Mini-curso da XI Jornada Científica da UFSCarSistemas Complexos & Inteligência Coletiva:

Novas Perspectivas na Relação Ciência e Sociedade ?

Bem vindos ao mundo da Complexidade. Uma proposta no mínimo ousada de como construir um mundo melhorcom Consiliência. Palavra que expressou o desejo iluminista de unir todas as ciências, sejam exatas, humanas ou biológicas, em uma só ciência. Aos interessados recomendamos o livro Consilience:The Unit of Knowledge de Edward O. Wilson (1998). Biólogo autor de The Meaning of Human Existence (2014). Sou professor Paulo César de Camargo. Sou professor Paulo César de Camargo. Eng. Químico.(UFPR-1971) Msc (IFSC-1975). PhD (Rice University-1981). Prof. UFSCar(1972-1991). UFPr(1991-2012). UFSCar(2013-...)Atual Diretor do IEAE/UFSCar em implantação.Juntamente com os professores Luzia do DCI/UFSCar e Sergio Mattos DH/UFSCar, estaremos ministrando este mini-curso.

INTELIGÊNCIA COLETIVAAlgumas referências

• Center for Collective Intelligence do MIT sob liderança de Thomas Mallone. • cci.mit.eduCom seu “Handbook of Collective Intelligence” busca-se difundir as ideias da IC, inclusive procurando entender e solucionar questões tão complexas como do Aquecimento Global.

• Piérre Levy é outra importante referência com diversas publicações e apresentações, como por exemplo a apresentada no SENAC/SP em 2015.

http://www.sp.senac.br/sites/pierrelevy/index2.html)

• Collective Intelligence: Creating a Prosperous World at Peace. Mark Tovey editor. (2015).Livro sobre Inteligência Coletiva abordando assuntos difíceis a as vezes impossíveis de tratar sistemicamente, como: pobreza e fome, corrupção e terrorismo, mudanças climáticas e falta de recursos em geral.

Existem inúmeras ações isoladas em diversas universidades e centros de pesquisa no mundotodo, inclusive no Brasil que podem ser encontradas com simples busca no google.O prof. Sergio Mascarenhas de Oliveira tem atuado em Sistemas Complexos em saúde e cérebro. O IPEA publicou em 2015: Perspectivas da Complexidade para a Educação no Brasil.

INTELIGÊNCIA COLETIVA: PRINCIPAIS CARACTERÍSTICAS

• Do CCI/MIT: “Our basic research question is: How can people and computers be connected so that—collectively—they act more intelligently than any person, group, or computer has ever done before?”

• Uma referência interessante :Handbook of Collective Intelligence (acesso em Draft), onde os temas estão estruturados objetivamente. Recomendamos ver cci.mit.edu e fazendo buscas com palavras chave: Inteligência Coletiva, Collective Intelligence, com palavras chave: Inteligência Coletiva, Collective Intelligence, Thomas Malone e Piérre Levy

aparecerá uma variedade de apresentações em Youtube, artigos e livros sobre o tema Sistemas Complexos e Inteligência Coletiva.

EXEMPLOS ATUAIS DE INTELIGÊNCIA COLETIVA

• Google:conhecimento coletivo gerado por milhões de pessoasusa algoritmos espertos e tecnologia sofisticadaproduz respostas, frequentemente muito inteligentes• Wikipedia: tecnologia simples técnicas de motivaçãoproduziu uma enciclopédia incrivelmente completa e atualizável a partiriniciativas individuais e sem coordenação centralizada.iniciativas individuais e sem coordenação centralizada.• Innocentive: Criado para resolver questões de interesse da empresa Eli Lilly, A empresa utiliza a Inteligência Coletiva de milhares de cientistas, em redepropondo soluções à questões com valores de US$1mil a US$1milhão.• Hewlett Packard, Eli Lilly e Google : • compra e vende de previsões de mercados futuros com recursos de

Inteligência Coletiva,• frequentemente com mais sucesso doque as previsões baseadas em métodos

tradicionais.

MOTIVAÇÃO E MOMENTO DA INTELIGÊNCIA COLETIVA• Início de uma mudança cultural e de uma nova era do conhecimento ? • Conhecimento e medo levaram à eficiente mobilização dos melhores intelectos

disponíveis no século XX para o desenvolvimento da bomba atômica. • Embora o volume de conhecimentos na época já fosse imenso e as rede de relações

limitadas, foram eficazes e seus métodos levaram a avanços tecnológicos importantes.• Após a 2ª Guerra Mundial a incorporação de conhecimento à novas tecnologias foi

expressiva e sistemas computacionais passaram a desempenhar papel determinante na ciência, na gestão de empresas, na chamada Inteligência Competitiva e na concentração de poder econômico e político.

• Os rápidos avanços do conhecimento, sua disseminação com as facilidades de comunicação e a formação de redes sinaliza deficiências, principalmente na melhoria da qualidade de vida e de sua sustentabilidade.qualidade de vida e de sua sustentabilidade.

• Precisamos avançar aprendendo novos princípios de atuação, que priorizem o bem estar do ser humano, com melhores sistemas organizacionais, sociais e motivacionais.

• Precisamos de experimentos e estudos sistemáticos, primordialmente de pessoas motivadas. Os recursos para estes procedimentos incluirão pesquisa sobre Cérebro e Ciências Cognitivas, Ciências Sociais, Media e Comunicação, sem abandonar e continuando avançar naquilo que já conhecemos.

• Novas iniciativas e experimentos sistemáticos, requerem novas teorias correlacionando os estudos de caso, os novos exemplos e os experimentos sistemáticos. Aqui surge um complicador que é a ânsia humana de aparecer como protagonista, sendo o centro das atenções, prejudicando avanços com Inteligência Coletiva

MOTIVAÇÃO E MOMENTO DA INTELIGÊNCIA COLETIVA• Como toda a nova iniciativa esta também encontra resistências tais como:Interpretações simplistas de que fazer as coisas coletivamente seria simples e maravilhoso como uma magia.Pessoas que não acreditam e/ou não querem a descentralização do poder.Frequentemente ouve-se que a Wikipédia e o Software livre não são perfeitos, porque carecem de um poder central, que possa ser responsabilizado pelo conteúdo. Argumenta-se também que não conhecemos exemplos de sucesso sem controle e fiscalização central.• Em um Mundo Complexo, qualquer pressuposto Simples tem grande chance de estar

errado.• Ações de Inteligência Coletiva podem dar certo ou errado.• O importante é o uso do método científico, construindo-se bases sólidas aos métodos

de uso da Inteligência Coletiva principalmente na investigação de Sistemas Complexos.de uso da Inteligência Coletiva principalmente na investigação de Sistemas Complexos.• Felizmente não estamos começando do zero. Já existem referências de boa qualidade

em diversas áreas como: Psicologia, Teorias das Organizações, Inteligência Artificial, Ciências do Cérebro entre outras.

• Novas tecnologias tem aberto caminhos nunca antes imaginados na história da humanidade, como certa competição entre a inteligência humana e a artificial.

• Certamente não temos todas as respostas. Precisamos adaptar nossas questões à realidade e ambiente atual, estabelecendo referências para o entendimento científico multidisciplinar e transdisciplinar, com valorização do conhecimento, em busca de melhor qualidade de vida, negócios, administração pública e governos.

• Mais importante resolvendo nossos problemas como sociedade e como planeta.

FERRAMENTAS PARA SISTEMAS COMPLEXOS

• Modelos considerando: muitos agentes independentes, interagentes entre si de forma dinâmica e não linear e possibilidade de interação com o ambiente. O modelo deve possibilitar de forma rápida e prática a modificação de características dos agentes e de suas interações

• Optamos assim pelo NETLOGO.

• Disponibiliza uma extensa biblioteca de modelos em umavariedade de assuntos incluindo artes, economia, biologia, física, química, psicologia e sistemas dinâmicos.física, química, psicologia e sistemas dinâmicos.

• NetLogo tem sido o software livre preferido por grande parte dos interessados em Sistemas Complexos, no contextoseducacionais do ensino fundamental até à pós-graduação e pesquisa avançada. Busca-se difundir a cultura da Inteligência Coletiva e da visão integrada da Ciência = CONSILIÊNCIA.

FERRAMENTAS PARA SISTEMAS COMPLEXOS

• Modelos considerando: muitos agentes independentes, interagentes entre si de forma dinâmica e não linear e possibilidade de interação com o ambiente. O modelo deve possibilitar de forma rápida e prática a modificação de características dos agentes e de suas interações

• Optamos assim pelo NETLOGO.

• Disponibiliza uma extensa biblioteca de modelos em umavariedade de assuntos incluindo artes, economia, biologia, física, química, psicologia e sistemas dinâmicos.física, química, psicologia e sistemas dinâmicos.

• NetLogo tem sido o software livre preferido por grande parte dos interessados em Sistemas Complexos, no contextoseducacionais do ensino fundamental até à pós-graduação e pesquisa avançada. Busca-se difundir a cultura da Inteligência Coletiva e da visão integrada da Ciência = CONSILIÊNCIA.

FERRAMENTAS PARA SISTEMAS COMPLEXOSConstruindo um Modelo Basedo em Agentes-ABMQual é o fenômeno de seu interesse ?• (1) Modelo de qual parte do fenômeno você quer construir ? Verifique se

o fenômeno é apropriado para ser representado com um modelo baseado em agentes.

• (2) Relacione os tipos de agentes envolvidos no fenômeno ? • (3) Descreva as propriedades de cada tipo de agente envolvido.• (4) Para cada agente escreva as ações (ou comportamento) esperado.• (5) Relacione o ambiente (espaço, rede de relações, e características • (5) Relacione o ambiente (espaço, rede de relações, e características

específicas). Certifique-se que o ambiente esta bem definido.• (6) Se você tiver que discretizar em passos definidos temporalmente,

quais eventos e em qual ordem devem ocorrer ? Decreva oque ocorre durante cada passo.

• (7) Quais parâmetros alimentam seu modelo (inputs) ? Identifique cada entrada.

• (8) Oque você pretende observar como resultado (outputs) relevantes de sua simulação ?

UM PASSEIO NA BIBLIOTECA NETLOGO

• Acesso ao software e tutoriais:

• Trabalha em diversos sistemas operacionais em máquina virtual Java. Roda nas versões

• Para baixar o NetLogo com a biblioteca

http://ccl.northwestern.edu/netlogo

• Opção em português:Tutorial da Univ. de Lisboa:

http://cftc.cii.fc.ul.pt/PRISMA/capitulos/netlogo/

Java. Roda nas versões Windows acima do Windows 7 e outras

UM PASSEIO NA BIBLIOTECA NETLOGO

PASSEANDO NA BIBLIOTECA NETLOGOModeloApresentação_Ants.nlogo

PASSEANDO NA BIBLIOTECA NETLOGO• Oque é? • Uma colonia de formigas estas buscam alimento. Cada formiga segue um conjunto de regras

simples, porém a colonia como um todo age de forma sofisticada. • Como funciona• Quando uma formiga consegue um pedaço de alimento, ela carrega de volta ao ninho, sinalizando o

trajeto com feromônio. Quando outra formiga percebe o feromônio segue-o na procuraa do alimento.na medida que o alimento é transportado os caminhos do alimento é reforçado.

• Como utilizar este modelo• Clique no botão SETUP para iniciar criando um ninho(em violeta no centro) e tres pilhas de

alimentos em posições diferentes. Clique em GO para começar a simulação. O feromônio é mostrado em gradiente de verde a branco.

• Deslizando o controle EVAPORATION-RATE varia-se a taxa de eveporação do feromônio. A taxa de difusão do feromônio pode ser controlada deslizando o controle DIFFUSION-RATE. difusão do feromônio pode ser controlada deslizando o controle DIFFUSION-RATE.

• Pode-se variar o número de formigas no botão POPULATION. • Wilensky, U. (1997). NetLogo Ants model. http://ccl.northwestern.edu/netlogo/models/Ants. Center

for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL. • Please cite the NetLogo software as: • Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/. Center for Connected Learning

and Computer-Based Modeling, Northwestern University, Evanston, IL. • COPYRIGHT AND LICENSE • Copyright 1997 Uri Wilensky. • This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0

License. To view a copy of this license, visit https://creativecommons.org/licenses/by-nc-sa/3.0/ or send a letter to Creative Commons, 559 Nathan Abbott Way, Stanford, California 94305, USA.

PASSEANDO NA BIBLIOTECA NETLOGO• Oque é? • Uma colonia de formigas estas buscam alimento. Cada formiga segue um conjunto de regras

simples, porém a colonia como um todo age de forma sofisticada. • Como funciona• Quando uma formiga consegue um pedaço de alimento, ela carrega de volta ao ninho, sinalizando o

trajeto com feromônio. Quando outra formiga percebe o feromônio segue-o na procuraa do alimento.na medida que o alimento é transportado os caminhos do alimento é reforçado.

• Como utilizareste modelo• Clique no botão SETUP para iniciar criando um ninho(em violeta no centro) e tres pilhas de

alimentos em posições diferentes. Clique em GO para começar a simulação. O feromônio é mostrado em gradiente de verde a branco.

• Deslizando o controle EVAPORATION-RATE varia-se a taxa de eveporação do feromônio. A taxa de difusão do feromônio pode ser controlada deslizando o controle DIFFUSION-RATE. difusão do feromônio pode ser controlada deslizando o controle DIFFUSION-RATE.

• Pode-se variar o número de formigas no botão POPULATION. • Wilensky, U. (1997). NetLogo Ants model. http://ccl.northwestern.edu/netlogo/models/Ants. Center

for Connected Learning and Computer-Based Modeling, Northwestern University, Evanston, IL. • Please cite the NetLogo software as: • Wilensky, U. (1999). NetLogo. http://ccl.northwestern.edu/netlogo/. Center for Connected Learning

and Computer-Based Modeling, Northwestern University, Evanston, IL. • COPYRIGHT AND LICENSE • Copyright 1997 Uri Wilensky. • This work is licensed under the Creative Commons Attribution-NonCommercial-ShareAlike 3.0

License. To view a copy of this license, visit https://creativecommons.org/licenses/by-nc-sa/3.0/ or send a letter to Creative Commons, 559 Nathan Abbott Way, Stanford, California 94305, USA.

PASSEANDO NA BIBLIOTECA NETLOGO• CÓDIGO ANT_ Mini-Curso Jornada• patches-own [• chemical ;; amount of chemical on this patch• food ;; amount of food on this patch (0, 1, or 2)• nest? ;; true on nest patches, false elsewhere• ]• ;;;;;;;;;;;;;;;;;;;;;;;;• ;;; Setup procedures ;;;• ;;;;;;;;;;;;;;;;;;;;;;;;• to setup• clear-all• set-default-shape turtles "bug"• set-default-shape turtles "bug"• create-turtles population• ###########################• end• ;;;;;;;;;;;;;;;;;;;;;• ;;; Go procedures ;;;• ;;;;;;;;;;;;;;;;;;;;;• to go ;; forever button• ask turtles• [ if who >= ticks [ stop ] ;; delay initial departure• ifelse color = red• [ look-for-food ] ;; not carrying food? look for it• [ return-to-nest ] ;; carrying food? take it back • end

MUITO OBRIGADO

A seguir o Prof. Sérgio Mattos nos mostrará um exemplo da visão do Cerrado