Ontologias em Gestão do Conhecimento

1. Instituto de Tecnologia do Paraná Divisão de Inteligência Artificial Ontologias em Gestão do Conhecimento Dr. Eng. Milton Pires Ramos mpramos@tecpar.br TECPAR / DIA Curitiba - Paraná

2. Sumário: 1 – Gestão do Conhecimento; 2 – O que gerenciar ?? 3 – Representação e Engenharia do Conhecimento; 4 – Ontologias; 5 – Ontologias em GC; 6 – Pesquisa: IAD/SMA, Ontologias e GC.

3. - gestão da informação - gestão de documentos - gestão de conteúdos estratégica - Inteligência competitiva empresarial - gestão de competências - memória empresarial - portais corporativos ... Gestão do conhecimento X Sociedade do conhecimento Era do conhecimento infinito Engenharia do conhecimento Knowledge workers (trabalhadores do conhecimento) dados ? informação ?? conhecimento ???

4. Gestão do Conhecimento Surgimento: Karl Wiig,1986. “I started out building AI-based expert systems with my group of 35 people back in 1980,” he says. “We built over 100 systems but found that most were not used after a year. In 1984, we started to look at what was amiss, and began to look into the role of knowledge in business.” This trajectory led to the introduction of the concept of ‘knowledge management’ at an ILO conference in Zurich in 1986, and by then Wiig’s team had begun to explore factors relating to cognitive science alongside technology-based solutions. By 1989, the focus of Wiig’s research had shifted away from technology and towards a more people-centric approach. With typical modesty, Wiig adds: “But as I am a slow learner, this transition has taken time.” <Biografia de Karl Wiig, na chamada do KM Europe 2002>

5. Gestão do Conhecimento Knowledge Management is the systematic, explicit and deliberate building, renewal and application of knowledge to maximize an enterprise’s knowledge related effectiveness and returns from its knowledge assets. Karl Wiig [Leibowitz, 1999]

6. O que é conhecimento ? “Conhecimento é o resultado da organização da informação de acordo com um sistema pessoal de valores” [Barthès 2002]

7. tácito SABEDORIA complexo CONHECIMENTO INFORMAÇÃO explícito DADOS simples

8. A floresta de Compiègne em Outubro [Barthès 2002]

9. dados [Barthès 2002]

10. Conhecimento vs valores pessoais “Conhecimento é o resultado da organização da informação de acordo com um sistema pessoal de valores” [Barthès 2002]

11. Conhecimento Knowledge encompasses the implicit and explicit restrictions placed upon objects (entities), operations and relationships along with general and specific heuristics and inference procedures involved in the situation being modeled. John Sowa Knowledge consists of truths and beliefs, perspectives and concepts, judgments and expectations, methodologies and know-how. Karl Wiig [Leibowitz, 1999]

12. Modernas práticas de administração Gestão de pessoas – liderança Tecnologia da informação Inteligência artificial Sistemas de Gestão do Conhecimento

13. O Conhecimento nas organizações Explicit Tacit [Grundstein & Barthès 1996]

14. FIND Identify Localize Formalize Model Archive CRITICALKNOWLEDGE Improve Update STORE UPDATE Access Diffuse Exploit DISTRIBUTE Integrate Ciclo de Gestão do Conhecimento [Grundstein & Barthès 1996]

15. Engenharia do Conhecimento: <aquisição, modelagem/representação, gestão> • Engenharia do conhecimento - termo usado para descrever todo o processo de desenvolvimento e construção de sistemas baseados em conhecimento. • [McGraw & Harbison-Briggs, 1989] • Sistemas baseados no conhecimento; • Sistemas especialistas; • Ontologias; • Sistemas de gestão do conhecimento.

16. Formas de representação do conhecimento: - Regras de produção • Redes semânticas • Frames (quadros) • Objetos

17. Regras de produção SE < premissa 1 > E < premissa 2 > ENTÃO < conclusão A > • - Um dos primeiros e mais tradicionais modelos de representação do conhecimento; • - Bom nível de representação, simples, de fácil aprendizagem, porém pouco flexível. • - Modelo mais usado na construção de sistemas especialista.

18. Sumário: Regras de produção Inputs { VazaoInj :Vazao total da agua de injecao Particulas :Numero de particulas em suspensao O2galv :Teor de oxigenio [ON]-line medido por par galvanico CorrLPR :Taxa de corrosao medida por LPR CorrRE :Taxa de corrosao medida por resstencia eletrica O2memb :Teor de oxigenio [ON]-line medido por membrana DeltaP :Perda de carga nos filtros BseqO2 :Bomba de injecao de sequestrante de oxigenio [ON]-[OFF] If VazaoInj >= [VazaoMin] Then Planta operando If VazaoInj < [VazaoMin] Then PLANTA FORA DE OPERACAO If Planta operando and PV12 = [OFF] Then Planta injetando If Planta operando and PV12 = [ON] Then PLANTA EM RECIRCULACAO If Planta operando and Planta com problemas de corrosao and Desaeradora dentro dos parametros operacionais and BseqO2 = [OFF] Then Sequestrante de Oxigenio Alarme amarelo and BOMBA DE INJECAO DE SEQUESTRANTE DESLIGADA and RELIGAR bomba de injecao de sequestrante de Oxigenio LABEL rec.injex.oxigenio "RELIGAR bomba de injecao de sequestrante de Oxigenio"

19. Redes semânticas Redes semânticas apresentam relações entre elementos em um domínio. Seus elementos básicos são nós e arcos: - nós – representam os elementos do domínio; - arcos – representam as relações entre estes elementos. Quillian R. Semantic Memory. In M. Minsky (ed) Semantic Processing. MIT Press, Cambridge, MA, 1968.

20. Modelagem da memória humana Abordagens semânticas – idéia básica (Quillian, 1965) Concept-2 Concept-1 Concept-4 Concept-3 Concept-4

21. Redes Semânticas, exemplo [Quillian]:

22. Frames (quadros) e objetos Modelo de representação de conhecimento onde um elemento de um domínio é representado por um conjunto de características. “Um frame possui um nome que identifica o conceito por ele definido e um conjunto de atributos (slots). Um frame é uma estrutura de dados complexa, útil para modelar objetos do mundo real. Assemelham-se a registros de um banco de dados porém mais poderosos e expressivos.” Minsky, M.A. A Framework for Representing Knowledge. McGraw-Hill, New York, 1975.

23. FRAMES (Minsky, 1975) Minsky 1975 Chair Chair foot color color # feet red red f1 f2 f3 f4 4 Prototype - inheritance Style-Chair Renaissance-Chair my-Chair Is-a Is-a color # feet style guilded 4 “Renaissance”

24. slots facets Representação de um FRAME Rennaissance-chair is-a : (value style-chair) style : (value Rennaissance) number-of-feet : (if-needed compute-number-of-feet) picture : (if-added draw) (if-removed erase)

25. NUDGE / FRL-0 Goldstein & Roberts 1977

26. Ontologias “Especificação explícita e formal dos termos de um domínio e das realações entre eles.” Tomas Gruber, Stanford University (1993).

27. Ontologias Uma ontologia define um vocabulário comum para profissionais que necessitam partilhar informações em um domínio. Isto excluí definição de conceitos básicos do domínio e os relacionamentos entre eles. • Por que construir ontologias ?? • Para partilhar o entendimento comum da estrutura da informação entre pessoas ou agentes software; • Para permitir a reutilização do conhecimento do domínio; • Para tornar explícitas as suposições do domínio; • Para separar conhecimento do domínio do conhecimento operacional; • Para analisar o conhecimento do domínio .

28. Ontologias Estrutura de uma ontologia: Conceitos (classes) - Propriedades (slots) - Facetas (restrições) - • Para desenvolver uma ontologia: • Definir as classes para a ontologia; • Organizar as classes em uma hierarquia taxonômica; • Definir os slots e descrever os valores permitidos para estes slots; • Preencher os valores nos slots para instanciar as classes.

29. Ontologias [John Sowa – http://www.jfsowa.com.br]

30. Ontologias [John Sowa – http://www.jfsowa.com.br]

31. Ontologias • Metodologia de desenvolvimento (proposta): • Determinar o domínio e escopo da ontologia; • Considerar a reutilização de ontologias existentes; • Enumerar termos importantes da ontologia; • Definir as classes e sua hierarquia; • Definir as propriedades das classes; • Definir as restrições das propriedades; • Criar as instâncias.

32. Ontologias Bases de conhecimento e ontologias estão proximamente relacionadas em sistemas de gestão do conhecimento. Comunidades estabelecem ontologias, ou modelos conceituais partilhados, para fornecer uma estrutura para compartilhar o significado preciso dos símbolos trocados durante uma comunicação.

33. FIND Identify Localize Formalize Model Archive CRITICALKNOWLEDGE Improve Update STORE UPDATE Access Diffuse Exploit DISTRIBUTE Integrate Inteligência Artificial e Gestão do Conhecimento Redes semânticas Ontologias Bases de conhecimento ... Sistemas especialistas Sistemas Multi-Agente Sistemas CBR ...

34. Sistemas Multi-Agentes em GC Grupo ANGCOR - Agents Networked Group for Cooperation and Organization of Research TECPAR, PUCPR, CEFET-PR, UTP e UTC (França) Divisão de Inteligência Artificial TECPAR

35. Assistência “Digital butler” - Nicolas Negroponte - MIT. (Being Digital. Alfred A. Knopf, 1995) “Information superhighway taxi driver” - Oren Etzioni - University of Washington. (Intelligent agents on the Internet: Fact, Fiction, Forecast. IEEE Expert, Vol. 10, No. 4, August 1995.)

36. Arquitetura

37. Modelo do agente assistente

38. Gestão do Conhecimento Corporativo

39. Inteligência Artificial e Gestão do Conhecimento Sistemas especialistas – solução específica de um problema heurístico complexo. Ontologias – descrição de um domínio específico. CBR – captura de experiências, memória da empresa.

40. Inteligência Artificial e Gestão do Conhecimento “ One of the biggest challenges thrown down by the discipline in recent years stems from the growing recognition that knowledge management is infinitely more complex than most practitioners like to acknowledge.” Karl Wiig As técnicas de inteligência artificial podem contribuir tanto para facilitar e simplificar a Gestão do Conhecimento, como para torná-la ainda muito mais complexa !!?!

41. Milton Pires Ramos mpramos@tecpar.br DIA – Divisão de Inteligência Artificial TECPAR - Instituto de Tecnologia do Paraná Curitiba Paraná Brasil