Inteligência Artificial e Data Mining

Resumo: Este artigo busca introduzir o conceito de Inteligência Artificial bem como a
Mineração de Dados, que é o processo de descobrir informações relevantes, como
padrões, associações, mudanças, anomalias e estruturas, em grandes quantidades de
dados armazenados em banco de dados, depósitos de dados ou outros repositórios de
informação. Devido a disponibilidade de enormes quantias de dados em formas
eletrônicas, e à necessidade iminente de extrair delas informações e conhecimentos úteis a
diversas aplicações, por exemplo na análise de mercado, administração empresarial,
apoio à decisão, etc, data mining foi popularmente tratado como sinônimo de descoberta
de conhecimento em bases de dados, apesar de, na visão de alguns pesquisadores, ser
considerado como um passo essencial da descoberta de conhecimento.
Inteligência Artificial

O termo Inteligência Artificial pode ser generalizado como a simulação da

“inteligência” humana, na realização de atividades elaboradas por pessoas, que podem ser
substituídas pelo uso dos recursos da ciência da computação e seus respectivos algoritmos
inteligentes.

A filosofia da Inteligência Artificial (IA) sempre foi o estudo das áreas do

conhecimento que eram tão pouco compreendidas, tornando-se o estudo de como fazer os
computadores realizarem coisas que no momento, as pessoas fazem melhor. Inicialmente
ela estava focalizada em tarefas formais, tais como jogos, demonstrações de teoremas e
raciocínios do senso comum. Posteriormente ela foi utilizada com uma maior manipulação
de conhecimentos, com algoritmos de percepção (visão e fala), compreensão da linguagem
natural e a solução de problemas em domínios especializados, como diagnósticos médico e
análise química. Atualmente a IA está sendo também utilizada em projetos na área de
engenharia, descobertas científicas, planejamento financeiro, mineração e análise de dados
para a geração de informações empresariais, sejam em Sistemas Especialistas ou Sistemas
de Informação Executivos.

O objetivo no desenvolvimento contemporâneo de sistemas de IA não é substituir

completamente a tomada de decisões humana, e sim reaplicá-la em certos tipos de
problemas bem definidos. Assim como em outros Sistemas de Informação, o propósito
maior das aplicações da IA nas empresas é auxiliar as mesmas a alcançar as suas metas. A
IA envolve o conceito de explorar um comportamento inteligente que possui características
definidas como aprender com a experiência, aplicar o conhecimento adquirido da
experiência, tratar situações complexas, resolver problemas quando faltam informações
importantes, determinar o que é importante, ter capacidade de raciocinar e pensar, reagir
rápida e corretamente a novas situações, compreender imagens visuais, processar e
manipular símbolos, ser criativo e imaginativo e utilizar da heurística (normas práticas
advindas da experiência. Este vasto campo possui diversos componentes importantes, como
sistemas especialistas, robótica, sistemas de visão de imagens, processamento de linguagem
natural, sistemas de aprendizagem, lógica difusa, redes neurais, algoritmos genéticos e
agentes inteligentes.

A Inteligência Artificial trabalha com o conhecimento, que é um conceito que vai

além da informação. O conhecimento pode ser definido como um conjunto de ferramentas e
tecnologias (materiais e humanas) capazes de criar, buscar, guardar e compartilhar
informações específicas.

Mineração de Dados (Data Mining)

O grande volume de dados disponíveis cresce a cada dia e desafia a nossa

capacidade de armazenamento, seleção e uso. Esta tecnologia com suas ferramentas
permitem a "mineração" destes dados a fim de gerar um real valor do dado transformando-o
em informação e conhecimento.

Esta tecnologia é formada por um conjunto de ferramentas que através do uso de

algoritmos de aprendizado ou baseados em redes neurais e estatística, são capazes de
explorar um grande conjunto de dados, extraindo destes conhecimento na forma de
hipóteses e de regras. Diariamente acumulam-se diversos bancos de dados gigantescos,
verdadeiros tesouros de informação sobre vários processos e procedimentos das mais
diversas áreas. Todos estes dados podem contribuir para novos empreendimentos e decisões
importantes, sugerindo tendências e particularidades pertinentes ao meio ambiente interno e
externo da situação em questão, visando rápida ação.

Data Mining (DM) é uma tecnologia nova e poderosa que agrega diversas áreas,
tais como aprendizado de máquina, estatística e teoria da informação. Possui a habilidade
de efetuar associações entre objetos, tais como agrupamento de elementos similares
representados por um conjunto de características em espaços de elevada dimensão.
Basicamente Mineração de Dados trata da extração de conhecimento de grandes bases de
dados com o intuito de se encontrarem características e associações relevantes.
 O problema de descoberta de conhecimentos em bancos de dados constitui na
aplicação de técnicas (ferramentas) que transformem, de maneira inteligente e automática,
os dados disponíveis em informações úteis que representem conhecimento e possam gerar
lucros para a empresa. O projeto Data Mining envolve todas as três principais tarefas em
mineração de dados: associação, agrupamento (clusterização) e classificação de dados. Seus
produtos são genéricos e podem ser utilizados por empresas das mais diversas áreas, como
financeira, biológica, biomédica, marketing, engenharia e sistemas de informação. As
aplicações são variadas, incluindo análise de riscos, determinação de perfis de clientes,
predição, detecção de fraudes, entre muitas outras.

Diariamente as empresas acumulam diversos dados em seus bancos de dados,

tornando-os verdadeiros tesouros de informação sobre os vários processos e procedimentos
das funções da empresa, inclusive com dados e hábitos de seus clientes, suas histórias de
sucesso e fracassos. Todos estes dados podem contribuir com a empresa, sugerindo
tendências e particularidades pertinentes a ela e seu meio ambiente interno e externo,
visando uma rápida ação de seus gestores. (FELDENS, 1999)

Com a geração de informações e conhecimentos úteis para as empresas, os seus

negócios podem dar mais lucratividade para as mesmas. Os recursos da Tecnologia da
Informação, mais precisamente a capacidade do hardware e software disponíveis podem
efetuar atividades em horas o que tradicionalmente as pessoas levariam meses.
Efetivamente o DM cumpre o papel de descoberta de conhecimentos. (CARVALHO, 1999)

Os sistemas tradicionais de processamento de transações on-line (OLTP) das

empresas são ferramentas capazes de manipular dados de forma rápida, segura e efetiva em
bancos de dados, mas que apresentam restrições para gerar informações com análises
significativas. Estas restrições são melhores trabalhadas quando as empresas se utilizam da
tecnologia de Mineração de Dados aliada à outras tecnologias, tais como, Knowledge
Discovery in Databases (KDD), Database Marketing e Inteligência de Negócios (business
intelligence).

Dentre as principais técnicas comumente utilizadas no campo de data mining

destacam-se aquelas oriundas da computação inspirada na biologia, como os algoritmos
genéticos, inspirados na biologia possui como objetivo principal a utilização de idéias
extraídas dos sistemas biológicos ou naturais para a solução de problemas de engenharia e
computação.

É muito difícil existir uma solução matematicamente ótima para um problema,

porem existem soluções muito próximas da ótima, ou aceitáveis. Algoritmos genéticos são
mais facilmente aplicados em problemas com muitas variáveis e restrições. Tais algoritmos
empregam uma estratégia de busca paralela massiva e estruturada, porém aleatória,
trabalhando não apenas com uma espécie (ou seja, uma possível solução para o problema
em questão) de cada vez, mas testando e modificando milhões de espécies em paralelo.
Apesar de aleatórios, os algoritmos genéticos efetuam caminhadas aleatórias direcionadas,
que exploram informações anteriormente aprendidas de modo a encontrar novos pontos de
busca onde são esperados melhores resultados através de processos iterativos.

Em uma grande base de dados, há muitos padrões que o usuário pode

praticamente nunca imaginar as perguntas certas para as respostas. Os Algoritmos
Genéticos aplicados na Mineração de Dados trazem uma riqueza dos padrões que podem
ser expressos e descobertos, além de proporcionam uma qualidade de entrada no tratamento
de grande volume de registro bom e um aprendizado de regras transparente. Sua aplicação
mais comum é na solução de problemas de otimização, buscando a evolução de sistemas.
Opera de forma simultânea com várias soluções, usa operadores probabilísticos e não
necessita de conhecimentos específicos sobre o problema que tenta resolver.
Referencias Bibliográficas
http://www.ica.ele.puc-rio.br/inteligencia_computacional/intel_comput.htm
http://geocities.yahoo.com.br/dugimenes/tecnicas.htm
http://www.sqlmagazine.com.br/colunistas/AlexandreBarreto/02_DataMinig.asp
http://www.cel.coppead.ufrj.br/fr-varejo.htm
http://www.lncc.br/verao/verao05/arquivos/MiniCursoDMLNCC050202C.pdf.