E1: Existe uma lacuna em todos os pensamentos e/ou ações elementares. Não se sabe o que acontecerá como um todo, a partir de uma ação elementar ou construção de um elemento. Daí a importância do reconhecimento de padrões pelos humanos.
E2: Geralmente não são considerados os eventos que compõem a base de conhecimento modelada! Mas sem o conhecimento efetivo que lhe dá sentido, não é possível equilibrar a carga para executar os algoritmos corretamente!
E3: Esse é, no nosso entendimento, o principal problema do uso aplicado de ontologias! Termos distantes da realidade das pessoas! Como no caso da saúde, um grande hospital que não consegue aderir a uma ontologia como o Snomed! Principal comentário de médicos e enfermeiros: "Essa ontologia é muito completa! Até demais! Não faz parte da realidade do nosso processo diagnóstico diário!"
E4: Quando aplicamos técnicas de reconhecimento de padrões, temos análises de classificação com termos abstratos! Ok, o paciente tem câncer, mas o médico não pode dizer que é porque a rede neuronal sugeriu! Ponto crítico: "IA explicável versus IA inexplicável!". O desafio neste campo é tornar a IA inexplicável o mais explicável possível! Desculpe o trocadilho, foi irresistível!
E5: Depois de dez anos ensinando programação orientada a objetos! Ver uma metodologia que tira o método (processo) da entidade (classe) muda visão da pessoa! Nesta metodologia, as Entidades são quadrados e os processos são círculos! Círculos são ações que definem o nível de abstração e entidades podem ser utilizadas por diferentes processos. Essa metodologia já tem ISO e o pessoal do MIT (Dov Dori) utiliza no desenvolvimento aeroespacial! A ideia deles é correlacionar tudo com tudo, criando uma matriz de coocorrência! Componentizando todo o sistema criando pequenos apps interconectados. Fazendo desenvolvimento e modelagem orientados a serviços, deixando a integridade relacional dentro dos componentes e integrando componentes por serviços.
E6: No livro Clean Code temos uma crítica muito fundamentada de que serviços não-componentizados geram mais problemas do que soluções em um projeto de desenvolvimento de software!
E7: Acontece que esse fato (IA vs Modelos) propõe uma integração entre o universo conceitual e a classificação dos eventos (instâncias). A partir daí, utilizando a ideia de Von Neumann de integração de autômatos e máquinas convencionais! Infelizmente, ele não completou este desafio antes de morrer prematuramente! Poderíamos usar as ideias do pessoal de sistemas complexos! (Douglas Hofstadter e Melanie Michell). Os autômatos são facilmente modelados! Mas é impossível prever o seu comportamento em grande escala... Como exemplo, é por isso que o reconhecimento de padrões, como as células do fígado, pode não estar funcionando!!! Fica muito mais fácil identificar o sintoma de olho amarelo no paciente!
E8: A partir daí percebe-se que a modelagem está em uma ponta e o reconhecimento de padrões na outra! Mas se colocarmos o Sync Schema no meio como modelo de referência para síntese de conhecimento! A tecnologia que mais se aproxima disso é o Graph DB que unifica os universos para essa possibilidade! O modelo teria que validar o universo compreendendo a necessidade classificatória! Por outro lado, a classificação teria que ser explicada... Propondo a criação e definição de conceitos estratégicos... inicialmente definidos de forma abstrata pela IA... deveriam ser validados por especialistas para equilibrar a base...
E9: Observa-se que hoje fazemos consultas baseadas em grafos, independente do conteúdo! Neles podemos identificar o pagerank, apenas pelo formato de estrela dos nós com muitas arestas (relacionamentos)... algo como: selecionar todos os nós com n relacionamentos deste tipo e m deste outro tipo... podemos reconhecer padrões de design complexos nessas estruturas (exemplo floco de neve, estrela e tudo mais...) ..escrevemos as consultas em Cypher... que é uma espécie de SQL para Graph DB desenvolvido pela Neo4J. Podemos criar propriedades, relacionamentos e nós sintéticos dentro de um script GDS (Graph Data Science). Costumamos usar o exemplo de um indiano que criou aeroportos virtuais entre a América e a Europa. Seu desafio era encontrar a melhor passagem aérea para dois países distantes. Neste exemplo, os bancos relacionais quebraram e o Graph DB entregou o caminho mais curto de forma simples e rápida. Estudando o comportamento cognitivo dos médicos no processo diagnóstico, já há muito tempo.. Pode-se dizer que o ser humano trabalha no limite da matemática sem números.. o médico pode dizer o que um paciente tem.. Mas ele não sabe correlacionar os eventos diagnósticos de todos os pacientes que atendeu em sua vida! Ele simplesmente faz isso inconscientemente!
E10: “Não dá para saber o que vai acontecer numa batalha, porque são tantos acontecimentos que é impossível prevê-los”. Uma das principais mensagens do autor incorporada à sua obra-prima. Guerra e Paz, Liev Tolstoi.
