14-Sistemas Especialistas

Prévia do material em texto

1
Introdução - Inteligência Artificial e os S.E.
Características desejáveis de um S.E.
Componentes de um S.E.
Base de Conhecimento (BC)
Um exemplo clássico de base de conhecimentos
Interface de Aquisição (IA)
Interface de Usuário (IU)
Máquina de Inferência (MI)
Encadeamento Direto (Prova Direta)
Encadeamento Reverso (Prova Indireta)
Máquina de Inferência usando Redes Semânticas
Exemplos de Sistemas Especialistas
Referências bibliográficas
Sistemas Especialistas (S.E.)
2
As pesquisas que contribuíram para o desenvolvimento da 
inteligência artificial (I.A.) precedem o surgimento dos próprios 
computadores.
Porém, o termo Inteligência Artificial surgiu em 1956, a partir 
de uma reunião com cientistas de várias áreas do 
conhecimento
Introdução
3
o MIT propôs a divisão da história da I.A. em três épocas:
Época clássica (1956-1970)
Objetivo
• simular a inteligência humana, através de programas capazes 
de solucionar qualquer problema
Resultado
• uma grande quantidade de fracassos, por causa da 
complexidade computacional dos problemas envolvidos
Introdução
4
Introdução
Época romântica (1970-1980)
Objetivos
• mais modestos
• simular o comportamento humano em situações restritas
• a formalização matemática passou a ser mais exigida, 
para evitar falhas do passado
Resultados
• vários sistemas especialistas S.E. (atuando em domínios bem 
específicos) foram implementados com sucesso
• Dificuldades de adaptação dos SE à novas circunstâncias, e 
subestimação da quantidade de informação necessária para 
resolver problemas simples gerou vários fracassos
5
Introdução
Época moderna (1980-1990)
Objetivos
• nesta época foi dada maior ênfase às ferramentas para o 
desenvolvimento de S.E.
• os usuários projetam seus próprios sistemas especialistas 
(tratando problemas mais específicos)
Resumo:
houve uma sequência de mudanças das metas que 
deveriam ser atingidas, sempre por causa das grandes 
dificuldades para se atingir os objetivos previstos
6
• Os sistemas especialistas (S.E.) constituem uma das mais 
importantes áreas da IA
• Diferente de áreas de I.A., que continuam promessas para 
o futuro, os S.E. têm sido usados comercialmente, há
bastante tempo
• Isto foi possível porque os S.E. constituem uma proposta 
muita bem colocada
• Trata-se de num programa que processa uma base de 
conhecimento, em busca de soluções para problemas que 
requerem grande conhecimento especializado
Sistemas Especialistas
7
Definição
“Sistemas Especialistas são sistemas computacionais 
destinados a representar o conhecimento de um ou mais 
especialistas humanos sobre um determinado domínio e 
usá-lo na solução automática de problemas que em geral 
requerem grande volume de conhecimento especializado”
8
Sistemas Especialistas
Características desejáveis de um S.E.
Manter o alto nível do conhecimento na solução de problemas
Respostas não podem ter complexidades decorrentes da automatização
Respostas devem ser parecidas com as dadas por especialistas humanos 
Contemplar todas as atividades relacionadas ao conhecimento
Aquisição e manutenção
Processamento
Fornecer explicações referentes às conclusões alcançadas
Linhas de raciocínio utilizadas
Ser flexível
Facilitar a atualização
Visualização e compreensão do conhecimento
9
Sistemas Especialistas
Características desejáveis de um SE
Usar regras heurísticas
podem evitar o processamento de toda a base de conhecimento
Interação com o sistema usando uma linguagem natural
português, inglês, ...
Funcionar com informações incompletas ou incertas
usando técnicas estatísticas e a lógica nebulosa
Apresentar desempenho comparável com um especialista humano
velocidade 
confiabilidade
10
Sistemas Especialistas
Todos os sistemas de computador embutem algum tipo de inteligência e 
conhecimento em seus códigos
Portanto, são capazes de apoiar a resolução de problemas em áreas 
bem específicas
Porém, muitos destes sistemas não podem ser considerados S.E.
A caracterização de um sistema especialista começa com uma completa 
separação entre métodos de solução e o conhecimento codificado
Na prática, tem-se um programa (executável) que processa um arquivo 
contendo o conhecimento sobre o seu domínio
A base de conhecimento pode ser substituída por outra e, o programa 
deverá funcionar normalmente
11
Sistemas Especialistas
EspecialistaEspecialistaEspecialistaEspecialista
UsuUsuUsuUsuááááriorioriorio
atualizaatualizaatualizaatualizaççççõesõesõesões
Perguntas/respostasPerguntas/respostasPerguntas/respostasPerguntas/respostas
explicaexplicaexplicaexplicaççççõesõesõesões
Base deBase deBase deBase de
ConhecimentoConhecimentoConhecimentoConhecimento
InterfaceInterfaceInterfaceInterface
dededede
AquisiAquisiAquisiAquisiççççãoãoãoão
MMMMááááquinaquinaquinaquina
dededede
InferênciaInferênciaInferênciaInferência
InterfaceInterfaceInterfaceInterface
dededede
UsuUsuUsuUsuááááriorioriorio
Componentes de um S.E.
12
Arquitetura de Sistemas Especialistas 
Baseados em Regras
Máquina de
Inferência
Usuário
Dados do 
problema
Base de
conhecimento
Explicação 
do raciocínio
Respostas
Engenheiro de 
conhecimento
Especialista
Ferramentas
de aquisição
Memória 
de 
trabalho
13
Sistemas Especialistas
Base de Conhecimento (BC)
- armazena o conhecimento
- deve usar algum modelo de representação do conhecimento
Lógica
Regras de Produção
Redes Semânticas
Quadros e Roteiros
Árvores
14
Sistemas Especialistas
Base de Conhecimento (BC)
Regras de Produção (Modus Ponens)
if infecção é meningite e
o tipo de infecção é bacteriológica e
o paciente tinha sofrido cirurgia e
o paciente tinha sofrido neurocirurgia e
a neurocirurgia foi a menos de 2 meses atras e
o paciente tem um desvio ventricular-uretral
then a infecção é e.coli(.8) ou klebsiella(.75)
15
Sistemas Especialistas
Um exemplo clássico de base de conhecimentos
R1 Se tem pelos Então mamífero 
R2 Se dá leite Então mamíferos 
R3 Se tem penas Então ave 
R4 Se voa e ovíparo Então ave 
R5 Se come carne Então carnívoro 
R6 Se tem dentes pontiagudos, garras e olhos à frente Então é carnívoro
R7 Se mamífero, tem cascos Então ungulado 
R8 Se mamífero e rumina Então ungulado 
R9 Se mamífero, tem manchas negras, cor fulva e é carnívoro, Então puma 
R10 Se mamífero, tem listras negras, cor fulva e é carnívoro Então tigre 
R11 Se ungulado, tem pescoço comprido, pernas compridas, manchas negras Então girafa 
R12 Se é ungulado e tem listras negras Então zebra 
R13 Se ave, não voa, preto e branco e tem pescoço comprido Então avestruz 
R14 Se ave, não voa, nada e é preto e branco Então pinguim
R15 Se ave e voa Então albatroz 
R16 Se mamífero e voa Então morcego
R17 Se mamífero e não tem pelos Então baleia
16
Sistemas Especialistas
Interface de Aquisição (IA)
- Permite ao especialista definir e manipular as base de conhecimento
- Apóia a construção inicial da base de conhecimentos
- Manutenção e Atualizações 
- correções de regras existentes
- adição de novas regras
- remoção de regras incorretas
17
Sistemas Especialistas
Interface de Usuário (IU)
- Responsável pela interação do usuário com o sistema
- Por ela o usuário:
- utiliza o conhecimento armazenado na base
- obtém as respostas às suas perguntas
- obtém explicações referentes às linhas de raciocínio
A interface de usuário é responsável pelo grau de satisfação do 
usuário com o sistema (precisar ser eficiente e amigável)
18
Sistemas Especialistas
Máquina de Inferência (MI)
Processa a pergunta do usuário com os fatos e regras da base
Gera novos conhecimentos a partir de fatos, suposições e 
conhecimento existentes na baseRetorna as conclusões e explicações ao usuário
A máquina de inferência transforma uma situação dada (estado 
inicial) em uma situação desejada (estado final), usando um 
conjunto de operadores. 
19
Sistemas Especialistas
Máquina de Inferência (MI)
A resolução de problemas resume-se em encontrar a sequência 
de operadores que levam do estado inicial ao estado final
Usando regras de produção para representar o conhecimento, a 
máquina de inferência pode operar usando o encadeamento 
direto ou o encadeamento reverso
20
Sistemas Especialistas
Máquina de Inferência (MI)
Encadeamento Direto (Prova Direta)
- a memória de trabalho recebe dados sobre o problema (fatos)
- o processo de inferência deduz novos fatos a partir das regras
- adiciona à memória de trabalho os fatos inferidos
- gera perguntas ao usuário para confirmar premissas adicionais
- termina com a confirmação das premissas de uma regra cuja 
conclusão possa ser aceita como uma resposta final. 
21
Sistemas Especialistas
Máquina de Inferência (MI)
A máquina de inferência percorre as regras sequencialmente
tentando provar tudo o que for possível até obter uma 
conclusão que atende o usuário
Exemplo: deseja-se provar que Z é verdadeira 
A, B, C, E,
G, H, DDDD
F ∧ B → Z 
C ∧ D → F
A → D
A, B, C, E,
G, H, D, FFFF
F ∧ B → Z 
C ∧ D → F
A → D
1 2
A, B, C, E,
G, H
F ∧ B → ZZZZ
C ∧ D → F
A → D
A, B, C, E,
G, H, D, F, ZZZZ
F ∧ B → Z 
C ∧ D → F
A → D
3
22
Sistemas Especialistas
Máquina de Inferência (MI)
Encadeamento Reverso (Prova Indireta)
- usa somente as regras que são relevantes a um problema 
- parte da conclusão a ser provada, tentando provar a
validade de suas premissas
- O processo termina com a conclusão verdadeira quando
todas as premissas são provadas. Caso contrário, a
conclusão não é verdadeira
23
Sistemas Especialistas
Máquina de Inferência (MI)
Encadeamento Reverso (Prova Indireta)
Exemplo: Deseja-se provar que Z é verdadeira 
Conclui D, 
Pois tem A
A, B, C, E,
G, H
F ∧ B → ZZZZ
C ∧ D → F 
A → D
A, B, C, E,
G, H
F ∧ B → Z 
C ∧ D → F 
A → D
A, B, C, E,
G, H
F ∧ B → Z 
C ∧ D → F 
A → D
Supõe Z, mas 
precisa de F Supõe F, mas 
precisa de D
1
2
3
4
Confirma FConfirma Z
24
A máquina de inferência pode ser implementada de forma a 
trabalhar deterministicamente ou probabilisticamente.
� Determinística:- Fornece uma resposta única e bem definida a 
um problema, suas regras precisam trabalhar de forma exata 
� Exemplo
Se um átomo tem dois elétrons Então é um átomo de Hélio
� Probabilistica:- Fornece uma resposta que tem uma certa 
possibilidade de ocorrer. Um grande úmero de problemas 
apresentam uma resposta deste tipo. É preciso levar em conta o 
peso das variáveis envolvidas.
� Exemplo
Em uma certa época do ano há uma certa probabilidade de chuva
É possível que chova hoje
TIPOS DE MÁQUINAS DE INFERÊNCIA
25
CONSTRUÇÃO DAS REGRAS
As regras para tomada de decisão são construídas e 
processadas usando a lógica.
DEFINIÇÃO: A lógica é uma ferramenta de análise que 
permite implementações de raciocínios e deduções em 
campos como a matemática, o conhecimento, a linguagem 
e outros.
Raciocinio
humano Matemática Lógica
26
Argumentos Válidos simples (Regras de Inferência)
Adição
Simplificação
União
Absorção
Modus Ponens
ba
a
+
a
ba.
Sistemas Especialistas
Máquina de Inferência (MI)
ba
ba
.
,
baa
ba
.→
→
Modus Tollens
Silogismo Disjuntivo
Silogismo Hipotético
Dilema Construtivo
Dilema Destrutivo
b
aba ,→
'
',
a
bba→
a
bba ',+
ca
cbba
→
→→ ,
db
cadcba
+
+→→ ,,
''
'',,
ca
dbdcba
+
+→→
27
Sejam as proposições:
a : sensor A ativado
b : bomba B ligada
c : sensor C ativado
g : alarme G disparado
k : sensor K ativado
Sistemas Especialistas
Ex. Inferência usando argumentos válidos
Regras
Fatos
Regras (premissas)
1. a → b
2. k → a + c
3. b . c’→ g
4. c’ (sensor c está desativado)
5. k (sensor k está ativado)
6. a + c � Modus Ponens de 2 e 5
7. a � Silogismo Disjuntivo de 2 e 4
8. b � Modus Polens de 1 e 5
9. b . c’ � União de 4 e 6
10. g � Modus Polens de 3 e 7
(conclusão: O alarme G está acionado)
28
Sistemas Especialistas
Máquina de Inferência usando Redes Semânticas
O processamento da máquina depende do modelo de 
representação de conhecimento adotado na base
As redes semânticas são capazes de representar o 
conhecimento embutido em sentenças lógicas
B
C
HF
A
E
D
JG
L
KRegras
A ∧ B ∧ C → H
D ∧ E → A
F → B
G ∧ J → C
K ∧ L → D
B
H
C
JGFE
A
D
LK
29
Sistemas Especialistas
Aplicar uma busca (profundidade)� trajeto: H, A, D, K, L, E, B, F, C, G e J
Assim, H será verdade se A é verdade, o que é provado investigando D e
E, porém, para provar D, é preciso avaliar K e L. O mesmo para B e C
H
A B C
D E F G J
K L
provar H : 
30
Sistemas Especialistas
Exemplos de Sistemas Especialistas
foram desenvolvidos vários S.E. merecendo destaque: 
Logic Theorist (LT) (anos 50 e 60)
prova de teoremas matemáticos
General Problem Solver (GPS)
prova de teoremas, geometria e jogos
31
Sistemas Especialistas
Exemplos de Sistemas Especialistas
Dendral
- inferência de estruturas moleculares desconhecidas
- usava uma representação procedimental (Regras de Produção)
- obteve bastante sucesso em publicações científicas
Exemplo de regra:
If the spectrum for the molecule has two peaks at 
masses x1 e x2, such that:
1. x1 + x2 = M+28 and
2. x1-28 is a high peak and
3. x2 – 28 is a high peak and
4. at least one of x1 or x2 is high
then the molecule contains a ketone group
32
Sistemas Especialistas
Exemplos de Sistemas Especialistas
Mycin
- construído para auxiliar profissionais da área médica
- auxiliando o diagnóstico de doenças infecciosas
- sugeria as terapias mais adequadas
- sucesso acima de 90% em suas respostas
- representava o conhecimento com 450 regras de produção
If 1. the infection is primary-bacteremia and
2. the site of the culture is one of the sterile sites and
3. the suspected portal of entry of the organism is gastrointestinal tract
then there is suggestive evidence (0.7) that the identity of the 
organism is bactericides
33
Sistemas Especialistas
Exemplos de Sistemas Especialistas
Prospector
- Construído para auxiliar geólogos
- O conhecimento geológico é armazenado na forma de uma rede de 
inferência: uma rede semântica onde os nós representam fatos sobre o 
domínio e os arcos indicam como a probabilidade associada a um nó
influencia outro nó
- Os nós podem ser interpretados como um conjunto de regras
- Em 1978 realizou uma descoberta importante
- Em 1982 realizou uma outra descoberta mais importante que a anterior
34
Sistemas Especialistas
Exemplos de Sistemas Especialistas
CATS-1 (General Electric – anos 80)
- destinado ao treinamento de engenheiros de motores de locomotivas
- meses de entrevistas e três anos para o primeiro protótipo
- interface amigável
- capacidade de apresentar explicações para as decisões tomadas. 
35
Sistemas Especialistas
Exemplos de Sistemas Especialistas
o editor de textos Word (Microsoft) usa os princípios de um S.E.
- Trabalha com diferentes bases de conhecimentos 
(idiomas)
- Se comporta baseado nas regras do idioma selecionado 
(palavras incorretas e concordância das frases)
- Permite a troca de idioma a ser usado 
(troca a base de conhecimentos)
- Permite acrescentar palavras novas às bases de conhecimento (usuário)
(suporta a manutenção da base de conhecimentos)36
Sistemas Especialistas
Trabalhos futuros em S.E.
Uso de técnicas de aprendizado de máquina para construir e 
manter a base de conhecimentos atualizada (Mineração de Dados)
Manipulação de informações imprecisas ( Lógica Nebulosa – Fuzzy )
Aplicação de outras áreas da I.A. em S.E.
Agentes inteligentes
Técnicas de buscas
Modelos de Representação do conhecimento
Raciocínio e a tomada de decisões
37
Sistemas Especialistas
Referências bibliográficas
[1] Russel,S., Norvig, P., Inteligência Artificial, Campus, 2004
[2] Martinsanz, G.P.; Peñas, M.S. Inteligência Artificial e Ingeniería del 
Conocimiento, Ra-Ma, Madrid 2005
[3] Passos, E.L. Inteligencia Artificial e Sistemas Especialistas ao Alcance 
de Todos, LTC-Livros técnicos e científicos, Rio de Janeiro, 1989
[4] Rich, E.; Knight, K. Inteligência Artificial, McGraw-Hill, 1988
[5] Levine, R.I.; Drang, D.E.; Edelson, B. Inteligência Artificial e Sistemas 
Especialistas – aplicações e exemplos práticos. McGraw-Hill, São Paulo, 
1986