Baixe o app para aproveitar ainda mais
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
Compartilhar