1. Inteligncia Artificial Aplicada Construo de Modelos Ecolgicos Mini-Curso Semana da Biologia da UnB Prof. Dr. Paulo Salles e Adriano Souza

2. Programa Objetivos do Mini-curso Parte I Introduo Definies de Inteligncia Artificial (IA) e modelos Modelagem e o potencial de uso da IA para estudos de ecologia Parte II Discusso de aplicaes de IA em modelagem ecolgica Algumas tcnicas de IA aplicadas em ecologia (Sistemas Dinmicos, Redes Neurais Artificiais, Algoritmos Genticos, Fuzzy Logic, Raciocnio Qualitativo) Parte III - Exerccios sobre como construir modelos ecolgicos, utilizando o software DynaLearn (www.dynalearn.eu). Modelos Qualitativos (DynaLearn) Padres de modelos Construo de modelos em DynaLearn Discusso 3. Objetivos do Minicurso Discutir alguns dos mais importantes paradigmas de modelagem ecolgica baseados em Inteligncia Artificial; Demostrar, por meio de atividades prticas, como construir modelos para representar problemas ecolgicos. 4. Definio de Inteligncia Artificial a teoria e desenvolvimento de sistemas computacionais capazes de realizar tarefas que normalmente requerem inteligncia humana, tais como percepo visual, reconhecimento de linguagem, tomada de deciso, e traduo entre linguagens. 5. MaioresproblemasdaIA Raciocnio Representao de conhecimento Planejamento e agendamento automatizado Aprendizagem de mquina Processamento de linguagem natural Viso computacional Robtica Inteligncia Geral ou IA Forte Abordagens Tradicionais * Busca de algoritmos * Lgica Abordagens modernas * Redes Neurais * Redes Bayesianas * Algoritmos evolutivos 6. Ento, qual o significado ou importncia da IA para a ecologia e para os eclogos? 7. E na Ecologia? Inteligncia Artificial Representao de conhecimento Correspondncia de Padres Inferncia Busca Sistemas Especialistas Sistemas de bases de dados Inteligentes Modelagem em IA Robtica Viso e processamento de imagem Entendimento de Sistemas Complexos Processamento de linguagem natural Raciocnio computacional e comprovao de teoremas ... Manejo de recursos naturais Escopo de reas de aplicao da IA como aplicada ao MRN. Adaptado de Coulson et al. (1987) 8. 1987 Coulson et al. Sistemas especialistas para soluo de problemas e tomada de deciso Sistemas de Informao Geogrfica Inteligentes Modelos de IA de comportamento animal e ecologia Object-oriented paradigma 1989 Rykiel Modelagem e simulao Integrao de conhecimento qualitativo e quantitativo Desenvolvimento terico 1998 Struss Desenvolvimento e uso de modelos aprimorados Modelagem conceitual e soluo de problemas Modelagem qualitativa e sistemas baseados em modelos necessrio uma aproximao na colaborao entre especialista de um domnio e pesquisadores de Inteligncia Artificial para o desenvolvimento de solues para problemas especficos 9. E na Ecologia? 3 maneiras em que as tecnologias de IA podem ser teis para o desenvolvimento terico: Organizao de bases de conhecimento compatveis com computadores, incluindo conhecimento qualitativo e quantitativo; Avaliao rpida de pressupostos, hipteses ou outras ideias em um contexto terico; Determinar as consequncias e a consistncia lgica de longas e complicadas trajetrias de raciocnio ecolgico. Rykiel (1989) 10. E na Ecologia? Talvez o impacto mais imediato de tecnologias de IA ser na forma como eclogos organizam, desenvolvem e implementam modelos. Um ambiente computacional ecolgico deve permitir que o eclogo pense muito mais no problema ecolgico e muito menos na mecnica computacional. Rykiel (1989) 11. Antes de continuar precisamos saber o que um modelo! Palpites? 12. Modelo Modelos so representaes formais, abstratas e manipulveis de sistemas fsicos, a partir dos quais pode- se fazer simulaes do comportamento do sistema na realidade e estabelecer comunicao entre pessoas que dominem a linguagem usada para a modelagem. Sistema uma unidade que consiste de um ou mais elementos (objetos) estruturalmente conectados, cujos estados dependem uns dos outros. Portanto, so componentes essenciais de um sistema os OBJETOS e a ESTRUTURA. Exs.: o sistema digestivo humano, uma bicicleta Definies de Modelo e Sistema 13. S1 S4 S3 S2 SISTEMA ALAS DE RETROALIMENTAO Ambiente BORDA DO SISTEMA ESTRUTURA DO SISTEMA ELEMENTOS DO SISTEMA ENTRADA NO SISTEMA SADA NO SISTEMA Conceitos bsicos de um sistema e seu ambiente. Adaptado de Bossel (1986) 14. A finalidade do sistema Um sistema tem uma finalidade (ou pode-se atribuir uma finalidade a ele): Recebe algum input do ambiente, realiza alguma transformao nesse input e produz algum output. Portanto, o desenvolvimento de certos estados mais provvel do que de outros estados. 15. Um modelo deve ter uma finalidade A construo de um modelo uma atividade seletiva, parcialmente subjetiva, que se baseia na experincia, em evidncias empricas, julgamentos, intuies. A seleo dos elementos e das relaes estruturais mais importantes depender dos objetivos da anlise do sistema. Um modelo deve ter, portanto, uma finalidade. Estudo de uma floresta para fins econmicos e Estudo sobre a sucesso na floresta requerem anlises diferentes. Para finalidades diferentes, devem ser construdos modelos 16. Para que construir modelos? Construir e usar modelos contribui para Compreender a estrutura do sistema; Predizer o comportamento do sistema; Controlar variveis para obter determinados resultados. 17. Como modelos podem ser usados? Pesquisa cientfica; Tomada de decises e manejo; Aplicaes educacionais e treinamento. Cada uso tem requisitos diferentes. 18. Modelos em ecologia Construir modelos em ecologia tarefa complexa, porque... 1. Conhecimentos ecolgicos so heterogneos, incluem tanto conhecimentos qualitativos como quantitativos; 2. difcil coletar dados e fazer experimentos; 3. Os dados disponveis so incompletos, inexatos, incertos e expressos em termos qualitativos; 4. Os fundamentos tericos e as leis (ou first principles) ainda esto em desenvolvimento. Novas abordagens para a modelagem ecolgica so necessrias! 19. Modelos em ecologia A maior parte dos modelos usados em ecologia pertencem a duas classes: Modelos Estatsticos resultam em demonstraes de relaes empricas entre fatores ecolgicos (parmetros); embora teis e importantes, no conseguem capturar a complexidade dos sistemas ecolgicos. Modelos Estruturais usados como meio de generalizar o entendimento sobre a estrutura e o funcionamento de sistemas ecolgicos; aumentam a capacidade de fazer previses sobre o comportamento e de controlar tais sistemas. 20. Modelos Estatsticos MODELOS ESTTICOS Sistema real Observaes Regresso, correlao Modelo 21. Modelos Estruturais MODELOS DINMICOS Sistema real Modelo 22. Abordagens da IA em Ecologia Dinmica de Sistemas Lgica Difusa (Fuzzy Logic) Algoritmos Genticos Redes Neurais Artificiais Raciocnio Qualitativo uma abordagem para entender o comportamento de sistemas complexos no tempo. Ele lida com ciclos de retroalimentao interna e atrasos que afetam o comportamento do sistema como um todo. 23. A Dinmica de Sistemas um bom paradigma para modelagem ecolgica por que... 1. Constri-se em conceitos existentes 2. diagramtico 3. amplamente usado 4. Estimula uma abordagem em camadas Estrutura conceitual antes dos detalhes matemticos 5. Se aplica a uma ampla variedade de problemas ambientais e ecolgicos 24. http://en.wikipedia.org/wiki/File:LSE_pond.jpg#filelinks 25. Um ecosistema simples Grama Veado campeiro CO2 rvore CO2 Simples ecossistema em que o carbono move-se entre os componentes etiquetados 26. Modelo de um ecosistema simples CO2 atmosfrico Grama g C Absoro DeCO2 pelasplantas Morte, Excreo, respirao Consumo CO2 Atmosfrico, dejetos lquidos e slidos Veado g C 27. Smbolos de Sistemas Dinmicos Compartimento Fluxo Nuvem Varivel Influncia 28. Exemplo: Modelo predador-presa de Lotka e Volterra Cada presa tem um nmero constante de descendentes por ano Cada predador se alimenta de uma proporo constante da populao de presas por ano A reproduo do predador diretamente proporcional ao consumo de presas Uma proporo constante da populao de predadores morre por ano 29. PARMETROS: Coelhos = 5000 Raposas = 45 Reproduo de coelhos = 0.5*coelhos Predao = comidos por raposa*raposa Reproduo de raposas = 0.01*predao Mortalidade de raposas = 0.2*raposas rraposas = 0.01*comidos_por_raposa Comidos por raposa = 0.01*coelhos Modelo Predador-presa construido em SIMILI 30. Raposa Coelho 31. Crescimento populao de rvores Parmetros: tamanho = 3 crescimento = cr*(1-tamanho/25) cr = rand_const(0.1,0.3) inicial = 5 recrutamento = 2 mortalidade = tamanho>17 total = sum({tamanho}) X = rand_const(0,100) Y = rand_const(0,100) 32. Simulao de modelo quantitativo em SIMILE para crescimento de rvores 33. Abordagens da IA em Ecologia Dinmica de Sistemas Lgica Difusa (Fuzzy Logic) Algoritmos Genticos Redes Neurais Artificiais Raciocnio Qualitativo uma possvel maneira de lidar com incerteza, capaz de capturar informaes imprecisas, descritas em linguagem natural, e convert-las para um formato numrico. A Lgica Fuzzy utiliza palavras em vez de nmeros, os valores verdades so expressos linguisticamente: quente, muito frio, verdade, longe, perto, prximo, rpido, vagaroso, mdio, normal, muito, pouco, etc. admite valores lgicos intermedirios entre o FALSO (0) e o VERDADEIRO (1); por exemplo o valor mdio 'TALVEZ' (0,5). Isto significa que um valor lgico difuso um valor qualquer no intervalo de valores entre 0 e 1 34. Preciso e significncia no mundo real Um peso de 1500 kg se aproxima da sua cabea a 45,3 m/s CUIDADO! Preciso Significado s vezes tudo o que voc precisa saber aquilo que faz toda a diferena e a lgica difusa uma boa maneira de conseguir essa informao. Isso vale tambm para modelos de raciocnio qualitativo! What? LOL 35. Conhecimento Objetivo Usado na formulao de problemas de Engenharia modelos matemticos Conhecimento Subjetivo Representa a informao lingustica que geralmente impossvel de quantificar usando matemtica tradicional Definio 36. Exemplo Esta estrela azul? Verdadeiro Qual a melhor resposta? Este hexgono azul ? Fuzzy no probalidade Fuzzy associado a possibilidade Fuzzy associado a associaes parciais Exemplos: 10% do contedo dessa bebida um veneno mortal Aquela bebida tem 10% de chance de ser um veneno mortal Qual copo voc beberia? - Um carro que custa 20 mil reais barato, o que custa 25 mil caro! E um carro que custa 23 mil reais? Este cubo azul? Falso Funo de pertencimento 37. Porque usar Lgica Fuzzy ? Grande parte da compreenso humana sobre os acontecimentos dos fatos imprecisa Em muitos casos, a preciso pode ser um tanto intil, enquanto instrues vagas podem ser melhor interpretadas e realizadas Exemplo de compreenso humana Invulgar: Comece a frear 10 metros antes do sinal PARE Vulgar: Comece a frear perto da faixa dos pedestres Sistemas Especialistas devem trabalhar com informaes vindas do mundo real (muitas delas imprecisas) devem ser capazes de reconhecer, representar, manipular, interpretar e usar imprecises 38. Em Ecologia Em muitas situaes, principalmente em percia ambiental, anlises de riscos etc., nos deparamos com situaes de extrema subjetividade, onde as variveis envolvidas dependem nica e exclusivamente da opinio e da experincia das pessoas envolvidas. Em se tratando de considerar a experincia e a opinio de especialistas, nos deparamos com situaes em que devemos inferir a respeito de variveis caractersticas dos mundos dos especialistas: Muito quente; Inclinado; Gravssimo etc. 40 39. Abordagem de agrupamento difuso para delinear zonas agroecolgicas Agrupamento difuso de dados ecolgicos difusos Abordagem difusa para avaliao de impacto ambiental Modelagem difusa em dinmica de populaes 40. Abordagens da IA em Ecologia Dinmica de Sistemas Lgica Difusa (Fuzzy Logic) Algoritmos Gentics Redes Neurais Artificiais Raciocnio Qualitativo So programas computacionais projetados para encontrar o modelo de melhor desempenho atravs da aplicao de princpios de seleo natural e sobrevivncia do mais adaptado 41. Origem Os algortimos gentico (AG ou GA) foram criados em 1975 por John Holland da Universidade de Michigan, Los Angeles So modelos computacionais que imitam os mecanismos de evoluo naturalpara resolver problemas de otimizao. Os AGs tratam de encontrar a melhor soluo de um dado problema entre um conjunto de solues possveis. 42. Cria aleatoriamente uma populao de solues Seleciona Indivduos parentais Produz filhos (Crossover e Mutao) Elimina indivduos no adaptados Continua at um indivduo atingir o critrio de sucesso (alcanar um r2 > 0,6 para dados medidos versus calculados) 43. Na ecologia... AG tem sido usado para a otimizao de parmetros, descobertas de equaes e procura de padres. 44. Distribuio potencial de espcies 45. Predies com AG Cenrio: Sustentabilidade; Mudanas globais; Uso de pesticidas e fertilizantes; Introduo de espcies; Aumento da populao humana; Fronteiras agrcolas. A representao de fenmenos ecolgicos crtica para a predio em sistemas ecolgicos. Black box: O usuario pode inferir as regras do resultado, mas no em detalhes suficientes para fazer generalizaes sobre os mecanismos ecolgicos que levaram as distribuies preditas 46. A prxima gerao AG hbridos Petel et al. (1998) AG + Rede Neural Objetivo: projetar novas molculas que matariam bactrias. DAngelo-Morrall et al. AG + Estatstica de Agrupamento Objetivo: prever a toxicidade de organismos aquticos em uma ampla variedade de substncias chimicas A hibridizao uma nova fronteira dos AGs e tem um grande potencial na modelagem ecolgica. 47. Abordagens da IA em Ecologia Dinmica de Sistemas Lgica Difusa (Fuzzy Logic) Algoritmos Genticos Redes Neurais Artificiais Raciocnio Qualitativo So programas computacionais projetados para processar informao de forma semelhante ao que ocorre em neurnios biolgicos no crebro humano. Uma rede treinada de maneira razovel tem a habilidade de generalizar quando apresentada entradas que no esto presentes em dados j conhecidos por ela. A principal fora na estrutura de redes neurais reside em sua habilidades de adaptao e aprendizagem. A habilidade de adaptao e aprendizagem pelo ambiente significa que modelos de redes neurais podem lidar com dados imprecisos e situaes no totalmente definidas. 48. Em um neurnio biolgico Recebe diversos sinais de outros neurnios ou terminaes nervosas Os sinais podem ser recebidos com diferentes intensidades (pesos) nas sinapses receptoras O neurnio soma as entradas Sob circunstncias apropriadas (entradas com nvel suficiente), o neurnio dispara um sinal eltrico (sada) 49. Em um neurnio biolgico A sada de um neurnio pode ser a entrada de diversos outros neurnios (rede) A memria distribuda, residindo nas sinapses (nos pesos). A resposta a um estmulo pode alterar a fora (o peso) de uma sinapse aprendizado atravs de experincia. Neurotransmissores em uma sinapse podem ser excitatrios ou inibitrios. 50. O diagrama abaixo representa o modelo matemtico de um neurnio... 51. Redes Neurais Artificiais No Supervisionada Kohonen (1989) SOM Feedforward Rummelhardt et al. (1986) Feedback Pineda (1987) Aprendem a classificar dados atravs do reconhecimento de diferentes padres sem focar nas sadas desejadas (superviso) de maneira similar quando uma pessoa est aprendendo a reconhecer o rosto de algum sem ajuda de um professor Anlise de padres Dados transversais Anlise de padres Sries Temporais Modelagem preditiva Dados transversais Modelagem preditiva Sries Temporais 52. Em sntese Durante o processo de aprendizagem os neurnios: organizam-se e tornam-se ordenados entre si especializam-se em detectar determinadas caractersticas dos padres de entrada O SOM , portanto, caracterizado pela: formao de um mapa topolgico dos padres de entrada a localizao espacial dos neurnios na grade aps o aprendizado so indicativas das caractersticas estatsticas contidas nos padres de entrada 53. CAMADA DE ENTRADA ORDENAO E AGRUPAMENTO DAS ENTRADAS MAPEAMENTO E AGRUPAMENTO DAS ENTRADAS Biomassas de fitoplncton pesos neurnios 54. >20C 15C