Sistemas Especialistas

Prévia do material em texto

Sistemas especialistas
Conceito, terminologia
Definições
1 definição mais limitada:
"Um sistema especialista é um programa que possui uma grande base de conhecimento em
um domínio restrito e utiliza complexos raciocínios inferenciais para executar tarefas que
um especialista humano pode fazer" (Welbanck, 1983).
1 definição mais realista, com foco nas classes de problemas que podem ser resolvidos:
"Um KBS (sistema baseado em conhecimento) é um sistema de computador que é
projetado para auxiliar pessoas com tarefas envolvendo incerteza e imprecisão e que requer
julgamento e conhecimento" (Hart, 1986)
Dado / Informação: tem significado pontual.
Conhecimento: relações entre os dados.
Fatos
Dados básicos sobre uma situação.
Exemplos:
a) Ruas escuras são perigosas
b) Pessoas idosas geralmente não cometem crimes
c) Polícia protege as pessoas
Regras
Estruturas lógicas na forma antecedente / conseqüente, estudadas na área da Lógica de
Predicados. Um tipo muito comum são as chamadas de regras de produção (Se <condição>
ENTÃO <conclusão>. Exprimem o conhecimento.
Exemplos:
a) Se eu estiver numa rua escura e encontrar uma pessoa idosa então não preciso
me preocupar
b) Se eu estiver numa rua escura e encontrar um policial então não preciso me
preocupar
Exemplos de regras para um sistema especialista (NASCIMENTO JR, 2000):
i. Se (produz_leite ^ tem_pelos) Então (mamífero)
ii. Se (mamífero ^ come_carne) Então (carnívoro)
iii. Se (mamífero ^ possui_presas ^ possui_garras) Então (carnívoro)
iv. Se (mamífero ^ possui_casco) Então (ungulado)
v. Se (carnívoro ^ pardo ^ pintado) Então (onça)
vi. Se (carnívoro ^pardo ^ listrado) Então (tigre)
vii. Se (ungulado ^ pardo ^ pintado) Então (girafa)
viii. Se (ungulado ^ branco ^ listrado) Então (zebra)
Outra forma de se representar a definição de um mamífero:
∀x [ (produz_leite(x) ^ tem_pelos(x)) → mamífero(x)]
Dedução x indução
- Dedução: Obtenção de uma conclusão verdadeira, a partir de premissas
consideradas verdadeiras e de axiomas válidos. Abordagem "top down": do
geral para o particular. A dedução auxilia na descoberta do conhecimento
implícito em um contexto.
- Indução: abordagem "bottom up": do particular para o geral. As regras são
criadas generalizando-se observações sobre os exemplos disponíveis.
Aspecto EDP MIS DSS ES
Uso Passivo Monitor Ativo Específico
Usuário Da operação Gerente Chefia / diretoria Profissional
Tipo de problema Estruturado Estruturado Semi e não
estruturado
Não estruturado
Finalidade Eficiência Eficiência Eficácia Específica
Horizonte de
tempo
Passado Presente Presente e futuro Presente
Freqüência de uso Regular Regular Periódico ou ad
hoc
Irregular
Objetivo Proc. de dados Informação Decisão Estruturação e
inferência
Custo De mercado Médio Alto Médio a alto
Aplicação Proc. de dados PCP
Estoques
Previsão
Planejamento
Decisão integrada
Diagnóstico
Tratamento
Tabela 1 - Características do EDP, MIS, DSS e ES (SHIMIZU, 2001)
Vantagens e desvantagens do uso dos SE
Principais vantagens:
- Disponibilidade: um SE não fica doente, nem irritado ou cansado, além do que
pode ser copiado para diversos lugares.
- Consistência: como é um programa de computador, seus resultados são
previsíveis: dadas duas entradas iguais, a saída deverá ser a mesma para ambos
os processamentos.
- Integração: a base de conhecimento de um SE pode conter o conhecimento
reunido de vários especialistas.
- Perpetuação e documentação do conhecimento / treinamento de novos
especialistas.
- Facilidade de manuseio de grandes volumes de dados / redução do tempo de
resposta.
Principais desvantagens:
- Criatividade muito reduzida ou inexistente: os programas em geral não são
capazes de insights ou de produzir novos conhecimentos.
- Versatilidade: devido à falta de inteligência num sentido mais amplo, um SE é
incapaz de reorganizar as informações de que dispõe para consolidar novos
conhecimentos.
- Visão mais estreita: informações secundárias pouco sistematizadas disponíveis
no domínio do problema não são colocadas na base de conhecimento do SE, e
por isso não são consideradas pelo programa. Um especialista humano,
entretanto, geralmente vai levar essas informações em conta para dar o seu
parecer.
Aplicações
Características que um problema deve possuir para que seja adequado ao uso de SE:
- Escopo bem definido.
- Existência de especialistas (áreas emergentes ou com poucos especialistas
disponíveis são problemáticas)
Controle de dispositivos (automação) e de processos (por exemplo, da fermentação de
alimentos)
Diagnóstico de doenças
Interpretação do espectro de produtos químicos
Interpretação de informação geológica, para fins de identificação de depósitos de minérios
Classificação de solos
Estrutura básica
- Interface: software que faz a ligação do usuário com o mecanismo de inferência.
Ela obtém do usuário as informações necessárias ao mecanismo de inferência e
as interpreta no contexto do problema.
- Base de conhecimento: conclusões, normas práticas (rules of thumb), fatos,
classes e asserções que são armazenadas no computador e lhe dão a capacidade
de imitar um especialista.
U
S
U
Á
R
I
O
I
N
T
E
R
F
A
C
E
BANCO DE
CONHECIMENTO
MECANISMO
DE
INFERÊNCIA
BANCO DE
DADOS
- Mecanismo de inferência: software que faz a busca das regras de produção que
permitem formar uma linha de raciocínio para resolução do problema.
- Base de dados
Processamento básico da máquina de inferência (NASCIMENTO JR, 2000):
1. Obtém um fato (no banco de dados, no banco de conhecimento ou pela interface do
sistema)
2. Busca no banco de conhecimento regras que tenham envolvam o fato (casamento do
antecedente)
3. Se houver uma ou mais regras envolvendo o fato, selecionar uma (resolução de
conflito), senão, retornar ao passo 1
4. Executar a ação descrita na regra selecionada e retornar ao passo 1.
O processo de desenvolvimento de um SE
As personagens envolvidas
- Engenheiro do conhecimento
- Usuário final
- Especialista
- As características esperadas de um especialista são:
1. é capaz de resolver problemas que a maioria das pessoas não consegue;
2. é capaz de se comunicar com as pessoas;
3. consegue justificar suas recomendações;
4. aprende com a experiência.
Também possui:
1. Efetividade (não basta resolver problemas; poder de dedução;
feeling/insight do problema)
2. Eficiência (uso do conhecimento para resolver problemas com uma
razoável taxa de êxito)
3. Consciência de limitações (reconhecer o que se sabe e o que não se sabe)
4. Versatilidade (bom desempenho mesmo em situações não familiares ou
ideais)
E, finalmente
1. Grande experiência pessoal
2. Boa reputação
As etapas do processo
Planejamento
- definir os objetivos, problemas e resultados esperados
Engenharia do conhecimento
- seleção do especialista
- aquisição do conhecimento
Implementação
- programação
- testes preliminares
- correções e refinamentos
Validação
• Como o sistema funciona?
§ (comparar resultados com os do especialista humano e, se possível,
com os de outros especialistas)
• O que validar?
§ Há contradições nos resultados?
§ O sistema é capaz de lidar com qualquer problema dentro do
domínio?
§ As soluções são corretas?
§ O sistema é fácil de usar?
Todas as etapas são importantes, mas geralmente considera-se que a principal é a
aquisição do conhecimento.
As ferramentas
- Linguagens especiais para desenvolvimento
- Shells, que oferecem uma interface básica, o mecanismo de inferência completo
e um banco de conhecimento vazio, como por exemplo, o Clips.
Sites de interesse
http://www.ghgcorp.com/clips/CLIPS.html
Referências bibliográficas
HART, Anna. Knowledge Acquisition for Expert Systems . 2nd ed. London: Kogan Page,
1986.
SHIMIZU, Tamio. 2001. Decisão nas organizações: Introdução aos problemas de
decisão encontrados nas organizações e nos sistemas de apoio à decisão. São Paulo:
Atlas. 317 p.
NASCIMENTO JR, Cairo Lúcio & YONEYAMA, Takashi. 2000. Inteligência artificial
em controle e automação. São Paulo: Edgard Blücher / FAPESP. 218 p.
		2001-12-03T00:53:19-0200Antonio Cesar de Barros Munari
	<none>