Percepo

Aplicao na Inteligncia Artificial

Brbara Eliza Vilela Lopes

Danielle Cristine Ribeiro Carneiro

Departamento de Computao e Sistemas de Informao

Instituto de Cincias Exatas e Aplicadas
Universidade Federal de Ouro Preto
Joo Monlevade, MG
barbaravilelalopes@yahoo.com.br

Departamento de Computao e Sistemas de Informao

Instituto de Cincias Exatas e Aplicadas
Universidade Federal de Ouro Preto
Joo Monlevade, MG
daniellecristiner@yahoo.com.br

Manoel Gonalves Carneiro Jnior

Otvio de Castro

Departamento de Computao e Sistemas de Informao

Instituto de Cincias Exatas e Aplicadas
Universidade Federal de Ouro Preto
Joo Monlevade, MG
manoelgcj@yahoo.com.br

Departamento de Computao e Sistemas de Informao

Instituto de Cincias Exatas e Aplicadas
Universidade Federal de Ouro Preto
Joo Monlevade, MG
otavio.c966@gmail.com

Resumo Este artigo tem como objetivo apresentar os conceitos

principais da Percepo, suas aplicaes e sua relao dentro da
disciplina de Inteligncia Artificial.
Abstract - This paper aims to present the main concepts of
perception, their applications and their relationship within the
Artificial Intelligence course.

Palavras-chave: percepo, inteligncia artificial, imagem,

emoo, agente.

I.

INTRODUO

Vivemos em um mundo onde a tecnologia est presente em

praticamente todo o nosso cotidiano. Dentro dos diversos
segmentos da rea tecnolgica temos a IA (Inteligncia
Artificial) que est cada vez mais presente, cada vez sendo
mais estudada e aplicada no mundo real.
Muitas vezes nos deparamos com situaes que nem nos
damos conta de que a IA est sendo aplicada como sistemas
reconhecedores de voz, robs que so enviados ao Espao,
robs que auxiliam em tarefas de limpeza, casas inteligentes,
carros que andam sem motoristas e inmeros outros exemplos.
Mas como essas tecnologias conseguem replicar atitudes
que antes eram feitas pelo ser humano? Bom, deixando de lado
a parte tcnica e a construo dos algoritmos, uma das reas
fundamentais para a construo dos agentes inteligentes (que
representam a IA, podem ser um rob ou um sistema, por
exemplo) a Percepo.
Neste artigo apresentamos os conceitos bsicos que
fundamentam a percepo comeando pela sua definio e seus
conceitos diante da psicologia e da filosofia. Em seguida
apresentamos o conceito da Inteligncia Artificial e como essas
duas reas se interagem.

Contextualizamos tambm como feita a construo de

imagens diante da percepo, como os agentes reconhecem
arestas e objetos. Esses conceitos ajudam a entender como um
agente consegue assimilar o que uma cadeira, quais as cores e
quo distante ela est.
Posteriormente apresentamos que alguns estudos
demonstram que agentes utilizam a percepo para tentar
captar a emoo humana e ser capaz de pensar e interagir por
conta prpria. Em seguida, explicamos os conceitos dos
agentes sintticos e como eles utilizam a emoo no processo
de tomada de deciso.
Por fim, so descritas as concluses do grupo diante dos
conceitos apresentados e as referncias que foram utilizadas.
II.

PERCEPO

A. O que percepo?
Origina-se do latim perception e o ato, efeito ou
capacidade de perceber alguma coisa. Existem vrios tipos de
percepo e dentre eles podemos destacar:

Percepo visual: a interpretao de certos

estmulos visuais, onde a pessoa (agente) em
questo obtm algum tipo de informao atravs
dos seus olhos.

Percepo social: consiste na capacidade de ver e

interpretar o comportamento de outros indivduos
e essencial para a interao social.
Percepo musical: a capacidade de um
indivduo de reconhecer e ter a percepo do som,
ritmo e melodia. A percepo musical pode incluir
a identificao de acordes, de intervalos, de
solfejos, etc.

Percepo sensorial: capacidade de captar, atravs

dos sentidos, os sinais exteriores e descodific-los.

fornece um bit informando se est ligado ou desligado ou to

complexo quanto o olho [2].

H tambm tipos de percepo relacionados a outros

sentidos como, por exemplo, percepo auditiva (sinais
sonoros), percepo ttil (relativo ao toque), percepo olfativa
(relativo ao olfato) e gustativa (paladar).

Pode-se observar que algumas modalidades humanas

servem de base para a atuao dos agentes como a viso,
audio e toque. Porm, outras modalidades tambm so
usadas pela IA, em que os humanos no so capazes de
fornecer, como rdio, infravermelho, GPS e sinais sem fio. A
combinao dessas modalidades forma a base para que uma
tecnologia consiga reproduzir atitudes, de forma inteligente.

B. Percepo e Psicologia
De acordo com a psicologia, a percepo consiste em uma
organizao e interpretao dos estmulos que foram recebidos
pelos sentidos e que possibilita identificar certos objetos e
acontecimentos. A percepo tem duas etapas, a sensorial e a
intelectual. As duas se complementam, porque as sensaes
no proporcionam uma viso real do mundo, e devem ser
trabalhadas pelo intelecto [1].
C. Percepo e Filosofia
Conceito que descreve uma situao em que o indivduo
capta de forma intuitiva os estmulos exteriores. Diferentes
pensadores e filsofos descreveram a percepo de formas
distintas. Para Descartes, a percepo todo o ato de
inteligncia. Segundo Leibniz, um estado transitrio que
envolve processos mltiplos [1].
III.

INTELIGNCIA ARTIFICIAL (IA)

A. O que Inteligncia Artificial?

um ramo da Cincia da Computao que estuda e se
prope a desenvolver dispositivos que simulem a capacidade
humana de raciocnio, percepo, resoluo de problemas e
tomadas de decises. Ou seja, procura imitar o
comportamento humano diante de variadas situaes, sejam
essas situaes premeditadas ou no.

Um rob, por exemplo, utiliza do sensoriamento ativo

para comunicar-se e envolver-se com ambiente enviando sinais
como um radar ou ultrassom. Um sensor pode ser de diversos
tipos e na modalidade da viso temos dois considerveis:

Modelo de objeto: modelo que descreve os objetos

que esto visualmente em volta do agente, como
pessoas, carros, casas, rvores, etc.

Modelo de renderizao: modelo que descreve

processos fsicos, geomtricos e estatsticos que
produzem o estmulo do mundo. So precisos,
porm, podem ser ambguos dependendo de onde
est observando.

A viso para os robs dada pelos vdeos em cmeras que

possuem para realizar determinada atividade. Essas cmeras
normalmente captam muitas imagens em tima qualidade,
fazendo com que a base de dados seja muito grande. Isto pode
ser uma complicao para a IA, que precisa formular um
algoritmo eficiente que saiba diferenciar quais dados so
relevantes e quais no, em meio a uma imensido de
informaes.
V.

CONSTRUO DE IMAGENS

A imagem distorce a geometria. Por exemplo, a Figura 1

uma foto tirada olhando para um longo conjunto reto de via
frrea que sugere que os trilhos convergem e se encontram.

Atualmente podemos observar a aplicao da Inteligncia

Artificial em inmeras reas como a de jogos, de sistemas para
computador, da robtica, em diagnsticos mdicos, em
dispositivos de reconhecimento de voz e face. A IA tambm
est representada nos filmes e livros de fico, onde so
mostradas as expectativas, na viso dos autores, de como a IA
pode influenciar a vida humana, tanto de forma positiva
quanto negativa.
IV.

PERCEPO E A INTELIGNCIA ARTIFICIAL

Visto os conceitos de Percepo e Inteligncia Artificial

que traamos, podemos agora entender como essas duas reas e
seus segmentos se relacionam a fim de estudar e desenvolver
novas tecnologias.
A percepo fornece aos agentes informaes sobre o
mundo que eles habitam, interpretando a resposta dos sensores.
Um sensor mede algum aspecto do ambiente de uma forma que
pode ser usada como entrada por um programa do agente. O
sensor poderia ser to simples como um interruptor, que

Figura 1 Imagem de uma linha frrea

O fundo da retina do olho humano contm dois tipos de
sensores que detectam a luz e a transformam em impulso
nervoso: cones e bastonetes. Os cones so aproximadamente
seis a sete milhes e esto concentrados principalmente no
centro da retina e so responsveis pela percepo das cores.
Os bastonetes so aproximadamente 125 milhes e esto

concentrados na periferia da retina, distinguem os tons de cinza

e so responsveis pela viso perifrica [3].
Em cmeras, a imagem formada em um plano da imagem,
que pode ser um pedao de filme revestido em uma grade
retangular com milhes de pixels fotossensveis. Cada fton
que chega ao sensor produz um efeito cuja fora depende do
comprimento de onda do fton, o que faz com que a imagem
gerada seja uma mdia ponderada da intensidade da luz que foi
captada pelo sensor [4].
Os sensores de imagem renem luz espalhada a partir de
objetos em uma cena e criam uma imagem bidimensional. Com
a ajuda de tecnologias como as lentes, sensor CCD e o
conhecimento da composio de luz e cores, esses sensores
criam uma matriz de pixel, a qual representa o plano da cena
capturada. Transformada em cdigos binrios, o agente recebe
a percepo de mundo atravs de bytes e bytes de informao
prontos para serem analisados [3].
VI.

ARESTAS

Arestas so linhas retas ou curvas que, na maioria das

vezes, compe o contorno de determinado objeto. Tais linhas
possuem uma caracterstica essencial nesse processo, que
consiste da mudana brusca no padro do plano, no que diz
respeito orientao de superfcie, descontinuidade de
refletncia, descontinuidade de iluminao e descontinuidade
da profundidade.
Um agente que precisa fazer o reconhecimento de objetos e
seres ao seu redor, precisa da anlise dos dados captados pelo
sensor de viso. Na computao grfica h inmeros
algoritmos de recortes de polgonos, segmentos de reta,
manipulao e anlise de imagens digitais. Com isso, a
Inteligncia Artificial utiliza o conceito de alguns desses
algoritmos para classificar os pixels captados pelo agente, por
meio da deteco de arestas.
Com isso, o agente tem a percepo de quantos objetos
podem conter na cena em questo, e a dimenso e contornos
que esses objetos possuem. Porm h uma diferena entre a
sada deste processamento e um desenho a trao ideal, esta
tcnica retorna uma imagem rstica e pouco realista da cena
podendo conter rudos e pixelizao errnea. Porm esses
rudos so facilmente corrigidos nas etapas posteriores, como
por exemplo o processo de aplicao de filtros, que
basicamente faz uma mdia ponderada dos pixels vizinhos no
intuito de suavizar a imagem.
VII. RECONHECIMENTO DE OBJETO PELA APARNCIA
Aparncia algo que um objeto tende a parecer,
sendo assim, algumas classes de objetos vo variar pouco
nessa aparncia, como as bolas de futebol, basquete e etc, e, se
esse for o caso, podemos calcular um conjunto de recursos que
descreve cada classe com a probabilidade de conter o objeto
e em seguida testar sua veracidade atravs de um classificador.
J quando estamos tratando de classes onde os objetos tendem
a variar muito, como por exemplo uma casa, que tem tamanho,
cor e forma diferentes, podemos dizer que esses objetos so
feitos de padres locais que tendem a se movimentar com

relao uns aos outros e com isso podemos encontrar o objeto

verificando histogramas locais de detector de respostas, que
expem se alguma parte est presente, suprimindo os detalhes
de onde ela est contida.
Uma receita geral o teste de cada classe de imagens com
um classificador instrudo, por exemplo a deteco de faces:
em baixa resoluo e sob certa iluminao, todos os rostos so
parecidos, so redondos e brilhantes se comparados s orbitas
dos olhos, a boca e as sobrancelhas que so escuras; sabemos
que mudanas na iluminao podem causar variaes nesse
padro, mas o intervalo de variao controlvel. Por isso
hoje um recurso bastante comum contido at nas cmeras
mais baratas.
Usamos uma estratgia chamada de janela deslizante, ou
seja, passamos uma janela redonda de tamanho fixo sobre a
imagem, calculamos seus atributos e os apresentamos a um
classificador. Para encontrar rostos de diferentes tamanhos
devemos repetir a varredura em verses maiores e menores da
imagem. Finalmente, fazemos o ps-processamento das
respostas atravs de escalas e locais para produzir o conjunto
final de deteces, j que pouco provvel que tenhamos
escolhido um tamanho de janela que seja exato para um rosto.
Um mecanismo de regresso prev a orientao da face, a
janela corrigida com essa orientao e em seguida
apresentamos de novo ao classificador e testamos se de fato o
rosto est presente na imagem.
A. Aparncia complexa e elementos padro
Existem objetos que produzem padres muito mais
complexos que o rosto, j que certos efeitos modificam as
caractersticas ao redor de uma imagem do mesmo:
dependendo de sua direo, inclinao, ngulo de vista e etc,
elementos de um objeto podem mudar de forma (encurtar,
deformar, sofrer ocluso, ou seja, ter partes escondidas).
Os histogramas de orientao local so um poderoso
recurso para o reconhecimento de objetos mesmo que
complexos. Os objetos com elementos-padro podem se
mover em relao uns aos outros, porm, se a maior parte
deles est presente no lugar certo, bastante provvel que o
objeto estar presente: assim que funciona um reconhecedor
de objetos.
Uma abordagem bvia seria representar a janela de imagem
como um histograma de elementos padro que l aparecem,
porm ela no muito eficiente j que esses padres podem se
confundir uns com os outros. O truque preservar alguns
detalhes espaciais na representao do histograma, por
exemplo, faris tendem a estar na frente de um carro, e as rodas
na parte inferior.

B. Deteco de pedestres com caractersticas HOG

(Histograma de Orientao de Gradiente)
Segundo o Banco Mundial, cerca de 800 mil pedestres so
mortos em acidentes de carro a cada ano. Com isso vemos que
a deteco de pedestres um problema de aplicao muito
importante, j que os carros que podem detect-los podem
estar salvando muitas vidas. Apesar do fato de que os
pedestres utilizam rupas diferentes, configuraes
diferentes, com uma resoluo baixa elas tem uma aparncia
caracterstica bastante regular e assim possvel atravs de
uma construo de caracterstica cuidadosa, criar um detector
de pedestres. Eles podem mover seus braos e pernas ao redor,
assim devemos utilizar um histograma para suprimir alguns
detalhes espaciais, quebramos a janela em clulas e
construmos um histograma de orientao em cada clula [2].
Como as caractersticas de orientao no so afetadas pelo
brilho da iluminao, no podemos tratar em especial arestas
de alto contraste. Podemos recuperar a informao do
contraste atravs da contagem de orientaes de gradiente com
pesos que mostram a relevncia do mesmo se comparado aos
outros, a caracterstica resultante geralmente chamada de
caracterstica HOG (histograma de orientaes de gradiente) e
essa construo de caracterstica a principal forma pela qual
a deteco de pedestre difere da deteco de rosto.

IX.

A PERCEPO E OS ATORES SINTTICOS

Um interesse comum entre os desenvolvedores de agentes

inteligentes aumentar o realismo atravs do comportamento
e cognio. Desta forma, caractersticas como emoes,
personalidade e objetivos, que aumentam a credibilidade,
foram adicionadas aos agentes virtuais, permitindo que o
comportamento humano seja simulado compondo, inclusive,
caractersticas imperfeitas. Esta nova abordagem recebe o
nome particular de Atores Sintticos [7].
Como h um nmero considervel de pesquisadores nesta
rea, h mais de um modelo de arquitetura de ator sinttico.
Devido a este fato, falaremos de um modelo genrico que
pode ser introduzido em diversas reas do conhecimento. A
arquitetura que ser apresentada prov aos atores capacidades
como autonomia, habilidade social, reatividade, personalidade,
emoes e orientao a objetivos em funo da especificao
de vrios subsistemas e est ilustrada na Figura 2.

VIII. A PERCEPO EM AGENTES INTELIGNTES BASEADOS EM

EMOES

Um dos maiores e mais cobiados segmentos da rea da

IA a simulao da emoo humana, ou seja, a grosso modo,
fazer um agente sentir alguma emoo. Nota-se que, apesar de
sermos seres racionais, nossas decises, atitudes, escolhas e at
discusses, na maioria das vezes so baseadas no nosso
sentimento diante daquela situao.
Para que um rob possa expressar qualquer tipo de emoo,
a percepo essencial, para que o mesmo possa corresponder
a emoes j expressas anteriormente por algum indivduo ou
algo presente naquele ambiente. A simulao de agentes
capazes de identificar, sentir e compartilhar emoes tem sido
bastante explorada nas empresas de games e filmes de fico,
robs com a capacidade de sorrir, amar, sentir medo ou
empolgao gera muita controvrsia de opinies e colocam os
cientistas da I.A. em um impasse. Diante deste cenrio, pode-se
questionar qual ser o limite da Inteligncia Artificial.
Nos ltimos anos, o papel das emoes tem sido
examinado em estudos de processos de tomadas de deciso,
julgamento moral e orientao em equipe. [5].
Foi observado que emoes influenciam a tomada de
decises at mesmo de forma inconsciente, quando reduzem o
leque de opes de aes e agilizam a anlise do que seria ter
uma infinidade de opes sem valor significante [6]. Desta
forma estudos reforam a ideia de modelos de agentes
inteligentes usando como base a emoo-percepo como fator
de processamento de dados e tomada de deciso.

Figura 2 Arquitetura Agentes Sintticos

A percepo do mundo permite que os atores sintticos
possam captar e reagir s alteraes no ambiente em que esto
inseridos. Quanto mais prximo do real, mais o sistema
baseado em emoes, pois, como j vimos a maior parte das
teorias sobre emoes possuem um consenso que elas so um
sistema motivacional que influenciam a percepo e a
cognio de diversas maneiras.
Refletindo as mltiplas orientaes que caracterizam o
estudo dos fenmenos emocionais, tambm na integrao de
emoo em agentes inteligentes, diferentes tipos de modelos
tm sido propostos. A caracterizao desses modelos pode
passar por diferentes vertentes, como o nvel de especificidade
(arquiteturas de agentes e simulao de fenmenos
individuais), paradigma computacional de suporte (cognitivo e

comportamental), tipos de fenmenos considerados ou tipo de

aplicao [8].
Um dos modelos, que um dos mais utilizados na
Inteligncia Artificial por ser instanciado de forma fcil em
computadores atravs de uma base de conhecimento,
conhecido como OCC (Ortony, Clore e Collins) [9]. Esse
modelo foi desenvolvido em 1988 pelos prprios autores que
do nome ao modelo [10] e baseado na estrutura cognitiva
das emoes.
Na Figura 3 temos representado o modelo OCC e
podemos observar que as emoes so divididas em trs
categorias, que dependem do estmulo. A primeira Eventos,
que so os acontecimentos; a segunda Agentes, que pode ser
o prprio agente ou outros e por fim, Objetos, que podem ser
apreciados ou no.
Este modelo OCC tem como objetivo avaliar a ao do
agente mediante a situao que um determinado agente recebe
uma banana de presente. O agente consulta em seu banco de
dados qual a informao correspondente banana. O banco
de dados indica que o agente gosta de banana, ento o agente
avalia a ao do usurio, sempre consultando informaes
previamente armazenadas no banco de dados. No fim, o
agente conclui que a ao de receber uma banana significa
admirao/amor, alm de concluir para si mesmo que est
satisfeito com o gesto.
A abordagem, no entanto, considera apenas emoes de
forma superficial, diante do cumprimento ou no de um dado
objetivo, sem considerar influncia do estado emocional.

dentro de 22 emoes e expressa-las fisicamente,

influenciando, inclusive, no comportamento do agente. Esta
abordagem, no entanto, considera a emoo apenas como uma
consequncia direta da anlise cognitiva do agente, pelo
cumprimento ou no de seus objetivos, e no leva em
considerao a influncia do estado emocional na capacidade
de perceber as informaes do mundo. [7]
X.

CONCLUSES

Com o estudo realizado para este artigo, pudemos observar

que a Percepo est presente em diversas reas e que no h
apenas um tipo de definio e muito menos uma nica forma
de aplicao dentro da Inteligncia Artificial.
essencial destacarmos que para ns humanos, a ideia de
percepo passe praticamente despercebida, por j fazer parte
do nosso cotidiano e do nosso corpo. Nossos sentidos, como
viso, tato, paladar e etc. nos ajudam a termos uma viso
pessoal do mundo e de tudo que est a nossa volta. Algumas
percepes so comuns para todas as pessoas, como uma
cadeira que ser uma cadeira para qualquer pessoa que
observar. J algumas percepes no so to generalizadas
para ns quando analisamos sentidos mais pessoais, como o
paladar, que para cada indivduo pode ser analisado de forma
diferente, assim como a viso perante a sociedade em algum
determinado ambiente.
Vimos que os agentes inteligentes so baseados em sua
maioria na percepo humana. Os algoritmos tentam
aproximar o mximo possvel das atitudes humanas diante de
algum ambiente, utilizando sensores, como cmeras,
infravermelhos,
movimento
e
muitos
outros.
O
reconhecimento de objetos uma tarefa consideravelmente
fcil para esses agentes, como uma cadeira, uma rvore, um
carro e, consequentemente, um agente consegue desenvolver
diversas tarefas de forma autnoma, tomando decises por
conta prpria e nos ajudando em muitas reas.
Percebemos tambm que a IA uma rea que est sempre
em avano e no ficou estagnada apenas em reproduzir
movimentos a partir de percepes de objetos e de um
determinado lugar. A IA entende que as atitudes humanas
dependem em sua maioria do estado emocional do indivduo
naquele determinado momento e interagimos uns com os
outros desta mesma forma.

Figura 3 Exemplo do modelo OCC

O processamento das emoes pode ser feito em cinco

fases, que permite qualificar, quantificar, interar, mapear

Ento esse um dos grandes desafios da Inteligncia

Artificial, reproduzir de forma autnoma as emoes humanas
diante de qualquer cenrio. Mas essa uma tarefa muito
difcil, pois at mesmo o campo da Neurocincia sempre nos
surpreende com novas explicaes para o que sentimos, de
como o crebro reproduz determinado sentimento e como o
corpo reage diante disso.
Diante desse cenrio, no h um consenso de at onde a IA
ir avanar. Alguns acreditam que ela nunca conseguir esse

nvel de percepo, pois acreditam na alma do ser humano e

que a mesma algo abstrato e pessoal e que no possvel de
ser reproduzida, portanto no h como expressar sentimentos.
J outros, acreditam que com o avano da cincia e da
tecnologia esse objetivo pode sim ser cumprido.
XI.

REFERNCIAS

[1] PEDROSA, Mrio. Forma e percepo esttica. So Paulo: Editora da

Universidade de So Paulo, 1996.
[2] RUSSELL, S. & Norvig, Peter. Inteligncia artificial.Terceira Edio, Rio
de Janeiro: Campus, 2013.
[3] GATTAS, Marcelo. Cor em Sistemas Digitais Tecgraf. Disponvel em:
http://www.tecgraf.puc-rio.br/~mgattass/cg/pdf/02_Cor.pdf
[4] MENESES, Paulo & Almeida T. Introduo ao Processamento de Imagens
de Sensoriamento Remoto. Braslia, 2012.
[5] GERALD L., Clore and Storbeck, Justin Affect as Information for Social
Judgment, behavior and memory. 2005
[6] WiILDMARK Jorgen. social agent: facial expression driver for an e-nose.
(2003).
[7] MIRANDA, J. M.; Aldea, A. Emotions in human and artificial
intelligence. In Computers in Human Behavior Vol.21. pp 323-341 (2004)
[8] JABARTNECK, C. Integrating the OCC Model of Emotions in Embodied
Characters In University of Eindhoven (2002).
[9] ORTONY, A., Clore, G., & Collins, A. The Cognitive Structure of
Emotions. Cambridge University Press. (1998).