Os Sistemas de Informação (SI) e
Inteligência Artificial (IA), apesar das aparências não indicarem, são tópicos
intimamente ligados. Os SI abordam o problema específico que engloba aquisição,
armazenamento e recuperação de informação. Entretanto a IA é uma
metodologia de resolver problemas em geral, cuja solução requer inteligência.
Logo a junção SI e IA para a resolução de problemas na aquisição,
armazenamento e recuperação da informação com o uso da inteligência, gera o
que chamamos de Sistemas de Informação Inteligentes (SII).
No
passado, por volta dos anos 60, era comum acreditar que as memórias enormes dos
computadores, da época, tornassem os computadores verdadeiras enciclopédias
ambulantes. Foi nesta época que se desenvolveram os primeiros conceitos de
bases de dados e suas visões: de dados, de usuários e de gerência. Falava-se
de modelos de redes e modelos hierárquicos e muito se fez com estes conceitos.
Foi nesta época que se firmou a certeza que:
"De uma base de dados só se
pode extrair o que se introduziu e a qualidade das respostas depende apenas da
qualidade dos dados de entrada. O computador serve para memorizar e extrair
dados e com estes dados vem as informações que estão associadas".
Imagine o
que se pensaria daquele que afirmasse ser possível, introduzir em um computador
dados e os modos de combinar estes dados para gerar outros novos segundo as
necessidades, e que estes novos dados poderiam ser usados. Neste caso, o
computador teria deixado de ser um instrumento para passivamente fazer o que lhe
era comandado para se tornar um colaborador do usuário, ou seja, seria
inteligente.
O que se
chama nível de inteligência de um SI corresponde ao nível de novidade que se
obtém na saída do SI em comparação com a entrada. Em um SI onde só se pode
obter dados na saída que foram introduzidos na entrada, tem-se o que pode ser
chamado de um sistema sem inteligência. Seja um sistema de pesquisa em arquivo,
como a do exemplo 1, é um sistema sem característica de inteligência. Este
sistema não entra na classificação a ser apresentada. Seja agora um SI
baseado em um banco de dados relacional, como a do exemplo 2, no qual tem-se as
tabelas das relações de atribuição de disciplinas a professores e alunos
matriculados em cada disciplina. Pode-se facilmente responder a perguntas do
tipo “quais são os professores que o aluno X terá?”. Este dado não está
explícito nas fontes de dados, mas pode ser obtido por regras. No caso, estas
regras são aplicadas manualmente, usando conectivos entre as relações
conhecidas para obter novas relações. De acordo com a definição este é um
sistema SI inteligente, entretanto, esta inteligência é fornecida pelo usuário
do sistema sob a forma da linguagem de manipulação de dados. Diz-se que o
sistema é de Nível 0. Nível 0 corresponde a Lógica de proposições por não
trabalhar com variáveis. O uso de variáveis permitiria colocar regras como
dados e ter uma base de dados dedutiva ou lógica, trabalhando com a Lógica dos
Predicados ou Lógica de primeira ordem, neste caso diz-se que o sistema é de nível
1. Nestes, as entradas são dados F e
regras de manipulação destes dados R.
Estas regras permitem deduzir fatos implícitos e, de certa forma, apresenta
estrutura bastante semelhante a de um sistema especialista. Tanto no caso do Nível
0 como 1 a saída é obtida por manipulações sintáticas. é possível também
que se deseje extrair conhecimento de uma base de dados, neste caso deve-se
obter uma saída semântica para o SI, cujo nível de inteligência passa a ser
dois. Este é o caso das técnicas KDD (Knowledge
Discovery in Database) ou dito em português Descobrimento de conhecimento
em bases de dados, a qual inclui como uma das fases no seu processo o Datamining.
Coordenador:
Jorge
Muniz Barreto, D.Sc.A.
Participantes:
Jovelino Falqueto, Professor Adjunto, UFSC
Kathya
Silvia Collazos Linares, Doutoranda em Engenharia Elétrica, UFSC.
Gisele
Pelegrini, Doutoranda em Engenharia Elétrica, UFSC
Rosane
Gotardo, Mestranda
1.
Amplification of Perspectives in the Use of Evolutionary Computation
Autores: Jovelino Falqueto ; Jorge M. Barreto; Paulo S.S. Borges.
Publicado em: IEEE International Symposium on Bio-Informatics and Biomedical
Engineering
BIBE2000, Arlington, VA, 8-10, p. 150-157, nov. 2000.
2.
The Measurement of Artificial Intelligence: An IQ for Machines?
Autores: Jovelino
Falqueto; Walter C. Lima; Paulo S.S. Borges; Jorge M. Barreto
Publicado em:
Proceedings of the IASTED International Conference on Modelling, Simulation and
Control.
Innsbruck, Austria, February 19-22, 2001
Vol. I, pp. 409-413. Acta Press, Anaheim, Calgary, Zurich.
ISBN
0-88986-316-4; ISSN 1025-8973.
3.
KDD para o estudo epidemiológico das malformações
Autores: Kathya Collazos L. & Jorge M.
Barreto
Publicado em: Anales del I Congreso Peruano de
Ingeniería Biomédica, p. 113-115,
Lima-Perú, 08-09 de Setiembre, 1998.
4.
KDD em base de dados na área médica
Autores: Kathya Collazos L., Eliane Ternes
Pereira, Aurea Gomes Nogueira, Lisandro Rueckert
Publicado em: Anais do XVII Congresso Brasileiro
de Engenharia Biomédica, p. 765-768,
Florianópolis-Brasil, 11-13 de Setembro, 2000.
5.
Análise do prontuário médico para a utilização com KDD
Autores: Kathya Collazos L., Jorge M.
Barreto, Gisele F. Pelegrini
Publicado em: CD-ROM com os Anais do VII
Congresso Brasileiro de Informática em Saúde e
II Simpósio Internacional de Sistemas de
Informação Hospitalar (CBIS’2000 SISIH’2000),
São Paulo-Brasil, 14-18 de Outubro, 2000.
6.
Extração de conhecimento a partir dos sistemas de informação
Autores: Gisele F. Pelegrini, Kathya
Collazos L., Jorge M. Barreto,
Publicado em: CD-ROM com os Anais do VII
Congresso Brasileiro de Informática em Saúde e II Simpósio
Internacional de Sistemas de Informação
Hospitalar (CBIS’2000 SISIH’2000), São Paulo-Brasil,
14-18 de Outubro, 2000.
7.
Extração de conhecimento de uma base de prontuários médicos
utilizando KDD
Autores: Gisele F. Pelegrini, Kathya Collazos L., Jorge M. Barreto.
Publicado em: Revista Tecnologia da Informação. Universidade Católica de Brasília.
p. 25-28; v. 2; n. 1; dezembro, 2000.