140 likes | 243 Views
Questões. Só é possível chegar-se a conclusões gerais a partir da observação de muitos fatos? Aprendizagem é estatística?. Alguns exemplos do dia a dia. Um turista chegando ao Brasil pela primeira vez encontra com um tal de Fernando e percebe que ele fala português...
E N D
Questões... Só é possível chegar-se a conclusões gerais a partir da observação de muitos fatos? Aprendizagem é estatística?
Alguns exemplos do dia a dia... • Um turista chegando ao Brasil pela primeira vez • encontra com um tal de Fernando e percebe que ele fala português... • Conclui que todos brasileiros falam português • mas não conclui que todos se chamam Fernando... • Porque? • Um físico estudando um pedaço de cobre • mede densidade, condutividade e massa • conclui que os valores obtidos para densidade, condutividade valem para todos pedaços de cobre mas não os valores de massa... • Porque?
Alguns exemplos do dia a dia... • Aluno de medicina observando seu professor • receitando o antibiótico X para um paciente depois de ter observados alguns sintomas • conclui que tal antibiótico é adequado para a categoria de infecção Y (ligadas aos sintomas apresentados) • porque? • Homens das cavernas observando pela primeira vez um colega • usando uma vara para espetar e assar a comida sobre a fogueira • concluem que é uma boa idéia assar sem queimar as mãos • porque?
Resposta... • É possível aprender! • porque existe conhecimento a priori (background knowledge) • Usa-se o que se sabe para aprender mais e melhor! • North Whitehead • “civilization advances by extending the number of important operations that we can do without thinking about them” • Idéia: aprendizagem com conhecimento a priori • o agente aprende paulatinamente, usando o que já sabe, i.e. seu conhecimento a priori • Aprendizagem fica mais rápida pois o conhecimento pode ser usado para reduzir a busca no espaço de hipótese
Conhecimento à priori (BK) Aprendizagemindutiva Observações Hipótese Predições Esquema clássico: indução pura Novo esquema: indução com conhecimento Aprendizagem com conhecimento a priori • 3 esquemas de aprendizagem • Aprendizagem Baseada em explicação (EBL) • Aprendizagem Baseada em Relevância (RBL) • Aprendizagem Indutiva Baseada em Conhecimento (KBIL)
3 esquemas de aprendizagem 1) Aprendizagem Baseada em Explicação (EBL) • ex. homem das cavernas explica a razão do sucesso => Regra: qualquer coisa longa, fina, rígida pode ajudar a assar carnes sobre o fogo • o conhecimento serve para explicar a hipótese, que explica as observações, • não se aprende nada de novo pois o exemplo já podia ser derivado mas iria custar caro pois os homens não tinham consciência disto • resumo: EBL converte teorias primárias em conhecimento útil especializado
3 esquemas de aprendizagem 2) Aprendizagem Baseada em Relevância (RBL) • ex. O turista sabe que os habitantes de uma país falam a mesma língua, mas podem ter nomes distintos • idem para o físico • o conhecimento serve para determinar a relevância dos atributos da descrição • é dedutivo: não cria nada de novo se partir do zero 3) Aprendizagem Indutiva Baseada em Conhecimento (KBIL) • ex. aluno de medicina infere tipo de doença e que tal remédio é adequado ao seu tratamento. • BK e exemplos se juntam para explicar a classificação • usada em programação lógica indutiva
Explanation-Based Learning • Método para extrair novas regras a partir de observações únicas • Baseia-se em “memoization” • técnica de aceleração de programas por acumulação de pares entrada/saída em um banco de dados (cache) • antes de calcular a função, checa-se o banco de dados • Ex. derivada • Ask (Derivate(X2,X)=d, BC) • pode ser preciso 136 passos de prova para obter-se d=2X, em Prolog • seria mais rápido acrescentando-se a regra ArithmeticUnknown(u) Derivative( u2,u) = 2u
EBL • EBL vai além de “memoization” pois, em vez de só decorar, generaliza 1) constrói uma explicação (árvore de prova) para a observação usando o conhecimento a priori 2) estabelece uma definição para a classe de casos para os quais tal explicação pode ser usada (generaliza a árvore de prova) • A construção da explicação • pode ser uma prova lógica ou qualquer processo de resolução de problemas • o importante é identificar quais são as condições nas quais estes passos podem ser reaplicados
Exemplo • Regras da base de conhecimento • Mata(x,x) Suicida(x) • Depressivo(x) Detesta(x,x) • Compra(x,y) Possui(x,y) • Detesta(x,y) Possui (x,z) Arma(z) Mata (x,y) • Punhal(x)Arma(x) • Pistola(x) Arma(x) • Fatos da base de conhecimento • Suicida(João) • CorDosOlhos(João, Azuis) • Compra(João,Objeto) • Pistola(Objeto) • Depressivo(João) • Louro(João)
R1 Mata(João,João) R4 Detesta(João,João) Possui(João,Objeto) Arma(Objeto) R2 R3 R6 Depressivo(João) Compra(João,Objeto) Pistola(Objeto) Árvore de prova Suicida(João) Note que olhos azuis e outras coisas não foram consideradas
E agora? • Ainda restam muitas particularidades. É preciso generalizar! • EBL constrói uma segunda árvore de prova “variabilizando” a consulta • constantes substituídas por variáveis • usa a mesma seqüência de regras • Uma vez esta árvore pronta, • toma-se apenas as folhas com eventuais substituições e forma-se uma nova regra
Suicida(x) R1 Mata(x,x) R4 Detesta(x,x) Possui(x,y) Arma(y) R2 R3 R6 Depressivo(x) Compra(x,y) Pistola(y) Generalizando... • Regra final • Depressivo(x) Compra (x,y) Pistola(y) Suicida (x)
Problemas • Na prática, é um aprendizado pouco usado... • pois a partir de um certo ponto, acrescentar novos “atalhos” diminui a eficiência do sistema • e é justamente isto que se queria melhorar... • Mas é importante conceitualmente