LES PROTOCOLES DE LA COUCHE APPLICATION

A vertente oposta da racionalidade ilimitada apresenta uma visão onde a racionalidade é limitada. Esta visão expressa que um agente deve inferir sobre o mundo real num período de temporal realista, operando com a informação obtida e recursos computacionais que dispõe. Esta visão de racionalidade não pretende estudar ou alcançar a optimização de tarefas em ambientes. Visões de Racionalidade Ilimitada Racionalidade Ilimitada Optimização Sob Restrições Racionalidade Limitada Satisfação Heurísticas rápidas e frugais

50

Hebert Simon, considerado o percursor deste ramo, estabelece as limitações da mente e a estrutura do ambiente como sendo duas componentes essenciais e interligadas [13]. As limitações mentais implicam que o julgamento e tomada de decisão devem ser elaborados com base nas capacidades já constatadas da mente. Por sua vez, o ambiente dispõe a informação de acordo com a sua estrutura, sendo necessário o estudo do mesmo de forma a concluir a viabilidade e compatibilidade das componentes do agente inteligente.

Nesta perspectiva, a estrutura do ambiente, e a informação presente, são fundamentais para compreender a cognição e comportamento relativamente ao processo adaptativo, uma vez que o mesmo é referente ao próprio ambiente.

Racionalidade Ecológica

Paralelamente, é importante constatar uma outra perspectiva, não estando esta preocupada com a satisfação de critérios internos. A racionalidade ecológica é uma noção que destaca a importância da correspondência entre a estratégia e o ambiente, sendo um conceito importante para entender o porquê e quando a racionalidade limitada funciona [13].

A razoabilidade dos modelos de racionalidade limitada deriva da sua

racionalidade ecológica, não da coerência ou consistência interna das escolhas. Uma estratégia é ecologicamente racional em função do seu grau de adaptação em relação à informação contida no ambiente, seja o mesmo físico ou social [13].

No sentido dos objectivos e noções de uma racionalidade limitada, duas propostas são evidenciadas: satisfação e heurísticas rápidas e frugais. As mesmas provando por si que não é necessário deter poder e recursos supra- computacionais para raciocinar.

4.2.1

Na maioria das situações no mundo real, estratégias óptimas são desconhecidas ou mesmo impossíveis de descobrir. Mesmo considerando um caso controlado, como um jogo de xadrez, damas ou outro jogo de tabuleiro, é difícil obter uma jogada óptima devido ao tempo limitado para calcular tal jogada, mesmo quando a melhor jogada possível existe efectivamente. Estes

51

cenários remetem para a clara dificuldade de obtenção de políticas de acção óptimas em situações menos bem definidas como acontecem num ambiente natural.

Sendo limitada, depressa a mente humana encontrou solução através de métodos que realizam uma aproximação para lidar com os desafios diários. Esta ideia de aproximação traduz-se directamente no conceito de satisfação. A satisfação consiste na metodologia para tomada de decisão sobre um conjunto de opções descobertas consecutivamente quando não existe conhecimento adicional de possibilidades futuras [12]. Estabelecendo um patamar de aspiração ajustável [14], a satisfação funciona concebendo um procedimento, onde a procura por uma opção termina quando o mesmo limiar é atingido.

4.2.2

Uma heurística consiste em qualquer abordagem para resolução de um problema, aprendizagem ou descoberta pelo uso de um método prático, aproximado, não garantido solução óptima, mas suficiente para auxiliar no alcance de objectivos. As heurísticas abordam um problema, incompleto dado o conhecimento disponível, recorrendo a métodos que não são necessariamente precisos, ou não correspondem à realidade, mas que permanecem úteis no sentido de fornecer orientação nas direcções apropriadas.

Na biologia humana, os métodos heurísticos são capacidades da mente que permitem tirar vantagem da estrutura de informação presente no ambiente e alcançar decisões. A mente humana foca-se assim em formas e configurações onde, heurísticas simplistas podem conduzir a inferências precisas e úteis, com um mínimo de esforço de processamento. Neste sentido, estes métodos não são o resultado de um sistema mental incompleto ou com falhas. Para obter boas decisões num ambiente rodeado de incerteza, as heurísticas ganham uma condição de indispensabilidade e importância significativa, pois a sua capacidade para explorar e aproveitar as estruturas de informação no ambiente determinam o sucesso das mesmas num contexto limitado a nível racional.

O nosso desenvolvimento permitiu ao ser humano equipar-se com a capacidade de obter as características relevantes ao meio e ajustar as ferramentas de acordo com este. Este facto implica que as estratégias são seleccionadas de acordo com as condições do ambiente que nos são impostas.

52

Payne, Bettman e Johnson [15] propõem que os algoritmos escolhidos

dependem da quantidade de tempo existente para fazer uma escolha, ou uma inferência, e o quanto tal decisão pode custar.

No domínio da inteligência artificial, as abordagens heurísticas têm sido restringidas no contexto de certos métodos poderem ser aplicados de modo geral a qualquer problema, ao invés de uma avaliação estudada e cuidada de considerar as heurísticas ajustadas a um conjunto e impróprias a outro.

Uma questão relevante emerge: como são seleccionadas as heurísticas? A razão mais importante é que, tarefas específicas exigem ferramentas específicas, ou seja, cada heurística é especializada em determinada classe de problemas, o que significa que a outra maioria não seja aplicável a uma dada situação. De acordo com Gerd Gingerenzer e o grupo de pesquisa ABC [12], é possível considerar duas vertentes sobrepostas a fim de determinar a escolha heurística: tarefas adaptativas específicas, por exemplo, escolha de um companheiro, e tarefas de inferência específicas, como categorização ou estimativas.

As heurísticas rápidas e frugais têm em conta que a informação pode ser difícil de encontrar em primeiro lugar. Além disso, estas heurísticas são muito mais fáceis de seguir em contexto de operação real e baseiam-se em três princípios simples:

 Regras simples de busca;  Regras simples de paragem;  Regras simples de decisão.

Desta forma as razões primárias e vantajosas em relação a estas heurísticas prendem-se com estas serem:

 Ecologicamente racionais, podendo ser implementadas com tempo, esforço mental, ou com outros recursos limitados;

 Em muitos casos adquirem um desempenho tão bom quanto os algoritmos mais sofisticados (regressões lineares e multi-lineares [12]);

 Fornecer informações sobre a inteligência e processos mentais aplicados na vida real.

Dos métodos heurísticos existentes, alguns demonstram-se muito

eficazes dado a sua simplicidade. Um exemplo concreto reside na heurística de reconhecimento [12], esta heurística faz uso da capacidade de reconhecimento obtida por via da evolução da mente humana e permite a um determinado ser tomar decisões através do aproveitamento da sua própria

53

ignorância. Reconhecendo apenas uma parte das alternativas, existe uma hipótese de a decisão mais correcta ser efectivamente a opção reconhecida em detrimento das restantes. Este método além de rápido, actua com conhecimento limitado e possibilita uma precisão satisfatória, em certas problemáticas, quando comparado a outros métodos [12].

Outra heurística é a designada por "tirar o melhor" (“Take the best”), cuja tomada de decisão se baseia em considerar apenas uma boa razão e ignorar o resto. O critério para a escolha da razão útil consiste nas próprias capacidades discriminativas, conseguindo obter uma boa precisão, comparativamente a outros métodos não heurísticos, e com apenas uma parte do poder de processamento necessário. Traduzindo-se na sua alta frugalidade, i.e., quantas pistas, ou razões, são necessárias processar para chegar a uma decisão.

Em geral, heurísticas são fáceis de usar, exigem pouca memória e capacidade computacional, e por consequência parecem ser modelos muito plausíveis para explicar o comportamento humano (e animal), podendo ser da mesma forma uma grande vantagem para sistemas de inteligência artificial.