5.2 Motivação

Desde os primórdios da sua existência o Homem teve necessidade de tomar decisões sendo a capacidade de decidir um dos actos mais nobres que realizamos. Decidimos quando vemos, quando falamos, quando reconhecemos pessoas e objectos, quando interpretamos o ambiente que nos rodeia e actuamos sobre ele. No entanto, à medida que a tecnologia avança, com computadores cada vez mais potentes, continuam a levantar-se os desafios para usar máquinas que realizem tarefas relativamente simples para o Homem como, por exemplo, o reconhecimento de fisionomias, de caracteres ou de formas. A necessidade de dar resposta a questões como: Serão as máquinas capazes de decidir? E de Aprender a decidir? E de emular a inteligência humana? tem vindo a aumentar a par com a evolução da tecnologia de base informática e a consequente vulgarização da utilização dos próprios computadores, que passaram a ser considerados objectos de utilização comum e não apenas instrumentos prioritariamente ligados à Ciência.

Têm um vasto leque de aplicações num grande número de áreas científicas e tecnológicas, nomeadamente no projecto e desenvolvimento de sistemas inteligentes, que constituem, a par de outros, um dos núcleos do investimento tecnológico actual. Na Tabela 5.1 sumariam-se algumas dessas aplicações.

O reconhecimento de padrões compreende um vasto conjunto de métodos capazes de suportar um elevado número de aplicações em diversas áreas do conhecimento permitindo dar, em parte, resposta àquelas questões, sem dúvida, fascinantes. A reconhecida relevância dos métodos de reconhecimento de padrões está intrinsecamente ligada à tarefa de emulação da “inteligência”. A Robótica, o diagnóstico médico, a previsão de variáveis económicas, a exploração de recursos do planeta, a análise de dados por satélite, a pesquisa de contextos são apenas alguns exemplos que revelam esta tendência. Cada aplicação tem especificidades próprias, mas os métodos de decisão são comuns e podem ser estudados de forma independente.

A necessidade de “encapsular” conhecimentos sob a forma de regras lógicas explícitas, que são interpretadas e executadas em sequência, torna-se um obstáculo em muitas áreas de informática. Soluções que passem pela introdução de outros paradigmas, nomeadamente, redes neuronais que, quando treinadas por meio de exemplos, são capazes de feitos impressionantes de aprendizagem, oferecem, desde logo, um nicho de aquisição de conhecimentos e tratamento da complexidade. Além disso, podem explorar o paralelismo num grau maciço sem incorrer em gastos exagerados de desenvolvimento de software. É inegável a importÂncia deste paradgima de inspiração biológica e o seu significado em relação à ciência cognitiva.

O reconhecimento de padrões engloba os modelos capazes de descrever objectos pelas suas caraterísticas e atributos. Envolve ainda operações abstractas que têm em vista o cálculo de relações de proximidade e medidas de distância entre objectos.

Existem várias técnicas para o problema de reconhecimento de padrões. A abordagem estatística é a abordagem clássica, historicamente mais antiga, denominada por “Teoria da Decisão”. Assume que as características das classes se regem por determinados modelos probabilísticos.

A abordagem neuronal, é uma abordagem tipo “caixa negra” que procura determinar um mapeamento óptimo entre entradas e saídas inspirando-se em modelos de neurónios do cérebro.

A abordagem difusa tem em conta o grau de incerteza por vezes inerente a características e a classificações, usando a Teoria dos conjuntos difusos para modelizar esse grau de incerteza.

A abordagem por máquinas de vectores de suporte assenta na minimização do risco estrutural que tem em linha de conta não só os dados experimentais usados no modelo, mas também a capacidade de generalização no reconhecimento de padrões novos.

Finalmente, a abordagem sintáctica procura descrever a estrutura dos padrões usando inter-relações de características descritoras básicas denominadas primitivas.

Em paralelo com o já referido aumento das capacidades computacionais, a invenção e evolução da matemática dos sistemas complexos abriu perspectivas nunca imaginadas. Foi possível desenvolver modelos que permitem responder a algumas das questões previamente enunciadas, incorporando técnicas híbridas e heurísticas apropriadas.

A disciplina de Técnicas de Reconhecimento de Padrões aborda de forma integrada um grande número das abordagens enunciadas permitindo cobrir uma área de conhecimento com implicações dominantes em Engenharia Informática, particularmente ao nível do 2^o ciclo.