Raciocínio Baseado em Casos

1. Raciocínio Baseado em Casos Teresa Ludermir Centro de Informática - UFPE

2. AprendizadoBaseadoemInstâncias • K-vizinhos mais próximos (Nearest Neighbours) • RaciocínioBaseadoemCasos

3. AprendizadoBaseadoemInstâncias • A aprendizagem consiste somente em armazenar os exemplos de treinamento <x1,c1>, <x2,c2> . . . <xn,cn>. • Após a aprendizagem, para encontrar o valor do conceito alvo associado a uma instância de testes <xt, ? >, um conjunto de instâncias similares são buscadas na memória e utilizadas para classificar a nova instância. • A generalização é feita somente quando uma nova instância deve ser classificada.

4. AprendizadoBaseadoemInstâncias • Muitos métodos de aprendizagem constroem uma descrição geral e explicita da função alvo a partir de exemplos de treinamento. • Os métodos de aprendizagem baseados em instâncias simplesmente armazenam os exemplos de treinamento.

5. AprendizadoBaseadoemInstâncias • Constroem uma aproximações para a função alvo para cada instância de teste diferente. • Constrói uma aproximação local da função alvo. • Podem utilizar representações mais complexas e simbólicas para as instâncias

6. AprendizadoBaseadoemInstâncias • Uma desvantagem é o alto custo para classificação. • Toda a computação ocorre no momento da classificação !!! • Aumenta com a quantidade de exemplo de treinamento.

7. Raciocínio baseado em regras - RBR Um sistema que usa RBR resolve problemas tomando uma especificação de entrada (ou desenvolvendo um conjunto de perguntas-e-respostas com o usuário) e então “encadeia” um conjunto de regras apropriadas obtidas a partir de uma base de regras para chegar a uma solução.

8. Raciocínio baseado em regras • A capacidade de aprendizagem não é algo inerente aos sistemas baseados em regras; • Dificuldade de adaptação às mudanças, surgimento de novos problemas dentro do domínio corrente; • A construção e a manutenção são tarefas que demandam muito tempo • A extração de regras junto a especialistas também é uma tarefa árdua; • As regras são inerentemente dependentes de outras regras; • É muito complexa a tarefa de eliminação erros.

9. “Pessoas: Experiência vivida” • Classificação: “Os problemas de ouvido deste paciente são casos típicos de otite média” • Soluções compiladas: “Os sintomas de coração do paciente X podem ser explicados da mesma maneira que aquele paciente Y” • Avaliando medidas: Minha casa é como aquela que foi vendida mais em baixo nesta rua por R$25.000,00 mas ela tem uma vista melhor”

10. “Pessoas: Experiência vivida” • Concepção (design): para projetar este hospital, vou me basear naquele que já fiz com um número de leitos parecido, embora tenha de adaptá-lo pois este é de esquina • Avaliando opções: se nós atacássemos as intalações dos mísseis cubanos/russos, seria como no caso de Pearl Harbor

11. Regras Experiência Engenheiro de conhecimento Algoritmo de aprendizagem Regras Experiência Experiência: o que o especialista tem de mais valioso • Sistemas Especialistas convencionais: • (alguns) Sistemas Especialistas de segunda geração:

12. Experiência: o que o especialista tem de mais valioso • Case-based reasoning system • Um método de resolução de problemas onde novos problemas são resolvidos adaptando-se soluções de antigos problemas similares • aprendizado incremental on-line • suavisa necessidade de aquisição de conhecimento • tem plausibilidade cognitiva Experiência Experiência

13. O que é Raciocínio Baseado em Casos (RBC) ? • Case-basedreasoning system is ... reasoningbyremembering. Leake, 1996 • A case-basedreasoner solves newproblemsbyadaptingsolutionsthatwereused to solve oldproblems. Riesbeck & Schank, 1989 • Case-basedreasoning is a recent approach to problemsolvingandlearning ... Aamodt & Plaza, 1994 • Case-basedreasoning is both ... Thewayspeople use cases to solve problemsandthewayswecanmake machines use them. Kolodner, 1993

14. Definição de RBC • Raciocínio Baseado em Casos (RBC) é um paradigma de IA que utiliza experiências passadas para solucionar problemas correntes • Abordagem muito utilizada por seres humanos para resolver problemas práticos • Um caso • é um episódio vivido • contém a descrição de : problema + solução • exemplos: um paciente, um projeto arquitetônico, uma situação, uma causa jurídica, uma melodia, etc.

15. Exemplos • Aulas de Aldo vonWangeheim • Transparências 8 - 24

16. Fases do RBC • Em geral, sistemas de RBC estão relacionados aos processos: • Representação de Casos • Indexação de Casos • Armazenamento e Recuperação de Casos • Adaptação de Casos • Avaliação e Reparo de Casos

17. Fases do RBC

18. RBR vs. RBC – Obtenção de conhecimento • RBR • Articulação de soluções é realizada por inferências sobre um conjunto potencialmente grande de regras; • É preciso reestruturar o código para acomodar expansões e tratamento de casos particulares. • RBC • O aprendizado é uma tarefa natural, através da retenção de novos casos; • O conhecimento do domínio não precisa ser completamente definido no desenvolvimento do sistema.

19. RBR vs. RBC - Memória • RBR • Não possuem memória, o que obriga a construção de soluções sempre a partir do zero. • Erros anteriores tendem a acontecer novamente. • RBC • Possuem uma memória de casos anteriores, continuamente incrementada. • Permite construir soluções a partir de outras, minimizando o tempo gasto e evitando cometer novamente os mesmos erros;

20. RBR vs. RBC - Robustez • RBR • Quando um problema não se encaixa em nenhuma regra, o sistema simplesmente não pode resolvê-lo. • RBC • Podem adaptar casos com características similares que podem ser úteis para resolver o problema atual.

21. Sistemas baseados em regras: críticas • aquisição de conhecimento muito difícil • regras nem sempre são intuitivas • desenvolvimento é muito longo • não aprende • não é robusto • tratamento de incerteza complicado • manutenação e refinamento são delicados • é lento

22. Desenvolvimento de um sistema RBC • Qual a natureza e conteúdo dos casos? • Como representá-los? • Como indexá-los de maneira a poder encontrá-los adequadamente e rapidamente mais tarde? • Qual são os critérios para a escolha do melhor caso e como recuperá-lo? • Como estruturar (organizar) os casos da base? • Como adaptar o caso recuperado?

23. Natureza e conteúdo dos casos • Pergunta chave • O que é um caso no domínio abordado? • Conteúdo • Mínima: descrição do problema e da solução • Extensões: avaliação da solução (falhas, sucesso, etc.) , contexto (justificação, links com outros casos, etc.), • Quantidade de casos • distribuir bem no espaço de problema n-dimensional (n atributos)

24. Representação dos Casos • Definição do conteúdo que será armazenado. • Determinação das características mais relevantes de cada caso. • Busca de uma estrutura apropriada para descrever estas características.

25. Representação dos Casos • Várias linguagens • de vetores de características • Atributo-valor (frames, redes semânticas, objetos, ...) • lógica de primeira ordem

26. Indexação • Objetivo: dar ao sistema conhecimento sobre como estocar e comparar (match) casos • Vocabulário de indexação • índice = atributo, característica, predicado, ... • Pode ser feita manual ou automaticamente

27. preço ano modelo marca opcionais kilometragem motor cor .... Indexação • Interpretação de situação • os índices realmente relevantes para um problema/situação em particular

28. Indexação • Indexação pelo vizinho mais próximo • Baseada na distância euclidiana entre o novo caso e os casos armazenados; • Indexação indutiva • Determina indutivamente quais as características mais importantes para os vários casos; • Indexação baseada em conhecimento • Utiliza o conhecimento existente na literatura para cada caso e determina quais características são importantes para recuperá-los;

29. Similaridade e recuperação • O casamento é parcial !!!! =>Mais robustez • Etapas da recuperação • Matching: encontrar os N casos mais similares ao caso alvo • Ranking: Escolher o melhor caso MC em relação o alvo

30. Adaptação dos casos • Objetivo: compensar as diferenças entre o problema-alvo e problema-fonte escolhido • Adaptação: 3 tipos • Cópia: usada normalmente em classificação • Adap. Estrutural: a partir da própria solução recuperada • Adap. Derivacional: a partir da maneira com que a solução recuperada foi gerada

31. Adaptação dos casos • Para as duas últimas formas de adaptação as operações são: • ajuste de parâmetros, abstração e especialização, substituição,... • Problema: • depende do domínio,coordenação do conjunto de operadores de transformação

32. Exemplo de Adaptação • JULIA precisa criar uma refeição italiana (e que não contenha carne) composta de entrada, massas, refeição principal e sobremesa; • Baseando-se em casos anteriores, JULIA escolhe lasanha como prato principal. Porém: • a refeição original inclui um prato de massas. Para simplificar, JULIA elimina o prato de massas; • lasanha inclui carne. Devido à restrição do problema, uma lasanha vegetariana é proposta;

33. Avaliação e reparo dos casos • Revisão 1) Avaliar a solução (automaticamente ou não) 2) Consertar o caso • Retenção: Se algo ensina alguma lição para o futuro, chame-o de caso 1) Extração da informação a reter 2) indexação 3) inserção/integração do caso na base • exemplo: ajuste dos pesos de determinados atributos de um caso;

34. Aprendizado em RBC • No aprendizado de máquina tradicional, existe a fase do aprendizado e a fase de utilização: indução e dedução; • Em RBC, o aprendizado é parte do processo de resolução de problemas; • O princípio: é mais fácil aprender retendo um exemplo concreto de solução do que tentar generalizar tais experiências;

35. Quando usar CBR? • Existe uma grande volume de dados históricos • Os especialistas falam sobre seus domínio dando exemplos • A experiência vale tanto quanto o conhecimento dos livros texto • Os problemas não são completamente formalizáveis • fraca compreensão do problema, dificuldade de verbalização

36. Quando usar CBR? • Existem conhecimento para adaptação de casos • Existem muitas exceções às regras • É preciso aprender “on-line”

37. Problemas • Aquisição & descrição dos casos • nem sempre é trivial além de demandar conhecimento do domínio! • O controle da medida de similaridade é fraco pois o matching é parcial • o acúmulo de semelhanças “irrelevantes” faz com que certos casos sejam escolhidos em detrimento dos outros • como ter certeza que as propriedades A e B serão determinantes na recuperação de um caso que contém 20 atributos? • A explicação • pode ser prejudicada quando a recuperação é baseada em uma medida de similaridade numérica

38. Combinando RBC com RN • RBC e RN têm sido combinados em algumas pesquisas recentes • Integração pode ocorrer por: • Divisão de tarefas entre a RN e o RBC • Projeto de uma arquitetura inteligente combinando características de RN e RBC

39. Combinando RBC com RN • Casamento e indexação de casos • Maioria das combinações • Procura padrões de similaridade entre os casos • Auxiliar processo de Raciocínio do sistema RBC • Definir arquitetura neural mais adequada para uma dada aplicação

40. Aplicações de RBC - [Prudêncio 2002] RBC foi utilizado juntamente com Algoritmos Genéticos (AG) e Redes Neurais Artificiais (RNA) para a previsão de séries temporais por [Prudêncio 2002]; O sistema de RBC mantém uma base de casos em que cada caso armazena a descrição de um problema resolvido com redes neurais e a solução aplicada. Diante de um novo problema, uma consulta é feita à base de casos, recuperando as soluções usadas nos problemas mais similares.

41. Aplicações de RBC - [Prudêncio 2002] Essas soluções são inseridas na população inicial dos AGs, que são responsáveis por adaptá-las; Após a execução dos AGs, a solução final poderá ser inserida na base de casos, para auxiliar a solução de problemas futuros. As redes geradas pelo modelo apresentaram maior poder de generalização, além de um número menor de conexões de rede.

42. Aplicações de RBC - [Prudêncio 2002]

43. Aplicações de RBC - [Prudêncio 2002]

44. Aplicações de RBC - [Prudêncio 2002] • Módulo PROC • Transforma uma série temporal não estacionária em uma série estacionária, ou seja, que não apresentam tendência e sazonalidade; • Módulo GBC • Mede a similaridade do problema atual com todos os problemas armazenados na base e retorna os mais similares. • O número de casos retornados da base é igual ao número de cromossomos da população dos AGs; • Usa a distância euclidiana. • Módulos AG e TR • Operam cooperativamente na busca pela melhor solução.

45. Um Novo Modelo de Automatização: RBC e AG • Projeto das redes é tratado de forma híbrida: • uso de conhecimento e busca. • Conhecimento é usado para iniciar o processo de busca. • Base de casos é usada para inicializar a primeira população dos AGs. • No modelo proposto, RBC manipula o conhecimento e AGs realizam a busca.

46. Aplicações: estado da arte • Todas as classes de problemas dos SE´s • diagnóstico, planejamento, scheduling, interpretação, design, seleção, ensino,.... • Existem ferramentas (shells) • ReMind, CAsePOint,CASUEL, ART*, ReCall, CBR-Express,... • Exemplos • Machine Tool Fault Diagnosis • Computer Network Diagnosis • Credit Analysis • Geological Deposit Prediction • Battle Planning

47. Mais aplicações... • Bank Telex Classification • Natural Language Understanding • Network Management • Legal Reasoning • Claims Settlement • Medical Diagnosis • Weather Prediction • Fraud Detection • Industrial Planning and Scheduling • Residential Domain • Aircraft Maintenance Domain • Helpdesk Systems for PC Network Diagnostics

48. Algumas aplicações na WEB • FIND-ME AGENTS • sugere filmes e carros em locadoras • raciocino através de exemplos • BUTTLER AGENTS • sugere hotéis, restaurantes, oficinas, ... • CORRESPONDENT AGENTS • usa técnicas de recuperação de casos para encontrar textos: FAQ-finder

49. Find Me: http://infolab.cs.uchicago.edu/entree

50. Referências • Aamodt, A; Plaza, E. (1994). “Case-Based Reasoning: Foundational Issues, Methodological Variantions, and System Approaches”. Em AI Communications, Vol. 7, nr. 1; • Kolodner, J. (1993) Case Based Reasoning. Morgan Kaufmann. • Web • AI-CBR Home Page: http://www.ai-cbr.org/theindex.html • CBR archive: http://www.ai-cbr.org/cases.html • CBR in the Web: http://wwwagr.informatik.uni-kl.de/~lsa/CBR/CBR-Homepage.html • CBR Bibliography: http://www.surveying.salford.ac.uk/AI-CBR/biblio/search.html