Este é mais um post sobre inteligência artificial. Uma introdução às redes bayesianas e suas aplicações serão o assunto deste post.
O que são?
Rede bayesianas são modelos gráficos que trabalham com conhecimento incompleto e permitem máquinas fazerem inferências, previsões e tomar decisões a partir da probabilidade de variáveis assumirem alguns estados. Com as redes bayesianas, máquinas podem fazer previsões como “se o evento X acontecer, tem alta probabilidade de aparecer Y”. Exemplo de variáveis: “Tem alguma doença?”, “Vai acontecer evento X?”, idade, altura. Exemplo de estados: “verdadeiro ou falso”, “tanque vazio, cheio, com pouco ou muito combustível”.
Como funciona?
Contêm nós e ligações, cada nó representa uma variável que pode ser discreta ou contínua, esta variável tem probabilidades de assumir alguns estados. Um nó pode ter mais de uma variável e pode influenciar outros nós da rede, que estejam ligados com o nó. Este é um exemplo de rede bayesiana em funcionamento somente com variáveis discretas, ao escolher arbitrariamente os estados em alguns nós, influenciará a probabilidade em outros nós.
[WPGP gif_id=”7973″ width=”600″]
Esta é uma rede bayesiana com variáveis contínuas e discretas.
Para brincar com estas redes bayesianas, clique neste link e neste. Estes tipos de redes usam o Teorema de Bayes para calcular a probabilidade de certos eventos com alguma informação disponível.
P(A|B)=\frac{P(B|A)P(A)}{P(B)}
- P(B) e P(A) são as probabilidades de ocorrerem B e A respectivamente;
- P(A|B) é a probabilidade de ocorrer A considerando que o evento B aconteceu, ou dado B;
- P(B|A) é a probabilidade de ocorrer B dado A.
Redes dinâmicas bayesianas
As redes bayesianas dinâmicas incluem o tempo e os eventos acontecem em sequência. Neste tipo de rede, os nós são divididos em espaços de tempo.
Estas redes podem ser usadas para modelagem de sistemas biológicos como ciclos celulares, regulação de genes e sistema nervoso central, pois estes têm variáveis que mudam com o tempo.
Outras aplicações
Além da inteligência artificial (IA), outras aplicações são:
- Diagnóstico de doenças a partir de sintomas;
- Construir modelos econômicos;
- Jogos de simulação para fins educativos e entreterimento;
- Cálculo e gerenciamento de riscos;
- Análise química.
