[pt] Este trabalho procura olhar para as tecnologias educacionais – especialmente aquelas com Inteligência Artificial (IA), a grande promessa da atualidade – a partir de questionamentos críticos, evitando a ideia de neutralidade que comumente é atribuída a elas, inclusive na literatura acadêmica. O objetivo geral é analisar discursos sobre IA promovidos por empresas de tecnologia educacional (edtechs) que oferecem tecnologias voltadas para o ensino-aprendizagem. Os específicos são: 1) examinar como a IA é concebida nos discursos das edtechs; 2) investigar os papéis atribuídos às tecnologias nos processos de ensino e aprendizagem e 3) caracterizar as concepções de educação veiculadas nesses discursos. A Análise de Discurso Crítica foi o referencial teórico-metodológico que orientou as análises, partindo das categorias dos pressupostos, escolhas lexicais e modalidade. O corpus é composto de textos retirados dos sites e de dezessete postagens do Instagram de três empresas selecionadas: a Letrus, a Educacross e a Jovens Gênios. Nos discursos analisados, a IA é concebida como solução para diversos problemas educacionais e posicionada ora como sujeito, ora como ferramenta para a aprendizagem. A IA aparece com o papel de personalizar a educação, tornando a aprendizagem mais significativa e a educação mais objetiva e eficiente, baseada em dados, democrática e inovadora, além de capaz de suprir deficiências do trabalho docente. As empresas difundem uma concepção de educação baseada em desempenho, organizada por competências e habilidades, individualista, marginalizando a relação entre educador e estudante. Os discursos expressam um ideal de educação que valoriza a qualificação individual em detrimento das dimensões de socialização e subjetivação, portanto distante de ideais de formação ampla e transformação social. / [en] This work seeks to address educational technologies through critical questions, avoiding the idea of neutrality that is commonly attributed to them, including in academic literature. The general objective is to analyze discourses on artificial intelligence (AI) promoted by educational technology companies (edtechs) that offer technologies aimed at teaching-learning. The specific objectives are: 1) to examine how AI is conceived in edtech discourses; 2) to investigate the roles assigned by edtechs to technologies in teaching and learning processes; and 3) to characterize the conceptions of education conveyed by these discourses. Critical Discourse Analysis was the theoretical-methodological framework that guided the analyses, starting from the categories of assumptions, lexical choices and modality. The corpus is composed of texts taken from websites and seventeen Instagram posts from three selected companies: Letrus, Educacross and Jovens Gênios. In the material analyzed, AI is conceived as a solution to various educational problems and positioned either as a subject or as a tool for learning. AI appears with the role of personalizing education, making learning more meaningful and education more objective and efficient, based on data, democratic and innovative, in addition to being able to overcome deficiencies in teaching. Companies disseminate a conception of education based on performance, organized by skills and abilities, markedly individualistic, marginalizing the relationship between educator and student. The discourses express an ideal of education that values individual qualification to the detriment of the dimensions of socialization and subjectivation, therefore far from ideals of broad training and social transformation.

[pt] À medida que os modelos de aprendizado de máquina penetram áreas críticas como medicina, sistema de justiça criminal e mercados financeiros, sua opacidade, que impede que as pessoas interpretem a maioria deles, se tornou um problema a ser resolvido. Neste trabalho, apresentamos uma nova taxonomia para classificar qualquer método, abordagem ou estratégia para lidar com o problema da interpretabilidade de modelos de aprendizado de máquina. A taxonomia proposta que preenche uma lacuna existente nas estruturas de taxonomia atuais em relação à percepção subjetiva de diferentes intérpretes sobre um mesmo modelo. Para avaliar a taxonomia proposta, classificamos as contribuições de artigos científicos relevantes da área. / [en] As machine learning models penetrate critical areas like medicine, the criminal justice system, and financial markets, their opacity, which hampers humans ability to interpret most of them, has become a problem to be solved. In this work, we present a new taxonomy to classify any method, approach or strategy to deal with the problem of interpretability of machine learning models. The proposed taxonomy fills a gap in the current taxonomy frameworks regarding the subjective perception of different interpreters about the same model. To evaluate the proposed taxonomy, we have classified the contributions of some relevant scientific articles in the area.

[pt] Nesta dissertação é estudado o problema de geração e narração de estórias, cuja relevância tem sido cada vez mais reconhecida, principalmente em decorrência da popularização de meios de comunicação interativos, tais como a TV digital e os jogos digitais. O trabalho partiu de uma revisão do estado da arte, destacando os principais modelos para representação de estórias e as técnicas mais utilizadas na criação de obras literárias. Foi proposto o uso do termo engenharia de estórias para enfatizar que a tarefa de geração e narração de estórias deve ser encarada como um processo de engenharia. O problema fundamental foi dividido em três subproblemas. O primeiro diz respeito a como gerar as estórias, o segundo a como contá-las ao público e o último é sobre como construir, armazenar e consultar a base de conhecimento usada na engenharia de estórias. Por fim, como estudo de caso, foi projetado e programado um protótipo capaz de gerar e narrar estórias automaticamente. A geração é efetuada por um planejador, usando o algoritmo de Redes de Tarefas Hierárquicas. Para a narração, é utilizado um gerador de textos em linguagem natural. A base de conhecimento é armazenada na forma de documentos XML tendo sido implementada uma ferramenta para facilitar sua preparação. / [en] This dissertation investigates the problem of story telling and generation, whose increasingly recognized relevance is mostly due to the popularization of interactive media, such as digital TV and video-games. The work initiates with a state of the art survey, detailing the major story representation models and the most used methods in literary work production. The use of the term story engineering was proposed to emphasize that story telling and generation should be viewed as an engineering process. The fundamental problem was divided into three subproblems. The first one is how to generate stories, the second is how to tell them to the public and the last is how to create, store and query the knowledge base used for story engineering. Finally, as a case study, a prototype capable of automatically generating and telling stories was designed and programmed. Generation is done by a planner, using the Hierarchical Task Network algorithm. Storytelling applies a natural language generation tool. The knowledge base is stored under the form ofXMLdocuments, and a tool was implemented to simplify their preparation.

[pt] O apoio diagnóstico de exames médicos por imagem utilizando técnicas de Inteligência Artificial tem sido amplamente discutido e pesquisado academicamente. Diversas técnicas computacionais para segmentação e classificação de tais imagens são continuamente criadas, testadas e aperfeiçoadas. Destes estudos emergem sistemas com alto grau de especialização que se utilizam de técnicas de visão computacional e aprendizagem de máquina para segmentar e classificar imagens de exames utilizando conhecimento adquirido através de grandes coleções de exames devidamente laudados. No domínio médico há ainda a dificuldade de se conseguir bases de dados qualificada para realização da extração de conhecimento pelos sistemas de aprendizagem de máquina. Neste trabalho propomos a construção de uma arquitetura de software que suporte o desenvolvimento de sistemas de apoio diagnóstico que possibilite: (i) a utilização em múltiplos tipos exames, (ii) que consiga segmentar e classificar, (iii) utilizando não só de estratégias padrão de aprendizado de máquina como, (iv) o conhecimento do domínio médico disponível. A motivação é facilitar a tarefa de geração de classificadores que possibilite, além de buscar marcadores patológicos específicos, ser aplicado em objetivos diversos da atividade médica, como o diagnóstico pontual, triagem e priorização do atendimento. / [en] The image medical exam diagnostic support using Artificial Intelligence techniques has been extensively discussed and academically researched. Several computational techniques for segmentation and classification of such images are continuously created, tested and improved. From these studies, highly specialized systems that use computational vision and machine learning techniques to segment and classify exam images using knowledge acquired through large collections of lauded exams. In the medical domain, there is still the difficulty of obtaining qualified databases to support the extraction of knowledge by machine learning systems. In this work we propose a software architecture construction that supports diagnostic support systems development that allows: (i) use of multiple exam types, (ii) supporting segmentation and classification, (iii) using not only machine learning techniques as, (iv) knowledge of the available medical domain. The motivation is to facilitate the generation of classifiers task that, besides searching for specific pathological markers, can be applied to different medical activity objectives, such as punctual diagnosis, triage and prioritization of care.

[pt] A aplicação de inteligência artificial (IA) em jogos digitais atualmente se encontra sob uma constante necessidade de melhorias, na tentaiva de atender as crescentes demandas dos jogadores por realismo e credibilidade no comportamento dos personagens do universo do jogo. De modo a facilitar o atendimento destas demandas, técnicas e metodologias de engenharia de software vêm sendo utilizadas no desenvolvimento de jogos. No entanto, o uso destas técnicas e a construção de middlewares na área de IA ainda está longe de gerar ferramentas genéricas e flexíveis o suficiente para o uso nesse tipo de aplicação. Outro fator importante é a falta de literatura disponível tratando de propostas relacionadas a esse campo de estudo. Esta dissertação discute o esforço de pesquisa no desenvolvimento de uma arquitetura flexível aplicável a diferentes estilos de jogos, que dê suporte a várias funcionalidades de IA em jogos e sirva com base a introdução de novas técnicas que possam melhorar a jogabilidade. Neste trabalho são apresentadas: questões de projeto de tal sistema e de sua integração com jogos; um estudo sobre a arquitetura de middlewares de IA; uma análise dos poucos exemplos desse tipo de software disponíveis; e um levantamento da literatura disponível. Com base nessa pesquisa, foi realizado o projeto e a implementação da arquitetura de um middleware de IA; também descritos nesse trabalho. Além da implementação propriamente dita, é apresentado um estudo sobre a aplicação de padrões de projeto no contexto do desenvolvimento e evolução de um framework de IA para jogos. / [en] The usage of artificial intelligence (AI) techniques in digital games is currently facing a steady need of improvements, so it can cater to players higher and higher expectations that require realism and believability in the game environment and in its characters' behaviours. In order to ease the fulfillment of these goals, software engineering techniques and methodologies have started to be used during game development. However, the use of such techniques and the creation of AI middleware are still far from being a generic and flexible enough tool for developing this kind of application. Another important factor to be mentioned in this discussion is the lack of available literature related to studies in this field. This dissertation discusses the research effort in developing a flexible architecture that can be applied to diferent game styles, provides support for several game AI functionalities and serves as basis for the introduction of more powerful techniques that can improve gameplay and user experience. This work presents: design issues of such system and its integration with games; a study on AI middleware architecture for games; an analysis of the state-of-the-art in the field; and a survey of the available relevant literature. Taking this research as starting point, the design and implementation of the proposed AI middleware architecture was conducted and is also described here. Besides the implementation itself, a study on the use of design patterns in the context of the development and evolution of an AI framework for digital games is also presented.

[pt] Recentemente, a indústria de jogos tem demonstrado crescente interesse no desenvolvimento de jogos que utilizam técnicas sofisticadas de Inteligência Artificial (IA). Verifica-se, dessa forma, o surgimento de jogos mais realistas, tanto no aspecto gráfico quanto no comportamento dos personagens. O jogo Black&White (B e W), desenvolvido pela empresa Lionhead Studios, é considerado um exemplo importante da utilização de técnicas de IA em jogos, e obteve um grande sucesso. Parte desse sucesso se deve ao fato de haver revelado uma interessante arquitetura deliberativa para agentes computacionais, baseada no modelo de agentes deliberativos chamado BDI (Belief, Desire and Intention, ou Crença, Desejo e Intenção). O presente trabalho visa desenvolver um estudo sobre a arquitetura utilizada no jogo B e W, e também sobre a interação de personagens que utilizam as técnicas presentes nesta arquitetura. Esta interação envolverá a utilização de um protocolo inspirado na linguagem de comunicação chamada KQML (Knowledge Query and Manipulation Language, ou Linguagem de Consulta e Manipulação de Conhecimento). / [en] Recently the game industry has been demonstrating much interest in the development of games that use more powerful Artificial Intelligence (AI) techniques. In this way, many games have been developed with more realistic graphics and character behavior. The game Black and White (B and W), developed by Lionhead Studios, is considered an important example of the use of AI techniques in games, and has resulted in a great success, disclosing a very interesting deliberative architecture for computational agents. Such architecture is based on the deliberative model called BDI (Belief, Desire and Intention). The present work aims to develop a study on the architecture used in game B&W, and also on the interaction of characters that use the techniques applied in this architecture. This interaction will use a protocol inspired on the communication language KQML (Knowledge Query and Manipulation Language).

[pt] O presente trabalho tem como objetivo analisar a percepção de uma amostra de funcionários, de diferentes departamentos e cargos, sobre o estágio de maturidade em Business Intelligence de uma empresa do setor farmacêutico. Posteriormente, pretende-se entender a relação entre a percepção de maturidade, e a percepção do potencial de criação de vantagem competitiva e melhoria na performance da empresa que a adoção de Business Intelligence pode trazer. Para atingir ao objetivo foram realizadas uma pesquisa via survey com 32 respondentes, para coletar sua percepção de maturidade da empresa em cinco dimensões de maturidade: Organização, Infraestrutura, Gestão de Dados, Análise e Governance a fim de enquadrar a empresa dentro de um estágio. Além disso, foram incluídas nos questionários perguntas relacionadas a percepção de criação de vantagem competitiva e melhoria de performance. A fim de entender melhor os resultados para posteriormente criar uma proposta de plano de melhoria para que a empresa avançasse no modelo, foram realizadas entrevistas em profundidade com quatro respondentes e uma análise de regressão com o objetivo de entender melhor a relação entre as variáveis. O trabalho delimitou-se em estudar a empresa no momento atual sem que fosse feito um acompanhamento da evolução ao longo do tempo, pesquisou apenas uma empresa do setor farmacêutico baseada no Brasil limitando comparações com benchmarkings entre países e setores. Além disso, o fato de o pesquisador conhecer e ser funcionário da mesma empresa dos respondentes pode ter gerado desconforto em parte deles, gerando possíveis vieses nas respostas. Com os resultados da pesquisa somados as melhores práticas de BI trazidas no referencial teórico, foi traçada uma proposta com um plano de melhoria que se implementado, acredita-se, que pode levar a empresa a avançar no estágio de maturidade. / [en] The objective of this work is to analyze the perception of a sample of employees, from different departments and positions, about the stage of maturity in Business Intelligence of a company in the pharmaceutical sector. Subsequently, we intend to understand the relationship between the perception of maturity and the perception of the potential for creating competitive advantage and improving the company s performance that the adoption of Business Intelligence can trace. To achieve the objective, a survey was carried out with 32 respondents, to collect their perception of the company s maturity in five dimensions of maturity: Organization, Infrastructure, Data Management, Analysis and Governance to frame the company within a stage. In addition, the questionnaires included questions related to the perception of creating competitive advantage and improving performance. In order to better understand the results to later create a better plan proposal for the company to move forward in the model, we conducted in-depth interviews with four respondents and a regression analysis in order to better understand the relationship between the variables. The work is limited to studying the company today without having followed the evolution over time, researching only one company in the pharmaceutical sector based in Brazil, limiting comparisons with benchmarking between countries and sectors. Also, the fact that the researcher knows and is an employee of the same company two interviewees could cause discomfort on their part, generating the possibility of viewing the answers. With the research results added to the best BI practices developed without theoretical reference, a proposal was elaborated with a better plan that has been imple mented, it is proven, that can lead the company to advance in its maturity stage.

[pt] O gerenciamento correto das pastagens em regiões agropecuárias tem papel fundamental na própria produção, na prevenção ao desperdício da biomassa vegetal e a liberação de gases de efeito estufa (GEE). Além disso, é necessário evitar o movimento inapropriado do rebanho entre pastos, pois este é um processo demorado e pode ser estressante para o animal. O sucesso desta gestão requer uma avaliação eficiente dos recursos da plantação. Os estudos desenvolvidos com esta finalidade tem relação direta com a estimativa da quantidade de biomassa em uma região específica da pastagem, pois, na prática, ela não é realizada de forma precisa, devido à dificuldade de medição em toda a área delimitada. Este trabalho tem como objetivo desenvolver uma metodologia de estimativa de biomassa de baixo custo, baseada em modelos de regressão que correlacionem os atributos de entrada mais relevantes para a aplicação com o real peso da plantação, medido em g/m2 . Para os atributos, foi medida a altura da grama forrageira e calculados os índices de vegetação baseados em RGB a partir de imagens de veículos aéreos não tripulados (VANTs). Como metodologia, utilizou-se regressões lineares, não lineares, redes neurais artificiais baseados em perceptrons de múltiplas camadas e a combinação de todos os modelos gerados (stacking ensemble). Foram alcançados resultados satisfatórios utilizando modelos de redes neurais com ainda duas camadas e com a metodologia de empilhamento de modelos, alcançando um RMSE de 31.76 g/m2 , MAPE de 13.35 por cento e R 2 de 0.9. Portanto, a metodologia proposta pode se tornar uma solução promissora e acessível para a estimativa de biomassa vegetal para uma gestão eficiente e sustentável do rebanho. / [en] The correct management of pastures in agricultural regions plays a fundamental role in the production itself, in the prevention of plant biomass waste and the release of greenhouse gases (GHG). In addition, it is necessary to avoid inappropriate movement of the herd between pastures, as this is a time-consuming process and can be stressful for the animal. The success of this management requires an efficient assessment of the plant resources. The studies developed for this purpose are directly related to the amount estimation of biomass in a specific region of the pasture, because, in practice, it is not carried out accurately, due to the difficulty of measurement throughout the field. This work aims to develop a low-cost biomass estimation methodology, based on regression models that correlate the most relevant input features for the application with the actual density of the plantation, measured in g/m2 . For the features, the height of the forage grass was measured and the vegetation indexes based on RGB were calculated from images of unmanned aerial vehicles (UAV). Linear, nonlinear regression (MNLR), artificial neural networks (ANN) based on multi-layer perceptron (MLP) and the combination of all models generated (stacking ensemble) were the methodologies tested in order to achieve the best correlation. Satisfactory results were achieved using models of neural networks with two layers and using stacking ensemble methodology, reaching a RMSE of 31.76 g/m2 , MAPE of 13.35 percent and R-Squared of 0.9. Therefore, the proposed methodology may become a promising and affordable solution for plant biomass estimation toward efficient and sustainable herd management.

[pt] O trabalho tem como objetivo analisar os modelos de aplicação tecnológica dos precedentes judiciais pelo STF, que possuem a intenção de automatizar o juízo de admissibilidade, e, verificar se tal tecnologia pode ser utilizada sem infringir os princípios constitucionais, especialmente o devido processo legal. O cerne do estudo está consubstanciado nas ferramentas de inteligência artificial que vem sendo utilizadas pelo Poder Judiciário com o objetivo de auxiliar a atividade jurisdicional a lidar como fenômeno da hiperjudicialização. Para tanto, apresentamos o sistema de precedentes do Código de Processo Civil de 2015 que tem como finalidade a garantia e aplicação dos princípios da isonomia e segurança jurídica, assim como diminuir o problema das ações repetitivas. Trabalhou-se também os sistemas de inteligência artificial utilizados, assim como os problemas mais relevantes que eles apresentam tais como, data sets viciados, opacidade algorítmica e discriminação racial e social. Abordou-se também a utilização do Sistema Victor pelo Supremo Tribunal Federal que tem como finalidade automatizar o juízo de admissibilidade dos recursos. Por fim, procurou-se avaliar de que modo as tecnologias podem contribuir para um mais eficaz processamento dos recursos, em especial no que diz respeito ao juízo de admissibilidade. / [en] The purpose of this study is to analyze the models of technological application of judicial precedents by the STF, which intend to automate the admissibility determination, and to determine whether such technology can be used without violating constitutional principles, particularly due process of law. The core of the study consists of the artificial intelligence tools utilized by the Judiciary to assist the judicial activity in dealing with the phenomenon of hyperjudicialization. Consequently, we present the precedent system of the Civil Procedure Code of 2015, which aims to ensure and apply the principles of isonomy and legal certainty, as well as reduce the problem of repetitive actions. In addition, the employed artificial intelligence systems and the most pertinent problems they present, such as biased data sets, algorithmic opacity, and racial and social discrimination, were examined. The Federal Supreme Court s use of the Victor System, which aims to automate the appeals admissibility determination, was also discussed. Lastly, an effort was made to evaluate how technologies can contribute to a more efficient appeals processing, particularly with regard to the admissibility determination.

[pt] A inteligência artificial tem gerado resultados promissores na área médica, especialmente na última década. Contudo, os modelos de melhor desempenho apresentam opacidade em relação ao seu funcionamento interno. Nesta tese, são apresentadas novas metodologias e abordagens para o desenvolvimento de classificadores explicáveis de imagens médicas. Dois principais métodos, Squaregrid e EvEx, foram desenvolvidos. O primeiro consiste em uma geração mais grosseira, porém rápida, de heatmaps explicativos via segmentações em grades quadrados, enquanto o segundo baseia-se em otimização multi-objetivo, baseada em computação evolucionária, visando ao ajuste fino de parâmetros de segmentação. Notavelmente, ambas as técnicas são agnósticas ao modelo, o que facilita sua utilização para qualquer tipo de classificador de imagens. O potencial destas abordagens foi avaliado em três estudos de caso de classificações médicas: metástases em linfonodos, malária e COVID-19. Para alguns destes casos foram analisados modelos de classificação existentes, publicamente disponíveis. Por outro lado, em outros estudos de caso, novos modelos tiveram que ser treinados. No caso do estudo de COVID-19, a ResNet50 treinada levou a F-scores acima de 0,9 para o conjunto de teste de uma competição para classificação de coronavirus, levando ao terceiro lugar geral. Adicionalmente, técnicas de inteligência artificial já existentes como LIME e GradCAM, bem como Vanilla, Smooth e Integrated Gradients também foram usadas para gerar heatmaps e possibilitar comparações. Os resultados aqui descritos ajudaram a demonstrar e preencher parcialmente lacunas associadas à integração das áreas de inteligência artificial explicável e medicina. Eles também ajudaram a demonstrar que as diferentes abordagens de inteligência artificial explicável podem gerar heatmaps que focam em características diferentes da imagem. Isso por sua vez demonstra a importância de combinar abordagens para criar um panorama mais completo sobre os modelos classificadores, bem como extrair informações sobre o que estes aprendem. / [en] Artificial Intelligence has generated promissing results for the medical area, especially on the last decade. However, the best performing models present opacity when it comes to their internal working. In this thesis, methodologies and approaches are presented for the develpoment of explainable classifiers of medical images. Two main methods, Squaregrid and EvEx, were developed. The first consistts in a rough, but fast, generation of heatmaps via segmentations in square grids, and the second in genetic multi objective optimizations aiming at the fine-tuning of segmentation parameters. Notably, both techniques are agnostic to the model,which facilitates their utilization for any kind of image classifier. The potential of these approaches was demonstrated in three case studies of medical classifications: lymph node mestastases, malária and COVID-19. In some of these cases, already existing classifier models were analyzed, while in some others new models were trained. For the COVID-19 study, the trained ResNet50 provided F-scores above 0.9 in a test set from a coronavirus classification competition, resulting in the third place overall. Additionally, already existing explainable artificial intelligence techniques, such as LIME and GradCAM, as well as Vanilla, Smooth and Integrated Gradients, were also used to generate heatmaps and enable comparisons. The results here described help to demonstrate and improve the gaps in integrating the areas of explainable artificial intelligence and medicine. They also aided in demonstrating that the different types of approaches in explainable artificial intelligence can generate heatmaps that focus on different characteristics of the image. This shows the importance of combining approaches to create a more complete overview of classifier models, as well as extracting informations about what they learned from data.