| |
| Acadêmico(a): Emerson Douglas Rocha |
| Título: Sistema de Ajuda na Resolução de Problemas na Abertura de Arquivos de Anúncios de um Jornal de Circulação Diária Utilizando a Técnica de Vizinho mais Próximo |
| |
| Introdução: |
A área de classificados de um determinado jornal opera com a confecção de anúncios, através da mão-de-obra de profissional arte-finalista e da recepção de material (anúncios prontos, logomarcas, fotos, etc) por meio eletrônico efetuado por um coordenador de arte e, após o expediente comercial, por um plantonista. Os materiais podem ser enviados em arquivos magnéticos de vários formatos/extensões - JPEG, TXT, TIF, PS, CDR, EPS, entre outros – e cada tipo de arquivo pode apresentar problemas diversos na hora da abertura.
A recepção dos materiais é efetuada por um plantonista após o encerramento das atividades da coordenação de arte, que geralmente carece da experiência e, em determinadas situações, de suporte da coordenação. Esta situação geralmente acarreta atraso nas atividades, pois o suporte é feito por meio telefônico. Este cenário poderia ser resolvido com um treinamento adequado ao funcionário de plantão, mas a rotatividade de pessoas nesta função é muito grande. Além disso, o estudo sobre qualquer atividade ou ofício compõe apenas o conhecimento genérico do ser humano. Através da aplicação desse conhecimento ao longo do tempo, adquire-se o conhecimento específico e, por conseguinte, especializando-se em determinada atividade na resolução de problemas encontrados. Pode-se aprender tanto por experiência própria quanto em base nas experiências de outrem.
É com a perspectiva do aprendizado em experiências e do conhecimento passado que um dos modelos da IA é o de RBC, o qual será abordado neste trabalho, juntamente com a técnica do Vizinho Mais Próximo para a recuperação dos casos.
De acordo com Luger (1989), IA pode ser definida como uma parte da ciência da computação que se preocupa com a automação do comportamento inteligente. Seus princípios incluem estruturas de dados utilizadas na representação do conhecimento, os algoritmos necessários para aplicar esse conhecimento, e as linguagens e técnicas de programação usadas na sua implementação. De qualquer modo, esta definição sofre com o fato de que a própria inteligência não é bem definida ou entendida. Apesar do ser humano estar seguro de conhecer um comportamento inteligente quando se depara com isso, é duvidoso para qualquer um poder definir a inteligência de maneira suficiente para ajudar na avaliação de um programa de computador supostamente inteligente, enquanto ainda está se aprendendo a força vital e a complexidade da mente humana.
Conforme Tveter (1998), o objetivo da IA é produzir programas de computador que trabalhem semelhante às pessoas, de tal modo que os computadores poderão ser tão ou mais proveitosos, que poderão fazer muito mais coisas que as pessoas e, talvez, melhor e mais rápido. Para isso, também é objetivo da IA descobrir como a inteligência e o pensamento humano trabalham.
Segundo Nilsson (1980), métodos e técnicas de IA têm sido aplicados em problemas de áreas diversas, como:
a) processamento de linguagem natural: estudo voltado para a construção de programas capazes de compreender a linguagem natural (interpretação) e gerar textos. A geração de linguagem natural é a produção de textos por um programa a partir de um conteúdo semântico representado internamente no próprio programa. Objetiva aperfeiçoar a comunicação entre as pessoas e os computadores;
b) recuperação inteligente de banco de dados: objetiva permitir a recuperação de dados relevantes em uma base de dados;
c) sistemas de consulta inteligente: sistemas automáticos de consulta para poder diagnosticar doenças, avaliar depósitos de minério em potencial, sugerir estruturas para química orgânica complexa, e até fornecer dispositivos sobre como usar outros sistemas de computador;
d) demonstração de teoremas: ajudar a provar ou refutar teoremas na área da matemática, através de processos dedutivos utilizando lógica de predicados;
e) robótica: resolver os problemas de ações físicas de robôs móveis, através de técnicas de modelagem dos “estados do mundo” e descrever processos de mudança desses estados, para a interação da máquina com o meio;
f) programação automática: estuda a geração automática de programas através da especificação;
g) problemas de sincronização e combinação: estuda resolver problemas de sincronização entre processos e problemas de combinações possíveis (menor caminho, quebra-cabeças, jogos);
h) problemas de percepção/visão: estudo da percepção do computador em relação ao meio. Desenvolvimento de formas de o computador trabalhar com a “visão” e “audição”;
i) aprendizado: desenvolvimento de programas que conseguem aprender certos fatos por meio da experiência “própria” ou de outrem.
Para aplicar os métodos e técnicas da IA ao longo dos anos foram sendo criados diferentes modelos, que são demonstrados na tabela 1:
Tabela 1 – Modelos da inteligência artificial
RBC É o campo de estudo da IA que utiliza uma grande biblioteca de casos para consulta e resolução de problemas. Os problemas atuais são resolvidos, através da recuperação e consulta de casos já solucionados e da conseqüente adaptação das soluções encontradas.
RNA Possui várias denominações, dentre elas redes neuronais, modelo conectista, neurocomputação, modelo de processamento paralelo distribuído, sistemas neuromórficos e computadores biológicos.
Sistemas Baseados em Conhecimento São sistemas que implementam comportamentos inteligentes de especialistas humanos.
Fonte: adaptado de Torres (1997)
O RBC “[...] é utilizado para encontrar uma solução para um problema atual olhando um problema similar em uma base de conhecimento, tomando a solução do passado e usando como ponto de partida para encontrar a solução do problema atual”.(LENZ, 1998, p. 05).
RBC é um método que se baseia em experiências anteriores. É um “raciocinador” utilizando conhecimento antigo (casos), podendo usá-los para sugerir soluções para problemas, apontar potenciais problemas com uma solução existente, interpretar uma nova situação ou fazer previsões sobre o que poderá acontecer, ou para criar argumentos comprovando alguma conclusão. (KOLODNER, 1993, p. 01).
Para a recuperação dos casos o RBC utiliza-se, entre outras, da técnica conhecida como Vizinho Mais Próximo ou Algoritmo da Vizinhança. Esse método baseia-se na comparação entre um novo caso e aqueles armazenados no banco de casos, utilizando uma soma ponderada de suas características. Para isso, de acordo com Abel (2002), é necessário atribuir um peso a cada uma das feições que descrevem o caso e que serão utilizadas na recuperação.
A coordenação de arte da área de Operações Comerciais – Opec do Jornal de Santa Catarina opera com recebimento de anúncios em mídia eletrônica – e-mail, CDs, zip, disquete – que muitas vezes apresentam problemas como: ausência de imagens, estouro de fontes, baixa qualidade de resolução, etc. O coordenador de arte possui o conhecimento necessário para a resolução da maioria dos problemas, mas na falta deste, o trabalho fica a cargo de um plantonista que carece de experiência, haja vista a rotatividade nessa função. Por conseguinte, ocorrem atrasos, pois o plantonista precisa contatar o coordenador, via telefone e quando da não-disponibilidade do mesmo, pedir desnecessariamente o reenvio da mídia.
A partir deste cenário surge a proposta de desenvolvimento de um sistema de auxílio utilizando RBC, onde a experiência da coordenação de arte será armazenada em um banco de casos na forma de um perfil de caso, semelhante a um checklist, em que o funcionário indicará o perfil do arquivo que está sendo aberto e o sistema mostrará o caso mais similar, utilizando a técnica do Vizinho Mais Próximo. O perfil de caso é formado pelos atributos Formato, Abre, Fontes, Gráficos, Imagens, Sistema de Cor, Versão, Sangria, Cor Preta, Visualização, Válido, Imprime Fotolito e Solução. Em cada atributo pode assumir determinados valores. Por exemplo, o atributo Formato assume um nome de formato (EPS, PDF, TIFF, JPEG, PSD, etc), o atributo gráfico pode assumir que está OK, Baixa Resolução, Sem gráficos, Desaparecimento, Sem efeito, etc, e assim por diante. A tabela 2 demonstra o perfil de caso e alguns valores que os atributos podem assumir.
Tabela 2 – Perfil de caso
O grau de similaridade será indicado em forma de porcentagem, pois nem sempre haverá um caso 100% (cem por cento) similar na base de casos. Verificando a solução proposta pelo sistema, o plantonista efetuará os passos indicados pelo mesmo. Após aplicar a solução indicada, se houver êxito na resolução do problema, o usuário irá reter o caso pesquisado como um novo caso na memória de casos, excetuando-se os casos em que a similaridade encontrada for total, o que já indica a existência do caso na base. Não havendo sucesso o plantonista irá ignorar a indicação do sistema e relatar o caso ao coordenador, que irá tomar as providências que achar necessárias como, por exemplo, encontrar a solução para o problema não resolvido e registrar na memória de casos. Também poderá ser feita a adaptação de um ou mais atributos com base no perfil indicado, onde o sistema irá procurar o caso que seja exatamente igual, com exceção dos atributos escolhidos para adaptar, através de novos valores indicados pelo usuário e, se obtiver sucesso, armazenará automaticamente como um novo caso.
|
| |
|
