsistencies. In: WORLD MULTICONFERENCE ON SYSTEMICS, CYBERNETICS AND INFORMATICS, ISAS. SCI 2001, Vol. XVI, Cybernetics and Informatics: Concepts and Applications (Part I), p. 199-203, Orlando, Florida, USA, 2001d. [8] SILVA FILHO, J. I., TORRES, C. R. & ABE, J. M. Rob Mvel Autnomo Emmy: Uma Aplicao Eficiente da Lgica Paraconsistente Anotada, Seleo Documental, ISSN 1809-0648, Nmero 3, Editora ParaLogike, Santos So Paulo, pg. 19-26, JulhoSetembro/2006. [9] TORRES, C. R. Sistema Inteligente Paraconsistente para Controle de Robs Mveis Autnomos. 2004. 85 fl. Tese (Mestrado). Universidade Federal de Itajub UNIFEI, Itajub.
130
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos [10] TORRES, C. R.; ABE, J. M.; LAMBERT-TORRES, G. Sistema Inteligente para Controle de Robs Mveis Autnomos. I WORKSHOP UNIVERSIDADEEMPRESA EM AUTOMAO, ENERGIA E MATERIAIS. Anais... Taubat, So Paulo, 2004. [11] TORRES, C. R.; ABE, J. M.; LAMBERT-TORRES, G. Rob Mvel Emmy II. Coleo Documentos, s. Lgica e Teoria da Cincia, IEA-USP, n. 58, p. 1-14, 2005. [12] TORRES, C. R., ABE, J. M. & LAMBERT-TORRES, G. Sistema Inteligente para Controle de Robs Mveis Autnomos, Coleo Documentos, Srie Lgica e Teoria da Cincia, IEA-USP, ISSN 16799429, Nmero 58, pg. 15-28, 2005b. [13] TORRES, C. R., ABE, J. M.; LAMBERT-TORRES, G. Rob Mvel Autnomo Emmy II, Seleo Documental, n. 4, ed. ParaLogike, Santos, So Paulo, p. 5-10, out./dez. de 2006. [14] TORRES, C. R.; LAMBERT-TORRES, G.; SILVA, L. E. B. da; ABE, J. M. Intelligent System of Paraconsistent Logic to Control Autonomous Moving Robots. In: 32ND ANNUAL CONFERENCE OF THE IEEE INDUSTRIAL ELECTRONICS SOCIETY. Paris: IEEE Press, 2006. [15] ABE, J. M.; TORRES, C. R.; LAMBERT-TORRES, G.; NAKAMATSU, K.; KONDO, M. Intelligent Paraconsistent Logic Controller and Autonomous Mobile Robot Emmy II. Lecture Notes in Computer Science, v. 4252, p. 851-857, 2006. [16] ABE, J. M., TORRES, C. R., LAMBERT-TORRES, G., NAKAMATSU, K., KONDO, M. Intelligent Paraconsistent Logic Controller and Autonomous Mobile Robot Emmy II. In: 10th International Conference on Knowledge-Based, Intelligent Information & Engineering Systems, KES2006, 2006, Bournemouth. Proceedings of the 10th
131
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos International Conference on Knowledge-Based, Intelligent Information & Engineering Systems. Bournemouth - UK : KES Pub., 2006b. [17] TORRES, C. R., ABE, J. M., LAMBERT-TORRES, G. Sistema Inteligente Paraconsistente para Controle de Robs Mveis Autonmos. Seleo Documental, ISSN 1809-0648, Nmero. 7, Editora ParaLogike, Santos So Paulo, pg. 13-18, JulhoSetembro/2007. [18] TORRES, C. R. & BOMBACINI M. R. Rob Autnomo com Sistema de Controle microprocessado e Fundamentado em Lgica Paraconsistente. Seleo Documental, n. 5, ed. ParaLogike, Santos, So Paulo, p. 14-18, jan./mar. de 2007. [19] ABE, J. M.; LAMBERT-TORRES, G.; DA SILVA FILHO, J. I.; TORRES, C. R.; MARTINS, H. G. Paraconsistent Autonomous Mobile Robot Emmy III. In: 6TH CONGRESS OF LOGIC APPLIED TO TECHNOLOGY LAPTEC2007. Proceedings of the VI Congress of Logic Applied to Technology. Santos, So Paulo, 2007. [20] TORRES, C. R.; ABE, J. M.; LAMBERT-TORRES, G.; DA SILVA FILHO, J. I., MARTINS, H. G. Autonomous Mobile Robot Emmy III. In: Nakamatsu, K.; Phillips-Wren, G.; Jain, L.C.; Howlett, R. J.[Orgs.]. New Advances in Intelligent Decision Technologies, 1 ed. Helderberg: Springer-Verlag, 2009, v. 199, p. 317-327. [21] ABE, J. M.; TORRES, C. R.; LAMBERT-TORRES, G.; DA SILVA FILHO, J. I.; MARTINS, H. G. Paraconsistent Autonomous Mobile Robot Emmy III. In: TORRES, G. L.; J. M. ABE; J. I. DA SILVA FILHO; H. G. MARTINS. [Orgs.]. Advances in Technological Applications of Logic and Intelligent Systems. 1 ed. Amsterdam: IOS Press, 2009, v. 186, p. 236-258.
132
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos [22] ALMEIDA PRADO, J. P.; ABE J. M.; SCALZITTI, A. Modeling the Behavior of Paraconsistent Robots. In: Advances in Logic Based Intelligent Systems. In: 5TH CONGRESS OF LOGIC APPLIED TO TECHNOLOGY LAPTEC2005. In: NAKAMATSU K. & ABE, J. M. Frontiers in Artificial Intelligence and Applications, IOS Press, Amsterdan, v. 132, p. 120-126, 289, 2005. [23] VILA, B. C. Uma Abordagem Paraconsistente Baseada em Lgica Evidencial para Tratar Excees em Sistemas de Frames com Mltipla Herana. 1996. 133 fl. Tese (PhD)Universidade de So Paulo, So Paulo. [24] VILA, B. C.; ABE, J. M.; PRADO, J. P. A. ParaLog-e: A Paraconsistent Evidential Logic Programming Language. In: XVII INTERNATIONAL CONFERENCE OF THE CHILEAN COMPUTER SCIENCE SOCIETY. In: IEEE Computer Society Press, p 2-8, Valparaso, Chile, 1997. [25] FERRARA, L. F. P. Redes neurais artificiais aplicada em um reconhecedor de caracteres. 2003. Tese (Mestrado). Universidade Federal de Uberlndia - UFU, Uberlndia, MG. [26] MARIO, M. C. Proposta de aplicao das redes neurais artificiais paraconsistentes como classificador de sinais utilizando aproximao funcional. 2003. Tese (Mestrado). Universidade Federal de Uberlndia - UFU, Uberlndia, MG. [27] MARIO, M. C. Modelo de Anlises de Variveis Craniomtricas atravs das Redes de Neurais Artificiais Paraconsistentes. 2006. Tese (Doutorado) Faculdade de Medicina da Universidade de So Paulo FMUSP, So Paulo. [28] MARIO, M. C. Sistema Classificador de Sinais Projetado com Redes Neurais
133
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos Artificiais Paraconsistentes. Revista Seleo Documental, v2 n.7 jul./set. de 2007, p. 1727, Ed. Paralogike Santos, So Paulo. [29] MARTINS, H. G. A Lgica Paraconsistente Anotada de Quatro Valores: LPA4v aplicada em Sistema de Raciocnio Baseado em Casos para o Restabelecimento de Subestaes Eltricas. 2003. 145 fl. Tese (Ph D). Universidade Federal de Itajub, UNIFEI, Itajub. [30] PRADO, J. P. A. Uma Arquitetura em IA Baseada em Lgica Paraconsistente. 1996. Tese (Doutorado). Escola Politcnica da Universidade de So Paulo. [31] ROSA E SILVA, S. Aplicao da Lgica Paraconsistente Anotada no mtodo de campos potenciais para navegao de robs. 2005. Tese (Mestrado). Engenharia de Produo da Universidade Paulista, So Paulo. [32] SUBRAHMANIAN, V.S., On the Semantcs of Quanttatve Logc Programs, In: 4TH IEEE SYMPOSIUM ON LOGIC PROGRAMMING, COMPUTER SOCIETY PRESS. Anais Washington D.C. 1987, p 173-182. [33] ABE, J. M. Fundamentos da Lgica Anotada. 1992. 135 fl. Tese (Doutorado). Universidade de So Paulo, So Paulo, 1992. [34] ABE, J. M. Some Aspects of Paraconsistent Systems and Applications. Logique et Analyse, v. 157, p. 83-96, 1997. [35] ABE, J. M. Annotated logics Q and model theory, in Logic, Artificial Intelligence, and Robotics. In: 2ND CONGRESS OF LOGIC APPLIED TO TECHNOLOGY LAPTEC2001. In: ABE, J.M.; DA SILVA FILHO, J. I. [edts.] Frontiers in Artificial Intelligence and Its Applications. Amsterdam/Tokyo: IOS Press/Ohmsha, v. 71, p. 1-12,
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos 287, 2001. [36] ABE, J. M. & AKAMA, S. A Logical System for Reasoning with Fuzziness and Inconsistencies. In: IASTED INTERNATIONAL CONFERENCE ON ARTITFICIAL INTELLIGENCE AND SOFT COMPUTING (ASC99). Anais... Honolulu, Hawaii, USA, 1999, p. 221-225. [37] ABE, J. M.; VILA, B. C.; NAKAMATSU, K. Paraconsistent Annotated Logic Programming Paralog. International Journal of Computing Anticipatory Systems, v. 6, p. 51-65, 1999. [38] ABE, J. M. & DA SILVA FILHO, J. I. Inconsistency and Electronic Circuits. In: INTERNATIONAL ICSC SYMPOSIUM ON ENGINEERING OF INTELLIGENT SYSTEMS (EIS98). v 3. ALPAYDIN, E. [ed.]. Artificial Intelligence, ICSC Academic Press International Computer Science Conventions, Canada/Switzerland, p. 191-197, 1998. [39] AKAMA, S. & ABE, J. M. Fuzzy annotated logics. In: 8TH INTERNATIONAL CONFERENCE ON INFORMATION PROCESSING AND MANAGEMENT OF UNCERTAINTY IN KNOWLEDGE BASED SYSTEMS, IPMU2000. Anais... Universidad Politcnica de Madrid (Spain), jul. 3-7, 2000, Madri, Espanha, v. 1, 504-508, 2000. [40] DA COSTA, N. C. A.; ABE, J. M.; SUBRAHMANIAN, V. S. Remarks on Annotated Logic. Zeitschrift fur Mathematische Logik und Grundlagen der Mathematik, v. 37, p.561-570, 1991. [41] DA COSTA, N. C. A.; ABE, J. M.; DA SILVA FILHO, J. I.; MUROLO, A. C.; LEITE, C. F. S. Lgica Paraconsistente Aplicada. So Paulo: Atlas, 1999.
135
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos [42] DA COSTA, N. C. A.; PRADO, J. P. A.; ABE, J. M.; VIVA, B. C.; RILLO, M. Paralog: Um Prolog Paraconsistente Baseado Em Lgica Anotada. Coleo Documentos Srie Lgica e Teoria da Cincia, col. Documentos, IEA - USP, So Paulo, n.18, p.1 - 28, 1995. [43] DA SILVA FILHO, J. I. Implementao de Circuitos Lgicos Fundamentados em Uma Classe de Lgicas Paraconsistentes Anotada. 1997. 131 fl. Tese (Mestrado). Escola Politcnica da Universidade de So Paulo, So Paulo. [44] NAKAMATSU, K.; ABE, J.M.; SUZUKI, A. Defeasible Reasoning Between Conflicting Agents Based on VALPSN. AMERICAN ASSOCIATION FOR ARTIFICIAL INTELLIGENCE - AAAI99, AAAI Press American Association for Artificial Intelligence, Menlo Park, California, USA, p. 20-27, 1999. [45] NAKAMATSU, K.; ABE, J.M.; SUZUKI, A. Annotated Semantics for Defeasible Deontic Reasoning, Rough Sets and Current Trends in Computing, THE SECOND INTERNATIONAL CONFERENCE ON ROUGH SETS AND CURRENT TRENDS IN COMPUTING - RSCTC'2000. Banff, Canada, Lecture Notes in Artificial Intelligence series, LNAI 2005, Springer-Verlag, 470-478, 2000. [46] SCALZITTI, A.; DA SILVA FILHO, J. A.; ABE. A Formalization for Signal Analysis of Information in Annotated Paraconsistent Logics. In: 2ND CONGRESS OF LOGIC APPLIED TO TECHNOLOGY LAPTEC2001. Frontiers in Artificial Intelligence and Applications, IOS Press, Amsterdan, v. 71, p.215-223, p. 286, 2001. [47] SYLVAN, R. & ABE, J. M. On general annotated logics, with an introduction to full accounting logics. Bulletin of Symbolic Logic, n. 2, p. 118-119, 1996.
136
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos [48] DA SILVA FILHO, J. I. & ABE, J. M. Fundamentos das Redes Neurais Paraconsistentes: Destacando Aplicaes em Neurocomputao. So Paulo: Arte & Cincia, 2001c. [49] DA SILVA FILHO, J. I.; ABE, J. M.; LAMBERT-TORRES, G. Inteligncia Artificial com Redes de Anlises Paraconsistentes: Teoria e Aplicao. Rio de Janeiro: LTC, 2008. [50] ABE, J. M. & DA SILVA FILHO, J. I. A Para-Analyser Method to Increase Robot Availability Through Maintenance. In: INTERNATIONAL CONFERENCE ON INDUSTRIAL LOGISTIC 2001. Anais... 9-12 July 2001, Okinawa, Japan, p. 327-337, 2001. [51] ABE, J. M. & DA SILVA FILHO, J. I. Simulating Inconsistencies in a Paraconsistent Logic Controller. In : FIFTH INTERNATIONAL CONFERENCE ON COMPUTING ANTICIPATORY SYSTEMS, CASYS2001. CHAOS, Centre for Hyperincursion and Anticipation in Ordered Systems CHAOS asbl, Institut de Mathmatique, Universit de Lige, Lige, Belgium, 2001b. [52] ABE, J. M. & J. I. DA SILVA FILHO, Manipulating Conflicts and Uncertainties in Robotics, Journal of Multiple-Valued Logic and Soft Computing, Philadelfia, USA, Old City Publishing, v. 9, n. 2, p. 147-169, 2003. [53] POLAROID, Manual do sensor de ultrassom com sistema POLAROID 500, 1996. [54] DESIDERATO, J. M. G. & DE OLIVEIRA, E. N. Primeiro Prottipo do Rob Mvel Autnomo Emmy III. 2006. Monografia (Trabalho de Concluso de Curso). Universidade Metodista de So Paulo, So Bernardo do Campo, SP.
137
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos [55] MARAN, L. H. C.; RIBA, P. A.; COLLETT, R. G.; DE SOUZA, R. R. Mapeamento de um ambiente no estruturado para orientao de um rob mvel autnomo utilizando redes neurais paraconsistente. 2006. Monografia (Trabalho de Concluso de Curso). Universidade Metodista de So Paulo, So Bernardo do Campo. [56] LEAL, B. R., DA SILVA, D. M. & VIEIRA D. B. Segundo Prottipo do Rob Mvel Autnomo Emmy III. 2009. Monografia (Trabalho de Concluso de Curso). Universidade Metodista de So Paulo, So Bernardo do Campo, SP. [57] BOREINSTEIN, J. & KOREN, Y. The Vector field Histogram: Fast Obstacle
Avoidance for Mobile Robots. IEEE Journal of Robotics and Automation. v. 7, p. 278288, jun. de 1991. [58] SHOVAL, S.; ULRICH, I.; BORENSTEIN, J. Robotics-Based Obstacle-Avoidance Systems for the Blind and Visually Impaired NavBelt and the GuideCane. IEEE ROBOTICS & AUTOMATION MAGAZINE, 9-20, mar. de 2003. [59] ELFES, A. Using occupancy grids for mobile robot perception and navigation. Comp. Mag., v. 22, n, 6, p. 46-57, jun. de 1989. [60] BARRETO, G. A.; ARAJO, A. F. R.; ROSA, M. O. Algoritmo de Busca Heurstica Usando Redes Neurais Competitivas para Planejamento timo de Trajetria de um Rob Mvel. In: III CONGRESSO BRASILEIRO DE REDES NEURAIS (CBRN'97). Anais... Florianpolis, SC, p. 408-413, 1997. [61] DU Xin; CHEN Hua-hua; GU Wei-kang. Neural network and genetic algorithm based global path planning in a static environment. Journal of Zhejiang University SCIENCE, 6A(6) p.549-554, 2005.
138
Aplicaes da Lgica Paraconsistente Anotada Evidencial E em Robs Mveis Autnomos [62] KUBOTA, N.; HISAJIMA, D.; KOJIMA, F.; FUKUDA, T. Fuzzy and Neural Computing for Communication of a Partner Robot. Journal of Multiple-Valued Logic and Soft Computing, Philadelfia, USA, Old City Publishing, v. 9, Number 2, p. 221-239, 2003. [63] MILLS, J. W.; WALKER, T.; HIMEBAUGH, B. Lukasiewicz Insect: ContinuousValued Robotic Control After Ten Years. Journal of Multiple-Valued Logic and Soft Computing, Philadelfia, USA, Old City Publishing, v. 9, n. 2, p. 131-146, 2003. [64] PRASSLER, E.; RITTER, A.; SCHAEFFER, C.; FIORINI, P. A Short History of Cleaning Robots. Journal of Autonomous Robots. Springer Netherlands, p. 211-226, 2004.
Cludio Rodrigo Torres - Doutorado (2010) e Mestrado (2004) em Engenharia Eltrica pela Universidade Federal de Itajub. Graduao em Engenharia Eltrica pela Universidade Santa Ceclia (2000). Membro do Grupo de Lgica Paraconsistente Aplicada GLPA e do Grupo Interdisciplinar de Gesto de Cidades. Atualmente professor da Faculdade de Exatas e Tecnologia da Universidade Metodista de So Paulo.
139
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD)
Fbio Romeu de Carvalho Universidade Paulista UNIP
Resumo O objetivo deste captulo fazer um apanhado do que produzimos com relao aplicao de lgica paraconsistente em tomadas de deciso, dando destaque ao resultado maior de nossa pesquisa: o Mtodo Paraconsistente de Deciso (MPD). Para isso, apresentamos os pontos mais utilizados da lgica paraconsistente anotada evidencial E , com destaque para a conceituao de estado de verdade, estado de falsidade, estado inconsistncia e estado de paracompleteza, e para as definies de grau de certeza e grau de incerteza. A partir desses conceitos, mostramos como estabelecida a regra de deciso e o algoritmo para-analisador. Para a edificao do dispositivo para tomadas de deciso, definimos dois operadores dessa lgica, que denominamos de MX (maximizante) e MN (minimizante) e que geram as chamadas regras de maximizao e de minimizao, respectivamente. Alm disso, apresentamos os critrios adotados para a aplicao de um ou do outro. Descrevemos o MPD em suas diferentes etapas e mostramos, de forma sucinta, um exemplo de sua aplicao. Finalmente, relatamos algumas aplicaes do MPD com as
140
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) correspondentes referncias bibliogrficas, procurando evidenciar sua utilidade e o interesse que vem despertando na comunidade cientfica mundial. Palavras-chave: Tomada de deciso, regra de deciso, algoritmo para-analisador, grau de certeza, nvel de exigncia.
Abstract The aim of this chapter is to do an overview of what we produced about the application of paraconsistent logic in decision making, emphasizing the main result obtained in our research: the Paraconsistent Decision Method (PDM). For that, the more utilized paraconsistent annotated evidential logic E s points are introduced, detaching the concepts of truth state, falsity state, inconsistent state, paracomplete state, degree of certainty and degree of uncertainty. From these concepts, we show as the decision rule and the para-analyzer algorithm are established. To build the device to do the decision making, we define two operators of that logic, which we called MX (maximizer) e MN (minimizer). From these operators originate the rules of maximization and of minimization, respectively. In addition to it, we present the adopted criterion for the application of each one. Lastly, we describe the different phases of the PDM with its bibliographical references, making its usefulness evident and the world-wide scientific community interest about it. Keywords: Decision making, rule of decision, para-analyzer algorithm, degree of certainty, level of requirement
141
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) 1. Consideraes Iniciais Durante o desenvolver do mestrado (quando nos dedicamos lgica) e do doutorado (quando nos dedicamos a tomadas de deciso), estudamos e lemos bastante sobre teoria das decises. Concentramos a ateno, destacadamente, nos processos de deciso adotados na Administrao [31, 38], nas decises utilizadas nas Organizaes [37] e nos processos inerentes Engenharia de Produo [25, 26, 36, 42]. Durante todo o percurso, observamos que, praticamente, todos os processos se preocupam em utilizar informaes objetivas, coletadas no decorrer do tempo e catalogadas de certa forma; observei tambm que nenhum processo de deciso procurava usar informaes mais intangveis que decorrem do conhecimento, experincia, vivncia, sensibilidade, intuio etc. dos especialistas nos diferentes assuntos. Essas informaes, geralmente no catalogadas, so de grande relevncia nas decises nas empresas. Tanto assim que, em um bom nmero de casos, as decises so tomadas pelo dirigente da empresa utilizando quase que exclusivamente sua experincia, com base em seu conhecimento e em sua intuio, adquiridos no decorrer dos anos. Portanto, o dirigente usa informaes que esto em sua cabea (crebro) e em seu corao (sentimento, intuio), mas que no esto catalogadas em qualquer outro lugar. Ento, firmamos o propsito de encontrar uma maneira de usar essas informaes (conhecimento, experincia, vivncia, sensibilidade dos especialistas) nas tomadas de deciso, mas de forma que elas possam ser utilizadas sem participao direta do especialista, sem sua interferncia, sem sua presena. Ou seja, a idia era usar as informaes decorrentes do conhecimento e da intuio das pessoas especialistas e vividas numa dada rea para ajudar a outros nas tomadas de deciso.
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Mas, como armazenar conhecimento, experincia, vivncia, sensibilidade, intuio de uma pessoa, para que outros possam se utilizar desses ingredientes em suas tomadas de deciso? Afinal so valores bastante intangveis. Aps muito pensar e pesquisar, vislumbramos a possibilidade de utilizar a lgica paraconsistente anotada evidencial E. Esta permite com que evidncias (opinies, pareceres, diagnsticos etc.) valiosas de pessoas especialistas possam ser armazenadas sob a forma de nmeros. Dessa maneira, essas evidncias, armazenadas sob a forma de nmeros, passam a poder ser usadas por decisores no especialistas. Alguns aspectos pareceram-nos relevantes nessa idia. A lgica paraconsistente anotada evidencial E permite traduzir o back-ground de um especialista por meio dos graus de evidncia favorvel (ou de crena) e de graus de evidncia contrria (ou de descrena), ou seja, por meio de nmeros; permite tambm manipular esses dados mesmo que sejam inconsistentes, contraditrios ou paracompletos. Outro aspecto que julgamos relevante que, uma vez colhidas as opinies de especialistas por meio dos graus de evidncia, essas informaes passam a ser disponveis a outras pessoas e por muito tempo, sem a necessidade da interveno do especialista, evitando-lhe o trabalho e o incmodo de estar sendo chamado a intervir a toda necessidade. , praticamente, uma perpetuao dessas opinies, que podero ajudar nas tomadas de deciso por muito tempo. Sem detalhar demasiadamente, neste captulo, vamos tentar apresentar o que chamamos de Mtodo Paraconsistente de Deciso (MPD).
143
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) 2. Noes da Lgica Paraconsistente Anotada evidencial E A lgica paraconsistente, cuja descoberta recente atribuda ao brasileiro, Prof. Dr. Newton C. A. da Costa, uma lgica rival da clssica, uma vez que derroga o princpio da no-contradio. Ou seja, aceita contradies (proposies da forma (A estrutura sem se trivializar, ao contrrio do que acontece com a clssica. Como uma vertente dessa espcie de lgica, surgiu a paraconsistente anotada, decorrente de trabalhos de pesquisa de Da Costa, Subrahmanian e Vago [8], que fizeram o primeiro estudo sinttico e semntico de tal lgica, completado por Abe [1]. Este, com seu grupo de pesquisas, avanou e, posteriormente, introduziu a lgica paraconsistente anotada evidencial E. Nesta, uma proposio p representada por p(a; b), com a e b variando no intervalo fechado real [0, 1]. Portanto, o par (a; b) pertence ao produto cartesiano [0, 1] [0, 1]. O nmero A)) em sua
real a traduz o grau de evidncia favorvel a p, e b, o grau de evidncia contrria a p. (a e b so tambm chamados de grau de crena e grau de descrena em p, respectivamente). O par = (a; b) chamado de constante de anotao [13]. Assim, como valores extremos, temos: o par (1; 0) traduz o estado lgico chamado de verdade (V); (0; 1), falsidade (F); (1; 1), inconsistncia (T), e o par (0; 0) traduz o estado lgico chamado de paracompleteza ( ).
O conjunto | | = [0, 1]
[0, 1] com a relao de ordem * a1
*constitui o reticulado das a2 e b1 b2).
anotaes ( * definida por ((a1; b1), (a2; b 2))
Representado no plano cartesiano, o reticulado das anotaes define o chamado quadrado unitrio do plano cartesiano (Figura I).
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD)
b
1,0
D = (0; 1)
B = 1; 0)
A = (0; 0) - paracompleteza ( )
X = (a; b)
B = (1; 1) - inconsistncia (T)

C = (1; 0) - verdade (V)
D = (0; 1) - falsidade (F) AB: linha perfeitamente indefinida (LPI) CD: linha perfeitamente definida (LPD)
0,0
0,0 A = (0; 0) 1,0
C = (1; 0)
a
Figura I - Quadrado unitrio do plano cartesiano Para uma dada constante de anotao = (a; b), so definidos: G(a; b) = a + b 1, chamado grau de incerteza, e H(a; b) = a b, chamado grau de certeza. O segmento CD, para o qual G = 0, chamado de linha perfeitamente definida (LPD); AB, para o qual H = 0, chama-se linha perfeitamente indefinida (LPI). O quadrado unitrio do plano cartesiano pode ser dividido em regies que traduzem estados lgicos com caractersticas diferentes. Uma diviso que atribui ao reticulado que ele representa uma caracterizao interessante e conveniente a que se obtm por meio das chamadas linhas limites (Figura II), dividindo-o em doze regies.
145
b
1,0
D
H
S F
B
AB: linha perfeitamente indefinida
0,8
CD: linha perfeitamente definida O
0,6
T N
I
0,4
R J Q
MN: linha limite de paracompleteza
RS: linha limite de inconsistncia

PQ: linha limite de verdade
0,2
E
0,0 0,0 0,2
M
0,4
P K 0,6
0,8
G
1,0
C a
TU: linha limite de falsidade
Figura II - Diviso do quadrado unitrio do plano cartesiano em doze regies Dessas doze regies, destacam-se as quatro regies extremas: regio de verdade (CPQ), regio de falsidade (DTU), regio de paracompleteza (AMN) e regio de inconsistncia (BRS).
3. Operadores da Lgica Paraconsistente Anotada Evidencial: NOT, MX e MN O operador NOT definido por NOT(a; b) = (b; a). Numericamente: NOT (0,8; 0,3) = (0,3; 0,8) Notemos que: NOT (T) = T; NOT ( ) = ; NOT (V) = F e NOT (F) = V.
Ento:
p(0,8; 0,3) = p(0,3; 0,8) = p[~ (0,8; 0,3)].
O operador MX (que ser chamado de maximizante) definido para ser aplicado a um grupo de n anotaes (n 1); atua de modo a maximizar o grau de certeza (H = a b)
146
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) desse grupo de anotaes, selecionando a melhor evidncia favorvel (maior valor de a) e a melhor evidncia contrria (menor valor de b). Ele definido da seguinte forma: MX {(a1; b1), (a2; b2), ... (an; bn)} = (mx{a1, a2, , an}; mn{b1, b2, , bn}) O operador MN (que ser chamado de minimizante) definido para ser aplicado a um grupo de n anotaes (n 1); atua de modo a minimizar o grau de certeza (H = a b) desse grupo de anotaes, selecionando a pior evidncia favorvel (menor valor de a) e a pior evidncia contrria (maior valor de b). Ele definido da seguinte forma: MN {(a1; b1), (a2; b2), ... (an; bn)} = (mn{a1, a2, , an}; mx{b1, b2, , bn}) Sendo 1 = (a1; b1), 2 = (a2; b2) e a1 a2 e b1 b2, decorre que MX {1, 2) = MX {(a1; b1), (a2; b2)}= (a2; b1) e MN {1, 2) = MN {(a1; b1), (a2; b2)}= (a1; b2). Nas aplicaes dos operadores MX e MN em estudo de casos reais, para o auxlio nas tomadas de deciso, alguns detalhes devem ser observados. Como j vimos, o operador MX tem o sentido de fazer a maximizao do grau de certeza para um conjunto de anotaes. Portanto, deve ser aplicado em situaes em que os dois ou mais itens considerados no so todos determinantes, bastando que um deles tenha condio favorvel para se considerar satisfatrio o resultado da anlise. O operador MN tem o sentido de fazer a minimizao do grau de certeza para um conjunto de anotaes. Portanto, ele deve ser aplicado em situaes em que os dois ou mais itens considerados so todos determinantes, sendo indispensvel que todos apresentem condies favorveis para que se possa considerar o resultado da anlise satisfatrio.
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Normalmente, o que se faz, ao se projetar a anlise de uma situao real, separar os itens pesquisados (ou os especialistas) em grupos. Estes devem ser constitudos de tal forma que: a) a existncia de um item (ou um especialista) dentro de cada grupo com condio favorvel seja suficiente para se considerar o resultado do grupo como satisfatrio; b) haja tantos grupos quanto for o nmero mnimo de itens (ou de especialistas) que devem ter condies favorveis para se considerar o resultado da pesquisa como satisfatrio. Feita esta diviso, aplica-se o operador MX dentro de cada grupo (intragrupo) e, depois, o operador MN entre os resultados obtidos nos grupos (entre grupos). Por exemplo, consideremos um conjunto de quatro especialistas, distribudos em dois grupos: A, pelos especialistas E1 e E2, e B, pelos especialistas E3 e E4. Sendo assim, aplica-se a regra de maximizao (operador MX) dentro de cada grupo (intragrupo) e a regra de minimizao (operador MN) para os resultados obtidos nos dois grupos (entre grupos). A aplicao das regras, neste caso, fica assim: MN {MX [(E1), (E2)]; MX [(E3), (E4)]} ou MN {[GA]; [GB]} Esta maneira de aplicar as regras de maximizao e de minimizao para tomadas de deciso conhecida como princpio do mn/mx ou de deciso otimista, pois minimiza o maior grau de certeza [37]. A aplicao desses operadores permite determinar possveis inconsistncias da base de dados e verificar at que ponto elas so aceitveis ou no em tomadas de deciso.
148
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) A lgica paraconsistente anotada evidencial E, embora de descoberta muito recente, vem encontrando aplicaes em diversos campos de atividades. Acredita-se que a adequao da lgica E a essas aplicaes se deva ao fato de permitir que se trabalhe com bases de conhecimentos contendo dados imprecisos, inconsistentes e paracompletos, mas no triviais. De fato, na maioria das vezes, quando se faz uma pesquisa entre clientes ou fornecedores ou mesmo entre especialistas, as informaes obtidas so vagas ou nem sempre so consistentes e pode-se mesmo deparar com dados incompletos. Dessa forma, para se tratar uma base de dados com essas caractersticas, conveniente uma ferramenta que seja de simples aplicao, eficiente e, de preferncia, seja facilmente informatizada. E este exatamente o perfil da lgica E . Por intermdio dela consegue-se analisar os dados, apesar de imprecisos, inconsistentes e paracompletos, filtr-los e chegar a um resultado final que, analisado no reticulado , permitir uma concluso.
4. As Regies de Deciso e a Regra de Deciso Na Figura II, vimos o quadrado unitrio do plano cartesiano ser dividido em doze regies. Destas, destacam-se quatro regies extremas. Nas regies AMN e BRS, o mdulo do grau de incerteza tem valor alto (prximo de 1) e o mdulo do grau de certeza baixo (prximo de zero). Na representao da Figura II, |G| 0,6 e |H| < 0,6. Portanto, os pontos X = (a; b) dessas duas regies traduzem estados lgicos de alta incerteza (inconsistncia (ou contradio) ou paracompleteza), mas de pouca certeza. Sendo assim, no se prestam para tomadas de deciso, uma vez que apenas acusam que os dados que levaram ao par (a; b) apresentam alta incerteza.
149
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Nas regies CPQ e DTU ocorre exatamente o contrrio: o mdulo do grau de incerteza tem valor baixo (prximo de 0) e o mdulo do grau de certeza alto (prximo de 1). Na representao da Figura II, |G| < 0,6 e |H| 0,6. Portanto, os pontos X = (a; b) dessas duas regies traduzem estados lgicos de baixa incerteza (contradio (ou inconsistncia) ou paracompleteza), mas de alta certeza (verdade ou falsidade). Sendo assim, elas se prestam para tomadas de deciso, pois traduzem um alto grau de certeza no empreendimento que se est analisando. Por isso, elas foram chamadas de regies de deciso. A regio CPQ, na qual o grau de certeza associado a um ponto X = (a; b) a ela pertencente tem mdulo alto e positivo (prximo de 1), chamada de regio de verdade. A certeza obtida das informaes alta e favorvel ao sucesso do empreendimento, da ser a regio de deciso favorvel. A outra, DTU, na qual o grau de certeza tambm tem mdulo alto e negativo (prximo de 1), chamada de regio de falsidade. A certeza obtida das informaes alta, mas desfavorvel (contrria) ao sucesso do empreendimento, da ser a regio de deciso desfavorvel (ou contrria). Observemos que h um valor do mdulo do grau de certeza (|H|) que define as regies de verdade e de falsidade. No caso da Figura II, esse valor 0,6. Portanto, se o grau de certeza resulta igual ou maior que 0,6 (H 0,6), o estado lgico resultante X = (a; b) est prximo do estado extremo (ou cardeal) de verdade (ponto C) e dizemos que a deciso favorvel (o empreendimento vivel). Caso contrrio, se o grau de certeza resulta igual ou menor que 0,6 (H 0,6), o estado lgico resultante X = (a; b) est prximo do estado extremo (ou cardeal) de falsidade (ponto D) e dizemos que a deciso desfavorvel (o empreendimento invivel).
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Observemos tambm que, quanto maior for o valor do mdulo do grau de certeza (|H|) que define as regies de deciso, menor so essas regies, ou seja, mais exigente se torna a deciso. Exatamente por isso, o mdulo do grau de certeza (|H|) que define as regies de deciso foi chamado de nvel de exigncia (NE). Dessa forma, a regra de deciso pode ser escrita da seguinte maneira: H H NE NE NE H deciso favorvel (o empreendimento vivel); deciso desfavorvel (o empreendimento invivel); NE anlise no conclusiva.
O quadrado unitrio do plano cartesiano dividido em regies como na Figura II, por exemplo, chamado de algoritmo para-analisador. De fato, cada regio da Figura II traduz um conjunto de estados lgicos que determinam a tendncia da situao analisada, como resumido na Tabela I. Tabela I Resumo da anlise de doze regies do quadrado unitrio do plano cartesiano (QUPC)
Regio a [0; 0,4 ] AM N [0,6; 1] BRS [0,6; 1] CPQ [0; 0,4] DTU OFSL OHUL OHTI [0,5; 0,8 [ ] 0,2; 0,5 [ [0; 0,5 [ [0,5; 1] [0,5; 1] [0,5; 0,8 [ [0; 0,6 [ [0; 0,5 [ [ 0,5; 0 [ ] 0,6; 0 [ ] 0,6; 0 [ [ 0,5; 0 [ [0; 0,5 [ [ 0,5; 0 [ ] 0,6; 0 [ ] 0,6; 0 [ ] 0,5; 0 [ Quase inconsistncia tendendo falsidade Quase falsidade tendendo inconsistncia Quase falsidade tendendo paracompleteza OENI [0; 0,5 [ ] 0,2; 0,5[ Quase paracompleteza tendendo falsidade OEMK OGPK OGQJ ] 0,2; 0,5 [ [0,5; 0,8 [ [0,5; 1 ] [0; 0,5 [ [0; 0,5 [ ] 0,2; 0,5 [ [0; 0,5 [ [0; 0,6 [ [0; 0,6 [ Quase paracompleteza tendendo verdade Quase verdade tendendo paracompleteza Quase verdade tendendo inconsistncia Q QV QV V Q F Q QF QF F [0,6; 1] [-0,4; 0,4] [-1; -0,6] Falsidade F [0; 0,4] [-0,4; 0,4] [0,6; 1] Verdade V [0,6; 1] [0,6; 1] [-0,4; 0,4] Inconsistncia b [0; 0,4] Gcontr [-1; -0,6] Hcert [-0,4; 0,4] Descrio Paracompleteza (ou Indeterminao) Representao
151

OFRJ [0,5; 1 ] [0,5; 0,8 [ [0; 0,6 [ [0; 0,5] Quase inconsistncia tendendo verdade Q V
5. O Mtodo Paraconsistente de Deciso (MPD) Toda deciso sensata deve ser baseada em uma grande srie de fatores que podem influenciar no empreendimento em anlise. Destes, cada um vai influenciar de uma maneira, dando indicao pela viabilidade (deciso favorvel) ou pela inviabilidade (deciso desfavorvel) do empreendimento ou, ainda, o fator pode se mostrar no conclusivo, no dando indicao, nem favorvel e nem contraria. Isso fica bem perceptvel quando se utiliza o algoritmo para-analisador, ou seja, quando os valores dos graus de evidncia favorvel (ou graus de crena) (ai,R) e dos graus de evidncia contrria (ou graus de descrena) (bi,R), resultantes para cada fator, so plotados de modo que cada fator fique representado por um ponto X = (a; b) do reticulado . Entretanto, trabalhar com um nmero muito grande de fatores no razovel, pois tornaria o mtodo exaustivo e dispendioso. Assim, o que se prope escolher e utilizar apenas os mais importantes, os de maior influncia na deciso, dentro do limite da racionalidade limitada preconizada por Simon, que trabalha com um modelo simplificado da realidade, considerando que muitos aspectos da realidade so substancialmente irrelevantes em dado instante; ele efetua sua escolha de alternativa baseado no padro satisfatrio da situao real considerando apenas alguns dos fatores mais relevantes e cruciais [37]. Normalmente, saber como a influncia isolada de cada fator no apresenta interesse relevante. O que realmente interessa na anlise da viabilidade de um empreendimento a influncia conjunta de todos os fatores escolhidos, que traduzida por um estado lgico final que denominamos baricentro (W). Este representado por um ponto W do
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) reticulado , cujas coordenadas (aW e bW) so determinadas pela mdia ponderada das coordenadas do pontos Xi = (ai,R, bi,R) de , que traduzem a influncia resultante de cada um dos fatores, isoladamente.
5.1. Etapas do Mtodo Paraconsistente de Deciso O Mtodo Paraconsistente de Deciso (MPD) consiste de oito etapas, aqui apenas apresentadas, mas que sero detalhadas na seqncia do texto. 1) Fixar o nvel de exigncia (NE) da deciso que se pretende tomar. 2) Selecionar os fatores (Fi) mais importantes e de maior influncia na deciso. 3) Estabelecer as sees (Sj) para cada um dos fatores (podem ser estabelecidas trs, quatro, cinco ou mais sees, dependendo do caso e da detalhamento desejado). 4) Construir a base de dados, que constituda pelos pesos (Pi) atribudos aos fatores (quando se quer distingui-los pela importncia) e pelos valores da evidncia favorvel (ou grau de crena) (a) e da evidncia contrria (ou grau de descrena) (b) atribudos a cada um dos fatores em cada uma das sees; os pesos e os valores das evidncias so atribudos por especialistas escolhidos convenientemente para opinar. (A base de dados pode, tambm, ser construda com dados estatsticos armazenados, obtidos em experincias anteriores na realizao de empreendimentos similares). 5) Fazer a pesquisa de campo (ou levantamento de dados) para verificar, no caso em anlise, em que seo (condio) cada um dos fatores se encontra.
153
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) 6) Obter o valor do grau de evidncia favorvel (ai,R) e o valor do grau de evidncia contrria (bi,R), resultantes para cada um dos fatores (Fi), com 1 i n, escolhidos, nas
sees encontradas na pesquisa (Spj), por meio de aplicaes das tcnicas de maximizao (operador MX) e de minimizao (operador MN) da lgica E . 7) Obter o grau de evidncia favorvel (aW) e o grau de evidncia contrria (bW) do baricentro dos pontos que representam os fatores escolhidos no reticulado . 8) Tomar a deciso, aplicando-se a regra de deciso ou o algoritmo para-analisador.
5.2. Detalhamento das Etapas do Mtodo Paraconsistente de Deciso (MPD) Para se fazer uma anlise de viabilidade de um empreendimento para uma tomada de deciso, o planejamento fica sob a coordenao uma determinada pessoa (o prprio empresrio, um engenheiro, um consultor etc.). Esta trabalhar os dados de tal forma a "traduzi-los" para a linguagem da lgica E , permitindo, assim, uma "plotagem" adequada s anlises do ferramental oferecido por essa lgica.
5.2.1. Fixao do Nvel de Exigncia A primeira tarefa fixar o nvel de exigncia da deciso a ser tomada, o qual depende da segurana que se pretende para a deciso, da responsabilidade que ela implica, do montante do investimento em jogo, do envolvimento ou no de risco para vidas humanas ou para o meio ambiente etc.
154
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Quando fixamos o nvel de exigncia da deciso, automaticamente so definidas as regies de deciso e, por conseqncia, tambm a regra de deciso e o algoritmo para-analisador. Por exemplo, se for fixado o nvel de exigncia igual a 0,70 (ou seja, se for estabelecido que a deciso somente ser tomada quando o mdulo da diferena entre os graus de evidncia favorvel e de evidncia contrria do baricentro for, no mnimo, igual a 0,70), a regra de deciso e o algoritmo para-analisador sero os representados na Figura III. H H
b 1,0 H 0,8 R T
0,6
0,70 0,70
U
deciso favorvel (empreendimento vivel); deciso desfavorvel (empreendimento invivel); H

L
0,70
0,70
S
anlise no conclusiva.
PQ: linha limite de verdade TU: linha limite de falsidade
F
Algoritmo para-analisador
MN: linha limite de paracompleteza RS: linha limite de inconsistncia CPQ: regio de verdade ou de deciso favorvel DTU: regio de falsidade ou de deciso desfavorvel AMN: regio de paracompleteza
E M 0,2 0,4 K 0,6 P 0,8 1,0 a G
I
0,4 N 0,2
BRS: regio de inconsistncia MNTUSRQP: regio de baixa definio
0,0 0,0
Figura III Regra de deciso e algoritmo para-analisador, para nvel de exigncia 0,70.
5.2.2. Escolha dos Fatores de Influncia A segunda tarefa pesquisar e verificar quais so os fatores que influem no sucesso (ou fracasso) do empreendimento, por meio de consultas a pessoal que milita em instituio de
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) mesmo ramo ou de ramo similar, a compndios especializados, a especialistas no assunto, a outros projetos do mesmo empreendimento ou de empreendimentos similares etc. Pesquisados os fatores que influem no sucesso (ou fracasso) do empreendimento, devemos selecionar os n fatores Fi (1 i n) mais importantes e de maior influncia, ou seja,
aqueles cujas condies afetam acentuadamente a viabilidade do empreendimento. Se os fatores escolhidos podem influir de maneiras diferentes ou se tm importncias diferentes na deciso, essas diferenas podero ser compensadas pela atribuio de pesos diferentes a cada um dos fatores escolhidos.
5.2.3. Estabelecimento das Sees para cada Fator A misso seguinte estabelecer as s sees Si,j (1 j s), que traduzem as condies em
que cada fator poder ser encontrado. Ento, dependendo do refinamento que pretende dar anlise, podemos fixar mais (ou menos) sees. Optando-se por fixar trs sees, elas sero: S1 o fator est em condio favorvel ao empreendimento; S2 o fator est em condio indiferente ao empreendimento; S3 o fator est em condio desfavorvel ao empreendimento. Se optarmos por fixar cinco sees, elas sero: S1 o fator est em condio muito favorvel ao empreendimento; S2 o fator est em condio favorvel ao empreendimento; S3 o fator est em condio indiferente ao empreendimento; S4 o fator est em condio desfavorvel ao empreendimento;
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) S5 o fator est em condio muito desfavorvel ao empreendimento.
5.2.4. Construo da Base de Dados Uma tarefa importante a construo da base de dados. Para isso, devemos escolher m especialistas Ek (1 k m), da rea ou de reas afins. Na escolha dos especialistas, se
possvel, deve-se procurar pessoas com formaes diferentes, para que a atribuio de valores no seja decorrente de uma nica linha de pensamento. Notemos que o processo apresenta uma grande versatilidade, uma vez que permite a escolha de mais (ou menos) fatores de influncia, permite o estabelecimento de trs ou mais sees para cada fator, como tambm a utilizao de um nmero maior (ou menor) de especialistas. Embora o processo permita, no aconselhvel a utilizao de menos de quatro especialistas, para que o resultado no fique dotado de muita subjetividade. Primeiramente, os especialistas diro se, dentre os fatores escolhidos, h distino quanto importncia. Se no houver, ser atribudo o peso igual a 1 (um) para todos; se houver, cada especialista atribuir a cada fator o peso qi,k que julgar adequado, levando-se em conta a importncia do fator em relao aos outros na deciso que ser tomada. qi,k = peso atribudo pelo especialista k ao fator i. Na atribuio desses pesos, algumas restries podem ser impostas, como, por exemplo, que os pesos devam ser nmeros inteiros positivos e que pertenam ao intervalo [1, 10]. Atribudos os pesos a todos os fatores por todos os especialistas convocados, adotar-se- como peso final Pi de cada fator a mdia aritmtica dos pesos atribudos pelos especialistas.

m
qi , k Pi
k 1
= peso do fator i devido a todos os especialistas.
(I)
Observemos que h a possibilidade de os especialistas serem distinguidos conforme o background (prtica, experincia, conhecimento) de cada um, atribuindo-se a eles pesos diferentes rk. Nesse caso, o peso final Pi de cada fator deixaria de ser uma mdia aritmtica e passaria a ser uma mdia ponderada. rk = peso atribudo pelo engenheiro do conhecimento ao especialista k.
m
rkqi , k Pi
k 1 m
= peso do fator i devido a todos os especialistas.
(II)
rk
k 1
Essa apenas uma nuana do mtodo, mostrando a sua versatilidade e a grande quantidade de opes que d ao usurio. A tarefa seguinte para construir a base de dados solicitar aos especialistas que atribuam o grau de evidncia favorvel (ou grau de crena) (a) e o grau de evidncia contrria (ou grau de descrena) (b) a cada um dos fatores nas condies em que poder ser encontrado, as quais so caracterizadas pelas sees estabelecidas. Cada par ordenado (ai,j,k; bi,j,k) formado pelos valores dos graus de evidncia favorvel e contrria, atribudos por um especialista Ek a um fator Fi dentro da condio definida por uma seo Sj, constitui uma anotao simbolizada por
i,j,k.
A base de dados constituda pela matriz dos pesos, matriz coluna de n linhas, formada pelos pesos mdios Pi dos fatores, e pela matriz das anotaes
i,j,k
(anotaes bivaloradas)
com n x s linhas e m colunas, ou seja, com n x s x m elementos. Portanto, formada por

Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) todas as anotaes que os m especialistas atribuem a cada um dos n fatores dentro das condies definidas pelas s sees. A matriz [ elementos
i,j,k] i,j,k
pode ser representada por [(ai,j,k; bi,j,k)], uma vez que cada um de seus um par ordenado da forma (ai,j,k; bi,j,k).
Por exemplo, numa situao com quatro especialistas (m = 4), cinco fatores (n = 5) e trs sees para cada fator (s = 3), a matriz dos pesos, MP, um matriz coluna de 5 linhas (n = 5) e a matriz das anotaes, MA, da forma 15 x 4 (n x s = 5 x 3 = 15 e m = 4) como est indicado na Tabela II.
5.2.5. Pesquisa de Campo At aqui j completamos o dispositivo de tomadas de deciso. Portanto, j estamos aptos a aplicar o mtodo e chegar deciso final, usando informaes que sero coletadas por meio de pesquisa sobre a condio (definida pela seo) de cada fator de influncia. Portanto, o passo seguinte fazer a pesquisa de campo e verificar qual a condio real de cada um dos fatores de influncia, ou seja, pesquisar em que seo Si,j cada fator Fi se encontra. Feita essa pesquisa, obtemos um conjunto de n sees resultantes da pesquisa, Si,jp, com 1 i n, uma para cada fator, que traduzem em que condies reais os fatores se encontram i s, que foi obtido na pesquisa para o fator i). Esses
(jp traduz o particular valor de j, 1
n valores das sees resultantes da pesquisa constituem uma matriz coluna de n linhas. Com esse resultado podemos buscar na base de dados as opinies dos especialistas sobre a viabilidade do empreendimento nas condies em que os fatores se encontram.
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Dessa forma, da base de dados podemos destacar outra matriz, subconjunto dela, que ser chamada de matriz dos dados pesquisados, [
i,k],
de n linhas e m colunas, constituda pelas
linhas de MA correspondentes s sees Si,jp obtidas na pesquisa.
5.2.6. Clculo das Anotaes Resultantes Uma providncia precisa ser tomada: dividir os especialistas em grupos segundo critrios adotados pelo decisor. Na constituio dos grupos de especialista para aplicao dos operadores MX e MN em estudo de casos reais de auxlio s tomadas de deciso, alguns detalhes devem ser observados. O operador MX tem o sentido de fazer a maximizao do grau de certeza dentro de um conjunto de anotaes, escolhendo o maior grau de evidncia favorvel e o menor grau de evidncia contrria. Portanto, deve ser aplicado em situaes em que as opinies de dois ou mais especialistas (ou itens pesquisados) no so todas determinantes, bastando a opinio favorvel de apenas um deles para se considerar o resultado do grupo satisfatrio. Assim, se entre os especialistas houver um que merea especial destaque no assunto, ele deve ficar sozinho em um grupo, para que sua opinio seja necessariamente considerada. Mas, se houver dois especialistas de mesmo nvel e atuantes na mesma rea ou em reas correlatas, os dois podem ser colocados no mesmo grupo, pois, se a opinio de um for satisfatria, j suficiente para se considerar a opinio desse grupo como favorvel ao empreendimento. O operador MN, que tem o sentido de fazer a minimizao do grau de certeza dentro de um conjunto de anotaes, escolhendo o menor grau de evidncia favorvel e o maior grau
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) de evidncia contrria. Portanto, deve ser aplicado em situaes em que as opinies dos dois ou mais especialistas (ou itens pesquisados) so todas determinantes, sendo indispensvel que todas sejam favorveis para que se possa considerar o resultado da anlise satisfatrio. Um exemplo que pode esclarecer a formao dos grupos o seguinte. Imagine os quatro setores de um time de futebol: o goleiro (um jogador com o nmero 1), a defesa (quatro jogadores numerados de 2 a 5), o meio de campo (trs jogadores numerados de 6 a 8) e o ataque (trs jogadores numerados de 9 a 11). o que os futebolistas chamam de esquema 4-3-3. Um tcnico entende que, para que o time seja timo, deve ter um jogador timo em cada setor, ou seja, goleiro timo, um defensor timo, um meio campista timo e um atacante timo. Portanto, cada setor (grupo) julgado pelo seu jogador de maior qualidade, sugerindo que dentro de cada grupo (setor) seja aplicada a maximizao. Assim, numa anlise da viabilidade do time, os grupos j esto naturalmente constitudos. O goleiro, que nico no setor, constitui um grupo (A); os quatro da defesa constituem outro grupo (B), pois basta que um deles seja timo para atender exigncia de o time ser timo; analogamente, os trs do meio campo constituem o terceiro grupo (C) e os trs atacantes, o quarto grupo (D). Por outro lado, se todos os setores do time forem timos, ele ser considerado timo; mas se, pelo menos um setor no for timo, esse setor definir a categoria do time. Se ele for bom, o time ser apenas bom, apesar de ter os outros trs setores timos; se for mdio, o time ser mdio; e assim sucessivamente. Portanto, o time julgado pelo setor de pior qualidade, o que sugere a aplicao da regra de minimizao entre os grupos (setores).
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Com base no exposto, conclumos que a distribuio dos grupos e a aplicao dos operadores MX e MN ficam assim definidos: MN {[Grupo A], [Grupo B], [Grupo C], [Grupo D]} ou MN {[1], MX [2, 3, 4, 5], MX [6, 7, 8], MX [9, 10, 11]} ou MN [(aA; bA)], [(aB; bB)], [(aC; bC)], [(aD; bD)]} que pode ser representado pelo esquema da Figura IV.
Grupo A
Grupo B MX
Grupo C MX (a C; b C)
Grupo D MX (a D ; b D )
(a A ; b A )
(a B; b B)
MN (a R; b R) Deciso
Figura IV Esquema da aplicao dos operadores MX e MN Observemos que a influncia do goleiro muito acentuada, porque ele determina sozinho o resultado do grupo A. A importncia da anlise de uma situao real por meio dos operadores MX e MN est no fato de que, mesmo que as condies analisadas apresentem resultados contraditrios, estes so levados em conta. Isto significa que este mtodo aceita bases de dados que apresentam contradies, ou seja, consegue lidar com situaes incertas (inconsistentes ou paracompletas).
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) A aplicao destes operadores permite determinar os valores da evidncia favorvel (ai,R) e da evidncia contrria (bi,R), com 1 encontrada na pesquisa. Lembrando que cada anotao () , neste trabalho, um par ordenado da forma (a; b), conclumos que a matriz [i,k] dos dados pesquisados pode ser representada por [(ai,k; bi,k)], conforme Tabela II. Suponhamos que os m especialistas sejam distribudos em p grupos Gh, com 1
p
n, resultantes, para cada fator Fi, na seo Si,jp
p,
cada um com gh especialistas, sendo

h 1
gh m.
Assim, o grupo Gh ser constitudo pelos seguintes gh especialistas: E1h, E2h, ..., Eghh. Ento, a aplicao da regra de maximizao dentro de grupo Gh (intragrupo), pode ser assim esquematizada: MX [(E1h), (E2h), ... (Eghh)] ou MX [(ai,1h; bi,1h), (ai,2h; bi,2h), ... (ai, ghh; bi, ghh)] Como resultado dessa maximizao obtm-se o par ordenado (ai,h; bi,h), no qual ai,h = mx. {ai,1h , ai,2h , ... , ai, ghh } e bi,h = mn. {bi,1h , bi,2h , ... , bi, ghh } Como so n fatores, obtm-se n pares ordenados dessa forma, constituindo a matriz resultante do grupo Gh, [(ai,h; bi,h)], com n linhas, pois 1 i n, e uma coluna.
Observemos que, como so p grupos, obtm-se p matrizes coluna semelhantes a esta. Voltando ao exemplo ilustrativo de n = 5 fatores, s = 3 sees e m = 4 especialistas e, admitindo que os quatro especialistas foram distribudos em dois grupos (p = 2), o
163
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) primeiro, G1, pelos especialistas E1 e E4 e o segundo, G2, pelos especialistas E2 e E3, a aplicao da regra de maximizao seria feita da seguinte maneira: dentro do grupo G1: MX [(E1), (E4)]; dentro do grupo G2: MX [(E2), (E3)] ou MX [(ai,1; bi,1), (ai,4; bi,4)], resultando em (ai,g1; bi,g1) para o grupo G1 e MX [(ai,2; bi,2), (ai,3; bi,3)], resultando em (ai,g2; bi,g2) para o grupo G2, sendo ai,g1 = mx { ai,1, ai,4}; ai,g2 = mx { ai,2, ai,3}; bi,g1 = mn { bi,1, bi,4} e bi,g2 = mn { bi,2, bi,3}.
Obtm-se, ento, p = 2 matrizes colunas com n = 5 linhas como resultado da aplicao da regra de maximizao dentro dos grupos G1 e G2 (intragrupos). So elas: MG1 = [(ai,g1; bi,g1)] = [
i,g1]
MG2 = [(ai,g2; bi,g2)] = [
i,g2]
, que podem ser
representadas de outra forma, como na Tabela II. Aplicadas as regras de maximizao (operador MAX) dentro dos grupos (intragrupos), o passo seguinte a aplicao da regra de minimizao (operador MIN) entre os p grupos (entre grupos), que pode ser assim esquematizada: MN {[G1], [G2], ... [Gh], [Gp]} ou MN {(ai,g1; bi,g1), (ai,g2; bi,g2), (ai,gh; bi,gh), ... (ai,gp; bi,gp)}, donde se obtm para cada fator Fi a anotao resultante (ai,R; bi,R), na qual ai,R = mn {ai,g1, ai,g2, ..., ai,gh, ..., ai,gp} e bi,R = mx {bi,g1, bi,g2, ..., bi,gh, ..., bi,gp}.
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Como so n fatores, estes resultados vo constituir uma matriz coluna com n linhas, que ser chamada de matriz resultante, [(ai,R; bi,R)] = [i,R]. Voltando ao exemplo, de n = 5 fatores, s = 3 sees e m = 4 especialistas, a aplicao da regra de minimizao se reduziria a MIN {[G1], [G2]}, obtendo-se: a1,R = mn {a1,g1, a1,g2 } e b1,R = mx {b1,g1, b1,g2 }; a2,R = mn {a2,g1, a2,g2} e b2,R = mx {b2,g1, b2,g2}; a3,R = mn {a3,g1, a3,g2} e b3,R = mx {b3,g1, b3,g2} a4,R = mn {a4,g1, a4,g2} e b4,R = mx {b4,g1, b4,g2} a5,R = mn {a5,g1, a5,g2} e b5,R = mx {b5,g1, b5,g2} A matriz resultante, matriz coluna de 5 linhas, fica representada como na Tabela II. A aplicao das regras de maximizao (MAX) e de minimizao (MIN) a esse exemplo que est sendo analisado pode ser assim resumida: MIN {MAX [(E1) (E4)], MAX [(E2) (E3)]} ou MIN {[G1], [G2]}. Nas aplicaes, algumas das matrizes vistas (matrizes dos pesos, pesquisada e dos dados pesquisados; matrizes dos grupos e matriz resultante) sero colocadas como colunas da tabela de clculos, que tem o formato da Tabelas 2a ou 2b. Nestas tabelas foi considerado, como exemplo, uma situao com quatro especialistas (m = 4), cinco fatores (n = 5) e trs sees para cada fator (s = 3).
165
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Tabela IIa Tabela de clculos, com a indicao das anotaes bivaloradas.
MP Fi F1 F2 F3 F4 F5 Pi P1 P2 P3 P4 P5 M pq Si,jp S1,jp S2,jp S3,jp S4,jp S5,jp E1
1,1 2,1 3,1 4,1 5,1
M Dpq E2
1,2 2,2 3,2 4,2 5,2
M G1 E4
1,4 2,4 3,4 4,4 5,4
M G2
MR
E3
1,3 2,3 3,3 4,3 5,3
E1 MX E4 E2 MX E3 G1 MN G2
1,g1 2,g1 3,g1 4,g1 5,g1 1,g2 2,g2 3,g2 4,g2 5,g2 1,R 2,R 3,R 4,R 5,R
Tabela IIb Tabela de clculos, com a indicao dos valores das evidncias favorvel (a) e contrria (b)
M P M pq Fi F1 F2 F3 F4 F5 Pi Si,jp E1 M Dpq E2 E3 E4 M G1 M G2 MR
E1 MX E4 E2 MX E3 G1 MN G2
P1 S1,jp a 1,1 b 1,1 a 1,2 b 1,2 a 1,3 b 1,3 a 1,4 b 1,4 a 1,g1 b 1,g1 a 1,g2 b 1,g2 a 1,R b 1,R P2 S2,jp a 2,1 b 2,1 a 2,2 b 2,2 a 2,3 b 2,3 a 2,4 b 2,4 a 2,g1 b 2,g1 a 2,g2 b 2,g2 a 2,R b 2,R P3 S3,jp a 3,1 b 3,1 a 3,2 b 3,2 a 3,3 b 3,3 a 3,4 b 3,4 a 3,g1 b 3,g1 a 3,g2 b 3,g2 a 3,R b 3,R P4 S4,jp a 4,1 b 4,1 a 4,2 b 4,2 a 4,3 b 4,3 a 4,4 b 4,4 a 4,g1 b 4,g1 a 4,g2 b 4,g2 a 4,R b 4,R P5 S5,jp a 5,1 b 5,1 a 5,2 b 5,2 a 5,3 b 5,3 a 5,4 b 5,4 a 5,g1 b 5,g1 a 5,g2 b 5,g2 a 5,R b 5,R
Os valores das evidncias favorvel (ai,R) e contrria (bi,R), resultantes, obtidos para todos os fatores, permitem determinar como a influncia de cada fator na viabilidade do empreendimento. Isto feito por meio do algoritmo para-analisador. Basta plotar no plano cartesiano os pares (ai,R; bi,R), obtendo n pontos que representam os n fatores, e verificar a posio desses pontos no reticulado . Se o ponto pertencer regio de verdade, o fator correspondente influi no sentido de recomendar a execuo do empreendimento; se pertencer regio de falsidade, o fator recomenda a no execuo do empreendimento; mas, se o ponto pertencer a uma regio diferente dessas, diremos que o fator no conclusivo, ou seja, que no recomenda a execuo e nem a no execuo do empreendimento.
166
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Essa anlise da influncia dos fatores tambm pode ser feita, calculando-se o grau de certeza (Hi = ai,R bi,R) para cada fator e aplicando-se a regra de deciso. Se Hi fator Fi recomenda a execuo do empreendimento; se Hi no execuo do empreendimento; e se NE Hi NE, o
NE, o fator Fi recomenda a
NE, o fator Fi no conclusivo, ou
seja, no recomenda a execuo e nem a no execuo do empreendimento.
5.2.7. Determinao do Baricentro De um modo geral, no h muito interesse em saber a influncia de cada fator, isoladamente. Entretanto, de fundamental importncia saber como a influncia conjunta de todos os fatores sobre a viabilidade do empreendimento, pois isso leva deciso final. A influncia conjunta dos fatores determinada pela anlise do centro de gravidade ou baricentro (W) dos pontos que os representam no plano cartesiano (no reticulado ). Para determinar o baricentro, calculam-se suas coordenadas que so os graus de evidncias favorvel (aW) e contrria (bW). O grau de evidncia favorvel do baricentro (aW) igual mdia ponderada dos graus de evidncia favorvel resultantes de todos os fatores (ai,R), tomando-se como coeficientes os pesos (Pi) atribudos pelos especialistas aos fatores. Analogamente, calculado o grau de evidncia contrria do baricentro (bW).
n n
Piai , R aW
i 1 n
Pi b i , R
e
bW
i 1 n
(III)
Pi
i 1 i 1
Pi
167
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) No caso particular em que todos os fatores tm os pesos (Pi) iguais, as mdias ponderadas acima se transformam em mdias aritmticas e o centro de gravidade dos pontos que representam os fatores passa a ser o centro geomtrico desses pontos.
n n
ai , R
bi , R
Nesse caso:
aW
i 1
bW
i 1
(IV)
5.2.8. Tomada de Deciso Determinados os valores da evidncia favorvel (aW) e contrria (bW) do baricentro, j se est em condies de efetuar a tomada de deciso final, por meio do algoritmo paraanalisador. Para isso, suficiente plotar o par ordenado (aW; bW) no plano cartesiano e verificar a que regio do reticulado o baricentro W pertence. Se pertencer regio de verdade, a deciso favorvel, isto , a anlise permite concluir que o empreendimento vivel; se pertence regio de falsidade, a deciso desfavorvel, isto , o empreendimento no vivel; mas se pertence a qualquer regio do reticulado diferente dessas duas, diremos que a anlise no conclusiva. Neste caso, no se conclui pela viabilidade do empreendimento e nem pela sua inviabilidade; dizemos apenas que a anlise foi no conclusiva e que, se for de interesse, novos estudos devem ser feitos para se tentar chegar a uma concluso positiva (viabilidade ou inviabilidade). Outra maneira de se obter a deciso final pela aplicao da regra deciso. Neste caso, basta calcular o grau de certeza do baricentro (HW = aW bW ) e aplicar a regra de deciso. Se HW NE, a deciso favorvel e recomenda a execuo do empreendimento (vivel);
168
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) se HW NE, a deciso desfavorvel e recomenda a no execuo do empreendimento HW NE, diz-se que a anlise no conclusiva.
(invivel); e se NE
Observemos, pois, que o grau de certeza do baricentro (HW) o nmero final, bem determinado, que permite a deciso procurada, e que todo o processo acaba levando a esse nmero. Devemos observar que todas as operaes descritas (busca das opinies dos especialistas na base de dados, uma vez conhecido o resultado da pesquisa (etapa 5); clculos dos graus de evidncias, favorvel e contrria, para cada um dos fatores (etapa 6); clculos dos valores das evidncias favorvel e contrria do baricentro (etapa 7); e a tomada de deciso (etapa 8)) podem ser feitas por um programa de computador desenvolvido com o auxlio da planilha eletrnica do Excel. Esse programa passar a ser referido simplesmente de Programa de Clculo (PC).
6. Exemplos de Aplicao O Mtodo Paraconsistente de Deciso (MPD) pode ser aplicado em muitas situaes em que se requer uma tomada de deciso sem a existncia de dados histricos armazenados no decorrer do tempo, mas baseada exclusivamente na opinio de profissionais especialistas em suas respectivas reas de atuao, com experincia e conhecimento acumulados pela vivncia profissional de muitos anos. Faremos aqui um relato de alguns que j desenvolvemos em diferentes oportunidades.
169
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) 6.1. Anlise da Viabilidade do Lanamento de um Novo Produto no Mercado Neste trabalho, verificamos os fatores que mais influem no sucesso (ou no fracasso) de um produto, quando ele lanado no mercado. Com base na opinio de especialistas em diferentes reas, foi montada uma base de dados e construdo o dispositivo para as tomadas de deciso, que determinam a viabilidade ou inviabilidade do produto a ser lanado. Somente para ilustrar e dar uma ideia geral do mtodo, mostramos abaixo a tabela de clculos (Tabela III), completa, mas cuja leitura exigir uma ampliao, e o algoritmo para-analisador (Figura V) do PC, utilizados neste exemplo de aplicao. Tabela III Tabela de clculos do Programa de Clculos do Mtodo Paraconsistente de Deciso (MPD)
Group A Fi F01 F02 F03 F04 F05 F06 F07 F08 F09 F10 Pi 1 1 1 1 1 1 1 1 1 1 10 S pj S5 S1 S1 S2 S1 S5 S4 S4 S1 S2 E1 a i,1
0,01 1,00 0,92 0,70 1,00 0,10 0,40 0,45 1,00 0,79
Group B E2 E3 b i,2
0,88 0,15 0,18 0,30 0,10 0,90 0,75 0,85 0,15 0,14
A E4 b i,4
0,91 0,00 0,07 0,31 0,00 1,00 0,65 0,86 0,11 0,19
B b i,gB
0,91 0,00 0,07 0,21 0,00 1,00 0,65 0,57 0,10 0,19
Graus result. Nvel de Exigncia Concluses H

-0,78 0,95 0,80 0,54 0,85 -0,87 -0,30 -0,32 0,80 0,44
0,60 Deciso
INVIVEL VIVEL VIVEL NO CO NCLUSIVO VIVEL INVIVEL NO CO NCLUSIVO NO CO NCLUSIVO VIVEL NO CO NCLUSIVO NO CO NCLUSIVO
Ponderaao dos graus resultantes Pi x ai 0,13 1,00 0,88 0,80 0,95 0,13 0,35 0,33 0,95 0,63
6,15
MX [E1 , E2 ] MX [E3 , E4 ] MN {GA , GB} a i,gA b i,gA a i,gB

0,13 1,00 0,98 0,86 1,00 0,20 0,40 0,45 1,00 0,79 0,88 0,05 0,08 0,26 0,10 0,80 0,65 0,65 0,15 0,14 0,17 1,00 0,88 0,80 0,95 0,13 0,35 0,33 0,95 0,63
b i,1
0,94 0,05 0,08 0,26 0,88 0,80 0,65 0,65 0,21 0,23
a i,2
0,13 0,95 0,98 0,86 0,06 0,20 0,35 0,37 0,91 0,73
a i,3
0,14 1,00 0,88 0,80 0,95 0,13 0,24 0,33 0,85 0,59
b i,3
1,00 0,10 0,12 0,21 0,85 1,00 0,78 0,57 0,10 0,24
a i,4
0,17 0,85 0,82 0,66 0,04 0,00 0,35 0,27 0,95 0,63
a i,R
0,13 1,00 0,88 0,80 0,95 0,13 0,35 0,33 0,95 0,63
b i,R
0,91 0,05 0,08 0,26 0,10 1,00 0,65 0,65 0,15 0,19
G
0,04 0,05 -0,04 0,06 0,05 0,13 0,00 -0,02 0,10 -0,18
Pi x bi 0,91 0,05 0,08 0,26 0,10 1,00 0,65 0,65 0,15 0,19
4,04
Baricentro W: mdias dos graus resultantes 0,615 0,404 0,211
0,019
Apresentamos esse trabalho no Sixth International Conference on Computing Anticipatory Systems (CASYS-2003), realizada em Lige, Blgica, em 2003, quando foi agraciado com o prmio Best Paper Award de um dos simpsios do Congresso, credenciando-o a ser publicado com o ttulo Paraconsistent Annotated Logic in Analysis of Viability: an Approach to Product Launching, pelo American Institute of Physics AIP Conference Proceedings, V. 718 [16].
170
b
1,0
Algoritmo para-analisador
0,8
0,6
0,4
0,404
0,2
0,0 0,0 0,2 0,4 0,6 0,8 1,0 a
Figura V Algoritmo para-analisador do Programa de Clculos do MPD
6.2. Tomadas de Deciso com Ferramentas de Lgica Paraconsistente Anotada Esse foi o trabalho em que, pela primeira vez, este processo de tomadas de deciso foi mostrado de maneira bastante metodolgica, caracterizando-se mesmo como um mtodo e no apenas como um simples paper para um congresso. Constituiu-se, praticamente, o embrio do Mtodo Paraconsistente de Deciso (MPD) e foi apresentado no Encontro Nacional de Engenharia de Produo, 23 ENEGEPE, Ouro Preto, MG, Brasil, em 2003, e publicado nos Proceedings desse Congresso [17]. Na avaliao feita pelos referees para a aceitao ou no do trabalho no Congresso, a mdia foi superior a nove, numa escala de 0 a 10, sendo que em nenhum dos dez quesitos
171
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) avaliados a nota foi menor que nove. Isso, entendemos, avalizou sua importncia para o estudo das tomadas de deciso e para a Pesquisa Operacional.
6.3. Anlise da Viabilidade de Implantao do Projeto de uma Fbrica Tomando conhecimento do artigo publicado pelos Proceedings do 23 ENEGEPE [17] (ver item 6.2), o editor da Revista Pesquisa & Desenvolvimento Engenharia de Produo, da Universidade Federal de Itajub (UniFEI), enviou, por e-mail, a mensagem a seguir. De: Revista Pesquisa & Desenvolvimento Engenharia de Produo
luiz@sulminas.com.br; Para: fabioromeu@unip.br; Enviada em: segunda-feira, 27 de outubro de 2003 13:40; Assunto: Publicao revista P&D, com o seguinte teor: Prezado Fbio Romeu de Carvalho, (...) O Comit Editorial da revista Pesquisa & Desenvolvimento Engenharia de Produo (ISSN 1679-5830) teve a oportunidade de ler seu trabalho intitulado: Tomadas de deciso com ferramentas da Lgica Paraconsistente Anotada, que aparece nos anais do XXIII ENEGEP Encontro Nacional de Engenharia de Produo, realizado recentemente na cidade de Ouro Preto MG. Uma prvia seleo com nossos referees classificou seu artigo como um dos mais relevantes para a pesquisa em Engenharia de Produo. Caso o seu trabalho no tenha sido publicado em outra revista, gostaramos de convid-lo a submeter um artigo baseado no trabalho acima indicado, para ser publicado na revista Pesquisa & Desenvolvimento Engenharia de Produo. (...)
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) A Revista P&D se reserva o direito de no publicar trabalhos que no estejam dentro dos padres de qualidade esperados, assim como das normas de apresentao exigidas. Esperando ter seu artigo publicado na revista Pesquisa & Desenvolvimento Engenharia de Produo, atenciosamente nos despedimos. Carlos Eduardo Sanches da Silva Editor da Pesquisa & Desenvolvimento Engenharia de Produo Atendendo solicitao da Revista, elaboramos um artigo, no qual procuramos mostrar como o mtodo pode ser aplicado para se analisar a viabilidade (ou no) da implantao do projeto de uma fbrica, estudando os diferentes fatores que podem influir nessa deciso. O artigo elaborado foi publicada pela Revista Pesquisa & Desenvolvimento Engenharia de Produo, da Universidade Federal de Itajub (UniFEI), Edio n 1, dez. 2003 [18].
6.4. Anlise para Implantao de um Sistema com Novas Tecnologias Procuramos, nesse trabalho, fazer uma anlise da convenincia (ou no) da implantao de um sistema dotado de novas tecnologias para substituir um sistema com tecnologia tradicional, na reestruturao de uma fbrica. Alm disso, procuramos analisar, dentre os sistemas com nova tecnologia apresentados como alternativas, qual deles seria o mais indicado em diferentes situaes. Tentamos dar uma nova roupagem a um captulo do livro de Peter Chalos [5], Managing Cost in Today's Manufacturing Environment, analisando-o a luz deste novo processo de tomadas de deciso.
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Esse trabalho foi apresentado no 5th Congress of Logic Applied to Technology (LAPTEC 2005), realizado em Himeji, Japan, em 2005, e foi publicado com o ttulo Decision Making based on Paraconsistent Annotated Logic em Advances in Logic Based Intelligent Systems: Frontiers in Artificial Intelligence and Applications (Selected papers), pela Editora IOS Press, Amsterdam, Netherland [19].
6.5. Previso de Diagnsticos Considerando que fazer um diagnstico nada mais do que uma tomada de deciso, resolvemos desenvolver um processo que permite fazer de diagnsticos com o auxilio do computador. Ele pode ser aplicado para prever diagnstico de problema de mquinas (por exemplo, de uma impressora rotatria, de tratores, de caminhes etc.), para prever diagnsticos mdicos etc. Para exemplificar, desenvolvemos o programa para fazer previso de diagnsticos mdicos. Evidentemente, em momento algum, tivemos a pretenso de substituir um mdico ou uma junta mdica nessa tarefa. Nossa pretenso se resumia a criar um dispositivo computadorizado que pudesse ser usado no servio de triagem de um grande hospital e permitisse que funcionrios no mdicos pudessem, ao tomar conhecimento dos sintomas relatados pelo paciente, fazer uma previso de diagnstico para facilitar o encaminhamento ao setor adequado do hospital. A idia foi desenvolver um sistema que permita a um computador, simplesmente entrando com os sintomas (ou sinais) apresentados pelo paciente, responder de imediato a previso do diagnstico da doena do paciente, ou seja, d indicao da doena mais provvel ou com maior evidncia.
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) No trabalho foi preparado um dispositivo de previso de diagnstico no real, utilizando 32 doenas e 30 sintomas. Ficticiamente, quatro mdicos com experincia em clnica geral, em fazer anamnese (ou anamnsia), com especialidades diferentes, foram chamados para montar a base de dados. Cada um atribuiu o grau de evidncia favorvel e o grau de evidncia contrria de o paciente estar acometida da doena diante do sintoma por ele apresentado, para as 32 doenas diante dos 30 sintomas. Esses graus constituram a base de dados. Um programa baseado na planilha Excel foi construdo, de modo que, ingressando com os sintomas (ou sinais) apresentados pelo paciente, o computador responde de imediato a previso do diagnstico. Essa previso a doena que, diante dos sintomas relatados pelo paciente, apresentou maior grau de certeza resultante. Esse trabalho foi apresentado na Seventh International Conference on Computing Anticipatory Systems (CASYS-2005) e foi publicado com o ttulo Prevision of Medical Diagnosis Based on Paraconsistent Annotated Logic no International Journal of Computing Anticipatory Systems, V.18 [20].
6.7. Anlise da Viabilidade de Abertura de um Novo Curso Superior Trabalho foi elaborado e apresentado ao Departamento de Lgica da Faculdade de Filosofia, Letras e Cincias Humanas (FFLCH) da Universidade de So Paulo (USP) como Dissertao de Mestrado para a obteno do ttulo de Mestre em Filosofia; foi transformado em livro e publicado pela Editora Aleph, em 2002 [15]; posteriormente, foi transformado em um caso real (case), que foi inserido na Tese de Doutorado apresentada junto ao Departamento de Engenharia de Produo da Escola Politcnica (Poli) da
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Universidade de So Paulo (USP) [21] e publicado pelo Boletim Tcnico da Escola Politcnica da USP, do Departamento de Engenharia de Produo [22]. Procuramos verificar os fatores de maior influncia no sucesso (ou fracasso) de um curso superior e, mediante uma pesquisa real realizada no cenrio da regio e as opinies de educadores de destaque, o processo foi montado e a deciso tomada.
6.8. Seleo do Melhor Investimento Financeiro Outra aplicao do mtodo foi sua utilizao para se fazer a seleo do melhor investimento financeiro entre as vrias opes apresentadas, mediante uma pesquisa da situao do mercado. Esse texto foi colocado na Tese de Doutorado defendida junto ao Departamento de Engenharia de Produo da Escola Politcnica da Universidade de So Paulo (USP) [21]; foi apresentado com o ttulo Decision Making Method with Paraconsistent Anotated Logic Tools and its Application in Selection of Investment by Financial Institutions na 23rd European Conference on Operational Research (EURO XXIII BONN), realizado em Bonn, Alemanha, em 2009, e publicado no Book of Abstracts desse Congresso, p. 229.
6.9. Comparao com um Mtodo Estatstico de Deciso Com o objetivo de darmos mais credibilidade ao mtodo e mostrar sua validade e fidedignidade, fizemos um estudo comparativo do Mtodo Paraconsistente Deciso (MPD) com o Estatstico (MED). Os resultados foram muito satisfatrios, mostrando que o
176
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) mtodo perfeitamente aplicvel e que d resultados muito coerentes com os do mtodo Estatstico. Esse trabalho foi apresentado na Eigthth International Conference on Computing Anticipatory Systems (CASYS-2007), recebendo o prmio Best Paper Award de um dos simpsios do Congresso, credenciando-o a ser publicado com o ttulo Decision Making Based on Paraconsistent Annotated Logic and Statistical Method: a Comparison, pelo American Institute of Physics AIP Conference Proceedings, Vol. 1.051 [23].
6.10. Comparao com um Mtodo Fuzzy de Deciso Para reforarmos a validade Mtodo Paraconsistente de Deciso (MPD), desenvolvemos um mtodo de deciso baseado na Lgica Fuzzy e fizemos uma comparao dos resultados obtidos pela aplicao dos dois mtodos. Os resultados apresentaram grande coerncia. Com essa verso simplificada do mtodo fuzzy de deciso, resolvemos alguns problemas que constam em outros compndios, mostrando tambm a grande coerncia dessa verso simplificada com outros mtodos de deciso. Essa verso simplificada do mtodo fuzzy de deciso e sua comparao com o mtodo paraconsistente foi enviada para a Ninth International Conference on Computing Anticipatory Systems (CASYS-2009) e tambm foi publicada, com o ttulo A Simplified Version of the Fuzzy Decision Method and its Comparison with the Paraconsistent Decision Method, pelo American Institute of Physics AIP Conference Proceedings, Vol. 1.303 [24].
177
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Uma verso reduzida desse trabalho foi apresentada com o ttulo Paraconsistent Annotated Evidencial Logic ET and Decision Making in Fuzzy Set Systems na 24th European Conference on Operational Research (EURO XXIV LISBON), realizado em Lisboa, Portugal, em 2010, e publicado no Book of Abstracts desse Congresso, p. 187.
7. Consideraes Finais O Mtodo Paraconsistente de Deciso (MPD) tem despertado interesse da comunidade cientfica mundial. De fato, temos recebido convites para escrever artigos sobre o assunto, para serem publicados em revistas ou para constiturem captulos de livros etc. Alguns exemplos so os convites recebidos por e-mails da Repblica Tcheca e Crocia, que destacamos abaixo. Da Repblica Tcheca recebemos o seguinte e-mail: De: Jana Ziegelheimova [j.ziegelhe@industrygateway.org]; Enviado em: 16 de maio de 2011 17:49; Para: fabioromeu@unip.br; Assunto: Decision making method with paraconsistent annotated logic tools paper free publication offer. Em seu e-mail, a remetente, entre outras coisas, enfatiza: (...) I was quite impressed with your research. That is why I took the liberty of offering you a possibility to publish this, and also more, of your research activities for free of charge in an international research project database. ().
178
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Da Crocia recebemos o e-mail: De: Ms. Iva Simcic [simcici@intechweb.org]; Enviado em: 11 de maio de 2011 11:14; Para: Dr. De Carvalho; Assunto: InTech Book Chapter Proposal Fuzzy Logic. De seu e-mail, podemos destacar: (...) You have been invited to contribute based on your paper A Simplified Version of the Fuzzy Decision Method and its Comparison with the Paraconsistent Decision Method, your publishing history and the quality of your research. However, we are not asking you to republish your work, but we would like you to publish a new paper on one of the topics this book will cover. (). Alm disso, j temos encontrado algumas dissertaes de mestrado e teses de doutorado aplicando a lgica paraconsistente anotada evidencial como fundamento terico. Como exemplo, podemos citar a tese intitulada Processo Para Gesto de Riscos em Projetos de Software Apoiado em Lgica Paraconsistente Anotada Evidencial E , defendida por Marcelo Nogueira e orientada pelo Dr. Jair Minoro Abe, junto ao Programa de Mestrado e Doutorado da Universidade Paulista (UNIP), para obteno do ttulo de Doutor em Engenharia de Produo, em 2010. Outro exemplo a dissertao intitulada Uma Ferramenta de Apoio na Escolha de Fornecedores de Tecnologia da Informao Baseada na Lgica Paraconsistente Anotada, defendida por Mario Maeda Jnior e orientada pelo Dr. Jair Minoro Abe, junto ao Programa de Mestrado da Universidade Paulista (UNIP), para obteno do ttulo de Mestre em Engenharia de Produo, em 2006.
179
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) 8. Referncias Bibliogrficas [1]. ABE, Jair M. Fundamentos da Lgica Anotada. Tese apresentada para a obteno do ttulo de Doutor em Filosofia na Faculdade de Filosofia, Letras e Cincias Humanas (FFLCH) da Universidade de So Paulo (USP). So Paulo, Brasil, 1992, 98 p. [2]. ABE, Jair M. Some Aspects of Paraconsistent Systems and Applications, Logique et Analyse, 157, 1997, p. 83-96. [3]. VILA, B. C. Uma Abordagem Paraconsistente Baseada em Lgica Evidencial para Tratar Excees em Sistemas de Frames com Mltipla Herana. Tese apresentada para a obteno do ttulo de Doutor em Engenharia, no Departamento de Engenharia de Computao e Sistemas Digitais da Escola Politcnica da Universidade de So Paulo (EPUSP). So Paulo, Brasil, 1996, 120 p. [4]. BARRETO, Mara M. G. Metodologia Fuzzy para a Construo de Sistemas Especialistas com Bases de Conhecimento Inconsistentes. Tese apresentada para a obteno do ttulo de Doutor em Cincias em Engenharia Civil na Universidade Federal do Rio de Janeiro (UFRJ). Rio de Janeiro, Brasil, 1999. 137 p. [5]. CHALOS, Peter. Managing Cost in Today's Manufacturing Environment. Prentice Hall Inc. Englewood Cliffs, USA, 1992. 283 p. [6]. COSTA NETO, Pedro Luiz de O. Estatstica. 2 Edio. Editora Edgard Blcher Ltda. So Paulo, Brasil, 2002, 266 p. [7]. COSTA NETO, Pedro Luiz de O; O. R. BEKMAN. Anlise Estatstica da Deciso. 2. Ed. Editora Blucher. So Paulo, Brasil, 2009, 148 p.
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) [8]. DA COSTA, Newton C.A.; C. VAGO; V. S. SUBRAHMANIAN. The raconsistent Logics P , in Zeitschr. f. math. Logik und Grundlagen d. Math, Bd. 37, 1991, p. 139-148. [9]. DA COSTA, Newton C. A.; Jair M. ABE; V. S. SUBRAHMANIAN. Remarks on annotated logic, Zeitschrift f. math. Logik und Grundlagen d. Math. 37, p. 561-570. [10]. DA COSTA, Newton C. A. Ensaio Sobre os Fundamentos da Lgica. So Paulo, Brasil. Hucitec-Edusp, 1980. [11]. DA COSTA, Newton C. A. Sistemas Formais inconsistentes. Curitiba, Brasil: Editora da Universidade Federal do Paran (UFPR), 1993. 66 p. [12]. DA COSTA, Newton C. A.; Diego MARCONI. An Overview of Paraconsistent Logic in the 80s. In: The Journal of Non-Classic Logic, v. 6, n. 1, 1989. p. 5-32. [13]. DA COSTA, Newton C. A.; Jair M. ABE; Afrnio C. MUROLO; Joo I. DA SILVA FILHO; Casemiro F. S. LEITE. Lgica Paraconsistente Aplicada. Editora Atlas S.A., So Paulo, Brasil, 1999, 214 p. [14]. DA SILVA FILHO, Joo I. Mtodos de Aplicaes da Lgica Paraconsistente Anotada de Anotao com dois Valores LPA2v com Construo de Algoritmo e Implementao de Circuitos Eletrnicos. Tese apresentada para a obteno do ttulo de Doutor em Engenharia, no Departamento de Engenharia de Computao e Sistemas Digitais da Escola Politcnica da Universidade de So Paulo (EPUSP). So Paulo, Brasil, 1998, 185 p.
181
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) [15]. DE CARVALHO, Fbio R. Lgica Paraconsistente Aplicada em Tomadas de Deciso: uma Abordagem para a Administrao de Universidades. Editora Aleph. So Paulo, Brasil, 2002, 120 p. [16]. DE CARVALHO, Fbio R.; Israel BRUNSTEIN; Jair M. ABE. Paraconsistent Annotated Logic in Analysis of Viability: an Approach to Product Launching. In: Sixth International Conference on Computing Anticipatory Systems (CASYS2003). Publicado por American Institute of Physics, AIP Conference Proceedings, Vol. 718, Edited by Daniel M. Dubois, ISBN 0-7354-0198-5, ISSN 0094-243X, 2004, p. 282-291. [17]. DE CARVALHO, Fbio R.; Israel BRUNSTEIN; Jair M. ABE. Tomadas de Deciso com Ferramentas da Lgica Paraconsistente Anotada. In: Encontro Nacional de Engenharia de Produo, 23. Ouro Preto, MG, Brasil, 21 a 24 de outubro de 2003. Proceedings. Editores: Jos Lus D. Ribeiro; Nivalda L. Coppini; Luiz Gonzaga M. de Souza; Gustavo P. Silva. 2003. p. 1-8. [18]. DE CARVALHO, Fbio R.; Israel BRUNSTEIN; Jair M. ABE. Um Estudo de Tomada de Deciso Baseado em Lgica Paraconsistente Anotada: Avaliao do Projeto de uma Fbrica. In: Revista Pesquisa & Desenvolvimento Engenharia de Produo, da Universidade Federal de Itajub, Ed. n 1, dez. 2003. p. 47-62. [19]. DE CARVALHO, Fbio R.; Israel BRUNSTEIN; Jair M. ABE. Decision Making based on Paraconsistent Annotated Logic. In: Congress of Logic Applied to
Technology (LAPTEC 2005), 5th. Himeji, Japan, April, 2-4, 2005. Advances in Logic Based Intelligent Systems: Frontiers in Artificial Intelligence and
182
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Applications (Selected papers). Edited by K. Nakamatsu; J. M. Abe. Amsterdam: IOS Press, ISBN 1-58603-568-1, ISSN 0922-6389, 2005. p. 55-62. [20]. DE CARVALHO, Fbio R.; Israel BRUNSTEIN; Jair M. ABE. Prevision of Medical Diagnosis Based on Paraconsistent Annotated Logic. In: Seventh International Conference on Computing Anticipatory Systems (CASYS-2005). Lige, Belgium, August, 8-13, 2005. International Journal of Computing Anticipatory Systems, V.18. Edited by Daniel M. Dubois. ISBN 2-930396-04-0, ISSN: 1373-5411, 2005. p. 288-297. [21]. DE CARVALHO, Fbio R. Aplicao de Lgica Paraconsistente Anotada em Tomadas de Deciso na Engenharia de Produo. Tese apresentada Escola Politcnica da Universidade de So Paulo, para a obteno do ttulo de Doutor em Engenharia. So Paulo, Brasil, 2006, 349 p. [22]. DE CARVALHO, Fbio R.; Israel BRUNSTEIN. Aplicao de Lgica Paraconsistente Anotada em Tomadas de Deciso na Engenharia de Produo. Boletim Tcnico da Escola Politcnica da USP Departamento de Engenharia de Produo, BT/PRO/0704; ISSN 1413-2168; So Paulo, 2007. 19 p. [23]. DE CARVALHO, Fbio R.; Israel BRUNSTEIN; Jair M. ABE. Decision Making Based on Paraconsistent Annotated Logic and Statistical Method: a Comparison. In: Eighth International Conference on Computing Anticipatory Systems (CASYS2007). Publicado por American Institute of Physics, AIP Conference Proceedings, Vol. 1.051, Edited by Daniel M. Dubois. ISBN 978-0-7354-0579-0, ISSN: 0094243X, 2008, p. 195-208.
183
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) [24]. DE CARVALHO, Fbio R.; Jair M. ABE. A Simplified Version of the Fuzzy Decision Method and its Comparison with the Paraconsistent Decision Method. In: Ninth International Conference on Computing Anticipatory Systems (CASYS2009). Publicado por American Institute of Physics, AIP Conference Proceedings, Vol. 1.303, Edited by Daniel M. Dubois. ISBN 978-0-7354-0858-6, ISSN: 0094243X, 2010, p. 216-235. [25]. GAITHER, Norman; Greg FRAZIER. Administrao da Produo e Operaes (Production and Operations Management). 8a. ed. Editora Pioneira Thomson Learning Ltda. So Paulo, Brasil, 2001. 598 p. [26]. GURGEL, Floriano do A. Administrao do Produto. 2. Ed. Editora Atlas S.A. So Paulo, Brasil, 2001, 537 p. [27]. HILBERT, D.; W. ACKERMANN. Principles of Mathematical Logic. 2nd Ed. Chelsea Publishing Co. New York, USA, 1950, 172 p. [28]. HOFFMANN, Rodolfo. Estatstica para Economistas. 4. Ed. Editora Thomson. So Paulo, Brasil, 2006, 432 p. [29]. KLEENE, Stephen Cole. Introduction to Metamathematics. North-Holland Publishing Co. Amsterdam, Netherlands, 1952, 550 p. [30]. LAPPONI, J. C. Estatstica usando Excel. 4. Ed. Editora Elsevier-Campos. Rio de Janeiro, Brasil, 2005, 476 p. [31]. MEGGINSON, Administrao: Leon C.; Donald e C. MOSLEY; Paul (Management: H. PIETRI Jr. Concepts and
Conceitos
Aplicaes
184
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Applications). Traduo de Maria Isabel Hopp. 4. ed. So Paulo, Brasil: Editora Harbra Ltda., 1998, 614 p. [32]. MENDELSON, Elliott. Introduction to Mathematical Logic. 4th Ed. Chapman & Hall,New York, NY, USA: 1997. 440 p. [33]. MORTARI, Cezar A. Introduo Lgica. Editora UNESP: Imprensa Oficial do Estado. So Paulo, Brasil, 2001, 393 p. [34]. NAKAMATSU, Kazumi; Jair M. ABE. Railway Signal and Paraconsistency, Advances in Logic Based Intelligent Systems. In: CONGRESS OF LOGIC APPLIED TO TECHNOLOGY (LAPTEC 2005), 5th. Himeji, Japan, April, 2-4, 2005. Advances in Logic Based Intelligent Systems: Frontiers in Artificial Intelligence and Applications (Selected papers). Editors: K. Nakamatsu e J. M. Abe. Amsterdam, Netherlands: IOS Press, 2005. p. 220-224. [35]. NEGOITA, C. V.; D. A. RALESCU. Applications of Fuzzy Sets to Systems Analysis. John Wiley & Sons, New York, USA, 1975. [36]. PORTER, Michael. Vantagem competitiva: Criando e sustentando um desempenho superior, traduo de Elizabeth Maria de Pinho Braga; reviso tcnica de Jorge A. Garcia Gomez. Editora Campus, Rio de Janeiro, Brasil,1989. [37]. SHIMIZU, T. Decises nas Organizaes. 2 Ed. Editora Atlas, So Paulo, Brasil, 2006, 419 p. [38]. SIMON, H.A. The New Science of Management Decision. Prentice Hall, New York, USA, 1960.
185
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) [39]. SPIEGEL Murray R. Estatstica. 3 Ed. Traduo: Pedro Consentino. Makron Books Editora Ltda. So Paulo, Brasil, 1993, 643 p. [40]. WITOLD, Pedrycz (with foreword by Lotfi A. Zadeh). Fuzzy Sets Engineering. CRC Press Inc., Florida, USA, ISBN 0-8493-9402-3, 1995, 332 p. [41]. WITOLD, Pedrycz; Fernando GOMIDE,. An introduction to fuzzy sets. MIT Press, Massachusetts, USA, ISBN 0-262-16171-0, 1998, 465 p. [42]. WOILER, Samso; Washington F. MATHIAS. Projetos: Planejamento,
Elaborao e Anlise (Projects: Planning, Ellaboration and Analysis). Editora Atlas. So Paulo, Brasil, 1996, 294 p. [43]. ZADEH, Lotfi A. Outline of a New Approach to the Analysis of Complex Systems and Decision Processes IEEE Transaction on Systems, Mam and Cybernectics, vol. SMC-3, No 1, 1973, p. 28-44.
Fbio Romeu de Carvalho, nascido em Consolao, MG, Doutor em Engenharia pelo Departamento de Engenharia de Produo da Escola Politcnica da Universidade de So Paulo (Poli/USP); Mestre em Filosofia (na rea de Lgica) pela Faculdade de Filosofia, Letras e Cincias Humanas da Universidade de So Paulo (FFLCH/USP); Especialista em Avaliao no Ensino Superior pela Faculdade de Educao da Universidade de Braslia (UnB); Graduado em Engenharia Eltrica pela Poli/USP; Bacharel e Licenciado em Matemtica pela Faculdade de Filosofia, Cincias e Letras Oswaldo Cruz, e Pedagogo, com as habilitaes Administrao e Superviso Escolar, pelas Faculdades Integradas Princesa Isabel.
186
Lgica Paraconsistente em Tomadas de Deciso Mtodo Paraconsistente de Deciso (MPD) Aps alguns anos como professor de Fsica, Matemtica e Desenho, no Ensino Mdio e em Preparatrios para Vestibulares, desenvolveu carreira acadmica na Universidade Paulista, UNIP, na qual, atualmente, acumula os cargos de Vice-Reitor de Planejamento, Administrao e Finanas e de Diretor do Instituto de Cincias Exatas e Tecnologia, ICET. Foi, durante quatro anos, Conselheiro Estadual de Educao em So Paulo. autor de trabalhos nas reas de Fsica e Matemtica, do Ensino Mdio, e de Estatstica e Lgica. Foi duas vezes premiado com o Best Paper Award nas 6th and 8th International Conference on Computing Anticipatory Systems, CASYS, Lige, Belgium, August, 2003 and 2007, com os trabalhos intitulados Paraconsistent Annotated Logic in Analysis of Viability: an approach to Product Launching e Decision Making Method Based On Paraconsistent Annotated Logic and Statistical Method: a Comparison, que foram publicados pelo American Institute of Physics in AIP Conference Proceedings, V. 718 e 1.051, respectivamente.
187
Os Princpios da Lgica Paraconsistente para Calcular o Tamanho da Amostra
Euro de Barros Couto Junior Prefeitura do Municpio de So Paulo Coordenadoria de Gesto de Pessoas - Departamento de Recursos Humanos
Resumo Este texto sugere sobre como calcular um tamanho de amostra com base no uso de um instrumento de coleta de dados formado por itens categricos. Os argumentos para esta sugesto esto embasados nas teorias da Combinatria e da Lgica Paraconsistente. O propsito sugerir um procedimento de clculo simples e prtico para obter um tamanho de amostra aceitvel para coletar informaes, organiz-las e analisar dados de uma aplicao de um instrumento de coleta de dados baseado, exclusivamente, em itens discretos (itens categricos), ou seja, cada item do instrumento considerado como uma varivel no-paramtrica com um nmero finito de categorias. Uma frmula para o clculo do tamanho da amostra foi proposta para tamanhos de populao desconhecidos e um ajuste dessa frmula foi proposto para populaes de tamanho conhecido.
Palavras-chave: 1. Amostragem; 2. Clculo do tamanho da amostra; 3. Lgica Paraconsistente; 4. Estatstica no-paramtrica; 5. Instrumento de coleta de dados
188
Abstract This text suggests how to calculate a sample size based on the use of a data collection instrument consisting of categorical items. The arguments for this suggestion are based on theories of Combinatorics and Paraconsistent Logics. The purpose is to suggest a practical and simple calculation procedure to obtain an acceptable sample size to collect information, organize it and analyze data from an application of an instrument for collecting data, based exclusively on discrete items (categorical items), i.e., each item of the instrument is considered as a non-parametric variable with finite number of categories. A formula for calculating the sample size was proposed for a population of unknown size, and an adjusted formula has been proposed for population of known size.
Key-words: 1. Sampling; 2. Sample size calculation; 3. Paraconsistent Logics; 4. Nonparametric statistics; 5. Data collecting instrument
1. Introduo A Lgica uma caracterstica humana. Como seres humanos, tentamos, desde h muito, explicar as coisas da Natureza que nos cerca, por meio de teorias e modelos em cujas bases assentam-se pensamentos ditos lgicos. E ainda como seres humanos, talvez, devamos considerar que temos uma lgica prpria e individual, que pode se abstrair (afastar-se ou aproximar-se) da Lgica Matemtica ou Lgica Clssica, e que, por certo, pertence natureza humana. Mas, a Lgica Clssica, apesar de querer mostrar sua caracterstica, nada pode fazer contra os desgnios que a subvertem frente vontade humana. Um exemplo
simples: em um item cujas possibilidades consistem de duas categorias, do tipo sim-no, a Lgica Clssica gostaria de impor que apenas duas respostas so possveis, e nenhuma ao humana deveria ser cogitada para contrapor-se a essa imposio, porm, bem sabemos que tanto a no-resposta (no-escolha do sim e no-escolha do no) como a resposta dupla sim-no so, efetivamente, respostas do Raciocnio Humano puro, pois, no menos efetivamente, cabem no bojo das respostas plausveis e aceitveis da conscincia humana. Assim, a Lgica Clssica, apesar de ser impositora de sua presena, est contida e engolfada pelo Raciocnio Humano. Os princpios que norteiam a Lgica Paraconsistente Anotada Evidencial permitem sua aproximao mais aquiescente do Raciocnio Humano (Abe, 1992), pois levam em conta possibilidades que vo alm do binarismo proposto em um item do tipo sim-no, mencionado no pargrafo anterior. Assim, sob a ptica de teor paraconsistente, um item formado por duas categorias pode ter quatro (e no duas respostas) aceitveis: sim, no, sem resposta e sim-no; esses quatro estados so classificados em quatro diferentes ncleos lgicos, sendo eles o verdadeiro, o falso, o paracompleto e o inconsistente, respectivamente, e permitem uma avaliao mais prxima do que exprime a prtica e a realidade de uma pesquisa (Abe, 1997). Assim, respostas no-previstas pela Lgica Clssica so previstas pela Lgica Paraconsistente Anotada Evidencial.
2. Lgica Paraconsistente e os Itens do Instrumento de Coleta Sob a ptica da Lgica Clssica, um item, constante de um instrumento de coleta, tem de ser respondido logicamente (classicamente falando), enquanto que, pelo raciocnio humano,
190
isso no obrigatrio, ou seja, um item pode ser respondido logicamente (sob os termos da Lgica Clssica). Ainda, pela Lgica Clssica, para responder ao item, preciso ter conhecimento (ou, espera-se que se tenha); j, com base no raciocnio humano, nem sempre se tem o conhecimento, no momento de responder ao item. Tanto a Lgica Clssica como o raciocnio humano apresentam dois pontos de toque importantes: (a) para responder ao item, preciso decidir que se vai responder; e (b) podese decidir no responder ao item, por ignorar a resposta ou por falta de vontade ambos tm carter decisrio, o que no implicaria, a priori, uma base lgica constante e nica. O preenchimento indevido (a escolha de mais de uma resposta) e a no-resposta causam problemas tcnicos de teor clssico; em contrapartida, por meio do raciocnio humano, tanto o preenchimento dito indevido e a no-resposta no causam, a priori, problemas tcnicos, visto que um problema tcnico surge, apenas, depois da obteno da resposta, e no durante o processo de obteno. Mesmo toda Lgica sendo binria, a dimensionalidade das lgicas varia, em termos de que elas conseguem traduzir, de modo binrio e/ou multidimensional, suas caractersticas prprias. Nesse sentido, pode-se dizer que o raciocnio humano apresenta dimenso multifacetada. Considerando essas informaes, percebemos, ento, que a Lgica Clssica, por sua importncia, consiste em base para o raciocnio humano, mas este conseguiu tornar-se mais abstrato, e criar estruturas mais prximas de sua forma, em funo das necessidades do prprio raciocnio humano, amoldando-o em uma espcie de padro lgico-humano, ou seja, um padro que leva em conta as caractersticas multifacetadas desse raciocnio.
A Figura I evidencia a contrapartida entre a Lgica Clssica, o raciocnio humano e as possibilidades de resposta de um item de um instrumento de coleta, com base na estrutura de conhecimento do ser humano e da tomada de deciso em responder (ou no) a esse item (Couto Junior, 2009). Logo, cada brao do esquema de rvore da figura I mostra uma possibilidade possvel e esperada, quando da aplicao de um instrumento de coleta.
ESCOLHE CORRETAMENTE ESCOLHE INCORRETAMENTE MAIS DE UMA RESPOSTA
verdadeiro
PREENCHE DEVIDAMENTE DECIDE RESPONDER SABE DECIDE NO-RESPONDER
falso
PREENCHE INDEVIDAMENTE
inconsistente
NO RESPONDE ESCOLHE CORRETAMENTE ESCOLHE INCORRETAMENTE MAIS DE UMA RESPOSTA
paracompleto
verdadeiro
PREENCHE DEVIDAMENTE DECIDE RESPONDER NO SABE DECIDE NO-RESPONDER
falso
PREENCHE INDEVIDAMENTE
inconsistente
NO RESPONDE
paracompleto
Figura I - Esquema didtico-lgico, demonstrando a construo do raciocnio humano e sua inter-relao direta frente aos estados lgicos da Lgica Paraconsistente Anotada Evidencial. Pela Lgica Clssica, pode-se afirmar que somente consideram-se as respostas preenchidas devidamente; e que no possvel levar-se em considerao as no-respostas e os preenchimentos indevidos. J, pelo raciocnio humano, consideram-se as respostas preenchidas e as intenes de responder, alm de ser possvel abordar o problema criado pelas no-respostas e pelos preenchimentos indevidos.
192
Por meio da aplicao da Lgica Paraconsistente Anotada Evidencial, podemos estender as possibilidades de resposta de cada item do instrumento de coleta, pois: (a) se o preenchimento for devido, podemos computar as respostas como na Lgica Clssica; e com isso, temos os estados lgicos verdadeiro e falso (respostas ditas corretas e incorretas). (b) se o preenchimento for indevido, possvel realizar a computao das no-respostas como estado paracompleto falta de informao; e possvel realizar a computao dos erros de preenchimento como estado inconsistente excesso de informaes.
Trs aspectos da Lgica Paraconsistente, em funo das possibilidades de resposta de um item de um instrumento de coleta, podem ser resumidos como se segue, e sero usados, como ideias bsicas, para a proposta do clculo do tamanho da amostra que ser apresentada na prxima parte deste texto: (a) permite a absoro de situaes no previstas pela Lgica Clssica; (b) permite a computao de todos os tipos de resposta possveis (humanamente falando); e (c) cria uma estrutura de estados lgicos, compatveis com os tipos de resposta, estrutura essa bem mais prxima das possibilidades de teor humano, em relao tomada de decises.
193
3. Uma Aplicao em Amostragem Proposta de Clculo do Tamanho da Amostra De incio, vamos expor a seguinte situao: estamos procura de um nmero que represente o tamanho da amostra (Cochran, 1985; Deming, 1966, Kish, 1965). Devemos mostrar que esse nmero pode ser aceito como um tamanho de amostra. Para tanto, consideremos o nmero total de caminhos possveis (formados por todas as possibilidades de respostas a serem consideradas em itens categricos de um instrumento de coleta). Esse nmero , por certo, um candidato a ser um tamanho de amostra, pois permite que todas as possibilidades de resposta sejam observadas. Tomemos este exemplo: se temos um item formado por duas categorias ditas originais, ento quatro respondentes, a priori, seriam suficientes, para ter-se uma amostra inicial, pois h quatro possibilidades esperadas, aquelas que sero chamadas de categorias efetivas: a escolha da primeira categoria efetiva, a escolha da segunda categoria efetiva, a escolha de ambas as categorias efetivas concomitantemente, e a escolha de nenhuma categoria efetiva, conforme foi exposto nas ideias metodolgicas. Logo, quatro um tamanho amostral sugestivo para essa proposta. Extensivamente, se tivermos uma lista de itens com categorias originais previamente definidas, precisaremos de um nmero suficientemente grande de elementos para abarcar todas as possibilidades de preenchimento dos itens dessa lista. Assim, esse nmero de elementos pode ser considerado, tambm, como o nmero de elementos amostrais, ou seja, como um tamanho de amostra. O nmero de categorias efetivas de um item pode ser calculado por: 2k, onde k o nmero de categorias originais. Se pudermos aceitar que um tamanho de amostra inicial seja considerado como o nmero de elementos componentes que cobrem todos os caminhos possveis (combinaes possveis) formados pelos itens e suas respectivas categorias efetivas (Grimaldi, 1986), ento podemos dar um prximo passo para o clculo do tamanho da amostra com base na
estrutura do instrumento de coleta. Essa suposio fundamental, neste momento, mas deve receber uma crtica: ela no contempla uma possvel diferenciao de representatividades entre as categorias efetivas de cada item, o que seria esperado, porque, em geral, alguns caminhos so mais frequentes do que outros; alm disso, alguns caminhos podem, inclusive, ser impossveis de serem observados. Porm, a tcnica de clculo de tamanho de amostra que est sendo proposta parece numericamente vivel, pois o nmero de caminhos possveis pode, efetivamente, ser considerado como um tamanho de amostra, em funo do crescimento do nmero de itens, e por consequncia natural, em funo do crescimento do nmero de categorias efetivas. Esse aceite tem teor subjetivo e intuitivo. Se pensarmos em um estado real, isso pode ser aceito, de imediato, porque os instrumentos de coleta de dados podem ter vrios itens compostos por vrias categorias originais em geral, no menos do que algumas dezenas de itens binrios (com duas categorias), ternrios (com trs categorias), quaternrios (com quatro categorias) etc. so comuns em instrumentos de coleta. Assim, intuitivamente, pode-se aceitar que um tamanho de amostra inicial possa ser considerado como sendo o nmero de caminhos possveis a ser observado, e cuja base assenta-se sobre o nmero de categorias efetivas do instrumento de coleta adotado. Matematicamente (Grifitts HB e Hilton, 1975), pode-se representar esse tamanho de amostra inicial como mostra a frmula [1]:
n1
cE 2
k i 1
ciE 2
[1]
195
onde: n1 tamanho da amostra inicial cE nmero de categorias efetivas do instrumento de coleta cEi nmero de categorias efetivas do i-simo item k nmero de itens do instrumento de coleta Ainda, considerando a prtica, sabemos que alguns desses caminhos podem aparecer mais do que outros, conforme j mencionamos. Assim, existe um grau de similaridade entre os respondentes de um instrumento de coleta, que, por sua vez, podem produzir, ento, caminhos iguais, permitindo que alguns caminhos sejam mais representativos do que outros (Borg e Groenen, 2005). Consideremos o grau de similaridade como sendo um nmero entre zero e um, representando, portanto, um percentual: se for um, ento a similaridade total, ou seja, todos respondem aos itens do instrumento de coleta de modo igual; se for zero, ento a similaridade nenhuma, ou seja, todos respondem, de modo diferente uns dos outros, aos itens do instrumento de coleta. Assim, pode-se escrever que:
(1 g S ) n1
n2
[2]
onde: n2 tamanho da amostra considerando o grau de similaridade gS grau de similaridade n1 tamanho da amostra inicial
196
Na prtica, os graus de similaridade so valores que se afastam de zero e de um, e portanto, esto no entremeio desses dois extremos. Sendo assim, n2 ser, sempre, menor do que n1. Com isso, conhecendo-se o grau de similaridade, calculamos o tamanho da amostra. O problema reside no fato de que esse grau de similaridade , na prtica, desconhecido, apesar de passvel de estimao. Logo, desejamos buscar um estimador para o grau de similaridade. Intuitivamente, como foi dito, tanto maior seja o instrumento de coleta, e menor ser o grau de similaridade esperado, pois, podemos supor que quanto maior o nmero de possibilidades diferentes de caminhos a serem percorridos, tanto menor ser a similaridade entre as respostas dos elementos componentes da amostra. E o nmero de possibilidades diferentes de caminhos tanto maior, quanto maior for o nmero de itens do instrumento de coleta; e ainda, quanto maior for o nmero de itens do instrumento de coleta, tanto maior ser o nmero de categorias originais disponveis desse instrumento. Assim, pode-se afirmar que o grau de similaridade apresenta-se como inversamente proporcional ao nmero de categorias originais do instrumento de coleta. Ento, podemos escrever que:
1 cO
1 gS
[3]
onde: gS grau de similaridade cO nmero total de categorias originais do instrumento de coleta Como, para um mesmo nmero de itens de um instrumento de coleta, o fator que permite o aumento de caminhos o nmero de categorias originais de cada item, podemos considerar
197
o nmero total dessas categorias do instrumento de coleta como sendo o estimador ideal para ser usado na estimao do grau de similaridade. Assim, podemos reescrever:
1 cO
n2
n1
[4]
onde: n2 tamanho da amostra considerando o grau de similaridade cO nmero total de categorias originais do instrumento de coleta n1 tamanho da amostra inicial Com isso, o tamanho da amostra poder ser calculado do seguinte modo:
cE n 2
k i 1
ciE 2
[5]
cO
onde: cE nmero de categorias efetivas do instrumento de coleta cEi nmero de categorias efetivas do i-simo item k nmero de itens do instrumento de coleta cO nmero total de categorias originais do instrumento de coleta Ou, de outro modo (Couto Junior, 2009):
cE n 2
k i 1
k i 1
ciE 2
[6]
O i
198
onde: cE nmero de categorias efetivas do instrumento de coleta cEi nmero de categorias efetivas do i-simo item k nmero de itens do instrumento de coleta cOi nmero de categorias originais do i-simo item Assim, o numerador da frmula [6] tem sua base assentada sobre o nmero de categorias efetivas (de teor paraconsistente), enquanto que o denominador caracterizado pelo nmero de categorias originais (de teor clssico). Para amostras ditas pequenas (Gordon e Watson, 1994), e/ou, para clculos de tamanho de amostra em que seja necessrio, por razes tcnicas, levar em conta o tamanho da populao da qual a amostra ser coletada (Vickers, 2001), pode-se ajustar o clculo acima, considerando a frmula [7] (Couto Junior, 2009):
cE 2
k
k i 1
ciE 2
[7]
ciO n c 1 1 N
i 1 E k i 1 k
ciE 2 1
O i
2
i 1
onde: cE nmero de categorias efetivas do instrumento de coleta cEi nmero de categorias efetivas do i-simo item k nmero de itens do instrumento de coleta cOi nmero total de categorias originais do i-simo item N tamanho da populao
Pela frmula [7], quando o tamanho da populao for relativamente pequeno, haver um ajuste a ser levado em conta, e tanto maior seja o tamanho da populao, o ajuste ser cada vez menor, fazendo com que a frmula [7] possa ser substituda pela frmula [6]. Skalski (1992) sugere que um grau de perda de observaes (um percentual entre maior do que 0% e menor do que 100%) pode ser incrementado: seja p a proporo de perdas esperada, mostrada na frmula [8]:
n 1 p
[8]
Esse ajuste comum para todos os clculos de tamanho de amostra, quando a perda apresenta-se como elemento a ser considerado. Assim, em qualquer uma das formulaes, pode-se levar em conta um grau de perda, que propiciar um aumento do tamanho da amostra, tanto maior o valor desse grau venha a ser estimado. A proposta de Skalski (1992) no nica: ela foi selecionada para mostrar que a previso de perdas de elementos amostrais pode ser levada em conta, para um ajuste na estimao do tamanho da amostra, fazendo um paralelo com a aplicao da Lgica Paraconsistente Anotada Evidencial (Abe, 1992 e 1997). O estado paraconsistente paracompleto (falta de informao) equivale-se preocupao que se tem, quando as perdas so iminentes, e serve no somente como caracterstica tpica de pesquisas nas reas das Biocincias (por conta de perdas que, em geral, efetivamente ocorrem), mas, tambm, como auxiliar importante para a nova proposta de clculo do tamanho da amostra, conforme expusemos neste texto.
200
4. Exemplos Numricos da Aplicao das Frmulas [6], [7] e [8] 4.1. Uso da Frmula [6] A frmula originalmente desenvolvida (frmula [6]) pode ser usada para calcularmos o tamanho de uma amostra, em duas situaes imediatas: (a) quando desconhecemos o tamanho da populao de onde a amostra ser coletada; exemplo: um instrumento de coleta de dados ser aplicado para a obteno de uma amostra de pessoas diabticas, em uma metrpole; ou (b) quando o tamanho da populao de onde a amostra ser coletada considerado grande; exemplo: sabemos que o tamanho da populao da cidade de So Paulo de aproximadamente 11 milhes de pessoas; um instrumento de coleta de dados ser aplicado para a obteno de uma amostra de pessoas que, potencialmente, podem ser doadoras de sangue.
4.2. Uso da Frmula [7] A frmula [7], derivada da frmula original (frmula [6]), deve ser usada quando o tamanho da populao conhecido e relativamente pequeno; exemplo: em um servio clnico de um grande hospital, existem 7.000 pronturios de pacientes com insuficincia cardaca, cadastrados no sistema de controle, no ano de 2010; o pesquisador responsvel deseja coletar uma amostra, com base nessa populao, aplicando um instrumento de coleta de dados especfico para esses doentes.
201
4.3. Uso da Frmula [8] Quando consideramos perdas de elementos amostrais que so previsveis durante o processo de coleta, ou mesmo, depois de terminada a coleta e submetida a amostra uma crtica sobre falhas de preenchimento do instrumento usado, recusas dos respondentes a participar integralmente da pesquisa e uma srie de outras possibilidades que prejudiquem a integridade dos dados coletados , podemos reestimar o tamanho da amostra, aumentando-o. Exemplo: o tamanho da amostra calculado foi de 900 elementos; suponhamos, que, de antemo, teremos de considerar uma perda de 10%; assim, o ajuste sugerido pela frmula [8] propiciar que o tamanho da amostra a ser pleiteada deva ser d 1.000 elementos amostrais.
4.4. Exemplos Prticos Um exemplo de instrumento de coleta bastante comum o SF-36 (Ciconelli et al, 1999), que investiga a qualidade de vida de pacientes submetidos a quaisquer tratamentos, sendo composto por onze macro-itens subdivididos em 36 itens que, por sua vez, so compostos por sete itens com duas categorias, dez itens com trs categorias, nove itens com cinco categorias, e dez itens com seis, totalizando os 36 itens mencionados. Sero realizados os clculos do tamanho da amostra, para os dois casos, mencionados nos itens 4.1 e 4.2: o primeiro, em que a populao da qual a amostra ser coletada seja muito grande, e o segundo, uma populao de tamanho igual a 7.000.
202
Os valores bsicos a serem calculados para uso nas frmulas de clculo do tamanho da amostra so: cE nmero de categorias efetivas do instrumento de coleta: 7 x 22 + 10 x 23 + 9 x 25 + 10 x 26 = 1.036 cEi nmero de categorias efetivas do i-simo item: 4, 8, 32 e 64 k nmero de itens do instrumento de coleta: 36 cOi nmero de categorias originais do i-simo item: 2, 3, 5 e 6 cOi nmero de categorias originais do instrumento de coleta: 7 x 2 + 10 x 3 + 9 x 5 + 10 x 6 = 149 N tamanho da populao: 7.000
Para o primeiro caso, substituindo-se os valores na frmula [6], vem que:

cE 2
k i 1
k i 1
ciE 2
1036 2
4 2
10
ciO
8 2 149
32 2
10
64 2
536130 24946 3430,765 3431 149
Neste caso, a aplicao do instrumento de coleta usado exige, no mnimo, 3.431 sujeitos para compor a amostra desejada.
203
Para o segundo caso, usando a frmula [7], e considerando uma populao de 7.000 pessoas, temos que:
cE 2
k
k i 1
ciE 2
ciO n 1 1 N
i 1
cE 2
k i 1
k i 1
ciE 2
O i
1036 2 n 1 1 7000
4 2 7
10
8 2 149 10
32 2 9
10
64 2 10 64 2 1
1036 2
4 2
8 2 149
32 2
536130 24946 149 1 536130 24946 1 1 7000 149
3430,765 1 1 3429,765 7000
3430 ,765 1,490
2302 ,579
2303
Assim, das 7.000 pessoas disponveis, 2.303 devero ser selecionadas para compor a amostra que ser estudada. Para finalizar os exemplos numricos, suponhamos, que, de antemo, teremos de considerar a perda de 10%, mencionada no item 4.3, ou seja, que teremos de recalcular o tamanho da amostra, para os dois exemplos prticos: Sendo assim, poderemos prever que,
para o primeiro caso, em que o tamanho da amostra de 3.431, teremos um tamanho ajustado de 3.813; para o segundo exemplo, 2.559 elementos sero necessrios, se considerarmos a referida perda de 10%, para os 2.303 elementos amostrais originalmente previstos.
5. Vantagens e Desvantagens do Mtodo Proposto Finalmente, vamos listar algumas vantagens e desvantagens do mtodo referente a essa proposta para clculo de tamanho de amostra, cuja base est assentada sobre a Lgica Paraconsistente Anotada Evidencial.
5.1. Vantagens (a) permite calcular o tamanho da amostra em funo da composio do instrumento de coleta, possibilitando que o prprio instrumento, nos casos possveis e/ou necessrios, seja readequado em funo dos itens que efetivamente so de interesse na investigao. (b) leva em considerao todas as combinaes de respostas possveis; intuitivamente, isso permite afirmar que qualquer combinao de respostas foi considerada, em funo de todas as possibilidades de combinao existentes. (c) tendo-se feito o clculo do tamanho da amostra para um instrumento de coleta, o mesmo no se altera, o que pode facilitar o uso desse nmero em diversas investigaes diferentes.
205
(d) no necessita de informaes externas; s necessita do conhecimento da estrutura do instrumento de coleta. (e) um clculo relativamente fcil de ser feito, pois depende, apenas, das contagens dos elementos formadores de sua formulao, e no de um estudo-piloto ou pesquisa prvia para conseguir-se os valores necessrios para o clculo do tamanho da amostra. (f) no depende do tamanho da escala de qualquer varivel, pois cada escala transformada em uma estrutura de categorias. (g) este clculo independe da estimao de valores prvios de nvel de significncia e de poder do teste, bem como da adoo, tambm prvia, de algum teste estatstico.
5.2. Desvantagens (a) no caso de instrumentos de coleta muito grandes, a depender do nmero de itens e principalmente, do nmero de categorias originais, o tamanho da amostra a ser calculado pode ser grande o suficiente, para inviabilizar a pesquisa; a sugesto, neste caso, a de sempre considerar populaes limitadas por valores da ordem de grandeza das dezenas, centenas ou algumas unidades de milhar; se isso no puder ser viabilizado, ento deve-se recorrer a outros mtodos de clculo de tamanho de amostra. (b) no caso de instrumentos de coleta muito pequenos, o problema anterior se inverte, e a amostra pode ser pouco representativa para a conduo da pesquisa; sugere-se, ento, tambm, recorrer a outros mtodos de clculo de tamanho de amostra. (c) nem sempre, possvel transformar os itens e suas eventuais categorias, para que o instrumento possa consistir em base para o clculo do tamanho da amostra; com isso,
surgem efetivas dificuldades para a criao de categorias em itens cujas respostas so abertas, ou mesmo, em escalas numricas cujas divises no se tornam claras para a criao de categorias sugestivas. (d) Chen (1989) alerta para o volume de classificaes errneas em categorias oriundas de variveis que originalmente no so categricas: esse nmero pode ser relativamente elevado, e prejudicar o clculo do tamanho da amostra, quando no se conhece, com preciso, quais sero as categorias a serem determinadas para cada varivel em que isso for necessrio.
6. Referncias Bibliogrficas Abe JM Fundamentos da Lgica Anotada, Tese de Doutorado, FFLCH - USP, 135 pp, 1992. Abe JM Some Aspects of Paraconsistent Systems and Applications, Logique et Analyse, 157: 83-96, 1997. Borg I e Groenen PJF Modern multidimensional scaling theory and applications, 2ed. New York: Springer, 2005. Cochran W Sampling Techniques, 2nd ed., Boston: John Wiley & Sons, 1985. Couto Junior EB Abordagem no-paramtrica para clculo do tamanho da amostra com base em questionrios ou escalas de avaliao na rea de sade [tese]. So Paulo: Faculdade de Medicina, Universidade de So Paulo; 2009. Deming WE Some theory of sampling. New York: Dover, 1966.
Gordon I e Watson R A note on sample size determination for comparison of small probabilities, Control Clin Trials, 15: 77-9, 1994. Grifitts HB e Hilton PJ Matemtica Clssica uma interpretao contempornea, So Paulo: Edgard Blucher, EDUSP, 1975. Grimaldi, RP Discrete and Combinatorial Mathematics an applied introduction.
Reading (Massachusetts): Addison-Wesley Publishing Company, 1986. Kish L Survey sampling, New York: John Wiley & Sons, 1965. Skalski JR Sample size calculations for Normal variates under Binomial censoring,
Biometrics, 48: 877-82, 1992. Vickers A How to reduce the number of patients needed for randomized trials: a basic introduction. Complement Ther Med, 9: 234-6, 2001.
Euro de Barros Couto Junior - possui graduao em Cincias Fsicas e Biolgicas pela Faculdade Tibiri (1984), graduao em Estatstica pelo Instituto de Matemtica e Estatstica da Universidade de So Paulo (1990), mestrado (2002) e doutorado (2004) em Cultura e Literatura Russas pela Faculdade de Filosofia, Letras e Cincias Humanas (USP especialidade: Histria da Msica Russa) e doutorado em Cincias pela Faculdade de Medicina da Universidade de So Paulo (2009 - especialidade: Bioestatstica e Amostragem No-paramtrica). Atualmente, faz parte do Grupo de Lgica coordenado pelo Prof. Dr. Jair Minoro Abe.
208
Aspectos das Redes Neurais Artificiais Paraconsistentes
1 2
Sheila Souza
Jair Minoro Abe
Faculdade de Medicina USP

2
Universidade Paulista
Instituto de Estudos Avanados USP
Resumo Neste trabalho, de carter introdutrio, apresentamos uma breve viso das Redes Neurais Artificiais Paraconsistentes e um exemplo de seu uso, na aplicabilidade no reconhecimento de caracteres numricos, estudando apenas alguns aspectos da implementao. Um trabalho mais completo est em curso.
Palavras-chave: Redes neurais artificiais, Lgica paraconsistente, Lgica Anotada, Reconhecimento de padres, Redes Neurais Artificiais Paraconsistentes
209
Abstract In this work, introductory in character, we present a brief essay of Paraconsistent Artificial Neural Network and an example of its use, applicability in the numerical character recognition, studying only some aspects of its implementation. A more complete work is in progress.
Keywords: Artificial Neural Networks, Paraconsistent logic, Annotated logic, Pattern recognition, Paraconsistent Artificial Neural Networks
Neste captulo bosquejamos sobre as Redes Neurais Artificiais Paraconsistentes RNAPs. Elas constituem uma das inmeras possibilidades de pesquisa de aplicaes da Lgica Paraconsistente Anotada Evidencial E , e aqui apresentamos aspectos introdutrios dessa nova teoria, com uma indicao de aplicao, no reconhecimento de caracteres numricos. Salientamos que apesar de a teoria das RNAPs estar fundamentada em outras obras, o exemplo constitui apenas indicativos de como se pode aplic-la na prtica. Desse modo, o que apresentamos no constitui um estudo completo; com efeito, ela reflete parte de uma investigao mais ampla em curso.
210
1. Redes Neurais Artificiais RNA O crebro humano possui aproximadamente 10 bilhes de neurnios e cada neurnio realiza entre mil a dez mil sinapses, formando uma gigantesca rede neural capaz de processar informaes atravs das conexes existentes entre os neurnios, conhecidas como sinapses. Grosso modo, um neurnio biolgico composto por um corpo celular denominado soma e por diversas ramificaes. Essas ramificaes, conhecidas como dendritos, conduzem os sinais das extremidades para o corpo. Existe tambm uma ramificao, geralmente nica, denominada axnio, responsvel por conduzir os sinais para outros neurnios atravs das sinapses.
Figura I - Neurnio Biolgico A teoria das Redes Neurais Artificiais so paradigmas computacionais baseados em modelos matemticos que a despeito das computaes tradicionais possui uma estrutura e operao que, grosso modo, tentam imitar o funcionamento do neurnio biolgico humano.
211
Tais redes tambm so conhecidas como sistemas conexionistas, sistemas paralelos distribudos ou sistemas adaptativos, pois so compostos por uma srie de elementos de processamento interconectados que operam em paralelo. Um dos objetivos originais das Redes Neurais Artificiais entender e modelar as caractersticas funcionais e propriedades computacionais do crebro quando executa processos cognitivos tais como percepo sensorial, categorizao de conceitos, associao de conceitos e aprendizado. Entretanto, hodiernamente um grande esforo est direcionado nas aplicaes que envolvem reconhecimento e classificao de padres, compresso de dados e otimizao. Uma Rede Neural Artificial genrica pode ser definida como um sistema computacional consistindo de um conjunto de elementos de processamento altamente interconectados, denominados neurnios artificiais, o qual processa uma informao como resposta a um estmulo externo. Um neurnio artificial uma representao simplificada que emula a integrao de sinais e dispara no limiar comportamento dos neurnios biolgicos por meio de equaes matemticas. Como em sua contraparte biolgica, neurnios artificiais so limitados conjuntamente por conexes que determinam o fluxo de informaes entre os neurnios. Estmulos so transmitidos de um processamento a outro via sinapses ou interconexes, que podem ser excitatrios ou inibitivos. Se o input a um neurnio excitatrio, mais provvel que este neurnio transmita um sinal excitatrio aos outros neurnios a ele conectados. Um input inibitrio provavelmente se propagar como inibitrio. Redes Neurais Artificiais dispem-se tipicamente em camadas. Cada camada em uma rede neural constitui um arranjo de elementos processadores ou neurnios. Informaes
fluem atravs de cada elemento na forma de input-output. Em outras palavras, cada elemento recebe um sinal de input, manipula-o e encaminha um sinal de output a outros elementos conectados na camada adjacente. Assim como o crebro humano capaz de aprender e tomar decises baseadas na aprendizagem, uma RNA permite que um sistema de processamento seja capaz de armazenar conhecimento baseado em experincias e disponibilizar este conhecimento para aplicao. Esse comportamento inteligente advm das interaes entre as unidades de processamento da rede, que em sua constituio possui vrias unidades de processamento com uma srie de neurnios artificiais conectados entre si. Sendo assim, a capacidade de aprendizado, ou seja, a capacidade de auto ajustar-se na tentativa de reconhecer padres a partir das informaes fornecidas, destaca-se talvez como a maior vantagem apresentada pelas Redes Neurais Artificiais.
Figura II - Rede Neural Artificial esquema geral O primeiro modelo de neurnio artificial foi proposto por [McCulloch & Pitts 43]. Ele constitui-se um modelo simples e a inteno deles era de se obter um modelo terico do neurnio biolgico, considerando-o basicamente como um circuito binrio. Hoje sabe-se
213
que tal teoria extremamente poderosa e provou-se ser equivalente mquina de Turing (ver, por exemplo, [Arbib 97]).
Figura III Modelo de McCulloch & Pitts Uma outra teoria, hoje clssica, o Perceptron, foi proposto por Frank Rosemblatt em 1957 [Rosemblatt 58] sendo inicialmente utilizado em reconhecimento de caracteres. Como no caso anterior, observamos que o perceptron tambm faz uso de neurnios binrios. Independentemente, porm, semelhante a esses estudos, Widrow [Widrow 63], [Widrow & Holf 60] e [Widrow & Winter 88] propuseram o ADALINE (ADAptive LInear NEuron). Para formar uma RNA, Widrow construiu o MADALINE, que grosso modo considera como regra o voto de maioria. Minsky e Paperti [Minsky & Paperti 88] investigaram pormenorizadamente o Perceptron usando argumentos geomtricos e lgicos.
2. A Lgica Paraconsistente Como a exposio no restante deste captulo baseia-se nas lgicas paraconsistentes anotadas, achamos conveniente expor brevemente os principais conceitos, definies e um pequeno histrico.
214
A Lgica Paraconsistente teve como precursores o lgico russo N.A. Vasilev e o lgico polons J. ukasiewics. Ambos, em 1910, independentemente, publicaram trabalhos nos quais tratavam da possibilidade de uma lgica que no eliminasse, ab initio, as contradies. Todavia, os trabalhos desses autores, no tocante paraconsistncia, se restringiram lgica aristotlica tradicional. Somente em 1948 e 1954 que o lgico polons S. Jakowski e o lgico brasileiro N.C.A. da Costa, respectivamente, embora independentemente, construram a lgica paraconsistente. Tambm, independentemente dos trabalhos de Da Costa, o lgico D. Nelson sugeriu em 1959 uma lgica paraconsistente como uma verso de seu sistema conhecido como lgicas construtivas com negao forte. Jakowski formalizou um clculo proposicional paraconsistente denominado Clculo Proposicional Discursivo (ou Discussivo), ao passo que Da Costa desenvolveu vrias lgicas paraconsistentes contendo todos os nveis lgicos comuns. Seja T uma teoria fundada sobre uma lgica L, e suponha-se que a linguagem de T e de L contenha um smbolo para a negao se houver mais de uma negao, uma delas deve ser escolhida, pelas suas caractersticas lgico formais. T diz-se inconsistente se ela possuir teoremas contraditrios; isto , um a negao do outro; caso contrrio, T diz-se consistente. T diz-se trivial se todas as frmulas de L ou todas as frmulas fechadas de L forem teoremas de T; em hiptese contrria, T diz-se no-trivial. Analogamente, a mesma definio aplica-se a sistemas de proposies, conjunto de informaes, etc. (levando-se em conta, naturalmente, o conjunto de suas conseqncias). Na lgica clssica e em muitas categorias de lgica, a consistncia desempenha papel deveras importante. Com efeito, na maioria dos sistemas lgicos usuais, uma teoria T trivial, ento T inconsistente e reciprocamente.
Uma lgica L chama-se Paraconsistente se puder servir de base para teorias inconsistentes mas no-triviais. Outro conceito significativo para o que se segue o de lgica paracompleta. Uma lgica L chama-se Paracompleta se ela puder ser a lgica subjacente a teorias nas quais se infringe a lei do terceiro excludo na seguinte forma: de duas proposies contraditrias, uma delas verdadeira. De modo preciso, uma lgica se diz paracompleta se nela existirem sistemas no-triviais maximais aos quais no pertencem uma dada frmula e sua negao. Finalmente, uma lgica L denomina-se No-Altica se L for Paraconsistente e Paracompleta.
3. A Lgica Paraconsistente Anotada As lgicas paraconsistentes anotadas so uma famlia de lgicas no-clssicas surgidas no final da dcada de 90 do sculo passado em programao lgica [Subrahmanian 87]. Devido s aplicaes obtidas, tornou-se conveniente um estudo de suas bases. Os estudos sobre os fundamentos da lgica paraconsistente anotada foram efetuados por vrios autores, entre eles, Da Costa, Abe, Akama e outros [Abe 92]. Em [Abe 92] estudouse a lgica de predicados, teoria de modelos, teoria anotada de conjuntos e alguns sistemas modais, estabelecendo-se um estudo sistemtico dos fundamentos das lgicas anotadas apontadas em trabalhos anteriores. Em particular, esse autor obteve metateoremas de completeza forte e fraca para uma subclasse de lgica anotada de primeira ordem e fez um estudo sistemtico da teoria anotada de modelos, generalizando a maioria dos resultados padro para os sistemas anotados.
216
Outras aplicaes dos sistemas anotados foram iniciados por Abe por volta de 1993 e juntamente com discpulos diretos implementou-se a linguagem de programao paraconsistente Paralog. Tais idias aplicaram-se na construo de um prottipo e especificao de uma arquitetura baseada na lgica paraconsistente anotada que integra vrios sistemas computacionais planejadores, base de dados, sistemas de viso, etc. de uma clula de manufatura [Prado 96] e representao de conhecimento por Frames, permitindo representar inconsistncias e excees [vila 96]. Da Silva Filho, outro discpulo de Abe, interessou-se na aplicao da lgica paraconsistente anotada P em circuitos digitais, obtendo-se a implementao das portas lgicas Complement, And e Or [Da Silva Filho 99]. Tais circuitos permitem sinais conflitantes implementados em sua estrutura de modo no-trivial. Acreditamos que a contribuio dos circuitos eltricos paraconsistentes seja pioneira na rea dos circuitos eltricos, abrindo-se novas vias de investigaes. Nas pesquisas referentes ainda na parte de hardware, foi a edificao do analisador lgico para-analisador que permite tratar conceitos de incerteza, inconsistncia e paracompleteza. Tambm foram construdos controladores lgicos baseados nas lgicas anotadas Paracontrol, simuladores lgicos Parasim, tratamento de sinais Parasnico. Como materializao dos conceitos discutidos construiu-se o primeiro rob paraconsistente com o hardware paraconsistente: a rob Emmy [Da Silva Filho 99], [Abe & Da Silva Filho 03] e o prottipo II da Emmy foi estudado em [Torres 04]. Outro rob paraconsistente construdo com o software baseado na lgica paraconsistente anotada denominou-se Sofya e muitos prottipos subseqentes foram construdos: Amanda, Hephaestus, etc.
217
Os sistemas anotados so lgicas surpreendentemente teis. Elas abarcam aspectos dos conceitos envolvidos em raciocnio no-monotonico, defesiable, default e dentico [Nakamatsu, Abe & Suzuki 00]. Verses de lgicas anotadas tambm envolvem muitos aspectos das lgicas foz. Isto pode ser visto sob vrios ngulos. A teoria anotada de conjuntos engloba in totum a teoria de conjuntos fuzzy [Abe 92]. Verses axiomatizadas da teoria fuzzy tambm foram obtidas. Foi erigido o controlador hbrido parafuzzy que une caractersticas das lgicas anotadas e fuzzy [Da Silva Filho 99]. Finalmente, aspectos algbricos tambm foram investigados por Abe em [Abe, Akama & Nakamatsu 07] e outras algebrizaes interessantes tem sido estudadas por outros autores. Uma verso particular das lgicas anotadas, a lgica paraconsistente anotada evidencial E , serviu de base para a edificao de uma nova classe de Redes Neurais Artificiais, a Rede Neural Artificial Paraconsistente (RNAP) [Da Silva Filho & Abe 01] e [Da Silva Filho, Abe & Torres 08], que passamos a discutir no prximo pargrafo.
4. Redes Neurais Artificiais Paraconsistentes - RNAPs A Rede Neural Artificial proposta em [Da Silva Filho & Abe 01] denominada Rede Neural Artificial Paraconsistente - RNAP baseia-se na lgica paraconsistente anotada evidencial E . Tal lgica capaz de manipular conceitos como de incerteza, de inconsistncia e de paracompleteza no seu interior conforme [Abe 92].
218
Em conseqncia, a Rede Neural Artificial Paraconsistente capaz tambm de manipular os conceitos citados diretamente, o que faz diferenciar das teorias de Redes Neurais Artificiais existentes na literatura. Tais conceitos (incerteza, inconsistncia e
paracompleteza) esto entre os conceitos mais desafiadores em reconhecimento de padres, como fcil de se imaginar. Uma RNAP composta por vrias Unidades Neurais Artificiais Paraconsistentes - UNAPs - com funes distintas, tais como conexo, aprendizado, memorizao etc., que tratam os sinais de entrada da rede provenientes dos graus de evidncias favorvel e contrria. Essas UNAPs podem ser caracterizadas como aglomerados de Clulas Neurais Artificiais Paraconsistentes - CNAPs - interligadas entre si que analisam e modelam sinais eltricos inspirados no comportamento dos neurnios biolgicos. A partir dessa estrutura as RNAPs oferecem a possibilidade de modelar sistemas de programao ou circuitos com base no comportamento do crebro humano, o que proporciona o tratamento de incertezas e informaes contraditrias (inconsistncia). A seguir apresenta-se uma breve descrio de algumas clulas que compem a Famlia das Clulas Neurais Artificiais Paraconsistentes. A Clula Neural Artificial Paraconsistente Analtica Real - CNAPar - realiza uma anlise paraconsistente das entradas e retorna o grau de evidncia real diminuindo, assim, o efeito da inconsistncia presente nas entradas.
219
Figura IV - Clula Neural Artificial Paraconsistente Analtica Real A Clula Neural Artificial Paraconsistente de Deteco de Igualdade - CNAPdi - compara as entradas e retorna um valor representando a igualdade entre elas.
Figura V - Clula Neural Artificial Paraconsistente de Deteco de Igualdade
220
As Clulas Neurais Artificiais Paraconsistentes de Conexo Lgica Simples de Maximizao e Minimizao - CNAPcls - retornam o valor mximo e mnimo, respectivamente, a partir das entradas.
Figura VI - Clulas Neurais Artificiais Paraconsistentes de Conexo Lgica de Maximizao e Minimizao
A Clula Neural Artificial Paraconsistente de Passagem - CNAPpa - canaliza sinais para determinadas regies da rede.
221
Figura VII - Clula Neural Artificial Paraconsistente de Passagem
5. Aplicaes das Redes Neurais Artificiais Paraconsistentes As RNAPs tem se apresentado como uma importante ferramenta de pesquisa para aplicaes que envolvem dados imprecisos, inconsistentes e paracompletos devido a sua capacidade de manipulao e tratamento desses dados. Atualmente existem vrios trabalhos desenvolvidos e em desenvolvimento na rea de Inteligncia Artificial com base nessa ferramenta. O reconhecimento de caracteres, por exemplo, destaca-se como uma das mais conhecidas e exploradas modalidades de reconhecimento de padres, que consiste em caractersticas extradas de um conjunto de caracteres com o objetivo de tentar reproduzir a capacidade humana de ler textos. Como o objetivo da tcnica de reconhecimento dos caracteres classificar as palavras a partir das informaes geradas pela extrao das suas caractersticas. Em sistemas de reconhecimento de padres a maior dificuldade est em determinar o conjunto de
caractersticas passveis de extrao devido interferncia de erros e/ou rudos. Considerando esses detalhes, o desempenho de um sistema automtico de reconhecimento depende fundamentalmente da qualidade dos documentos nas suas formas original e digital. Embora haja vrios estudos no ramo de reconhecimento de caracteres, essa uma rea em constante desenvolvimento onde novas tcnicas e metodologias surgem ao longo do tempo proporcionando melhor desempenho no reconhecimento. A seguir apresentaremos um procedimento computacional automtico para reconhecimento de caracteres CMC-7, pelo uso das Redes Neurais Artificiais Paraconsistentes, utilizando alguns dos conceitos estudados anteriormente.
6. Sistema Paraconsistente para o Reconhecimento de Caracteres CMC-7 O trabalho de pesquisa que apresentamos abaixo se trata de um sistema computacional paraconsistente para o reconhecimento de Caracteres Magnticos Codificados em 7 barras (CMC-7), que ao receber como entrada uma imagem digitalizada de um caractere do tipo CMC-7, previamente tratada e binarizada, deve ser capaz de extrair algumas caractersticas especficas em formato de graus de evidncias e, a partir dessas caractersticas, fazer o reconhecimento do caractere com base nos conceitos das Redes Neurais Artificiais Paraconsistentes.
Figura VIII - Exemplo de Caracteres Magnticos Codificados em 7 barras (CMC7) utilizado em cheque bancrio
O processo de reconhecimento subdivide-se em cinco fases: aquisio da imagem, prprocessamento da imagem, mapeamento da imagem em graus de evidncia, extrao de caractersticas e reconhecimento, ilustradas na Figura IX. As duas primeiras fases referem-se a digitalizao e pr-tratamento da imagem, as quais no sero abordadas nesse captulo.
Figura IX - Fases para o processo de reconhecimento Considerando como entrada do sistema uma imagem previamente tratada, temos a arquitetura do sistema apresentada pela Figura X composta por trs camadas, sendo elas, mapeamento da imagem em graus de evidncia, extrao de caractersticas da imagem e o reconhecimento do caractere. A primeira camada responsabiliza-se pelo mapeamento do contorno do caractere apresentado na imagem digitalizada. A partir desse mapeamento algumas caractersticas
como linhas verticais e horizontais, transies direcionais e curvatura so extradas da imagem e, com base nessas caractersticas, o processo de reconhecimento realizado na ltima camada utilizando os conceitos das Redes Neurais Artificiais Paraconsistentes.
Figura X - Arquitetura do Sistema
A seguir apresentam-se alguns detalhes dos procedimentos realizados em cada camada.
225
6.1. Mapeamento da Imagem em Graus de Evidncia No processo de mapeamento da imagem extramos o contorno da imagem adotando graus de evidncia para cada pixel. Esse mapeamento subdividido em quatro partes sendo elas: lado esquerdo, lado direito, topo e base da imagem. Considerando que o grau de evidncia deve ser um valor no intervalo [0, 1], adotamos que '0' demonstra a ausncia de pixel preto na linha/coluna analisada. No caso dos lados esquerdo e direito, adotamos como base a normalizao do grau de evidencia entre as colunas da imagem, ou seja, utilizamos um regra de trs simples para calcular o grau de evidncia com base na quantidade de colunas da imagem. [total de colunas] [coluna do pixel preto encontrado] 1 x
Como exemplo podemos utilizar a Figura XI com 17 colunas e 23 linhas: lado esquerdo: a primeira linha da imagem possui o primeiro pixel preto na 7 coluna, portanto o valor do grau de evidncia atribudo equivale 7/17 = 0,41 . lado direito: a primeira linha da imagem possui o ltimo pixel preto na 13 coluna, portanto o valor do grau de evidncia atribudo equivale 13/17 = 0,76.
226
Figura XI - Mapeamento da imagem em Graus de evidncia No caso do topo e base da imagem, adotamos como base a normalizao do grau de evidencia entre as linhas, ou seja, utilizamos um regra de trs simples para calcular o grau de evidncia com base na quantidade de linhas da imagem. [total de linhas] [linha do pixel preto encontrado] Assim, ainda utilizando a Figura XI temos: topo da imagem: a primeira coluna possui o primeiro pixel preto na 4 linha, portanto o valor do grau de evidncia atribudo equivale 4/23 = 0,17. base da imagem: a primeira coluna possui o ltima pixel preto na 13 coluna, portanto o valor do grau de evidncia atribudo equivale 20/23 = 0,87.
1 x
Ao final desse processo temos quatro grupos de graus de evidncia (esquerda, direita, topo e base) representando o contorno da imagem, os quais so a base para o processo de extrao de caracterstica.
6.2. Extrao de Caractersticas da Imagem Como o processo de reconhecimento realizado a partir de caractersticas especficas do caractere, escolhemos algumas caractersticas com base no estudo de algumas tcnicas do grafismo para compor o processo de extrao de caractersticas do nosso sistema. Conforme apresentado na Figura X, o processo de extrao das caractersticas realizado a partir dos graus de evidncia obtidos no mapeamento da imagem. Nos primeiros tipos de extrao de caractersticas, linhas verticais e horizontais, utilizamos uma Unidade Neural Artificial Paraconsistente, apresentada na Figura XII, para detectar os segmentos de reta verticais e horizontais da imagem. Essa UNAP nomeada Unidade das Linhas Verticais e Horizontais - ULVH - alimentada com os graus de evidncias obtidos no mapeamento da imagem e, como sada, gera uma lista com os segmentos de reta reconhecidos, onde cada segmento de reta compe-se por um conjunto de graus de evidncia com suas peculiaridades representando as seguintes informaes: Direo (lado analisado na imagem - esquerda, direita, topo ou base). Atribuiu-se o valor '1' para esquerda e topo e valor '0' para direita e base. Tamanho do segmento de reta. Valor entre o intervalo [0, 1] calculado com base na quantidade de pixels que o comprimento do segmento de reta possui.
Localizao do segmento de reta na linha. Valor entre o intervalo [0, 1] equivalente a posio do segmento de reta na linha considerando que o valor do grau de evidncia crescente da esquerda para a direita. Localizao do segmento de reta na coluna. Valor entre o intervalo [0, 1] equivalente a posio do segmento de reta na coluna considerando que o valor do grau de evidncia crescente do topo para a base.
Figura XII - Arquitetura da ULVH A primeira camada da RNAP compe-se de um conjunto de Unidades Neurais Artificiais Paraconsistentes nomeadas UCPC (Unidade das Clulas da Primeira Camada) e as demais camadas so formadas por outro tipo de Unidades Neurais Artificiais Paraconsistentes nomeadas UCCF (Unidade das Clulas das Camadas Finais).
Na primeira camada dessa arquitetura, cada UCPC recebe duas entradas da seqncia dos graus de evidncia. Na camada subseqente (segunda), cada UCCF recebe duas entradas da seqncia das sadas da primeira camada ordenadamente. A partir da terceira camada as UCCF so interconectadas atravs da segunda entrada da UCCF anterior. Na primeira camada cada UCPC compe-se por duas Clulas Neurais Artificiais Paraconsistentes, CNAPar e CNAPdi, conforme Figura XIII.
Figura XIII - Arquitetura da UCPC A CNAPar calcula e retorna o grau de evidncia real diminuindo, assim, a inconsistncia das entradas, conforme [Da Silva Filho, Abe & Torres 08]. Nas arquiteturas das UCPC e UCCF o valor retornado por uma clula desse tipo ser representada pela sigla AR.
230
A CNAPdi verifica se as entradas so iguais retornando os valores 0 ou 1. Nas arquiteturas das UCPC e UCCF o valor retornado por uma clula desse tipo ser representada pela sigla DI. A UCPC retorna uma lista com o resultado de ambas as clulas, CNAPar e CNAPdi, representadas pelas siglas AR e DI. Nas demais camadas cada UCCF compe-se por oito CNAPs, sendo trs CNAPcls de Minimizao, uma CNAPcls de Maximizao, trs CNAPdi e uma CNAPar, conforme Figura XIV. Esta unidade recebe como entrada duas unidades seqenciais da camada anterior (UCPC ou UCCF). A clula 6 uma CNAPar que recebe como entrada as sadas AR da camada anterior e calcula o grau de evidncia real desses valores. O grau de evidncia real calculado a sada AR desta UCCF.
231
Figura XIV - Arquitetura da UCCF A clula 4 a CNAPdi principal que recebe como entrada as sadas DI da camada anterior e verifica se existe igualdade entre elas, informando, assim, se existe ou no, um segmento de reta. Esta clula influenciada pela sada da clula 3 que representa o fator de contradio. Independente dos valores de entrada, se o fator de contradio for igual a 0, ento a sada dessa clula ser 0, indicando que no existe um segmento de reta. A sada dessa clula ser a sada DI desta UCCF. As demais clulas foram adicionadas a esta UCCF para tratar trs casos especiais apresentados na Figura XV que detalhamos a seguir.
232
1) O primeiro caso ocorre quando as sadas AR e DI da camada anterior so iguais a 0. Isso acontece quando existe ausncia de informao. 2) O segundo caso ocorre quando as sadas da camada anterior apresentam os seguintes resultados: sadas AR maiores do que 0 e diferentes entre si e, sadas DI iguais a 1. Isso acontece quando existem dois segmentos de reta distintos em colunas diferentes. 3) O terceiro e ltimo caso ocorre quando as sadas da camada anterior apresentam os seguintes resultados: sadas AR maiores do que 0 e iguais e, sadas DI iguais a 0. Isso acontece quando existem dois segmentos de reta distintos na camada anterior para cada entrada da UCCF. Nesse caso so analisados dois blocos de oito clulas, onde cada bloco possui dois segmentos de reta distintos.
Figura XV - Exemplos dos casos especiais tratados pela UCCF. Assim, os segmentos de reta so identificados a partir da anlise das sadas DI retornadas pelas camadas da rede. Quando a ltima camada da rede apresenta a sada DI igual a 1, significa que existe um nico segmento de reta com tamanho mximo. Caso contrrio, o sistema percorre as camadas anteriores em busca das sadas DI igual a 1, que caracterizam um segmento de reta.
233
Na a extrao das caractersticas das linhas verticais e horizontais, utilizamos duas UNAPs desse tipo, uma para as linhas verticais e outra para as linhas horizontais. Atravs dessas UNAPs as caractersticas referentes s linhas verticais e horizontais da imagem so identificadas e agrupadas individualmente em forma de graus de evidncia. Para a ltima caracterstica, transies direcionais e curvatura, os grupos de graus de evidncia obtidos no processo de mapeamento da imagem so agrupados conforme seqncia definida na Figura XI, de modo a representar o histograma do contorno da imagem formado por esse agrupamento conforme apresentado na Figura XVI.
Figura XVI - Histograma do contorno da imagem Ao final desse processo, so enviados trs grupos de graus de evidncia para a camada de reconhecimento da imagem referentes cada tipo de extrao de caracterstica.
6.3. Reconhecimento da Imagem No processo de reconhecimento comparamos os graus de evidncia obtidos no processo de extrao de caractersticas da imagem apresentada, com os graus de evidncia obtidos de cada imagem padro dos caracteres CMC-7, ou seja, realiza-se um processamento paraconsistente para cada caractere padro, onde a sada representa o grau de evidncia de reconhecimento do mesmo.
Esse processamento compe-se por duas unidades UARL (Unidade de Agrupamento do Reconhecimento de Linhas), sendo uma para analisar as caractersticas das linhas verticais e outra para as linhas horizontais e, uma URP (Unidade de Reconhecimento de Padro) para analisar as caractersticas das transies direcionais e curvatura. A UARL, Figura XVII, responsabiliza-se por realizar o reconhecimento das linhas verticais ou horizontais atravs de duas unidades URP e, transformar a sadas dessas unidades em um nico grau de evidncia atravs de uma CNAPa.
Figura XVII - Arquitetura da UARL A URP, apresentada na Figura XVIII, destaca-se como a unidade de maior importncia do processo de reconhecimento. Nela realiza-se a comparao entre os graus de evidncia obtidos no processo de extrao de caracterstica do caractere apresentado e, os graus de evidncia de um determinado caractere padro.
235
Essa unidade recebe dois grupos de graus de evidncia. Um refere-se ao caractere apresentado ao sistema e o outro a um caractere padro. A entrada desses dados so organizados em pares e apresentados uma clula de deteco de igualdade na primeira camada da rede, posteriormente, as sadas de cada CNAPdi so encaminhadas para as demais camadas, compostas por CNAPa, para transformar essas sadas em um grau de evidncia final.
Figura XVIII - Arquitetura da URP Para transformar as sadas dessas unidades em um nico grau de evidncia que representar a sada final, ou seja, o grau de evidncia de reconhecimento de um determinado caractere utilizamos o Algoritmo Paraconsistente Extrator de Efeitos da Contradio - ParaExtrctr - desenvolvido por Da Silva Filho [Da Silva Filho 09], que tem a
236
habilidade de extrair, de forma gradativa, os efeitos da contradio em sinais que representam conhecimento incerto. O algoritmo ParaExtrctr, simbolizado na Figura XIX, recebe um grupo de graus de evidncia, no nosso caso as sadas das trs UNAPs descritas acima. Na primeira etapa so selecionados os graus de evidncia de maior e menor valor (max e min) e os seguintes parmetros so definidos como entrada do NAP, simbolizado na Figura XX, para a extrao dos efeitos da contradio: " = max" e " = 1 - min."
Figura XIX - Algoritmo Paraconsistente Extrator de Efeitos da Contradio
Aps a primeira anlise, os graus de evidncia selecionados para a primeira etapa so substitudos pelo resultado da anlise realizada pelo NAP e, inicia-se a prxima e ltima etapa seguindo os mesmos critrios da primeira. Como resultante desse processamento obtemos um nico valor que representa o grau de evidncia resultante de cada caractere.
237
Figura XX - Smbolo do NAP - N de Anlise Paraconsistente Ao final do processo de reconhecimento, cada caractere padro exibe um grau de evidncia, onde o maior valor representa o caractere reconhecido pelo sistema conforme arquitetura do sistema apresentada na Figura X.
7. Concluso As Redes Neurais Artificiais Paraconsistentes um novo tipo de rede que vem se mostrando til em muitas aplicaes. A construo da RNAP permite manipular diretamente conceitos difusos, inconsistentes e paracompletos em seu interior; esperamos que essa caracterstica leve a uma maior preciso na captao de dados e no seu tratamento. Algumas aplicaes foram efetuadas: como mtodo de auxlio no diagnstico da Doena de Alzheimer [Lopes 09], [Abe, Lopes & Anghinah 07], [Lopes, Abe & Anghinah 09], no estudo de varveis craniomtricas [Mrio 06], [Mrio, Abe, Ortega & Del Santo 10], no estudo da disfuno da fala [Prado 07], em robs mveis autnomos [Torres 10] e outros temas. Esperamos contribuir mais em trabalhos futuros.
238
8. Referncias Bibliogrficas [Abe 92] ABE, J.M., Fundamentos da Lgica Anotada, Tese de Doutorado, FFLCH - USP, 135 pp, 1992. [Abe 97] ABE, J.M., Some Aspects of Paraconsistent Systems and Applications, Logique et Analyse, 157, 83-96, 1999. [Abe & Akama 99] ABE, J.M. & S. AKAMA, A Logical System for Reasoning with Fuzziness and Inconsistencies, Proceedings of the IASTED International Conference on Artificial Intelligence and Soft Computing (ASC99), August 9-12, Honolulu, Hawaii, USA, 221-225, 1999. [Abe, Lopes & Anghinah 07] ABE, J.M., H.F.S. LOPES & R. ANGHINAH, Paraconsistent Artificial Neural Network and Alzheimer Disease: A Preliminary Study, Dementia & Neuropsychologia, Vol 3., 241-247, ISSN 1980-5764, 2007. [Abe & Papavero 91] ABE, J. M. & N. PAPAVERO, Teoria Intuitiva dos Conjuntos, McGraw-Hill, Makron Books, So Paulo, 266 pp, 1991. [Akama & Abe 00b] AKAMA, S. & J.M. ABE , Annotated Rules with Uncertainty in Expert Systems, Proceedings of the IASTED International Applied Informatics, Sponsor: The International Association of Science and Technology for Development (IASTED), February 14-17, 2000, Innsbruck, Austria, 817-820, 2000. [Andries 02] ANDRIES P., Computational Intelligence. An Introduction. Engelbrecht, 2002. [Arbib 87] ARBIB, M.A., Machines and Mathematics, Springer, 2a edio, 1987.
239
[vila 96] VILA, B.C., Uma Abordagem Paraconsistente Baseada em Lgica Evidencial para Tratar Excees em Sistemas de Frames com Mltipla Herana, tese de Doutoramento, Universidade de So Paulo, So Paulo, 1996. [Azevedo, Brasil & Oliveira 00] AZEVEDO, M.A., L.M. BRASIL & R.C.L. DE OLIVEIRA, Redes Neurais com Aplicaes em Controle e em Sistemas Especialistas, Visual Books, 2000. [Barreto 02] BARRETO, J. M., Introduo s Redes Neurais Artificiais. UFSC, Florianpolis, 2002. Disponvel em http://www.inf.ufsc.br/~barreto/tutoriais/Survey.pdf [Bishop 95] BISHOP, C.M., Neural Networks for Pattern Recognition. 1.ed. Oxford University Press, 1995. [Da Costa 80] DA COSTA, N.C.A. Ensaio Sobre os Fundamentos da Lgica. So Paulo, Brasil. Hucitec-Edusp, 1980. [Da Costa 97] Da Costa NCA, Logiques Classiques et Non Classiques, Masson, Paris, 1997. [Da Silva Filho & Abe 00] DA SILVA FILHO, J.I. & J.M. ABE, Introduo Lgica Paraconsistente Anotada com Ilustraes. Santos: Emmy, 2000. [Da Silva Filho 99] DA SILVA FILHO, J.I., Mtodos de interpretao da Lgica Paraconsistente Anotada com anotao com dois valores LPA2v com construo de Algoritmo e implementao de Circuitos Eletrnicos, EPUSP, Tese de Doutoramento, So Paulo, 1999.
240
[Da Silva Filho & Abe 00] DA SILVA FILHO, J.I. & J.M. ABE, Paraconsistent analyzer module, International Journal of Computing Anticipatory Systems, vol. 9, ISSN 1373-5411, ISBN 2-9600262-1-7, 346-352, 2001. [Da Silva Filho 09] DA SILVA FILHO, J.I., Algoritmo Paraconsistente Extrator de Efeitos da Contradio - ParaExtr ctr. Seleo Documental, v. 15, p. 21/ATC3-28, 2009. [Da Silva Filho, Abe & Torres 08] DA SILVA FILHO, J. I. J.M. ABE & G.L. TORRES, Inteligncia Artificial com as Redes de Anlises Paraconsistentes: Teorias e Aplicaes. Rio de Janeiro: LTC, 2008. [Dazzi 99] DAZZI, R. L. S., Sistemas Especialistas Conexionistas: Implementao por Redes Diretas e Bidimencionais. Dissertao de Mestrado, UFSC, Florianpolis, 1999. [De Mendona 08] DE MENDONA F.L.L., Proposta de arquitetura de um sistema com base em OCR neuronal para resgate e indexao de escritas paleogrficas do sec. XVI ao XIX, Departamento de Engenharia Eltrica, Universidade de Braslia, 2008. [Duneau 94] DUNEAU, L., tude et ralisation dun systme adaptatif pour la reconnaissance en ligne de mots manuscripts, Tese de Doutorado, Universit Technologique de Compigne, Frana, 1994. [Fausett 94] FAUSETT, L., Fundamentals of Neural Network Architectures, Algorithms, and Applications, USA, s.ed. Prentice Hall, 1994. [Ferrara 04] FERRARA, L.F.P., Aplicaes das Redes Neurais Artificiais Paraconsistentes no Reconhecimento de Caracteres, em portugus, Dissertao de Mestrado, Universidade Federal de Uberlndia, 2004.
241
[Fischler & Frschein 87] FISCHLER, M.A. & O. FIRSCHEIN Intelligence The Eye, The Brain and The Computer Addison-Wesley Publishing Company, USA, 1987. [Haussounn 95] HASSOUNN, M.H., Fundamentals of Artificial Neural Network, USA, s.ed. MIT Press, 1995. [Haykin 94] HAYKIN, S., Neural Networks. Canada, Toronto, McMaster University, s.ed., 1994. [Hebb 49] HEBB, D., The Organization of Behavior Wiley, New York, 1949. [Hecht-Nielsen 82] HECHT-NIELSEN, R., Neural analog processing. Proc. SPIE, 360. PP. 180-189. Bellingham, WA, 1982. [Hecht-Nielsen 90] HECHT-NIELSEN, R., Neurocomputing. New York, Addison Wesley Publ. Co., s.ed. 1990. [Hertz, Krogh & Palmer 91] HERTZ, J., A. KROGH, & R. PALMER, An introduction to the Theory of Neural Computation, ISBN 0-201-50395-6 and 0-201-51560-1, 1991. [Hinton & Sejnowski 87] HINTON, G.E. & T.J. SEJNOWSKI, Neural network architectures for AI. Tutorial. AAAI Conference, 1987. [Hopfield & Tank 86] HOPFIELD, J.J. & T.W. TANK, Computing with Neural Circuits: A Model s.ed. Science, 1986. [Hopfield 82] HOPFIELD, J., Neural networks and physical systems with emergent collectives computational abilities. In: Proceedings of The National Academy of Sciences, v. 79, 2554-2558, 1982.
242
[Kohonen 89] KOHONEN, T., Self Organization and Associative Memory, SpringerVerlag, Berlin, 3a edio, 1989. [Korf 98] KORF, R.E., Artificial intelligence search algorithms. In CRC Handbook of Argorithms and Theory of Computation, M.J Atallah, ed. Boca Raton, FL: CRC Press, 1998. [Kosko 92] KOSKO, B., Neural Networks for signal processing. USA, New Jersey. s.ed. Prentice-Hall, 1992 [Lau 91] LAU, C.G.Y., Neural Network - Theoretical foundations and analysis. 1.ed. USA, IEEE Press, 1991. [Lopes 09] LOPES, H.F.S., Aplicao de Redes Neurais Artificiais Paraconsistentes como mtodo de auxlio no diagnstico da doena de Alzheimer, dissertao de mestrado, Faculdade de Medicina-USP, So Paulo, 473pp., 2009. [Lopes, Abe & Anghinah 09] LOPES, H. F. S., J. M. ABE & R. ANGHINAH, Application of Paraconsistent Artificial Neural Networks as a Method of Aid in the Diagnosis of Alzheimer Disease, Journal of Medical Systems, ISSN0148-5598 (Print) 1573-689X (Online), Springer-Netherlands, DOI-10.1007/s10916-009-9325-2, 1-9, 2009. [Mrio 06] MRIO, M.C., Modelo de Anlise de Variveis Craniomtricas Atravs Das Redes Neurais Artificiais Paraconsistentes, Tese de Doutoramento, Faculdade de Medicina USP, So Paulo, 103pp., 2006. [Mrio, Abe, Ortega & Del Santo 10] MRIO, M.C., J.M. ABE, N. ORTEGA, & M. DEL SANTO JR., Paraconsistent Artificial Neural Network as Auxiliary in Cephalometric
243
Diagnosis, Artificial Organs, Wiley Interscience, ISSN: 0160-564X, v.34, i.7, 215-221, DOI 10.1111/j.1525-1594.2010.00994.x, 2010. [McCulloch 43] McCULLOCH, W. & W. PITTS, A Logical Calculus of the Ideas Immanent in Nervous Activity, Bulletin of Mathematical Biophysics, 1943. [Minsky & Papert 88] MINSKY, M. & S. PAPERT, Perceptrons: An Introduction to Computational Geometry, 2.ed., 3a impresso, The MIT Press, 1988. [Nakamatsu, Abe & Suzuki 00] NAKAMATSU, K., J.M. ABE & A. SUZUKI, Annotated Semantics for Defeasible Deontic Reasoning, Rough Sets and Current Trends in Computing, The Second International Conference on Rough Sets and Current Trends in Computing - RSCTC'2000, Banff, Canada, Lecture Notes in Artificial Intelligence series, LNAI 2005, Springer-Verlag, 470-478, 2000. [Prado 96] PRADO, J.P.A., Uma Arquitetura em IA Baseada em Lgica Paraconsistente, Tese de Doutoramento, Universidade de So Paulo, 1996. [Prado 07] PRADO, J.C.A., Constelao Fnica e Redes Neurais Artificiais: Aplicabilidade na Anlise Computacional da Produo da Fala, Tese de Doutoramento, FFLCH-USP, So Paulo, 176pp., 2007. [Rodrigues, Silva & Thom 01] RODRIGUES, R.J; E. SILVA & A.C.G. THOM, Feature extractions Using Contour Projection, accepted for presentation at SCI2001. Orlando USA, July 2001. [Rosenblatt 58] ROSEMBLATT, F., The perceptron: a probabilistic model for information storage and organization in the brain, Psychological Review, v. 65, n. 1, 386-408, 1958.
244
[Siebert 68] SIEBERT, W., Stimulus Transformation in Peripheral Auditory System in Recognizing Patterns, Ed. Murray Eden, MIT Press, Cambridge, 1968. [Silva, Rodrigues & Thom 00] SILVA, E. R.J. RODRIGUES & A.C.G. THOM, Reconhecimento de dgitos cursivos um mtodo de segmentao por histogramas, Ncleo de Computao Eletrnica UFRJ, 2000. [Skylansky 73] SKLANSKY, J., Pattern Recognition: introduction and foundations, 1.ed. Sklansky, Dowdon, Hutchinson; Ross, inc, 1973. [Suen, Berthold & Mori 80] SUEN, C.Y., M. BERTHOLD & S. MORI, Automatic Recognition of Handprinted Characters The State of The Art. Proceedings of the IEEE, Vol. 68, No. 4, Abril, 1980. [Tonsig, 00] TONSIG, S.L., Simulando o Crebro: Redes Neurais. Dissertao de Mestrado. PUCCAMP, Campinas, 2000. [Torres 10] TORRES, C.R., Sistema Inteligente Baseado na Lgica Paraconsistente Anotada Evidencial E para Controle e Navegao de Robs Mveis Autnomos em um Ambiente No-estruturado, Tese de Doutoramento, Universidade Federal de Itajub, 2010. [Tou & Gonzalez 74] TOU, J.T. & R.C. GONZALEZ, Pattern Recognition Principles, 1.ed. USA, Addison-Wesley Publishing Company, 1974. [Widrow & Lehr 90] WIDROW, B. & M.A. LEHR, 30 Years of Adaptive Neural Networks: Perceptron, Madaline and Backpropagation. v. 78 n.9, Proc. IEEE 1990.
245
Sheila Souza Bacharela em Sistemas de Informao pelo Centro Universitrio Fundao Santo Andr. Desenvolveu projetos de pesquisa patrocinados pela FAPESP como Analista de Sistemas no Projeto Academic Network at So Paulo. Atualmente mestranda na Faculdade de Medicina da Universidade de So Paulo e integra a equipe de desenvolvimento dos Sistemas de Informaes para Habitao Social HABISP, adotados pela Secretaria Municipal de Habitao de So Paulo.
Jair Minoro Abe Bacharel e Mestre em Matemtica, Doutor em Filosofia e LivreDocente em Medicina, todos pela Universidade de So Paulo. Foi Professor Visitante ou Palestrista ocasional em instituies da Amrica do Sul, Europa, Mxico, Japo e Taiwan. Coordena um grupo de estudiosos em aplicaes das lgicas paraconsistentes anotadas e coordena a rea de Lgica e Teoria da Cincia do Instituto de Estudos Avanados da USP.
246
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma
Helder Frederico da Silva Lopes

2
Jair Minoro Abe
Depto Neurologia CEREDIC - Faculdade de Medicina da USP

2 2
Universidade Paulista
Instituto de Estudos Avanados USP
Resumo A anlise visual do eletroencefalograma (EEG) tem se mostrado til na ajuda diagnstica de demncias, tal como doenas de Alzheimer (DA), sendo indicado em alguns protocolos clnicos quando o diagnstico permanece em aberto aps a avaliao inicial. Porm, tal anlise est sujeita naturalmente impreciso inerente de equipamentos, movimentos do paciente, registros eltricos e variao da interpretao da anlise visual do mdico. Utilizando a teoria das Redes Neurais Artificiais Paraconsistentes (RNAP) como ferramenta de anlise capaz de tratar dados incertos e contraditrios dos sinais biolgicos registrados pelo EEG chegamos concluso de que a RNAP uma promissora ferramenta para anlise deste tipo de sinal biolgico.
Palavras-chave: Eletroencefalografia, Lgica Paraconsistente, Redes Neurais Artificiais, demncia, reconhecimento de padres.
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Abstract The visual analysis of electroencephalogram (EEG) has proven useful in assisting diagnosis of dementias such as Alzheimer's disease (AD), as indicated in some clinical protocols when the diagnosis remains open after the initial evaluation. However, this analysis is of course subject to the inherent imprecision of equipment, movement of the patient, electrical and variation of interpretation of the visual analysis of the physician. Using the theory of Paraconsistent Artificial Neural Networks (RNAP) as an analysis tool capable of handling uncertain and conflicting data of biological signals recorded by EEG came to the conclusion that the RNAP is a promising tool for analyzing this type of biological signal.
Keywords: Electroencephalography, Paraconsistent Logic, Artificial Neural Networks, dementia, partner recognition.
1. Introduo A utilizao de ferramentas matemticas e computacionais em anlise de sinais biolgicos tem sido uma promissora rea de aplicao de tais ferramentas na rea mdica. Dentre vrias aplicaes, o uso de ferramentas de anlise de sinais biolgicos de eletroencefalograma (EEG) vem se tornando cada vez mais necessrias visto que diversos estudos mostram que a anlise dos padres de EEG pode ser til no auxlio ao diagnstico de demncias, sendo indicada em alguns protocolos clnicos (Claus et al., 1999; Crevel et al., 1999).
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma O registro do sinal do EEG pode ser interpretado como flutuaes de voltagem com mistura de ritmos podendo ter frequentemente aparncia sinusoidal, com frequncia entre 0,1 Hz a 70 Hz. Na prtica clnico-fisiolgica, estas frequncias so agrupadas em bandas: delta (0,1 Hz a 4,0 Hz), teta (4,1 Hz a 8,0 Hz), alfa (8,1 Hz a 12,5 Hz) e beta (maior que 13 Hz) (Montenegro et al., 2001). Durante a viglia relaxada, o EEG normal em adultos predominantemente composto por frequncias pertencentes banda alfa, as quais so geradas por interaes dos sistemas cortico-cortical e tlamocortical (Steriade et al., 1990; Lopes da Silva, 1991).
Delta 0,1 Hz a 4,0 Hz Teta 4,1 Hz a 8,0 Hz
Alfa 8,1 Hz a 12,5 Hz
Beta Maior que 13 Hz
Figura I - Bandas de frequncias clinicamente estabelecidas e habitualmente encontradas no EEG (Montenegro et al., 2001). Por se tratar de um sinal biolgico, os padres de sinais do EEG apresentam imprecises e contradies inerentes, o que dificulta o tratamento e a anlise desse tipo de sinal. Contudo,
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma tcnicas computacionais, denominada Eletroencefalograma quantitativo (EEGq), auxiliam na quantificao dos traados de EEG, com o objetivo de agilizar e aumentar a preciso das interpretaes da anlise do EEG. Conforme j ilustrado em diversos estudos, a teoria das Redes Neurais Artificiais Paraconsistentes (RNAP) se mostra uma promissora ferramenta de anlise de sinais com cuja caractersticas se assemelham aos dos sinais de EEG. Desde modo, utilizamos em nossos estudos a RNAP como ferramenta de anlise de sinais de EEG em ensaios que nos possibilitaram verificar a aplicao da RNAP desde o reconhecimento de padres de EEG at a tomada de deciso em relao aos dados analisados.
2. Mtodo Rede Neural Artificial Paraconsistente (RNAP) uma nova classe de rede neural artificial introduzida em (Da Silva Filho et. al., 2008). Sua base se apia em lgica paraconsistente anotada E (Abe, 1992).
Considerando as frmulas atmicas da lgica paraconsistente anotada E do tipo p ( , ), onde ( , ) [0, 1] 2 e [0, 1] o intervalo real unitrio (p denota uma varivel ) pode ser intuitivamente ler: "Presume-se evidncias
proposicional), onde p( , favorveis que p
e evidncia contrria ." Assim:
p (1.0, 0.0) pode ser lido como uma proposio verdadeira. p (0.0, 1.0) pode ser lido como uma proposio falsa. p (1.0, 1.0) pode ser lido como uma proposio inconsistente.
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma p (0.0, 0.0) pode ser lido como uma proposio (desconhecido) paracompletas. p (0.5, 0.5) pode ser lido como uma proposio indeterminado. Ns introduzimos os seguintes conceitos (todas as consideraes so tomadas com 0 1): Grau de incerteza (Eq. 1); Grau de certeza (Eq. 2); ,
Gun , Gce ,
(1) (2)
1)
Uma relao de ordem definida em [0, 1]2: ( 1, constituindo uma rede que ser simbolizada por .
( 2,
2)
2,
Com os graus de incerteza e de certeza que podemos obter a seguinte sada de 12 estados (tabela I): estados extremos, e os estados no-extremos. Tabela I. Estados extremos e no-extremos. Estados extremos Verdadeiro Falso Inconsistente Paracompleto Smbolo V F T Estados no-extremos Quase verdadeiro tendendo a inconsistente Quase verdadeiro tendendo a paracompleto Quase falso tendendo a inconsistente Quase false tendendo a paracompleto Quase inconsistente tendendo a verdadeiro Quase inconsistente tendendo a falso Quase paracompleto tendendo a verdadeiro Quase paracompleto tendendo a falso Smbolo Qv Qv Qf Qf T T T T v f v f
251
Alguns valores de controle adicionais so: Vscct = Valor mximo de controle de incerteza = Ftct Vscc = Valor mximo de controle de certeza = Ftce Vicct = Valor mnimo de controle de incerteza = -Ftct Vicc = Valor mnimo de controle de certeza = -Ftce
Todos os estados esto representados na figura a seguir (Figura II).

Degree of Uncertainty - Gun
Degree of Certainty - Gce
Figura II - Estados extremos e no-extremos. Na RNAP, o grau de certeza Gce indica a falsidade da "medida" ou grau de verdade. O grau de incerteza Gun indica a "medida" da inconsistncia ou paracompleteness. Se o grau de certeza baixo ou o grau de incerteza elevado, ele gera uma indefinio.
252
O grau de certeza Gce resultante obtido da seguinte forma: Se: Vicc Para: Vcpa Gun Gun Vscc ou Vscct Vscct Gce = Falso com o grau Gun Gce = Verdadeiro com grau Gun Gun Vicct Gce = Indefinio
Se: Gun Vscct
Vicc
Gun
A Clula Neural Artificial Paraconsistente (CNAP) - chamado CNAP bsica (Figura III) quando dado um par ( , ) usado como entrada e resultando como sada:
S2a = Gun = grau de incerteza resultante. S2b = Gce = grau de certeza resultante S1 = X = constante de indefinio.
Basic PANC Paraconsistent Analysis
S2a Gun Gun
S2b Gce Gce
S1
Figura III - CNAP bsica

Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Utilizando os conceitos da CNAP bsica, podemos obter a famlia de CNAP usados em nosos estudos: Conexo analtica (CNAPca), Maximizao (CNAPmax), e Minimizao (CNAPmin), conforme descrito na Tabela II:
Tabela II. Clulas neurais artificiais paraconsistentes. CNAP Conexo Analtica CNAPca Entradas Clculos c=1Gun Gce,
r
Output If |Gce| > Ftce then S1 = r and S2 = 0 If |Gun| > Ftct and |Gun| > | Gce| then S1= r and S2 = |Gun| if not S1 = and S2 = 0 If r 0.5, then S1 = If not S1 = If r 0.5, then S1 = if not S1 =
Ftct, Ftce
= (Gce + 1)/2
Maximizao CNAPmax
Gce
r
= (Gce + 1)/2
Minimizao: CNAPmin
Gce
r
= (Gce + 1)/2
A clula neural artificial paraconsistente de clulas de conexo analtica (CNAPca) a clula principal de todas as RNAP, obtendo o grau de certeza (Gce) e o grau de incerteza (Gun) das entradas e os fatores de tolerncia. Esta clula o link que permite que diferentes regies da RNAP executar processamento de sinal em um ambiente distribudo e com muitas conexes paralelas (Da Silva Filho et. al., 2008). A tolerncia a diferentes fatores de certeza (ou contradio) atua como inibidores de sinais, controlando a passagem de sinais a outras regies da RNAP, de acordo com as caractersticas da arquitetura desenvolvida.
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma A clula neural artificial paraconsistente de clula de maximizao (CNAPmax) permite a seleo do valor mximo entre as entradas. Estas clulas funcionam como conectivos lgicos OU entre sinais de entrada. Para isso feita uma anlise simples, atravs da equao do grau de evidncia que, assim, vai dizer qual dos dois sinais de entrada de maior valor, estabelecendo assim o sinal de sada (Silva Filho et. al., 2008). A clula neural artificial paraconsistente de clula de maximizao (CNAPmin) permite a seleo do valor mnimo entre as entradas. Estas clulas funcionam como conectivos lgicos E entre os sinais de entrada. Para isso feita uma anlise simples, atravs da equao do grau de evidncia que, assim, vai dizer qual dos dois sinais de entrada de menor valor, estabelecendo assim o sinal de sada (Silva Filho et. al., 2008). Combinando o processamento das CNAP citadas, possvel construir um sistema neural artificial paraconsiste (SNAP) para anlise de sinais com base no SNAP de tratamento de contradies, conforme descrito em Silva Filho et. al., 2008. Para a realizao do processamento dos sinais do EEG, criou-se um mtodo de anlise denomino anlise morfolgica. O processo de anlise morfolgica feita atravs da comparao com um determinado conjunto de padres de sinais (ondas) armazenados no banco de dados de controle. Uma onda associada a um vetor (seqncia finita de nmeros naturais) por meio de amostragem digital. Esse vetor caracteriza um padro de onda e registrado pela RNAP. Assim, novas ondas so comparadas, permitindo seu reconhecimento ou no.
255
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Cada onda do exame de EEG corresponde a uma poro de um segundo do exame. Cada segundo do exame contm 256 posies. A onda que obtiver a maior evidncia favorvel e menor evidncia contrria escolhida como a onda mais similar com a onda analisada. O banco de dados de controle composto por ondas contendo 256 posies com morfologia senoidal perfeita, variando 0,5 Hz contemplando os grupos de ondas Delta, Teta, Alfa e Beta (de 0,5 Hz a 30,0 Hz). Em outras palavras, a anlise morfolgica verifica a similariedade entre a onda do exame de EEG em um banco de dados de referncia que representa padres de ondas. Antes de iniciar a anlise morfolgica necessrio preparar os dados do exame para a eliminao de ciclo e normalizao de valores. Como valores reais do exame podem variar, em mdulo, algo de 10 V at 1500 V, fazemos uma normalizao dos valores entre -100 V e 100V com uma converso linear simples, para facilitar a manipulao dos dados:
100.a m
(3)
Onde: m o valor mximo no exame. a o valor atual do exame. x o valor atual do exame normalizado. O valor mnimo do exame considerado como zero e os valores restantes so convertidos proporcionalmente por meio de translao.
256
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Vale a pena observar que o processo acima no permite a perda de quaisquer caractersticas de onda essencial para a nossa anlise. Uma vez os dados normalizados, o processo seguinte a submisso dos dados pela anlise de trs sistemas especialistas: Sistema Especialista 1 - Verificao de Nmeros de Picos, Sistema Especialista 2 - Verificao de Pontos Similares e Sistema Especialista 3 Verificao de pontos diferentes. O objetivo do Sistema Especialista 1 comparar as ondas e analisar as suas diferenas em relao ao nmero de picos (Eq. 4). Em termos prticos, pode-se dizer que, quando analisados os picos de onda, estamos analisando a frequncia resultante de onda (de maneira rudimentar). Vale lembrar que, por ser um sinal biolgico, no devemos trabalhar com quantificao absoluta devido caracterstica de variabilidade deste tipo de sinal. Portanto, deve-se sempre levar em considerao um fator de tolerncia.
Se1 1
bd vt bd vt
(4)
Onde:
vt o nmero de picos da onda. bd o nmero de picos da onda armazenada no banco de dados. Se1 o valor resultante do clculo.
257
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma O objetivo do Sistema Especialista 2 comparar as ondas e analisar sua similaridade em relao a pontos semelhantes (Eq. 5).
xj Se2
j 1
(5)
Onde:
n o nmero total de elementos. x o elemento da posio atual. j a posio atual. Se2 o resultado do clculo.
O objetivo do Sistema Especialista 3 comparar as ondas e analisar sua similaridade em relao a diferenas de seus pontos.
n j 1
xj a n
yj
Se3
(6)
Onde:
n o nmero total de elementos. a o valor mximo permitido. j a posio atual. x o valor da onda 1. y o valor da onda 2. Se3 o valor resultante do clculo.
258
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Aps a obteno dos dados extrados pelos trs sistemas especialista, tais dados so submetidos anlise da RNAP. A arquitetura da RNAP utilizada na tomada de deciso baseada na arquitetura do Sistema Neural Artificial Paraconsistente para o Tratamento de Contradies. Tal sistema promove o tratamento de contradies, de forma contnua entre os sinais de informaes, que recebe trs sinais de entrada e apresenta, como resultado, um valor que representa o consenso entre as trs informaes. As contradies entre os dois valores so adicionados ao terceiro valor, de modo que a sada, seja o valor proposto pela maioria dominante. A anlise imediata e similar ao funcionamento dos neurnios biolgicos. Este mtodo usado na RNAP (Figura V) para equilibrar os dados recebidos dos sistemas especialistas. Em seguida os valores resultantes so submetidos a um reticula de tomada de deciso para determinar o reconhecimento (Figura IV). 1
Evidncia contrria
0 Evidncia favorvel
Figura IV - Reticulado de tomada de deciso usado na anlise morfolgica aps a anlise da RNAP; F: estado lgico falso (interpretado como onda no similar); V: estado lgico verdadeiro (interpretado como similar).
Tabela III. Reticulado de tomada de deciso usado na anlise morfolgica (Figura IV). Limites das reas do reticulado Verdadeiro Ef > 0.61 Ec < 0.40 Gce > 0,22 Falso Ef < 0.61 Ec > 0.40 Gce <= 0,23 Ec: evidncia contrria; Ef: evidncia favorvel; Gce: grau de certeza;
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma A definio das regies do reticulado de tomada de deciso foi feita atravs de testes duplo-cegos, ou seja, a cada bateria de testes, um validador verificados os resultados e retornando somente o percentual de respostas corretas. Depois de testar vrias
configuraes diferentes, foi definida a configurao das regies cuja estrutura de tomada de deciso teve um melhor percentual de sucesso.
Figura V - Arquitetura da Anlise Morfolgica. Trs sistemas especialistas: PA, para o Sistema Especialista 1; PB, para o Sistema Especialista 2, and PC, para o sistema Especialista 3:
260
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Primeira camada da RNAP: C1 processa os dados de entrada de PA e PB; C2 processa os dados de entrada de PB e PC; C3 processa os dados de entrada de PC e PA. Segunda camada da RNAP: C4 calcula o valor da evidncia maxima entre as clulas C1 e C2; C5 calcula o valor da evidncia mnima entre as clulas C2 e C3; Terceira camada da RNAP: C6 calcula o valor da evidncia mxima entre as clulas C4 e C3; C7 calcula o valor da evidncia mnima entre as clulas C1 e C5. Quarta camada da RNAP: C8 resulta o valor de deciso final. PANC A = Clula Neural Artificial Paraconsistente de Conexo Analtica (CNAPca). PANCMax = Clula Neural Artificial Paraconsistente de Conexo Logica simples de maximizao (CNAPmax). PANCMin = Clula Neural Artificial Paraconsistente de Conexo Logica simples de minimizao (CNAPmin). Ftce = Fator de tolerncia certeza; Ftct = Fator de tolerncia contradio. Sa = Sada da clula C1; Sb = Sada da clula C2; Sc = Sada da clula C3; Sd = Sada da clula C4; Se = Sada da clula C5; Sf = Sada da clula C6; Sg = Sada da clula C7. C = Valor de entrada complementada; r = Valor de sada da RNAP; = Valor de sada da RNAP;
A seguir, vamos exemplificar os conceitos propostos da analise morfolgica utilizando um exemplo hipottico de comparao de vetores (ondas) compostos de vinte elementos e uma amplitude mxima de 11 pontos (de 0 a 10).
Figura VI - Representao visual dos vetores utilizados no exemplo de processamento da anlise morfolgica. Seus valores encontram-se na tabela IV.
Tabela IV. Valores dos vetores utilizados no exemplo de processamento da anlise morfolgica. Suas representaes grficas podem ser vistas da Figura VI. Vetores (ondas) Onda Analisada Onda Aprendida 1 Onda Aprendida 2 Valores 1 8 1 8 1 8 1 8 1 8 1 8 1 8 1 8 1 8 1 8 2 8 2 6 2 6 2 6 2 6 2 6 2 6 2 6 2 6 2 6 1 3 7 1 3 7 1 3 7 1 3 7 1 3 7 1 3 7 1 3
A Onda Analisada a onda que ser submetida ao reconhecimento da RNAP. A Onda Aprendida 1 e a Onda Aprendida 2 so duas ondas que foram previamente armazenadas no banco de dados de controle.
262
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Realizando as comparaes entre as ondas usando os sistemas especialistas, respectivamente, temos: Sistema Especialista 1 (Tabela V), Sistema Especialista 2 (tabelas 6 e 7) e o Sistema Especialista 3 (tabelas 8 e 9). Tabela V. Sistema Especialista 1 - Verificao de Nmeros de Picos. Ondas Onda analisada Picos 9 Diferena entre o nmero de picos, normalizados pelo nmero total de picos: Sistema Especialista 1 (Se1): Onda Aprendida 1 9 0 1 Onda Aprendida 2 6 0,2 0,8
Tabela VI. Sistema Especialista 2 - Verificao de Pontos Similares. Comparao entre a Onda Analisada e a Onda Aprendida 1. Onda Analisada 1 8 1 8 1 8 1 8 1 8 Onda Nmeros de Onda Onda Nmeros de Aprendida 1 pontos iguais Analisada Aprendida 1 pontos iguais 2 0 1 2 0 8 1 8 6 0 2 0 1 2 0 6 0 8 6 0 2 0 1 2 0 6 0 8 6 0 2 0 1 2 0 6 0 8 6 0 2 0 1 2 0 6 0 8 6 0 Somatria da diferena normalizada: 1 Sistema Especialista 2 (Se2) Normalizado pelo total de elementos: 0,05
Tabela VII. Sistema Especialista 2 - Verificao de Pontos Similares. Comparao entre a Onda Analisada e a Onda Aprendida 2. Onda Analisada 1 8 1 8 Onda Nmeros de Onda Onda Nmeros de Aprendida 2 pontos iguais Analisada Aprendida 2 pontos iguais 2 0 1 2 0 8 1 8 6 0 2 0 1 2 0 6 0 8 6 0
263
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma 1 8 1 8 1 8 0 1 2 0 0 8 6 0 0 1 2 0 0 8 6 0 0 1 2 0 0 8 6 0 Somatria da diferena normalizada: 1 Sistema Especialista 2 (Se2) Normalizado pelo total de elementos: 0,05 2 6 2 6 2 6
Tabela VIII. Sistema Especialista 3 - Verificao de pontos diferentes. Comparao entre a Onda Analisada e a Onda Aprendida 1. Onda Analisada Onda Aprendida 1 Diferena Diferena normalizada pela (em mdulo) amplitude mxima 1 2 1 0,1 8 8 0 0 1 2 1 0,1 8 6 2 0,2 1 2 1 0,1 8 6 2 0,2 1 2 1 0,1 8 6 2 0,2 1 2 1 0,1 8 6 2 0,2 1 2 1 0,1 8 6 2 0,2 1 2 1 0,1 8 6 2 0,2 1 2 1 0,1 8 6 2 0,2 1 2 1 0,1 8 6 2 0,2 1 2 1 0,1 8 6 2 0,2 Somatria das diferenas normalizadas: 2,8 Sistema Especialista 3 (Se3) Normalizado pelo total de elementos: 0,14 Complementado: 0,86
264
Tabela IX. Sistema Especialista 3 - Verificao de pontos diferentes. Comparao entre a Onda Analisada e a Onda Aprendida 2. Onda Analisada Onda Aprendida 2 Diferena Diferena normalizada pela (em mdulo) amplitude mxima 1 1 0 0 8 3 5 0,5 1 7 6 0,6 8 1 7 0,7 1 3 2 0,2 8 7 1 0,1 1 1 0 0 8 3 5 0,5 1 7 6 0,6 8 1 7 0,7 1 3 2 0,2 8 7 1 0,1 1 1 0 0 8 3 5 0,5 1 7 6 0,6 8 1 7 0,7 1 3 2 0,2 8 7 1 0,1 1 1 0 0 8 3 5 0,5 Somatria das diferenas normalizadas: 6,8 Sistema Especialista 3 (Se3) Normalizado pelo total de elementos: 0,34 Complementado: 0,66
A seguir (Tabela X) so apresentados os valores de cada sistema especialista que sero as entradas da RNAP (Figura V). Aps o processamento da RNAP, sero obtidos os valores de sada (Tabela XI).
265
Tabela X. Valores dos Sistemas Especialistas. Caso Onda Analisada 1,00 Onda Aprendida 1 Onda Analisada 0,80 Onda Aprendida 2 0,05 0,66 0,05 0,86 Sistema Especialista 1 Sistema Especialista 2 (Se1) (Se2) Sistema Especialista 3 (Se3)
Tabela XI. Evidncia Contrria e Evidncia Favorvel resultante da RNAP. Caso Onda Analisada Onda Aprendida 1 Onda Analisada Onda Aprendida 2 Evidncia Favorvel 0,69 0,58 Evidncia Contrria 0,48 0,38
De acordo coma Tabela XI, podemos ver que a Onda Aprendida 1 possui o melhor conjunto de evidncias, ou seja, a Onda Aprendida 1 a mais similar a Onda Analisada.
3. Resultados Neste estudo, sete diferentes exames de EEG foram analisados, sendo dois pertencentes a adultos sem distrbios de aprendizagem ou outras doenas demenciais, e cinco exames pertencentes a crianas com diagnstico de distrbios de aprendizagem (exames e diagnsticos fornecidos pela ENSCER). Cada anlise foi dividida em trs ensaios, cada ensaio consistiu de 10 segundos de anlise, livres artefatos em relao anlise visual do traado, dos canais de T3 e T4. Na primeira bateria de testes foi utilizado um filtro de reconhecimento de ondas de banda Delta. Na segunda bateria de testes foi utilizado um filtro de reconhecimento de ondas
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Teta. Na terceira bateria de testes no foram utilizados filtros, ou seja, o sistema ficou livre para realizar o reconhecimento necessrio (Tabelas XII at XVIII). Tabela XII. Tabela de contingencia. Anlise Visual Delta Teta Alfa Beta N/R Delta 31 3 0 0 0 Teta 15 88 1 1 0 Alfa 0 5 22 0 0 Anlise RNAP Beta 0 0 1 3 0 N/R 7 2 1 0 0 Total 53 98 25 4 0 Index Kappa = 0.80; N/R = No reconhecido;
Total 34 105 27 4 10 180
Tabela XIII. Resultado estatstico Sensibilidade e especificidade: Ondas Delta. Anlise visual Delta No Delta Anlise Verdadeiro 31 124 RNAP Falso 22 3 Total 53 127 Sensibilidade = 58%; Especificidade = 97%
Total 155 25 180
Tabela XIV. Resultado estatstico Sensibilidade e especificidade: Ondas Teta. Anlise visual Teta No Teta Anlise Verdadeiro 88 65 RNAP Falso 10 17 Total 98 82 Sensibilidade = 89%; Especificidade = 79% Total 153 27 180
Tabela XV. Resultado estatstico Sensibilidade e especificidade: Ondas Alfa. Anlise visual Alfa No Alfa Anlise Verdadeiro 22 150 RNAP Falso 3 5 Total 25 155 Sensibilidade = 88%; Especificidade = 96% Total 172 8 180
267
Tabela XVI. Resultado estatstico Sensibilidade e especificidade: Ondas Beta. Anlise Visual Beta No Beta Anlise Verdadeiro 3 175 RNAP Falso 1 1 Total 4 176 Sensibilidade = 75%; Especificidade = 99%
Total 178 2 180
Tabela XVII. Resultado estatstico Sensibilidade e especificidade: Ondas no reconhecidas. Anlise Visual Reconhecida
No reconhecida Anlise Verdadeiro 0 170 RNAP Fals0 0 10 Total 0 180 Sensibilidade = 100%; Especificidade = 94% Tabela XVIII. Resultado dos testes. T 1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 20 21 22 23 24 25 26 27 V D T D D T T D A T T T T T T T T T A B D D T D D T T D RNAP D T D T T T D A T T T T T T T T T A B T D T D T T T D T 46 47 48 49 50 51 52 53 54 55 56 57 58 59 60 61 62 63 64 65 66 67 68 69 70 71 72 V T D A T T T T T T T T T A A D T T B T D T T T D T D D RNAP T D A T T T T T T T D T A B T A D T A D A T D T T T 91 92 93 94 95 96 97 98 99 100 101 102 103 104 105 106 107 108 109 110 111 112 113 114 115 116 117
Total 170 10 180
V A T T T T A T T T T T T T D T A T T T D A T T T T D D
RNAP T T T T A T T T T T A T T T A T T T A A T T T D T
T 136 137 138 139 140 141 142 143 144 145 146 147 148 149 150 151 152 153 154 155 156 157 158 159 160 161 162
V D D D T T D T T D T D D T A A D D D T D D A A D T D D
RNAP D D T T D T T T D D T A A D T D T A A D T D D
268
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma 28 29 30 31 32 33 34 35 36 37 38 39 40 41 42 43 44 45 A T T T T T T T D D A B T D D D D T A T T T T T T T T T A B T D D D T T 73 74 75 76 77 78 79 80 81 82 83 84 85 86 87 88 89 90 T T T A T D T T A T B A D A T T D T T T T A T T T T A D B A D A T D T 118 119 120 121 122 123 124 125 126 127 128 129 130 131 132 133 134 135 A T D A T T T T D T T A T T T D T D A T D A T T T T D T T A T T T T T D 163 164 165 166 167 168 169 170 171 172 173 174 175 176 177 178 179 180 D D T D D T T T D D T A A T A T T A T D T T D T T T D T A T T A T T A
T: Nmero do teste; Visual: Resultado da anlise visual do traado; RNAP: Resultado a anlise da Rede Neural Artificial Paraconsistente (-: no reconhecido; D: Delta; T: Teta; A: Alfa; B: Beta).
4. Concluso Algumas melhorias ainda devem ser pesquisadas e implementadas para melhor eficcia do mtodo, mas como possvel perceber pelos resultados apresentados, o mtodo proposto de anlise morfolgica de ondas uma promissora aplicao das teorias da Lgica Paraconsistente e Redes Neurais Artificiais Paraconsistentes que podem ser estendidas a outras aplicaes que necessitam de anlise de perfis e comparaes de vetores.
5. Referncias Bibliogrficas Abe, J.M., Foundations of Annotated Logics, PhD thesis (in Portuguese) University of So Paulo, Brazil, 1992.
269
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Abe, J.M., Some Aspects of Paraconsistent Systems and Applications, Logique et Analyse, 157(1997), 83-96. Abe, J.M., H.F.S. Lopes, & R. Anghinah, Paraconsistent Artificial Neural Network and Alzheimer Disease: A Preliminary Study, Dementia & Neuropsychologia, Vol 3., 241-247, 2007. Anghinah, R., Estudo da densidade espectral e da coerncia do eletrencefalograma em indivduos adultos normais e com doena de Alzheimer provvel, PhD thesis (in Portuguese), Faculdade de Medicina da Universidade de So Paulo, So Paulo, 2003. Ansari, D. & A. Karmiloff-Smith, Atypical trajectories of number development: a neuroconstructivist perspective. Trends In Cognitive Sciences, 12:511-516, 2002. Blonds, T.A., Attention-Deficit Disorders and Hyperactivity. In Developmental Disabilities in Infancy and Ramus, F., Developmental dyslexia: specific phonological deficit or general sensorimotor dysfunction? Current Opinion in Neurobiology, 13:1-7, 2003. Da Silva Filho, J.I., Mtodos de interpretao da Lgica Paraconsistente Anotada com anotao com dois valores LPA2v com construo de Algoritmo e implementao de Circuitos Eletrnicos, EPUSP, PhD thesis (in Portuguese) So Paulo, 1999. Da Silva Filho, J.I., J.M. Abe & G.L Torres, Inteligncia Artificial com as Redes de Anlises Paraconsistentes, (in Portuguese) LTC-Livros Tcnicos e Cientficos Editora S.A., So Paulo, 313 pg., 2008.
270
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Gallarburda, A.M., G.F. Sherman, G.G. Rosen, F. Aboitiz & N. Genschiwind, Developmental dyslexia: four consecutive patients with cortical anomalies. Ann. Neurology, 18:2122-2333, 1985. Hynd, G.W., R. Hooper & T. Takahashi, Dyslexia and Language-Based disabilities. In Text Book of Pediatric Neuropsychiatry, Coffeyand Brumbak (eds), American Psychiatric Press, 691-718, 1985. Lindsay, R.L., Dyscalculia. In Developmental Disabilities in Infancy and Childhood, Capute and Accardo (eds.);Paul Brookes Publishing Co, Baltimore, 405-415, 1996. Lopes, H.F.S., Aplicao de redes neurais artificiais paraconsistentes como mtodo de auxlio no diagnstico da doena de Alzheimer, MSc Dissertation (in Portuguese), Faculdade de Medicina-USP, So Paulo, 473pp., 2009. Klimeshc, W., EEG alpha and theta oscillations reflect cognitive and memory performance: a review and analysis. Brain Res. Ver., 29:169-195, 1999. Klimesch, W., H. Doppelmayr, J. Wimmer, D. Schwaiger, D. Rhm, W. Bruber & F. Hutzler, Theta band power changes in normal and dyslexic children. Clinical Neurophysiology 113:1174-1185, 2001. Kocyigit Y, Alkan A, Erol H. Classification of EEG Recordings by Using Fast Independent Component Analysis and Artificial Neural Network. Journal of Medical Systems. Springer Netherlands, 2008: 32;1;17-20. Niedermeyer, Ernst; da Silva, Fernando Lopes. Electroencephalography , 5th Edition. Lippincott Williams & Wilkins. 2005.
271
Aplicao de Redes Neurais Artificiais Paraconsistentes como Mtodo de Auxlio Anlise de Sinais de Eletroencefalograma Rocha, A.F. & E. Massad, How the human brain is endowed for mathematical reasoning. Mathematics Today, 39: 81-84, 2003. Rocha, A.F. E. Massad, & A. Pereira Jr., The Brain: From Fuzzy Arithmetic to Quantum Computing, Springer-Verlag Berlin Heidelberg, 14349922, 2005. Temple, E., Brain mechanisms in normal and dyslexic readers. Current Opinion in Neurobiology, 12:178-183, 2002. Voeller, K.K.S., Attention-Deficit / Hyperactivity: Neurobiological and clinical aspects of attention and disorders of attention. In Text Book of Pediatric Neuropsychiatry, Coffey and Brumbak (eds), American Psychiatric Press, 691-718, 1998. Montenegro M.A., Cendes F., Guerreiro N.M., Guerreiro C.A.M., EEG na prtica clnica, So Paulo, Brasil: Lemos Editorial; 2001.
Helder Frederico da Silva Lopes - Graduado em Tecnologia em Gesto de Sistemas de Informao pela Universidade Nove de Julho e Mestrado em Cincias pela Faculdade de Medicina da USP - Neurologia. Especialista em Cincia da Computao, com nfase em desenvolvimento de software. Atualmente trabalha em desenvolvimento de solues em software e realiza pesquisas ligadas Lgica Paraconsistente e Redes Neurais Artificiais. Jair Minoro Abe Bacharel e Mestre em Matemtica, Doutor em Filosofia e LivreDocente em Medicina, todos pela Universidade de So Paulo. Foi Professor Visitante ou Palestrista ocasional em instituies da Amrica do Sul, Europa, Mxico, Japo e Taiwan. Coordena um grupo de estudiosos em aplicaes das lgicas paraconsistentes anotadas e coordena a rea de Lgica e Teoria da Cincia do Instituto de Estudos Avanados da USP.
Verificao Construtiva, Induo Emprica e Deduo Falibilista: Um Triplo Contraste
Julio Michael Stern2
Resumo Este artigo compara e contrasta trs arcabouos epistemolgicos comumente utilizados em cincias empricas, juntamente com trs teorias estatsticas de teste de hiptese que naturalmente os acompanham, a saber: (a) O falsificacionismo Popperiano e os p-valores da estatstica freqentista; (b) A teoria da deciso e chances de aposta Bayesianas; (c) O construtivismo cognitivo e os e-valores Bayesianos. Este artigo tambm discute a viso do filsofo Imre Lakatos de matemtica como cincia quasi-emprica.
Palavras-chave: Construtivismo cognitivo; Estatstica Bayesiana; Falsificacionismo Popperiano; Imre Lakatos; Neo-empiricismo; Paradoxo da probabilidade zero.
Depto. de Matemtica Aplicada do Instituto de Matemtica e Estatstica da Universidade de So Paulo. Rua do Mato 1010, Cidade Universitria; 05508-090, So Paulo, Brazil. jmstern@hotmail.com
Abstract This article compares and contrasts three epistemological frameworks commonly used in empirical science, together with three statistical theories of hypothesis testing that naturally accompany them, namely: (a) Popperian falsificationism and the p-values of frequentist statistics; (b) Decision theory and Bayesian betting odds; (c) Cognitive constructivism and Bayesian e-values. This article also discusses the philosophers Imre Lakatos view of mathematics as a quasi-empirical science.
Keywords: Bayesian statistics; Cognitive constructivism; Neo-empiricism; Imre Lakatos; Popperian Falsificationism; Zero probability paradox.
274
Problemas de jogos de aposta... parecem abarcar a totalidade da estatstica terica. Dubins e Savage 1965; How to Gamble If You Must.
Quem quiser resolver o problema da induo que se acautele para no tentar provar coisas em demasia. Karl Popper 1974; Replies to my Critics.
Com uma soluo positiva para o problema da induo, ainda que rasa, teorias metodolgicas de demarcao podem ser elevadas de conveno arbitraria a metafsica racional. Imre Lakatos 1974; A Plea to Popper for a Whiff of Inductivism.
Omega: No gosto desta mudana de verdade para racionalidade. Racionalidade de quem? Sinto uma infiltrao convencionalista. Imre Lakatos 1976; Proofs and Refutations.
1. Introduo As quatro citaes abrindo este artigo demarcam seu escopo e rea de interesse geral. Elas se relacionam com o problema de verificao de teorias no contexto de cincias empricas. A citao de Savage enuncia o credo neo-empiricista baseado na metfora do jogador, de acordo com a qual, as crenas racionais sobre teorias cientficas bem como os processos de aprendizado associados seguem as regras lgicas da induo, a mesmssima lgica das
tradicionais apostas de cassino. A citao de Popper alude s bem conhecidas dificuldades em aplicar o conceito de induo, especialmente no caso de hipteses precisas ou exatas. Algumas destas dificuldades so relacionadas ao Paradoxo da Probabilidade Zero, ou PPZ. No obstante, a citao de Lakatos sobre induo refere-se a seu anseio por alguma forma de elevao (aufhebung) de metodologia cientfica a metafsica racional, isto , ele procura uma forma de verificar teorias na boa prtica cientfica que justifique ou explique porque seria razovel aceitar estas teorias (ainda que provisoriamente) como sentenas que carregam um contedo verdadeiro. Este o corao do clssico problema da verificao emprica de hipteses cientficas. Finalmente, a citao de Lakatos sobre verdade e racionalidade, refere-se sua viso de matemtica como cincia quasi-emprica. difcil escolher uma palavra entre verificao, confirmao, corroborao, e semelhantes, pois todas elas esto altamente sobre-carregadas com significados muito especficos. Escolhemos verificao por sua ligao etimolgica direta veracidade do contedo de uma sentena. Analisaremos o problema de verificao e outras questes relacionadas da perspective do Con-Cog - o arcabouo epistemolgico do Construtivismo Cognitivo equipado com a aparelhagem estatstica do FBST - o Teste de Significncia Bayesiano Completo. O FBST, por seu turno, define uma funo de suporte estatstico para hipteses precisas, a saber, o e-valor - valor epistmico de uma hiptese em funo dos dados observacionais, ou valor da evidncia nos dados observacionais em suporte hiptese. A soluo oferecida pelo FBST ao problema de verificao em verdade muito rasa, no sentido de que a funo de suporte proposta, o e-valor, embora baseada na medida de probabilidade Bayesiana aposteriori, fornece apenas uma medida de possibilidade para a hiptese em julgamento. Veremos como esta aparente fraqueza de fato a chave para sobrepujar as barreiras de impossibilidade nos resultados clssicos aludidos por Popper. No
entanto, a simultnea caracterizao por parte do Con-Cog dos objetos suportados (hipteses precisa ou exatas) como auto-solues, implica num conjunto de propriedades essenciais to fortes e ricas que a soluo Con-Cog torna-se tambm muito positiva. Ademais, o aparato formal do FBST naturalmente implica uma lgica, isto , um clculo de crenas abstrato para a composio das funes de suporte e um mecanismo de propagao de valores verdade em redes credais. Neste contexto, podemos sustentar a causa do arcabouo Con-Cog como uma soluo para (uma forma especfica) do problema de verificao que capaz de atender (ao menos uma parte substancial) do desejo de Lakatos. Nas sees subseqentes, tentaremos explicar e clarificar vrios aspectos relacionados abordagem Con-Cog para verificao de hipteses, contrastando distintas vises do assunto. A seo 2 fornece uma breve reviso do arcabouo Con-Cog, incluindo sua metfora central de objetos como tokens para auto-solues. A seo 2 tambm contrasta o Con-Cog com as metforas centrais do empiricismo neo-clssico e do falsificacionismo Popperiano, a saber, as metforas do jogo de apostas e do tribunal cientfico. A seo 3 apresenta o Paradoxo da Probabilidade Zero, contrastando duas medidas padro utilizadas para a verificao de teorias, a saber, os clssicos p-valores da estatstica freqestista e as chances de aposta da estatstica Bayesiana embasada na teoria da deciso. Esta discusso ilustrada por dois famosos exemplos de aplicao devidos a Charles Saunders Peirce. A seo 4 fornece nossas concluses acerca da natureza da verificao construtiva em cincia emprica. A seo 5 apresenta a verso do Con-Cog da tese de Imre Lakatos sobre matemtica como uma cincia quasi-emprica. A seo 6 apresenta comentrios finais e caminhos para pesquisa futura.
277
No limitado espao deste artigo, no podemos nos dar ao luxo de explicar nenhuma das teorias estatsticas anteriormente mencionadas, nem de fornecer uma reviso mais detalhada dos arcabouos epistemolgicos acima referidos. O texto [2] acompanha naturalmente o presente artigo, apresentando a teoria formal do FBST. Recomendamos tambm as seguintes fontes: Para uma perspectiva mais ampla sobre o FBST, vide [23, 31, 38, 39]. Para a abordagem Bayesiana ortodoxa, vide [5, 8, 9]. Para os clssicos p-valores, vide [29].
2. Reviso sobre o Construtivismo Cognitivo O arcabouo Con-Cog assenta-se sobre duas metforas bsicas: A metfora Objetos como auto-solues, devida a Heinz von Forster e a metfora Autopoiese e cognio, devida a Humberto Maturana e Francisco Varela. Estas so as metforas chave para a ontologia e a metafsica no Con-Cog. Esta seo apresenta de forma brevssima estas duas metforas; [10, 25] so as referncias fundamentais. O conceito de sistema autopoitico uma abstrao que almeja modelar as propriedades essenciais de um organismo vivo. Sistemas autopoiticos so sistemas dinmicos (dissipativos) em no-equilbrio exibindo estruturas (meta) estveis, cuja organizao permanece invariante (por longos perodos) no tempo, no obstante a freqente substituio de seus componentes. Ademais, estes componentes so produzidos pelas mesmas estruturas que eles regeneram. Para poder dar respostas apropriadas s complexidades do ambiente, sistemas autopoiticos podem ser organizados hierarquicamente como sistemas autopoiticos de ordem superior. Um exemplo tpico uma colmia, um sistema autopoitico de terceira
ordem, formado pelo acoplamento de abelhas individuais, os sistemas de segunda ordem, que por sua vez so formadas pelo acoplamento de clulas individuais, os sistemas de primeira ordem. Os processos regenerativos na rede de produo de um sistema autopoitico sempre requerem a aquisio de recursos como novos matrias, energia e neg-entropia (ordem) do meio ambiente no qual o sistema se encontra. A aquisio eficiente dos recursos necessrios demanda (inter)aes seletivas que, por sua vez, precisam ser baseadas em processos de inferncia apropriados (predies). Assim, estes processos de inferncia caracterizam o domnio de interaes deste agente como um domnio cognitivo. No obstante o fato da metfora de autopoiese ter sido desenvolvida para explicar as caractersticas essenciais de um organismo vivo, o conceito de sistema autopoitico tem sido aplicado anlise de muitos outros sistemas autnomos, sejam eles concretos ou abstratos, como por exemplo sistemas sociais e organizaes corporativas, vide [22, 49]. Em particular, sistemas de pesquisa cientfica podem ser visto sob esta luz, vide [17, 22]. A Figura I apresenta uma estrutura idealizada e dinmica de produo de conhecimento. O diagrama representa, no lado experimental (coluna da esquerda), as operaes de campo ou laboratrio de uma cincia emprica, onde experimentos so desenhados e construdos, efeitos observveis so gerados e/ou medidos, e os bancos de dados experimentais so montados. No lado da teoria (coluna da direita), o diagrama representa o trabalho terico de anlise estatstica, interpretao e (assim se espera) entendimento de acordo com os padres aceitos. Se necessrio, novas hipteses (incluindo at teorias inteiras) so formuladas, motivando o desenho de novos experimentos. Teoria e experimentao constituem um ciclo de dupla retro-alimentao, tornando claro que o desenho de novos experimentos guiado pela teoria existente e sua interpretao que, por seu lado,
constantemente checada, adaptada e modificada para dar conta das observaes experimentais. O sistema como um todo constitui uma unidade autopoitica. Experimento Modelos Operacionais Metfora analogia Teoria Teorias Hipteses
Implementao tecnolgica
Auto-Soluo Verdadeira/Falsa
Princpios Metafsicos
Aquisio de dados Espao Amostral
Anlise estatstica
Valores verdade funes suporte Espao paramtrico
Figura I - Diagrama de produo Cientfica
Objetos como Tokens para Auto-Solues A caracterstica circular (cclica ou recursiva) dos processos autopoiticos regenerativos e suas auto-solues (invariantes, pontos fixos, ou estados de equilbrio, homeostticos, recorrentes ou recursivos), em sistemas autopoiticos concretos ou abstratos, so investigados por von Foerster em [10, 37]. A natureza recursiva de sistemas autopoiticos produz estados recorrentes ou solues estveis. Sob condies apropriadas, uma destas solues, se apresentada ao sistema, ir regenerar a si mesma como um ponto fixo ou estado de equilbrio. Estas solues so chamadas auto-valores, auto-vetores, auto-funes ou, em geral, auto-solues. O conceito de auto-soluo a chave para distinguir objetos
especficos no domnio cognitivo de um sistema autopoitico. Objetos so tokens para auto-solues. (Uma bola de futebol algo que interage com um ser humano exatamente da forma que se espera que uma bola de futebol o faa.) Auto-solues podem ainda ser marcadas ou rotuladas por palavras (bola-da-FIFA), e estas palavras podem ser articuladas em uma linguagem. Obviamente, as regras de articulao definidas por uma linguagem, sintticas, gramaticais ou semnticas, s faro esta linguagem til se elas de alguma forma corresponderem regras de composio vlidas para os objetos que estas mesmas palavras designam. Ademais, von Foerster estabelece quatro atributos essenciais para auto-solues: Autosolues so ontologicamente discretas, estveis, separveis e componveis. Em vrios exemplos bem conhecidos das cincias exatas, estes quatro atributos essenciais levam ao conceito de base, base de um espao vetorial finito, como em lgebra linear, base de um espao de Hilbert, como em anlise de Fourier ou anlise de ondaletas (wavelets), ou bases mais abstratas, como em uma estrutura de matride. No obstante, o conceito de autosoluo e seus quatro atributos essenciais to importante no arcabouo do Con-Cog, que ele utilizado como uma metfora muito mais geral, no necessariamente em contextos formais. Em particular, o adjetivo objetivo refere-se ao grau em que possvel verificar a existncia da auto-soluo correspondente a um objeto, e a qualidade com que este objeto manifesta os quatro atributos essenciais de von Foerster. Para uma interpretao detalhada destes quatro atributos essenciais no arcabouo Con-Cog, bem como alguns exemplos, vide [40-43]. importante perceber que o termo discreto, como utilizado por Von Foerster para qualificar auto-solues em geral, deve ser substitudo, dependendo do contexto especfico, por termos como de-dimenso-inferior, preciso, exato, singular, etc. At no caso familiar
de lgebra linear, se definirmos os auto-vetores correspondendo a um auto-valor singular, c, de uma transformao linear, T( ), apenas pela propriedade essencial de invarincia direcional, T(x)=cx, obteremos sub-variedades uni-dimensionais que, neste caso, so subespaos ou linhas retas passando pela origem. Apenas se acrescentarmos a condio usual (embora no essencial) de normalizao, ||x||=1, que obtemos auto-vetores discretos. Esta propriedade essencial de auto-solues, preciso ou exatido, a chave que abre a possibilidade de representarmos na linguagem objetos clara ou nitidamente definidos. Na p.128 de [37], von Foerster declara: Dentre o infinito contnuo de possibilidades, operaes recursivas esculpem um conjunto preciso de solues discretas. Auto-comportamentos geram entidades discretas e identificveis. Produzir entes discretos a partir de uma variedade contnua tem conseqncias incrivelmente importantes. Isto nos permite comear a nomear as coisas. Linguagem a possibilidade de esculpir dentre um nmero infinito de experincias possveis aquelas experincias que permitem interaes estveis de si consigo mesmo.. O arcabouo Con-Cog assume que um objeto sempre observado por um observador, assim como um organismo vivo ou um sistema autopoitico abstrato interagindo com o ambiente. Portanto, este arcabouo afirma que manifestaes de auto-solues e correspondentes propriedades dos objetos so respectivamente guiadas e especificadas por ambos - sistema e ambiente. De forma mais concisa, Con-Cog sustenta as seguintes posies: Idealismo: A crena de que o conhecimento que um sistema tem de um objeto sempre dependente das relaes autopoiticas deste sistema.
282
Realismo: A crena de que o conhecimento que um sistema tem sobre um objeto sempre dependente das restries do ambiente. Conseqentemente, a perspective Con-Cog requer um delicado equilbrio, chamado Idealismo objetivo ou realista.
2.1 As Metforas do Cassino e do Tribunal Cientfico A metfora do cassino ou do jogador, acompanhada do colorido jargo de chances de aposta, est no corao do empiricismo neo-clssico. Na p.152,V.2 de [20], Lakatos afirma: O empiricismo neo-clssico tem um dogma central: o dogma da identidade entre (1) probabilidades, (2) grau de suporte evidencial (ou confirmao), (3) grau de crena racional, e (4) coeficientes de aposta racionais. Esta cadeia neoclssica de identidades no implausvel. Para um verdadeiro empiricista, a nica fonte de crena racional suporte evidencial, portanto, ele iguala grau de crena racional com grau de suporte evidencial. Mas plausvel que crena racional seja medida por coeficientes racionais de aposta. Afinal, foi para determinar coeficientes racionais de aposta que o clculo de probabilidades foi inventado. Em um jogo onde h conhecimento apriori sobre os competidores, incluindo diferenas percebidas na fora, habilidade ou outras vantagens justas ou injustas, um sistema de pontuao com handicap ou compensaes pode ser desenvolvido para equilibrar as chances de vitria de todos os competidores. Um jogo de apostas, com todas as suas manhas e peculiaridades, a metfora guia da teoria da deciso e da estatstica Bayesiana
283
ortodoxa. Vrios aspectos e conseqncias do uso desta metfora so analisados em [5, 8, 9, 40-43]. Um tribunal moderno segue o princpio do in dubio pro reo, dando ao ru o benefcio da dvida, isto , o ru considerado inocente at que seja provada sua culpa. O benefcio da dvida conseqncia do princpio do onus probandi ou nus da prova, que afirma semper necessitas probandi incumbit ei qui agit, que pode ser traduzido como - o nus da prova sempre recai sobre o agente da acusao. De um lado, o benefcio da dvida torna mais difcil condenar um ru. Por outro lado, o veredito de um julgamento nunca pode ser inocente, apenas culpado ou no culpado. Na metfora do tribunal, uma lei cientfica (provisoriamente) aceita pelo tribunal como verdadeira, at que esta seja refutada ou provada errnea por evidncia pertinente. Evidncia pertinente que pode ser utilizada na corte cientfica para refutar uma teoria tem a forma de observaes empricas que discordam das conseqncias ou previses feitas pela teoria em julgamento. Ademais, um julgamento justo no tribunal cientfico pode assegurar a validade das dedues que levaram a uma prova de falsidade, mas no pode dar uma certificao ou garantia referente validade ou boa qualidade da teoria. Cincias empricas, especialmente nas assim chamadas cincias exatas, como fsica, qumica ou engenharia, lidam com entidades quantitativas. Ademais, a prtica padro destas cincias tambm requer que a veracidade de hipteses cientficas seja avaliado de forma quantitativa, isto , que hipteses seja submetidas a um julgamento quantitativo concernente a sua acuracidade e preciso. Ainda mais, o arcabouo Con-Cog nos permite modelar o desenvolvimento da cincia no contexto de sistemas dinmicos e processos evolutivos, vide [16] e o Cap.5 de [43]. Entretanto, medidas de ordem e progresso neste tipo de contexto tambm requerem mtricas para avaliar a objetividade de um conceito, o
valor epistmico de uma hiptese, o ajuste ou adaptao de uma teoria, e assim por diante. Dada a importncia das mtricas utilizadas para avaliar afirmaes cientficas, e os muitos papis que elas desempenham na prtica da cincia, deveramos escolher estas mtricas com extrema ateno, cuidado e cautela, desenhando apropriadamente sua estrutura e regulando sua fora e equilbrio. As mtricas padro usadas em cincia emprica so baseadas em estatstica matemtica. No obstante alguns clculos credais terem sido capazes de ocupar com sucesso alguns nichos locais e encontrar aplicaes especiais, a moderna anlise estatstica de dados no tem rival a altura em sua elegncia, robustez, flexibilidade, poder computacional, e generalidade de seu escopo de aplicaes. Entretanto, existem alguns problemas no resolvidos h muito pendentes relacionados ao uso de mtricas estatsticas no contexto de verificao de hipteses. Este o assunto da prxima seo. 3. O Paradoxo da Probabilidade Zero Para apreciar integralmente o arcabouo Con-Cog+FBST, e fazer mais contrastes com outras abordagens, utilizaremos dois exemplos famosos dados no sculo XIX pelo filsofo Charles Saunders Peirce. Estes exemplos concernem a abduo e induo de hipteses, estudando possveis procedimentos para adivinhar, justificar, e testar assertivas em modelos estatsticos. O conceito Peirceano de induo, como utilizado nestes dois exemplos, seria hoje denominado estimao de parmetros. Enquanto isto, o conceito Peirceano de abduo seria hoje em dia denominado seleo de modelos. No contexto destes dois exemplos, induo e abduo teriam ainda relao com o conceito contemporneo de teste de hiptese. A bem da simplicidade, ao invs de utilizar a terminologia original empregada por Peirce, apresentamos estes dois exemplos traduzindo-os para uma linguagem estatstica
contempornea. Temos a esperana de tradurre senza tradire, isto , traduzir sem trair o sentido original ou perder sua intuio. Tambm revisaremos alguns tratamentos modernos para estes dois problemas prototpicos. Como veremos, muitos aspectos dos tratamentos modernos, bem como muitas de suas inerentes dificuldades, foram antevistas, de uma forma ou outra, no trabalho de Peirce. O Paradoxo da Probabilidade Zero (PPZ) est no corao das aludidas dificuldades, e ser estudado em algum detalhe.
3.1 Dois Exemplos de Ch.S.Peirce O primeiro dos exemplos de Peirce concerne a induo de freqncias de letras e a abduo de cdigos de cifras, vide CP.5.273. O exemplo das cifras, descrito em linguagem estatstica contempornea, o seguinte: - Dados os livros (em Ingls) Erro!, Compilamos os vetores Erro! com as freqncias com que cada letra do alfabeto ocorre no texto. Notamos que estes vetores concordam (aproximadamente) com as freqncias mdias no vetor a. - Dado um novo livro (em Ingls) , Bk+1, podemos afirmar, por Induo, que seu vetor de freqncias,
k+1
(ainda no compilado) tambm ser (aproximadamente) igual a
- Dado um livro em cdigo, C, cujo texto foi encriptado usando uma cifra de substituio simples, compilamos o seu vetor de freqncia de letras,
c
. Notamos que h um e apenas
um vetor de permutaes, , que pode ser usado para (de forma aproximada) casar os vetores
a
, isto , existe uma nica bijeo =[ (1), (2), (m)], onde m o nmero
a
de letras no alfabeto Ingls, tal que
(j)
( (j)) , para 1 j m. Neste caso, podemos a chave correta para a cifra.

286
enunciar, por Abduo, a hiptese de que o vetor

Uma formulao padro para a parte de induo deste exemplo inclui a estimao de parmetros (incluindo a estimao da distribuio aposteriori, da verossimilhana ou ao menos de intervalos de confiana estimadores pontuais dos parmetros) em um modelo Dirichlet-Multinomial n-dimensional, onde m o nmero de letras no alfabeto Ingls, vide [32]. O espao paramtrico deste modelo o (m 1)-simplex, Erro!. Este modelo muito semelhante ao modelo Dirichlet-Multinomial trinomial utilizado para o exemplo HardyWeinberg em [2]. Uma possvel formulao da parte de abduo envolve expandir o espao paramtrico do modelo bsico para permutaes que codifica a chave da cifra. A hiptese (abdutiva) de Peirce sobre a cifra enuncia o correto ou verdadeiro vetor de permutaes, =
0
, onde
o espao discreto das m-
. Esta hiptese tem uma peculiaridade interessante: O espao paramtrico, .
, tem um sub-espao contnuo, , e um sub-espao discreto (na verdade, finito),
Entretanto, a hiptese apenas envolve (diretamente) a parte discreta. Esta peculiaridade torna a hiptese muito simples, e passvel do tratamento dado por Peirce. Todavia, supersimplificao pode ser algo perigoso, como ser visto a seguir no segundo exemplo de Peirce, dado em in CP.2.707, concernente a abduo de hipteses com parmetros contnuos. [Kepler] delineou as vrias conseqncias da suposio de que Marte se move sobre uma elipse, com o Sol em um dos focos, e mostrou que tanto as longitudes como as latitudes resultantes desta teoria estavam de acordo com as observaes. ...O termo Hiptese [significa] uma proposio em que se cr porque suas conseqncias concordam com a experincia.
287
Ao invs de formular a hiptese de Kepler em um modelo estatstico contemporneo, faremos uso outro modelo contnuo que j est mo, a saber, o modelo de HardyWeinberg formulado em [2]. Para uma hiptese precisa H enunciada em um espao paramtrico contnuo, Peirce percebe que no podemos falar sobre a probabilidade de H dadas as observaes ou, mais exatamente, que Pr(H | X)=0, ou seja, a probabilidade de um enunciado desta forma sempre zero. Isto parte de uma sndrome complexa - Paradoxo da Probabilidade Zero. Como conseqncia, usando uma expresso do filsofo Imre Lakatos, Peirce prope deslocar o problema (shift the problem). Ao invs de perguntar sobre a veracidade da hiptese, considerando os dados j obtidos, Peirce prope indagar sobre a possibilidade de obter dados mais ou menos compatveis com a hiptese, assumindo que esta seja verdadeira. A idia de Peirce para testar a hiptese da cifra um precursor dos procedimentos modernos da estatstica Bayesiana baseada em teoria da deciso, que computam valores de suporte como probabilidade aposteriori ou chances de aposta. A idia de Peirce para testar a hiptese de Kepler e outras hipteses contnuas um precursor de procedimentos estatsticos que computam valores de suporte como os p-valores da estatstica clssica (curiosamente, temos agora tambm verses Bayesianas disto). Na prxima seo tentaremos fazer uma reviso intuitiva e no tcnica destas duas solues prototpicas, contrastando-as com o FBST. Para mais detalhes, vide [43].
288
3.2 Solues Freqentista e Bayesiana para Anlise Estatstica dos Exemplos de Peirce A abordagem de Peirce para o primeiro exemplo leva, na teoria estatstica Bayesiana ortodoxa (baseada em teoria da deciso), a uma probabilidade aposteriori da hiptese calculada em funo do banco de dados observacional. Esta abordagem funciona bem para o problema da cifra. De fato, quando o nmero de observaes cresce, as probabilidades aposteriori convergem automaticamente, concentrando suporte pleno (probabilidade 1) na hiptese verdadeira. Portanto, neste problema simples, podemos de fato confundir os problemas de induo e abduo. No contexto de um conjunto finito de hipteses alternativas, pode-se falar equivalentemente sobre a probabilidade aposteriori da hiptese Hi, a saber pi=Pr(Hi | X), ou sobre as chances de aposta da hipteses Hi, a saber, bi=pi/(1 pi). A soluo da probabilidade aposteriori pode ser adaptada para problemas com espao paramtrico contnuo, contanto que consideremos apenas parties do espao paramtrico em um nmero finito de conjuntos de medida no-nula, correspondendo a hipteses grossas, imprecisas ou inexatas. No entanto, esta abordagem desmorona to logo sejam consideradas hipteses precisas. A razo deste colapso a armadilha da probabilidadezero: Uma hiptese precisa tem probabilidade (ou medida natural de Lebesgue) zero e, portanto, probabilidade apriori zero. Ademais, a natureza multiplicativa da operao de escala probabilstica, vide Borges e Stern (2007,Tabela 1), nunca atualizar uma probabilidade zero para uma probabilidade diferente de zero, vide [2, 4]. Esta a origem do paradoxo PPZ. Se agora considerarmos o arcabouo Con-Cog, poderemos compreender a sndrome PPZ em sua plenitude:
289
(1) A metfora objeto como auto-soluo implica na preciso das correspondentes hipteses estatsticas. (2) Hipteses precisas tem probabilidade apriori zero (na medida natural de Lebesgue). (3) Probabilidade apriori zero implica em um suporte perpetuamente nulo. Desta maneira podemos entender a seguinte concluso enunciada por Lakatos na p.154,V.2 de [20]: Mas ento, graus de suporte evidencial no podem ser o mesmo que graus de probabilidade [de uma teoria] no sentido do clculo de probabilidade. Tudo isto seria trivial se no fosse o antigo e respeitado dogma que chamo de a cadeia neo-clssica identificando, entre outras coisas, coeficientes racionais de aposta com graus de suporte evidencial. Este dogma confundiu geraes de matemticos e de filsofos. Existem dois modos bvios de escapar desta encrenca: (A) Arrumar a matemtica para evitar o PPZ, ou (B) Proibir o uso de hipteses precisas. (A) Arrumar a matemtica no contexto Bayesiano ortodoxo (e da teoria da deciso padro) para evitar o PPZ algo que mais facilmente dito do que feito. A moderna estatstica Bayesiana arranjou diversas manobras tcnicas tentando circundar o PPZ. Algumas das mais bem conhecidas dentre estas tcnicas so os testes de Jeffrey e outras chances de aposta com sistemas de handicap ou ajuste de pontuao permitindo a competio de hipteses precisas. Estas tcnicas fornecem procedimentos ad-hoc para uso prtico, mas so atormentadas por inconsistncias internas, como o paradoxo de Lindey, ou pela necessidade de justificar pr-supostos auxiliares ad-hoc (como a escolha de chances de aposta iniciais, ou as caractersticas do desenho de densidades apriori artificiais - um oxmoro bvio, etc.). Este precrio estado da arte plenamente reconhecido e admitido na estatstica Bayesiana ortodoxa baseada na teoria da deciso, vide Sec.10.3 de [50]. De fato, a resposta ortodoxa que esta confuso no culpa da cincia estatstica, mas sim culpa do
paradigma de formulao de hipteses precisas to em voga nas cincias exatas. Esta atitude leva a justificativas para a segunda soluo. (B) Proibir o uso de hipteses precisas pode ser muito tentador do ponto de vista da ortodoxia Bayesiana, todavia, inexeq"uivel na prtica estatstica: Cientistas e outros usurios da cincia estatstica simplesmente insistem no uso de hipteses precisas, como se fossem magneticamente atrados pelas mesmas, e demandam mtodos estatsticos apropriados. Da perspectiva Con-Cog, estes cientistas esto cobertos de razo, e fazendo justamente a coisa certa. Como uma soluo de compromisso, alguns livros-texto influentes oferecem mtodos como testes de Jeffrey, tomando todavia o cuidado de postar um assustador caveat emptor, deixando claro que o usurio esta entrando em territrio perigoso por sua prpria conta e risco. D.Williams, na p.234 de [48], faz um pronunciamento tpico: Significncia de hipteses precisas: um apelo a sanidade: ...Me assombroso portanto que alguns Bayesianos agora atribuam uma probabilidade apriori no-nula para que uma hiptese precisa seja exatamente verdadeira apenas para obter resultados que parecem suportar hipteses nulas que os freqentistas mui definitivamente rejeitariam. ( o bvio ululante que este tipo de resultado uma conseqncia inevitvel). Este ponto to importante quanto sutil. Para entende-lo corretamente, permitam-nos primeiramente relembrar o paradigma ortodoxo, como este concisamente enunciado por Dubins e Savage na p.229,230, Sec.12.8, de [5]. Na segunda citao, de Savage na p.254,Sec.16.3 de [35], encontramos que hipteses precisas, mesmo se importantes, fazem pouco sentido neste paradigma, uma proposio que aceita em toda a estatstica Bayesiana ortodoxa baseada na teoria da deciso.
291
Problemas de jogos de aposta, em que distribuies de vrias quantidades so proeminentes na descrio da fortuna do jogador, parecem abarcar a totalidade da teoria estatstica de acordo com esta viso, que pode ser denominada a viso Bayesiana baseada na teoria da deciso deste assunto. Muita ateno dada na literatura estatstica tarefa de testar ...hipteses extremas (precisas), como eu as denomino. A inaceitabilidade de hipteses extremas (precisas) perfeitamente bem conhecida; ela intimamente relacionada conhecida mxima de que cincia desprova, mas nunca prova hipteses. O papel desempenhado por hipteses extremas (precisas) em cincia e outras atividades estatsticas parece ser importante mas obscuro. Em particular, embora eu, como todo mundo que pratica estatstica, tenha muitas vezes testado hipteses extremas (precisas), eu no posso dar uma anlise satisfatria deste processo, nem dizer claramente como ele se relaciona aos testes de hiptese definidos neste captulo e outras discusses tericas. A intuio de Peirce para testar hipteses precisas no seu segundo exemplo leva aos pvalores da estatstica clssica. O p-valor definido como a probabilidade acumulada dos bancos de dados que so mais extremos que o de fato observado, isto , o p-valor integra (ou soma) a probabilidade de todos os possveis bancos de dados (de mesmo tamanho, ou com mesma regra de parada) resultantes do experimento que tem uma probabilidade menor de ocorrer que a o banco de dados obtido. O p-valor uma soluo prtica que funciona razoavelmente bem para uma hiptese singular ou pontual, isto , uma hiptese afirmando que o verdadeiro valor do parmetro de um modelo tem um valor especfico,
1
. O p-valor tem algumas propriedades

292
assintticas desejveis, por exemplo: O p-valor converge para zero se a hiptese falsa,
0 1
, e tem uma distribuio limite uniforme se a hiptese verdadeira,
= 1 . Estas
propriedades so muito convenientes, pois elas podem ser usadas para obter aproximaes numricas relativamente fceis de calcular. Hoje em dia difcil apreciar a importncia destas propriedades em um mundo onde computadores digitais no estavam disponveis, e modelagem estatstica tinha que ser feita utilizando ferramentas como rguas de clculo, tbuas numricas e cartas grficas, vide Picket (1965). Lakatos, na p.31-32,V.2 de [20], faz comentrios muito interessantes concernentes s correspondncias conceituais e histricas entre o falsificacionismo Popperiano e a teoria estatstica dos p-valores para teste de hipteses desenvolvida por Neyman-Person-Wald. Por exemplo: Como as dificuldades com a induo eram bem conhecidas h muito tempo, admirvel que independente e quase simultaneamente Neyman e Popper encontraram um estratagema revolucionrio para substituir o raciocnio indutivo por um processo dedutivo de teste de hiptese. Eles ento prosseguiram e desenvolveram esta idia central que compartilhavam em direes diferentes, Popper desenvolvendo-a filosoficamente, enquanto Neyman (trabalhando conjuntamente com Pearson) mostrou como implementla na prtica cientfica. Por maior que seja sua utilidade prtica, mesmo no caso de hipteses pontuais, os p-valores podem ser criticados sob alguns aspectos tcnicos. Por exemplo, a no conformidade com o princpio da mxima verossimilhana de boa inferncia estatstica, vide [26, 46]. O pvalor oferece ainda uma resposta traioeira, pois ele traduz uma pergunta relacionada ao espao paramtrico em uma pergunta completamente diferente enunciada no espao amostral. Isto leva a uma srie de dificuldades de interpretao, vide por exemplo [34]. No
entanto, a soluo dos p-valores realmente comea a desmoronar no caso de hipteses compostas, isto , sub-variedades prprias do espao paramtrico. A hiptese de equilbrio Hardy-Weinber, por exemplo, constitui uma sub-variedade 1-dimensional no espao paramtrico 2-dimensional. A maior razo deste desmoronamento que a anteriormente mencionada definio de p-valor no , a bem da verdade, de modo algum uma definio. No caso de hipteses compostas, no h uma ordem pr-estabelecida no espao amostral e, portanto, nenhuma noo natural de mais extremo. Uma forma padro de ajeitar a definio de p-valor testar a hiptese auxiliar simples
0
= *, onde
o estimador de
mxima verossimilhana (ou o estimador MAP - mxima densidade aposteriori) sob a hiptese original, dadas as observaes efetuadas. Todavia, a hiptese auxiliar de mxima verossimilhana post-hoc e, portanto, questionvel at que ponto ela representa adequadamente a hiptese original. Outras alternativas consideram uma reduo apriori ou projeo da hiptese composta sobre uma hiptese simples atravs de um procedimento de eliminao de parmetros julgados incmodos ou esprios (nuisance parameters). Basu fornece uma excelente reviso contendo mais de 10 diferentes tcnicas para este propsito em [1]. Todavia, estes procedimentos so solues caso-a-caso, e podem tornar-se tecnicamente complicados, no sendo sequer sempre disponveis. As probabilidades aposteriori da estatstica Bayesiana baseados na teoria da deciso e os p-valores da estatstica clssica, bem como uma multido de variaes destes paradigmas, tem uma coisa em comum: As manobras utilizadas para circundar as dificuldades tcnicas inerentes criam solues caso-a-caso. Portanto, solues dadas a problemas distintos no podem ser diretamente comparadas nem imediatamente combinadas. Portanto, nestes paradigmas, impossvel definir regras
294
lgicas gerais ou clculos abstratos de crena para a composio e propagao das funes de suporte, como as regras definidas para o FBST em [2]. A soluo FBST para teste de hipteses precisas pode ser vista como um dual do p-valor - no sentido de que o e-valor acumula a massa de probabilidade dos pontos mais extremos no espao paramtrico, semelhana do que o p-valor faz no espao amostral. Surpreendentemente, o uso do e-valor e idias correlatas foi apenas proposto muito tardiamente na histria da cincia estatstica, em [30]. O FBST faz uma clara distino entre o espao das hipteses e o espao paramtrico, adotando medidas distintas em cada um deles, a saber, a medida aposteriori natural da estatstica Bayesiana no espao paramtrico, e a medida possibilstica do e-valor no espao das hipteses. Tem havido vrias propostas para utilizar medidas alternativas, que no entanto no fizeram uma distino to clara entre os espaos paramtrico e das hipteses, mantendo em ambos a mesma medida, como tem sido usual na teoria estatstica. Excelentes revises destas teorias e muitas outras tentativas de resolver os enigmas do PPZ e outros paradoxos correlatos, so discutidas em [6, 13, 15, 24, 44].
4. Concluses Acerca da Verificao Construtiva Nas ltimas sees vimos como o arcabouo Con-Cog foi capaz de domar o PPZ - o Paradoxo da Probabilidade Zero. Este processo envolveu trs passos conceituais bsicos: 1- Adotar o esquema geral Bayesiano de modelagem estatstica, incluindo a medida de probabilidade aposteriori no espao paramtrico; 2- Fazer uma clara distino entre o espao paramtrico e o espao das hipteses;
3- Definir a medida possibilstica do e-valor para o espao das hipteses. Algumas das propriedades mais importantes do e-valor so: 4- O uso da medida possibilstica do e-valor totalmente compatvel e coerente com o uso da medida de probabilidade aposteriori na espao paramtrico, pn=p( | X). De fato, o FBST construdo sobre a medida aposteriori, pois o e-valor definido como uma integral na medida pn( )d . 5- A definio do e-valor (e funes verdade) engendra uma lgica, isto , regras de composicionalidade para o clculo e a propagao de e-valores (para sentenas complexas a partir de seus constituintes elementares ). 6- A lgica possibilstica dos e-valores tem a lgica clssica como limite, no caso de valores de suporte Booleanos (0 ou 1, falso ou verdadeiro), vide [2]. Estas propriedades permitem aos e-valores realizar dois feitos maravilhosos: 7- Solucionar o paradoxo da probabilidade zero para hipteses precisas, e 8- Funcionar como uma ponte, harmonizando probabilidade (a lgica subjacente inferncia estatstica e o paradigma de clculo credal da cincia emprica) e lgica clssica (a regra prototpica de inferncia dedutiva em matemtica). O passo 7 representa uma absolvio. Hipteses precisas so liberadas da sndrome do suporte nulo, e admitidas como cidads de primeira classe no espao das hipteses. No entanto, o passo 7 no garante que jamais haver uma hiptese precisa com bom suporte emprico. De fato, considerando o paradoxo da probabilidade zero original, achar uma hiptese assim to especial deveria ser realmente surpreendente, o equivalente cientfico de
um milagre! Como ento deveramos chamar o fato de mostrar ser possvel, algo que quase certamente (na medida de probabilidade) infactvel? No entanto, sabemos que milagres existem sim. (Os descrentes so fortemente encorajados a fazer algumas disciplinas de fsica experimental, incluindo um bom bocado de trabalho de laboratrio.) No arcabouo Con-Cog, a certificao de hipteses precisas por e-valores perto da unidade uma forma forte de verificao, semelhante a uma confirmao emprica ou autenticao pragmtica. Em contraste, a corroborao Popperiana apenas falha em refutar. No entanto, o e-valor no fornece a mquina indutiva para bombeamento de verdades sonhada pela escola empiricista. H muito mais coisas a se entender sobre cincia como um processo evolutivo que uma passiva espera pelo crescimento vegetativo de teorias verdadeiras a partir de dados bem colhidos, vide [14] e o Cap.4 de [43]. (Na verdade, uma tal mquina poderia tornar-se um grande pesadelo, drenando toda a alma e conscincia da atividade de pesquisa e extinguindo o esprito criativo da vida cientfica.) Assim, sustentamos que o arcabouo Con-Cog segue o caminho certo, encontrando um bem ajustado equilbrio entre os extremos opostos do excesso, almejado pelo empiricismo, e da escassidade, oferecido pelo falsificacionismo. Assim fazendo, os e-valores do FBST fornecem exatamente a medida certa para verificao de hipteses, respondendo ao apelo de Imre Lakatos por um sopro de indutivismo. Desta perspectiva, o arcabouo Con-Cog no apenas redime hipteses exatas ou precisas da danao estatstica, mas as coloca em um lugar de honra na atividade cientfica, elevando hipteses precisas a papis de estrela em qualquer cincia exata. Desta forma, acreditamos que o passo 7 abre caminho para que o arcabouo Con-Cog oferea importantes insights sobre a natureza das cincias empricas, insights que podem penetrar
297
muito mais fundo que as alternativas oferecidas pelos arcabouos epistemolgicos tradicionais.
5. Verdade na Linguagem Matemtica Matemtica a linguagem comum usada para a expresso e manipulao de entidade simblicas associadas s quantidades de interesse pertinentes ao escopo de cada particular cincia emprica. Portanto, estamos particularmente interessados na natureza da linguagem matemtica. Nesta seo argumentaremos que, no arcabouo Con-Cog, matemtica pode ser vista como uma cincia quasi-emprica, uma idia desenvolvida pelo filsofo Imre Lakatos. A chave de nossa argumentao est no passo 8 da seo 4. O passo 8 constitui uma ponte da fsica para a matemtica, da cincia emprica para quasi-emprica. Desta perspectiva, matemtica vista como um mundo idealizado de teorias absolutamente verificadas populadas por hipteses com suporte pleno (ou nulo).
5.1 Verdade por Correspondncia vs. por Construo Para apreciar plenamente as conseqncias da perspectiva Con-Cog de objetos e sua representao em linguagem, comearemos por contrast-la com abordagens mais tradicionais, baseadas em cortes dicotmicos e subseqentes correspondncias. Estas abordagens comeam por estabelecer uma distino que corta o mundo em dois, e ento escolhem ou decidem se objetos devem ser corretamente colocados do lado de c ou do lado de l: So objetos conceitos internos em dado sistema ou so eles entidades externas que esto no ambiente? Pertencem eles ao mundo de cima, subjetivo, da mente, do
298
esprito, do pensamento intuitivo, etc., ou pertencem eles ao mundo de baixo, objetivo, do corpo, da matria, da realidade, etc.? Um corte primordial rachando o mundo em duas metades sugere tambm duas maneiras naturais de escalar a montanha epistemolgica: Ou as idias corretas no mundo de cima so aquelas que correspondem realidade objetiva l embaixo, ou as coisas corretas no mundo de baixo so aquelas que correspondem s boas idias l em cima, etc. O princpio de existncia de uma correspondncia verdadeira e esttica um pr-requisito necessrio, mas h diversas maneiras de estabelecer a conexo, ou de aprend-la (ou de lembr-la). O empiricista observa diligentemente o mundo, esperando que sua recompensa seja paga em conhecimento cientfico corrente que possa, por sua vez, ser utilizado para pagar por ferramentas convenientes a serem utilizadas em empreitadas tecnolgicas. O idealista dogmtico trabalha duro com sua doutrina nos campos da metafsica, de modo a assegurar um bom lugar l no topo, esperando assim usufruir de uma viagem tranqila deslizando morro abaixo o caminho epistemolgico. A abordagem da correspondncia didtica simples e robusta. Ela pode ser facilmente adaptada a muitas situaes e propsitos diferentes. Ela tambm tem qualidades didticas atraentes, sendo fcil de entender e ensinar. A abordagem da correspondncia didtica exige pouco investimento inicial e tem baixo custo de manuteno, contanto que se entenda que o pressuposto de uma correspondncia pr-determinada torna todo o sistema essencialmente esttico. Sua maior fraqueza reside em sua rigidez. No fcil considerar novas hipteses ou conceitos originais, e mais difcil ainda manejar a refutao ou o descrdito de hipteses ou conceitos previamente aceitos. Uma nova ordem mundial sempre tem de ser, ao menos em princpio, construda a partir do cho.
299
No Construtivismo Cognitivo, linguagem pode ser vista como um terceiro plo no arcabouo epistemolgico, um terceiro elemento que faz o papel de buffer, moderando ou mitigando a interao de sistema e ambiente, a relao entre teoria e experimento, etc. Ademais, apenas dentro de uma linguagem que podemos enunciar sentenas, que podem ento ser julgadas por sua veracidade ou falsidade. Mais ainda, a linguagem nos fornece uma prateleira para colocarmos nossos objetos (ou nossas representaes dos mesmos) um armrio para guardarmos estes tokens simblicos. Mesmo que a noo de correspondncia dos objetos - quer a conceitos puramente internos de um dado sistema, quer a entidades estritamente externas no ambiente - seja inconsistente com o arcabouo Con-Cog, este arcabouo perfeitamente compatvel com ter objetos re-presentados como smbolos em uma ou vrias linguagens. Esta viso muito conveniente e pode ser muito til, contanto que no passemos a ter atitudes extravagantes, atribuindo s linguagens poderes mgicos capazes de criar ex-nihilo o mundo em que vivemos. Embora esta atitude parea uma tolice, este tipo de erro foi cometido por alguns filsofos do movimento construtivista radical, vide Stern (2005). A abordagem Con-Cog requer, desde o incio, uma construo mais sofisticada, mas o esforo adicional deve ser compensado pela vantagem desta ser mais resiliente. Uma de nossas metas escapar dos dilemas inerentes s abordagens de correspondncia prdeterminada, permitindo maior flexibilidade, fornecendo fora estrutural e estabilidade dinmica. Desta forma, encontrar auto-solues melhores (mais precisas, estveis, fceis de compor ou vlidas em casos mais gerais) ou melhores representaes para objetos de uma dada realidade, no implica automaticamente que as formas antigas sejam obliteradas. Conceitos ou noes antigas podem ser substitudas por formas melhores sem que sejam categoricamente desacreditadas. Portanto, teorias tm mais espao para continuamente crescer e se adaptar, enquanto conceito a um tempo abandonados podem ser facilmente
reciclados se seu reuso mostra-se conveniente em uma posterior oportunidade. Desta forma, o arcabouo epistemolgico Con-Cog naturalmente acomoda conceitos dinmicos, mudanas de hipteses e a evoluo de teorias, todas to caractersticas da cincia moderna.
5.2. Ontologias Quasi-Empricas Ontologias so linguagens controladas usadas para a prtica da cincia. Elas so desenvolvidas como ferramentas para comunicao cientfica. Esta comunicao tem aspectos tpicos internos e externos: Precisamos de linguagens para nos comunicar com os outros e com ns mesmos. Utilizamos linguagens como ferramentas para coordenao eficaz de aes e como ferramenta para estruturao eficiente do entendimento. Equipados com ontologias apropriadas, espera-se que os cientistas construam modelos capazes de fornecer predies confiveis e explicaes intuitivas. Finalmente, ao menos no domnio das cincias exatas, requer-se destes modelos que tenham uma natureza formal e quantitativa. Portanto, a abordagem que estamos seguindo naturalmente enfatiza o papel especial desempenhado pelas linguagens formais ou matemticas, nosso principal interesse nesta seo. Matemtica formal ou abstrata, incluindo vrios dialetos populares menos formais, a linguagem comum utilizada para a expresso e manipulao de entidades simblicas associadas com as quantidades de interesse pertinentes ao escopo de cada particular cincia emprica. Portanto, estamos particularmente interessados na natureza da linguagem matemtica. De fato, argumentamos que a matemtica deve ser vista como uma ontologia para uma classe de conceitos relevantes a todas as cincias exatas, a saber, os conceitos relacionados s idias intuitivas de contagem, simetria, nmero, infinito, medida, dimenso
e continuidade. Deste ponto de vista, a matemtica pode ser vista como uma cincia quasiemprica, em oposio a uma cincia Euclidiana, de acordo com a clssica distino definida pelo filsofo Imre Lakatos na p.40,V.2 de [20]. Se um sistema dedutivo Euclidiano ou quasi-emprico decidido pelo padro de fluxo de valores verdade no sistema. O sistema Euclidiano se o fluxo caracterstico a transmisso da verdade de forma descendente, a partir de um conjunto de axiomas para o resto do sistema - lgica o instrumento de prova; O sistema quasi-emprico se o fluxo caracterstico ascendente, rumo s hipteses - lgica um instrumento de crtica. De forma ainda mais geral, podemos falar de teorias empricas ou quasi-empricas independentemente daquilo que flui nos canais lgicos: Verdades ou falsidades certas ou falveis, probabilidade ou improbabilidade, desejabilidade ou indesejabilidade moral, etc. O decisivo como o fluxo se faz. Obviamente, no Con-Cog, a verificao (ou no) de teorias medido por e-valores do FBST que flui de forma ascendente rumo s hipteses, como discutido nas sees anteriores do artigo. Neste ponto, podemos ver como o arcabouo Con-Cog pode levar a uma renovada apreciao e entendimento do famoso par de sentenas gmeas devidas a Albert Einstein, na p.28 de [7], e Imre Lakatos, na p.102 de [19]: Enquanto as afirmaes da matemtica se refiram a verdades reais, elas no so certas; e enquanto forem certas, elas no se referem a verdades reais. Kappa: Se quiseres que a matemtica tenha significado, tens que renunciar certeza. Se quiseres a certeza, livrate do significado. No podes ter ambos.
302
5.3. Dedues Formais vs. Demonstraes Explicativas Das consideraes feitas na ltima subseo, poderamos esperar que os matemticos se sentissem muito vontade no laboratrio de fsica. No entanto, sabemos que os matemticos de hoje em dia no costumam se aventurar no laboratrio de fsica para encontrar suas conjecturas ou provar seus teoremas. Todavia, hoje em dia, cada vez mais freqente a utilizao de experimentos computacionais, como a gerao aleatria ou determinstica de instncias ou cenrios para checar se uma conjectura se sustenta, e tentar corrig-la caso ela se mostre falha, antes de concentrar maiores esforos para fornecer uma demonstrao formal. Quanto ao trabalho profissional de laboratrio, a cincia moderna parece preferir uma abordagem de linha de produo, favorecendo a diviso de trabalho e a especializao. Cientistas experimentais e engenheiros geram os dados experimentais, e podem ainda formular leis empricas ou algoritmos heursticos para manejar estas frmulas. Mais tarde, cientistas tericos refinam estas frmulas e heursticas, e explicam suas propriedades inserindo-as em um contexto mais amplo. Por exemplo, frmulas empricas simples ou sistemas tericos completos podem ser justificados por derivao a partir de princpios metafsicos gerais, isto , neste contexto, princpios metafsicos fornecem respostas racionais a questes que indagam porque uma teoria de nvel mais baixo ou pode ser verdadeira, vide Stern (2008, cap.4). Finalmente, matemticos do um polimento final teoria e, caso necessrio, fornecem novos embasamentos formais para impor padres mais rigorosos. Esta diviso de trabalho entre comunidades distintas pode fazer um uso mais eficiente de recursos e habilidades escassas e, assim procedendo, ser benfica ao desenvolvimento da cincia, acelerando fortemente o seu progresso. Todavia, o prprio processo de especializao pode dar a falsa
impresso de que todas estas reas e atividades inter-relacionadas no so apenas diferenciadas, mas (quase) independentes. Esta atitude geral por vezes refletida em uma mudana de estilo na maneira em que textos de matemtica so escritos. Em um primeiro momento, demonstraes matemticas so desenvolvidas como tcnicas de visualizao ou intuitivos gedanken-experimente. Procurando uma maior generalidade, os argumentos so apresentados de forma cada vez mais abstrata. Esta a mudana de demonstraes explicativas ou geomtricas para dedues formais, lgicas ou aritmticas.
5.3.1. Por que a Matemtica Tornou-se uma Cincia Dedutiva? A viso de Lakatos da matemtica como cincia quasi-emprica, embora no seja incomum, no a opinio corrente mais difundida. Ao revs, desde os tempos da compilao dos Elementos de Geometria, a matemtica vista como uma cincia Euclidiana. Todavia, esta mudana de percepo sobre a natureza da matemtica corresponde a um processo histrico longo e interessante. rpd Szab, o professor de Imre Lakatos na Hungria, estudou muito a fundo a histria desta transformao no incio da matemtica Grega, vide Szab (1978). De acordo com Szab, este processo histrico pode ser traado, entre outras coisas, pela transformao de algumas palavras tcnicas e termos especializados usados em textos de matemtica. Por exemplo, o significado original de , era simplesmente o de mostrar
ou pr em evidncia. Mais tarde, a mesma palavra tornou-se um termo tcnico na matemtica Grega, como na expresso - o , nosso familiar quod erat
demonstrandum, vide p.188 em [45]. Este uso posterior corresponde a uma abstrao ou aritmetizao do ideal de demonstrao matemtica, que move-se para longe das metas de
visualizao geomtrica e explicao intuitiva. A este respeito, Scrates, como citado na Repblica de Plato na p.194,197 de [45], declara: Os assuntos da aritmtica jazem no domnio do puro pensamento. Tambm a palavra axioma, o - ser digno ou valoroso,
originariamente denotava a proposio (ex)posta discusso crtica ou dialtica. vide p.49 em [19] e p.65-84 em [45]. Ironicamente, mais tarde, a mesma palavra usada para indicar uma afirmao bvia ou auto-evidente. Os mtodos historiogrficos empregados por Szab no so imunes crtica. Todavia, aps ler sua obra prima, [45], pode-se dizer - Si non vero, ben trovato. Seguindo os argumentos de Szab, pode-se encontrar uma resposta possvel questo que ele indaga, a saber, - Como foi que a matemtica tornou-se uma cincia dedutiva? Todavia, nesta seo estamos interessados em uma outra questo intimamente relacionada, no como mas por qu, - Por que a matemtica tornou-se uma cincia dedutiva? Por que foi sequer possvel esta transformao, de cincia de ps no cho para a etrea filosofia? Mais uma vez, a natureza maravilhosa ou milagrosa de uma hiptese precisa bem suportada, como discutido na seo anterior, pode explicar a tendncia das mudanas em percepo e alteraes de significado estudados por Szab. Afinal de contas, apenas natural esperar que teoremas miraculosos sejam filhos do cu. No me aventurarei a discutir se bons axiomas vem ou no do cu, ou se eles vem diretamente dO Livro, como dizia o matemtico Pl Erds. Irei apenas celebrar a revelao deste mistrio. Ele representa a ltima transmutao do PPZ, de m sina de dvida e confuso, para bom augrio de conhecimento universal.
305
6. Pesquisa Futura e Comentrios Finais A histria da matemtica fornece muitos temas de estudo interessantes que pretendemos explorar em artigos futuros. Por exemplo, algumas abordagens modernas lgica e teoria dos conjuntos parecem ter seguido tendncias que convergem com a perspectiva Con-Cog. Por exemplo, na p.27,V.2 de [20], Gdel afirma: O papel das assim chamadas fundaes comparvel funo exercida na fsica terica por hipteses explicativas... a real funo dos axiomas a de explicar os fenmenos descritos pelos teoremas do sistema, ao invs de tentar fornecer uma genuna fundao para os mesmos teoremas. Eugen Wigner e Richard Hamming, [12, 47], ficam assombrados com a desarrazoada eficcia da matemtica nas cincias naturais. Examinando este mistrio da perspectiva Con-Cog, entendemos que no h nada mais natural que a eficcia da matemtica nas cincias naturais, pois a matemtica nada mais que a ordem natural do mundo (incluindo nos mesmos) expressa em linguagem (to bem como ora podemos faz-lo). Obviamente, um mistrio mais profundo permanece intocado, a saber, a existncia de um cosmos ordenado, e no apenas caos. Na verdade, no apenas a existncia de qualquer cosmos, mas a existncia de um que seja bom, no qual podemos encontrar auto-solues precisamente definidas, estveis, separveis e componveis, de modo que possam ser utilizados como blocos ou mdulos na construo do conhecimento. No entanto, considero que mesmo esta pequena mudana de perspectiva j , em si mesma, uma bela faanha do arcabouo epistemolgico do Construtivismo Cognitivo. Agradecimentos: O autor grato pelo suporte recebido do Departamento de Matemtica Aplicada do Instituto de Matemtica e Estatstica da Universidade de So Paulo, FAPESP Aspectos de Lgica e Teoria da Cincia 306
Fundao de Amparo Pesquisa do Estado de So Paulo, e CNPq - Conselho Nacional de Desenvolvimento Cientfico e Tecnolgico (PQ-306318-2008-3). O autor tambm grato pelo auxlio e pelas discusses com vrios de seus colegas de trabalho, incluindo, Carlos Alberto de Bragana Pereira, Luis Esteves, Marcelo de Souza Lauretto, Rafael Bassi Stern, Sergio Wechsler and Wagner Borges. O autor especialmente grato pelos comentrios de Gbor Kutrovtz da Universidade Lornd Etvs de Budapest referentes aos trabalhos tardios de Imre Lakatos.
7. Referncias Bibliogrficas [1] Basu,D. Statistical Information and Likelihood. Edited by J.K.Ghosh. Lect. Notes in
Statistics, 1988, 45. [2] Borges,W.; Stern,J.M. The Rules of Logic Composition for the Bayesian Epistemic eValues. Logic Journal of the IGPL, 2007, 15, 5-6, 401-420. [3] DeGroot,M.H. Optimal Statistical Decisions. McGraw-Hill: NY, 1970. [4] Darwiche,A.Y. A Symbolic Generalization of Probability Theory. Ph.D. Thesis, Stanford Univ. 1993. [5] Dubins,L.E.; Savage,L.J. How to Gamble If You Must. Inequalities for Stochastic Processes. NY: McGraw-Hill. 1965. [6] Eells,E.; Fitelson,B. Measuring Confirmation and Evidence. The Journal of Philosophy. 2000, 97,12, 663-672. [7] Einstein,A. Geometrie und Erfahrung. Springer. 1921,
www.alberteinstein.infoPDFsCP7Doc52_pp382-388_403.pdf. Transl.in Einstein,A. Ideas and Opinions. Wings Books. 1954. [8] Finetti,B.de. Probability, Induction and Statistics. NY: Wiley. 1972. [9] Finetti,B.de. Theory of Probability, V1 and V2. London: Wiley. 1974. [10]Foerster, H.von. Understanding Understanding: Essays on Cybernetics and Cognition. Springer Verlag: NY, 2003. [11] Gelman,A.; Carlin,J.B.; Stern,H.S.; RubinD.B. Bayesian Data Analysis, 2nd ed. Chapman and Hall / CRC: NY, 2003. [12] Hamming,R.W. The Unreasonable Effectiveness of Mathematics. The American Mathematical Monthly, 1980, 87, 2. [13] Hawthorne,J. Confirmation Theory. To be published at P.S.Bandyopadhyay, M.R.Forster, vol.eds. D.M.Gabbay, P.Thagard, J.Woods, gen.eds. Handbook of the Philosophy of Science. Volume 7: Philosophy of Statistics. Elsevier BV. 2010. [14] Hilts,V. Aliis exterendum, or the Origins of the Statistical Society of London. Isis, 1978, 69,1,21-43. [15] Huber,F. Confirmation and Induction The Internet Encyclopedia of Philosophy. 2010, www.iep.utm.edu/conf-ind/ [16] Inhasz,R.; Stern,J.M. Emergent Semiotics in Genetic Programming and the SelfAdaptive Semantic Crossover. p.381-392 in L. Magnani W.Carnielli (eds.) ModelBased Reasoning in Science & Technology. SCI 314, Berlin: Springer. 2010.
[17] Krohn,W.; Kppers,G. The Selforganization of Science - Outline of a Theoretical Model. p.208222 in Krohn,W. Kppers,G.; Nowotny,H. Selforganization. Portrait of a Scientific Revolution. Dordrecht: Kluwer. 1990. [18] Kuipers,T.A.F. Inductive Probability and the Paradox of Ideal Confirmation. Philosophica, 1971, 17, 1, 197-205. [19] Lakatos,I.; Worall,J.; Zahar,E. (eds). Proofs and Refutations: The Logic of Mathematical Discovery. Cambridge University Press. 1976. [20] Lakatos,I. Philosophical Papers. V.1 - The Methodology of Scientific Research Programmes. V.2. - Mathematics, Science and Epistemology. Cambridge: Cambridge University Press. 1978. [21] Lauretto, M.; Pereira,C.A.B.; Stern,J.M.; Zacks,S. Full Bayesian Significance Test Applied to Multivariate Normal Structure Models. Brazilian Journal of Probability and Statistics, 2003, 17, 147-168. [22] Luhmann,N. Ecological Communication. Chicago Univ. Press. 1989. [23] Madruga,M.R.; Esteves,L.G.; Wechsler,S. On the Bayesianity of Pereira-Stern Tests. Test, 2001, 10, 291299. [24] Maher,P. Confirmation Theory. in D.M.Borchert ed. The Encyclopedia of Philosophy 2nd ed. Macmillan. 2005. [25] Maturana, H.R.; Varela,F.J. Autopoiesis and Cognition. The Realization of the Living. Dordrecht: Reidel. 1980.
309
[26] Pawitan,Y. In All Likelihood: Statistical Modelling and Inference Using Likelihood. Oxford University Press. 2001. [27] Peirce,Ch.S. Questions Concerning Certain Faculties Claimed for Man. J.of Speculative Philosophy, 1868, 2,103-114. [28] Peirce,Ch.S. A Theory of Probable Inference. The Johns Hopkins Studies in Logic, 1883, 126-181. [29] Pereira,C.A.B.; Wechsler,S. On the Concept of p-value. Brazilian Journal of Probability and Statistics, 1993, 7, 159177. [30] Pereira,C.A.B.; Stern,J.M. Evidence and Credibility: Full Bayesian Significance Test for Precise Hypotheses. Entropy Journal, 1999, 1, 69-80. [31] Pereira,C.A.B.; Wechsler,S.; Stern,J.M. Can a Significance Test be Genuinely Bayesian? Bayesian Analysis, 2008 3, 1, 79-100. [32] Pereira,C.A.B.; Stern,J.M. (2008b). Special Characterizations of Standard Discrete Models. REVSTAT Statistical Journal, 2008, 6, 3, 199-230. [33] Pickett Inc. N525 Stat-Rule, A Multi-Purpose Sliderule for General and Statistical Use (Instruction manual). Santa Barbara, CA, USA. 1965. [34] Rouanet,H.; Bernard,J.M.; Bert,M.C.; Lecoutre,B.; Lecoutre,M.P,; Roux,B.Le. New Ways in Statistical Methodology. From Significance Tests to Bayesian Inference. Berne: Peter Lang. 1998. [35] Savage,L.J. The Foundations of Statistics. NY: Dover. 1972. [36] Schilpp,P.A. The Philosophy of Karl Popper. La Salle: Open Court. 1974.
[37] Segal,L. The Dream of Reality. Heintz von Foersters Constructivism. NY: Springer. 2001. [38] Stern,J.M. Significance Tests, Belief Calculi, and Burden of Proof in Legal and Scientific Discourse. Laptec-2003, Frontiers in Artificial Intelligence and its Applications, 2003, 101, 139147. [39] Stern,J.M. Paraconsistent Sensitivity Analysis for Bayesian Significance Tests. SBIA04, Lecture Notes Artificial Intelligence, 2004, 3171, 134143. [40] Stern,J.M. Cognitive Constructivism, Eigen-Solutions, and Sharp Statistical Hypotheses. Cybernetics and Human Knowing, 2007, 14, 1, 9-36. [41] Stern,J.M. Language and the Self-Reference Paradox. Cybernetics and Human Knowing, 2007, 14, 4, 71-92. [42] Stern,J.M. Decoupling, Sparsity, Randomization, and Objective Bayesian Inference. Cybernetics and Human Knowing, 2008, 15, 2, 49-68. [43] Stern,J.M. Cognitive Constructivism and the Epistemic Significance of Sharp Statistical Hypotheses. Tutorial book for MaxEnt 2008, The 28th International Workshop on Bayesian Inference and Maximum Entropy Methods in Science and Engineering. Boracia, So Paulo, Brazil. 2008. [44] Strevens,M. Notes on Bayesian Confirmation Theory. 2006. Retrieved at 11-11-2010 from www.nyu.edu/gsas/dept/philo/user/strevens/Classes/Conf06/BCT.pdf [45] Szab,A. The Beginnings of Greek Mathematics. Budapest, Akadmiai Kiad. 1978.
311
[46] Wechsler,S.; Pereira,C.A.B.; Marques,P.C. Birnbaums Theorem Redux. AIP Conference Proceedings, 2008, 1073, 96-100. [47] Wigner,E. The Unreasonable Effectiveness of Mathematics in the Natural Sciences. Communications on Pure and Applied Mathematics, 1960. [48] Williams,D. Weighing the Odds. Cambridge Univ. Press. 2001. [49] M.Zelleny,M. Autopoiesis, Dissipative Structures, and Spontaneous Social Orders. Washington: AAAS - American Association for the Advancement of Science. 1980. [50] Zellner,A. Introduction to Bayesian Inference in Econometrics. Wiley: NY, 1971.
Julio Michael Stern, www.ime.usp.br/ jstern, Bacharel e Mestre pelo Instituto de Fsica da Universidade de So Paulo, M.Eng. e Ph.D. pela School of Operations Research and Industrial Engineering of Cornell University (Ithaca, NY, USA), Livre Docente pelo Departamento de Cincia da Computao, Professor Titular do Departamento de Matemtica Aplicada do Instituto de Matemtica e Estatstica da Universidade de So Paulo, e Consultor e Pesquisador nvel 1 do CNPq na rea de Pesquisa Operacional. Suas reas de interesse incluem: Algoritmos estocsticos e evolutivos; Estatstica Bayesiana; Inferncia lgica e epistemologia; Mtodos esparsos e estruturados; Otimizao numrica e Pesquisa operacional.
312
Este livro foi confeccionado pelo Grupo de Lgica e Teoria da Cincia em comemorao aos Vinte e Cinco anos de existncia do Instituto de Estudos Avanados da USP. A Lgica experimentou avanos jamais vistos nos ltimo e penltimo sculos. Digno de meno o aparecimento de novas categorias de lgicas. Uma delas, a lgica paraconsistente, vem chamando a ateno de estudiosos por tratar contradies em seu interior sem o perigo de trivializao. Um de seus descobridores um lgico brasileiro: Newton C. A. da Costa. Alm da compreenso de seus fundamentos, paulatinamente diversas aplicaes foram sendo obtidas nos mais diversos setores do conhecimento humano, da Filosofia a Inteligncia Artificial e Automao, quebrando um paradigma do pensamento humano de mais de dois mil anos. Grande parte das pesquisas das lgicas paraconsistentes contou com o apoio do Instituto de Estudos Avanados. Muitas frases podem refletir essa situao, como a de Shakespeare: entre o cu e a terra existem muito mais coisas do que sonha sua v filosofia.

Aspectos de Lógica e Teoria Da Ciência

Hochgeladen von

Dokumentinformationen

Originaltitel

Copyright

Verfügbare Formate

Dieses Dokument teilen

Dokument teilen oder einbetten

Freigabeoptionen

Stufen Sie dieses Dokument als nützlich ein?

Sind diese Inhalte unangemessen?

Copyright:

Verfügbare Formate

Aspectos de Lógica e Teoria Da Ciência

Hochgeladen von

Copyright:

Verfügbare Formate

ASPECTOS DE LGICA E TEORIA DA CINCIA

JAIR MINORO ABE

INSTITUTO DE ESTUDOS AVANADOS DA USP 2011

reproduo autorizada pelo autor

Aspectos de Lgica e Teoria da Cincia

Aspectos de Lgica e Teoria da Cincia

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Newton C. A. da Costa Jair Minoro Abe

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Vinte e cinco Anos de Pesquisas do Grupo de Lgica e Teoria da Cincia no IEA-USP

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Alguns Aspectos da Histria da Lgica Paraconsistente

Lafayette de Moraes, PUC-SP Carlos Roberto Teixeira Alves, PUC-SP

ukasiewicz, Vasilev, Jaskowski, Sistema D2, Newton C. Da Costa, Famlias Cn

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Abstract Can we understand a rational world that seems counter-intuitive? Apparently, it

Contradiction, ukasiewicz, Vasil'ev, Jaskowski, D2 System, Newton C. Da Costa, Cn Family.

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

premissa. 1, simplificao. 2, adio. 1, simplificao 4, 3, silogismo disjuntivo

HERBRAND, J., 1928.

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Metafsica, Metafsica, 6 Metafsica,

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente

Alguns Aspectos da Histria da Lgica Paraconsistente

Alguns Aspectos da Histria da Lgica Paraconsistente

Aspectos de Lgica e Teoria da Cincia

Alguns Aspectos da Histria da Lgica Paraconsistente