Em artigo publicado nas primeiras edições desta revista, onde discorremos sobre a “Biônica”, mostramos como a ciência pode imitar a vida, criando órgãos artificiais que se baseiam totalmente no comportamento dos órgãos vivos e que podem até ser usados na sua substituição. Será que podemos ir além e pensar na possibilidade de a tecnologia também substituir a inteligência ou até mesmo a vida?
Quando nos referimos às simples partes que realizam funções mecânicas em um ser vivo como pernas, braços, ou ainda sensores comuns como de luz, sons, etc., não temos muitas implicações de ordem filosófica. No entanto, quando adentramos no que se denomina “vida” e no que se chama “inteligência”, as coisas se complicam. Os conflitos, no sentido de se aceitar, que máquinas construídas pelo próprio homem possam ter esses atributos são inevitáveis.

Evidentemente que para a ciência, tudo pode ser reduzido, em última análise, a teorias e fórmulas e isso também é válido para a vida e para a inteligência. Isso significa, por conseguinte, que se pudermos equacionar vida e inteligência, nada impede que essas características sejam agregadas a máquinas como automatismos, robôs e muito mais.

Isso já está acontecendo atualmente, e o uso da palavra “inteligente” para certos equipamentos vem sendo empregado com certa frequência, embora as pessoas ainda não tenham tomado consciência do verdadeiro significado desse atributo.


Inteligências artificial

Não podemos dizer se uma máquina é (ou não) inteligente ou se o que vamos agregar a um circuito é (ou não) inteligência se não soubermos definir exatamente o que é inteligência.

Definir inteligência é algo bastante complexo, não obstante, sua presença em um ser vivo ou em um robô seja algo que podemos perceber até intuitivamente.

Consequentemente, aquilo que definimos como inteligência natural pode ser associado a três habilidades:

• Aprender com a experiência;
• Tomar decisões lógicas baseadas na experiência;
• Gerar emoções.

É claro que se tomarmos por base esses três itens nos depararemos com algumas dificuldades adicionais como, por exemplo, definir o que são “emoções”.

O Teste de Turing

Alan Turing foi quem primeiramente imaginou um teste para saber se uma máquina é (ou não) dotada de inteligência. O teste de Turing é simples de entender.

Se colocarmos uma pessoa para testar uma máquina que se encontra em um local distante de modo que elas se comuniquem sem que a primeira saiba quem está do outro lado, a máquina será considerada inteligente se a pessoa não conseguir discernir, com certeza, se a que está do outro lado é uma máquina ou outra pessoa.

Inteligência por software

Basicamente, existem duas formas de se implementar inteligência em uma máquina: por software e por hardware.

Por software, o que fazemos é utilizar algum tipo de processador que possa ser programado com algoritmos inteligentes, ou seja, que dotem a máquina a ser controlada por ele de atributos que caracterizam a inteligência artificial, tais como a capacidade de aprendizado, tomada de decisões, etc (figura 1).

Há diversos tipos de programas que podem ser empregados com essa finalidade e muitos deles são de uso relativamente simples, como os que utilizam lógica difusa ou lógica Fuzzy.

Inteligência por hardware

Por outro lado, a inteligência por hardware usa circuitos que podem aprender independentemente de programação. Tais circuitos podem “se adaptar” ao tipo de estímulo enviado por sensores e modificar seu comportamento. Todavia, quando tratamos de robótica e mecatrônica em um nível mais simples, podemos ser mais abrangentes nas definições de inteligência artificial.

Assim, qualquer tipo de circuito, mesmo que tenha um simples sensor que atue sobre um mecanismo de mudança de direção, já pode ser considerado um recurso “inteligente”. Através dele, o robô ou veículo é capaz de reagir diante de situações detectadas pelo sensor, mudando sua direção, o que não deixa de ser um comportamento inteligente, embora ainda em um nível de “ameba”, conforme ilustra a figura 2.

Mas, se agregarmos diversos dispositivos-sensores a um robô ou quaisquer automatismos e os interligarmos de uma forma que combine as suas informações resultando em comportamentos complexos, o que podemos chamar de “inteligência” se torna mais evidente.

Mais ainda, se o comportamento do circuito puder mudar com o tempo, ou de acordo com os estímulos enviados, teremos agregado um requisito muito importante para que a definição de inteligência seja válida: o aprendizado.

É possível fazer tudo isso com circuitos simples? É o que veremos.

Circuitos Práticos

Damos, a seguir, uma série de circuitos simples que podem ser usados para agregar “inteligência” a um projeto. Esses circuitos podem ser combinados de diversas formas ou usados em conjunto com outros projetos que o próprio leitor criar baseado nas configurações dos artigos anteriores desta série. Tudo dependerá da imaginação de cada um.


Circuito que aprende

Na figura 3 temos um circuito muito simples com dois sensores que “aprende” e “esquece”, retendo informações por um intervalo de tempo que depende apenas da qualidade do capacitor usado.

A ideia básica adotada nesse circuito é a de que o ponto em que um transistor conduz pode ser alterado de modo que ele seja mais facilmente disparado (ou não) em função de informação prévia retida pelo uso. Um capacitor retém essa informação sob a forma de uma carga, sendo que o circuito funciona da seguinte forma:

Quando ligado pela primeira vez, o capacitor se encontra completamente descarregado, de modo que para chegar ao limiar da condução acionando a carga, o pulso do sensor X1 precisa ser mais demorado. É necessário carregar o capacitor pelo menos até a
tensão de condução do transistor.

Quando o sensor é desligado, o capacitor retém sua carga por algum tempo, durante o qual ela será acionada. Quando a carga desliga, o capa- citor ainda retém certa carga, ou seja, “memoriza” o acionamento anterior.

Isso quer dizer que o pulso seguinte do sensor (para seu acionamento) pode ser mais curto. O circuito terá “aprendido” a responder ao estímulo. O sensor X2 serve para fazer o circuito “esquecer” o que aprendeu, pois ele descarrega o capacitor.

Como a resistência de entrada de um MOSFET de potência é extremamente elevada, se usarmos um capacitor de poliéster de boa qualidade entre 470 nF e 2,2 µF, é possível o circuito reter as informações por intervalos de várias dezenas de minutos.

Outro circuito de memória capacitiva
O circuito da figura 4 fornece uma tensão de saída que é o resultado da integração dos pulsos aplicados em sua entrada. Em outras palavras, esse circuito memoriza a quantidade de pulsos de entrada, “esquecendo-a” vagarosamente com o tempo. Com um bom capacitor de poliéster, que apresente mínimas fugas, o circuito pode memorizar a quantidade de pulsos aplicados em sua entrada por intervalos de tempo que chegam a algumas dezenas de minutos. A velocidade com que os pulsos são armazenados depende apenas do valor do resistor de entrada que, em conjunto com o capacitor, determina a constante de tempo do circuito.

A resistência de entrada extremamente alta do amplificador operacional usado impede que o capacitor se descarregue rapidamente, retendo assim sua carga, que é a informação. Podemos utilizar esse circuito para controlar diretamente uma carga de alta corrente, interfaceando-o com um regulador de tensão LM350, veja a figura 5.

O circuito integrado LM350 pode controlar cargas de até 3 ampères. A tensão em sua saída depende dos pulsos integrados pelo circuito de aprendizado. O resistor R2 determina o tempo de retenção da informação ou memorização, podendo ser eliminado. Quanto menor esse resistor, mais rapidamente o circuito “esquece” a quantidade de pulsos aplicados em sua entrada.

Circuito de amostragem e retenção

Um outro circuito que pode ser usado como uma espécie de memória para aprendizados em projetos inteligentes é o circuito de amostragem e retenção ou “sample & hold”, se ado- tarmos seu nome em inglês.

Na figura 6 temos um exemplo de circuito de amostragem e retenção empregando um amplificador operacional e um transistor de efeito de campo de junção (JFET).

O circuito funciona da seguinte maneira: quando se aplica um pulso de controle na comporta do transistor, ele se satura e deixa passar a tensão que se encontra na entrada para o capacitor. O capacitor se carrega com essa tensão, “memorizando-a”. Quando o pulso de controle desaparece, o capacitor se mantém com a tensão memorizada, mesmo que a tensão de entrada varie. A tensão memorizada aparece então na saída do amplificador operacional, pronta para ser usada como referência em um circuito qualquer de acionamento ou de controle de algum dispositivo. Obviamente, o capacitor usado deve apresentar uma fuga muito pequena.

Esse tipo de circuito é muito utilizado na digitalização de sinais analógicos por amostragem, onde a frequência dos pulsos de controle determina a velocidade do processo de amostragem.

Comparador de janela
Uma configuração muito interessante para uso em circuitos inteligentes é o comparador de janela, cujo esquema básico é mostrado na figura 7.

Dois comparadores de tensão são ligados com suas saídas em paralelo. O ideal é usar comparadores do tipo LM339 que possuem saídas com coletor aberto, na figura 8 o pulso vemos o de saída.

Outros tipos de comparadores podem exigir o uso de diodos para que, quando uma saída for levada ao nível baixo, a outra (estando no nível alto) possa levar o circuito a um curto-circuito, observe a figura 9.

O funcionamento do comparador é o seguinte:
Colocamos nas entradas dos comparadores as tensões de referência V1 e V2 que determinarão os pontos em que eles mudam de estado. Quando a tensão de entrada se encontra abaixo de V1, o comparador (I) tem sua saída saturada e com isso a saída do conjunto é baixa. Quando a tensão de entrada se encontra acima de V2, o comparador (II) é que tem sua saída saturada e da mesma forma a saída do circuito se mantém no nível baixo.

Por outro lado, se a tensão de entrada estiver entre V1 e V2, as saídas dos dois comparadores se mantêm no corte, e com isso o resistor de saída se encarrega de manter a saída do circuito no nível alto. Assim, conforme exibe a figura 10, quando a tensão de entrada está entre V1 e V2, temos uma “janela” de tensões altas de saída.

É possível usar esse circuito de modo a agregar inteligência a um projeto de diversas formas. Uma delas é pela ligação dos circuitos de referência inteligentes com capacitor que vimos na sua entrada para fornecer tensões que variam de acordo com o aprendizado, figura 11.

Usando esses circuitos, a largura e posição da janela numa faixa de tensões pode ser variada, veja a figura 12.

Um robô pode começar a operar com uma curva de sensibilidade de um sensor estreita, determinada por V1 e V2, e depois essa curva pode ir se alargando com a diminuição de V1 e o aumento de V2.

O robô pode ainda ser ensinado a procurar o “escuro” ou “claro” (usando um LDR como sensor), deslocando-se a curva de resposta do circuito para o lado de V1 ou V2.

Uma outra maneira de usar um comparador de janela de “forma inteligente” é ilustrada na figura 13.

Colocamos LDRs para formar um divisor resistivo de referência de tensão de modo que a posição de V1 e V2 e a largura da faixa dependem da intensidade da luz que incide nos sensores. O circuito poderá ser utilizado para se projetar um robô que tenha comportamentos diferentes em função da luz ambiente, ou da iluminação de um alvo que ele deva procurar.

Aprendizado Digital
Uma forma interessante de se agregar um circuito de aprendizado digital é exibida na figura 14. Nesse circuito, a tensão de referência, que pode ser usada para determinar o ponto de atuação de sensores, depende do número de pulsos memorizados por um contador digital.

O contador pode ser feito com base em um circuito integrado CMOS 4017 que dá 10 posições de “memorização” ou aprendizado, mas nada impede que sejam empregados contadores com maior número de posições. Esse circuito também possibilita que se planeje o escalonamento do aprendizado através dos valores dos resistores. Seu funcionamento é o seguinte: à medida que o número de pulsos aplicados ao circuito aumenta, cresce também a tensão de referência. Se for usado um contador regressivo, a tensão de referência irá diminuir quando os pulsos forem contados.

<< anterior | 1 | 2 | 3 | 4 | 5 | 6 | 7 | 8 9 | 10 | próximo >>

Página 9 de 10

Neurônio Eletrônico

Uma possibilidade muito interessante para aqueles que gostam de lidar com inteligência artificial é pensar em montar uma “rede neural”. Essa rede nada mais é do que um conjunto de circuitos que imitam neurônios e que são associados segundo um padrão que imita a organização dessas células nos seres vivos, conforme mostra a figura 15.

Embora existam circuitos integrados que já possuam neurônios eletrônicos integrados, eles não são fáceis de obter nem simples de se trabalhar. Uma alternativa mais simples de se fazer experimentos com neurônios consiste em montar essa configuração com componentes comuns. Na figura 16 temos a configuração de um neurônio do tipo “integra e dispara”, que é formado por dois amplificadores operacionais comuns.

Os pulsos de entrada são aplicados aos “dendritos” e, além disso, há uma entrada de inibição que pode ser usada para “paralisar” o neurônio. Quando os pulsos atingem um certo valor determinado pela constante de integração do circuito (dada por C1), o bloco seguinte é disparado produzindo uma saída no “axônio”.

Um pequeno “cérebro” de robô pode ser implementado empregando-se alguns blocos como este.

Conclusão

O que vimos até o momento é apenas uma pequena mostra de como podemos implementar muitas coisas eletrônicas em projetos mecatrônicos. Esta série de artigos, que procurou oferecer ideias práticas de circuitos para os leitores, está sendo finalizada por aqui. Voltaremos, entretanto, com assuntos de interesse relacionados com a eletrônica para a Mecatrônica em edições futuras.