Advertisement

[Artigo] Algoritmos inspirados na natureza

Olhando para tela do seu celular, usando um notebook com processadores ultra avançados e placas de vídeo maravilhosas, toda a computação pode parecer muito distante da natureza. Uma pessoa nascida depois de 2010, dificilmente vai conseguir imaginar como era a vida antes da internet, celulares, computadores etc. Porém, até hoje, a natureza inspira as pessoas a criar tecnologias e métodos para resolver problemas que são extremamente eficazes. 

Nesse artigo você vai ver 3 algoritmos/tecnologias que foram inspiradas na natureza e mudaram a sua vida sem você saber. 

1- Redes neurais

As redes neurais em ciência da computação são modelos computacionais inspirados pelo sistema nervoso central de um animal (em particular, o cérebro), que são capazes de realizar o aprendizado de máquina bem como o reconhecimento de padrões. Esse tipo de sistema é apresentado geralmente como sistemas de "neurônios interconectados, que podem computar valores de entradas", simulando o comportamento de redes neurais biológicas.

Esse tipo de tecnologia vem revolucionando a área da computação e executando tarefas incríveis. Por exemplo, uma rede neural é capaz de reconhecer a escrita manual através de um conjunto de neurônios de entrada, que podem ser ativados pelos pixels de uma imagem. Os dados adquiridos por essa ativação dos neurônios são então repassados​​, ponderados e transformados por uma função determinada pelo designer da rede. Este processo é repetido até que, finalmente, um neurônio de saída é ativado determinando qual caractere foi lido [1].

Mas não é só isso, essas redes tem se tornado tão poderosas que estão aprendendo a dirigir, jogar, traduzir textos e muito mais. Veja no vídeo a seguir um exemplo de como ela pode aprender a jogar Flappy Bird.


2- Algoritmos genéticos

Um algoritmo genético (AG) é uma técnica de busca utilizada na ciência da computação para achar soluções aproximadas em problemas de otimização e busca. Esse tipo de algoritmo foi fundamentado principalmente pelo americano John Henry Holland e atualmente é uma classe particular de algoritmos evolutivos, que usam técnicas inspiradas pela biologia evolutiva como hereditariedade, mutação, seleção natural e recombinação (ou crossing over).

Esse tipo de algoritmo tem sido usado em larga escala para diversas finalidades: predição de quantidade de mortos por COVID-19 [2], aprendizado das regras de trânsito [3], agendamento de horários de aula [3] etc.

3- Colônias de formigas


No mundo real, as formigas andam sem rumo (pelo menos inicialmente) até que, encontrada comida, elas retornam à colônia deixando um rastro de feromônio. Se outras formigas encontram um desses rastros, elas tendem a não seguir mais caminhos aleatórios. Em vez disso, seguem a trilha encontrada, retornando, e, inclusive, enfatizando se acharam alimento.

Com o transcorrer do tempo, entretanto, as trilhas de feromônio começam a evaporar, reduzindo, assim, sua força atrativa. Quanto mais formigas passarem por um caminho predeterminado, mais tempo será necessário para o feromônio da trilha evaporar. Analogamente, elas marcharão mais rapidamente sobre um caminho curto, o que implica aumento da densidade de feromônio depositado antes que ele comece a evaporar. A evaporação do feromônio também possui a vantagem de evitar a convergência para uma solução local ótima: se a evaporação não procedesse, todas as trilhas escolhidas pelas primeiras formigas tornar-se-iam excessivamente atrativas para as outras e, neste caso, a exploração do espaço da solução delimitar-se-ia consideravelmente. Quando uma formiga encontra um bom (curto) caminho entre a colônia e a fonte de alimento, outras formigas tenderão a seguí-lo, gerando assim feedback positivo, o que eventualmente torna um determinado caminho mais interessante. A ideia do algoritmo da colônia de formigas é imitar este comportamento através de "formigas virtuais", que caminham por um grafo que representa o problema a ser resolvido [5].

Esse tipo de algoritmo tem sido utilizado para produzir soluções quase ótimas, visto que a colônia de formigas pode mudar várias vezes e se adaptar às mudanças em tempo real. No vídeo a seguir, é estudado o comportamento humano quando grandes aglomerações acontecem [4].


A computação bio-inspirada não é uma novidade, ela já é estudada há algum tempo. Diversos cientistas mostram como a natureza ainda é soberana sobre as ciências e como devemos aprender com ela. 

Referências

[1] https://www.techexplorist.com/neural-network-learned-predict-behavior-quantum-system/29923/

[2] https://www.ufpr.br/portalufpr/noticias/em-duas-semanas-mortes-diarias-por-covid-19-no-brasil-podem-passar-de-1-600-revela-modelo-da-ufpr-baseado-em-inteligencia-artificial/

[3] http://www.dt.fee.unicamp.br/~renatoms/publications/renatosilva-siges-2009.pdf

[4] https://medium.com/@lodur/swarm-intelligence-o-que-%C3%A9-64a0323356e2

[5] https://pt.wikipedia.org/wiki/Col%C3%B4nia_de_formigas_(otimiza%C3%A7%C3%A3o)

Nenhum comentário

Conta pra mim sua opinião!

Fale comigo