UVA Ciência de Dados e Inteligência Artificial - Unidade 4

Prévia do material em texto

Fundamentos de Inteligência Artificial 
 
 
Neste tema, Fundamentos de Inteligência Artificial, vamos explorar algumas 
técnicas que fazem parte do mundo do aprendizado de máquina, como planejamento 
heurístico e planejamento de satisfatibilidade. Vamos entender sobre dedução, 
abdução e indução, e como o conhecimento impacta o processo decisório de uma 
organização. 
 
Para tal, vamos entender como funciona a representação do conhecimento, do 
raciocínio e planejamento, as estruturas contidas em cada uma delas e seu impacto no 
processo decisório, quais as etapas para aplicar o raciocínio e aprenderemos também 
sobre o planejador e sua função. As soluções apresentadas aqui servirão como base 
para entendermos a aprendizagem de máquina e o seu apoio no processo decisório 
no que tange à capacidade de mapear, analisar, raciocinar e entregar soluções aos 
usuários. 
 
 
Objetivo 
 
Ao final desta unidade, você deverá ser capaz de: 
• Discutir inteligência artificial com ênfase na utilidade e aplicação 
das diferentes abordagens de representação de dados e solução 
de problemas. 
 
 
Conteúdo Programático 
 
Esta unidade está organizada de acordo com os seguintes temas: 
• Tema 1 - Representação do Conhecimento 
• Tema 2 - Representação do Raciocínio 
• Tema 3 - Representação do Planejamento 
 
 
 
 
Alguns conjuntos de ações em busca de problemas predefinidos passaram a ser 
objetos de estudo dentro da área da inteligência artificial. Assim, podemos tomar como 
base o comportamento humano. 
 
Nesta contextualização, um planejador — sistema que infere inicialmente em busca de 
combinações e comparações acerca do problema com foco na solução — nos leva do 
estado inicial ao resultado. 
 
Para entender mais acerca de fundamentos de inteligência artificial, acesse a 
dissertação Uma contribuição ao estudo do planejamento temporal em 
inteligência artificial, que contém os principais tópicos trabalhados nesta unidade. 
 
 
 
https://repositorio.utfpr.edu.br/jspui/bitstream/1/90/1/CT_CPGEI_M_Costa%2C%20Malgarete%20Rodrigues%20da_2005.pdf
https://repositorio.utfpr.edu.br/jspui/bitstream/1/90/1/CT_CPGEI_M_Costa%2C%20Malgarete%20Rodrigues%20da_2005.pdf
 
Tema 1 
Representação do Conhecimento 
 
 
O que é conhecimento e qual influência tem no 
processo decisório? 
 
O que é conhecimento? 
 
A palavra “conhecimento” deriva do latim cognoscere, que significa “ato de conhecer”. 
 
 
Por exemplo, um advogado que é conhecedor de leis ou uma pessoa que 
presenciou um fato, são, portanto, conhecedores desses fatos. Alguém que 
lê um documento ou um recibo entende o que está escrito e declara o aceite 
do produto constante nesse recibo: isso também é conhecimento. 
 
Você, que neste momento está lendo todo este conteúdo e consegue 
entendê-lo ao ponto de repassá-lo a outras pessoas, tem conhecimento 
acerca deste conteúdo. 
 
É importante saber que existem dois elementos básicos dentro do conhecimento. São 
eles: 
 
Cognoscente 
Refere-se à pessoa ou ser que tem a capacidade de adquirir 
conhecimento. 
Cognoscível É o objeto que se pode conhecer. 
 
Conhecimento está relacionado a algo existente no mundo real a respeito do qual 
temos experiência diretamente. O conhecimento, por sua vez, pode ser representado 
em dois formatos. São eles: 
 
Tácito (subjetivo) Explícito (objetivo) 
Representa o conhecimento 
adquirido ao longo de uma vida e que 
está registrado na cabeça das 
pessoas. É complexo de ser 
formalizado ou explicado a outro 
indivíduo, porque é subjetivo e difícil 
de capturar, registrar ou divulgar. 
Esse conhecimento pode ser 
transmitido, pois está registrado de 
maneira clara, formal, e é fácil de 
ser comunicado. Está formalizado 
em textos, gráficos, desenhos, 
diagramas e publicações em geral. 
 
Uma das linhas de pesquisa dos cientistas da computação dentro da área de 
inteligência artificial, sobre conhecimento, refere-se à busca constante de 
entendimento sobre captação, armazenamento, manipulação e representação do 
conhecimento. Dentro da área de estudos de inteligência artificial é explorada uma 
subárea chamada de representação do conhecimento, que tem como base 
responder a questionamentos complexos. Por exemplo: 
 
 
Como o nosso conhecimento é representado? 
O conhecimento é representado da mesma maneira para todas as 
pessoas? 
Como representar conhecimento por meio de programas inteligentes? 
 
Aquisição do conhecimento 
 
Os processos de aquisição de conhecimento, conforme figura a seguir, estão 
hierarquicamente divididos como etapas com a finalidade de mapear, armazenar, 
analisar, aprender e agir. 
 
 
Processos de Aquisição do Conhecimento. 
Fonte: Adaptado de inf.ufg.br 
 
 
 
 
 
 
 
 
https://ww2.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT-INF_003-08.pdf
 
Veremos a seguir a descrição destas etapas. 
 
Entendimento do 
domínio 
É o primeiro passo na aquisição do conhecimento; é um 
período de familiarização do domínio, uma visão de 
muito alto nível deste por parte do engenheiro do 
conhecimento. Nesta fase, obtém-se uma descrição 
geral do problema (domínio), uma relação de referências 
bibliográficas importantes e um glossário que descreve 
os termos próprios do domínio, símbolos e siglas. 
Identificação do 
problema modelo 
Nesta fase aplica-se a técnica de identificação de 
problemas que serviram como modelo, que será 
utilizado no protótipo inicial, quando sua função é 
identificar possíveis problemas que estão relacionados e 
apontar modelos de solução. 
Formulação dos 
conceitos do domínio 
Consiste na identificação de subtarefas que formam o 
domínio. 
Representação do 
conhecimento 
Nesta etapa, o profissional do conhecimento seleciona 
uma forma de representar o conhecimento e mantê-lo 
em um nível explícito. 
Implementação de um 
problema modelo 
É a criação de um cenário progressivo, com simulações 
sobre o que se pretende conhecer. Nesta etapa, o 
profissional do conhecimento mantém uma visão global 
acerca do que se quer extrair, tornando durante o 
processo possível para a resolução de um problema. 
Implementação do 
protótipo 
Para que um protótipo seja adicionado a uma base de 
conhecimento é necessário que passe por todas as 
etapas anteriores, pois entende-se que ele esteja pronto. 
Esta é a etapa final. 
 
Impacto das decisões baseadas em conhecimentos 
 
No processo decisório, é importante o conhecimento acerca dos fatos que se pretende 
decidir. Para isso, o gestor necessita de uma base de dados sólida de onde possa 
extrair informações relevantes acerca do processo. 
 
 
 
 
 
 
 
Esse conhecimento pode ser extraído e representado de diversas maneiras, como 
vimos anteriormente a partir de gráficos, tabelas, textos, variáveis, entre outras. 
Conforme Oliveira e Carvalho (2008): 
 
“ 
Na sociedade da informação, onde o conhecimento é o único recurso realmente 
significativo, é necessário que existam espaços de divulgação de textos, vídeos, 
imagens e outros que retratem o pensamento dos profissionais, pesquisadores, 
professores e estudantes. Em todos esses espaços de divulgação é necessária uma 
ordem e coerência das informações para que o conhecimento seja realmente 
adquirido. A tecnologia da informação encontra-se diante do crescente desafio de 
proporcionar aos tomadores de decisão a apresentação de informações confiáveis, 
precisas, oportunas e relevantes. (OLIVEIRA; CARVALHO, 2008) 
” 
 
 
Saiba Mais 
 
CARVALHO, C. L. Gestão e representação do conhecimento. Technical 
Report, RT-INF 003-08 - Relatório Técnico. March 2008 Março. Inst. de 
Informática - UFGO, 2008. 
 
 
A relevância do conhecimento é medida pelo grau de importância que exerce no 
processo decisório: nem todo conhecimento extraído de objetos ou informações 
extraídas de bases de dados apresentam o mesmo grau de relevância. 
Para não se perder o valor do conhecimentoextraído, é indispensável que a 
organização utilize sistemas que sejam capazes de validar o conhecimento e 
disponibilizá-lo a tempo para consultas, análises e tomadas de decisão. 
 
Representação do conhecimento 
 
Para que seja possível a representação do conhecimento utilizando o computador de 
maneira que ele se torne claro, é necessário que o cientista ou o profissional de 
conhecimento entenda que todo conhecimento representado dentro do computador é 
processado de maneira binária, ou seja, 0 e 1. 
 
Os conceitos de dados, informação e conhecimento precisam estar claros nesta etapa, 
pois só assim será possível a representação do conhecimento. 
https://ww2.inf.ufg.br/sites/default/files/uploads/relatorios-tecnicos/RT-INF_003-08.pdf
 
 
 
Relação direta em mundo, modelo e a representação do conhecimento. 
 
De forma simples, podemos traduzir os dados como a figura anterior, que mostra o 
mundo em sua forma bruta envolvendo apenas uma descrição de um objeto, e as 
informações são extraídas desse mundo, ou seja, interpretadas e capazes de gerar 
conhecimentos. Os conhecimentos constituem uma grande mistura dos elementos 
anteriores, porque são a utilização das informações extraídas e poderão sofrer 
modificações conforme a interação com o meio. 
 
 
 Vídeo 
Para saber mais, assista ao vídeo publicado na unidade da disciplina no 
Ambiente Virtual de Aprendizagem. 
 
 
 
 
Tema 2 
Representação do raciocínio 
 
 
Quais as etapas do processo de raciocínio e como 
aplicá-las? 
 
 
Representação do raciocínio – Conceituando 
 
O ramo da inteligência artificial chamado de representação do raciocínio tem 
como função capturar, analisar, interpretar e representar as informações do mundo 
de maneira que o computador possa utilizar essas mesmas informações para resolver 
problemas complexos, como o diagnóstico de uma condição médica ou mesmo 
interpretar falas de um diálogo em linguagem natural. 
 
Dentro desse contexto são utilizadas diversas descobertas da psicologia, com foco na 
investigação sobre a forma como os seres humanos pensam e planejam a resolução 
de problemas, tornando sistemas complexos fáceis de construir. Em uma vertente, a 
representação do raciocínio também insere descobertas da psicologia e da lógica com 
a finalidade de automatizar os tipos de raciocínio, aplicando regras ou interações com 
conjuntos e subconjuntos de conhecimento. 
 
Em resumo, é o exercício que nos faz buscar o entendimento de fatos, por 
meio do qual se formulam ideias e juízos a partir de uma premissa. 
 
Sistemas de representação e raciocínio 
 
Dentro do conceito de sistemas entende-se que existe um conjunto de elementos ou 
objetos que estão interagindo entre si, quando o foco é a busca do objetivo comum 
para que o sistema avance com êxito em sua tarefa, conforme Bertalanffy (1975): 
 
“ 
Sistema pode ser definido como um conjunto de elementos interdependentes que 
interagem com objetivos comuns formando um todo, e onde cada um dos elementos 
componentes comporta-se, por sua vez, como um sistema cujo resultado é maior do 
que o resultado que as unidades poderiam ter se funcionassem independentemente. 
” 
 
 
 
Saiba Mais 
 
VON BERTALANFFY, L. Teoria geral dos sistemas. Petrópolis: Vozes, 
1975. 
 
Com a citação acima entendemos que um sistema é um conjunto de elementos 
integrados, que interagem entre si em busca de um objetivo comum. Esta definição 
deixa claro que um sistema necessita ser dividido em subpartes para que possa ser 
entendido, manuseado e alterado conforme a interação com o meio. 
 
Um sistema de representação do raciocínio está dividido nas seguintes partes: 
 
• Uma linguagem com a finalidade de comunicação com o computador. 
• Uma maneira de dar significados associados à linguagem. 
• Uma lista de regras e procedimentos conforme a linguagem de entrada. 
 
Quando citamos representação devemos levar em conta que esta deve ser rica o 
bastante e capaz de expressar o conhecimento necessário e a resolução de 
problemas. Ela deve ser muito próxima do problema, pois assim será de fácil 
manutenção e de maneira natural, inteligível. 
 
Os artefatos tecnológicos ou de computação que serão utilizados sobre esta 
representação devem ser eficientes, permitindo a aprendizagem a partir dos dados e 
experiências manipuladas. Por fim, essa representação deve ter precisão e tempo de 
computação. 
 
 
Categorias de raciocínio 
 
Outro conceito importante aqui é o de raciocínio, ou seja, é o processo de inferência 
ou construção de novas sentenças e conhecimentos a partir das informações 
existentes. 
 
 
 
 
 
 
 
 
 
 
 
 
 
http://danielbertoli.synthasite.com/resources/aulas/ADM_TGA6.pdf
 
Dentro desse conceito existem algumas categorias de raciocínio. São elas: 
 
1. Dedução 
Consiste na análise lógica condicional entre duas variáveis. Dada a premissa: P 
→ Q, e sendo Q, verdade, e talvez, P seja verdade, então P é verdade a partir 
de uma suposição. Na abdução fazemos inferências possíveis, de acordo com 
as informações disponíveis, que, inclusive, podem estar erradas. 
 
Exemplo: 
 
Se eu li que eu fumo causa câncer no pulmão e Pedro morreu com câncer no 
pulmão. 
 
Lei geral: posso inferir que Pedro era um fumante. 
 
2. Indução 
São conclusões sobre os membros de uma determinada classe, um raciocínio 
particular para o geral. Por exemplo, se temos um conjunto, X={a,b,c,d,...} e se a 
propriedade P for verdade para a, e se P for verdade para b, e se P for verdade 
para c,... conclui-se que P será verdade para todo X. 
 
Analise os exemplos: 
 
• Caso 1: 
Celso é professor. 
Celso tem um ótimo salário. 
• Caso 2: 
Marla é professora. 
Marla tem um ótimo salário. 
• Caso 3: 
Cevaldo é professor. 
Cevaldo tem um ótimo salário. 
• Lei geral: professor tem um ótimo salário. 
 
 
 
 
 
 
3. Abdução 
Consiste na análise lógica condicional entre duas variáveis. Dada a premissa: P 
→ Q, e sendo Q, verdade, e talvez, P seja verdade, então P é verdade a partir 
de uma suposição. Na abdução fazemos inferências possíveis, de acordo com 
as informações disponíveis, que, inclusive, podem estar erradas. 
 
Exemplo: 
 
Se eu li que eu fumo causa câncer no pulmão e Pedro morreu com câncer no 
pulmão. 
 
Lei geral: posso inferir que Pedro era um fumante. 
 
 
A representação do conhecimento anda lado a lado com a representação do 
raciocínio, pois o propósito maior é representar de maneira explícita o conhecimento e 
poder raciocinar sobre ele, fazendo inferências e apontando novos conhecimentos. 
 
Todas as linguagens e tecnologias utilizadas na representação do 
conhecimento tem o mecanismo de raciocínio associado a ela como parte 
fundamental dessa tecnologia. 
 
Raciocinar e representar conhecimento 
 
Para que seja possível raciocinar ou utilizar raciocínio de máquina e representar o 
conhecimento adquirido a partir desse raciocínio, utiliza-se uma Linguagem de 
Representação do Conhecimento (LRC), que é expressa por: 
 
Sintaxe Descreve as configurações que constituem sentenças da linguagem. 
Semântica Conecta as sentenças aos fatos do mundo que ela representa. 
 
Criar mecanismos que sejam capazes de ensinar uma máquina a fazer o uso da razão 
e estabelecer relação entre coisas e fatos não é uma tarefa fácil, pois requer uma 
capacidade humana de raciocínio, ou seja, fazer uso da razão com o objetivo de 
entender os fatos e, a partir deles, conseguir calcular, deduzir, refletir e julgar com 
base nas informações que foram obtidas. 
 
 
 
 
 
 
 
 
Analise a imagem a seguir: 
 
Representação e raciocínio. 
 
 
 
Fonte: Adaptado de slidetodoc.com 
 
Existem dois paralelos coexistentes no mesmo espaço, existentes na imagem por 
meio de duas óticas: fatos ocorridos no mundo e a maneira pela qual a máquina ou 
algoritmo consegue interpretar e inferir com base nas sentenças existentes. 
 
Existeuma representação do conhecimento que se dá a partir da inferência dos fatos 
obtidos e existentes no mundo. Por intermédio da representação das sentenças será 
possível a geração de novas sentenças. 
 
 
Todas as inferências realizadas por máquinas ou algoritmos são em sua 
totalidade dependentes das regras existentes no ambiente, as quais serão 
manuseadas e utilizadas pelo homem. 
 
 
 
https://slidetodoc.com/agentes-baseados-em-conhecimento-obs-esta-aula-no/
 
Tema 3 
Representação do Planejamento 
 
 
Qual a importância do planejador no processo de 
alcance dos objetivos das ações e tarefas? 
 
Planejamento: conceitos iniciais 
 
Quando estabelecemos metas e objetivos para alcançar determinados resultados é 
necessário, e até mesmo indispensável, um bom planejamento, pois nele consta uma 
estrutura significativa de melhores estratégias e condições para o alcance do resultado 
desejado. 
 
Todas as coleções de ações que visam atingir algum objetivo ou desempenhar alguma 
tarefa são reconhecidas como plano. Ou seja, são uma representação de um 
comportamento futuro, quando o planejador irá executar uma tarefa a partir de uma 
situação inicial descrita no planejamento. 
 
Planejador 
 
É um algoritmo que, a partir de uma entrada inicial de dados, estabelece um objetivo a 
ser alcançado e um descritivo das ações e comportamento em uma linguagem formal. 
 
 
Exemplificando: imagine uma empresa de logística que precisa realizar 
entregas de vários pacotes em várias localidades. Tendo como ponto inicial o 
seu estoque, ela irá utilizar o planejador para a realização dessa tarefa, 
tendo como base o menor custo e a menor rota a ser realizada, fazendo com 
que os pacotes estejam em seus locais anteriormente planejados. 
 
Conforme Costa (2005): 
 
“ 
De modo informal, um planejador é um algoritmo que apresenta a capacidade de 
resolução de um problema de planejamento e possui as três entradas que serão 
codificadas em alguma linguagem formal, ou seja, a codificação gera a partir da 
entrada inicial um plano como saída. 
” 
 
 
 
Saiba Mais 
 
COSTA, M. R. Uma contribuição ao estudo do planejamento temporal 
em inteligência artificial. Dissertação (Mestrado). 104 f. Programa de 
Pós-Graduação em Engenharia Elétrica e Informática Industrial - Centro 
Federal de Educação Tecnológica do Paraná, CEFET-PR, Curitiba, 2005. 
 
 
Plano 
 
Trata-se de uma sequência ordenada de ações e tarefas. Por exemplo: 
 
 
Quero fazer um bolo, portanto vou ao mercado comprar itens para fazer um 
bolo. Então, vou à seção de leite e pegar leite, depois pegar ovos, manteiga, 
depois pegar açúcar e fermento, farinha e os demais itens para a realização 
de uma tarefa. 
 
A tarefa será a execução dos passos obtidos no plano, como: juntar açúcar, 
manteiga, farinha, ovos, fermento, bater tudo, colocar leite, bater de novo, 
fermento, e, após tudo isso, levar ao forno por um tempo específico para 
assar. 
 
Domínio 
 
São as informações iniciais de um cenário, que representam todos os elementos que 
compõem o problema. 
 
De acordo com Costa (2005): 
 
“ 
Um problema de planejamento é um algoritmo que faz a formalização deste 
problema, e através de um conjunto de premissas, busca encontrar de forma 
automática uma solução para o problema, quando esta existir, a esse conjunto de 
premissas dá-se o nome domínio. 
 
” 
 
 
https://repositorio.utfpr.edu.br/jspui/bitstream/1/90/1/CT_CPGEI_M_Costa%2C%20Malgarete%20Rodrigues%20da_2005.pdf
https://repositorio.utfpr.edu.br/jspui/bitstream/1/90/1/CT_CPGEI_M_Costa%2C%20Malgarete%20Rodrigues%20da_2005.pdf
 
Saiba Mais 
 
COSTA, M. R. Uma contribuição ao estudo do planejamento temporal 
em inteligência artificial. Dissertação (Mestrado). 104 f. Programa de 
Pós-Graduação em Engenharia Elétrica e Informática Industrial - Centro 
Federal de Educação Tecnológica do Paraná, CEFET-PR, Curitiba, 2005. 
 
 
Busca x Planejamento 
 
Nesta etapa será necessária a realização da busca de um resultado. O planejador 
marca um objetivo a ser alcançado e para isso ele define uma série de regras, que 
farão com que o algoritmo execute todo o planejamento com foco no objetivo. 
 
Ao longo dos anos, diversos pesquisadores apresentaram inúmeras técnicas que 
visavam obter resultados cada vez mais satisfatórios. Algumas técnicas utilizadas por 
ele serão descritas a seguir, como planejamento heurístico e planejamento por 
satisfatibilidade. Técnicas são utilizadas por inúmeros planejadores e tais estratégias 
são utilizadas dentro do planejamento básico. 
 
Planejamento heurístico 
 
É a solução de um problema descrito no planejador baseada em processos 
exaustivos, pois utiliza análise combinatória, causando uma explosão de combinações, 
quando alinhada e comparada a problemas do mundo real. 
 
Esse tipo de técnica requer o consumo de muitos recursos tecnológicos e alto 
investimento, pois a quantidade de processamento utilizado no processo é muito 
grande. No entanto, esta solução não é exaustiva, porém é gerado um planejador sem 
garantias de soluções genéricas confiáveis. 
 
 
 
Heurística e parametrização. 
https://repositorio.utfpr.edu.br/jspui/bitstream/1/90/1/CT_CPGEI_M_Costa%2C%20Malgarete%20Rodrigues%20da_2005.pdf
https://repositorio.utfpr.edu.br/jspui/bitstream/1/90/1/CT_CPGEI_M_Costa%2C%20Malgarete%20Rodrigues%20da_2005.pdf
 
Esse tipo de técnica é baseada em funções heurísticas. O objetivo central da função é 
o direcionamento para um procedimento de busca com a capacidade de prever de 
forma eficiente determinados custos de sair de um estado e chegar até o seu objetivo 
ou meta. Esse algoritmo poderá calcular a rota mais curta entre duas cidades e os 
custos envolvidos. 
 
Observação 
 
Uma observação: a função deve ser admissível, e de nenhum modo 
superestimar o custo real da solução empregada. Igualmente, deve 
também verificar no cálculo da distância que o caminho mais curto entre os 
dois pontos sempre será uma linha reta. Portanto, a distância reta é uma 
solução. 
 
Planejamento por satisfatibilidade 
 
Esta técnica para resolução de alguns problemas de planejamento baseada em 
satisfatibilidade passou a ser utilizada após o desenvolvimento de métodos com maior 
eficiência. Por este motivo, essa estratégia ficou abandonada por um bom tempo 
devido ao baixo desempenho em suas entregas. 
 
Existe uma problemática na utilização desta técnica de busca de solução para um 
problema de planejamento, que é a ordenação das ações, quando o problema é 
apresentado de maneira estática com o tempo fixo. No entanto, também existe uma 
grande vantagem na utilização desta técnica, que é a facilidade das especificações de 
condições e restrições em estados intermediários, com a geração de modelos com 
maior precisão. 
 
Conforme Costa (2005): 
 
“ 
O planejamento baseado em satisfatibilidade pode ser definido como a 
transformação de um problema em um conjunto de axiomas, cuja propriedade 
principal é o fato de que qualquer valoração que faça com que este conjunto seja 
satisfatível, corresponderá a um plano válido. 
” 
 
 
file:///C:/Users/Isabelle%20N%20Martins/Desktop/UVA/CDI/CDI/u4/tema-3.htm%23more-info-1
 
Saiba Mais 
 
COSTA, M. R. Uma contribuição ao estudo do planejamento temporal 
em inteligência artificial. Dissertação (Mestrado). 104 f. Programa de 
Pós-Graduação em Engenharia Elétrica e Informática Industrial - Centro 
Federal de Educação Tecnológica do Paraná, CEFET-PR, Curitiba, 2005. 
 
Independentemente da técnica que você emprega para a solução de problemas ou na 
delimitação do seu planejamento em busca de resultado, você encontrará dois fatos 
importantes. São eles: 
 
1 
Quando delimitamos um problema, ele não pode ter uma 
solução fixada ou exata por causa de diversas ambiguidades 
encontradas em sua formulação ou pela disponibilidade dos 
dados. Por exemplo: um diagnóstico médico, ou diagnóstico de 
visão,por meio do qual diversos profissionais podem discordar 
acerca do mesmo diagnóstico. 
2 
Alguns problemas encontrados podem ter soluções exatas, mas 
o custo da estrutura computacional para poder encontrar a 
solução poderá ser proibitivo. Por exemplo: um jogo de xadrez. 
 
 
 
Imagine um tabuleiro de xadrez com todas as peças posicionadas em cada um dos 
locais conforme as regras do jogo. Para que o usuário ou jogador possa manipular o 
jogo e obter um resultado, é necessário que ele entenda de maneira clara todas as 
regras desse jogo, caso contrário não conseguirá manipular as peças nem tampouco 
obter o resultado que deseja. 
 
 
https://repositorio.utfpr.edu.br/jspui/bitstream/1/90/1/CT_CPGEI_M_Costa%2C%20Malgarete%20Rodrigues%20da_2005.pdf
https://repositorio.utfpr.edu.br/jspui/bitstream/1/90/1/CT_CPGEI_M_Costa%2C%20Malgarete%20Rodrigues%20da_2005.pdf
 
Encerramento 
 
 
O que é conhecimento e qual influência tem no 
processo decisório? 
 
Foi observado que conhecimento tem um impacto gigantesco no processo decisório, 
quando o gestor descreve com clareza acerca do domínio do problema. A partir do 
conhecimento é possível o mapeamento de todas as subtarefas que envolvem o 
problema central e o mapeamento das possíveis soluções para resolução do 
problema. 
 
Quais as etapas do processo de raciocínio e como 
aplicá-las? 
 
A partir do raciocínio buscamos mapear, capturar, analisar e interpretar as diversas 
informações do mundo real. Para isso, utilizamos três categorias de raciocínio: 
dedução, indução e abdução. 
 
Qual a importância do planejador no processo de 
alcance dos objetivos das ações e tarefas? 
 
Observamos que o planejador é uma técnica que nos faz economizar tempo e 
recursos quando a aplicamos de maneira correta. É necessário estabelecer objetivos e 
metas claras na utilização dessa técnica, que foi estudada neste capítulo, quando 
vimos heurística e satisfatibilidade. 
 
Resumo da Unidade 
 
Ao longo desta unidade vimos a importância da representação do conhecimento do 
raciocínio e do planejamento, porque cada técnica e ferramental apresentado nos 
leva à busca dos objetivos com a utilização de algoritmos e ferramentas 
tecnológicas. O foco na utilização desses materiais busca economia de tempo e 
recursos com escalabilidade empresarial. 
 
Fazer com que uma máquina utilize raciocínio ao ponto de inferir acerca de uma 
ideia e a partir dela entregar outras ideias ou soluções não é tarefa fácil, porém 
existem técnicas e recursos para que isso seja possível. 
 
Os estudos apenas começaram, então não pare por aqui. Verifique também outros 
materiais e cursos que possam entregar outras ferramentas para o seu 
crescimento profissional. 
 
 
 
Para aprofundar e aprimorar os seus conhecimentos sobre os assuntos 
abordados nessa unidade, não deixe de consultar as referências 
bibliográficas básicas e complementares disponíveis no plano de 
ensino publicado na página inicial da disciplina.