o ângulo de inclinação de cada pedra irregular não era o melhor caminho. Harvy para em frente ao obstáculo. Imediatamente as luzes se apagam, restando um único e poderoso foco em cima do robô. Então ele avança. Ora desequilibra um pouco para a esquerda, ora para a direita, sem encontrar muitas dificuldades não previstas por seu planejamento probabilístico.
Com a vitoria parcial à vista, Harvy projeta seus últimos passos sem perceber que seria pego de surpresa. De repente, uma sirene toca e uma bola de aço de 10 kg presa a uma corda avança em um arco de circunferência em direção ao corpo de Harvy. A probabilidade usada em seu planejamento não contava com surpresas adicionais. Algumas variáveis podiam ser independentes. E para o robô representar as dependências ou independências entre elas, ele estrutura os dados em uma REDE BAYESIANA. Isso permite a criação de um grafo orientado em que cada nó é identificado com informações de probabilidade quantitativa, definindo uma topologia de rede. Uma vez estabelecida essa topologia, Harvy especifica uma distribuição condicional para cada variável, dados seus nós pais. E isso possibilita que ele planeje a distribuição conjunta total para todas as variáveis.
Agora Harvy pode resumir um conjunto potencialmente infinito de circunstâncias para absorver o impacto da bola de aço. E ele o faz balançando os braços robóticos sobre a base irregular, apoiado em um único pé metálico. O robô, em fim, supera o primeiro desafio. As luzes se acendem novamente enquanto Harvy segue para uma parede branca com uma porta bem no centro. Naturalmente o robô força a maçaneta desconfiando do segundo obstáculo. E uma voz ecoa pelo galpão dizendo, "Para abrir a porta responda a pergunta de forma correta! Neste momento, está chovendo lá fora?". Uma pessoa desavisada poderia achar que nosso amigo teria 50% de chance de acertar. Mas Harvy não era mais um desavisado.
Nosso amigo estava vendo o mundo como uma série de fatias de tempo, cada uma com um conjunto de variáveis aleatórias, algumas observáveis, e outras não. E com o passar do tempo, as variáveis para uma melhor decisão estavam aumentando rapidamente. Harvy, então, faz uma SUPOSIÇÃO DE MARKOV, onde o estado atual depende de um número fixo finito de estados anteriores. Os processos que satisfazem essa suposição são conhecidos como CADEIAS DE MARKOV. E o mais simples chama-se PROCESSO DE MARKOV DE PRIMEIRA ORDEM, em que o estado atual depende somente do estado anterior.
O robô passa a melhorar a exatidão das aproximações do estado anterior aumentando o conjunto de variáveis de estados. Ele adiciona em seus estados de crenças as variáveis ESTAÇÕES DO ANO, TEMPERATURA INTERNA DO GALPÃO, UMIDADE e PRESSÃO. E compara essas informações relacionando o estado anterior com o atual. Uma vez configurada a estrutura do modelo temporal, Harvy parte para a resposta.
Ele inicia uma filtragem para determinar seu estado de crença atual fazendo uma previsão sobre a distribuição probabilística do estado posterior, suavizando ao mesmo tempo o estado presente comparando-o com a distribuição do estado passado. Harvy está pronto para uma resposta. E ele responde “Sim, está chovendo lá fora!”.
A porta imediatamente se abre indicando que a chuva realmente acontecia. Nosso amigo parte para o próximo desafio confiante. E por vezes, ser confiante demais pode atrapalhar nossos pensamentos. Sem saber nada sobre o terceiro obstáculo, o robô segue para o desafio mais difícil de sua vida. Um ser humano está prestes a morrer! E ele está dependendo exclusivamente do próximo desempenho de Harvy...
Nenhum comentário:
Postar um comentário