Transcript
Page 1: Semiótica e  Sistemas Inteligentes

Semiótica e Sistemas Inteligentes

As Abordagens da Literatura

Ricardo GudwinDCA-FEEC-UNICAMP

Page 2: Semiótica e  Sistemas Inteligentes

Sistemas Inteligentes

Sistemas Inteligentes sistemas que exibem um comportamento considerado

inteligente Definições na Literatura

existem em profusão, desde as mais ingênuas, até as mais elaboradas e detalhadas

polêmicas incompletas

Palavra-Chave Inteligência O que é isso ?

Page 3: Semiótica e  Sistemas Inteligentes

Inteligência

O que é inteligência ? Envolve

conhecimento raciocínio pensamento idéias

Capacidade de resolver problemas Capacidade de compreender uma situação Capacidade de planejar o futuro e realizar ações de modo

que os plano se concretizem Capacidade de aprender coisas novas Capacidade de atingir objetivos Capacidade de determinar objetivos

Page 4: Semiótica e  Sistemas Inteligentes

Inteligência e Semiótica

O que tem a haver Inteligência com Semiótica ? Semiótica é o estudo dos processos de significação

como signos são criados como signos são usados como signos “significam”

uma das vertentes mais recentes no estudo dos sistemas inteligentes, identifica a capacidade de processar signos como a fonte da inteligência, em todas as classes de sistemas

Ou seja, um sistema é inteligente porque processa signos sua inteligência dependerá da quantidade e dos tipos de signos

que está apto a processar estudar semiótica é a chave para o entendimento dos sistemas

inteligentes, e a criação de sistemas que sejam mais inteligentes

Page 5: Semiótica e  Sistemas Inteligentes

Modelos de Signos

Modelo Diádico de Signo Hjelmslev, baseado em

modelo de Saussure Semiótica

Estruturalista Muito utilizado

na linguística Não permite signos

naturais (ícones eíndices), somentesímbolos

FORMA DE CONTEÚDO

FORMA DE EXPRESSÃO

SUBSTÂNCIA DECONTEÚDO

(semioticamente formada)

MATÉRIA DE CONTEÚDO(semioticamente amorfa)

SUBSTÂNCIA DEEXPRESSÃO

(semioticamente formada)

MATÉRIA DE EXPRESSÃO(semioticamente amorfa)

SIGNO

Page 6: Semiótica e  Sistemas Inteligentes

Modelos de Signos

Signo Triádico de Morris simplificação do

modelo Peirceano fundamentado na teoria

behaviorista muito difundido na

comunidade desistemas inteligentes

não é tão abrangentecomo o modeloPeirceano

Veículo do

Signo

SEMÂNTICA

SINTÁTICA(SINTAXE)

PRAGMÁTICA

Outros veículos do signo

DesignatumDenotatum

InterpretanteIntérprete

Page 7: Semiótica e  Sistemas Inteligentes

Modelos de Signo

Signo Triádico de Peirce baseado nas três categorias fenomenológicas:

primeiridade, secundidade, terceiridade signo é uma instância de terceiridade

processo de mediação entre um objeto e seu interpretante interpretantes podem ser

emocional (primeiridade), energético (secundidade) e lógico (terceiridade)

interpretante energético é o equivalente ao de Morris sucessiva aplicação das categorias sobre si mesmas

gera toda uma gama de diferentes tipos de signos compreensão mais difícil, devido a sua natureza fractal muito referenciado mas pouco utilizado na sua essência, sob o

contexto dos sistemas inteligentes

Signo Objeto

Interpretante

Page 8: Semiótica e  Sistemas Inteligentes

Modelos de Signo

Modelo de Signo de Pospelov Semiótica Russa

nomes: identificação, acesso e uso por outros signos,

conceitos: informações cognitivas, associadas com as imagens mentais, obtidos por processos de mediação, tais como, generalização, abstração

imagens: informações perceptuais, obtidas através de observações, experiências, etc., e

ações: informações pragmáticas, hábitos de comportamento, etc., quando da interação com outros signos ou eventos observáveis.

Fragmentos de Signos

conceito

nomeimagem

objeto

ação

MUNDO MENTAL

MUNDO REAL

Page 9: Semiótica e  Sistemas Inteligentes

Semiótica e Sistemas Inteligentes

Semiótica ramo das ciências humanas que estuda as ciências da significação e

da representação, envolvendo principalmente os fenômenos da cognição e da comunicação em sistemas naturais

Sistemas Inteligentes sistemas que exibem um comportamento considerado inteligente alguns dos objetivos são o estudo dos fenômenos da cognição e

comunicação, mas agora explicitamente dentro do escopo de sistemas artificiais

Junção entre Semiótica e Sistemas Inteligentes proposição de um conjunto de metodologias que de certa forma

tentam utilizar os conceitos e terminologia da semiótica, mas compondo um framework adequado para a construção de sistemas artificiais, neste caso, implementáveis em computadores

Page 10: Semiótica e  Sistemas Inteligentes

Semiótica e Sistemas Inteligentes

Abordagens Encontradas na Literatura Controle Situacional Semiótico (Pospelov) Semiótica Multiresolucional (Albus-Meystel) Autognome (Pendergraft) Agentes Semióticos (Rocha e Joslyn) Semiótica Computacional

Linguística Computacional (Rieger) Síntese Semiótica e Redes Semiônicas (Gudwin)

Problema Conceitual Propostas originadas a partir de diferentes modelos semióticos

Semiótica Estruturalista (Saussure, Hjelmslev, Eco) Semiótica Peirceana (Peirce) Semiótica Behaviorista (Morris) Semiótica Russa (Pospelov)

Page 11: Semiótica e  Sistemas Inteligentes

Controle Situacional Semiótico

Surgiu na Rússia grupo de cientistas liderados por Dmitri Pospelov

aplicação da teoria semiótica para o controle de sistemas complexos

Dmitri Pospelov, Gennady Osipov, Victor Finn e outros 1976 - Paper de Pospelov - “Semiotic Models: Achievements and

Prospects” princípios da modelagem semiótica de sistemas abertos complexos

diversos workshops dentro do “bloco soviético” 1986 - “Situational Control: Theory and Practice” - Nauka

Publishers, Moscow tradução “não oficial” em inglês passou a circular nos EUA em 1991

Nos EUA Paul Prueitt

Page 12: Semiótica e  Sistemas Inteligentes

Controle Situacional Semiótico

Objetos de Controle Tradicionais sistemas de controle tradicionais

Objetos de Controle Não-Tradicionais podem ser únicos, com particularidades bem definidas

e.g. um determinado partido político falta de qualquer propósito formalizável para sua existência

e.g. cidade, mercado, região, ecossistema, etc. impossível determinar com precisão critérios de otimalidade dinamicidade (objetos mudam com o tempo - evoluem) descrição incompleta e imperfeita (conhecimento parcial) presença de “livre arbítrio” - e.g. envolvendo pessoas

Tipos de Sistemas que se deseja controlar cidades, organizações, economias, sociedades, etc …

Page 13: Semiótica e  Sistemas Inteligentes

Controle Situacional Semiótico

Para o tipo de sistema que se deseja controlar representações convencionais de sistemas dinâmicos não são

adequadas a representação mais adequada é por meio de situações

Situação descrição de um cenário ou estado de coisas situação corrente situação futura desejada

Situação Completa inclui a situação corrente, uma decisão de controle e a

situação futura resultante representa uma Regra Lógico-Transformacional

Page 14: Semiótica e  Sistemas Inteligentes

Controle Situacional Semiótico

Modelos Formais M = < T, P, A, > T = elementos básicos P = regras sintáticas A = sistema de axiomas = regras semânticas

Modelos Semióticos C = < M, T , P , A , > a T , P , A e são

respectivamente regras de variação para T, P, A e

M1

M2

M3

M4

M5

1

2

3

4

5

6

7

Page 15: Semiótica e  Sistemas Inteligentes

Controle Situacional Semiótico

Organização de um CSSMundo Real CSS

Relações

Relações importantes são preservadas

DSN

Relações sãoexpressas na formade expressões deuma linguagem

Aba;ld asdf;as;ldjf as;lfa;lasjf d a;slkfjAsf;lasf af;alsjd ;lasdf;lAsfa ;lkj aF;lkjsa fasfd ;lj saf;lkja;l as;fldjas

;lá';kjfkáf;adjfas;ldls;asl;f aasdl;f jsldfjs sjfsljsfjsfljsf jslfj sjsfqwuresfja;ldjf;a;lkdfjasjfdasdlfsjfjskjdfqwiurasd sfs fsfqwfjwowufaoiuasfd asf

Decisões de controlelinguísticas são geradas

Decisões decontrole sãotransformadas emsinais de controle

SCL

Page 16: Semiótica e  Sistemas Inteligentes

Controle Situacional Semiótico

Rede Situacional Discreta (DSN) Rede de Autômatos Modelagem de Situações Possui uma dinâmica

discreta bem definida Linguagem de Controle Situacional

linguagem quase-natural fechada, cuja semântica é atribuída diretamentesobre os estados de um DSN

utilizada para descrever situações em um DSN

Estado de um DSN = Expressão em LCS

5

I1

C1

AP1

C3

C2

AP2

I2

I3

I4

I5I6

1 2

34

6

7

Page 17: Semiótica e  Sistemas Inteligentes

Controle Situacional Semiótico

Resolvedor Semiótico

Sistema de Execução

Sistema de Decisão

OE OE OE OE

OD OD OD

OD OD OD

OD OD OD

OD OD OD

P R O

P R O

P R O

NÍVEL DE

DESCRIÇÃO

UNIVERSO

Perceptivo ExternoReflexivo InternoObjetivo Objetivo

OD

OD OD

P R O

OE

AtuadoresSensores

Page 18: Semiótica e  Sistemas Inteligentes

Semiótica Multiresolucional

Desenvolvida por Albus-Meystel Albus, J. - “Outline for a Theory of

Intelligence” - IEEE Trans. SMC, vol. 21, n.3, May/June 1991.

Meystel, A. - “Semiotic Modeling and Situation Analysis : An Introduction”, AdRem Inc., 1995.

Elementos da Inteligência processamento sensorial (PS) modelagem do mundo (MM) geração de comportamento (GC) julgamento de valor (JV) formam nós operacionais, trabalhando em paralelo, organizados

hierarquicamente em múltiplos níveis de resolução

PS GC

JV

AMS

MM

Page 19: Semiótica e  Sistemas Inteligentes

Semiótica Multiresolucional

A cada nível hierárquico: banda de controle cai de uma ordem

de magnitude (UOM) resolução perceptiva de padrões

espaço-temporais cai de UOM metas aumentam

em escopo de UOM horizonte de

planejamento aumenta no espaço e tempo de UOM

modelos do mundo e memória de eventos caem em resolução e aumentam em escopo espaço-temporal de UOM

Pontos,Tons

Grupos 3

Grupos 2

Grupos 1

Objetos,Sentenças

Sensores e Atuadores

JVPS GC

MMJV

PS GCMM

JVPS GC

MMJV

PS GCMM

AtençãoJV

ComunicaçãoJV

PS GCMM

LocomoçãoJV

PS GCMM

ManipulaçãoJV

PS GCMMPS GC

MM

JVPS GC

MM

JVPS GC

MM

JVPS GC

MM

JVPS GC

MM

JVPS GC

MMJV

PS GCMM

JVPS GC

MMJV

PS GCMM

...

. . .

Superfícies,Palavras

Linhas,Fonemas

GRUPOS 3

GRUPOS 2

GRUPOS 1

INDIVIDUAL

JVPS GC

MMJV

PS GCMM

JVPS GC

MMJV

PS GCMM

Page 20: Semiótica e  Sistemas Inteligentes

Semiótica Multiresolucional

GFACS = Grouping, Focusing Attention, Combinatorial Search

BuscaCombinatorial

AgrupamentoFoco deatenção

BuscaCombinatorial

Nível alta resolução

FimInício

AgrupamentoFoco deatenção

Nível baixa resolução

Nível média resolução

Page 21: Semiótica e  Sistemas Inteligentes

Semiótica Multiresolucional

Page 22: Semiótica e  Sistemas Inteligentes

AutoGnome

Desenvolvido por Eugene Pendergraft Autognomics Corporation , USA “THE FUTURE'S VOICE: Intelligence

Based on Pragmatic Logic” Relatório Interno - Creative Intelligence, 1994

TD

I

A

DD

I

A

MD

I

A

Sensor

Atuador

Exp

eriê

ncia

Val

ores

Con

heci

men

to

Mediador

Agentes Conectivos

Arm

azen

agem

de

Info

rmaç

ão

Enclaves Auto-Organizáveiscorrespondentesaos 3 níveis desemiose

Atos Lógicos:Dedução - inferência a partir das premissasIndução - inferência a partir das experiênciasAbdudção - criação de novas hipóteses

Page 23: Semiótica e  Sistemas Inteligentes

AutoGnome

Aplicações

Page 24: Semiótica e  Sistemas Inteligentes

AutoGnome

Conceitos Elementares

Page 25: Semiótica e  Sistemas Inteligentes

Agentes Semióticos

Luís Mateus Rocha e Cliff Joslyn (Los Alamos National Lab.) Tese de Doutorado de Luís Rocha

“Evidence Sets And Contextual Genetic Algorithms - Exploring Uncertainty, Context, And Embodiment In Cognitive And Biological Systems”

Binghamton UniversityNew York, 1997

Page 26: Semiótica e  Sistemas Inteligentes

Agentes Semióticos

Modelos de Inspiração Evolutionary Reinforcement Learning

Ackley, D.H. and M. Littman [1991]."Interaction Between Learning and Evolution." In: Artificial Life II. Langton et al (Eds). Addison-Wesley, pp. 487-509.

CAS - Complex Adaptive Systems Holland, J.H. [1995]. “Hidden Order:

How Adaptation Builds Complexity. Addison-Wesley”.

Semiótica de Morris Agentes BDI (Belief, Desire, Intention)

Semelhante ao Autognome com mecanismos aleatórios

Page 27: Semiótica e  Sistemas Inteligentes

Semiótica Computacional

Semiótica Computacional área metodológica ainda em formação entretanto, existem diversas contribuições importantes que,

apesar de ainda incompletas, ajudam-nos a entender a natureza dos processos semióticos e permitem sua síntese e implementação em plataformas computacionais

Diferentes Abordagens Abordagem de Rieger

Linguística Computacional Abordagem de Gudwin

Síntese Semiótica• Síntese de sistemas semióticos por meio de dispositivos

computacionais Redes Semiônicas

Page 28: Semiótica e  Sistemas Inteligentes

Linguística Computacional

Semiótica Computacional Baseada em semióticas estruturalistas

tratamento de medidas e parâmetros associados a textos (hipertextos)

Análise Quantitativa de Textos Burghard Rieger (Universidade de Trier - Alemanha)

Page 29: Semiótica e  Sistemas Inteligentes

Síntese Semiótica e Redes Semiônicas

Elementos de Semiótica Computacional desenvolvidas por Gudwin e seu grupo de pesquisa na

UNICAMP Síntese Semiótica

Tentativa de recriação de processos semióticos específicos, visando a construção de “mentes artificiais”

Teoria serve de base para a construção das Redes Semiônicas Agente Semiônico

Sêmion: Agente elementar por meio do qual um sistema semiótico pode ser construído

Redes Semiônicas ou Redes de Agentes Semiônicos proposta de ferramenta matemático-computacional para o

design de “mentes artificiais” de agentes inteligentes

Page 30: Semiótica e  Sistemas Inteligentes

Análise Semiótica

Semiótica Ferramenta de Análise - principal meta é entender o

processamento semiótico ocorrendo na natureza Seres Semióticos (intérpretes) apresentam-se “já prontos”

organismos vivos (bio-semiótica) seres humanos (antropo-semiótica)

é mais fácil criar conceitos e aplicá-los a coisas que já existem e que já estão funcionando

Questões será possível usar a mesma infra-estrutura conceitual de tal

forma a sintetizar novos tipos de seres (sistemas), realizando o mesmo comportamento semiótico que em seres vivos/humanos ?

Quais seriam os desafios que encontraríamos neste sentido ?

Page 31: Semiótica e  Sistemas Inteligentes

Síntese Semiótica

Problema as coisas ainda não estão funcionando portanto, é necessário colocá-las para funcionar !

Problemas Escondidos especificar as entidades básicas envolvidas no processo de

semiose de tal forma que essa possam ser produzidas em computadores

especificar o mecanismo pelo qual os signos são interpretados existem diversos passos intermediários que geralmente não são

considerados dentro do contexto da semiose humana• Como, a partir de uma cena produzida por uma câmera de vídeo

descobrimos os objetos envolvidos nesta mesma cena ?• Como falar de signos, se os sistemas ainda não conhecem os objetos ?

Dispositivos Computacionais seriam aptos a processar todos os tipos de semiose que seres vivos/humanos processam ?

Page 32: Semiótica e  Sistemas Inteligentes

Síntese Semiótica

Fundamentos Básicos definição de um cenário básico para a discussão de síntese

semiótica tentativa de obter “pistas” sobre como o processo semiótico

realmente acontece criar uma versão computacional de processos semióticos

Terminologia relacionada com a terminologia semiótica tradicional sem restringir o significado dos termos a seres naturais

Requisito cuidado ao aplicar-se princípios de análise semiótica a um

cenário de síntese semiótica

Page 33: Semiótica e  Sistemas Inteligentes

Síntese SemióticaFundamentos Básicos

Espaços de Representação

INTÉRPRETE

ESPAÇO EXTERNOESPAÇO

INTERNO

FOCO DEATENÇÃOEXTERNO

FOCO DE ATENÇÃOINTERNO

Page 34: Semiótica e  Sistemas Inteligentes

Síntese SemióticaFundamentos Básicos

Espaços Compartilhados e Não-compartilhados

ESPAÇO EXTERNO(COMPARTILHADO)

FOCO DEATENÇÃO

ESPAÇOS INTERNOS(NÃO-COMPARTILHADOS)

Page 35: Semiótica e  Sistemas Inteligentes

Síntese SemióticaFundamentos Básicos

Campos de Sinais

INTÉRPRETE

ESPAÇO EXTERNOCAMPO DE SINAISINTERNO I (x,y,z,t)

(UMWELT)

CAMPO DE SINAISEXTERNO

E (x,y,z,t)

Page 36: Semiótica e  Sistemas Inteligentes

Síntese SemióticaFundamentos Básicos

Múltiplos Espaços Internos e Campos de Sinais

ESPAÇOCONCRETO

ESPAÇOABSTRATO

ESPAÇOABSTRATO

Page 37: Semiótica e  Sistemas Inteligentes

Síntese SemióticaFundamentos Básicos

Campo deSinais conceito originado da teoria dos campos função (função de energia ?) que a cada ponto do

espaço/tempo determina um único valor estado

Espaço Externo campo de sinais é contínuo (trata-se do mundo real) por definição, não é conhecível em sua plenitude

Espaços Internos acomodam modelos do campo de sinais externo campos de sinais interno são funções que dependem do tipo

de síntese semiótica que tentamos modelar

Page 38: Semiótica e  Sistemas Inteligentes

Síntese SemióticaFundamentos Básicos

Signo Qualquer coisa sobre o foco de atenção do intérprete (interno

ou externo) que possa causar uma ação do intérprete Ações Possíveis do Intérprete

Mudança nos focos de atenção (internos e/ou externo) Determinação, para o tempo t = t+1 de um novo valor para

algum campo de sinais (interno ou externo), em referência ao ponto (x,y,z) sob o foco de atenção neste espaço

Interpretante qualquer ação do intérprete causada pelo signo qualquer mudança em um campo de sinais interno ou

externo para o tempo t = t+1 causado por uma ação do intérprete devida ao efeito do signo

Page 39: Semiótica e  Sistemas Inteligentes

Semiose Externa

Interpretante do Signo ocorre no espaço externo

Mudança no Campo de Sinais Externo mudança no ambiente compartilhável com outros intérpretes pode agir como um novo signo para o mesmo intérprete ou para

outros intépretes Podem ocorrer em intérpretes que não possuem espaços

internos processos semióticos em moléculas ou reações químicas organismos biológicos muito simples

Podem ser o resultado final de uma cadeia de semiose interna

Page 40: Semiótica e  Sistemas Inteligentes

Semiose Interna

Interpretante do Signo localiza-se em qualquer um dos espaços internos

Signos pode localizar-se no espaço externo (transdução semiótica) em algum espaço interno

Uma cadeia semiótica típica começa com um signo externo gera um conjunto de interpretantes internos, que tornam-se por sua vez, signos gerando novos interpretantes internos, até que algum deles torne-se um signo que gere um interpretante

externo

Page 41: Semiótica e  Sistemas Inteligentes

SÊMIONS

ESPAÇO

LUGAR

Simplificação do Modelo

Ao invés de espaços e campos de sinais genéricos restringir a memórias e lugares atribuir o processamento sígnico a sêmions (unidades básicas

de semiose)

Page 42: Semiótica e  Sistemas Inteligentes

Uma Hierarquia de Sêmions

Indicial

Icônico

Simbólico

Simbólico

Icônico

Sêmions

ArgumentativoDicenteRemático

GenéricoEspecífico

Objetos

GenéricoEspecífico

Ocorrências

Genérico

Específico

Sensorial

Analíticos Sintéticos

Dedutivos

Indutivos

Abdutivos

Page 43: Semiótica e  Sistemas Inteligentes

Sêmions

Responsabilidade dos Sêmions Atuar como Micro-Intérpretes e encapsular conhecimento na

forma de unidades de conhecimento escolher os outros sêmions que irá usar (foco de atenção) eventualmente destruí-los após o uso criar novos sêmions utilizando a informação contida nos

anteriores

Sêmion (Micro-Intérprete)

Sêmions (Unidades de Conhecimento)

Page 44: Semiótica e  Sistemas Inteligentes

Modelo de um Sêmion

Interface de Entrada

Portas de Entrada

Portas de Saída

Conteúdo Descritivo

Estados Internos

Funções de Transformação

Interface de SaídaFunção de

Avaliação

Page 45: Semiótica e  Sistemas Inteligentes

Modelo de um Sêmion

Sêmions são agrupados e classificados em classes, da mesma maneira

que objetos Classes

Variáveis de Entrada do Agente Variáveis de Saída do Agente Variáveis Internas do Agente Funções de Transformação do Agente Função de Avaliação do Agente

Diferença entre sêmions e objetos possuem um ciclo de atividade contínuo possuem uma função de avaliação que orienta o

comportamento dinâmico do agente

Page 46: Semiótica e  Sistemas Inteligentes

Interação entre Sêmions

s1

s2

s3

s4

s5s6

Page 47: Semiótica e  Sistemas Inteligentes

Interação entre Sêmions

Seleção de Sêmions para Assimilação Função de Avaliação - todos os outros sêmions disponíveis

para assimilação são avaliados Múltiplas Funções de Transformação

• Avaliação é feita considerando-se cada função de transformação Escopos Habilitantes Algoritmo de Seleção - Baseado na avaliação, um algoritmo

de seleção deve fazer a escolha escolha deve evitar conflitos com outros sêmions querendo interagir

com um mesmo sêmion algoritmo BMSA (Best Matching Search Algorithm)

Assimilação dos Sêmions Escolhidos Absorção do conteúdo descritivo do agente Transporte, Liberação ou Destruição do Sêmion

Page 48: Semiótica e  Sistemas Inteligentes

Interação entre Sêmions

Processamento do Conteúdo Descritivo Funções de Transformação: processam o conteúdo

descritivo dos sêmions assimilados podendoalterar o conteúdo descritivo de algum sêmion assimiladoalterar o conteúdo descritivo de algum outro sêmiongerar um novo sêmion no sistema

Casos Especiais Sêmion Fonte

utilizado para introduzir novos sêmions no sistema sêmion não tem interface de entrada, e a função de avaliação

simplesmente escolhe a função de transformação a ser utilizada Sêmion Vertedouro

utilizado para retirar sêmions do sistema não tem função de transformação

Page 49: Semiótica e  Sistemas Inteligentes

Sistemas Semiônicos

Sistemas Semiônicos Conjunto de Sêmions interagindo entre si

Sistemas Fechados normalmente um sistema semiônico é um sistema fechado

Sistemas Abertos podem ser emulados por meio de sêmions-fonte e sêmions-

vertedouro Sêmions-Fonte

internamente coletam informações de alguma fonte externa Sêmions-Vertedouro

internamente enviam informações para fontes externas

Page 50: Semiótica e  Sistemas Inteligentes

Sistemas Semiônicos

Problema a medida que o tamanho da população de sêmions aumenta,

a demanda computacional aumenta exponencialmente sêmions precisam avaliar todos os sêmions disponíveis para

interação custo computacional aumenta exponencialmente com o

aumento do tamanho da população de sêmions nem todos os sêmions são interessantes para interação

• tipos inadequados• conteúdo indesejado

Solução encontrar alguma maneira de agrupar os sêmions de forma

que somente os sêmions que têm realmente algum interesse sejam sondados para interação

Page 51: Semiótica e  Sistemas Inteligentes

Redes Semiônicas

Sêmions confinados a lugares

Lugares conectados por arcos arcos entram e saem de

portas portas de entrada e saída agentes do mesmo tipo

Vantagens sêmions disponíveis para assimilação podem ser agrupados e

localizados, o que evita a avaliação de toda uma população de sêmions

Função deAvaliação

Funções deTransformação

Page 52: Semiótica e  Sistemas Inteligentes

Redes Semiônicas

Portas privadas e públicas

Arcos entre portas públicas e

privadas

Modos de Acesso compartilhamento de sêmions : exclusivo ou não-exclusivo destruição : consumo ou não-consumo

porta privada

entradas saídas

sêmion1

sêmion2

1 2 1 2

porta privada

porta pública

porta privada

porta privada

porta pública

2

1

1

2

1

1

lugar

privadapública

Page 53: Semiótica e  Sistemas Inteligentes

SNToolkit

SNtoolkit (Semion Network Toolkit) auxiliar no design e simulação de redes semiônicas fornece um engine que implementa os mecanismos

necessários para a execução de redes semiônicas

J avac

MTON

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

classes Javaexternas e Plugs

Hghd h g kjhfgkj kjfdhg kjhfdgkjh kjsdfhgjhgjgf kjh jjhkjkjhkj kjh kjhfgkjh jh kjh kjhkjh j hkjh kjhkjh kjjh

especificaçãodo modelo

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

rede domodelo

implementação dasclasses do modelo

Hghd h g kjhfgkj kjfdhg kjhfdgkjh kjsdfhgjhgjgf kjh jjhkjkjhkj kjh kjhfgkjh jh kjh kjhkjh j hkjh kjhkjh kjjh

Hghd h g kjhfgkj kjfdhg kjhfdgkjh kjsdfhgjhgjgf kjh jjhkjkjhkj kjh kjhfgkjh jh kjh kjhkjh j hkjh kjhkjh kjjh

Hghd h g kjhfgkj kjfdhg kjhfdgkjh kjsdfhgjhgjgf kjh jjhkjkjhkj kjh kjhfgkjh jh kjh kjhkjh j hkjh kjhkjh kjjh

ONSLC

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Interfaces MTON

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Hghd h g kjhfg kjkjfdhg kjhfdg kjhkjsdfhg jhgjgf kjhjjhkj kjhkj kjhkjhfg kjh jh kjhkjh kjh j hkjh kjhkjh kjjh

Classes AdapterMTON

Arquivo on

Arquivo fill

Arquivo class

Arquivo.java

Legenda:

Módulo de Ediçãoda Topologia

Módulo de Edição doCódigo de Usuário

Page 54: Semiótica e  Sistemas Inteligentes

SNToolkit

Page 55: Semiótica e  Sistemas Inteligentes

Aplicações Potenciais

Simulações Robóticas em Mundos Virtuais

Page 56: Semiótica e  Sistemas Inteligentes

Modelo do Veículo

Variáveis de interesse posição do veículo (x, y, ). ângulo das rodas em relação ao

eixo longitudinal do veículo (). velocidade nominal do veículo (v).

1

2

3

4

Leyenda:

1,2,3,4 – SCA- SIR - dirección del SIR - distancia del SIR

Ambiente

A

y

x

Ambiente

Tipos de Sensores: Sensor de informação remota

(SIR): simplificação de um mecanismo de visão

Sensores de contato (SC): informam quando existe contato com algum objeto

Legenda:

1,2,3,4 - SCA - SIR - direção do SIR - distância do SIR

Page 57: Semiótica e  Sistemas Inteligentes

Controle por Rede Semiônicas

Page 58: Semiótica e  Sistemas Inteligentes

Resultados de Simulação

Ambiente de Simulação Modelo Interno do Robô e sua Trajetória até a Meta

Page 59: Semiótica e  Sistemas Inteligentes

Semiótica Organizacional:Gerência de Projetos

Page 60: Semiótica e  Sistemas Inteligentes

Simulação da Gerência de Projetos

Page 61: Semiótica e  Sistemas Inteligentes

Resultados de Simulação:Gerência de Projetos

Page 62: Semiótica e  Sistemas Inteligentes

Outros Exemplos de Modelos

Algoritmo Genético (Modelo Interno) Problema do Caixeiro Viajante

Page 63: Semiótica e  Sistemas Inteligentes

Outros Exemplos de Modelos

Algoritmo Genético (Modelo Embutido) Problema do Caixeiro Viajante

Page 64: Semiótica e  Sistemas Inteligentes

Outros Exemplos de Modelos

Controlador Fuzzy Controle de um Veículo Autônomo


Top Related