Sistemas Especialistas

Prévia do material em texto

Artigo Sistemas Especialistas
Paulo César Fernandes de Oliveira1, Sidenio Samuel Quarti1, 
Rogério Degásperi1, Palmira Luana Henrique¹, Saulo Popov Zambiasi2.
1Pós-graduandos em Gestão da Tecnologia da Informação, ICPG – Instituto 
Catarinense de Pós-Graduação em Criciúma.
2Saulo Popov Zambiazi - Professor ICPG – Instituto Catarinense de Pós-Graduação
pco@cecrisa.com.br¹, ssq@cecrisa.com.br¹, rogerio@degasperi.com.br¹, 
palmira_98@hotmail.com¹, saulopz@gmail.com2
Resumo. 
Este artigo não tem a intenção de esgotar o assunto Sistemas Especialistas, mas 
dar uma noção do tema voltado á área de Inteligência Artificial. Partindo do 
principio que Sistemas Especialistas são programas que armazenam e 
manipulam o conhecimento adquirido de um especialista, vamos abordar os 
tópicos de introdução, conceitos, vantagens e desvantagens dos sistemas 
especialistas, estrutura básica de um sistema especialista, interface com o 
usuário, motor de inferência, base de conhecimento, linguagem natural, 
linguagem natural na recuperação da informação, arquitetura para o sistema 
especialista para gerenciamento da informação (SEGI), exemplos práticos, e a 
conclusão da equipe sobre sistemas especialistas. 
 Palavras-chave: Inteligência artificial, Sistemas especialistas; Sistemas de
 informação.
 Abstract. 
1. INTRODUÇÃO
Segundo Wikipédia (2008), “Um Sistema especialista é uma classe de 
programa de computador desenvolvido por pesquisadores de Inteligência artificial 
durante os anos 70 (1970) e aplicado comercialmente durante os anos 80 (1980). 
Em síntese, são programas constituídos por uma série de regras que analisam 
informações (normalmente fornecidas pelo usuário do sistema) sobre uma classe 
específica de problema (ou domínio de problema)”. 
2. CONCEITOS 
Segundo McCarty (1956), “Inteligência Artificial é a capacidade de uma 
máquina de realizar funções que se fossem realizadas pelo ser humano seriam 
consideradas inteligentes”.
Sistemas Especialistas são sistemas que solucionam problemas que são 
resolvíveis apenas por pessoas especialistas (que acumularam conhecimento 
exigido) na resolução destes problemas. [FEI77].
Programas de computador que tentam resolver problemas que os seres 
humanos resolveriam emulando o raciocínio de um especialista, aplicando 
conhecimentos específicos e inferências são ditos Sistemas Especialistas. [ROL88]
Ainda podemos dizer que sistema especialista são programas que 
armazenam e manipulam o conhecimento adquirido de um especialista, requer 
entrevistas e observações para extrair o conhecimento, conhecimento este que é 
representado em formato manipulável pelo computador.
3. VANTAGENS E DESVANTAGENS DOS SISTEMAS ESPECIALISTAS
Um sistema especialista é adequado para aplicações onde: o conhecimento 
(o especialista) é acessível, as regras são conhecidas e fáceis de serem formuladas 
por este especialista, e quando explicações são necessárias. 
Os benefícios da utilização de sistema especialista são diferentes daqueles 
obtidos pelos sistemas tradicionais, por tratar-se de sistemas dotados de inteligência 
e conhecimento, são ferramentas adequadas para serem utilizadas em treinamentos 
de grupos de pessoas, de forma rápida e agradável, podendo servir, após o 
treinamento, como instrumento para coleta de informações sobre o desempenho dos 
treinados. Apesar de possuírem desenvolvimento e manutenção caros, a sua 
operação é muito barata. Um sistema especialista pode ser facilmente distribuído em 
inúmeras cópias, enquanto que o treinamento de um novo especialista humano é 
muito mais caro e demorado (LIEBOWITZ, 1999).
No quadro a seguir, algumas vantagens e desvantagens dos sistemas 
especialistas.
Vantagens Desvantagens
Utiliza representação explícita do 
conhecimento.
Ausência de mecanismo automático de 
aprendizado.
Programas fáceis de ler e de 
compreender.
Processo longo e caro de extração do 
conhecimento.
Capacidade de gerarem justificativas 
(Explicações).
Exigências de declarações precisas dos 
especialistas.
Um sistema especialista é capaz de 
estender as facilidades de tomada de 
decisão para muitas pessoas. O 
conhecimento dos especialistas pode ser 
distribuído, de forma que possa ser 
utilizado por um grande número de 
pessoas.
Ajuda a reduzirem falhas humanas e 
acelerar tarefas.
Aumenta o desempenho e a qualidade 
na resolução de problemas.
Apresenta estabilidade e flexibilidade.
Combina e preserva o conhecimento dos 
especialistas.
Contempla hipóteses múltiplas 
simultaneamente.
Apresenta maior eficiência e otimização 
de resultados.
Não é afetado por questões psicológicas, 
estresse e fatores externos.
Possui maior rapidez na resolução de 
problemas.
Soluciona problemas tão bem quanto um 
especialista humano.
Melhorar a produtividade e desempenho 
de seus usuários, pois o sistema possui 
um vasto conhecimento.
Reduzem o grau de dependência que as 
organizações mantêm quando se vêem 
em situações críticas, inevitáveis.
4. CARACTERÍSTICAS DE UM SISTEMA ESPECIALISTA
Refletem a forma de resolver problema de um ou mais especialistas 
humanos;
Utilizam o conhecimento de uma ou mais pessoas (não de livros ou outras 
fontes não-humanas) representado explicitamente no programa. Esse conhecimento 
é adquirido através de técnicas particulares da Engenharia de Conhecimento;
As tarefas preferenciais para este tipo de sistema são fundamentalmente as 
de natureza simbólica, que envolvem complexidades e incertezas normalmente só 
resolvíveis com regras de "bom senso" e com a elaboração de um raciocínio similar 
ao humano;
A capacidade de utilizar conhecimento na resolução de problemas permite 
que a busca de soluções em problemas complexos seja feita de maneira dirigida ao 
contrário da busca por exaustão dos sistemas convencionais. O sistema é 
"informado" sobre as características do problema e decide, durante o 
processamento, qual o caminho mais provável de conter a solução.
5. ESTRUTURA BÁSICA DE UM SISTEMA ESPECIALISTA
A estrutura básica para um sistema especialista, é constituída por três 
elementos fundamentais: base de conhecimento, motor de inferência e interface com 
o usuário. Nota-se que existe uma interface de comunicação com o usuário do 
sistema, isto é, com aquela pessoa que irá utilizar o sistema no seu dia-a-dia, e uma 
interface com o especialista que domina a aplicação.
Esta interação é obtida através do módulo de aquisição de conhecimento, 
necessário para converter as informações obtidas pelo especialista em uma 
representação estruturada (base de conhecimento). Veja as figuras abaixo:
Arquitetura de um sistema especialista.
Fonte: http://www.inf.unisinos.br/~cazella/dss/SAD_Sistemas_Especialistas.pdf
6. INTERFACE COM O USUÁRIO
Interface com o usuário é o mecanismo por onde o usuário vai fornecer as 
informações para o sistema especialista e também vai receber as respostas das 
pesquisas, é a forma do usuário interagir com o sistema, conforme a figura a seguir:
Fonte: ABEL (1998).
7. MOTOR DE INFERÊNCIA (NÚCLEO DO SISTEMA)
O motor de inferência é um elemento essencial para a existência de um 
sistema especialista. É um elemento permanente que pode ser reutilizado por vários 
sistemas especialistas, é o núcleo do sistema. Implementam os algoritmos que 
decidirão quais as regras que serão satisfeitas pelos fatos ou objetos. É por 
intermédio dele que os fatos e regras e heurísticas que compõem a base de 
conhecimento são aplicadas no processo de resolução do problema. Basicamenteo 
motor de inferência é dividido em tarefas que são: selecionar, buscar, avaliar e 
procurar. Resumindo as tarefas acima, podemos dizer que as regras necessárias 
para se chegar a uma meta devem ser buscadas na base de conhecimento. É 
baseada em uma combinação de procedimentos de raciocínios que se processam 
de forma regressiva e progressiva. 
Progressivo: as informações são fornecidas ao sistema pelo usuário, que 
com suas respostas, estimulam o desencadeamento do processo de busca, 
navegando através da base de conhecimento, procurando pelos fatos, regras e 
heurísticas que melhor se aplicam a cada situação. O sistema continua nesta 
interação com o usuário, até encontrar a solução para o problema a ele submetido.
Regressivo: os procedimentos de inferência dão-se de forma inversa. O 
sistema parte de uma opinião conclusiva sobre o assunto, podendo ser inclusive 
oriunda do próprio usuário, e inicia uma pesquisa pelas informações por meio das 
regras e fatos da base de conhecimento, procurando provar se aquela conclusão é a 
mais adequada solução para o problema analisado.
8. BASE DE CONHECIMENTO
O conteúdo do banco de conhecimento é essencialmente de dois tipos: 
conhecimento factual e conhecimento heurístico.
O conhecimento factual é o na forma dos fatos, informações evidenciadas e 
aceitas pela comunidade científica, é o conhecimento contido nas publicações e 
livros.
O conhecimento heurístico são as regras de “bom senso” de especialistas em 
alguma área da Ciência, do conhecimento dos especialistas que normalmente não 
tem como comprová-las cientificamente e é delas que resulta à força dos sistemas 
especialistas.
9. LINGUAGEM NATURAL (DEFINIÇÂO)
A linguagem natural é a maneira como expressamos nosso raciocínio e 
trocamos informação. 
Raramente constitui um sistema de regras rígidas, o que torna complexa sua 
implementação numa máquina ou sua transcrição de forma lógica, pois é a 
expressão da cultura de uma sociedade, desenvolvida através de suas gerações e 
em diferentes situações. Além da linguagem falada, fazem parte da nossa 
comunicação gestos e posturas, que não podem ser diretamente adaptados para 
compreensão de uma máquina. Toda a comunicação eficiente pressupõe um 
conhecimento prévio comum entre os interlocutores, com a mesma língua, a mesma 
bagagem cultural e assim por diante. Atualmente os computadores, celulares e 
outros equipamentos eletrônicos nos obrigam a aprender formas não intuitivas de 
comunicação com essas máquinas através de comandos precisos, linguagens de 
programação, menus, botões. As interfaces entre as máquinas e seres humanos 
estão ficando mais sofisticadas e de certa forma, caminhando aos poucos em 
direção às formas mais humanas de comunicação. 
As questões relacionadas à linguagem natural são tratadas pela Inteligência 
Artificial (IA) em uma subárea que estuda o entendimento e a geração automática 
desta linguagem - o Processamento de Linguagem Natural (PLN). Os estudos nesta 
área envolvem tanto conhecimento em computação, como em lingüística. O PLN é 
um conjunto de métodos formais que tentam compreender a linguagem falada e 
escrita de um idioma humano. Num idioma humano uma simples frase normalmente 
contém ambigüidades, interpretações e nuances que dependem do contexto, do 
conhecimento do mundo, de regras gramaticais, culturais e de conceitos abstratos.
O objetivo final do PLN é fornecer aos computadores a capacidade de 
entender e compor textos. O "entender" um texto significa reconhecer o contexto, 
fazer análise morfológica (palavras), sintática (gramática), semântica (significado) e 
pragmática (significação), criar resumos, extrair informação, interpretar os sentidos e 
até aprender conceitos com os conteúdos processados. 
Basicamente, as aplicações dos sistemas que tratam linguagem natural 
podem ser divididas em duas classes: aplicações baseadas em texto e aplicações 
baseadas em diálogos. Como exemplos de aplicações baseadas em texto são 
sistemas que procuram documentos específicos em uma base de dados e tradutores 
de documentos. Com relação às aplicações baseadas em diálogos, podemos citar 
as interfaces de linguagem natural para bancos de dados, os sistemas especialistas 
e os sistemas que interpretam e respondem a comandos expressados em linguagem 
escrita ou falada.
10. LINGUAGEM NATURAL NA RECUPERAÇÃO DA INFORMAÇÃO
Segundo WIKIPÉDIA (2008), Recuperação de Informação (RI) é uma área da 
computação que lida com o armazenamento de documentos e a recuperação 
automática de informação associada a eles, que são de grande importância devido 
ao uso universal da linguagem para comunicação. É uma ciência de pesquisa sobre 
busca por informações em documentos, busca pelos documentos propriamente 
ditos, busca por meta dados que descrevam documentos e busca em bancos de 
dados, sejam eles relacionais e isolados ou banco de dados interligados em rede de 
hipermídia, tais como a WWW. A mídia pode estar disponível sob forma de textos, 
de sons, de imagens ou de dados.
Um sistema de recuperação da informação sem controle de vocabulário, pode 
ser chamado de sistema de linguagem natural, ou às vezes, como sistemas de texto 
livre. Os avanços tecnológicos influenciam a área de informação e conduzem ao 
surgimento de novas técnicas de representação e recuperação de conteúdo. No 
contexto tecnológico atual, há tendência para o desenvolvimento de sistemas 
inteligentes de recuperação de informação com base em processamento de 
linguagem natural, em função da disponibilidade de textos completos em máquina e 
da necessidade de interfaces voltadas para o usuário final. 
Os sistemas de recuperação exigem, para isso, modelos de representação do 
conhecimento que possibilitem contextualizar os significados expressos nos textos 
armazenados. É fato que os sistemas de recuperação da informação evoluíram com 
a utilização de novas tecnologias. No entanto, os resultados são mais visíveis nas 
interfaces inteligentes e no compartilhamento da informação para o usuário final 
através de redes de comunicação. O tratamento de conteúdo constitui-se no coração 
do sistema de recuperação da informação. De nada adiantam interfaces inteligentes 
se elas conduzem à recuperação de documentos irrelevantes, ocasionada por 
problemas de tratamento de conteúdo. 
Quanto mais conhecimento lingüístico e cognitivo for incorporado ao sistema, 
maior precisão na recuperação solicitada, mas, por sua vez, maior complexidade de 
implementação e de manutenção. Sistemas de recuperação que adotam extração de 
palavras por meio de métodos estatísticos e aqueles que aplicam análise sintática 
para extração de sintagmas exigem menor esforço do que os sistemas que 
incorporam tratamento semântico. Apesar disso, não são capazes de solucionar 
problemas lingüísticos como a ambigüidade e a sinonímia, tratadas nos sistemas 
tradicionais que utilizam linguagens controladas. 
Um sistema de recuperação em linguagem natural pode tratar determinados 
tipos de ambigüidade quando dispõe de informações relativas à valência sintático-
semântica das unidades lexicais que compõem o texto. 
A utilização de Gráficos Conceituais como modelo de representação interna 
de sistemas de recuperação em linguagem natural pode se constituir em alternativa 
de solução de ambigüidades que interferem no grau de precisão desses sistemas. 
Gráficos Conceituais são construções de uma espécie de fluxogramas para criar um 
modelo de representação de conhecimento.
11. ARQUITETURA PARA O SISTEMA ESPECIALISTA PARA GERENCIAMENTO 
DA INFORMAÇÃO (SEGI)
Para ser construído um sistema de gerenciamento da informação, deverá partir 
da integraçãodos seus elementos básicos: interface com o usuário, base de 
conhecimento e motor de inferência, conforme figura:
Fonte: MENDES (1991) – Diagrama de Contexto.
Base de Conhecimento:
Num exemplo de um sistema de informações para apoio a usuários finais de 
bibliotecas, as bases constituintes do sistema especialista deverão conter, além do 
acervo bibliográfico da organização, conhecimentos sobre elaboração de estratégias 
de busca, e de características específicas das bases de dados disponíveis na 
biblioteca.
Exemplo de representação do conhecimento:
 
 Um Sistema Especialista é organizado conforme a figura a seguir: Base de 
Conhecimento interagindo com a memória de trabalho alimentando a máquina de 
inferência e recebendo dados para o novo conhecimento, tendo como saída e retro 
alimentação o Sistema de Explicações e a Aquisição de novos conhecimentos.
Fonte: Apostila de Aula Prof. Nadder – Inteligência Artificial
Motor de Inferência:
Segundo descrito anteriormente, este componente é fundamental no 
funcionamento de um sistema especialista.
O Motor de inferência é composto pelas heurísticas adotadas para a resolução 
de problemas e para a execução das tarefas diárias realizadas pelos especialistas. 
Através destas inferências é que o sistema aprende, a cada ciclo, a cada novo 
conhecimento informado ou descoberto. 
 
Interface com Usuário:
Normalmente a interface com o usuário é um pouco mais complexa do que as 
tradicionais, implantadas em um sistema especialista, em função de o analisador 
semântico fazer parte deste elemento.
Esta interface é a estrutura que tem o papel de explanar as informações externas 
que interagem com sistema especialista tanto no caminho usuário-sistema como 
sistema-usuário. 
O sistema ao iniciar uma sessão, no caso do SEGI, solicitará ao usuário que se 
identifique, identificando-se, o sistema vai perceber a qual área ele pertence e o seu 
nível de informação que pode ser acessado.
Em seguida o usuário poderá obter um resumo geral ou do setor das 
informações, recentes ou iniciar um método de recuperação de informações e/ou 
documentos por meio de estratégias de busca, aplicando as regras com o objetivo 
fosse alcançado. 
Poderá receber um resumo que represente, por exemplo, uma visão global dos 
negócios empreendidos pela empresa, em comparação com outras empresas do 
ramo, caso o sistema possa receber informações de mercado, de fontes externas.
12 EXEMPLOS PRÁTICOS
 American Express: Sistema de Auxilio para Autorização de Crédito 
(CC).
 Citibank, National Westminster, Midland Bank: Análise de empréstimos 
pessoais, Gerência de Carteira de investimento.
13 APLICAÇÔES
 Sistemas de interpretação: identifica objetos a partir de conjuntos de 
observações: compreensão de fala, análise de imagens, interpretação 
geológica.
 Sistemas de diagnóstico: deduz possíveis problemas a partir de 
observações ou sintomas; ex.: diagnósticos médicos, mecânicos.
 Sistemas de projeto: desenvolve configurações de objetos que satisfazem 
determinados requisitos ou restrições; ex.: projeto de circuitos digitais, 
projeto de edifícios.
 Sistemas de monitoração: comparam observações de comportamento de 
sistemas, com características consideradas necessárias para alcançar 
objetivos; ex.: monitoração de rede de distribuição elétrica, controle de 
tráfego aéreo.
 Sistemas de controle: governa de forma adaptativa o comportamento de 
um sistema; ex: robôs, gerência de produção.
14 CONCLUSÃO
Conforme ficou demonstrado no item três, vantagens e desvantagens dos 
sistemas especialistas existem muito, mas muito mais vantagens do que 
desvantagens e dentre elas destacamos a total facilidade no treinamento para o uso 
do sistema, bem como a rapidez para a obtenção de sugestões para a resolução 
dos problemas e a capacidade de gerarem justificativas (explicações).
Além disso, nas suas características simples da arquitetura, interface com 
usuário, motor de inferência e base de conhecimento, fica fácil a representação 
explícita do conhecimento.
Os sistemas especialistas podem ser aplicados em praticamente todas as áreas, 
sistemas de interpretação (Inclusive na identificação de Padrões), sistemas de 
diagnósticos, sistemas de projeto, sistemas de monitoração, sistemas de controle 
conforme evidenciado no item 13, aplicações dos sistemas especialistas.
Ainda foi dado enfoque á linguagem natural nos sistemas especialistas, à 
dificuldade em função da ambigüidade, na sua representação no modelo matemático 
ao ser inserido no computador. 
A figura do especialista, técnico ou cientista, também se configura como 
fundamental na existência dos sistemas especialistas, no seu conhecimento a ser 
passado para o sistema, bem como a interface amigável para interagir com o 
mesmo.
15 REFERÊNCIAS 
http://pt.wikipedia.org/wiki/Sistemas_especialistas. Acesso em: 07/07/2008.
http://www.din.uem.br/ia/especialistas/introdu.html. Acessado em 30/06/2008.
http://www.pucrs.campus2.br/~annes/ia7.html . Acessado em 07/07/2008.
ABEL, Mara. Sistemas Especialistas. Uem, junho, 1998, Especialistas. Disponível 
em: http://www.din.uem.br/ia/especialistas/introdu.html. Acesso em: 30/06/2008.
http://www.scielo.br/scielo.php?
script=sci_arttext&pid=S0100-19651997000100006&lng=en&nrm=iso. Acessado em 
07/07/2008.
MENDES, Raquel D. Projeto e desenvolvimento de um sistema especialista para 
diagnóstico de sarcomas ósseos. S.Paulo: ITA, 1991, Dissertação - mestrado.
Bräscher, Marisa A Ambiqüidade na Recuperação da Informação.
Oliveira, Fábio Abreu Dias De Processamento de linguagem natural: princípios 
básicos e a implementação de um analisador sintático de sentenças da língua 
portuguesa.
Santos, Diana Introdução ao processamento de linguagem natural através das 
aplicações.
pt.wikipedia.org/wiki/Recuperação_de_informação - Acesso em 07/07/2008