Вы находитесь на странице: 1из 15

Sistemas Inteligentes Semiticos

segundo a Semitica Behaviorista de


Charles Morris
Ricardo R. Gudwin Fernando A.C. Gomide
DCA/FEE/UNICAMP
RESUMO : Neste texto iremos apresentar um resumo dos principais pontos
elaborados por Charles Morris, dizendo respeito Semitica, incorporando algumas
idias pertinentes aos temas apresentados, que dizem respeito aplicabilidade da
Semitica ao estudo dos sistemas inteligentes.
1. Introduo
Semitica o nome genrico de uma disciplina, frequentemente estudada
dentro do mbito das cincias humanas, que se prope a teorizar o estudo dos signos,
idealizados como qualquer coisa que signifique algo, e seu relacionamento com os
seres humanos. O termo semitica, oriundo do grego semio - signo e tica - estudo foi
introduzido pela primeira vez em 1690, por John Locke como um nome para a
doutrina dos signos. Um dos autores pioneiros neste estudo foi Charles Sanders Pierce,
a partir de 1860. Por volta de 1897, Pierce usou explicitamente o termo semitica, no
sentido de Locke, para denominar sua "quase necessria, ou formal doutrina dos
signos". Em 1938, Charles Morris publicou uma monografia entitulada "Foundations
of the Theory of Signs", como uma parte da "International Encyclopedia of Unified
Sciences", onde introduziu sua teorizao do estudo dos signos. No desenvolvimento
deste texto, as idias foram retiradas basicamente deste artigo inaugural de Morris, e
de um livro posterior, de 1964, entitulado "Signification and Significance", onde
alguns conceitos so revistos e ampliados.
Normalmente, o estudo da semitica direcionado para o processamento de
signos em sistemas naturais, tais como animais e seres humanos (principalmente).
Entretanto, sentimento dos autores que uma teoria geral dos signos deveria
encapsular tambm os sistemas artificiais. Para tal, a teoria da semitica necessitaria
de uma maior formalizao, que permitisse a construo de sistemas artificiais capazes
de processar signos. Esta formalizao consistiria basicamente, da substituio de
termos abstratos, utilizados pelos autores at agora para descrever o processamento
dos signos pelos seres humanos (ou animais, da mesma forma) por estruturas lgico-
matemticas, que pudessem incorporar a conceptualizao da teoria em sistemas
genricos. De certa forma, o trabalho realizado pelos presentes autores consiste em
analisar portanto a conceptualizao abstrata encontrada na literatura, e propor
estruturas lgico-matemticas equivalentes, que possam ser incorporadas tanto por
sistemas naturais (homens e animais) como por sistemas artificiais (computadores, por
exemplo).
Especialmente neste texto, sero abordadas as contribuies colocadas por
Charles Morris.
Iniciaremos pela definio de Morris de "Semiosis", ou "processo sgnico".
2. Processo Sgnico
Morris define Semiosis, ou processo sgnico, como uma quntupla
S = (v,w,x,y,z), onde v, denominado signo, estimula em w, denominado seu
intrprete, a disposio de reagir de uma certa maneira x, o interpretante,
referentemente a um tipo de objeto y, dentro de um contexto z.
Vamos tentar entender a proposio de Morris, dentro do contexto da teoria
de sistemas. Vamos definir, pelo menos provisoriamente, para escapar de discusses
filosficas mais srias, um sistema inteligente, como um sistema capaz de processar
signos.
Um sistema recebe informaes do meio ambiente por meio de entradas, e
pode atuar neste meio-ambiente por meio de sadas (vide figura 1).
Sistema
Meio Ambiente
sadas
entradas
Figura 1 - Sistema e Meio Ambiente
Desta maneira, as entradas podem ser entendidas como um vetor n-
dimensional, sendo cada entrada particular uma coordenada deste vetor e de modo
anlogo, as sadas correspondem a um vetor m-dimensional. Alm disso, ambos
vetores de entrada e de sada apresentam um comportamento temporal, ou seja, os
valores de cada coordenada seguem uma trajetria no tempo. Podemos entender um
signo, como uma trajetria particular no vetor de entrada, ou de modo mais complexo,
como um conjunto particular de trajetrias no vetor de entrada. De uma maneira
realista, consideraremos somente trajetrias finitas, ou seja, em intervalos de tempo
finitos.
Vamos agora considerar que nosso sistema um sistema inteligente, ou seja,
capaz de processar signos. Vamos ver como ele pode implementar um processo
sgnico. O termo v da quntupla que caracteriza um processo sgnico, o signo, a
trajetria particular no espao de estado de entrada que apresentada ao sistema. O
termo w da quntupla, ou seja, o intrprete, o prprio sistema inteligente. Para
iniciar o processo sgnico, necessrio que o sistema inteligente possua internamente
um mdulo Perceptivo, ou seja um mdulo capaz de reconhecer um signo que adentra
o sistema e interpret-lo. Para alimentar o mdulo Perceptivo, alm do vetor de
entrada em si, necessrio tambm uma memria no tempo do vetor de entrada e uma
memria no tempo dos interpretantes anteriores. A memria no tempo dos
interpretantes, constitui o contexto em que o signo sendo analisado ser interpretado.
O contexto um histrico sgnico, que coloca o sgno sendo interpretado, diante de
uma sequncia de signos anteriormente interpretados. O contexto poder ou no
influenciar a interpretao do signo. O reconhecimento do signo se dar comparando-
se o vetor de entrada e a memria do vetor de entrada a uma trajetria particular (ou
conjunto de trajetrias particulares) previamente armazenadas em estados internos do
sistema inteligente. Estes estados internos previamente armazenados so uma
representao de uma entidade abstrata denonimada objeto. Normalmente o que
ocorrer que a representao do objeto ser por meio de um conjunto de trajetrias
particular, e no uma trajetria particular. Isso ocorre porque normalmente a
representao de um objeto no exige uma trajetria nica no espao de estado do
vetor de entrada. Na maioria dos casos, somente algumas coordenadas do vetor de
entrada so utilizadas, e intervalos de valores, no valores especficos so utilizados na
caracterizao do objeto.Quando um determinado objeto reconhecido, ou seja, a
comparao deste com uma trajetria ou conjunto de trajetrias particular do vetor de
entrada positiva, diz-se que este faz parte do interpretante do signo. O interpretante
de um signo um vetor de trs dimenses, chamadas de designativa, apraisiva e
prescritiva. A dimenso designativa de um interpretante, diz respeito ao processo
comparativo do signo com um objeto. O objeto reconhecido dito o objeto designado
pelo signo, sendo referenciado na dimenso designativa. A dimenso designativa
veicula o chamado significado do signo. As dimenses apraisiva e prescritiva so
chamadas de dimenses de valor. por meio destas dimenses que o signo veicula sua
significncia. A dimenso apraisiva corresponde a uma avaliao subjetiva do signo.
Corresponderia basicamente a conceitos tais como prazer e desprazer, bom ou ruim.,
certo ou errado. A dimenso prescritiva corresponde a um impulso a uma ao, ou
seja est ligada diretamente s sadas do sistema inteligente. Poderia ser comparada
aos conceitos de desejo e dever. As dimenses do interpretante sero analisadas mais
detalhadamente mais adiante.
A efetivao de um processo sgnico corresponde portanto efetivao de
uma interpretao, ou seja, uma funo que leva um determinado signo, diante de um
determinado contexto, a um interpretante. Em alguns casos, esta funo pode ser uma
funo simples, sendo o interpretante somente funo de algumas coordenadas do
vetor de entrada, mas normalmente sero encontradas funes bem complexas, onde
os interpretantes podem realimentar o vetor de entrada, criando cadeias de
interpretao, onde um signo remete a um interpretante, que por sua vez, remete a um
outro interpretante e assim por diante. Deste modo, o interpretante ser uma funo da
entrada, do histrico no tempo da entrada, e do histrico dos interpretantes. Este
processamento pode ser ilustrado na figura 2.
A ligao do interpretante em si com a sada do sistema se d por meio da
dimenso prescritiva. Esta ligao pode ser direta, como na figura 2, ou pode ser
mediada por sequncias de estgios hierrquicos, onde uma ao complexa
decomposta em diversas sub-aes e estas sequencialmente decompostas, at atingir o
nvel de detalhamento dos atuadores do sistema (ou seja, do vetor de sada).
O mdulo perceptivo um mdulo altamente complexo, onde as dimenses
do interpretante de sada podem interagir entre si. Assim, o resultado da dimenso
designativa pode influenciar o resultado da dimenso apraisiva, que pode influenciar o
resultado da dimenso prescritiva. De modo anlogo, o resultado da dimenso
apraisiva pode influenciar o reconhecimento da dimenso designativa. Outros tipos de
influncia podem tambm, em princpio ocorrer.
Entrada
...
t
t-1 t-2 t-n ...
Memria
Entrada
Interpretantes
Memria
Mdulo
D
A
P
Interpretante
...
Perceptivo
Sada
...
t
Figura 2 - Esquema do Processo Sgnico em um Sistema Inteligente
3. O Interpretante
O interpretante um elemento chave para o entendimento de um
processamento sgnico, e portanto do funcionamento de um sistema inteligente. Ao
mesmo tempo que designa um objeto, o interpretante proporciona uma avaliao da
significncia do objeto (por meio da dimenso apraisiva) e predispe o sistema
inteligente a uma ao (por meio da dimenso prescritiva), que corresponde a uma
reao cognio do signo, dentro do contexto interpretado. Estas trs tarefas do
interpretante esto altamente interconectadas, conforme se v na figura 3.
Algumas conexes entre as dimenses so bem conhecidas, sendo indicadas
por linhas contnuas. Outras no so descartadas, porm tambm no so to bvias,
sendo indicadas por linhas pontilhadas.
A primeira tarefa do interpretante, designar algum objeto, o que feito por
meio de sua dimenso designativa. Cada objeto conhecido pelo sistema inteligente,
representado por meio de uma codificao. Durante a interpretao, a dimenso
designativa preenchida pela codificao do objeto significado. A dimenso apraisiva
deve ento ser determinada. Esta dimenso dever fazer uma avaliao da
significncia do objeto significado para o sistema inteligente. Esta avaliao se d a
partir tanto do signo de entrada em si, como do objeto designado, determinado
anteriormente pela dimenso designativa. A dimenso prescritiva, deve ento ser
determinada, tanto a partir do prprio signo de entrada, como da avaliao
proporcionada pela dimenso apraisiva, que por sua vez pode ter sido determinada
pelo objeto designado, reconhecido pela dimenso designativa. A dimenso prescritiva
enviar ento sadas para os atuadores do sistema, determinando a resposta do sistema
inteligente frente ao signo adentrado.
Esta sequncia de determinaes dos contedos das dimenses, a mais
usual. Entretanto, podem ocorrer outras influncias (indicadas pelas linhas pontilhadas
da figura 3), como por exemplo, o reconhecimento do objeto designado ser auxiliado
por um resultado preliminar da avaliao da dimenso designativa ou mesmo um
impulso preliminar, causado por uma avaliao direta do signo de entrada na dimenso
prescritiva. Do mesmo modo, o resultado da dimenso apraisiva pode tambm ser
influenciado por uma considerao de um impulso preliminar da dimenso prescritiva.
E por fim, o resultado da dimenso prescritiva pode ser influenciado tambm
diretamente pelo objeto designado na dimenso designativa, e no apenas por uma
avaliao deste objeto, oriunda da dimenso apraisiva. Observa-se que quando se
considera estas outras relaes de influncia, o processo da determinao do contedo
das dimenses do interpretante torna-se bem mais complexo, pois aparecem
realimentaes entre as dimenses, e no somente uma sequncia de determinaes.
Dimenso
Designativa
Dimenso
Apraisiva
Dimenso
Prescritiva
Signo de
Entrada
Figura 3 - Interrelacionamento entre as Dimenses de um Interpretante
Vamos agora tentar delinear melhor o que chamamos de contedo de uma
dimenso. O contedo da dimenso designativa, como j dissemos, uma
representao codificada do objeto interpretado. A determinao exata deste objeto, ou
seja, a interpretao da dimenso designativa do signo, depender da relao existente
entre o signo e o objeto. Esta questo ser abordada posteriormente em outra seo. O
contedo da dimenso apraisiva, deve conter uma avaliao sobre o signo/objeto
significado. Inicialmente poderia-se pensar em simplesmente um valor, frente a um
intervalo, de modo que quanto mais prximo do limite inferior do intervalo, mais a
avaliao seria negativa, e quanto mais prximo do limite superior, mais positiva.
Entretanto aqui, Morris sugere que no apenas um valor seja determinado, mas 2
valores. O primeiro valor, corresponderia a uma avaliao a nvel micro-sistmico,
onde o sistema inteligente estaria avaliando o impacto do signo para si prprio. O
segundo valor, seria uma avaliao a nvel macro-sistmico, onde a avaliao no se
daria simplesmente considerando-se o sistema por si s, mas o sistema em relao ao
meio ambiente, onde a existncia de outros objetos alm do prprio sistema seria
relevante, eventualmente at a existncia de outros sistemas inteligentes interagindo
em um mesmo meio-ambiente. A nvel humano, que onde Morris costuma se situar,
a avaliao a nvel micro-sistmico corresponderia a uma sensao de
prazer/desprazer, ao passo que uma avaliao a nvel macro-sistmico corresponderia a
uma sensao de bom/ruim. Outra comparao que poderia se fazer a este nvel seria
dizer que a avaliao a nvel micro-sistmico corresponderia a uma avaliao a nvel
de indivduo, e uma avaliao a nvel macro-sistmico se daria a nvel de coletividade,
incluindo nesta coletividade a espcie do indivduo, gerando respectivamente
sensaes egosticas e altrusticas.
O contedo da dimenso prescritiva , segundo Morris, um impulso a uma
ao. Este impulso, de modo anlogo ao da dimenso apraisiva estaria tambm
dividido em dois tipos bsicos. O primeiro tipo de impulso, estaria caracterizado por
uma deciso considerada a nvel micro-sistmico. Este tipo de impulso seria o que nos
seres humanos poderia ser entendido como desejo/repulsa, ou seja, um comportamento
no sentido de se aproximar ou se afastar do objeto do signo. O segundo tipo de
impulso, deveria levar em considerao no somente o indivduo, mas tambm o
ambiente em que o mesmo se encontra, gerando uma deciso a nvel macro-sistmico.
Este tipo de impulso geraria uma deciso baseada em um dever, ou uma obrigao.
Esta anlise levando-se em conta o elemento humano pode ser resumida na figura 4 a
seguir.
Dimenso
Designativa
Dimenso
Apraisiva
Dimenso
Prescritiva
Prottipo do
Objeto
Prazer/
Desprazer
Bom/
Ruim
Desejo/
Repulsa Dever
Sensaes
Micro-Sistmico Macro-Sistmico Micro-Sistmico Macro-Sistmico
Impulsos Ao
Figura 4 - Analogia Humana ao Contedo das Dimenses
interessante notar-se uma das primeiras dificuldades na transposio das
idias de Morris para sistemas inteligentes genricos. Em alguns casos, a dimenso
designativa pode ser representada sem problema por um vetor de dimenso genrica,
que se diz corresponder a um prottipo do objeto designado. A dimenso apraisiviva
pode ser facilmente convertida em dois valores, que tratam de uma avaliao a nvel
micro-sistmico e macro-sistmico. Entretanto, quando se quer representar o impulso a
uma ao, a representao se torna muito mais complexa. Essa complexidade se
origina na sequncia temporal de eventos, que uma deciso (ou impulsa a uma ao)
pode demandar. No caso da percepo, signos complexos podem ser gerados, por meio
de uma anlise de uma memria no tempo dos estados de entrada. por meio deste
artifcio que uma palavra sonora (que uma sequncia no tempo de sinais de entrada)
pode ser interpretada, dando origem a um objeto (a interpretao designativa da
palavra). Entretanto, uma deciso complexa, pode demandar uma sequncia
razoavelmente demorada de eventos, sendo que cada evento poder certamente ser
desdobrado em sub-eventos e assim por diante, em uma hierarquia at se chegar aos
valores instantneos que devem ser enviados aos atuadores do sistema. Assim, apesar
de as decises poderem ser representadas por meio de objetos de alto nvel
(correspondendo a uma certa intelectualizao da ao, ou seja, a ao do sistema se
torna um novo signo entrando neste sistema, permitindo que o sistema tenha uma
espcie de conscincia de sua prpria ao, pode-se imaginar que a representao da
dimenso prescritiva de certo modo bem sofisticada, de modo a preencher todos
estes requisitos operacionais. Um problema bsico a ser resolvido a sincronizao
das sub-decises, e a interao entre a execuo destas sub-decises com as sub-
decises de signos interpretados posteriormente, mas que tm sua execuo temporal
congruente execuo temporal da deciso anterior. Um dos mtodos que permite tal
realizao a gerao de um mecanismo de ateno, que "anestesia " a entrada de
signos no sistema, a no ser para os signos oriundos da prpria ao sendo executada,
e que tm uma dimenso prescritiva nula, ou seja, que no ir interferir na execuo
temporal de uma deciso anterior.
Aproveitando a questo da dimenso prescritiva nula, interessante ressaltar
que no necessariamente os signos geraro sempre contedos em suas trs dimenses.
Em alguns casos, o contedo de tais dimenses pode simplesmente no existir. No
caso da dimenso designativa, pode no existir nenhum prottipo de objeto para o
signo. No caso dos seres humanos, isso ocorre por exemplo com o interpretante para
qualidades do tipo bom ou ruim, que encontram apenas um significado na dimenso
apraisiva, correspondente ao prprio meta-significado destas expresses. O mesmo
ocorre para a interpretaes de conceitos como deve (em "... voc deve fazer isso ..."
por exemplo), que encontra um significado apenas na dimenso prescritiva. Em outros
casos, o significado do signo ocorre apenas na dimenso designativa, como na
apreenso do conceito do que sejam retas paralelas (a menos que se considere o
aspecto artstico do paralelismo, o que incluiria um significado tambm apraisivo).
4. cones, ndices e Smbolos
Os signos podem ser classificados por uma grande variedade de propriedades,
sendo que uma das mais relevantes a classificao que se d em funo do
relacionamento entre o signo e seu objeto designado. Este relacionamento est
vinculado diretamente etapa da interpretao que corresponde deteminao do
contedo da dimenso designativa. Por meio desta classificao, os signos se dividem
em cones, ndices e smbolos. cones e Smbolos so chamados por Morris de signos
caracterizantes, pois caracterizam diretamente seus objetos. Isso equivale a dizer, que a
entrada de um destes tipos de signos no sistema so interpretadas diretamente, ou seja,
carregam um significado cognitivo absoluto. Ao contrrio, os ndices no carregam um
significado absoluto, mas sim um significado relativo, dependendo do contexto (ou
seja a memria dos interpretantes anteriores a adentrar o sistema) para sua
interpretao.
Vamos detalhar melhor estes conceitos. Os cones so signos que tm em sua
estrutura, uma relao de similaridade com seu objeto designado. Desse modo, a
interpretao de um cone corresponde determinao, dentro do vocabulrio de
signos de um sistema, daquele que tem sua codificao de objeto mais similar do
signo de entrada. O signo interno do sistema que for mais similar ao signo de entrada,
ser o interpretante deste signo. interessante notar aqui algumas das hipteses que
esto implcitas neste esquema. Em primeiro lugar, necessrio adotar-se que um
sistema inteligente possui internamente um vocabulrio de signos. Estes signos, so
codificaes adequadas de prottipos de objetos do mundo externo. At agora, no
entramos no mrito de como estes prottipos foram criados, apenas que eles existem.
A entrada de um signo no sistema, corresponde a uma codificao das informaes
oriundas do mundo externo, por meio dos sensores. Esta codificao ento
comparada com a codificao dos prottipos de objetos que correspondem ao
vocabulrio do sistema inteligente, sendo que o signo interno que for mais similar ao
signo de entrada chamado o interpretante do signo. Observe-se que esta interpretao
se d aqui somente a nvel da dimenso designativa. Este mecanismo pode ser
visualizado na figura 5 a seguir.
Signo
Externo
Objeto
Externo
Sensores
Signo
Interno
Signo
Interno
Signo
Interno
Signo
Interno
Signo
Interno
Signo
Interno
...
Grau de
Similaridade
Mxima
Similaridade
Signo de Mxima
Similaridade
Codificaao
D A P
Interpretante
Figura 5 - Interpretao de um cone
Outra observao interessante neste aspecto, que todo o processo de
interpretao dinmico. Ou seja, a caixa chamada de signo externo, s pode ser
considerada como tal, se ocorre efetivamente a interpretao. O sistema inteligente
continuamente inundado por dados do sistema, sendo que somente certas combinaes
de dados sero significativas. Para os casos em que os parmetros de entrada do
sistema, confrontados com o vocabulrio de signos internos apresentam uma taxa de
similaridade muito baixa, a interpretao no ocorre. Isso significa que no se toma
apenas o signo interno de mxima similaridade, mas tambm que esta similaridade
deve ser superior a um limiar. Nos casos em que a similaridade do vetor de entrada
(mais a memria deste) com as codificaes de todos os signos internos do sistema
no apresentem um valor maior que este limiar, o padro de entrada no considerado
um signo externo, e nenhum interpretante gerado. Nesse sentido, pode-se considerar
a interpretao de um signo como um evento (discreto), extrado de um sistema que
possui uma evoluo contnua (parmetros de entrada do sistema).
O smbolo, do mesmo modo que o cone, carrega em si mesmo um
significado absoluto, mas ao contrrio deste, o significado no est vinculado a uma
relao de similaridade com o objeto, mas sim a uma conveno externa, ou lei, que
une o signo ao objeto. Um exemplo de tal signo uma palavra que representa um
conceito, tal como a palavra "carro". Os signos grficos que podem ser visualizados na
palavra sob parntesis, esto associados por uma lei ao som correspondente, e do
mesmo modo ao prprio conceito de carro. Neste caso, diz-se que tanto a palavra
grafada, como o som, so smbolos do conceito de carro. Nota-se, que neste caso, tanto
a imagem grfica, como o som, no carregam nenhuma similaridade com a idia de
carro em si. Ao contrrio, um desenho de um carro, mesmo sendo uma imagem
grfica, j seria um cone de um carro, por guardar similaridades com o carro que se
deseja significar.
A interpretao de um smbolo, decorre portanto de duas fases. Em uma
primeira fase, sobrevem a interpretao de um cone, correspondendo prpria
identificao do signo, como um caracter conhecido. Em seguida, ocorre a
interpretao em si, quando invocada a ligao entre este signo preliminar e seu
objeto designado final. Utilizando o exemplo acima, inicialmente os caracteres
grficos impressos so identificados como realmente compondo a palavra "carro". A
partir desta identificao, que icnica, ocorre a interpretao simblica em si, quando
invocada a relao entre tais caracteres grficos e o conceito de carro, ou mesmo o
som da palavra carro. A fase icnica da interpretao de um smbolo, sempre
necessria, pois os parmetros do sistema so a nica maneira de entrar dados no
mesmo. Uma visualizao da interpretao de um smbolo pode ser efetuada na figura
6.
Signo
Externo
Objeto
Externo
Sensores
Signo
Interno 1
Signo
Interno 2
Signo
Interno 3
Signo
Interno 4
Signo
Interno 5
Signo
Interno n
...
Ligao
Simblica
Ligao
Simblica
Maior Similaridade com
Signo Externo
Marca de
Signo Interpretado
Codificao
Signo Interno 3
D A P
Interpretante
Figura 6 - Interpretao de um Smbolo
No exemplo da figura 6, poderia-se imaginar o objeto externo como sendo a
grafia da palavra carro, escrita em um papel. Os sensores seriam transdutores ticos,
sendo que o signo externo corresponderia a uma codificao interna dada por estes
transdutores. Supe-se ento, que exista um signo interno, chamado de signo interno 1,
que tenha um alto grau de similaridade com este signo externo. Este signo interno, est
conectado por uma ligao simblica (ou lei), a um outro signo interno, o signo interno
3, cuja codificao corresponde codificao de transdutores acsticos para o som da
palavra "carro". Apesar de no haver nenhuma similaridade entre a codificao dos
transdutores ticos para o signo grfico da palavra "carro" e a codificao dos
transdutores acsticos para o som da palavra "carro", o signo interno 3 ativado pela
ligao simblica, gerando um interpretante para o signo externo. Neste caso, o signo
externo chamado ento de um smbolo.
Um aspecto interessante concernente interpretao de smbolos, o aspecto
de encadeamento simblico que ele pode gerar. Imagine-se que um determinado signo
interno gere um interpretante icnico inicial, e por meio deste, sejam ativadas
sucessivas ligaes simblicas, gerando sucessivos interpretantes simblicos. Essa
sequncia de interpretantes simblicos, geradas por sucessivas ligaes simblicas
poderiam ser uma espcie primitiva de pensamento ! bvio que por enquanto tal
idia no passa de simples especulao e encontra dificuldades quanto se tenta
modelar aspectos mais sofisticados do pensamento humano, mas no deixa de ser uma
especulao embasada em conceitos que foram criados, em princpio, para modelar o
pensamento humano.
O terceiro tipo de signo, o ndice, o mais complexo dos trs, e o mais difcil
de ser modelado. Como j dissemos, um ndice no considerado um signo
caracterizante, pois no carrega em si, o objeto que denota. Uma boa definio para
um ndice, seria de uma "chave" para um procedimento, que aps ser executado,
definir seu objeto designado. Esta definio um tanto quanto geral, mas
necessria, de modo a incorporar todos os signos que podem ser ndices. Um exemplo
bem simples de se entender o exemplo dos ndices referenciais. Neste caso, um
ndice referencia um interpretante anterior do contexto, tomando seu significado. Este
tipo de ndice, ocorre usualmente na linguagem humana. Por exemplo, considere o
final de uma frase, engatada com o incio de uma outra, como em "... a casa. Esta, ...".
Imagine agora que um sistema inteligente esteja processando este texto. O ltimo
signo da primeira frase a palavra casa. Este signo um smbolo para o conceito de
"casa". Em seguida, aparece o signo "Esta". Este signo, em si, no carrega nenhum
significado. No caso o interpretante do signo "Esta", ser uma cpia do interpretante
do signo "casa". Para tal, necessrio um procedimento, chamado de transformao
indutiva, que a partir do contexto armazenado (a memria dos interpretantes), e do
signo "Esta", chamado a "chave" do procedimento, efetue uma busca na memria dos
interpretantes e determine o objeto designado pelo ndice. Este caso razoavelmente
simples de se entender e tambm de se modelar. Entretanto, existem outro tipos de
ndices referenciais que no se encontram na esfera da linguagem escrita. Outro
exemplo de ndice referencial seria o desenho de uma seta. Neste caso, a interpretao
do ndice exige que a ateno do intrprete seja deslocada na direo da seta, at
encontrar um outro objeto que gere um signo interpretvel. Este ser o interpretante do
ndice. Ou, de certa forma, poderia se entender que o interpretante de uma seta se d
somente na dimenso prescritiva, fazendo o sistema se deslocar na direo da seta.
Alm disso, existem outros tipos de ndices que no os ndices referenciais. De
qualquer forma, a modelagem da interpretao de um ndice um assunto ainda no
totalmente resolvido. O nico nvel de modelo existente (o de uma chave para um
procedimento), ainda extremamente genrico. Isso pode ser de certa forma positivo,
na medida que d um poder de representao bem amplo. Entretanto torna difcil a
implementao de um sistema artificial, na medida que um modelo geral para tal
procedimento ainda no est disponvel. Existem outros modelos para transformaes
indutivas, alm da transformao referencial, tais como as transformaes de
generalizao, especializao, de similaridade e de dissimilaridade, mas estes no so
ainda completos. Este um ponto ainda aberto para pesquisa.
5. Uma Implementao
Nesta seo, apresentaremos uma implementao computacional de um
sistema de processamento sgnico, utilizando as idias de Charles Morris. Essa
implementao ser construda sob a plataforma de uma rede neural, que hoje um
modelo bem aceito pela comunidade cientfica. Nessa rede neural, alm dos aspectos
em si do processamento sgnico de cones, smbolos e ndices, os autores esto
tambm propondo um modelo de aprendizado para este sistema inteligente. Note-se
que at agora, no se tocou no ponto de como os signos internos e as ligaes
simblicas eram obtidas. Eles eram dados como um conhecimento prvio do sistema.
Na implementao a seguir, esta premissa no necessria (porm possvel), desde
que a rede neural proposta capaz de efetuar este aprendizado.
Em primeiro lugar, iremos definir o funcionamento dos neurnios utilizados.
Iremos adotar em principio, um neurnio modificado, mas que com algumas
transformaes adequadas poderia resultar em um neurnio convencional. Usaremos o
modelo modificado, de modo a evidenciar as caractersticas do processamento sgnico.
Neste modelo, utilizaremos dois tipos de pesos internos, pesos v
i
, chamados de pesos
icnicos, e pesos w
i
, chamados de pesos simblicos. Os pesos v
i
iro carregar a
descrio codificada do prottipo do objeto. Os pesos w
i
iro efetuar as ligaes
simblicas entre os signos. Teremos ento tambm dois tipos de entrada, as entradas
x
i
, relacionadas aos pesos v
i
e as entradas y
i
, relacionadas com os pesos w
i
. A ativao
a do neurnio em uma iterao k dada por:
( ) ( )
,
_

1 n
0 i
1 m
0 i
i i i i
) k ( y ). k ( w ) k ( x ) k ( v f ) k ( a
onde f deve ser uma funo decrescente tal que f(0) = 1, f(n) = 0, e f() 0.5,
onde chamado de limiar de dissimilaridade, devendo estar entre 0 e n. Exemplos de
funes deste tipo seriam

'


<

x se , 0
x se , 1
) x ( f
h
.chamada funo hard-limiter invertida,
ou ento f x
e
e
s
x
x
( )
.( )
.( )

+




1
, chamada de funo sigmide invertida
Para o clculo da ativao, so utilizadas duas parcelas significativas, a
medida de dissimilaridade entre v e x, dada pela primeira somatria e a parcela
simblica, dada pela segunda somatria.
A sada z do neurnio ser dada pela equao a seguir:

'

+
>
+
contrrio caso , a ). 1 ( ] k [ z .
] k [ z a se , a
] 1 k [ z
A rede neural composta por uma nica fileira de m neurnios, de tal modo
que a sada z da rede realimenta as entradas y de cada neurnio. Os pesos v so
inicializados com valores randmicos entre 0 e 1, e os pesos w so todos inicializados
em 0. O limiar de dissimilaridade deve assumir um valor entre 0 e n, onde n igual
ao nmero de entradas x da rede, estando relacionado ao limiar de similaridade
necessrio para que um cone seja interpretado. Quanto mais prximo de 0, mais a
entrada x deve ser similar ao signo interno codificado em v de modo que o neurnio
seja ativado. Quanto mais prximo de n, mais esta hiptese relaxada. A lei de
aprendizado para v dada pela equao a seguir:
) k ( x ) 1 ( ) k ( v ) 1 k ( v
i i i
+ +
Esta lei aplicada somente ao neurnio com a menor medida de
dissimilaridade entre v e x.
A lei de aprendizado para os pesos w dada pela equao a seguir:

'
>
+
contrrio caso , 0
n ) k ( w ou )) k ( z ), k ( z min( se , n
) 1 k ( w
ij j i
ij
Vamos agora analisar o funcionamento da rede. A entrada x comparada com
todos os neurnios da rede. Cada neurnio representa um signo interno. Cada neurnio
computa ento a dissimilaridade entre seu peso interno v e a entrada x, por meio do
clculo ( ) v x
i i
i
n

0
1
. Se o vetor x for idntico a v, este clculo nos d um valor 0.
Independente de qualquer qualquer valor para as entradas y e para o parmetro , esta
entrada ir ativar o neurnio, fazendo z[k+1] = 1. Para medidas de dissimilaridade
entre 0 e n, a ativao do neurnio depender do parmetro , o limiar de
dissimilaridade. Por enquanto, iremos ignorar as entradas y, na medida que todos os
pesos w foram inicializados em 0. Uma vez disparado, um neurnio ter um
decaimento no tempo de acordo com o parmetro . Isso significa, que mesmo que o
cone da entrada seja retirado, o neurnio continuar mantendo sua sada por um
perodo de tempo. O neurnio que obtiver a mnima medida de similaridade dever ter
seus pesos v atualizados. Esta atualizao se dar efetuando-se uma combinao linear
entre o vetor v do neurnio e o vetor x de entrada. O grau deste combinao linear
ser poder ser fixo ou varivel, dependendo da sofisticao que se deseja no modelo.
Uma maneira de se fazer varivel, contando o nmero de vezes em que um
neurnio sofreu um aprendizado. Inicialmente, o valor de deve ser pequeno, de
modo a tornar v mais prximo de x. A medida que o neurnio j sofreu diversos
passos de aprendizado, este valor pode ir crescendo, tendo a tendncia a manter o valor
anterior de v a um novo passo de aprendizado.
At agora, verificou-se a metodologia de aprendizado e interpretao de
cones. Para o aprendizado e a interpretao de smbolos, teremos de considerar
tambm os pesos w. O aprendizado dos pesos w ocorre quando dois neurnios tm
seus valores altos. Isso pode ocorrer por dois motivos. Pelo primeiro deles, quando
dois vetores v da rede possuem uma mesma (ou prxima) medida de dissimilaridade.
Este caso no muito interessante, pois de certa forma, significa que seus signos
internos so semelhantes. O outro caso em que isso ocorre, quando ocorre a
apresentao sequencial de dois tipos diferentes de cones. O primeiro cone foi
reconhecido, levando o primeiro neurnio a ser ativado. Durante o tempo de
decaimento deste neurnio, outro signo foi apresentado na entrada, levando um
segundo signo interno a ser ativado. Neste caso, teremos a modificao do peso w que
liga a sada de um com a entrada y do outro e vice-versa. Esse peso levado ento para
um valor -n. Com esse valor, sempre que um dos neurnios for ativado, o outro
tambm o ser na iterao seguinte. Na medida em que um peso w levado a um valor
-n, ele permanece nesse valor, indicando uma ligao simblica entre os dois cones.
Um exemplo de tal processamento seria novamente o da palavra "carro". Imagine que
existam transdutores acsticos e ticos gerando o vetor x. Diante da imagem grfica da
palavra "carro", um dos neurnios dever ser ativado. Diante do som da palavra carro,
outro neurnio ser ativado. Digamos agora, que estes estmulos sejam apresentados
sequencialmente rede. Inicialmente a imagem da palavra carro ir ativar um
neurnio. Em seguida, dentro do tempo de decaimento deste neurnio, apresentou-se o
som da palavra carro. A lei de aprendizado, neste caso, ir criar uma ligao simblica
entre estes neurnios, de modo que sempre que tanto a imagem como o som da palavra
carro sejam apresentados, ambos os neurnios sero ativados. interessante ressaltar,
que a apresentao dos estmulos deve ocorrer em curto espao de tempo. Caso o
primeiro neurnio decaia abaixo do limiar , o aprendizado no ocorrer.
A rede neural apresentada, implementa portanto um sistema inteligente
rudimentar, capaz de interpretar e aprender cones e smbolos. Do mesmo modo,
podemos imaginar que um padro de entrada, quando est modificando os pesos v de
um neurnio, est atuando como um ndice, pois o mesmo est funcionando como uma
chave para um procedimento (o de aprendizado). Entretanto, ndices mais sofisticados
ainda no podem ser processados por esta rede.
6. Extenses
O modelo da rede neural apresentado, pode ser extendido de modo a
incorporar as dimenses apraisivas e prescritivas do interpretante. Para incorporar a
dimenso apraisiva, entretanto, tal rede necessitaria de uma funo de avaliao. Para
gerar esta funo, seria necessrio atribuir objetivos ao sistema, de modo a verificar se
as aes do sistema inteligente esto ou no contribuindo para se atingir tais objetivos.
O ideal seria que este comportamento em direo aos objetivos fosse emergente do
sistema, e no previamente programado. Para tal, seria necessrio definir alguns
"instintos bsicos" ao sistema inteligente, tais que a partir destes instintos, que
incluiriam neurnios gerando valores em um sistema apraisivo e prescritivo, emergisse
um comportamento que guiasse o sistema ao cumprimento de seus objetivos. A
determinao de uma sub-rede neural que implementasse tal comportamente poderia
ser efetuada com uma adaptao da presente rede neural, onde os pesos v seriam ao
invs de codificaes internas de um vocabulrio de signos, codificaes internas de
um vocabulrio de aes, sendo que os neurnios que fossem ativados, deveriam
mandar tais codificaes para os atuadores diretos do sistema. Como j foi discutido
antes, existe aqui uma complicao a mais, que o sequenciamento no tempo de aes
complicadas que so divididas em diversas aes mais simples, e a interao destas
aes com outros signos processados neste nterim. Realmente, neste texto, estamos
apenas sugerindo como tais redes poderiam ser implementadas, e no explicitando
exatamente como deveria ser sua constituio final. Esta matria ainda se trata de
assunto de pesquisa.
7. Concluses
Neste texto, apresentamos alguns dos conceitos bsicos que compem o
estudo da semitica, segundo Charles Morris. Diversos conceitos foram extrapolados
de sua aplicao em seres humanos ou animais, trocando sua descrio abstrata por
uma descrio matemtica mais robusta, capaz de ser implementada por sistemas
artificiais. Por fim, implementou-se em si um prottipo de tal sistema, utilizando a
plataforma das redes neurais, de modo a validar a possibilidade da criao de sistemas
artificiais que sigam as propriedades de sistemas inteligentes evidenciadas pela
semitica. bvio que este modelo ainda incipiente, e existe um largo caminho a
percorrer, de modo a gerar sistemas artificiais que exibam um comportamento
realmente inteligente. Entretanto, a inteno dos autores com este texto no
apresentar simplesmente este modelo, mas indicar o estudo da semitica como uma
fonte interessante de conhecimentos na caracterizao do que seria e como seria um
sistema inteligente.
Existem ainda uma srie de problemas a serem endereados, e que no foram
ainda bem equacionados, nem mesmo pelos presentes estudiosos da semitica. Tais
problemas incluem: o uso de signos de ao, e de sua ligao com outro signos do
contexto; o estudo e melhor determinao do comportamento dos ndices; o uso de
signos que atuam sobre o significado de outros signos; o problema de se utilizar
sensores mveis, que incorporam uma dimenso de lugar ao sistema inteligente,
fazendo com que tais sistemas possam "focalizar" estes sensores em objetos de
interesse, e mesmo reconhecer a unicidade objetos diante de diferentes enfoques de
sensores; a interao entre dois ou mais sistemas inteligentes; e muitos outros cuja
listagem se faria por demais alongada. Entretanto, em todos estes problemas,
sentimento dos autores que uma anlise pelo enfoque da semitica seria de muito
maior proveito do que uma anlise independente para cada problema. Esperamos com
este texto, ter ilustrado portanto as potencialidades do uso da semitica na
caracterizao e especificao de sistemas inteligente, do mesmo modo que abrindo
uma frente nova de trabalho na busca do entendimento do fenmeno da inteligncia.

Вам также может понравиться