Baixe o app para aproveitar ainda mais
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>
Compartilhar