AI Fight

AI Fight Inteligência artificial é a inteligência similar à humana, porém exibida por mecanismos ou software. Para o aprendizado é usado um banco de dados como o ‘Dados Históricos do UFC-Fight de 1993 a 2019’ retirado do site Kaggle. Percebe-se que existe uma grande quantidade de dados com informações detalhadas de cada lutador como também de cada luta. Sabe-se que com esses dados podem ser feitas diversas aplicações em inteligência artificial. Com base nisso, o sistema desenvolvido usará os dados para aprender como combinar informações para produzir previsões das lutas do ‘UFC-Fight de 2020’.

O banco de dados (BD) ‘Dados Históricos do UFC-Fight de 1993 a 2019’ têm as informações das lutas como data, horário, município, estado, país, nome dos lutadores e árbitros, informações individuais de cada lutador antes da luta e também muitos detalhes individuais dos acontecimentos durante a luta. Dentre essas informações serão usadas apenas as informações dos nomes dos lutadores que serão representados pelas cores ‘vermelho’ e ‘azul’ com características individuais como idade, altura, alcance e peso. E consequentemente, o resultado final  da luta. Para produzir as previsões das lutas de 2020 usaremos uma inteligência artificial com base em aprendizado de máquina através dos dados passados, em que o mesmo aprendizado poderá prever lutas futuras, através do software Orange.

Através do software Orange, o sistema de inteligência artificial aprende como combinar informações coletadas do BD do Kaggle para produzir previsões úteis em dados nunca antes vistos como as lutas de 2020. Então, é como se fosse um rótulo, no qual estamos prevendo que, no caso do vencedor da luta, as 'features' são as variáveis de entrada dos lutadores e as suas características individuais, ambas em regressão linear simples.  Usamos banco de dados rotulados para treinar o modelo, isto é, exemplos com resultados das lutas de 1993 até 2019. Depois de treinarmos nosso modelo com exemplos rotulados, usamos este mesmo modelo para prever o rótulo em exemplos não rotulados que serão os resultados das lutas de 2020 já ocorridas, porém o sistema não sabe do resultado, e por isso não irá interferir. Então, o treinamento significa criar ou aprender um modelo, ou seja, você mostra os exemplos rotulados e permite que o modelo aprenda gradualmente os relacionamentos entre os recursos e o rótulo.

A escolha do banco de dados no Kaggle é um processo complexo, pois foi preciso analisar se os dados tinham um boa aplicação e qual a sua procedência para garantir a confiabilidade do aprendizado de máquina, ou seja, chegar em um modelo ideal. Após escolhermos o banco de dados ‘Dados Históricos do UFC-Fight de 1993 a 2019’ com a finalidade de prever o ‘UFC-Fight de 2020’, nós tivemos que testar vários métodos de aprendizado de máquinas no software Orange, a fim de melhorar a acurácia do resultado, que é a proximidade entre o resultado obtido experimentalmente e o resultado verdadeiro. E para a melhoria tivemos que testar várias configurações para as metodologias kNN e Logistic Regression.

Não há previsões de quando a inteligência artificial chegará ao patamar humano, porém já existem robôs que são melhores do que nós em tarefas específicas. Por exemplo, em 2011, o IBM Watson venceu os humanos no Jeopardy!, famoso programa americano de perguntas e respostas. Depois disso, a inteligência artificial continuou em desenvolvimento, e hoje já consegue fazer diagnósticos de câncer com maior precisão que os médicos. O programa de Deep Learning do Google tem precisão de 89% na detecção de câncer de mama, contra apenas 73% de um patologista humano.

INTELIGÊNCIA artificial. [S. l.], 2 ago. 2020. Disponível em: https://pt.wikipedia.org/wiki/Intelig%C3%AAncia_artificial. Acesso em: 30 ago. 2020.

DADOS históricos do UFC-Fight de 1993 a 2019: Luta compilada UFC, estatísticas de lutador e informações. 2. [S. l.], 5 jul. 2019. Disponível em: https://www.kaggle.com/rajeevw/ufcdata. Acesso em: 30 ago. 2020.

Coelho, Helder (1994). Inteligência Artificial em 25 Lições. Lisboa: Fundação Calouste Gulbenkian. p. 341. 532 páginas. ISBN 972-31-0679-5

Daniel Nathan Ferreira - Engenharia de Controle e Automação
Fabrício da Silveira - Engenharia de Controle e Automação
Marcus Wilians Gomes Chagas - Engenharia de Controle e Automação