SlideShare uma empresa Scribd logo
Inteligência Artificial
Aplicada à Construção de
Modelos Ecológicos
Mini-Curso Semana da Biologia da UnB
Prof. Dr. Paulo Salles e Adriano Souza
Programa
 Objetivos do Mini-curso
 Parte I – Introdução
 Definições de Inteligência Artificial (IA) e modelos
 Modelagem e o potencial de uso da IA para estudos de ecologia
 Parte II – Discussão de aplicações de IA em modelagem ecológica
 Algumas técnicas de IA aplicadas em ecologia (Sistemas
Dinâmicos, Redes Neurais Artificiais, Algoritmos Genéticos, Fuzzy
Logic, Raciocínio Qualitativo)
 Parte III - Exercícios sobre como construir modelos ecológicos, utilizando o
software DynaLearn (www.dynalearn.eu).
 Modelos Qualitativos (DynaLearn)
 Padrões de modelos
 Construção de modelos em DynaLearn
 Discussão
Objetivos do Minicurso
 Discutir alguns dos mais importantes paradigmas de
modelagem ecológica baseados em Inteligência
Artificial;
 Demostrar, por meio de atividades práticas, como
construir modelos para representar problemas
ecológicos.
Definição de Inteligência Artificial
 É a teoria e desenvolvimento de sistemas
computacionais capazes de realizar tarefas que
normalmente requerem inteligência humana, tais como
percepção visual, reconhecimento de
linguagem, tomada de decisão, e tradução entre
linguagens.
MaioresproblemasdaIA Raciocínio
Representação de
conhecimento
Planejamento e agendamento
automatizado
Aprendizagem de máquina
Processamento de linguagem
natural
Visão computacional
Robótica
Inteligência Geral ou IA Forte
Abordagens Tradicionais
* Busca de algoritmos
* Lógica
Abordagens modernas
* Redes Neurais
* Redes Bayesianas
* Algoritmos evolutivos
Então, qual é o significado
ou importância da IA para a
ecologia e para os
ecólogos?
E na Ecologia?
Inteligência
Artificial
Representação
de conhecimento
Correspondência
de Padrões
Inferência Busca
Sistemas
Especialistas
Sistemas de
bases de dados
Inteligentes
Modelagem
em IA
Robótica
Visão e
processamento
de imagem
Entendimento
de Sistemas
Complexos
Processamento
de linguagem
natural
Raciocínio
computacional e
comprovação de
teoremas
...
Manejo de recursos naturais
Escopo de áreas de aplicação da
IA como aplicada ao MRN.
Adaptado de Coulson et al. (1987)
1987
Coulson et al.
Sistemas especialistas para
solução de problemas e
tomada de decisão
Sistemas de Informação
Geográfica Inteligentes
Modelos de IA de
comportamento animal e
ecologia
Object-oriented
paradigma
1989
Rykiel
Modelagem e simulação
Integração de
conhecimento qualitativo e
quantitativo
Desenvolvimento teórico
1998
Struss
Desenvolvimento e uso de
modelos aprimorados
Modelagem conceitual e
solução de problemas
Modelagem qualitativa e
sistemas baseados em
modelos
É necessário uma aproximação na colaboração entre especialista de um domínio e pesquisadores de
Inteligência Artificial para o desenvolvimento de soluções para problemas específicos
E na Ecologia?
3 maneiras em que as tecnologias de IA podem ser úteis
para o desenvolvimento teórico:
Organização de bases de conhecimento compatíveis com
computadores, incluindo conhecimento qualitativo e
quantitativo;
Avaliação rápida de pressupostos, hipóteses ou outras ideias em
um contexto teórico;
Determinar as consequências e a consistência lógica de longas e
complicadas trajetórias de raciocínio ecológico.
Rykiel (1989)
E na Ecologia?
 Talvez o impacto mais imediato de tecnologias de IA
será na forma como ecólogos organizam, desenvolvem
e implementam modelos.
 Um ambiente computacional ecológico deve permitir
que o ecólogo pense muito mais no problema
ecológico e muito menos na mecânica computacional.
Rykiel (1989)
Antes de continuar
precisamos saber o que é
um modelo!
 Palpites?
Modelo
 Modelos são representações
formais, abstratas e
manipuláveis de sistemas
físicos, a partir dos quais pode-
se fazer simulações do
comportamento do sistema
na realidade e estabelecer
comunicação entre pessoas
que dominem a linguagem
usada para a modelagem.
Sistema
 É uma unidade que consiste de
um ou mais elementos (objetos)
estruturalmente
conectados, cujos estados
dependem uns dos outros.
 Portanto, são componentes
essenciais de um sistema os
OBJETOS e a ESTRUTURA.
 Exs.: o sistema digestivo
humano, uma bicicleta
Definições de Modelo e Sistema
S1
S4
S3
S2
SISTEMA
ALÇAS DE
RETROALIMENTAÇÃO
Ambiente
BORDA DO
SISTEMA
ESTRUTURA DO
SISTEMA
ELEMENTOS DO
SISTEMA
ENTRADA NO
SISTEMA
SAÍDA NO
SISTEMA
Conceitos básicos de um sistema e seu
ambiente. Adaptado de Bossel (1986)
A finalidade do sistema
Um sistema tem uma finalidade (ou pode-se
atribuir uma finalidade a ele):
Recebe algum input do ambiente, realiza alguma
transformação nesse input e produz algum output.
Portanto, o desenvolvimento de certos estados
é mais provável do que de outros estados.
Um modelo deve ter uma finalidade
 A construção de um modelo é uma atividade
seletiva, parcialmente subjetiva, que se baseia na
experiência, em evidências
empíricas, julgamentos, intuições.
 A seleção dos elementos e das relações estruturais mais
importantes dependerá dos objetivos da análise do
sistema.
 Um modelo deve ter, portanto, uma finalidade.
 Estudo de uma floresta para fins econômicos e
 Estudo sobre a sucessão na floresta requerem análises diferentes.
 Para finalidades diferentes, devem ser construídos modelos
Para que construir modelos?
Construir e usar modelos contribui para…
Compreender a estrutura do sistema;
Predizer o comportamento do sistema;
Controlar variáveis para obter determinados
resultados.
Como modelos podem ser usados?
 Pesquisa científica;
 Tomada de decisões e manejo;
 Aplicações educacionais e treinamento.
Cada uso tem requisitos diferentes.
Modelos em ecologia
Construir modelos em ecologia é tarefa complexa, porque...
1. Conhecimentos ecológicos são heterogêneos, incluem tanto
conhecimentos qualitativos como quantitativos;
2. É difícil coletar dados e fazer experimentos;
3. Os dados disponíveis são incompletos, inexatos, incertos e expressos em
termos qualitativos;
4. Os fundamentos teóricos e as leis (ou first principles) ainda estão em
desenvolvimento.
 Novas abordagens para a modelagem ecológica são necessárias!
Modelos em ecologia
A maior parte dos modelos usados em ecologia
pertencem a duas classes:
 Modelos Estatísticos
 resultam em demonstrações de relações empíricas entre fatores
ecológicos (parâmetros);
 embora úteis e importantes, não conseguem capturar a
complexidade dos sistemas ecológicos.
 Modelos Estruturais
 usados como meio de generalizar o entendimento sobre a
estrutura e o funcionamento de sistemas ecológicos;
 aumentam a capacidade de fazer previsões sobre o
comportamento e de controlar tais sistemas.
Modelos Estatísticos
MODELOS
ESTÁTICOS
Sistema real
Observações
Regressão,
correlação
Modelo
Modelos Estruturais
MODELOS
DINÂMICOS
Sistema real
Modelo
Abordagens da IA
em Ecologia
Dinâmica de
Sistemas
Lógica Difusa
(Fuzzy Logic)
Algoritmos
Genéticos
Redes
Neurais
Artificiais
Raciocínio
Qualitativo
É uma abordagem para entender o comportamento de sistemas
complexos no tempo. Ele lida com ciclos de retroalimentação interna
e atrasos que afetam o comportamento do sistema como um todo.
A Dinâmica de Sistemas é um bom
paradigma para modelagem ecológica
por que...
1. Constrói-se em conceitos existentes
2. É diagramático
3. É amplamente usado
4. Estimula uma abordagem em camadas
 Estrutura conceitual antes dos detalhes matemáticos
5. Se aplica a uma ampla variedade de problemas
ambientais e ecológicos
http://en.wikipedia.org/wiki/File:LSE_pond.jpg#filelinks
Um ecosistema simples
Grama
Veado campeiro
CO2
Árvore
CO2
Simples
ecossistema em
que o carbono
move-se entre os
componentes
etiquetados
Modelo de um ecosistema simples
CO2
atmosférico
Grama
g C
Absorção
DeCO2
pelasplantas
Morte,
Excreção,
respiração
Consumo
CO2
Atmosférico,
dejetos líquidos
e sólidos
Veado
g C
Símbolos de Sistemas Dinâmicos
Compartimento
Fluxo
Nuvem
Variável
Influência
Exemplo: Modelo predador-presa de
Lotka e Volterra
 Cada presa tem um número constante de
descendentes por ano
 Cada predador se alimenta de uma proporção
constante da população de presas por ano
 A reprodução do predador é diretamente proporcional
ao consumo de presas
 Uma proporção constante da população de
predadores morre por ano
PARÂMETROS:
Coelhos = 5000
Raposas = 45
Reprodução de coelhos = 0.5*coelhos
Predação = comidos por raposa*raposa
Reprodução de raposas = 0.01*predação
Mortalidade de raposas = 0.2*raposas
rraposas = 0.01*comidos_por_raposa
Comidos por raposa = 0.01*coelhos
Modelo Predador-presa construido em
SIMILI
Raposa Coelho
Crescimento população de árvores
Parâmetros:
tamanho = 3
crescimento = cr*(1-tamanho/25)
cr = rand_const(0.1,0.3)
inicial = 5
recrutamento = 2
mortalidade = tamanho>17
total = sum({tamanho})
X = rand_const(0,100)
Y = rand_const(0,100)
Simulação de
modelo quantitativo
em SIMILE para
crescimento de
árvores
Abordagens da
IA em Ecologia
Dinâmica
de Sistemas
Lógica Difusa
(Fuzzy Logic)
Algoritmos
Genéticos
Redes
Neurais
Artificiais
Raciocínio
Qualitativo
É uma possível maneira de lidar com incerteza, capaz de capturar informações
imprecisas, descritas em linguagem natural, e convertê-las para um formato numérico.
A Lógica Fuzzy utiliza palavras em vez de números, os valores verdades são expressos
linguisticamente: quente, muito
frio, verdade, longe, perto, próximo, rápido, vagaroso, médio, normal, muito, pouco, etc.
admite valores lógicos intermediários entre o FALSO (0) e o VERDADEIRO (1); por exemplo o valor
médio 'TALVEZ' (0,5). Isto significa que um valor lógico difuso é um valor qualquer no intervalo de
valores entre 0 e 1
Precisão e significância no mundo real
Um peso de
1500 kg se
aproxima da
sua cabeça a
45,3 m/s
CUIDADO!
Precisão Significado
Às vezes tudo o que você precisa saber é aquilo que faz toda a diferença e
a lógica difusa é uma boa maneira de conseguir essa informação. Isso vale
também para modelos de raciocínio qualitativo!
What? LOL
Conhecimento Objetivo
 Usado na formulação de
problemas de
Engenharia → modelos
matemáticos
Conhecimento Subjetivo
 Representa a informação
linguística que é
geralmente impossível
de quantificar usando
matemática tradicional
Definição
Exemplo
• Esta estrela é azul?
– Verdadeiro
Qual a melhor resposta?
• Este hexágono é azul ?
Fuzzy não é probalidade
• Fuzzy é associado a possibilidade
• Fuzzy é associado a associações parciais
• Exemplos:
– 10% do conteúdo dessa bebida é um veneno
mortal
– Aquela bebida tem 10% de chance de ser
um veneno mortal
– Qual copo você beberia?
- Um carro que custa 20 mil reais é barato, o
que custa 25 mil é caro! E um carro que custa
23 mil reais?
• Este cubo é azul?
– Falso
Função de pertencimento
Porque usar Lógica Fuzzy ?
 Grande parte da compreensão humana sobre os acontecimentos
dos fatos é imprecisa
 Em muitos casos, a precisão pode ser um tanto inútil, enquanto
instruções vagas podem ser melhor interpretadas e realizadas
 Exemplo de compreensão humana
 Invulgar:
“Comece a frear 10 metros antes do sinal PARE”
 Vulgar:
“Comece a frear perto da faixa dos pedestres”
 Sistemas Especialistas devem trabalhar com informações vindas do
mundo real (muitas delas imprecisas) devem ser capazes de
reconhecer, representar, manipular, interpretar e usar imprecisões
Em Ecologia
 Em muitas situações, principalmente em perícia ambiental, análises
de riscos etc., nos deparamos com situações de extrema
subjetividade, onde as variáveis envolvidas dependem única e
exclusivamente da opinião e da experiência das pessoas
envolvidas.
 Em se tratando de considerar a experiência e a opinião de
especialistas, nos deparamos com situações em que devemos
inferir a respeito de variáveis características “dos mundos dos
especialistas”:
 Muito quente;
 Inclinado;
 Gravíssimo etc.
40
Abordagem de
agrupamento difuso para
delinear zonas
agroecológicas
Agrupamento difuso de
dados ecológicos difusos
Abordagem difusa para
avaliação de impacto
ambiental
Modelagem difusa em
dinâmica de populações
Abordagens da
IA em Ecologia
Dinâmica
de Sistemas
Lógica Difusa
(Fuzzy Logic)
Algoritmos
Genétics
Redes
Neurais
Artificiais
Raciocínio
Qualitativo
São programas computacionais projetados para encontrar o modelo de melhor desempenho
através da aplicação de princípios de seleção natural e sobrevivência do mais adaptado
Origem
 Os algorítimos genético (AG ou GA) foram criados em
1975 por John Holland da Universidade de Michigan, Los
Angeles
 São modelos computacionais que imitam os
mecanismos de “evolução natural”para resolver
problemas de otimização.
 Os AGs tratam de encontrar a melhor solução de um
dado problema entre um conjunto de soluções
possíveis.
Cria aleatoriamente uma população de soluções
Seleciona Indivíduos parentais
Produz filhos (Crossover e Mutação)
Elimina indivíduos não adaptados
Continua até um indivíduo atingir o critério de sucesso
(alcançar um r2 > 0,6 para dados medidos versus
calculados)
Na ecologia...
 AG tem sido usado para a otimização de parâmetros, descobertas de
equações e procura de padrões.
Distribuição potencial de espécies
Predições com AG
Cenário:
 Sustentabilidade;
 Mudanças globais;
 Uso de pesticidas e fertilizantes;
 Introdução de espécies;
 Aumento da população humana;
 Fronteiras agrícolas.
A representação de fenômenos ecológicos é crítica para a predição em sistemas
ecológicos.
 Black box:
O usuario pode inferir as regras do resultado, mas não em detalhes suficientes para fazer
generalizações sobre os mecanismos ecológicos que levaram as distribuições preditas
A próxima geração
AG híbridos
 Petel et al. (1998) – AG + Rede Neural
 Objetivo: projetar novas moléculas que matariam bactérias.
 D’Angelo-Morrall et al. – AG + Estatística de Agrupamento
 Objetivo: prever a toxicidade de organismos aquáticos em uma
ampla variedade de substâncias chimicas
A hibridização é uma nova fronteira dos AGs e tem
um grande potencial na modelagem ecológica.
Abordagens da
IA em Ecologia
Dinâmica
de Sistemas
Lógica Difusa
(Fuzzy Logic)
Algoritmos
Genéticos
Redes
Neurais
Artificiais
Raciocínio
Qualitativo
São programas computacionais projetados para processar informação de forma semelhante ao
que ocorre em neurônios biológicos no cérebro humano.
Uma rede treinada de maneira razoável tem a habilidade de generalizar quando é apresentada
à entradas que não estão presentes em dados já conhecidos por ela.
A principal força na estrutura de redes neurais reside em sua habilidades de adaptação e
aprendizagem. A habilidade de adaptação e aprendizagem pelo ambiente significa que
modelos de redes neurais podem lidar com dados imprecisos e situações não totalmente
definidas.
Em um neurônio biológico
 Recebe diversos sinais de outros neurônios ou
terminações nervosas
 Os sinais podem ser recebidos com diferentes
intensidades (pesos) nas sinapses receptoras
 O neurônio soma as entradas
 Sob circunstâncias apropriadas (entradas com nível
suficiente), o neurônio “dispara” um sinal elétrico (saída)
Em um neurônio biológico
 A saída de um neurônio pode ser a entrada de diversos
outros neurônios (rede)
 A memória é distribuída, residindo nas sinapses (nos
pesos).
 A resposta a um estímulo pode alterar a “força” (o
peso) de uma sinapse  aprendizado através de
experiência.
 Neurotransmissores em uma sinapse podem ser
excitatórios ou inibitórios.
O diagrama abaixo representa o
modelo matemático de um neurônio...
Redes Neurais Artificiais
Não Supervisionada
Kohonen (1989)
SOM
Feedforward
Rummelhardt et al. (1986)
Feedback
Pineda (1987)
Aprendem a classificar dados através do reconhecimento de
diferentes padrões sem focar nas saídas desejadas (supervisão) de
maneira similar quando uma pessoa está aprendendo a
reconhecer o rosto de alguém sem ajuda de um professor
Análise de padrões
Dados transversais
Análise de padrões
Séries Temporais
Modelagem
preditiva
Dados transversais
Modelagem
preditiva
Séries Temporais
Em síntese
 Durante o processo de aprendizagem os neurônios:
 organizam-se e tornam-se ordenados entre si
 especializam-se em detectar determinadas características dos
padrões de entrada
 O SOM é, portanto, caracterizado pela:
 formação de um mapa topológico dos padrões de entrada
 a localização espacial dos neurônios na grade após o
aprendizado são indicativas das características estatísticas
contidas nos padrões de entrada
CAMADA DE
ENTRADA
ORDENAÇÃO E
AGRUPAMENTO
DAS ENTRADAS
MAPEAMENTO E
AGRUPAMENTO
DAS ENTRADAS
Biomassas de
fitoplâncton
pesos
neurônios
>20ªC
<=15ªC
>15ªC<=20ªC
Estudo de caso: Lago Kasumigaura (Japão)
Teste de hipóteses sobre a preferência de temperatura de Microcystis e Cyclotella
Exemplo de dados transversais
Modelos Ecológicos Qualitativos
Abordagens da IA
em Ecologia
Dinâmica de
Sistemas
Redes
Neurais
Artificiais
Algoritmos
Genéticos
Lógica Difusa
(Fuzzy Logic)
Raciocínio
Qualitativo
É uma área da IA que cria representações para as propriedades contínuas
do mundo para dar suporte a raciocínio com pouca informação
Descreva com 1 palavra o que representa essa figura
Motivação
 As pessoas tiram conclusões úteis e sutis sobre o mundo
físico sem usar nenhum tipo de equação matemática;
 Cientistas e engenheiros parecem usar algum tipo de
raciocínio qualitativo quando tentam entender um
problema e quando estão interpretando os resultados
de simulações;
 Construir modelos sobre a cognição humana e criar
software para robôs requer a compreensão de como se
pensa qualitativamente
O que queremos dizer com Raciocínio
Qualitativo?
 O objetivo primário do Raciocínio Qualitativo é
 … fazer predições sobre o comportamento de um
sistema físico em termos não-numéricos,
 … preservando todas as diferenças no comportamento
mais importantes de um sistema real,
 … dada apenas uma descrição da estrutura do
sistema.
1984, ano de ouro do QR
 O periódico Artificial Intelligence publica as 3 mais
influentes abordagens para RQ:
 Centrada nos processos (Forbus, 1984)
 Centrada nos componentes (de Kleer e Brown, 1984)
 Centrada nas restrições (Kuipers, 1984, 1986)
Modelagem composicional
 Representar componentes menores e mais simples em
modelos parciais (fragmentos de modelo)
 e então combinar esse modelos parciais para obter
uma descrição mais complexa do sistema.
 Assim, pode-se criar diferentes representações do
sistema, com diferentes níveis de complexidade.
Falkenhainer e Forbus, 1991
Basic model patterns
69
Single rate and process
Two processes one SV
Short network
Long network - branching
Direct feedback loop double negative
Indirect feedback loop
negative, long chain
Inequality reasoning
Modelo Qualitativo Predador-presa
Combined basic patterns
73
Complex model patterns
74
dN/dt = rN( 1- N/K)
Exercícios
 Exercício ecología de populações
Building models from texts76
“The impacts of the erosion without control go
beyond the environmental area. It includes risks
and prejudice to the Brazilian energetic matrix, due
to the siltation of the reservoirs of big hydroelectric
plants; social impacts due to the rural exodus,
economic impacts due to high costs of water
treatment for human consumption, and impacts on
human health caused by water born diseases.”
77
“The impacts of the erosion without control go beyond the environmental area. It includes risks and
prejudice to the Brazilian energetic matrix, due to the siltation of the reservoirs of big hydroelectric plants;
social impacts due to the rural exodus, economic impacts due to high costs of water treatment for human
consumption, and impacts on human health caused by water born diseases.”
78
“The impacts of the erosion without control go beyond the environmental area. It includes risks and
prejudice to the Brazilian energetic matrix, due to the siltation of the reservoirs of big hydroelectric
plants; social impacts due to the rural exodus, economic impacts due to high costs of water treatment
for human consumption, and impacts on human health caused by water born diseases.”
DynaLearn curriculum
79
Transfer to
different
domains
Using ecological
principles to
organize lessons
DYNALEARN
Developing specific
cognitive and
reasoning skills
Systems Thinking
Model
patterns
System
behaviour
patterns
How to build
advanced models
Understanding
environmental
science topics
Interdisciplinarity
Concluding remarks
DynaLearn a curriculum for environmental
science explores themes and relevant topics for
the present aiming at the development of
cognitive and reasoning skills.
The pedagogical approach is learning by
modelling, exploring a set of model patterns to
get a handle on
how to represent domain knowledge in
qualitative
system dynamics models.
One important educational goal to be achieved
is the development of learners’ systems thinking.
80

Mais conteúdo relacionado

Mais procurados

Desenvolvimento sustentável
Desenvolvimento sustentávelDesenvolvimento sustentável
Desenvolvimento sustentável
Amarildo R. Ferrari
 
Pedagogia diferenciada
Pedagogia diferenciadaPedagogia diferenciada
Pedagogia diferenciada
CentroEnsEspecial
 
Aula 11 qualidade de água
Aula 11   qualidade de águaAula 11   qualidade de água
Aula 11 qualidade de água
Suely Machado
 
Projeto escritores da liberdade therezinha
Projeto escritores da liberdade  therezinhaProjeto escritores da liberdade  therezinha
Projeto escritores da liberdade therezinha
mayconcac
 
Bases para projetos estruturais na arquitetura (yopanan conrado pereira rebello)
Bases para projetos estruturais na arquitetura (yopanan conrado pereira rebello)Bases para projetos estruturais na arquitetura (yopanan conrado pereira rebello)
Bases para projetos estruturais na arquitetura (yopanan conrado pereira rebello)
ErikaZan
 
Construções sustentáveis
Construções sustentáveisConstruções sustentáveis
Construções sustentáveis
Master Ambiental
 
Sistema de gestão ambiental
Sistema de gestão ambientalSistema de gestão ambiental
Sistema de gestão ambiental
luigicanova
 
R.U.P. - Razão Unitária de Produção na Construção Civil
R.U.P. - Razão Unitária de Produção na Construção CivilR.U.P. - Razão Unitária de Produção na Construção Civil
R.U.P. - Razão Unitária de Produção na Construção Civil
Bruno Ferreira
 
Apresentação sobre cyberbullying
Apresentação sobre cyberbullyingApresentação sobre cyberbullying
Apresentação sobre cyberbullying
crbmonteiro
 
Medidas de Vazão Através de Vertedores
Medidas de Vazão Através de VertedoresMedidas de Vazão Através de Vertedores
Medidas de Vazão Através de Vertedores
Danilo Max
 
16 gestao ambiental
16 gestao ambiental16 gestao ambiental
16 gestao ambiental
Adonias Paulo da Silva
 
Como Implantar a Responsabilidade Social nas Empresas - Dialogus Consultoria
Como Implantar a Responsabilidade Social nas Empresas - Dialogus ConsultoriaComo Implantar a Responsabilidade Social nas Empresas - Dialogus Consultoria
Como Implantar a Responsabilidade Social nas Empresas - Dialogus Consultoria
Dialogus Consultoria
 
POWERPOINT SOBRE SIGURANÇA INTERNET
POWERPOINT SOBRE SIGURANÇA INTERNETPOWERPOINT SOBRE SIGURANÇA INTERNET
POWERPOINT SOBRE SIGURANÇA INTERNET
TEODORO SOARES
 
Reserva biológica
Reserva biológicaReserva biológica
Reserva biológica
Ítalo Vieira
 
Endereços IP
Endereços IPEndereços IP
Endereços IP
Ivo Cuco
 
Projeto de pesquisa 1
Projeto de pesquisa 1Projeto de pesquisa 1
Projeto de pesquisa 1
Felipe Pereira
 
Poluição da Água
Poluição da ÁguaPoluição da Água
Poluição da Água
Lyssa Martins
 
Levantamento de Aspectos e Impactos Ambientais
Levantamento de Aspectos e Impactos AmbientaisLevantamento de Aspectos e Impactos Ambientais
Levantamento de Aspectos e Impactos Ambientais
Templum Consultoria Online
 
CONTROLE E FORMAS DE TRATAMENTO DO LIXO
CONTROLE E FORMAS DE TRATAMENTO DO LIXOCONTROLE E FORMAS DE TRATAMENTO DO LIXO
CONTROLE E FORMAS DE TRATAMENTO DO LIXO
Elyda Santos
 
Engenharia de Produção - Gestão ambiental - Sustentabilidade
Engenharia de Produção - Gestão ambiental - SustentabilidadeEngenharia de Produção - Gestão ambiental - Sustentabilidade
Engenharia de Produção - Gestão ambiental - Sustentabilidade
Fernando Alves
 

Mais procurados (20)

Desenvolvimento sustentável
Desenvolvimento sustentávelDesenvolvimento sustentável
Desenvolvimento sustentável
 
Pedagogia diferenciada
Pedagogia diferenciadaPedagogia diferenciada
Pedagogia diferenciada
 
Aula 11 qualidade de água
Aula 11   qualidade de águaAula 11   qualidade de água
Aula 11 qualidade de água
 
Projeto escritores da liberdade therezinha
Projeto escritores da liberdade  therezinhaProjeto escritores da liberdade  therezinha
Projeto escritores da liberdade therezinha
 
Bases para projetos estruturais na arquitetura (yopanan conrado pereira rebello)
Bases para projetos estruturais na arquitetura (yopanan conrado pereira rebello)Bases para projetos estruturais na arquitetura (yopanan conrado pereira rebello)
Bases para projetos estruturais na arquitetura (yopanan conrado pereira rebello)
 
Construções sustentáveis
Construções sustentáveisConstruções sustentáveis
Construções sustentáveis
 
Sistema de gestão ambiental
Sistema de gestão ambientalSistema de gestão ambiental
Sistema de gestão ambiental
 
R.U.P. - Razão Unitária de Produção na Construção Civil
R.U.P. - Razão Unitária de Produção na Construção CivilR.U.P. - Razão Unitária de Produção na Construção Civil
R.U.P. - Razão Unitária de Produção na Construção Civil
 
Apresentação sobre cyberbullying
Apresentação sobre cyberbullyingApresentação sobre cyberbullying
Apresentação sobre cyberbullying
 
Medidas de Vazão Através de Vertedores
Medidas de Vazão Através de VertedoresMedidas de Vazão Através de Vertedores
Medidas de Vazão Através de Vertedores
 
16 gestao ambiental
16 gestao ambiental16 gestao ambiental
16 gestao ambiental
 
Como Implantar a Responsabilidade Social nas Empresas - Dialogus Consultoria
Como Implantar a Responsabilidade Social nas Empresas - Dialogus ConsultoriaComo Implantar a Responsabilidade Social nas Empresas - Dialogus Consultoria
Como Implantar a Responsabilidade Social nas Empresas - Dialogus Consultoria
 
POWERPOINT SOBRE SIGURANÇA INTERNET
POWERPOINT SOBRE SIGURANÇA INTERNETPOWERPOINT SOBRE SIGURANÇA INTERNET
POWERPOINT SOBRE SIGURANÇA INTERNET
 
Reserva biológica
Reserva biológicaReserva biológica
Reserva biológica
 
Endereços IP
Endereços IPEndereços IP
Endereços IP
 
Projeto de pesquisa 1
Projeto de pesquisa 1Projeto de pesquisa 1
Projeto de pesquisa 1
 
Poluição da Água
Poluição da ÁguaPoluição da Água
Poluição da Água
 
Levantamento de Aspectos e Impactos Ambientais
Levantamento de Aspectos e Impactos AmbientaisLevantamento de Aspectos e Impactos Ambientais
Levantamento de Aspectos e Impactos Ambientais
 
CONTROLE E FORMAS DE TRATAMENTO DO LIXO
CONTROLE E FORMAS DE TRATAMENTO DO LIXOCONTROLE E FORMAS DE TRATAMENTO DO LIXO
CONTROLE E FORMAS DE TRATAMENTO DO LIXO
 
Engenharia de Produção - Gestão ambiental - Sustentabilidade
Engenharia de Produção - Gestão ambiental - SustentabilidadeEngenharia de Produção - Gestão ambiental - Sustentabilidade
Engenharia de Produção - Gestão ambiental - Sustentabilidade
 

Destaque

Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
tecnicosistemas2015
 
Areas de la Inteligencia Artificial: ROBÓTICA
Areas de la Inteligencia Artificial: ROBÓTICAAreas de la Inteligencia Artificial: ROBÓTICA
Areas de la Inteligencia Artificial: ROBÓTICA
pikogh
 
INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL
danielsantiago01
 
Introdução à Inteligência Artificial
Introdução à Inteligência ArtificialIntrodução à Inteligência Artificial
Introdução à Inteligência Artificial
António Oliveira
 
Inteligencia Artificial - Linguistica
Inteligencia Artificial - LinguisticaInteligencia Artificial - Linguistica
Inteligencia Artificial - Linguistica
Toni Esteves
 
INTRODUCCION A LA ROBOTICA
INTRODUCCION A LA ROBOTICAINTRODUCCION A LA ROBOTICA
INTRODUCCION A LA ROBOTICA
deinisvergara
 
aplicação da inteligencia artificial aos jogos
aplicação da inteligencia artificial aos jogosaplicação da inteligencia artificial aos jogos
aplicação da inteligencia artificial aos jogos
Juliana Lemos
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
menamigue
 
Técnicas de inteligência artificial em jogos eletrônicoss
Técnicas de inteligência artificial em jogos eletrônicossTécnicas de inteligência artificial em jogos eletrônicoss
Técnicas de inteligência artificial em jogos eletrônicoss
Roger Ritter
 
Inteligência artificial aplicada a jogos
Inteligência artificial aplicada a jogosInteligência artificial aplicada a jogos
Inteligência artificial aplicada a jogos
Rafael Sakurai
 
Inteligência Artificial
Inteligência ArtificialInteligência Artificial
Inteligência Artificial
Daniela França
 
Inteligência Artificial e suas aplicações - A experiência do TECPAR
Inteligência Artificial e suas aplicações - A experiência do TECPARInteligência Artificial e suas aplicações - A experiência do TECPAR
Inteligência Artificial e suas aplicações - A experiência do TECPAR
Bruno Campagnolo
 
Inteligência Artificial
Inteligência ArtificialInteligência Artificial
Inteligência Artificial
NEO Empresarial
 

Destaque (13)

Inteligencia artificial
Inteligencia artificialInteligencia artificial
Inteligencia artificial
 
Areas de la Inteligencia Artificial: ROBÓTICA
Areas de la Inteligencia Artificial: ROBÓTICAAreas de la Inteligencia Artificial: ROBÓTICA
Areas de la Inteligencia Artificial: ROBÓTICA
 
INTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIALINTELIGENCIA ARTIFICIAL
INTELIGENCIA ARTIFICIAL
 
Introdução à Inteligência Artificial
Introdução à Inteligência ArtificialIntrodução à Inteligência Artificial
Introdução à Inteligência Artificial
 
Inteligencia Artificial - Linguistica
Inteligencia Artificial - LinguisticaInteligencia Artificial - Linguistica
Inteligencia Artificial - Linguistica
 
INTRODUCCION A LA ROBOTICA
INTRODUCCION A LA ROBOTICAINTRODUCCION A LA ROBOTICA
INTRODUCCION A LA ROBOTICA
 
aplicação da inteligencia artificial aos jogos
aplicação da inteligencia artificial aos jogosaplicação da inteligencia artificial aos jogos
aplicação da inteligencia artificial aos jogos
 
Inteligencia Artificial
Inteligencia ArtificialInteligencia Artificial
Inteligencia Artificial
 
Técnicas de inteligência artificial em jogos eletrônicoss
Técnicas de inteligência artificial em jogos eletrônicossTécnicas de inteligência artificial em jogos eletrônicoss
Técnicas de inteligência artificial em jogos eletrônicoss
 
Inteligência artificial aplicada a jogos
Inteligência artificial aplicada a jogosInteligência artificial aplicada a jogos
Inteligência artificial aplicada a jogos
 
Inteligência Artificial
Inteligência ArtificialInteligência Artificial
Inteligência Artificial
 
Inteligência Artificial e suas aplicações - A experiência do TECPAR
Inteligência Artificial e suas aplicações - A experiência do TECPARInteligência Artificial e suas aplicações - A experiência do TECPAR
Inteligência Artificial e suas aplicações - A experiência do TECPAR
 
Inteligência Artificial
Inteligência ArtificialInteligência Artificial
Inteligência Artificial
 

Semelhante a Inteligência artificial aplicada à construção de modelos ecológicos

2006: Computação Bioinspirada - Novas Perspectivas para Pesquisa em Biologia
2006: Computação Bioinspirada - Novas Perspectivas para Pesquisa em Biologia2006: Computação Bioinspirada - Novas Perspectivas para Pesquisa em Biologia
2006: Computação Bioinspirada - Novas Perspectivas para Pesquisa em Biologia
Leandro de Castro
 
Automação baseada em comportamento
Automação baseada em comportamentoAutomação baseada em comportamento
Automação baseada em comportamento
Alberto Laurentino
 
Abordagem sistêmica da administração
Abordagem sistêmica da administração Abordagem sistêmica da administração
Abordagem sistêmica da administração
admetz01
 
Cap 1
Cap 1Cap 1
Cap 1
UFRJ
 
analise de projeto de sistema - curso técnico em informatica
analise de projeto de sistema - curso técnico em informaticaanalise de projeto de sistema - curso técnico em informatica
analise de projeto de sistema - curso técnico em informatica
RicaelSpirandeliRoch
 
Engenharia do Conhecimento e Inteligência Artificial - Aula 1/3
Engenharia do Conhecimento e Inteligência Artificial - Aula 1/3Engenharia do Conhecimento e Inteligência Artificial - Aula 1/3
Engenharia do Conhecimento e Inteligência Artificial - Aula 1/3
Roberto C. S. Pacheco
 
Introdução à Análise de Sistemas
Introdução à Análise de SistemasIntrodução à Análise de Sistemas
Introdução à Análise de Sistemas
Nécio de Lima Veras
 
Teoria Geral de Sistemas e Cibernética
Teoria Geral de Sistemas e CibernéticaTeoria Geral de Sistemas e Cibernética
Teoria Geral de Sistemas e Cibernética
UerjFundamentosDaAdministracao2013_1
 
Inteligência artificial para sistemas colaborativos
Inteligência artificial para sistemas colaborativosInteligência artificial para sistemas colaborativos
Inteligência artificial para sistemas colaborativos
Rodrigo de Oliveira
 
Introdução ao sistemismo bungeano aplicado à engenharia do conhecimento
Introdução ao sistemismo bungeano aplicado à engenharia do conhecimentoIntrodução ao sistemismo bungeano aplicado à engenharia do conhecimento
Introdução ao sistemismo bungeano aplicado à engenharia do conhecimento
Vinícius M. Kern
 
Representando a computação autonômica por meio da engenharia ontológica
Representando a computação autonômica por meio da engenharia ontológica Representando a computação autonômica por meio da engenharia ontológica
Representando a computação autonômica por meio da engenharia ontológica
Leonardo Sepulcri
 
2004: Computação Natural (Cybertecnica)
2004: Computação Natural (Cybertecnica)2004: Computação Natural (Cybertecnica)
2004: Computação Natural (Cybertecnica)
Leandro de Castro
 
Modelagem
Modelagem Modelagem
Modelagem
unesp
 
Sistemas Sociais Complexos
Sistemas Sociais ComplexosSistemas Sociais Complexos
Sistemas Sociais Complexos
Francisco Restivo
 
Abordagem sistêmica
Abordagem sistêmicaAbordagem sistêmica
Abordagem sistêmica
Carol Nóbrega
 
Analise sistemas 01
Analise sistemas 01Analise sistemas 01
Analise sistemas 01
Caroline Raquel Rodrigues
 
Sistemas Cognitivos
Sistemas CognitivosSistemas Cognitivos
Sistemas Cognitivos
Igor José F. Freitas
 
O sistemismo de Bunge: fundamentos, abordagem metodológica e aplicação a sist...
O sistemismo de Bunge: fundamentos, abordagem metodológica e aplicação a sist...O sistemismo de Bunge: fundamentos, abordagem metodológica e aplicação a sist...
O sistemismo de Bunge: fundamentos, abordagem metodológica e aplicação a sist...
Vinícius M. Kern
 
Análise da Dispersão dos Esforços dos Funcionários
Análise da Dispersão dos Esforços dos FuncionáriosAnálise da Dispersão dos Esforços dos Funcionários
Análise da Dispersão dos Esforços dos Funcionários
Guttenberg Ferreira Passos
 
Aula 01 – aps
Aula 01 – apsAula 01 – aps
Aula 01 – aps
Mariana Oliveira Santos
 

Semelhante a Inteligência artificial aplicada à construção de modelos ecológicos (20)

2006: Computação Bioinspirada - Novas Perspectivas para Pesquisa em Biologia
2006: Computação Bioinspirada - Novas Perspectivas para Pesquisa em Biologia2006: Computação Bioinspirada - Novas Perspectivas para Pesquisa em Biologia
2006: Computação Bioinspirada - Novas Perspectivas para Pesquisa em Biologia
 
Automação baseada em comportamento
Automação baseada em comportamentoAutomação baseada em comportamento
Automação baseada em comportamento
 
Abordagem sistêmica da administração
Abordagem sistêmica da administração Abordagem sistêmica da administração
Abordagem sistêmica da administração
 
Cap 1
Cap 1Cap 1
Cap 1
 
analise de projeto de sistema - curso técnico em informatica
analise de projeto de sistema - curso técnico em informaticaanalise de projeto de sistema - curso técnico em informatica
analise de projeto de sistema - curso técnico em informatica
 
Engenharia do Conhecimento e Inteligência Artificial - Aula 1/3
Engenharia do Conhecimento e Inteligência Artificial - Aula 1/3Engenharia do Conhecimento e Inteligência Artificial - Aula 1/3
Engenharia do Conhecimento e Inteligência Artificial - Aula 1/3
 
Introdução à Análise de Sistemas
Introdução à Análise de SistemasIntrodução à Análise de Sistemas
Introdução à Análise de Sistemas
 
Teoria Geral de Sistemas e Cibernética
Teoria Geral de Sistemas e CibernéticaTeoria Geral de Sistemas e Cibernética
Teoria Geral de Sistemas e Cibernética
 
Inteligência artificial para sistemas colaborativos
Inteligência artificial para sistemas colaborativosInteligência artificial para sistemas colaborativos
Inteligência artificial para sistemas colaborativos
 
Introdução ao sistemismo bungeano aplicado à engenharia do conhecimento
Introdução ao sistemismo bungeano aplicado à engenharia do conhecimentoIntrodução ao sistemismo bungeano aplicado à engenharia do conhecimento
Introdução ao sistemismo bungeano aplicado à engenharia do conhecimento
 
Representando a computação autonômica por meio da engenharia ontológica
Representando a computação autonômica por meio da engenharia ontológica Representando a computação autonômica por meio da engenharia ontológica
Representando a computação autonômica por meio da engenharia ontológica
 
2004: Computação Natural (Cybertecnica)
2004: Computação Natural (Cybertecnica)2004: Computação Natural (Cybertecnica)
2004: Computação Natural (Cybertecnica)
 
Modelagem
Modelagem Modelagem
Modelagem
 
Sistemas Sociais Complexos
Sistemas Sociais ComplexosSistemas Sociais Complexos
Sistemas Sociais Complexos
 
Abordagem sistêmica
Abordagem sistêmicaAbordagem sistêmica
Abordagem sistêmica
 
Analise sistemas 01
Analise sistemas 01Analise sistemas 01
Analise sistemas 01
 
Sistemas Cognitivos
Sistemas CognitivosSistemas Cognitivos
Sistemas Cognitivos
 
O sistemismo de Bunge: fundamentos, abordagem metodológica e aplicação a sist...
O sistemismo de Bunge: fundamentos, abordagem metodológica e aplicação a sist...O sistemismo de Bunge: fundamentos, abordagem metodológica e aplicação a sist...
O sistemismo de Bunge: fundamentos, abordagem metodológica e aplicação a sist...
 
Análise da Dispersão dos Esforços dos Funcionários
Análise da Dispersão dos Esforços dos FuncionáriosAnálise da Dispersão dos Esforços dos Funcionários
Análise da Dispersão dos Esforços dos Funcionários
 
Aula 01 – aps
Aula 01 – apsAula 01 – aps
Aula 01 – aps
 

Último

Aula Aberta_Avaliação Digital no ensino basico e secundário.pdf
Aula Aberta_Avaliação Digital no ensino basico e secundário.pdfAula Aberta_Avaliação Digital no ensino basico e secundário.pdf
Aula Aberta_Avaliação Digital no ensino basico e secundário.pdf
Marília Pacheco
 
Aula04A-Potencia em CA eletricidade USP.pdf
Aula04A-Potencia em CA eletricidade USP.pdfAula04A-Potencia em CA eletricidade USP.pdf
Aula04A-Potencia em CA eletricidade USP.pdf
vitorreissouzasilva
 
Resumo de Química 10º ano Estudo exames nacionais
Resumo de Química 10º ano Estudo exames nacionaisResumo de Química 10º ano Estudo exames nacionais
Resumo de Química 10º ano Estudo exames nacionais
beatrizsilva525654
 
Como montar o mapa conceitual editado.pdf
Como montar o mapa conceitual editado.pdfComo montar o mapa conceitual editado.pdf
Como montar o mapa conceitual editado.pdf
AlineOliveira625820
 
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
fran0410
 
As sequências didáticas: práticas educativas
As sequências didáticas: práticas educativasAs sequências didáticas: práticas educativas
As sequências didáticas: práticas educativas
rloureiro1
 
TUTORIAL PARA LANÇAMENTOGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG
TUTORIAL PARA LANÇAMENTOGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGTUTORIAL PARA LANÇAMENTOGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG
TUTORIAL PARA LANÇAMENTOGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG
ProfessoraTatianaT
 
Gênero Textual sobre Crônicas, 8º e 9º
Gênero Textual sobre Crônicas,  8º e  9ºGênero Textual sobre Crônicas,  8º e  9º
Gênero Textual sobre Crônicas, 8º e 9º
sjcelsorocha
 
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇOPALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
ARIADNEMARTINSDACRUZ
 
Slides Lição 12, Betel, Ordenança para amar o próximo, 2Tr24.pptx
Slides Lição 12, Betel, Ordenança para amar o próximo, 2Tr24.pptxSlides Lição 12, Betel, Ordenança para amar o próximo, 2Tr24.pptx
Slides Lição 12, Betel, Ordenança para amar o próximo, 2Tr24.pptx
LuizHenriquedeAlmeid6
 
Cartinhas de solidariedade e esperança.pptx
Cartinhas de solidariedade e esperança.pptxCartinhas de solidariedade e esperança.pptx
Cartinhas de solidariedade e esperança.pptx
Zenir Carmen Bez Trombeta
 
FUNCAO EQUAÇÃO DO 2° GRAU SLIDES AULA 1.ppt
FUNCAO EQUAÇÃO DO 2° GRAU SLIDES AULA 1.pptFUNCAO EQUAÇÃO DO 2° GRAU SLIDES AULA 1.ppt
FUNCAO EQUAÇÃO DO 2° GRAU SLIDES AULA 1.ppt
MarceloMonteiro213738
 
Psicologia e Sociologia - Módulo 2 – Sociedade e indivíduo.pptx
Psicologia e Sociologia - Módulo 2 – Sociedade e indivíduo.pptxPsicologia e Sociologia - Módulo 2 – Sociedade e indivíduo.pptx
Psicologia e Sociologia - Módulo 2 – Sociedade e indivíduo.pptx
TiagoLouro8
 
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdfUFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
Manuais Formação
 
filosofia e Direito- É a teoria que explica como a sociedade se organizou co...
filosofia e Direito- É a teoria que explica como a sociedade se organizou  co...filosofia e Direito- É a teoria que explica como a sociedade se organizou  co...
filosofia e Direito- É a teoria que explica como a sociedade se organizou co...
SidneySilva523387
 
PP Slides Lição 11, Betel, Ordenança para exercer a fé, 2Tr24.pptx
PP Slides Lição 11, Betel, Ordenança para exercer a fé, 2Tr24.pptxPP Slides Lição 11, Betel, Ordenança para exercer a fé, 2Tr24.pptx
PP Slides Lição 11, Betel, Ordenança para exercer a fé, 2Tr24.pptx
LuizHenriquedeAlmeid6
 
AUTISMO LEGAL - DIREITOS DOS AUTISTAS- LEGISLAÇÃO
AUTISMO LEGAL - DIREITOS DOS AUTISTAS- LEGISLAÇÃOAUTISMO LEGAL - DIREITOS DOS AUTISTAS- LEGISLAÇÃO
AUTISMO LEGAL - DIREITOS DOS AUTISTAS- LEGISLAÇÃO
FernandaOliveira758273
 
Exercicios de Word Básico para a aulas de informatica Basica
Exercicios de Word Básico para a aulas de informatica BasicaExercicios de Word Básico para a aulas de informatica Basica
Exercicios de Word Básico para a aulas de informatica Basica
ElinarioCosta
 
Aula de fundamentos de Programação Orientada a Objeto na linguagem de program...
Aula de fundamentos de Programação Orientada a Objeto na linguagem de program...Aula de fundamentos de Programação Orientada a Objeto na linguagem de program...
Aula de fundamentos de Programação Orientada a Objeto na linguagem de program...
samucajaime015
 
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdfMAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
GracinhaSantos6
 

Último (20)

Aula Aberta_Avaliação Digital no ensino basico e secundário.pdf
Aula Aberta_Avaliação Digital no ensino basico e secundário.pdfAula Aberta_Avaliação Digital no ensino basico e secundário.pdf
Aula Aberta_Avaliação Digital no ensino basico e secundário.pdf
 
Aula04A-Potencia em CA eletricidade USP.pdf
Aula04A-Potencia em CA eletricidade USP.pdfAula04A-Potencia em CA eletricidade USP.pdf
Aula04A-Potencia em CA eletricidade USP.pdf
 
Resumo de Química 10º ano Estudo exames nacionais
Resumo de Química 10º ano Estudo exames nacionaisResumo de Química 10º ano Estudo exames nacionais
Resumo de Química 10º ano Estudo exames nacionais
 
Como montar o mapa conceitual editado.pdf
Como montar o mapa conceitual editado.pdfComo montar o mapa conceitual editado.pdf
Como montar o mapa conceitual editado.pdf
 
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
Telepsiquismo Utilize seu poder extrassensorial para atrair prosperidade (Jos...
 
As sequências didáticas: práticas educativas
As sequências didáticas: práticas educativasAs sequências didáticas: práticas educativas
As sequências didáticas: práticas educativas
 
TUTORIAL PARA LANÇAMENTOGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG
TUTORIAL PARA LANÇAMENTOGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGTUTORIAL PARA LANÇAMENTOGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG
TUTORIAL PARA LANÇAMENTOGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGGG
 
Gênero Textual sobre Crônicas, 8º e 9º
Gênero Textual sobre Crônicas,  8º e  9ºGênero Textual sobre Crônicas,  8º e  9º
Gênero Textual sobre Crônicas, 8º e 9º
 
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇOPALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
PALAVRA SECRETA - ALFABETIZAÇÃO- REFORÇO
 
Slides Lição 12, Betel, Ordenança para amar o próximo, 2Tr24.pptx
Slides Lição 12, Betel, Ordenança para amar o próximo, 2Tr24.pptxSlides Lição 12, Betel, Ordenança para amar o próximo, 2Tr24.pptx
Slides Lição 12, Betel, Ordenança para amar o próximo, 2Tr24.pptx
 
Cartinhas de solidariedade e esperança.pptx
Cartinhas de solidariedade e esperança.pptxCartinhas de solidariedade e esperança.pptx
Cartinhas de solidariedade e esperança.pptx
 
FUNCAO EQUAÇÃO DO 2° GRAU SLIDES AULA 1.ppt
FUNCAO EQUAÇÃO DO 2° GRAU SLIDES AULA 1.pptFUNCAO EQUAÇÃO DO 2° GRAU SLIDES AULA 1.ppt
FUNCAO EQUAÇÃO DO 2° GRAU SLIDES AULA 1.ppt
 
Psicologia e Sociologia - Módulo 2 – Sociedade e indivíduo.pptx
Psicologia e Sociologia - Módulo 2 – Sociedade e indivíduo.pptxPsicologia e Sociologia - Módulo 2 – Sociedade e indivíduo.pptx
Psicologia e Sociologia - Módulo 2 – Sociedade e indivíduo.pptx
 
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdfUFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
UFCD_4667_Preparação e confeção de molhos e fundos de cozinha_índice.pdf
 
filosofia e Direito- É a teoria que explica como a sociedade se organizou co...
filosofia e Direito- É a teoria que explica como a sociedade se organizou  co...filosofia e Direito- É a teoria que explica como a sociedade se organizou  co...
filosofia e Direito- É a teoria que explica como a sociedade se organizou co...
 
PP Slides Lição 11, Betel, Ordenança para exercer a fé, 2Tr24.pptx
PP Slides Lição 11, Betel, Ordenança para exercer a fé, 2Tr24.pptxPP Slides Lição 11, Betel, Ordenança para exercer a fé, 2Tr24.pptx
PP Slides Lição 11, Betel, Ordenança para exercer a fé, 2Tr24.pptx
 
AUTISMO LEGAL - DIREITOS DOS AUTISTAS- LEGISLAÇÃO
AUTISMO LEGAL - DIREITOS DOS AUTISTAS- LEGISLAÇÃOAUTISMO LEGAL - DIREITOS DOS AUTISTAS- LEGISLAÇÃO
AUTISMO LEGAL - DIREITOS DOS AUTISTAS- LEGISLAÇÃO
 
Exercicios de Word Básico para a aulas de informatica Basica
Exercicios de Word Básico para a aulas de informatica BasicaExercicios de Word Básico para a aulas de informatica Basica
Exercicios de Word Básico para a aulas de informatica Basica
 
Aula de fundamentos de Programação Orientada a Objeto na linguagem de program...
Aula de fundamentos de Programação Orientada a Objeto na linguagem de program...Aula de fundamentos de Programação Orientada a Objeto na linguagem de program...
Aula de fundamentos de Programação Orientada a Objeto na linguagem de program...
 
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdfMAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
MAPAS MENTAIS Conhecimentos Pedagógicos - ATUALIZADO 2024 PROF. Fernanda.pdf
 

Inteligência artificial aplicada à construção de modelos ecológicos

  • 1. Inteligência Artificial Aplicada à Construção de Modelos Ecológicos Mini-Curso Semana da Biologia da UnB Prof. Dr. Paulo Salles e Adriano Souza
  • 2. Programa  Objetivos do Mini-curso  Parte I – Introdução  Definições de Inteligência Artificial (IA) e modelos  Modelagem e o potencial de uso da IA para estudos de ecologia  Parte II – Discussão de aplicações de IA em modelagem ecológica  Algumas técnicas de IA aplicadas em ecologia (Sistemas Dinâmicos, Redes Neurais Artificiais, Algoritmos Genéticos, Fuzzy Logic, Raciocínio Qualitativo)  Parte III - Exercícios sobre como construir modelos ecológicos, utilizando o software DynaLearn (www.dynalearn.eu).  Modelos Qualitativos (DynaLearn)  Padrões de modelos  Construção de modelos em DynaLearn  Discussão
  • 3. Objetivos do Minicurso  Discutir alguns dos mais importantes paradigmas de modelagem ecológica baseados em Inteligência Artificial;  Demostrar, por meio de atividades práticas, como construir modelos para representar problemas ecológicos.
  • 4. Definição de Inteligência Artificial  É a teoria e desenvolvimento de sistemas computacionais capazes de realizar tarefas que normalmente requerem inteligência humana, tais como percepção visual, reconhecimento de linguagem, tomada de decisão, e tradução entre linguagens.
  • 5. MaioresproblemasdaIA Raciocínio Representação de conhecimento Planejamento e agendamento automatizado Aprendizagem de máquina Processamento de linguagem natural Visão computacional Robótica Inteligência Geral ou IA Forte Abordagens Tradicionais * Busca de algoritmos * Lógica Abordagens modernas * Redes Neurais * Redes Bayesianas * Algoritmos evolutivos
  • 6. Então, qual é o significado ou importância da IA para a ecologia e para os ecólogos?
  • 7. E na Ecologia? Inteligência Artificial Representação de conhecimento Correspondência de Padrões Inferência Busca Sistemas Especialistas Sistemas de bases de dados Inteligentes Modelagem em IA Robótica Visão e processamento de imagem Entendimento de Sistemas Complexos Processamento de linguagem natural Raciocínio computacional e comprovação de teoremas ... Manejo de recursos naturais Escopo de áreas de aplicação da IA como aplicada ao MRN. Adaptado de Coulson et al. (1987)
  • 8.
  • 9. 1987 Coulson et al. Sistemas especialistas para solução de problemas e tomada de decisão Sistemas de Informação Geográfica Inteligentes Modelos de IA de comportamento animal e ecologia Object-oriented paradigma 1989 Rykiel Modelagem e simulação Integração de conhecimento qualitativo e quantitativo Desenvolvimento teórico 1998 Struss Desenvolvimento e uso de modelos aprimorados Modelagem conceitual e solução de problemas Modelagem qualitativa e sistemas baseados em modelos É necessário uma aproximação na colaboração entre especialista de um domínio e pesquisadores de Inteligência Artificial para o desenvolvimento de soluções para problemas específicos
  • 10. E na Ecologia? 3 maneiras em que as tecnologias de IA podem ser úteis para o desenvolvimento teórico: Organização de bases de conhecimento compatíveis com computadores, incluindo conhecimento qualitativo e quantitativo; Avaliação rápida de pressupostos, hipóteses ou outras ideias em um contexto teórico; Determinar as consequências e a consistência lógica de longas e complicadas trajetórias de raciocínio ecológico. Rykiel (1989)
  • 11. E na Ecologia?  Talvez o impacto mais imediato de tecnologias de IA será na forma como ecólogos organizam, desenvolvem e implementam modelos.  Um ambiente computacional ecológico deve permitir que o ecólogo pense muito mais no problema ecológico e muito menos na mecânica computacional. Rykiel (1989)
  • 12. Antes de continuar precisamos saber o que é um modelo!  Palpites?
  • 13. Modelo  Modelos são representações formais, abstratas e manipuláveis de sistemas físicos, a partir dos quais pode- se fazer simulações do comportamento do sistema na realidade e estabelecer comunicação entre pessoas que dominem a linguagem usada para a modelagem. Sistema  É uma unidade que consiste de um ou mais elementos (objetos) estruturalmente conectados, cujos estados dependem uns dos outros.  Portanto, são componentes essenciais de um sistema os OBJETOS e a ESTRUTURA.  Exs.: o sistema digestivo humano, uma bicicleta Definições de Modelo e Sistema
  • 14. S1 S4 S3 S2 SISTEMA ALÇAS DE RETROALIMENTAÇÃO Ambiente BORDA DO SISTEMA ESTRUTURA DO SISTEMA ELEMENTOS DO SISTEMA ENTRADA NO SISTEMA SAÍDA NO SISTEMA Conceitos básicos de um sistema e seu ambiente. Adaptado de Bossel (1986)
  • 15. A finalidade do sistema Um sistema tem uma finalidade (ou pode-se atribuir uma finalidade a ele): Recebe algum input do ambiente, realiza alguma transformação nesse input e produz algum output. Portanto, o desenvolvimento de certos estados é mais provável do que de outros estados.
  • 16. Um modelo deve ter uma finalidade  A construção de um modelo é uma atividade seletiva, parcialmente subjetiva, que se baseia na experiência, em evidências empíricas, julgamentos, intuições.  A seleção dos elementos e das relações estruturais mais importantes dependerá dos objetivos da análise do sistema.  Um modelo deve ter, portanto, uma finalidade.  Estudo de uma floresta para fins econômicos e  Estudo sobre a sucessão na floresta requerem análises diferentes.  Para finalidades diferentes, devem ser construídos modelos
  • 17. Para que construir modelos? Construir e usar modelos contribui para… Compreender a estrutura do sistema; Predizer o comportamento do sistema; Controlar variáveis para obter determinados resultados.
  • 18. Como modelos podem ser usados?  Pesquisa científica;  Tomada de decisões e manejo;  Aplicações educacionais e treinamento. Cada uso tem requisitos diferentes.
  • 19. Modelos em ecologia Construir modelos em ecologia é tarefa complexa, porque... 1. Conhecimentos ecológicos são heterogêneos, incluem tanto conhecimentos qualitativos como quantitativos; 2. É difícil coletar dados e fazer experimentos; 3. Os dados disponíveis são incompletos, inexatos, incertos e expressos em termos qualitativos; 4. Os fundamentos teóricos e as leis (ou first principles) ainda estão em desenvolvimento.  Novas abordagens para a modelagem ecológica são necessárias!
  • 20. Modelos em ecologia A maior parte dos modelos usados em ecologia pertencem a duas classes:  Modelos Estatísticos  resultam em demonstrações de relações empíricas entre fatores ecológicos (parâmetros);  embora úteis e importantes, não conseguem capturar a complexidade dos sistemas ecológicos.  Modelos Estruturais  usados como meio de generalizar o entendimento sobre a estrutura e o funcionamento de sistemas ecológicos;  aumentam a capacidade de fazer previsões sobre o comportamento e de controlar tais sistemas.
  • 23. Abordagens da IA em Ecologia Dinâmica de Sistemas Lógica Difusa (Fuzzy Logic) Algoritmos Genéticos Redes Neurais Artificiais Raciocínio Qualitativo É uma abordagem para entender o comportamento de sistemas complexos no tempo. Ele lida com ciclos de retroalimentação interna e atrasos que afetam o comportamento do sistema como um todo.
  • 24. A Dinâmica de Sistemas é um bom paradigma para modelagem ecológica por que... 1. Constrói-se em conceitos existentes 2. É diagramático 3. É amplamente usado 4. Estimula uma abordagem em camadas  Estrutura conceitual antes dos detalhes matemáticos 5. Se aplica a uma ampla variedade de problemas ambientais e ecológicos
  • 26. Um ecosistema simples Grama Veado campeiro CO2 Árvore CO2 Simples ecossistema em que o carbono move-se entre os componentes etiquetados
  • 27. Modelo de um ecosistema simples CO2 atmosférico Grama g C Absorção DeCO2 pelasplantas Morte, Excreção, respiração Consumo CO2 Atmosférico, dejetos líquidos e sólidos Veado g C
  • 28. Símbolos de Sistemas Dinâmicos Compartimento Fluxo Nuvem Variável Influência
  • 29. Exemplo: Modelo predador-presa de Lotka e Volterra  Cada presa tem um número constante de descendentes por ano  Cada predador se alimenta de uma proporção constante da população de presas por ano  A reprodução do predador é diretamente proporcional ao consumo de presas  Uma proporção constante da população de predadores morre por ano
  • 30.
  • 31. PARÂMETROS: Coelhos = 5000 Raposas = 45 Reprodução de coelhos = 0.5*coelhos Predação = comidos por raposa*raposa Reprodução de raposas = 0.01*predação Mortalidade de raposas = 0.2*raposas rraposas = 0.01*comidos_por_raposa Comidos por raposa = 0.01*coelhos Modelo Predador-presa construido em SIMILI
  • 33. Crescimento população de árvores Parâmetros: tamanho = 3 crescimento = cr*(1-tamanho/25) cr = rand_const(0.1,0.3) inicial = 5 recrutamento = 2 mortalidade = tamanho>17 total = sum({tamanho}) X = rand_const(0,100) Y = rand_const(0,100)
  • 34. Simulação de modelo quantitativo em SIMILE para crescimento de árvores
  • 35. Abordagens da IA em Ecologia Dinâmica de Sistemas Lógica Difusa (Fuzzy Logic) Algoritmos Genéticos Redes Neurais Artificiais Raciocínio Qualitativo É uma possível maneira de lidar com incerteza, capaz de capturar informações imprecisas, descritas em linguagem natural, e convertê-las para um formato numérico. A Lógica Fuzzy utiliza palavras em vez de números, os valores verdades são expressos linguisticamente: quente, muito frio, verdade, longe, perto, próximo, rápido, vagaroso, médio, normal, muito, pouco, etc. admite valores lógicos intermediários entre o FALSO (0) e o VERDADEIRO (1); por exemplo o valor médio 'TALVEZ' (0,5). Isto significa que um valor lógico difuso é um valor qualquer no intervalo de valores entre 0 e 1
  • 36. Precisão e significância no mundo real Um peso de 1500 kg se aproxima da sua cabeça a 45,3 m/s CUIDADO! Precisão Significado Às vezes tudo o que você precisa saber é aquilo que faz toda a diferença e a lógica difusa é uma boa maneira de conseguir essa informação. Isso vale também para modelos de raciocínio qualitativo! What? LOL
  • 37. Conhecimento Objetivo  Usado na formulação de problemas de Engenharia → modelos matemáticos Conhecimento Subjetivo  Representa a informação linguística que é geralmente impossível de quantificar usando matemática tradicional Definição
  • 38. Exemplo • Esta estrela é azul? – Verdadeiro Qual a melhor resposta? • Este hexágono é azul ? Fuzzy não é probalidade • Fuzzy é associado a possibilidade • Fuzzy é associado a associações parciais • Exemplos: – 10% do conteúdo dessa bebida é um veneno mortal – Aquela bebida tem 10% de chance de ser um veneno mortal – Qual copo você beberia? - Um carro que custa 20 mil reais é barato, o que custa 25 mil é caro! E um carro que custa 23 mil reais? • Este cubo é azul? – Falso Função de pertencimento
  • 39. Porque usar Lógica Fuzzy ?  Grande parte da compreensão humana sobre os acontecimentos dos fatos é imprecisa  Em muitos casos, a precisão pode ser um tanto inútil, enquanto instruções vagas podem ser melhor interpretadas e realizadas  Exemplo de compreensão humana  Invulgar: “Comece a frear 10 metros antes do sinal PARE”  Vulgar: “Comece a frear perto da faixa dos pedestres”  Sistemas Especialistas devem trabalhar com informações vindas do mundo real (muitas delas imprecisas) devem ser capazes de reconhecer, representar, manipular, interpretar e usar imprecisões
  • 40. Em Ecologia  Em muitas situações, principalmente em perícia ambiental, análises de riscos etc., nos deparamos com situações de extrema subjetividade, onde as variáveis envolvidas dependem única e exclusivamente da opinião e da experiência das pessoas envolvidas.  Em se tratando de considerar a experiência e a opinião de especialistas, nos deparamos com situações em que devemos inferir a respeito de variáveis características “dos mundos dos especialistas”:  Muito quente;  Inclinado;  Gravíssimo etc. 40
  • 41. Abordagem de agrupamento difuso para delinear zonas agroecológicas Agrupamento difuso de dados ecológicos difusos Abordagem difusa para avaliação de impacto ambiental Modelagem difusa em dinâmica de populações
  • 42. Abordagens da IA em Ecologia Dinâmica de Sistemas Lógica Difusa (Fuzzy Logic) Algoritmos Genétics Redes Neurais Artificiais Raciocínio Qualitativo São programas computacionais projetados para encontrar o modelo de melhor desempenho através da aplicação de princípios de seleção natural e sobrevivência do mais adaptado
  • 43. Origem  Os algorítimos genético (AG ou GA) foram criados em 1975 por John Holland da Universidade de Michigan, Los Angeles  São modelos computacionais que imitam os mecanismos de “evolução natural”para resolver problemas de otimização.  Os AGs tratam de encontrar a melhor solução de um dado problema entre um conjunto de soluções possíveis.
  • 44. Cria aleatoriamente uma população de soluções Seleciona Indivíduos parentais Produz filhos (Crossover e Mutação) Elimina indivíduos não adaptados Continua até um indivíduo atingir o critério de sucesso (alcançar um r2 > 0,6 para dados medidos versus calculados)
  • 45. Na ecologia...  AG tem sido usado para a otimização de parâmetros, descobertas de equações e procura de padrões.
  • 47.
  • 48. Predições com AG Cenário:  Sustentabilidade;  Mudanças globais;  Uso de pesticidas e fertilizantes;  Introdução de espécies;  Aumento da população humana;  Fronteiras agrícolas. A representação de fenômenos ecológicos é crítica para a predição em sistemas ecológicos.  Black box: O usuario pode inferir as regras do resultado, mas não em detalhes suficientes para fazer generalizações sobre os mecanismos ecológicos que levaram as distribuições preditas
  • 49. A próxima geração AG híbridos  Petel et al. (1998) – AG + Rede Neural  Objetivo: projetar novas moléculas que matariam bactérias.  D’Angelo-Morrall et al. – AG + Estatística de Agrupamento  Objetivo: prever a toxicidade de organismos aquáticos em uma ampla variedade de substâncias chimicas A hibridização é uma nova fronteira dos AGs e tem um grande potencial na modelagem ecológica.
  • 50. Abordagens da IA em Ecologia Dinâmica de Sistemas Lógica Difusa (Fuzzy Logic) Algoritmos Genéticos Redes Neurais Artificiais Raciocínio Qualitativo São programas computacionais projetados para processar informação de forma semelhante ao que ocorre em neurônios biológicos no cérebro humano. Uma rede treinada de maneira razoável tem a habilidade de generalizar quando é apresentada à entradas que não estão presentes em dados já conhecidos por ela. A principal força na estrutura de redes neurais reside em sua habilidades de adaptação e aprendizagem. A habilidade de adaptação e aprendizagem pelo ambiente significa que modelos de redes neurais podem lidar com dados imprecisos e situações não totalmente definidas.
  • 51. Em um neurônio biológico  Recebe diversos sinais de outros neurônios ou terminações nervosas  Os sinais podem ser recebidos com diferentes intensidades (pesos) nas sinapses receptoras  O neurônio soma as entradas  Sob circunstâncias apropriadas (entradas com nível suficiente), o neurônio “dispara” um sinal elétrico (saída)
  • 52. Em um neurônio biológico  A saída de um neurônio pode ser a entrada de diversos outros neurônios (rede)  A memória é distribuída, residindo nas sinapses (nos pesos).  A resposta a um estímulo pode alterar a “força” (o peso) de uma sinapse  aprendizado através de experiência.  Neurotransmissores em uma sinapse podem ser excitatórios ou inibitórios.
  • 53. O diagrama abaixo representa o modelo matemático de um neurônio...
  • 54. Redes Neurais Artificiais Não Supervisionada Kohonen (1989) SOM Feedforward Rummelhardt et al. (1986) Feedback Pineda (1987) Aprendem a classificar dados através do reconhecimento de diferentes padrões sem focar nas saídas desejadas (supervisão) de maneira similar quando uma pessoa está aprendendo a reconhecer o rosto de alguém sem ajuda de um professor Análise de padrões Dados transversais Análise de padrões Séries Temporais Modelagem preditiva Dados transversais Modelagem preditiva Séries Temporais
  • 55. Em síntese  Durante o processo de aprendizagem os neurônios:  organizam-se e tornam-se ordenados entre si  especializam-se em detectar determinadas características dos padrões de entrada  O SOM é, portanto, caracterizado pela:  formação de um mapa topológico dos padrões de entrada  a localização espacial dos neurônios na grade após o aprendizado são indicativas das características estatísticas contidas nos padrões de entrada
  • 56. CAMADA DE ENTRADA ORDENAÇÃO E AGRUPAMENTO DAS ENTRADAS MAPEAMENTO E AGRUPAMENTO DAS ENTRADAS Biomassas de fitoplâncton pesos neurônios
  • 57. >20ªC <=15ªC >15ªC<=20ªC Estudo de caso: Lago Kasumigaura (Japão) Teste de hipóteses sobre a preferência de temperatura de Microcystis e Cyclotella Exemplo de dados transversais
  • 59. Abordagens da IA em Ecologia Dinâmica de Sistemas Redes Neurais Artificiais Algoritmos Genéticos Lógica Difusa (Fuzzy Logic) Raciocínio Qualitativo É uma área da IA que cria representações para as propriedades contínuas do mundo para dar suporte a raciocínio com pouca informação
  • 60. Descreva com 1 palavra o que representa essa figura
  • 61. Motivação  As pessoas tiram conclusões úteis e sutis sobre o mundo físico sem usar nenhum tipo de equação matemática;  Cientistas e engenheiros parecem usar algum tipo de raciocínio qualitativo quando tentam entender um problema e quando estão interpretando os resultados de simulações;  Construir modelos sobre a cognição humana e criar software para robôs requer a compreensão de como se pensa qualitativamente
  • 62. O que queremos dizer com Raciocínio Qualitativo?  O objetivo primário do Raciocínio Qualitativo é  … fazer predições sobre o comportamento de um sistema físico em termos não-numéricos,  … preservando todas as diferenças no comportamento mais importantes de um sistema real,  … dada apenas uma descrição da estrutura do sistema.
  • 63. 1984, ano de ouro do QR  O periódico Artificial Intelligence publica as 3 mais influentes abordagens para RQ:  Centrada nos processos (Forbus, 1984)  Centrada nos componentes (de Kleer e Brown, 1984)  Centrada nas restrições (Kuipers, 1984, 1986)
  • 64. Modelagem composicional  Representar componentes menores e mais simples em modelos parciais (fragmentos de modelo)  e então combinar esse modelos parciais para obter uma descrição mais complexa do sistema.  Assim, pode-se criar diferentes representações do sistema, com diferentes níveis de complexidade. Falkenhainer e Forbus, 1991
  • 65. Basic model patterns 69 Single rate and process Two processes one SV Short network Long network - branching Direct feedback loop double negative Indirect feedback loop negative, long chain Inequality reasoning
  • 70. Building models from texts76 “The impacts of the erosion without control go beyond the environmental area. It includes risks and prejudice to the Brazilian energetic matrix, due to the siltation of the reservoirs of big hydroelectric plants; social impacts due to the rural exodus, economic impacts due to high costs of water treatment for human consumption, and impacts on human health caused by water born diseases.”
  • 71. 77 “The impacts of the erosion without control go beyond the environmental area. It includes risks and prejudice to the Brazilian energetic matrix, due to the siltation of the reservoirs of big hydroelectric plants; social impacts due to the rural exodus, economic impacts due to high costs of water treatment for human consumption, and impacts on human health caused by water born diseases.”
  • 72. 78 “The impacts of the erosion without control go beyond the environmental area. It includes risks and prejudice to the Brazilian energetic matrix, due to the siltation of the reservoirs of big hydroelectric plants; social impacts due to the rural exodus, economic impacts due to high costs of water treatment for human consumption, and impacts on human health caused by water born diseases.”
  • 73. DynaLearn curriculum 79 Transfer to different domains Using ecological principles to organize lessons DYNALEARN Developing specific cognitive and reasoning skills Systems Thinking Model patterns System behaviour patterns How to build advanced models Understanding environmental science topics Interdisciplinarity
  • 74. Concluding remarks DynaLearn a curriculum for environmental science explores themes and relevant topics for the present aiming at the development of cognitive and reasoning skills. The pedagogical approach is learning by modelling, exploring a set of model patterns to get a handle on how to represent domain knowledge in qualitative system dynamics models. One important educational goal to be achieved is the development of learners’ systems thinking. 80

Notas do Editor

  1. Elanão é uma técnica de IA, mas é importante viraqui pela suaestreitarelaçãocom o RQ