O estudo do comportamento nas cincias do artifcial e o problema das escalas temporais Porfrio Silva 1 Instituto de Sistemas e Robtica, Instituto Superior Tcnico, Lisboa, Portugal porfriosilva@isr.ist.utl.pt Resumo Neste texto sugere-se que as Cincias do Artifcial podem contribuir com a sua dimenso experimental para o avano da compreenso da dinmica das interaces entre processos da histria da vida que tm lugar em diferentes escalas temporais, como sejam a evoluo de uma espcie, o desenvolvimento de indivduos dessa espcie e a evoluo cultural de uma sociedade. Para substanciar essa sugesto apresentam-se exemplos de trabalhos desenvolvidos no mbito das Cincias do Artifcial, uma constelao de abordagens cientfcas que procuram realizar em mquinas construdas por humanos certos comportamentos defnidas como objectos de ateno por parecerem tpicas dos prprios humanos ou de outros animais. Os exemplos apresentados so: primeiro, a Robtica Evolutiva, que procura obter robots que resultem de processos de evoluo artifcial; segundo, a Robtica do Desenvolvimento, que tenta implementar em plataformas robticas alguns aspectos do complexo de processos que levam, em espcies que se repro- duzem sexualmente, do zigoto ao indivduo adulto; terceiro, experincias com a emergncia de linguagens simblicas em robots. A considerao destes exemplos conduz identifcao de um problema metodolgico nas cincias do artifcial: o problema das escalas temporais. Sugerimos que, para avanar na compreenso desse problema, as cincias do artifcial benefciariam de procurar inspirao na etologia. Palavras-chave Cincias do Artifcial; Nova Robtica; Robtica Evolutiva; Robtica do Desenvolvimento; linguagem para robots; escalas temporais. Abstract This paper suggests that the experimental dimension of the Sciences of the Artifcial can contribute to the understanding of the dynamical interactions between processes taking place at different time scales in the history of life, such as the evolution of a species, the development of individuals, and the cultural evolution of a society. This suggestion is substantiated with examples taken from several lines of research within the framework of the Sciences of the Artifcial, a 1 A investigao do autor benefcia do apoio da Fundao para a Cincia e a Tecnologia (SFRH/BPD/35862/2007). 182 Porfrio Silva constellation of scientifc approaches seeking to make machines built by humans capable of a number of behaviours previously believed to be exclusive to human beings or other animals. The frst example taken is Evolutionary Robotics, which uses techniques of artifcial evolution to design autonomous robots. The second example is Developmental Robotics, which attempts to implement in robotic platforms some aspects of the complex processes that lead, in species that repro- duce sexually, from a zygote to an adult individual. The third example is a series of experiments with the emergence of symbolic language in robots. A refection on these examples leads to the identifcation of a methodological problem in the sciences of the artifcial: the problem of time scales. We suggest that, to advance the understanding of this problem, the sciences of the artifcial would beneft of seeking inspiration in ethology. Key words Sciences of the Artifcial; New Robotics; Evolutionary Robotics; Developmental Robotics; language for robots; timescales. As comemoraes, em 2009, do bicentenrio de Charles Darwin e dos 150 anos dA Origem das Espcies, foram oportunidade para testemunhar quo infuente se tornou, quer em termos cientfcos quer a nvel popular, a ideia de que a espcie humana (como as outras) parte integrante da natu- reza, resultado de uma histria que pode ser compreendida descartando o argumento do relgio e do relojoeiro transcendente porque a existncia de sistemas complexos no necessariamente resultado do projecto deliberado de deuses ou de humanos, podendo bem ser largamente devida a mecanismos algortmicos e desprovidos de fnalidade. H at tentativas recentes, oriundas nas cincias da sociedade e com bases epistemolgicas diferentes da socio- biologia, para aplicar uma verso generalizada dos princpios darwinistas evoluo institucional, sob a designao de Darwinismo Generalizado (Hodgson e Knudsen, 2006; Aldrich et al., 2008). O interesse cientfco e flosfco dessa ideia mede-se tambm pelas inmeras janelas de investigao que abriu nas tentativas de compreender a vida em diferentes dimenses de variao, como histria gentica, epi- gentica, comportamental e simblica. Essa orientao continua a ter um impacte assinalvel na tentativa de compreendermos o comportamento, designadamente em etologia humana (Eibl-Eibesfeldt, 1997). Associamo- nos aqui celebrao desse desafo, mas propondo um percurso de certo modo tortuoso. Iremos pela via das Cincias do Artifcial. 183 Dar tempo ao tempo. Consideramos como cincias do artifcial todas aquelas teorias e prticas cientfcas que procurem realizar em mquinas concebidas e/ou cons- trudas pelos humanos certos comportamentos ou capacidades que tenham sido defnidas como objecto de ateno por parecerem tpicas dos prprios humanos ou de outros animais que encontramos na natureza. As Cincias do Artifcial, que no so uma disciplina cientfca, mas uma constelao de disciplinas cientfcas, e uma constelao em evoluo (Schopman, 1987; Gardner, 1985), podem ser exemplifcadas, no sculo XX, pela Inteligncia Artifcial (IA) e pela Nova Robtica. Muitos praticantes das Cincias do Artifcial entendem as suas experincias como (directa ou indirectamente) relevantes para compreender os prprios humanos. assim que algumas tendncias (como a IA clssica) focam aquilo que consideram especfco dos humanos, por exemplo competncias deliberativas de tipo simblico altamente sofsticadas, enquanto outras (como a Nova Robtica) atendem preferencialmente pertena dos humanos ao mundo animal e, desenvol- vendo paralelos com outros animais, pretendem chegar a compreender essa dimenso infraestruturante da nossa humanidade. Ora, no mbito da Nova Robtica, um domnio das Cincias do Artifcial particularmente produtivo nos ltimos anos, tm decorrido esforos vrios para compreender algumas dimenses da histria da vida com base na sua implementao em mquinas. Vamos aqui, no que segue, exemplifcar esse esforo com breves chamadas de ateno para trs linhas de investigao. Primeiro, a Robtica Evolutiva, que procura obter robots que resultem de processos de evoluo artifcial. Segundo, a Robtica do Desenvolvimento, que tenta implementar em plataformas robticas alguns aspectos do com- plexo de processos que levam, em espcies que se reproduzem sexualmente, do zigoto ao indivduo adulto. Terceiro, experincias com a emergncia de linguagens simblicas em robots. Um aspecto a merecer refexo nas linhas de experincias robticas que aqui exemplifcaremos diz respeito s diferentes escalas temporais da histria da vida que so prprias a cada uma delas. O que acabaremos por sugerir que as Cincias do Artifcial, designadamente a Nova Robtica, podero de futuro participar num esforo de melhor compreenso da dinmica das relaes entre diferentes escalas temporais na histria da vida natural. 184 Porfrio Silva A Robtica Evolutiva A ideia bsica da Robtica Evolutiva (RE) concebe um robot autnomo como uma criatura artifcial resultante de um processo de evoluo artifcial, que, ao longo de numerosas geraes, guiado por uma funo de aptido que selecciona num determinado ambiente. A criatura artifcial um robot constitudo, por um lado, por um corpo, o hardware, na maior parte das vezes uma mquina que se desloca sobre rodas, com certos sensores (por exemplo, infravermelhos para detectar obs- tculos) e certos actuadores (por exemplo, os motores que fazem com que as rodas se movam); e, por outro lado, pelo sistema de controlo, o sistema nervoso, o programa que determina o comportamento do robot. Trata-se aqui de robots autnomos, isto , que so lanados no mundo com um certo corpo e um certo sistema nervoso e so deixados actuar segundo as possibilidades que assim lhes so dadas, sem controlo humano. Evoluir sistemas de controlo. A maior parte das experincias de RE incidem sobre os sistemas de controlo dos robots. Os sistema nervosos destes robots so geralmente redes neuronais artifciais inspiradas nos crebros biolgicos. Na prtica, uma rede neuronal artifcial um conjunto de neurnios artifciais organizados em camadas: a camada de entrada, com neurnios que recebem sinais dos sensores do robot em contacto com o ambiente; a camada de sada, com neurnios que transmitem comandos aos motores que accionam as rodas. Assim se implementa a coordenao sensrio-motora de uma criatura artifcial. Nas redes neuronais pode haver camadas escondidas (sem contacto com o exterior), responsveis por computao adicional. Cada neurnio est ligado a alguns outros por conexes sinpticas, que podem ter mais ou menos peso, terem uma certa direco, excitarem ou inibirem os sinais que transmitem. A forma como uma rede neuronal se comporta depende essencialmente da arquitectura das ligaes e das caractersticas das conexes entre as unidades (Callan, 1999). A metfora biolgica que inspira a RE geralmente operacionalizada pela tcnica do Algoritmo Gentico (AG) 2 . Com esta tcnica, dada uma populao, cada indivduo representado por um cromossoma (uma cadeia fnita de caracteres) composto por genes; os valores que podem assumir os genes so designados por alelos; o locus de cada gene a posio que ele 2 John Holland (1975) o criador do AG. A descrio que a seguir se far segue Mitchell, 1998. 185 Dar tempo ao tempo. ocupa no cromossoma. A cada indivduo corresponde um valor de aptido, determinado pela funo de aptido e cujo signifcado varia em funo do contexto. No tempo, teremos geraes sucessivas da populao. Essas suces- sivas geraes resultam da avaliao da aptido de cada um dos indivduos de uma gerao e da construo da gerao seguinte por mtodos de seleco (copiar indivduos de uma gerao para outra dando aos mais aptos maior probabilidade de serem copiados) e por mtodos de modifcao (crossover, imitando o cruzamento por reproduo sexuada; mutao, consistindo na modifcao aleatria de algum gene de alguns cromossomas). O resultado de cada iterao (seleco, crossover e mutao) uma nova gerao, que ser, por sua vez, a populao de partida da prxima iterao. Por aco da seleco e da recombinao, vai aumentando a aptido mdia e diminuindo a diversidade da populao (com a mutao a criar, ocasionalmente, novidade). Em experincias de RE, cada cromossoma representa uma certa estru- tura possvel da rede neuronal artifcial que ser o sistema de controlo do robot (por exemplo, certas ligaes entre sensores e motores). Pelo processo de evoluo artifcial so gerados sucessivamente diferentes sistemas nervosos, que so instalados no robot e testados quando este posto a desempenhar certas tarefas num certo ambiente. A avaliao desse desem- penho dita a produo da gerao seguinte, pelos processos mencionados. Normalmente s ao fm de um grande nmero de geraes se obtm sistemas de controlo do robot que produzem comportamentos satisfatrios. O robot Khepera. Algumas das experincias pioneiras em RE foram realizadas com o Khepera, um pequeno robot com duas rodas (cada uma accionada por um motor), levando a bordo baterias que garantem uma auto- nomia de 30 a 40 minutos (Figura 1). Toda a capacidade de computao disponvel est num processador a bordo (Nolf e Floreano, 2000). Figura 1. O robot Khepera (Floreano e Mondada, 1998: 1462). 186 Porfrio Silva O Khepera tem uma arquitectura modular aberta: nele podem ser facil- mente montados outros mdulos com funes especializadas (por exemplo, um mdulo de viso). O Khepera tem oito sensores de infravermelhos, que funcionam em modo passivo (medindo a quantidade de luz no ambiente) ou em modo activo (emitindo luz e medindo a luz refectida, funcionando como sensores de proximidade). Alternando entre modo passivo e activo, servem como um duplo conjunto de sensores. Numa das primeiras experincias do Khepera, implementando uma competncia bsica de navegao, o robot tinha de percorrer um pequeno labirinto sem colidir com as paredes. A evoluo artifcial foi constrangida por uma funo de aptido que premiava trs componentes do comporta- mento da criatura artifcial: a rapidez do movimento (soma da velocidade das rodas), o movimento em linha recta (rotao das duas rodas no mesmo sentido) e o evitamento de obstculos (menor actividade dos sensores de proximidade). Resultou um robot que exibia o comportamento esperado pelos experimentadores. Um Khepera que luta pela vida. Outra experincia desta srie repre- senta o valor da sobrevivncia. Aqui (Floreano e Mondada, 1996), um Khe- pera deve passear-se por uma arena, tendo de se reabastecer de energia periodicamente para poder prosseguir (Figura 2). Figura 2. O Khepera junto estao de reabastecimento (Floreano e Mondada, 1996: 400). 187 Dar tempo ao tempo. O robot est equipado com uma bateria simulada, com um controlador de nvel de energia. A estao de reabastecimento de energia uma rea do cho pintada num dos cantos da arena. Prximo, encontra-se uma torre com lmpadas viradas para a arena, que constitui a nica fonte de luz. O robot est equipado com oito sensores infravermelhos de proximidade, dois sensores infravermelhos de luz ambiente, um sensor montado na placa inferior do robot e virado para baixo que indica sem ambiguidades quando o robot est ou no na estao de energia. O sistema de controlo do robot uma rede neuronal artifcial, com um estrato de entrada com 12 neurnios correspondentes s doze funes sensoriais mencionadas (incluindo o controlador de bateria), um estrato de sada com dois neurnios (um para cada um dos motores) e um estrato interno com cinco neurnios com conexes recorrentes. A funo de aptido premiava explicitamente a rapidez com que o robot se movia e a capacidade de evitar as colises; o valor de aptido era calculado de forma cumulativa, o que premiava o tempo de sobrevivncia (mas era penalizado o comportamento de perma- necer quieto na zona de abastecimento). A funo de aptido no continha, portanto, qualquer referncia necessidade de reabastecimento ou zona onde isso era possvel. A experincia evolutiva durou 240 geraes (durante dez dias) e conseguiu-se chegar a uma situao de elevado desempenho na tarefa atribuda: os robots descobriram que tinham de passar pela estao de reabastecimento de energia periodicamente, passaram a ir l s quando realmente era necessrio, passaram a estar l cada vez menos tempo, prolongaram o seu tempo de vida. Predador e Presa: co-evoluo competitiva. Outra experincia representa uma situao de co-evoluo competitiva 3 . Aqui, duas ou mais espcies, mutuamente relevantes, evoluem interagindo num ambiente par- tilhado, tornando a paisagem de aptido altamente dinmica. Temos um Predador e uma Presa, Kheperas modifcados para representarem a pertena a espcies diferentes, dotados de capacidades sensoriais e motoras diferenciadas (Figura 3). 3 Floreano, Nolf e Mondada (1998). A mesma experincia mas em simulao num computador tinha sido descrita em Floreano e Nolf (1997). 188 Porfrio Silva Figura 3. Imagem the Kheperas modifcados (Floreano e Nolf, 1997: 379). O mdulo bsico dos dois Khepera tem a habitual bateria de sensores. O Predador ( direita na imagem) est equipado com um mdulo de viso. A Presa ( esquerda) tem uma protuberncia escura que pode ser detectada pelo Predador em qualquer localizao no ambiente comum (dentro do ngulo de viso), mas a sua velocidade mxima o dobro da do Predador. O ambiente uma arena cercada por muros brancos altos, que facilitam a deteco da protuberncia da presa pelo predador. A funo de aptido apontava directamente para o resultado que se pretendia obter, sem incluir quaisquer consideraes acerca do modo como o robot devia l chegar. No caso do predador, os valores aumentavam com a rapidez em tocar a presa. No caso da presa, o valor de aptido era tanto mais alto quanto mais tempo evitasse o toque do predador. Na fgura 4 apresenta- se um exemplo de co-evoluo das estratgias do predador e da presa. Figura 4. Exemplo de co-evoluo das estratgias do predador e da presa (Floreano et al., 1998: 521). O disco preto representa o predador, o disco branco a presa. esquerda: ao fm de 13 geraes, a presa tem um comportamento muito simples (desloca-se ao longo do muro e muda de direco quando encontra 189 Dar tempo ao tempo. um canto) e o predador limita-se a detectar a presa e a segui-la, embora a desvantagem em termos de velocidade impea por vezes a captura. Ao centro: ao fm de 20 geraes, a presa gira com velocidade em pequenos crculos para se proteger do predador. direita: ao fm de 22 geraes, o predador desenvolveu uma estratgia mais sofsticada: mantm-se perto do muro e ataca quando detecta a presa ao seu alcance, o que faz com que, por vezes, seja incapaz de travar a tempo e esbarre contra o muro. Os autores (Floreano et al., 1998; Nolf e Floreano, 1998) consideram que estas experincias mostram que a evoluo artifcial tem potencialida- des para permitir projectar controladores robticos, capazes de enfrentar situaes complexas e difcilmente previsveis em muitos dos seus detalhes relevantes, de uma maneira que seria muito difcil ou impossvel de conceber directamente por projectistas humanos. Corpos Evolutivos. Embora desde os alvores da Robtica Evolutiva os seus pioneiros tivessem presente a convenincia de fazer co-evoluir crebros (sistemas de controlo) e morfologia (plataforma robtica), a prtica experimen- tal era mais limitada: fazer evoluir controladores robticos para uma determi- nada plataforma (real ou simulada) e descarregar posteriormente o controlador na plataforma, assim dotando o robot de um certo comportamento. Ficamos, deste modo, sem uma verdadeira representao da adaptao dos organismos de uma populao onde as presses do ambiente se exercem, no apenas sobre o sistema nervoso, mas sobre todo o corpo de uma criatura. com base neste diagnstico que alguns autores se concentram na evoluo de estruturas fsicas completas que poderiam ser corpos de robots. Um dos primeiros projectos a tratar da evoluo de estruturas fsicas dotadas de movimento, que possam ser encaradas como criaturas artifciais, o GOLEM (Genetically Organized Lifelike Electro Mechanics) (Lipson e Pollack, 2000). Neste projecto parte-se de blocos de construo elementares, que neste caso so pequenas barras (para o corpo) e neurnios artifciais (para o sistema nervoso). As barras conjugam-se para formar estruturas. Mudando o nmero de barras, o seu comprimento e as ligaes entre elas, o comportamento da estrutura modifcado (umas barras sero rgidas, outras articuladas, algumas evoluiro para actuadores). Os neurnios podem conectar-se livremente, desenvolvendo sinapses, formando uma rede neuronal artifcial. Os neurnios podem ligar-se a barras. O neurnio que controla uma barra pode determinar que ela tenha um comprimento varivel, sendo implementado mais tarde com um motor que simula um msculo que contrai e distende uma perna mecnica (Figura 5). 190 Porfrio Silva Figura 5. Esquema de uma criatura (Lipson e Pollack, 2000: 974). O processo comea em simulao. Nesta fase, os corpos so representa- dos apenas por pontos e linhas. A funo de aptido premeia a capacidade de locomoo de cada mquina: a distncia que ela percorre num determinado tempo. Toda a simulao assenta num modelo da realidade fsica terrestre. Passa-se, depois, fase de solidifcao, na qual, ainda em simulao, as criaturas so transpostas para corpos virtuais com volume: barras, juntas, lugares reservados para encastrar os motores que implementaro os actu- adores lineares. Passa-se depois materializao: a criatura fabricada automaticamente (excepto os motores), por um processo de impresso 3D a quente (em termoplstico), utilizando tecnologia disponvel comercialmente (Figura 6). Tal como podemos ver numa impressora de jacto de tinta o texto de uma pgina a ser impresso linha a linha, assim o corpo impresso a trs dimenses camada a camada, surgindo pr-montado numa estrutura fsica. Figura 6. Resultado da impresso 3D de uma criatura (Fotos de http://demo. cs.brandeis.edu/golem/). 191 Dar tempo ao tempo. Esta fase de materializao termina encaixando manualmente os moto- res e ligando o sistema de controlo (que continua dentro do computador) criatura (vejam-se os cabos na fgura 7, necessrios tambm ao fornecimento de energia). No h quaisquer sensores nestas criaturas. Figura 7. Enquanto os dois membros superiores empurram, o tronco central retrai-se (e vice-versa). (a). esquerda, a criatura virtual. (b). direita, depois de materializada. No robot fnalizado, vem-se os motores montados e os cabos que ligam ao computador externo onde est o sistema de controlo (Fotos de http://demo.cs.brandeis.edu/golem/). (a) (b) Um dos aspectos interessantes deste trabalho, realados por Brooks (2000: 947), que o processo de fabrico permita, nas juntas dos membros, que as esferas e os seus encaixes orbitais sejam construdos desde o incio na sua forma fnal, isto , as esferas j dentro do seu receptculo, de tal forma que as partes nunca estiveram separadas e, se tivessem estado, no teriam podido juntar-se desta maneira sem se danifcarem o que, para Brooks (2000), faz lembrar a forma como os sistemas biolgicos crescem (Figura 8). Figura 8. Pormenor de uma junta (Fotos de http://demo.cs.brandeis.edu/ golem/). No mesmo texto, Brooks (2000) critica que todo o processo evolutivo se passe dentro do computador (em simulao), sem qualquer avaliao do valor de adaptao no mundo fsico; que o sistema de controlo nunca saia do computador ( ligado criatura por um cabo); que, nestas condies, 192 Porfrio Silva no haja qualquer retorno do mundo fsico sobre o processo evolucionrio. So exemplos relevantes das limitaes destas experincias, se quisermos entrar em linha de conta com o realismo biolgico. Desenvolvimento para robots A Robtica Evolutiva (RE), incidindo sobre sistemas nervosos ou corpos muito simplifcados, procura incorporar em criaturas artifciais os processos naturais de apuramento adaptativo das espcies mas acaba por chegar apenas, por assim dizer, a robots que j nascem adultos. Todo o com- plexo de processos que, nas espcies que se reproduzem sexualmente, levam da clula nica resultante da fecundao ao indivduo adulto completamente formado, ignorado. Essa falta de ateno ao desenvolvimento (pr-natal ou ps-natal) o espao que pretende ser ocupado pela Robtica do Desenvol- vimento (RD), ou Robtica Epigentica, como resposta ao diagnstico de que esse pode ser um entrave crucial s ambies das Cincias do Artifcial. Como escrevem (Lungarella et al. 2003: 179): A mera observao de que quase todos os sistemas biolgicos em diferentes medidas passam por processos de amadurecimento e desenvolvimento, comporta a convincente mensagem de que o desenvolvimento a principal razo pela qual a adap- tabilidade e a fexibilidade dos sistemas compostos orgnicos transcende a dos sistemas artifciais. O argumento no ser sufciente para conferir ao processo de desenvolvimento um lugar determinado na formao de seres biolgicos complexos, uma vez que outros processos (como o metabolismo ou a procriao) so tambm caractersticos desses seres. No obstante, at pela conjugao de maturao fsica e cognitiva nesse processo de desen- volvimento, parece ser correcto identifc-lo como uma diferena importante entre criaturas artifciais e criaturas das espcies naturais. A RD no constitui ainda um campo de investigao bem delimitado e permanece muito heterogneo. Autores diferentes concentram-se em momentos e aspectos distintos da interaco entre organismos e ambiente no desenvolvimento de um organismo. Por exemplo, na esteira de Teuscher e colaboradores (2003) vem uma preferncia por abordagens centradas na concorrncia de trs processos (flogenia, ontogenia, epigenia) que, em escalas temporais diferentes, conformam os organismos adultos de uma dada espcie. J Zlatev e Balkenius (2001) induzem uma abordagem mais interessada pelos aspectos psicolgicos do desenvolvimento ps-natal. De 193 Dar tempo ao tempo. qualquer modo, a RD difere de outras vises das Cincias do Artifcial em aspectos essenciais, dos quais passamos a destacar alguns que consideramos mais signifcativos. Primeiro, a RD sublinha sem concesses o papel do corpo na cognio: seja qual for a base inata, os mecanismos cognitivos viro a ser o resultado dos processos de interaco entre um corpo com certas caractersticas sensrio-motoras e um mundo em movimento em que esse corpo tem de se desembaraar. Segundo, o desenvolvimento um processo incremental, em que o que possvel num estdio depende do que se adquiriu em estdios anteriores mas, igualmente, um processo no linear, com instabilidades, regresses, mudanas de ritmo, ritmos desencontrados em dimenses diferentes. Terceiro, o desenvolvimento cognitivo condicionado, mas tambm apoiado, por constrangimentos do corpo: as limitaes sensoriais, se limitam as capacidades cognitivas, tambm protegem o seu carcter incremental (por exemplo, as limitaes visuais do recm-nascido permitem que s tenha que lidar com um fuxo restrito de dados visuais, de acordo com o desenvolvimento incipiente do sistema neuronal). Quarto, o desenvolvimento no depende de um controlador central que organize todo o processo, sendo em muitos aspectos mais um conjunto de pro- cessos de auto-organizao, ligados a diferentes aspectos da interaco com o ambiente. O que interessante que processos centralizados, favorecidos por certas correntes mais clssicas das Cincias do Artifcial, provavelmente seriam incapazes de lidar com os mesmos problemas. Atente-se, por exemplo, no que signifca o mero controlo da estrutura constituda pelo esqueleto e pelos msculos. Mesmo que cada um dos cerca de 600 msculos do corpo humano s tivesse duas posies (contrado ou relaxado), isso faria com que o nmero de possveis confguraes do sistema (2 600 ) fosse superior ao nmero de tomos no universo conhecido. Esse tipo de complexidade dos organismos vivos sugere que o projecto explcito de criaturas artifciais com sistemas de controlo centralizados pode ser impraticvel. Quinto, o desenvolvimento (ps-natal) depende essencialmente de processos sociais, j que ele acontece graas a um nmero massivo de interaces continuadas com outros indivduos, principalmente da mesma espcie, adultos ou em estdios ulteriores de desenvolvimento, que propor- cionam naturalmente (na maior parte dos casos sem um treino especfco) os desafos adequados ao carcter incremental do processo. Por essa via, 194 Porfrio Silva provavelmente impossvel de formalizar de maneira a poder ser automa- tizada, a espcie acolhe os seus espcimes de forma social (apesar de a dimenso social ter demorado tanto a comear a ser sequer pensada pelas Cincias do Artifcial). Uma breve meno ao projecto RoboCub 4 ilustrar alguns dos aspectos mais interessantes a esperar da RD. O flhote-robot um projecto interna- cional (iniciado em 2004) que construiu uma srie de robots designados como iCub. Trata-se de um robot humanide representando as caractersticas fsicas e cognitivas de uma criana humana de trs anos e meio, capaz de gatinhar e de manipular objectos e de, assim, aprender pela interaco com humanos. O seu corpo, com um elevado nmero de graus de liberdade (53), nove dos quais nas mos com trs dedos independentes e outros dois para estabilidade e suporte, seis dos quais nas pernas que devero permitir locomoo bpede; as cmaras digitais para a viso, os microfones e outros sensores; no futuro uma pele artifcial; e um poder computacional fornecido por mquinas exteriores 4 Para uma primeira apresentao geral do projecto (Sandini et al., 2004). Toda a informao posterior, tambm sobre robot iCub, incluindo as imagens, foi recolhida no site ofcial do projecto, em http://www.robotcub.org/. Figura 9. O robot iCub. 195 Dar tempo ao tempo. ligadas por cabos esto j a permitir experincias de interaco com humanos dirigidas para perceber melhor como que as capacidades sensrio-motoras e cognitivas de um espcime jovem resultam dessa interaco com outros membros de uma espcie natural. Pode pensar-se que s um antropocentrismo exacerbado justifcaria querer experimentar com processos de desenvolvimento num flhote huma- nide. Contudo, cabe notar que, dada a condio (humana) dos experimen- tadores, a interaco informal do robot com membros de uma espcie natural mais acessvel nestas circunstncias. Designadamente, s com humanos possvel conversar acerca da sua participao nesta interaco. claro que o iCub no um robot que possa j ter uma interaco natural com humanos no seu ambiente habitual, estando confnado a laboratrios e ao contacto com experimentadores. Contudo, um avano prometedor na experimen- tao de uma ideia estimulante: grande parte das aquisies ps-natais dos indivduos de determinadas espcies devida interaco apropriada com outros indivduos em estdios mais avanados de desenvolvimento. Linguagem para robots Aspecto essencial da Robtica do Desenvolvimento a sua pertena chamada Robtica Social: um conjunto heterogneo de abordagens robticas que no se limitam a conceber indivduos artifciais, mas a conceber interac- es entre eles (e, eventualmente, com humanos). Outro tipo de abordagem que tambm pode ser considerada Robtica Social a que estuda agentes robticos enquanto produtores e utilizadores de representaes simblicas sofsticadas. Luc Steels, contrariando o domnio da IA pela robtica baseada em comportamentos nos anos 1990, prope voltar a pensar seriamente no papel das representaes simblicas na inteligncia geral, nomeadamente voltando a trabalhar o papel da linguagem simblica na comunicao entre agentes (Steels, 2003). Assim, desenvolve a partir de 1995 uma investigao sobre as origens da linguagem, partida da ideia de que uma comunidade de utentes de uma linguagem pode ser vista como um sistema adaptativo complexo que resolve colectivamente o problema de desenvolver uma forma de comunicao partilhada. 196 Porfrio Silva Com uma vaga inspirao wittgensteiniana, a equipa de Steels desen- volve jogos de linguagem adaptativos, envolvendo um falante e um ouvinte, bem como um contexto composto de agentes, objectos e situaes, onde podem ser usados meios extra-lingusticos, como apontar. Cada jogo de linguagem tem os seus objectivos. Exemplos: o falante deve levar o ouvinte a executar uma determinada aco; o falante deve obter certa informao do ouvinte. Vamos aqui dar ateno a uma primeira experincia com robots, especifcamente num jogo de designao (Steels e Vogt, 1997). A dinmica central do jogo de designao consiste na criao de um lxico partilhado a partir de lxicos privados de cada robot, a par de jogos de discriminao assentes nas capacidades de categorizao sensorial dos robots. Nesta experincia usam-se pequenos robots mveis autnomos, cada um transportando a sua prpria bateria e equipado com dois motores laterais, com emissores de infravermelhos e com uma coleco de sensores que inclui sensores de infravermelhos, de luz visvel, de toque, de carga da bateria. Os robots comunicam por um canal rdio. Os robots devem tratar de fazer recarregar as suas prprias baterias, para a prpria sobrevivncia. O jogo de designao desenrola-se em seis etapas, seguidamente descritas em termos gerais. Entrar em contacto. Os robots, inicialmente colocados a vaguear pela arena da experincia, encontram-se e usam os seus emissores e receptores de infra-vermelhos para se colocarem frente a frente. Identifcar tpicos de conversa. Os dois robots comeam por tratar de adquirir uma percepo partilhada do ambiente prximo. Cada robot d uma volta de 360 graus sobre si mesmo, registando o fuxo de dados que esse movimento provoca em cada um dos seus sensores. Diz-se que um robot localiza um objecto quando o apanha num ponto de cruzamento de um par de sensores do mesmo tipo (colocados simetricamente dos lados do robot). O fuxo de dados de todos os sensores acerca de um desses pontos contribui para a caracterizao desse objecto. Os tipos de sensores que contribuem para esse perfl defnem um conjunto de traos que pode servir para categorizar o objecto. Por este processo, cada agente identifca um conjunto de objectos no ambiente prximo, que passam a constituir o contexto; cada objecto tem associado um pacote de valores de dados sensoriais em vrios modos. Qualquer um desses objectos, mais os prprios robots, constitui um possvel tpico de conversa. O robot falante escolhe dessa lista, aleatoriamente, um tpico de conversa e chama para ele a ateno do robot ouvinte (por meios 197 Dar tempo ao tempo. extra-lingusticos, como apontar: o robot falante vira-se para o objecto em causa). Se o robot falante no se mexer nesta fase, isso signifca que ele prprio o tpico escolhido. O robot ouvinte, para identifcar o mesmo tpico, calcula, com base nas emisses de infra-vermelhos do robot falante durante o movimento de apontar, em que quadrante se deve localizar o tpico proposto (considerando o diferente posicionamento relativo dos dois robots no ambiente, uma vez que a posio de partida face a face). Quando estes movimentos no resultam, o jogo falha. Categorizar. Cada robot procura como caracterizar o tpico de conversa em termos dos conjuntos de traos sensoriais disponveis para esse objecto. Certos sensores apanharam esse objecto, outros no: s se podem usar os sensores que o apanharam. De entre os sensores que apanharam o tpico, alguns fornecem valores que no o distinguem de outros objectos (dois objec- tos que refectem a mesma luz visvel no so discriminados pelo sensor de luz visvel). Certos sensores fornecem valores marcadamente diferentes para o tpico e para os restantes objectos, sendo esse os que melhor contribuem para a tarefa de categorizao. Desta maneira, cada agente categoriza as suas experincias sensoriais dos diferentes objectos presentes no contexto, em termos das caractersticas que os seus sensores so capazes de discriminar. Esta etapa corresponde a um jogo de discriminao. Codifcar. Com base no jogo de discriminao, o robot falante esco- lhe aquele conjunto de traos que melhor sirva a identifcao do tpico de conversa, por contraste com os outros objectos no contexto, e compe uma expresso (um conjunto de palavras, de entre aquelas que pertencem ao lxico de que o robot j est dotado partida) que represente esse tpico face a esse conjunto de caractersticas. Enviando, por um canal rdio que liga os robots, essa expresso, o robot falante produz a fala que designa o objecto escolhido como tpico de conversa. O lxico uma memria associativa na qual existe um conjunto de pares palavra/signifcado. Um signifcado um conjunto de traos sensoriais com certos valores. Cada agente tem um lxico prprio, que privado (no pode ser consultado pelos outros). O agente conta as vezes que cada item do lxico usado e o (in)sucesso de cada uso, preferindo usar os mais frequentemente usados e os que tenham uma taxa de sucesso superior. O lxico evolui com o envolvimento dos agentes em jogos de discriminao: se um falante no tiver uma palavra para um certo conjunto de caractersticas, pode criar uma palavra e associ- la a esse signifcado. 198 Porfrio Silva Descodifcar. O robot ouvinte procura no seu lxico as palavras cons- tantes da expresso (fala) emitida pelo agente falante e tenta identifcar como que elas remetem para caractersticas dos objectos, procurando assim verifcar para que perfl de objecto remete aquela expresso. Este processo pode enfrentar vrias difculdades. Se um ouvinte no tiver no seu lxico uma palavra usada pelo falante, tentar inferir que caracterstica que o outro poder estar a falar. Uma vez que conhece (por meios extra-lingusticos) o tpico de conversao, a tarefa maximamente simples se o tpico for descrito com base num nico trao sensorial (a palavra pronunciada refere-se a esse trao). Se conhecer algumas mas no todas as palavras usadas pelo falante, o exerccio mais arriscado e pode originar ambiguidades no lxico (que podem ser resolvidas em usos ulteriores). Se o ouvinte descodifcar uma expresso que no corresponde ao conjunto de traos sensoriais que ele esperava que fosse usado para descrever o tpico de conversa, porque h uma diferena entre a sua memria de pares palavra/signifcado e a do falante. Retroagir. O agente ouvinte compara o perfl de objecto que resultou da descodifcao da fala do outro robot com o perfl de objecto de que estava espera. Se eles correspondem, o jogo de designao teve sucesso; caso contrrio, fracassou. Estas experincias acerca de linguagem em agentes artifciais encor- pados assumem que, se quisermos chegar a alguma forma de fundao intrnseca do signifcado dos smbolos usados pelos robots, evitando que caiba aos humanos fornecer os smbolos e a respectiva interpretao, temos de permitir que os robots tenham experincias sensrio-motoras e que seja nelas que os smbolos tenham a sua fundao. Uma srie de experincias posteriores (Talking Heads) ampliaram esta linha de investigao 5 . Uma cabea falante uma cmara vdeo montada num suporte com motores que lhe permitem mover-se. Numa experincia h duas cabeas, posicionadas lado a lado e viradas para a mesma cena. A cena contm vrios objectos (alguns em movimento) com vrias formas e tamanhos, sobre os quais as cabeas conversam. O processo de categorizao perceptiva anteriormente mencionado inclui agora a viso. Vrios mdulos especializados em tratamento de imagem detectam certas caractersticas de uma cena, separam diferentes segmentos da mesma com base nos diferentes valores que exibem para essas caracters- 5 Belpaene et al. (1998) relata o incio destas experincias. 199 Dar tempo ao tempo. ticas e constroem ontologias (assumem a existncia de certos objectos com certos perfs na cena em causa). Alguns pormenores de uma verso destas experincias (Steels, 2001) ajudam a compreender o processo (Figura 10). (a) (b) Figura 10. As imagens que dois agentes capturaram 6 , estando assinalado o tpico de conversa escolhido pelo falante (Steels, 2001: 20). A tabela 1 exibe os dados que o falante obtm acerca dos trs objectos na imagem (a). A tabela para o ouvinte (imagem b) ter valores prximos mas ligeiramente diferentes. Tabela 1. Dados que o falante obtm acerca dos trs objectos na imagem (a). Objecto Horizontal do centro Vertical do centro Altura Largura Angulosidade Vermelho Verde Amarelo Azul Brilho 1 0,37 0,71 0,48 0,21 0,45 0,17 0,00 0,00 0,39 0,28 2 0,70 0,69 0,38 0,22 0,45 0,98 0,00 0,52 0,00 0,36 3 0,51 0,31 0,21 0,51 0,70 0,00 0,99 0,73 0,00 0,46 Com base nestes dados, cada agente forma perfs de caractersticas dos objectos. No exemplo das fguras geomtricas acima, a caracterstica azul distingue nitidamente o tpico de conversao dos outros objectos. O falante usa essa caracterstica para identifcar o objecto de que falar. Tendo trs palavras no seu lxico para esta caracterstica, escolhe Xagadude. O ouvinte, que sabe qual o tpico de conversa e que tambm elege o azul como a caracterstica que melhor serve uma categorizao que o distinga nitidamente, no tem nenhuma palavra no seu lxico para esta caracterstica. Adiciona Xagadude ao seu lxico, com este signifcado. 6 As imagens originais so coloridas: a de cima esverdeada, a de baixo esquerda azulada, a de baixo direita avermelhada. 200 Porfrio Silva Assim se vo construindo vocabulrios partilhados, fundados nos dados sensoriais das mquinas. Numa fase posterior, a experincia das Talking Heads ganhou outra dimenso. Havia instalaes com pares de cmaras vdeo e cenas do mesmo gnero (fguras geomtricas coloridas sobre um fundo branco) em vrias partes do mundo, ligadas pela Internet, podendo qualquer pessoa criar agentes e introduzi-los na experincia. Um agente, chegando a uma instalao, ocupava uma das cmaras de vdeo e comeava um jogo de linguagem com a cabea falante local. Os experimentadores nas dife- rentes localizaes faziam variar o conjunto de fguras colocadas na cena a seu cargo, tornando mais rica a experincia dos agentes em rede e mais rico o seu lxico. A conversa entre mquinas tornou-se uma experincia de massas: perto de 6000 agentes foram lanados em 1999 e 2000 por pessoas exteriores organizao. Mesmo assim, acabou por emergir um lxico relativamente estvel, devido ao facto de as palavras bem sucedidas em conversas passadas serem preferidas em conversas seguintes, enquanto as palavras que falhavam a comunicao tendiam a ser cada vez menos utilizadas. As palavras para caractersticas relativamente estveis em todas as instalaes das experincias (como vermelho, verde, azul, esquerda, direita, abaixo, acima) tornaram-se as mais usadas, enquanto as palavras para caractersticas muito dependentes das variaes locais da experincia (como as que dependiam das condies de luz) tinham mais difculdade em alcanar um uso geral (Steels et al., 2002). Nesta experincia, o jogo de linguagem utilizado era um jogo de adivinhar: o falante escolhe o tpico de conversa, mas, desta vez, no o aponta ao ouvinte. O falante produz uma fala, o ouvinte tenta adivinhar qual o tpico e comunica a sua aposta ao falante, apontando para o objecto (o agente aponta fazendo zoom com a cmara vdeo sobre o objecto, movimento comunicado ao outro). Se o ouvinte apontou para o tpico que o falante tinha designado, o jogo teve sucesso; se o ouvinte apontou um objecto diferente, o falante aponta para o tpico, para eluci- dar o ouvinte. O ouvinte acrescenta a associao palavra/signifcado sua memria associativa. O que se trata num jogo de adivinhar o processo de descoberta do signifcado de uma palavra desconhecida. As experincias desenvolvidas nesta linha so muito mais complexas do que aqui podemos dar conta, incluindo, por exemplo, a evoluo da 201 Dar tempo ao tempo. gramtica 7 . De qualquer modo, elas exemplifcam claramente como as Cincias do Artifcial podem abordar a dimenso simblica da histria da vida no nosso mundo. O artifcial e o problema das escalas temporais Esta exemplifcao rpida de vrias linhas de investigao em Nova Robtica a partir de algumas das suas experincias fundadoras, embora insufciente para um panorama completo do respectivo programa, dever mesmo assim permitir uma primeira percepo do esforo em curso para replicar com criaturas artifciais alguns dos processos bsicos que conformam a vida das criaturas biolgicas do nosso mundo, humanos includos. Apesar de estarmos, assumidamente, muito longe de um grau satisfatrio de rea- lismo biolgico, a robtica tem oferecido possibilidades de experimentao que so valiosas quando se estudam fenmenos que no so directamente acessveis, designadamente devido ao seu carcter histrico. No obstante, existe um obstculo de monta: processos que, na histria natural esto dinamicamente imbricados uns nos outros, nas suas rplicas artifciais encontram-se separados. Por exemplo, as experincias em rob- tica evolutiva e em robtica do desenvolvimento realizam-se em condies de quase completa separao experimental e, em larga medida, tambm de separao terica. Quer dizer, um processo estudado no pressuposto de que pode ser separado das infuncias mtuas com outros processos. Por um lado, essa separao terica legtima e at necessria para fazer avanar a investigao: a psicologia do desenvolvimento humano no tem que atender ao que poderia ter sido diferente se a evoluo da espcie nos tivesse confgurado morfolgica e cognitivamente de outro modo. Por outro lado, um elevado grau de separao experimental resulta de verdadeiras difculdades tcnicas, que relevam, por exemplo, da necessidade de novos materiais que permitam replicar melhor as caractersticas dos tecidos dos corpos animais; ou da necessidade de solues mais efcientes para proces- sos computacionais muito exigentes. Por exemplo, muitos dos obstculos a experincias mais realistas de evoluo artifcial de populaes de robots esto relacionados com limitaes impostas pelos materiais inorgnicos 7 Uma viso abrangente das experincias de evoluo da linguagem em robots encontra-se em Vogt (2006). 202 Porfrio Silva disponveis; e esses obstculos tornam-se ainda mais gigantescos se pen- sarmos em cruzar processos evolutivos com processos de desenvolvimento ps-natal. Mesmo compreendidas as razes destas difculdades, permanece a questo: na medida em que as cincias do artifcial tentem compreender esses vrios processos na sua forma geral, e no (apenas) na forma contin- gente como eles acabaram por acontecer neste mundo, tero de enfrentar a um nvel fundamental o problema da conexo entre diferentes dimenses da histria da vida que tm lugar em escalas temporais muito diferentes, como a evoluo de uma espcie, o desenvolvimento dos espcimes dessa espcie, a histria institucional de uma sociedade ou a aprendizagem dos indivduos. A ideia, tentadora, de podermos experimentar livremente com a dimen- so temporal das experincias, por exemplo compactando o tempo por via computacional, provavelmente passando pela criao de mundos biolgicos virtuais onde o decorrer do tempo virtual pudesse ser manipulado, enfrenta vrias difculdades. Uma categoria de difculdades tem a ver com a credibilidade da simulao, uma velha questo metodolgica e epistemolgica no seio das cincias do artifcial. Algumas das experincias em que estamos envolvidos no ISR/IST com colectivos de robots (para a mais recente cf. Pereira et al., 2010), usando os pequenos robots e-puck (Mondada et al., 2009), recorrem a um processo de iterao entre fases experimentais com robots reais no mundo fsico exterior aos computadores e fases experimentais em ambien- tes virtuais, com modelos pr-defnidos do mundo fsico e dos prprios robots. Necessitamos da simulao para poupar tempo na afnao e teste dos programas de controlo, para podermos cortar o tempo em fatias, para repetir a experincia no ambiente controlado do software: parar a experincia num dado ponto, repetir uma dada fase para observao pormenorizada e correco pontual, repetio incessante da mesma experincia para com- parao estatstica. A simulao praticada (com o software Webots http:// www.cyberbotics.com/) considerada realista, num sentido muito preciso: o programa usado no controlo dos robots virtuais exactamente o mesmo usado no controlo dos robots reais a operar no mundo fsico. Mesmo assim, a quantidade de acontecimentos no mundo real que introduzem caminhos inesperados, face s experincias em simulao realista, torna pouco aconselhvel epistemologicamente qualquer afastamento signifcativo do controlo das experincias pela sua execuo no mundo real. Neste caso em que lidamos com robots bastante simples, o principal ponto de difculdade 203 Dar tempo ao tempo. est na modelao do mundo fsico. difcil antecipar as consequncias de cada uma das inmeras simplifcaes que esse exerccio sempre envolve. Por exemplo, um pequeno acidente de relevo na arena experimental pode bloquear um robot, do mesmo modo que o peso de um robot numa superf- cie fexvel pode libertar outro robot que tinha fcado preso. A acumulao de contingncias to simples como estas, que muitas vezes escapam aos modelos do mundo fsico implementados computacionalmente, podem ditar resultados completamente diferentes para uma srie de experincias. Houve um tempo em que havia na comunidade da investigao em Inteligncia Artifcial quem pensasse que a resoluo desse problema seria relativamente acessvel. Veja-se o projecto de formalizao da fsica do senso comum (Hayes, 1979) e o diagnstico do seu rotundo fracasso, que veio mesmo de entre os que partilharam essa ambio (McDermott, 1987). Esse optimismo est hoje quase extinto. Em abordagens ainda mais formalizadas, como o caso da investigao em Vida Artifcial, orientada pela ideia de que a vida basicamente uma questo de forma, corremos o risco, mencionado por John Maynard Smith, de construirmos um tipo de cincia sem ligao a qualquer tipo de factualidade 8 . Se pretendermos saber como as coisas se passam neste nosso mundo, e no (apenas) como poderiam ter-se passado em algum mundo possvel, temos de admitir que o recurso simulao, apesar da sua utilidade heurstica, ainda difcil de dominar epistemologicamente quando nos afastamos do confronto mais ou menos sistemtico do virtual com o real e esse afastamento, em escalas temporais como a da evoluo ou mesmo da histria das instituies, praticamente inevitvel. Parte das difculdades do estatuto metodolgico e epistemolgico da simulao radicam num problema geral que impende sobre qualquer tentativa de modelizao de processos histricos. Esse problema envolve a noo de factos histricos inertes. Factos histricos inertes so factos que, no que toca s leis fsicas, podiam ter sido de uma maneira ou de outra sem deixar qualquer efeito subsequente. Por exemplo, num computador digital, as diferenas de voltagem que no afectam a distribuio dos eventos ele- mentares pelas categorias 0 e 1 nunca podero, passado o momento da sua ocorrncia, fazer qualquer diferena no futuro (Dennett, 2003). Do ponto de vista de um observador, so inertes, para um dado processo histrico, 8 John Maynard Smith, segundo citao em Horgan, 1995, ter afrmado: Artifcial Life is basically a fact-free science. 204 Porfrio Silva todos os factos que sejam desprezados pelos modelos que utilizamos. Ora, o problema est na quantidade massiva de contingncia que assim eliminada, comparativamente com processos reais no mundo natural. As experincias com hardware evolutivo mostram que mesmo dentro de um computador digital o controlo dos factos histricos inertes implica um enorme esforo conceptual e tcnico (Tan et al., 2004; Gordon e Bentley, 2002). A mesma questo pode ser posta para processos histricos ao nvel institucional ou cultural em sociedades humanas. Neste domnio da realidade, qualquer sequncia de eventos banais inclui inmeros factos inertes, que no sero tidos em conta em simulao, porque tero de fcar de fora de qualquer algoritmo razovel para lidar com a situao (o qual, nomeadamente, ter de atender s limitaes da capacidade de processamento dos agentes), mas que podero condicionar o futuro da histria contingente do processo. Uma parte relevante da noo de responsabilidade pelos nossos actos est ligada s consequncias aparentemente inertes de decises e aces cujos efeitos no so imediatamente compreensveis: as consequncias eventuais de actos que parecem morrer neste momento mas podem emergir num momento futuro. (Veja-se o caso, em termos jurdicos, dos precedentes invocados para interpretar uma regra com uma lacuna). Stephen Jay Gould (1989) defendia que uma histria evolutiva pode sempre tomar inmeros rumos em inmeras encruzilhadas, pelo que, mesmo que voltssemos a correr a histria deste mundo desde as mesmas condies iniciais, no voltaramos a obter a mesma instncia em cujo resultado vive- mos. Trata-se de reservar um papel de grande relevo para a contingncia. Se Gould estava certo, a difculdade de lidar com o problema dos factos histricos inertes ou que so tratados como inertes pelos modelos com que temos de trabalhar um problema metodolgico difcil para as cincias do artifcial. Neste texto no temos a pretenso de dar uma resposta a esta difcul- dade. O que queremos, isso sim, sugerir, eventualmente a benefcio mtuo das cincias do artifcial e do estudo da base biolgica do comportamento das criaturas naturais, que pode ser encontrado a um campo de cooperao fru- tuosa: explicitando, a partir da etologia, questes que possam ser exploradas experimentalmente com criaturas artifciais e com os mtodos das cincias do artifcial; usando resultados de experincias com criaturas artifciais para sugerir questes etologia. Sugere-se que um ponto que poderia benefciar dessa cooperao seria, precisamente, a questo das interaces dinmicas 205 Dar tempo ao tempo. entre fenmenos em diferentes escalas temporais. As cincias do artifcial teriam a ganhar em dar mais ateno a essa interaco dinmica, inspirando- se na etologia para comear a tentar ultrapassar a infeliz situao de estarem a considerar separadamente o que s pode ser entendido conjuntamente. Talvez a etologia tivesse a ganhar em poder inspirar abordagens experimentais a algumas das divergncias tericas subsistentes no tocante a essa dinmica complexa entre processos ocorrentes em diferentes escalas temporais. Esta possibilidade pode tornar-se crescentemente interessante, pelo menos se estivermos realmente a entrar de forma acelerada na era do design total. Como escreve (Cruz, 2002): A era do design total ser, pois, a era onde tudo ou quase tudo parecer ser o resultado de uma quase histria natu- ral, sendo ao mesmo tempo, contudo, inteiramente intencionado, inteiramente concebido e inteiramente desenhado. Ou seja, a cultura, no seu estado de design total a cultura na era do apagamento da fronteira entre natural e artifcial, o momento em que, aquilo que inteiramente intencionado pelo homem, tender a apresentar-se como puramente natural. Se a tendncia for realmente essa, o que sugerido pela acelerao das possibilidades e do desejo de mudarmos cada vez mais os nossos corpos e as nossas mentes, precisa-se urgentemente de outro tipo de relao entre cincias do artifcial e cincias do natural. E por aqui que vai a sugesto contida neste texto. Referncias bibliogrfcas Aldrich, H. E.; Hodgson, G. M.; Hull, D. L.; Knudsen, T.; Mokyr, J.; Vanberg, V. J. 2008. In defence of generalized Darwinism. Journal of Evolutionary Economics, 18: 577-596. Belpaeme, T.; Steels, L.; van Looveren, J. 1998. The construction and acquisi- tion of visual categories. In: Birk, A.; Demiris, J. (eds.) Learning Robots (Proceedings of the 6th European Workshop on Learning Robots). Berlim, Springer-Verlag: 1-12. Brooks, R. 2000. From robot dreams to reality. Nature, 406: 945-947. Callan, R. 1999. The essence of neural networks. Harlow, Prentice Hall. Cruz, M.T. 2002. O Artifcial ou A era do design total. Interact [Online], 7. [Con- sultado em 30-01-10]. Disponvel em: http://www.interact.com.pt/interact7/ ensaio/ensaio4.html. 206 Porfrio Silva Dennett, D. 2003. Freedom evolves [traduo portuguesa: A Liberdade evolui. Lisboa, Temas e Debates, 2005]. Eibl-Eibesfeldt, I. 1997. Human ethology. Origins and prospects of a new discipline. In: Schmitt, A.; Atzwanger, K.; Grammer, K.; Schfer, K. (eds.) New Aspects of Human Ethology. New York, Plenum Press: 1-23. Floreano, D.; Mondada, F. 1996. Evolution of homing navigation in a real mobile robot. IEEE Transactions on Systems, Man, and Cybernetics Part B: Cyber- netics, 26(3): 396-407. Floreano, D.; Mondada, F. 1998. Evolutionary neurocontrollers for autonomous mobile robots. Neural Networks, 11(7-8): 1461-1478. Floreano, D.; Nolf, S. 1997. Adaptive behavior in competing co-evolving species. In: Husbands, P.; Harvey, I. (eds.) Fourth European Conference on Artifcial Life. Cambridge (Massachusetts), The MIT Press: 378-387. Floreano, D.; Nolf, S.; Mondada, F. 1998. Competitive co-evolutionary robotics: from theory to practice. In: Pfeifer, R.; Blumberg, B.; Meyer, J-A; Wilson, S.W. (eds.) From Animals to Animats 5: Proceedings of the Fifth International Conference on Simulation of Adaptive Behavior (Complex Adaptive Systems). Cambridge (Massachusetts), The MIT Press: 515-524. Gardner, H. 1985. The minds new science. A history of the cognitive revolution. New York, Basic Books. Gordon, T. G. W.; Bentley, P. J. 2002. On evolvable hardware. In: Ovaska, S.; Sztandera, L. (eds.) Soft computing in Industrial Electronics. Heidelberg, Physica-Verlag: 279-323. Gould, S. J. 1989. Wonderful Life [traduo portuguesa: A Vida Bela. Lisboa, Gradiva, 1995]. Hayes, P. J. 1979. The nave physics manifesto. In: Michie, D. (ed.) Expert systems in the Micro-Electronic Age. Edinburgh, Edinburgh University Press: 242-270. Hodgson, G.; Knudsen, T. 2006. Why we need a generalized Darwinism, and why a generalized Darwinism is not enough. Journal of Economic Behavior and Organization, 61(1): 1-19. Holland, J. 1975. Adaptation in natural and artifcial systems. Cambridge (Mas- sachusetts), The MIT Press. Horgan, J. 1995. From complexity to perplexity. Scientifc American, 6: 74-79. Lipson, H.; Pollack, J. B. 2000. Automatic design and manufacture of robotic lifeforms. Nature, 406: 974-978. 207 Dar tempo ao tempo. Lipson, H.; Pollack, J. B. 2000. The Golem Project. [Online]. CS Department, Brandeis University [Consultado em: 29-12-2009]. Disponvel em: http:// demo.cs.brandeis.edu/golem. Lungarella, M.; Metta, G.; Pfeifer, R.; Sandini, G. 2003. Developmental robotics: a survey. Connection Science, 15(4): 151-190. McDermott, D. 1987. A critique of pure reason. Computational Intelligence, 3: 151-160. Mitchell, M. 1998. An introduction to genetic algorithms. Cambridge (Massachu- setts), The MIT Press. Mondada, F.; Bonani, M.; Raemy, X.; Pugh, J.; Cianci, C.; Klaptocz, A.; Magne- nat, S.; Zufferey, J.-C.; Floreano, D.; Martinoli, A. 2009. The e-puck, a robot designed for education in engineering. In: Proceedings of the 9th Conference on Autonomous Robot Systems and Competitions, vol. 1(1). Castelo Branco, Instituto Politcnico de Castelo Branco: 59-65. Nolf, S.; Floreano, D. 1998. Coevolving predator and prey robots: do Arms Races arise in Artifcial Evolution? Artifcial Life, 4(4): 311-335. Nolf, S.; Floreano, D. 2000. Evolutionary robotics the biology, intelligence, and technology of self-organizing machines. Cambridge (Massachusetts), The MIT Press. Pereira, J. N.; Christensen, A. L.; Silva, P.; Lima, P. U. 2010. Coordination through institutional roles in robot collectives. In: van der Hoek, W.; Kaminka, G.A.; Lesprance, Y.; Luck, M.; Sen, S. (eds.) Proceedings of 9th International Conference on Autonomous Agents and Multiagent Systems (AAMAS 2010), May, 1014. Toronto, Canada: 1507-1508. Sandini, G.; Metta, G.; Vernon, D. 2004. RobotCub: an open framework for research in embodied cognition. In: Proceedings of Humanoids 2004 (IEEE-RAS/RSJ International Conference on Humanoid Robots). Los Angeles, Novembro de 2004: 13-32. Schopman, J. 1987. Frames of artifcial intelligence. In: Bloomfeld, B. P. (ed.) The Question of Artifcial Intelligence Philosophical and Sociological Perspec- tives. Londres, Croom Helm: 165-219. Steels, L. 2001. Language games for autonomous robots. IEEE Intelligent systems, 16(5): 16-22. Steels, L. 2003. Intelligence with representation. Philosophical Transactions of the Royal Society (Mathematical, Physical and Engineering Sciences), 361(1811): 2381-2395. 208 Porfrio Silva Steels, L.; Vogt, P. 1997. Grounding adaptive language games in robotic agents. In: Husbands, P.; Harvey, I. (eds) Proceedings of the Fourth European Con- ference on Artifcial Life, ECAL97. Cambridge (Massachusetts), The MIT Press: 474-482. Steels, L.; Kaplan, F.; McIntyre, A.; van Looveren, J. 2002. Crucial factors in the origins of word-meaning. In: Wray, A. (ed.) The Transition to Language. Oxford, Oxford University Press: 252-271. Tan, K. C.; Wang, L. F.; Lee, T. H.; Vadakkepat, P. 2004. Evolvable hardware in evolutionary robotics. Autonomous Robots, 16: 521. Teuscher, C.; Mange, D.; Stauffer, A.; Tempesti, G. 2003. Bio-inspired computing tissues: towards machines that evolve, grow, and learn. BioSystems, 68(2-3): 235-244. Vogt, P. 2006. Language evolution and robotics: issues in symbol grounding and language acquisition. In: Loula, A.; Gudwin, R.; Queiroz, J. (eds.) Artifcial Cognition Systems. Hershey, PA, Idea Group. Zlatev, J.; Balkenius, C. 2001. Why Epigenetic Robotics? In: Balkenius, C.; Zlatev, J.; Kozima, H.; Dautenhahn, K.; Breazeal, C. (eds.) Proceedings of the First International Workshop on Epigenetic Robotics: Modeling Cognitive Deve- lopment in Robotic Systems. Lund, Lund University Cognitive Studies: 1-4. Artigo recebido a 31 de Janeiro de 2010 e aceite a 28 de Abril de 2010.