São Paulo – A capacidade de processamento e a memória dos computadores
cresceram exponencialmente nos últimos 50 anos, mas a lógica das
máquinas pouco evoluiu. A classe de problemas possíveis de serem
resolvidos foi determinada na década de 1930, quando o primeiro
computador nem sequer havia sido construído. Depois foi descoberto que
há problemas sabidamente fáceis, outros sabidamente difíceis – os
chamados “problemas intratáveis” – e um conjunto cuja real dificuldade é
desconhecida.A avaliação foi feita por Marcelo Finger,
professor do Instituto de Matemática e Estatística da Universidade de
São Paulo (IME-USP), que desde 2009 coordena um Projeto Temático
financiado pela FAPESP cuja meta é tornar os programas computacionais
mais “inteligentes”.
Para isso, a equipe pesquisa novas metodologias para resolver
problemas que estão na intersecção de duas formas de raciocínio: o
lógico e o probabilístico. As aplicações práticas são variadas e vão
desde o desenvolvimento de sites de busca e tradutores automáticos mais
eficientes até softwares capazes de analisar imagens gravadas em vídeo e
detectar quando algo está fora do normal em um determinado local ou
situação.
O Temático já resultou em 104 artigos publicados,
três pós-doutorados, quatro doutorados, 15 mestrados e seis projetos de
iniciação científica. Em entrevista à Agência FAPESP, Finger conta
detalhes sobre alguns dos resultados alcançados.
De que forma o Projeto Temático que o senhor coordena pode contribuir para tornar os programas mais inteligentes?
Marcelo Finger –
Em computação existem problemas solúveis e problemas insolúveis. E
dentro da categoria solúvel, grande parte é considerada intratável, ou
seja, o tempo de resolução é tão grande que se torna inviável na
prática. Os problemas na intersecção entre o raciocínio lógico e
probabilístico geralmente estão na classe dos intratáveis ou em uma zona
cinzenta, onde não sabemos se são passíveis de serem resolvidos
rapidamente ou não. Uma das linhas de pesquisa do Temático se dedica a
buscar meios para identificar quais desses problemas são possíveis de
serem resolvidos e desenvolver metodologias para resolvê-los
rapidamente.
De que forma isso vem sendo feito?
Finger –
Mostramos que para alguns dos problemas intratáveis há um fenômeno de
transição de fase. De um lado há uma grande classe de problemas fáceis,
cuja resposta é sempre sim. Do outro lado, há uma classe de problemas um
pouco mais difíceis, cuja resposta é sempre não. No meio estão os casos
realmente complicados, para os quais não sabemos se há resposta rápida.
Com base nesse conhecimento, criamos três algoritmos, um melhor do que o
outro, para solucionar rapidamente os problemas que estão em um dos
dois extremos. Antes, acreditava-se que era impossível resolver um
problema com mais de seis variáveis. Mas, com esse método, conseguimos
solucionar problemas com 400 variáveis em menos de um segundo.
Finger – Queremos aplicá-lo em várias áreas, como a
Linguística Computacional. Com o método que desenvolvemos será possível
melhorar programas que fazem análise sintática. Isso pode ser usado em
tradutores automáticos, por exemplo. Também estamos tentando melhorar os
algoritmos de robôs, para que eles se tornem capazes de realizar
tarefas mais complexas. Há ainda outras duas linhas, uma que trabalha
com análise de imagens e outra com a web semântica.
O que é a web semântica?
Finger –
Significa relacionar domínios distintos e fazer com que eles se
comuniquem. Hoje os sites de busca funcionam por associação de palavras.
Com a web semântica é possível criar programas capazes de associar
conceitos e fazer uma busca muito mais inteligente. Você procura por um
termo e o programa responde com outra terminologia e de forma correta.
No nosso projeto estamos trabalhando com a web semântica aplicada na
área médica.
Que tipo de aplicação poderemos ter em medicina?
Finger – A ideia é criar uma ferramenta capaz de ajudar
o médico no diagnóstico. O programa uniria as descrições de sintomas e
outras informações lógicas sobre a doença com as observações médicas,
que são de natureza probabilística. Por exemplo, febre pode ser sintoma
de uma determinada doença, mas nem todos os portadores dessa doença vão
ter febre. São dados probabilísticos. Isso tem uma aplicação prática
mais imediata. Já temos um hospital interessado.
Finger – Criar um programa capaz de analisar as
cenas gravadas por uma câmera e detectar quando ocorre algo fora do
previsto. Isso poderia ser usado, por exemplo, por empresas aéreas para
supervisionar procedimentos de abastecimento, carga e descarga de
aviões. Ou então por empresas de segurança patrimonial. Estamos
trabalhando com filmagens de voos, mas por enquanto conseguimos apenas
casos em que não ocorreu nenhum imprevisto e, portanto, nossos dados não
eram bons o suficiente para fazer um treinamento das probabilidades de
erro.
Quais são os projetos futuros do Temático?
Marcelo Finger –
Pretendemos estender o projeto por mais dois anos para dar continuidade
aos trabalhos. Continuaremos com as mesmas linhas de pesquisa. Vamos
tentar desenvolver algoritmos melhores, buscar soluções mais rápidas e
expandir a metodologia para outros tipos de problema relacionados. Devo
passar um ano na Universidade Cornell, nos Estados Unidos, para levar os
nossos resultados e criar uma iteração com os pesquisadores de lá.
Durante a minha ausência, o professor Fabio Gagliardi Cozman, da Escola
Politécnica da USP, assumirá a coordenação.
Fonte:Infoexame

Nenhum comentário:
Postar um comentário