Inteligência artificial aplicada ao direito (página 3)

Segundo FORTIER e BILON (1997:p. 106), em CRL, um objeto estruturado é chamado de "schema" e seus atributos de "slots". Assim, os conceitos e modelos são representados por "schemas" e seus atributos ou papeis por "slots". Da mesma forma, as informações relativas a um "slot" são também representadas por "schemas de controle". As informações são:- Restrição sobre o valor que pode assumir um "slot". Tal funcionalidade é aplicada, por exemplo, para valores permitidos sobre os atributos de conceito;- Restrições sobre o tipo de "schema", onde, por exemplo, é definido o domínio do "slot";- Comportamento do "slot" quando de uma consulta ou modificação de seu conteúdo;

O exemplo a seguir, ilustra a representação do conceito Contribuinte da Previdência. A seus atributos ("slots" do "schema") são associadas algumas restrições, definidas a partir do "schema" de controle de atributo. Por exemplo, a restrição sobre o "slot" sujeito-contribuinte é o conceito pessoa_contribuinte. Isso significa que toda a instância do conceito contribuinte_ deverá ter como valor de seu atributo sujeito-contribuinte uma instância ou subclasse do conceito pessoa_contribuinte:

Contribuinte_ sujeito-contribuinte pessoa_contribuinte objeto-contribuinte base_d_contribuição tipo-de-encargo encargo

Em resumo, essas diversas funcionalidades permitem controlar e criar modelos bem formados, tanto sintática quanto semanticamente, utilizando a noção de restrição para os valores dos argumentos em uma classe de modelos. Ou como mencionado por FORTIER e BILON (1997), quando o ser humano lê um texto, ele tem a tendência a corresponder a cada palavra um ‘saber’ específico. Esse saber dever ser entendido como o ambiente de conhecimentos necessários à assimilação de cada conceito presente no enunciado jurídico identificado, o que o modelo de aquisição do conhecimento tenta recriar.

Antes de descrever o que é Sistema PRISMA é preciso historiar como era a sistemática de concessão e atualização de informações no INSS (Autarquia Federal criada pela Lei n.º 8.029/90) até sua introdução.

Todas as rotinas de concessão e alteração/revisão de dados e valores passavam necessariamente por três formulários básicos:

- CCE – Comando de Concessão Eletrônica;

- CME - Comando de Manutenção Eletrônica;

- CMR – Comando de Manutenção Rural;

Os três formulários citados, após análise e preenchimento por parte de um servidor da Autarquia, ou no caso do CCE, de dois servidores, eram enviados por malote até uma Central de digitação, que por sua vez remetia os dados para processamento na DATAPREV (Empresa de Processamento de Dados da Previdência Social) na cidade do Rio de Janeiro.

Não havia na época, por exemplo, qualquer rotina informatizada de verificação de permissão de acesso ou de duplicidade de benefícios que viesse a contrariar a legislação então vigente. Além disso, o produto de tais comandos (o benefício concedido ou atualizado) somente tinha retorno semanas depois do envio e, ainda, demandava conferência manual daquilo que havia sido processado. Praticamente todos os cálculos necessários eram realizados previamente de forma manual para posterior lançamento nos respectivos formulários.

Assim, foi desenvolvido pela DATAPREV um sistema com plataforma PICK, utilizando inicialmente terminais "burros". Nascia o Projeto PRISMA que substituiu o procedimento tradicional de entrada de informações nas Agências do INSS.

É preciso salientar, também, que até agosto de 1990 não existia qualquer tipo de consulta "on-line" no âmbito tanto do Ministério da Previdência quanto do INSS.

Como menciona SALIBY (2006), o projeto tinha como finalidade substituir e reunir as diversas bases de dados, mantendo os conceitos legais existentes:

Na época, optou-se por um sistema centralização. Este sistema central trabalhava – mantendo-se da mesma forma hoje – integrado ao PRISMA. A plataforma utilizada foi um "mainframe" A-16 da Unisys, SGBD8 DMS-II (da Unisys) e linguagem COBOL 74.

Ainda segundo SALIBY (2006):

O sistema PRISMA-SUB "trata os dados em sua forma primária, sem passar por transformações, evitando que o funcionário tenha que realizar manualmente cálculos complexos e/ou consultar manuais para alimentar o sistema" (SALIBY, 2006), o que resultou, obviamente, em maior eficiência. O sistema também prevê a auditagem dos seus dados, podendo apontar irregularidades, mas, infelizmente, desde que "motivado" (forma reativa), não havendo hoje ferramentas eficientes de caráter preventivo.

O Pick foi implantado na DATAPREV em 1985, na versão R83, como única solução de sistema multi-usuário em plataforma Intel, para a implantação do Sistema PRISMA. O Advanced Pick, conhecido como AP, é uma evolução do Pick R83. Atualmente está sendo usado o AP versão 5.2.7.M2 e 5.2.7.NAT16.

O AP é um sistema operacional multi-usuário, que inclui um SGBD (Sistema Gerenciador de Banco de Dados). O AP 6.1, a versão mais recente, pode ser adquirido de duas formas: sistema operacional + SGBD ou, somente, SGBD, suportando as seguintes plataformas:

A Resolução INSS/DC nº 133, de 26.08.03 (DOU DE 29.08.03), aprovou o Sistema de Administração de Benefícios por Incapacidade - SABI, estabelecendo diretrizes para sua implantação.

O SABI é um sistema desenvolvido para informatizar o processo de perícia médica, permitindo a concessão do benefício por incapacidade, desde a entrada do requerimento, o trâmite na perícia médica e na reabilitação profissional, até o encaminhamento de recurso à Junta e ao Conselho de Recursos da Previdência Social, em caso de benefício negado.

O artigo 2.º da Resolução 133 especifica que o SABI permite a administração dos benefícios por incapacidade e assistenciais. É considerado um sistema multifunções, que operacionaliza e controla o fluxo de informações dos processos que envolvam tais benefícios. O parágrafo único informa que sua concepção tecnológica é, também, a de um sistema especialista que agrega todas as regras, conhecimentos, processos, procedimentos e cálculos específicos e especiais para a concessão do benefício, tanto em relação ao Laudo Médico-Pericial e Protocolos Médicos, quanto à qualidade da análise administrativa dos diversos tipos de benefícios por incapacidade.

O artigo 3º do citado ato normativo discrimina as Macrofunções do SABI:

I - cadastramento e validação de todos os dados necessários ao requerimento dos diversos benefícios por incapacidade e do Laudo Médico-Pericial;

II - agendamento e controle das Perícias Médicas nas Unidades de Atendimento e do Serviço/Seção de Gerenciamento de Benefícios por Incapacidade - SGBENIN;

III - padronização dos procedimentos relacionados nos Laudos Médico-Periciais, por meio de especificações de Protocolos Médicos, residentes e mantidos no sistema;

IV - manutenção do histórico dos procedimentos da Perícia Médica, em relação aos padrões específicos da incapacidade, conforme os padrões definidos por meio dos Protocolos Médicos;

V - processamento do Laudo Médico-Pericial e concessão automática do benefício;

VI - permissão dos gestores do benefício por incapacidade - áreas administrativa e médica à consulta de dados detalhados dos benefícios concedidos;

VII - controle e acompanhamento de todos os processos realizados pelos credenciados;

VIII - permissão da inclusão, ordenação e disponibilização de acessos aos dados relativos às concessões efetivadas pelos médicos credenciados;

IX - fornecimento, aos gestores de negócios e operacionais, de informações que possam subsidiar a gestão operacional contínua dos benefícios por incapacidade;

X - produção de relatórios gerenciais em tela e impressos, para auxiliar os gestores no processo de decisão;

XI - disponibilização de dados para o sistema de medição, avaliação, desempenho, supervisão e fiscalização;

XII - controle e autorização de pagamentos de benefícios, e

XIII - restabelecimento de benefícios anteriores.

Responsável pela administração de 20 milhões de informações de Empregadores, 410 milhões de vínculos empregatícios, 6 milhões de remunerações, 37 milhões de registros de Pessoa Física e 1 bilhão de recolhimentos de Contribuintes Individuais, a DATAPREV disponibiliza toda esta base de dados durante 24 horas diárias, sendo acessada "on-line" por mais de 40 mil de estações em rede, organizadas em 1200 redes locais, distribuídas em 900 municípios brasileiros (Fonte: SERPRO).

O CNIS é uma base de dados com abrangência nacional que contempla as principais informações cadastrais de trabalhadores empregados, avulsos, contribuintes individuais, empregadores, além de vínculos empregatícios e remunerações.

O Decreto 97.936 de 1989 estabeleceu a criação do CNT - Cadastro Nacional do Trabalhador, objetivando a formação de uma base de dados integrada. Sua administração seria gerida, na forma de consórcio, entre Ministério da Previdência e Assistência Social (MPAS), Ministério do Trabalho e Emprego (MTE) e Caixa Econômica Federal (CEF). Somente em 1991, com o advento da Lei 8.212 é que recebeu a denominação de CNIS.

Seu maior objetivo talvez seja a eficácia no atendimento de pleitos do trabalhador, isto por meio da manutenção de informações confiáveis relativas às atividades laborais de cada cidadão economicamente ativo. Já na época o intuito era dar os primeiros passos na chamada "inversão do ônus da prova" – que efetivamente ocorreu em 2001 por meio DA Lei 10.403 (regulamentada pelo Decreto 4079/2002) – que nada mais é do que o reconhecimento de direitos com base em informações presentes no BD, sem a necessidade de apresentação documentação por parte do trabalhador.

Além do objetivo anteriormente citado é preciso mencionar que a composição de um BD de tal magnitude contribuiria para inibir fraudes na concessão de benefícios previdenciários. Da mesma forma, a união das três Entidades Administrativas permitiu o uso racional de informações que até então se encontravam dispersas.

Conforme divulgado pela DATAPREV, os demais objetivos são:

Manutenção de informações confiáveis relativas a empregadores, permitindo um maior controle sobre a arrecadação e um direcionamento mais eficaz da fiscalização trabalhista e previdenciária;

Simplificação e redução dos procedimentos e dos custos de coleta de informações sociais impostas aos estabelecimentos empregadores e à sociedade;

Instrumentalização das instituições governamentais com informações sociais confiáveis como forma de subsidiar a formulação e a avaliação das políticas públicas.

As informações que alimentam o sistema possuem diversas fontes, tais como:

a) A CEF - CAIXA ECONÔMICA FEDERAL – por meio do PIS - Programa de Integração Social - e do FGTS - Fundo de Garantia do Tempo de Serviço;

b) BANCO DO BRASIL, por meio do PASEP - Programa de Formação do Patrimônio do Servidor Público;

c) MPAS - MINISTÉRIO DA PREVIDÊNCIA E ASSISTÊNCIA SOCIAL, por meio do Cadastro de Contribuintes Individuais (CI), da Base de Recolhimentos do Contribuinte Individual, da Base de Arrecadação Previdenciária; e do
CEI - Cadastro Específico do INSS;

d) MPAS / MTE / CEF, por meio da RAIS - Relação Anual de Informações Sociais;

e) RECEITA FEDERAL, por meio do CGC - Cadastro Geral de Contribuintes

f) MTE, por meio do CAGED - Cadastro Geral de Empregados e Desempregados.

O CNIS possui 4 bases principais de dados:

a) CADASTRO DE TRABALHADORES

Contém os dados básicos e complementares de pessoas físicas engajadas em atividades produtivas.

Incluem-se neste universo os trabalhadores empregados ou contribuintes individuais, tais como empresários, funcionários públicos, ou quaisquer pessoas detentoras de NIT , PIS ou PASEP e que tenham informado a partir de 1971 (para empregados) ou 1973 (para contribuintes individuais) seus dados sociais, ou previdenciários ao Governo Federal.

b) CADASTRO DE EMPREGADORES

Contém os dados cadastrais de pessoas jurídicas e de estabelecimentos empregadores reconhecidos pela Previdência Social.

Todos os estabelecimentos empregadores, independente do ramo de suas atividades (rural, comercial, industrial, etc), que tenham fornecido dados sociais, previdenciários ou fiscais ao governo federal a partir de 1964 estarão cadastrados.

São fontes deste cadastro: CGC; Cadastro de Empregadores do INSS; RAIS; CAGED e FGTS;

c) CADASTRO DE VÍNCULOS EMPREGATÍCIOS / REMUNERAÇÕES DO TRABALHADOR EMPREGADO E RECOLHIMENTOS DO CONTRIBUINTE INDIVIDUAL

Contém os dados de vínculos empregatícios desde 1976, e respectivas remunerações mensais a partir de 1990, além de recolhimentos dos contribuintes individuais efetuados mensalmente através de carnê (Guia de Recolhimento do Contribuinte Individual - GRCI) desde 1979.

As informações dos vínculos empregatícios/ remunerações e recolhimentos de contribuintes individuais permitem determinar o tempo de serviço do trabalhador e o valor do seu benefício previdenciário.

d) AGREGADOS DE VÍNCULOS EMPREGATÍCIOS / REMUNERAÇÕES POR ESTABELECIMENTO EMPREGADOR

Contém dados acumulados de vínculos empregatícios e remunerações mensais, fornecendo uma visão gerencial de massa salarial e quantidade de vínculos. Permite a realização de confrontos com as bases de Arrecadação da Previdência Social, para detectar possíveis divergências entre contribuição potencial e contribuição efetiva.

É considerado um integrador de ambientes Micro/Host. Atualmente mais de 15 mil microcomputadores espalhados por todo o Brasil acessam diariamente os sistemas desenvolvidos pela DATAPREV para o INSS (Instituto Nacional de Seguridade Social) em ambientes UNISYS de grande porte através dos produtos PLENUS OCTUS na versão WINDOWS.

A linha PLENUS, totalmente projetada e desenvolvida pela OCTUS, visa permitir uma perfeita integração entre equipamentos de pequeno porte (microcomputadores, redes) com equipamentos de maior porte. Para cada um destes equipamentos de maior porte, existe uma versão específica do PLENUS perfeitamente integrada às peculiaridades deste ambiente (PLENUS/IBM, PLENUS/UNISYS e PLENUS/UNIX).

Tendo sua primeira versão lançada no mercado em 1985, a linha PLENUS vem, ao longo dos anos, evoluindo de forma a acoplar e integrar as evoluções tecnológicas ocorridas.

Com versões para ambientes MS/DOS, MS/WINDOWS e vários UNIX compatíveis, todas as versões da linha PLENUS implementam as facilidades de comunicação requeridas em nível de protocolos, emulação de terminais, transferência de arquivos com controle e recuperação de erros, automação de procedimentos através de linguagem de script de alto nível e muito mais, sempre com a utilização de uma interface com o usuário amigável e intuitiva.

Para funcionamento em Redes de Pacotes, o PLENUS/UNISYS incorpora uma tecnologia única, que aumenta significativamente a robustez do produto em conexões através de PAD.

A plataforma PLENUS, no INSS, divide-se basicamente, quanto ao uso, em duas partes. A primeira, como ferramenta de consulta, por meio de estações de trabalho, onde é possível visualizar os dados cadastrais de todos os beneficiários da Previdência Social, inclusive vencimentos (somente relativos ao último ano), além de dados técnicos sobre os benefícios concedidos. É por meio do PLENUS que são feitas as consultas ao SUB (Sistema Único de Benefício).

Antes de abordar o uso da IA como instrumento de eficácia e segurança, é preciso mencionar dois fatos que retratam bem as dificuldades, além de fragilidade, hoje enfrentadas pelo INSS para a operacionalização de suas funções constitucionais. Obviamente, por questões de segurança não serão detalhadas as fraudes, bem como em respeito à integridade das pessoas e empresas envolvidas não serão citados seus nomes no presente trabalho.

Em maio de 2006 foi formalizado requerimento por uma beneficiária do INSS solicitando providências quanto a descontos mensais em seu benefício e por ela considerados indevidos. Verificou-se que esses descontos eram todos relativos a empréstimos bancários supostamente contratados pela titular. Ao todo foram realizadas 29 tentativas de empréstimos, dos quais 12 foram efetivamente realizados e, portanto, resultaram em desconto de parcelas no respectivo benefício. O prejuízo à pensionista e às seguradoras dos Bancos, cujo montante foi de R$ 95.907,49 (noventa e cinco mil, novecentos e sete reais e quarenta e nove centavos), só não foi maior em razão da existência de um mecanismo que limita percentualmente o valor do empréstimo em relação à remuneração do benefício. No entanto, inexiste qualquer sistema, seja Data Wherehouse ou Data Mining, que permitiria alertar que uma possível ação criminosa estaria em curso.

A outra questão envolve a matéria divulgada pela Agência de Notícias da Previdência Social (ANEXO I) em 09/11/2006, a qual informa o cumprimento de seis Mandados de Busca e Apreensão no Estado de Minas Gerais, relativos ao que ficou denominado de "Operação Vesúvio". No entanto, antes desse fato, já havia sido detectado que tal tipo de irregularidade ocorreu também com empresas do Estado do Rio de Janeiro.

Em listagem divulgada internamente no INSS, até o momento existem 72 empresas envolvidas. Foram pesquisadas para este trabalho 56 empresas. Com base nos dados obtidos a partir do ANEXO II, pode ser observado na Tabela 2 que foram encontrados 677 segurados com vínculos empregatícios com grande probabilidade de serem irregulares, distribuídos entre pensões e aposentadorias. Em valores atuais, no que concerne aos benefícios mantidos até o mês de referência OUTRUBRO/2006 o prejuízo foi de R$ 1.028.549,55 (um milhão, vinte oito mil, quinhentos e quarenta e nove reais e cinqüenta e cinco centavos), o que corresponde a uma média de R$ 1.519,27 (um mil, quinhentos e dezenove reais e vinte e sete centavos) por segurado.

Fonte: SUIBE.

Na Tabela 3, é possível verificar que em média, tais benefícios ficaram, ou ainda estão em manutenção, durante aproximadamente 26 meses (17.608 / 677), o que implica em um prejuízo de valor muito maior, cerca de R$ 26.829.019,22 (vinte e seis milhões, oitocentos e vinte e nove mil, dezenove reis e vinte e dois centavos) se considerando todo o período de percepção de cada benefício. Tais números levam em conta apenas as irregularidades verificadas em empresas dos Estados do Rio de Janeiro e Minas Gerais.

É preciso destacar, ainda, que no momento também aqui inexiste um sistema em atividade que possa efetuar o levantamento de casos em situação similar, o que permitiria agir de forma preventiva.

Considerando o nível atual de conhecimento sobre IA, e descrito em linhas gerais no presente trabalho, aliado à necessidade de permitir rapidez e segurança nos processos desenvolvidos pelo INSS na área de benefício, faz-se necessária a divisão do problema em duas áreas e consequentemente da possível solução: Processamento de Benefícios com celeridade e Prevenção de Irregularidades com base em Monitoramento de dados.

Hoje, um benefício ao ser habilitado em uma Agência do INSS já conta com transferência automática de dados migrados de outros sistemas, como o CNIS, por exemplo. No entanto, considerando que tal Banco de Dados teve início em 1975, pode-se especular sobre sua integridade e confiabilidade. Não raro, é preciso a intervenção humana para a correção de informações, o que por si só gera demora. Evidentemente, não se tem como reverter a situação pretérita, mas é possível corrigir distorções para tornar essa base de dados mais confiável no futuro. Como exemplo, pode-se citar o reconhecimento de períodos de tempo de serviço especial passíveis, por conseqüência, de conversão. Hoje, períodos trabalhados até abril de 1995 ficam a cargo do funcionário administrativo os enquadramentos por atividade, e para aqueles posteriores a essa data a incumbência é da Perícia Médica do INSS. Embora o CNIS possua campo para a informação do CBO, este dado ou se encontra ausente para grande parte dos trabalhadores ou quando está presente não migra para a base PRISMA (vide Capítulo 7). A correção desse problema permitiria o enquadramento automático por categoria profissional, minimizando a intervenção humana. Além disso, o PRISMA possui programação linear sem procedimentos de IA para interpretação e inferência de dados.

Da mesma forma, o desgaste e perda de tempo no encaminhamento do processo de benefício ao médico perito do INSS para análise a exposição agentes nocivos, poderia ser evitado se a informação de pagamento de insalubridade ou periculosidade pelas empresas, por exemplo, fosse suficiente para o reconhecimento desse direito e estivesse disponibilizada quando da declaração da GFIP. Infelizmente, a adoção dessa medida passa diretamente pela alteração de legislação vigente, mas é um exemplo da necessidade da simplificação de normas e regras, objetivando o ganho de agilidade e segurança.

Outra questão que merece destaque é a constante edição de instruções normativas que embora tenham como principal objetivo o esclarecimento da legislação, causa impacto considerável, pois implica em treinamentos e a necessidade de constante atualização por parte dos servidores. Sendo que cada mudança legal ou de entendimento jurídico implica em alteração dos sistemas utilizados, que, antes, precisam ser testados. Evidentemente, todo e qualquer treinamento que visa à atualização do profissional é de suma importância na orientação ao contribuinte, mas até que ponto não podem ser desenvolvidas rotinas empregando IA para interpretar, senão todos, mas pelo menos alguns conceitos da legislação previdenciária?

A criação de ontologias específicas, por meio da Engenharia do Conhecimento, permitiria a extração de informações diretamente da legislação, num quase diálogo entre o usuário e o Sistema. É claro que a complexidade do Direito Previdenciário, como também seus "meandros" legais, talvez não permita a migração integral de todas as rotinas hoje existentes para Modelos de IA, mas defendo a possibilidade de utilização de um sistema misto em que determinados conceitos, críticos para o reconhecimento do direito ao benefício (qualidade de segurado, carência, etc.), tenham suas rotinas migradas para uso da IA. Certamente o ganho de eficiência e confiabilidade compensariam o esforço e gasto necessários para sua implantação.

Seja uma operadora de cartões de crédito, objetivando seu monitoramento para identificação de possível uso irregular, seja uma grande rede supermercados para tentar reconhecer tendências e preferências, é cada vez mais premente a utilização de mecanismos como Data Mining ou Data Warehouse pelas grandes corporações, como já foi mencionado neste trabalho (Capítulo 5, item 5.2).

Também aqui, o uso da IA por meio dessas duas ferramentas pode se tornar importante instrumento na prevenção de fraudes, seja na área de Fiscalização de empresas, como também na área de Benefícios.

Os dois exemplos citados no Capítulo 8 ilustram a necessidade e urgência em sua implementação no âmbito do INSS, mediante a definição de uma estrutura de dados e suas fontes, de modo a permitir uma ampla gama de buscas de padrões, antecipando condutas irregulares, tanto em ambiente interno quanto externo.

Segundo FALCONI (2006), referindo-se ao INSS, diz que "todos os pontos de entrada e saída que possam tornar o sistema vulnerável têm que ser dotados de mecanismos de segurança".

Antonio Anselmo Martino.

A principal conclusão a que se pôde chegar é que antes de pensar no equilíbrio das contas do INSS considerando estritamente a elevação da carga tributária, deve-se investir no controle da informação, na sua segurança e na geração de dados que permitam uma administração verdadeiramente eficiente.

Como possibilidade na continuidade deste trabalho, seria importante, com base na engenharia do Conhecimento, a confecção de modelos práticos de IA em áreas específicas da legislação previdenciária, talvez por tipo de benefício, iniciando com aqueles menos complexos, visando futura ampliação para os demais benefícios.

Da mesma forma, outra possibilidade de prosseguimento na pesquisa diz respeito à prevenção de fraudes, com a criação de modelos de Data Mining ou Data Warehouse, como ferramentas administrativas fundamentais na gerência do Sistema Previdenciário.

- Curso de Informática com Ênfase em Gestão de Negócios – FATEC Santos (2006)

Bayesiana, Rede: também chamada de rede de crença, probabilística, é um grafo orientado em que cada nó é identificado com informações de probabilidade em termos quantitativos.

Clusterização: Um cluster, ou aglomerado de computadores, é formado por um conjunto de computadores, que se utiliza de um tipo especial de sistema operacional classificado como sistema distribuído. É construído muitas vezes a partir de computadores convencionais (desktops), sendo que estes vários computadores são ligados em rede e comunicam-se através do sistema de forma que trabalham como se fosse uma única máquina de grande porte. Há diversos tipos de cluster: O cluster Beowulf é constituido por diversos nós escravos gerenciados por um só computador. Na clusterização, os nós são distribuídos em clusters formados segundo uma regra determinada por um algoritmo de clusterização. Em cada cluster existe um nó principal, chamado de "cluster head", para o qual os outros nós pertencentes ao cluster enviam seus dados. Estes "clusters heads" enviam os dados para o destino final, que é chamado de estação base. A clusterização permite a otimização do uso da energia, pois, os nós que transmitem o dado para o "cluster head", gastam muito pouca energia devido à pequena distância entre estes nós. Em contrapartida, os "clusters heads" gastam muita energia devido ao grande volume de informações que ele recebe e transmite e à maior distância entre a estação base ou outro "cluster head". Conforme a energia do cluster head vai decrescendo, pode-se eleger um outro "cluster head", e os nós vão se revezando nesta tarefa até que a energia deles acabe totalmente. Pode-se também esperar a energia do "cluster head" se esgotar por completo e só então eleger um outro nó para ser o "cluster head".

Crossing-over ou cross-over: em genética, recombinação ou permutação é um fenômeno que ocorre durante a prófase da meiose, em que os cromatídeos homólogos, mas não irmãos, se entrelaçam, sofrem quebras e fazem permuta de segmentos cromossômicos, havendo assim troca de genes e serve para aumentar a variabilidade genética das células-filhas. Permutação expressa a idéia de que objetos distintos podem ser arranjados em inúmeras ordens diferentes.

DATA MART: é um pequeno data warehouse que fornece suporte à decisão de um pequeno grupo de pessoas. Apesar de utilizar um conjunto de dados restrito em relação ao data warehouse, apresenta as mesmas características oferecidas por este, ou seja, uma coleção de dados orientada por assunto, integrada, variante no tempo, e não volátil, que tem por objetivo dar suporte aos processos de tomada de decisão.

DLL: (Dynamic Link Library ou Biblioteca de Vínculo Dinâmico) Módulo de programa que contém os dados e os códigos executáveis usados pelos aplicativos ou mesmo por outras DLL’s na execução de uma tarefa específica. A DLL é ligada à aplicação somente quando o programa é executado e é descarregada quando não é mais necessária.

Emular: ação de adaptar ou compatibilizar computadores, linguagens ou programas.

Fenótipo: é qualquer característica detectável de um organismo (estrutural, bioquímica, fisiológica e comportamental) determinada pela interação entre o seu genótipo e o meio.

Grafo: Em matemática e ciência da computação, grafo é o objeto básico de estudo da teoria dos grafos. Tipicamente, um grafo é representado como um conjunto de pontos (vértices) ligados por retas (as arestas). Dependendo da aplicação, as arestas podem ser direcionadas, e são representadas por "setas". Os grafos são muito úteis na representação de problemas da vida real, em vários campos profissionais. Por exemplo, pode-se representar uma mapa de estradas através dos grafos e usar algoritmos específicos para determinar o caminho mais curto entre dois pontos, ou o caminho mais económico. Assim, os grafos podem possuir também pesos (ou custo), quer nas arestas quer nos vértices, e o custo total em estudo será calculado a partir destes pesos. Outro exemplo da utilização de grafos são as redes de petri no âmbito do planeamento de projectos. Neste caso, cada aresta está associado o custo de execução, e as tarefas precedentes de uma outra serão suas afluentes. Outro exemplo banal é o caso das redes de computadores, sendo cada terminal representado por um vértice. É nestes princípios que assenta todo o protocolo IP que torna possível a Internet ser uma realidade. Grafos têm sido utilizados para representar o formalismo das Redes Complexas, onde o número de nós e de conexões entre esses nós é muito alto e complexamente estabelecido.

LISP: é uma linguagem dinâmica, cujos programas são constituídos por pequenos módulos, de funcionalidade genérica e que cumprem um objetivo muito simples. É a sua combinação que produz um programa completo. Os módulos desenvolvidos em LISP possuem, geralmente, uma funcionalidade que ultrapassa largamente os objetivos para o qual foi concebido. A não tipificação de dados, a possibilidade de tratar dados e programas de um mesmo modo e a indistinção entre funções definidas pela linguagem e funções definidas pelo programador são algumas das razões da sua flexibilidade. A linguagem LISP nasceu como uma ferramenta matemática, independente de qualquer computador e só posteriormente se procedeu à sua adaptação a uma máquina. Uma vez que em LISP não existia qualquer dependência, à priori, do processador que iria executar a linguagem, a linguagem também não podia tirar partido das suas potencialidades, sendo as primeiras versões muito ineficientes. Esta ineficiência resultava de os programas LISP serem interpretados, sendo por isso muito mais lentos do que o que uma compilação permite ao reescrever um programa na linguagem do processador. No entanto, com o aparecimento de compiladores eficazes e de um suporte cada vez maior da parte dos processadores, LISP possui, atualmente, uma eficiência comparável à das restantes linguagens. LISP permite incorporar outros estilos de programação, como programação orientada para objetos, programação orientada para regras, etc. Quando surgem novos paradigmas de programação, o LISP incorpora-os facilmente enquanto as antigas linguagens morrem. Isto permite adaptar a linguagem ao problema que estamos a resolver em vez de termos de adaptar o problema à linguagem que estamos a usar.

Metadados - a breve definição de metadados como "dado sobre dado" já não expressa as grandes necessidades atuais. No novo contexto, metadado refere-se a alguma estrutura descritiva da informação sobre outra informação ou conhecimento, auxiliando na identificação, descrição, localização e gerenciamento desse recurso, ou seja, é o dicionário dos dados, que descreve seu significado, sua gênese, e seu formato. O dicionário de dados deve conter as informações necessárias para que se saiba se um conjunto de dados é adequado para uma determinada aplicação e ambiente ou quais as transformações necessárias neste sentido. Por exemplo, os metadados de um mapa digital são as informações acerca da escala, data de revisão, autor, acuidade e outras informações pertinentes. Os metadados semânticos se apresentam sob duas visões: estrutural e semântico. A estrutural é a informação que descreve a organização e estrutura dos dados (dado sobre o dado). Por exemplo, informações sobre o formato, os tipos de dados usados e os relacionamentos sintáticos entre eles. A visão semântica fornece as informações sobre o significado das informações disponíveis e relacionamentos semânticos de cada uma delas. Por exemplo, dados que descrevem o conteúdo semântico de um valor de informação (como unidades de medida e escala), ou dados que fornecem informações adicionais sobre a própria criação (algoritmo de cálculo ou derivação da fórmula usada), linhagem dos dados (fontes), qualidade (atualidade e precisão), e localização.

Nomos: significa lei em grego. É a lei que deriva da convenção e do artifício humanos.

Ontologia: uma ontologia é definida como uma especificação formal de uma conceitualização compartilhada. Fornecem um vocabulário comum de uma área  e define -  com níveis diferentes de formalismo – o significado dos termos e dos relacionamentos entre eles. É o produto de uma tentativa de formular um exaustivo e rigoroso esquema conceitual sobre um domínio. Uma ontologia é tipicamente uma estrutura de hierarquia de dados contendo todas as entidades relevantes e seus relacionamentos e regras inseridas num domínio. Entretanto, a ontologia computacional não é necessariamente hierárquica. São comumente usadas em inteligência artificial e representação do conhecimento. Os programas de computador podem usar ontologias como classificação e uma variedade de técnicas para resolver problemas, como, por exemplo, facilitar a comunicação e compartilhar informações entre diferentes sistemas. A habilidade das Ontologias de Classificar dados e armazenar regras de raciocínio sobre estes dados, permite que um computador crie novo conhecimento a partir do conhecimento existente.

PAD (PACKET ASSEMBLER DESASSEMBLER): é uma unidade versátil e modular usada em aplicações que requeiram a ligação de terminais ou equipamentos de transmissão assíncrona a uma rede comutada de pacotes X.25.

Perceptron: no final da década de 1950, Rosenblatt na Universidade de Cornell, criou uma genuína rede de múltiplos neurônios do tipo discriminadores lineares e chamou esta rede de perceptron. Um perceptron é uma rede com os neurônios dispostos em camadas. Com o seu novo modelo, o perceptron, que, se fosse acrescido de sinapses ajustáveis, as RNAs poderiam ser treinadas para classificar certos tipos de padrões. Rosenblatt descreveu uma topologia de RNA, estruturas de ligação entre os nodos e propôs um algoritmo para treinar a rede para executar determinados tipos de funções. O perceptron simples descrito por Rosenblatt possui três camadas: a primeira recebe as entradas do exterior e possui conexões fixas (retina); a segunda recebe impulsos da primeira através de conexões cuja eficiência de transmissão (peso) é ajustável e, por sua vez, envia saídas para a terceira camada (resposta).

Sintática: é análise das fórmulas bem formadas de uma linguagem de programação. A sintaxe de uma linguagem de programação pode ser descrita por uma gramática independente de contexto e representada graficamente através da notação BNF (Forma Normal de Backus ou somente FNB, é uma forma de representar as produções de Gramáticas livres de contexto). Esta gramática descreve recursivamente a combinatória possíveis de uma linguagem. Em termos práticos, pode também se usada para decompor um texto em unidades estruturais para serem organizadas dentro de um bloco, por exemplo.

Taxonomia ou Taxionomia: teoria das classificações

Thresholds: em estatística, valor mínimo de alguma quantidade. Em telecomunicações, o termo threshold tem os seguintes significados: valor mínimo de um sinal que pode ser detectado pelo sistema ou sensor considerado; um valor usado para pré-determinar níveis, os quais dizem respeito ao volume ou ao armazenamento de mensagens; valor mínimo de um parâmetro utilizado para activar um dispositivo; o valor mínimo que um estímulo deverá ter para criar o efeito desejado. Pode significar, ainda, qualquer lugar ou ponto de início.

Tuplas: é uma coleção de objetos organizados em uma ordem fixa e é representada por colchetes angulares em torno dos objetos.

ALECRIM, Emerson – Artigo publicado em 09/05/2004 – site: http://www.infowester.com/redesneurais.php , visitado em 03/09/2006.

ALMEIDA, Maurício Barcellos. Roteiro para Construção de uma Ontologia Bibliográfica Através de Ferramenta Automatizada. Artigo publicado pela Revista Perspectivas em Ciência da Informação, volume 8, n.2. http://www.eci.ufmg.br/mba/text/art_ontobibliog_sub1_WEB.pdf , sítio visitado em 05/09/06.

BARBALHO, Valeria Maria de Souza – "Sistemas baseados em conhecimento e lógica difusa para simulação do processo chuva-vazão". Tese de Doutorado pela Universidade Federal do Rio de Janeiro - 2001.

BARBOSA Jr, Amadeu A. e FREITAS, André Lage – "Algoritmos Genéticos Paralelos". Departamento de Ciência da Computação – Universidade Federal da Bahia. 2006. http://twiki.im.ufba.br/pub/MAT054/SemestreArtigos20061/AlgoritmosGeneticosParalelos-AmadeuLage.pdf#search=%22%22Algoritmos%20Gen%C3%A9ticos%20Paralelos%20%22%20%22Amadeu%20A.%20Barbosa%20J%C3%BAnior%2C%22%22 – sítio visitado 17/09/2006.

BERKENBROCK, Gian Ricardo e ROJAS, Marco Antonio Torrez. Artigo Projeto de Caixa-S Utilizando Algoritmo Genético Paralelo. Departamento de Informática e Estatística da Universidade Federal de Santa Catarina (UFSC), Departamento de Ciência da Computação da Universidade do Estado de Santa Catarina. http://inf.unisul.br/~ines/workcomp/cd/pdfs/2855.pdf - sítio visitado em 20/07/2006.

BITTENCOURT, Guilherme. "Breve história da Inteligência Artificial". Departamento de Automação e Controle da Universidade Federal de Santa Catarina. http://www.das.ufsc.br/gia/history/history.html , página visitada em 26/08/2006.

Centro das Ciências Exatas e tecnologia – PUC-SP, sítio http://www.pucsp.br/~logica/Fuzzy.htm , visitado em 07/09/2006.

CHALLONER, Jack. "L’Intelligence Artificielle – Um Guide d’Initiation au futur de l’Informatique et de la Robotique". Editora focus Sciences, 2003.

COELHO, Helder. Inteligência Artificial em 25 Lições. Editora Calouste Gulbenkian – 1995.

COSTA, Marcelo Victor Calado de Sousa. Fragmentação Vertical de Data Warehouse em Termos de Medidas Numéricas: um Algoritmo Básico. Trabalho de Graduação em Banco de Dados - 2005. Universidade Federal de Pernambuco. http://www.cin.ufpe.br/~tg/2004-2/ , sítio visitado em 20/11/2006.

CREVIER, Daniel. À la Recherche de l'Intelligence Artificielle. Editora Flammarion.

DATAPREV - http://www.dataprev.gov.br/servicos/cnis/cnis.shtm, sítio visitado em 14/10/2006.

FALCONI, Vicente. Artigo, O Desperdício está nos Detalhes, publicado na Revista Época em 20/11/2006.

FAPESP, Agência - http://www.saopaulo.sp.gov.br/sis/newsmail.php?nid=71424, sítio visitado em 26/08/2006.

FERNANDES, Anita Maria da Rocha. Inteligência Artificial – Noções Gerais. Editora VISUAL BOOKS 2003.

FERNANDES, A. M. R. Sistema Especialista Difuso Aplicado ao Processo de Análise Química Qualitativa de Amostras de Minerais. Dissertação de Mestrado em Ciência da Computação pela Universidade Federal de Santa Catarina, 1996.

FERREIRA, Jaime Campos – Elementos da Lógica Matemática e Teoria dos Conjuntos. Departamento de Matemática do Instituto Superior Técnico – 2001. http://br.geocities.com/magnoferraz/index_arquivos/am/alg_2006.pdf - sítio visitado em 09/09/2006.

FORTIER, Vicente e BILON, Jean-Louis. Acquisition et application des connaissances juridiques: modélisation par l'IA (Coll. interdisciplinarité et nouveaux outils). Editora Hermes – 1997.

GAMA, João. Árvores de Decisão. 2002. http://www.liacc.up.pt/~jgama/Bdc/arv.pdf , sítio visitado em 10/09/2006.

GANASCIA, J. G. – Inteligência Artificial. São Paulo. Editora Ática 1993.

GRUPO de Sistemas Inteligentes, sítio http://www.din.uem.br/ia/conhecimento/intro_ec.htm -visitado em 02/09/2006.

HAUGELAND, John. L'esprit dans la machine - Fondements de l'Intelligence Artificielle. Editora Odile Jacob.

HOESCHL, Hugo César. Tecnologia da Informação Jurídica. Instituto Jurídico de Inteligência e Sistemas. http://www.ijuris.org/editora/livros/tecnologiadainformacaojuridica.pdf - sítio visitado em 21/10/06

LEMOS, David. A Utilização de Sistemas Especialistas para o Diagnóstico do Uso do Solo e seus Limites de Ocupação. Dissertação de Mestrado em Engenharia pela Universidade Federal de Santa Catarina, 1996 - http://www.eps.ufsc.br/disserta96/lemos/cap1/cap1_lem.htm#cap1 , sítio visitado em 27/08/2006.

LIMA, Cynthia Moreira. Introdução à Inteligência Artificial. Mestranda da FEI - http://www.fei.edu.br/eletrica/rbianchi/ia/ia-fapema.html#breve, página visitada em 26/08/2006.

OCTUS INFORMÁTICA - http://www.octus.com.br/plenusf.htm sítio visitado em 14/10/06

PEROTTO, Filipo Studzinski. Modelagem do Conhecimento, Sistemas Especialistas e o Projeto SEAMED. Projeto de Graduação pelo Instituto de Informática da Universidade Federal do Rio Grande do Sul – 08/2001. Publicado pela Sociedade brasileira de Computação. http://www.sbc.org.br/reic/edicoes/2001e1/cientificos/Edicao_Agosto_2001_Artigo05_Resumo.htm - sítio visitado em 17/09/06.

PRATES, Mauro. Data Warehouse, Data Mart, Data Mining - Estudo de Caso desenvolvimento para o Mestrado em Informática. Universidade Católica de Brasília - 2000. http://salaam.cs.buap.mx/EBOOKS/MINERIA-DATOS/DataWarehouse-DataMart-DataMining.doc , sítio visitado em 20/11/2006.

PROJETO de Pesquisa em Algoritmos de Busca Aplicadas a Motores de Jogos - http://www.dc.uel.br/~rarosa/pixel/algoritmos.html - sítio visitado em 14/10/2006.

ROVER, Aires José. Informática no Direito – Inteligência Artificial – Introdução aos Sistemas Especialistas Legais. Editora Juruá – 1.ª Edição (2001), 3ª tiragem.

RUSSELL, Stuart J. e NORVIG, Peter. Inteligência Artificial. Editora CAMPUS - 2ª Edição – 2004.
SALIBY, Cristina. Concurso Inovação na Gestão Pública Federal – Sistema Único de Benefícios. Publicado em 07/03/2006. http://inovacao.enap.gov.br/index.php?option=com_remository&Itemid=30&func=fileinfo&id=62 , sítio visitado em 16/09/2006.

SERPRO – http://www.serpro.gov.br/noticiasSERPRO/20041214_08, sítio visitado em 14/10/06.

SILVEIRA, Marcelo Teixeira. Reconhecimento de Cores do MSX por Lógica Fuzzy. Engenheiro de Sistemas e Computação, formado pela Universidade do Estado do Rio de Janeiro. Artigo publicado no sítio www.eng.uerj.br/~marcelo/msx/artigos/fuzzy.pdf. - visitado em 26/08/2006.

SIQUEIRA, Mozart Lemos de. Redes Semânticas. Universidade Federal do Rio Grande do Sul - 1999. Instituto de Informática. Programa de Pós-Graduação em Computação. http://www.inf.ufrgs.br/procpar/disc/cmp135/trabs/992/SemanticNets/artigo.htm#_Toc467240062 , sítio visitado em 20/09/06.

TERRA, Gláucio. Artigo Elementos da Lógica Matemática – Departamento de Matemática da USP – IME – 2006. http://www.ime.usp.br/~glaucio/textos/LogicaInic.pdf , sítio visitado em 10/08/2006.

WIKIPEDIA, Enciclopédia; sítio visitado em 08/09/2006 - http://pt.wikipedia.org/wiki/Racioc%C3%ADnio_baseado_em_casos .

Da Redação (Brasília) – A Força-Tarefa Previdenciária em Minas Gerais – integrada pela Polícia Federal, Ministério da Previdência Social e Ministério Público Federal - cumpriu, na manhã de ontem (8), seis mandados de busca e apreensão de documentos em escritórios contábeis e comerciais e em residências de Belo Horizonte e Grande BH. Os mandados referem-se à Operação Vesúvio, cuja investigação, iniciada em agosto de 2005, identificou um grupo de cinco pessoas, três delas pertencentes a uma mesma família, que fraudava a Previdência Social, mediante a implantação de vínculos empregatícios falsos, em Guias do Fundo de Garantia e Informações à Previdência Social (GFIP), entregues extemporaneamente.

Os vínculos assim implantados acabavam por inserir-se nas bases de dados usadas pelo Instituto Nacional do Seguro Social (INSS). Quatro dos componentes da quadrilha foram beneficiados pelo modus operandi.

Em 1º de setembro deste ano, foi preso e autuado em flagrante, pela prática de estelionato qualificado, um dos integrantes do grupo, Diógenes Moreira Gonçalves, que figurava como sócio de várias empresas e, além de seu nome verdadeiro, usava ainda três nomes falsos.

Fraude – Os levantamentos sinalizaram que diversas empresas estariam sendo usadas no esquema de obtenção fraudulenta de benefícios previdenciários, a partir da emissão de GFIPs e Informações da Previdência Social extemporâneas. Os integrantes da quadrilha, de posse da documentação da empresa, inserem nas GFIPs respectivas, extemporaneamente, os nomes de empregados que jamais trabalharam em tais locais. Ou seja, reconhecem, junto à Previdência Social, por meio dos documentos, a existência de vínculos antigos, como se segurados tivessem trabalhado nas empresas em período anterior. Em seguida, os integrantes da quadrilha anotam a CTPS dos pretensos empregados, os quais requerem e obtêm, junto ao INSS, algum benefício previdenciário, levando-se em conta o suposto período trabalhado.

O nome da Operação faz alusão ao Vulcão Vesúvio, localizado na cidade de Pompéia, na Itália, e remonta à idéia de que, como um vulcão em erupção, o INSS acabaria por incorrer em um derrame de benefícios irregulares, concedidos com base em dados inseridos fraudulentamente nos seus cadastros informatizados, mediante ação criminosa do grupo ora identificado. (Cristiano Torres).