Inteligência artificial fuzzy na tomada de decisões ambientais: a habilidade de lidar com a incerteza realmente importa?

Abstract

Declaração do Problema. As ciências ambientais enfrentam desafios complexos marcados por incertezas. Métodos tradicionais de modelagem podem ter dificuldade em capturar efetivamente as nuances dessas incertezas. Como uma abordagem promissora, o estudo discute a lógica fuzzy (LF) como uma alternativa ainda pouco explorada. Questão de Pesquisa. Embora o potencial da LF em lidar com a incerteza seja amplamente reconhecido, essa capacidade realmente é capaz de aprimorar a tomada de decisões ambientais? Objetivo. Este estudo visa aprofundar a compreensão do papel e da importância da inteligência artificial fuzzy no enfrentamento da incerteza nas ciências ambientais. O objetivo é contribuir não apenas para a compreensão teórica, mas também para aplicações práticas nesse campo. Método. Ao longo da pesquisa realizou-se uma revisão de 24 estudos, comparando o desempenho de modelos fuzzy com outros métodos de inteligência artificial em diversas aplicações ambientais. As vantagens da LF no manejo da incerteza, suas bases teóricas e suas aplicações práticas foram discutidas. Conclusões. Os modelos baseados em LF consistentemente superaram outros métodos na ampla maioria dos estudos revisados, especialmente em cenários caracterizados por complexidade e incerteza. No entanto, o estudo não advoga pela substituição de outros métodos por modelos fuzzy. Em vez disso, recomenda uma comparação caso a caso, em que a LF seja considerada. Implicações Práticas. O estudo oferece insights para profissionais e formuladores de políticas. A natureza transparente e interpretável dos modelos fuzzy, aliada à sua capacidade de lidar com incertezas, os posiciona como uma alternativa promissora na tomada de decisões ambientais. Formuladores de políticas podem aproveitar a confiabilidade dos modelos fuzzy para apoiar políticas sustentáveis apoiadas por inteligência artificial.

Statement of Problem. The environmental sciences face complex challenges marked by uncertainties. Traditional modeling methods may struggle to capture the nuances of these uncertainties effectively. As a promising direction, the study discusses the fuzzy logic (FL) as an alternative that is still less explored. Research question. While the potential of FL in addressing uncertainty is widely acknowledged, is this ability really capable of enhancing environmental decision-making? Purpose. This study aims to delve into the understanding of the role and significance of fuzzy artificial intelligence in addressing uncertainty within environmental sciences. The goal is to contribute not only to theoretical understanding but also practical applications in environmental sciences. Method. The research employs a comprehensive review of 24 studies, comparing the performance of fuzzy models against other artificial intelligence methods in various environmental applications. The study analyzes the strengths of FL in handling uncertainty, its theoretical foundations, and its practical applications. Conclusions. Out of the studies reviewed, fuzzy-based models consistently outperformed other methods in the vast majority, particularly in scenarios characterized by complexity and uncertainty. However, the study does not advocate for the replacement of other methods by fuzzy models. Instead, it recommends a case by-case comparison for optimal selection. Practical Implications. The study provides actionable insights for practitioners and policymakers. The transparent and interpretable nature of FL models, coupled with their ability to handle nuanced uncertainties, positions them as a promising alternative in environmental decision making. Policymakers can leverage the reliability of FL models in AI-aided sustainable policies.