Desde a 2ª Guerra Mundial os cientistas da computação tentaram desenvolver técnicas que permitissem que os computadores atuassem mais como o ser humano. Toda essa pesquisa, incluindo sistemas decisórios, dispositivos robóticos, chama-se Inteligência Artificial. Essa Inteligência Artificial estuda técnicas que sejam consideradas inteligentes vistas pelo ser humano e pode ser definida, segundo o professor Edward Feigengaum, da Universidade de Stanford, um dos principais pesquisadores em Sistemas Especialistas, como:

"... um programa inteligente de computador que usa conhecimento e procedimentos inferenciais, para resolver problemas que são bastante difíceis de forma a requererem, para sua solução, muita perícia humana. O conhecimento necessário para atuar nesse nível, mais os procedimentos inferenciais, pode considerar-se um modelo da perícia aos melhores profissionais do ramo."

Um programa de computador comum só pode fornecer respostas aos problemas para os quais está programado. Se um determinado dado do programa precisa ser modificado, o mesmo precisa ser analisado para determinar aonde deverá ser alterado. Isso não apenas toma tempo como também pode afetar outras partes do programa de maneira desfavorável, podendo resultar em erros.

A Inteligência Artificial permite que o computador realize raciocínio automático, tornando possível o processo de aprendizado por meio de captação de novas informações que se tornam disponíveis para referenciais futuros. A mente pode captar novos conhecimentos sem atrapalhar o funcionamento de outros fatos armazenados no cérebro. Um programa de Inteligência Artificial funciona da mesma maneira e, aplicado a problemas do mundo real, busca soluções que não são obtidas com métodos convencionais.

As técnicas de Inteligência Artificial permitem a construção de um programa no qual cada parte representa uma etapa independente em relação à solução do problema. Cada parte do programa é como uma informação na mente das pessoas. Se a informação é contestada, a mente automaticamente ajusta o seu pensamento para acomodar um novo conjunto de fatos, não sendo necessário reconsiderar cada informação aprendida.

Por muitos anos, a pesquisa em inteligência artificial tem sido, em sua quase totalidade, orientada para agentes únicos. Neste intuito, um agente é envolvido em um meio estático e suas principais atividades são:

1. acumular informação;

2. planejamento;

3. executar alguns planos para realizar seus objetivos.

Essa tentativa tem se demonstrado insuficiente devido à inevitável presença de um número de agentes em um mundo real. De fato, deve-se planejar a atividade do agente enquanto conserva-se em mente as outras atividades dos agentes que podem também ajudá-los ou impedi-los. Realmente, as mais recentes criações que um sistema inteligente simula é uma forma segura de raciocínio humano, conhecimento e habilidade para uma dada tarefa, enquanto sistemas de Inteligência Artificial Distribuída (DAI) foram formulados conforme um grupo de entidades inteligentes chamadas agentes, que interagem por cooperação, por coexistência e por competição.

O que é Inteligência Artificial Distribuída?

Inteligência Artificial Distribuída (DAI) é um campo da Inteligência Artificial que trata com a interação de agentes inteligentes. Mais precisamente, DAI tenta construir agentes inteligentes que tomem decisão que lhes permitam realizar seus objetivos em um mundo povoado por outros agentes inteligentes com seus próprios objetivos. Uma classificação de DAI é apresentada nas habilidades sociais de um agente individual, na organização de agentes e na dinâmica dessa organização através do tempo:

• habilidades sociais são caracterizadas pela argumentação sobre outros agentes e pela avaliação de uma situação distribuída;

• a organização depende de um grau de cooperação sobre um paradigma de comunicação;

• dinâmica de organização, caracterizada por uma coerência global de grupo e uma coordenação entre agentes.

O interesse que pesquisadores têm por DAI é mostrado de várias maneiras. A primeira maneira é relatada na necessidade de tratar conhecimento distribuído que está geograficamente disperso como redes sensoriais, controle de tráfego aéreo ou cooperação entre robôs. Outra maneira consiste em tentar estender a cooperação homem-máquina com uma afinidade baseada numa decisão distribuída entre homem-máquina. Além disso, idéias de DAI estão se tornando importantes para campos de pesquisa como bancos de dados distribuídos, computação distribuída e paralela, suporte de cooperação de computadores, projeto de computadores de ajuda, engenharia concorrente e tomada de decisão distribuída.

Em DAI, precisa-se do conhecimento para criar agentes que possam reconfigurar nossas ações e interações com suas mudanças de contexto. São essenciais para o sucesso da resolução de problemas:

1. segurança;

2. conectividade;

3. capacidade.

Geralmente, uma estrutura deve especificar regras de relacionamento para encontrar estas condições. Uma organização para DAI é menos estruturada em perspectiva e mais relatada para organização corrente da teoria. Claramente, uma organização não deve ser avaliada como uma relação entre uma coleção de agentes ou como um conjunto de limitações extremamente definidas nas suas atividades.

O Grau de Cooperação caracteriza-se pela importância de cooperação entre os agentes que podem alcançar de uma cooperação total a uma hostilidade total. Cooperação total entre agentes é capaz de resolver problemas não independentes, mas freqüentemente paga um preço pelos custos de alta comunicação. Uma cooperação total é feita através de distribuição cooperativa de problemas resolvidos (GDPS) estudada, onde agentes podem trabalhar juntos, afrouxando o par da rede para resolver problemas que estão além da capacidade individual deles. Nessa rede, cada agente é capaz de resolver problemas complexos e pode trabalhar independente, mas os problemas defrontados pelos agentes não podem ser completados sem a total cooperação. Cooperação total é necessária porque nenhum agente simples tem conhecimento suficiente e argumentação para resolver um dado problema e diferentes agentes podem ter a perícia para resolver essas diferentes partes do problema.

Em DAI, a possível solução para problemas de comunicação varia entre a não-comunicação e a alta-comunicação ou comunicação sofisticada.

1. Não comunicação: aqui o agente conclui racionalmente que os outros planos dos agentes estão sem comunicação com eles.

2. Comunicação primitiva: neste caso, a comunicação é restrita a alguns conjuntos finitos de sinais fixados (usualmente dois), com interpretação fixada.

3. Traçado e passagem de informação: aqui um agente X de comunicação é totalmente traçado ao agente Y e vice-versa. Qualquer traçado que chega primeiro é aceito. Este método traz dois graves problemas:

• é computacionalmente caro;

• não tem garantia de que a base consultada terá a informação solicitada.

4. Troca de informação através de um blackboard: é usualmente particionado dentro de níveis de abstração derivados do problema transmitido e agentes trabalham num particular nível do blackboard adiante com os níveis adjacentes.

5. Alto nível de comunicação: pesquisas em alto nível de comunicação concluíram, assim, como ato de discurso é particularmente relevante para pesquisa em DAI desde que esta área de pesquisa também investigue o raciocínio sobre agentes múltiplos.

Na verdade, o diálogo entre agentes permite a generalização e a interpretação do modo de falar no qual são discursados atos planejados para transferir informações onde o interlocutor é um estado mental particular (crença, compromisso e intenção) a qual consiste induzir o estudo particular mental do ouvinte.

LEVINE, R. I.; DRAWG, D. E.; EDELSON, B. Inteligência artificial e sistemas especialistas. São Paulo: McGraw-Hill,1988.

SIMONS, G. L. Introdução a inteligência artificial. São Paulo: Clássica, 1984.