Tópicos de I.A.

1. Tópicos de I.A. SISTEMAS ESPECIALISTAS Prof. Mário Dantas

2. Sistemas Especialistas • Introdução • Histórico • Representação do Conhecimento • Modelos de Representação do Conhecimento • Aquisição de Conhecimento • Metaconhecimento • Funções de um Sistema Especialista • Componentes de um Sistema Especialista • Categorias dos Sistemas Especialistas • Tipos de Respostas de um Sistema Especialista • Sistemas Especialistas de Segunda Geração • Ferramentas para construção de SEs • Balanço • Últimos desenvolvimentos

3. Sistemas Especialistas • Definição • Sistemas que empregam o conhecimento humano para resolver problemas que requererem a presença de um especialista. • Área de aplicação de mais sucesso da IA • Faz parte dos chamados knowledge-based systems • Utilidade • Capacitar não-especialistas • Servir de assistente a especialistas • Servir de repositório de conhecimento “valioso” para a empresa • etc.

4. Sistemas especialistas ou Sistemas baseados em conhecimento Apresentam comportamento inteligente através da aplicação de heurísticas Programas de I.A. Sist. Baseados em Conhecimento Tornam o domínio do conhecimento explícito e o separam do resto do sistema Sistemas Especialistas Aplicam conhecimento especialista em problemas reais e complexos

5. Conceitos Básicos • Expertise • conhecimento especializado adquirido por longo treinamento, leitura e experiência • Especialista • Quem possui o conhecimento, experiência, métodos e a habilidade de aplicá-los para dar conselhos e resolver problemas. • Engenheiro de conhecimento • Guia a aquisição, representação do conhecimento especializado, bem como a implementação e refinamento do SE.

6. Expertise • Conhecimento específico sobre a tarefa modelada e seu domínio: • Fatos e teorias sobre o domínio • Frames, redes semânticas,... • Regras boas e rápidas e procedimentos gerais, advindas da experiência • Heurísticas para situações específicas • Estratégias globais

7. Especialista • Detentor do conhecimento sobre a área e sobre a tarefa específica. Sabe: • Reconhecer e formular o problema em sua verdadeira extensão • Explicar a solução (às vezes) • Quando quebrar regras • Relevância dos fatos

8. Engenheiro de Conhecimento • Ajuda a transferir a expertise para o Sistema Especialista. Tarefas: • Aquisição do conhecimento • Representação • Documentação • Principalmente para o módulo explanador

9. Histórico: GPS (1960s) • General Problem Solver (GPS) • Motivação: • leis do pensamento + máquinas poderosas • Funcionamento: •  planejamento + sub-goaling • ex. estou com fome => comer => pedir pizza => telefonar => ir para a sala => sair do quarto... • O Logictheorist deu certo mas.... em geral, GPS não funciona • fraca representação de conhecimento • humanos são bons só em domínios restritos

10. Histórico: GPS (1960s)

11. Histórico: Primeiros SEs (1960s-1970s) • DENDRAL • Inferir estrutura molecular de componentes desconhecidos dadas a massa espectral e a resposta nuclear magnética; • Conhecimento especializado poda a busca por possíveis estruturas moleculares; • Fez sucesso: publicações científicas; • Representação procedimental de conhecimento

12. Histórico: Primeiros SEs (1960s-1970s) • MYCIN • Diagnosticar rapidamente meningite e outras infecções bacterianas, e prescrever tratamento; • Representação de conhecimento baseada em regras probabilísticas (em torno de 500); • Fez sucesso: acima de 90% de acerto; • introduziu explicação e boa interface com usuário. • Exemplo de regra if the infection is meningitis and the type of infection is bacterial andthe patient has undergone surgery andthe patient has under gone neurosurgery andthe neurosurgery-time was < 2 months ago andthe patient got a ventricular-urethral-shunt then infection = e.coli(.8) or klebsiella(.75)

13. Histórico: 1970s & 1980s • 1970s: Esforço para desenvolver melhores (e mais especializadas) • Linguagens de representação de conhecimento; • Mecanismos de inferência; • 1980s: Grande boom dos SEs • XCON, XSEL, CATS-1, etc.

14. CATS-1 • Problema da General Electric: • Aposentadoria de David Smith: engenheiro especialista em falhas de motores elétrico-diesel de locomotivas • Custo deste tipo de engenheiro • Solução convencional • Treinamento de engenheiros novatos • 1980: Construção de CATS-1 (DELTA) • Meses de entrevista, 3 anos p/ primeiro protótipo • Permite diagnostico em poucos minutos • Existe um em cada oficina • Dá treinamento: é amigável e explica decisões

15. Representação do Conhecimento • Deve-se ter consciência das diferenças entre o que se quer representar e o que é efetivamente representado; • A representação do conhecimento deve possuir as seguintes características: • deve ser de fácil compreensão ao ser humano, para que a representação possa ser interpretada;

16. Representação do Conhecimento • não deve conter detalhes sobre o funcionamento do processador de conhecimento que o interpretará; • ser robusta, ou seja, capaz de executar suas funções mesmo sem o conhecimento de todas as situações possíveis; • ser generalizável, para que possa ser associada a várias situações e interpretações; esta característica contraria o conhecimento humano, que é pessoal e individualizado;

17. Modelos de Representação do Conhecimento • Conhecimento procedural; • Redes ou Redes Semânticas; • Frames; • Orientação a Objetos; • Orientação a Objetos Associada a Regras; • Lógica; • Árvores de Decisão; • Conhecimento Estático; • Regras de Produção; • Processamento Paralelo Distribuído ou conexionista; • Esquemas híbridos; • Casos.

18. Aquisição de Conhecimento • A parte mais importante e mais complexa; • Também conhecido como Engenharia do Conhecimento; • Envolve o Engenheiro do Conhecimento, Especialistas e usuários comuns; • Dificuldades de comunicação entre o engenheiro do conhecimento e o Especialista; • Decisão de quê conhecimento é necessário; • Representação do conhecimento extraído.

19. Aquisição de Conhecimento • Segundo Rezende (2003), pode ser dividia em: • Identificação; • Conceituação; • Formalização; • Implementação; • Testes.

20. Identificação • Nessa fase o engenheiro do conhecimento deve identificar que tipo de conhecimento ele deve buscar; • Durante essa fase deve-se realizar entrevistas informais com o especialista, bem como efetuar pesquisas em materiais bibliográficos sobre o domínio do sistema; • Entrevistas com futuros usuários do sistema também são importantes, para que possa se modelar a interação entre o sistema e os usuários.

21. Conceituação • Formular os conceitos e relações entre esses conceitos do problema; • É a fase onde se deve decidir o que representar e o que não representar; • Entrevistar novamente o especialista, desta vez com perguntas formuladas de acordo com o material já obtido; • Começar a elaborar hipóteses sobre os tipos de dados de entrada requeridos, os dados de saída requeridos e o tipo de raciocínio que predominará no sistema.

22. Formalização • Modelar o problema do Sistema Especialista; • Transformar o conhecimento adquirido informalmente em uma representação formal e consistente; • Escolher a linguagem de representação para modelagem do sistema; • Definir os espaços de estados e soluções do sistema; • Definir os métodos de busca que serão utilizados; • Identificar as limitações do Sistema Especialista

23. Implementação • Deve-se definir nessa fase a linguagem de representação do conhecimento do sistema; • Deve-se orientar a codificação do modelo do sistema em alguma linguagem de programação, ou utilizar uma ferramenta de Inteligência Artificial;

24. Testes • Avaliar o desempenho do sistema, testando neste alguns casos e observando se os resultados obtidos são satisfatórios; • Uma dificuldade encontrada nessa fase é identificar a quantidade aceitável de erros; • Pode-se deixar o sistema em testes em seu próprio ambiente de operação.

25. Metaconhecimento • Conhecimento sobre o conhecimento do sistema; • É adquirido e representado da mesma forma que o conhecimento do sistema; • Exemplo: • quando o processo de encadeamento deve parar; qual parte do conhecimento deve ser analisada em qual ordem, etc. • “se o paciente relata dor na região lombar da coluna, investigue se ele sente dormência nas pernas”; • “procure respostas nos caminhos mais curtos, antes de procurar nos mais complexos”.

26. Funções de um Sistema Especialista • As principais funções de um Sistema Especialista são as seguintes, segundo Silveira (2006): • Resolver problemas de grande porte com a mesma eficiência ou melhor que humanos; • possuir raciocínio heurístico, utilizando regras práticas; • Interagir com os usuários pelos meios que forem possíveis, como linguagem escrita ou falada;

27. Funções de um Sistema Especialista • Cont.: • ser capaz de raciocinar sobre descrições simbólicas; • executar suas funções mesmo que os dados estejam incorretos, como também pode ocorrer com humanos; • manipular uma série de hipóteses ao mesmo tempo; • fornecer ao usuário a explicação sobre uma solução encontrada, justificando suas decisões;

28. Componentes de um Sistema Especialista • Base de Conhecimento; • Quadro-negro ou memória de trabalho; • Máquina de Inferência; • Subsistema de aquisição de conhecimento; • Subsistema de explicações; • Interface com o usuário.

29. Componentes de um Sistema Especialista

30. Base de Conhecimento • A base de conhecimento de um Sistema Especialista é um banco de dados que armazena as informações fornecidas pelo especialista; • Contém a descrição do conhecimento do especialista dentro do domínio; • As informações do especialista são transformadas em fatos e regras sobre o domínio; • Base de conhecimento é independente do resto do sistema.

31. Quadro-Negro ou Memória de Trabalho • É um local na memória física do computador onde informações são armazenadas para compartilhamento com outros sistemas; • As informações duram somente durante o processo de consulta; • Ficam armazenadas as perguntas já respondidas pelo usuário, bem como possíveis soluções intermediárias; • Armazena a linha de raciocínio da solução para utilização pelo subsistema de explicação.

32. Máquina de Inferência • Examina o conteúdo da base de conhecimentos, escolhendo a ordem de análise das inferências; • Utiliza o Metaconhecimento; • Transfere os fatos e as regras para o quadro-negro; • Suas principais funcionalidades são: • método de raciocínio (encadeamento progressivo ou regressivo); • estratégia de busca; • resolução de conflito; • representação de incerteza.

33. Subsistema de aquisição de conhecimento • Representa a aprendizagem do sistema; • Responsável pela introdução de novos conhecimentos ou alteração dos existentes; • Interface própria;

34. Subsistema de explicações • Explica como o sistema chegou a suas conclusões e justifica os passos utilizados no processo; • Objetivos: • ensinar o usuário sobre o assunto; • mostrar que sua conclusão é consistente; • lembrar o usuário elementos importantes da análise que levam o sistema a determinada conclusão • Responde a: • Como chegou a uma dada conclusão? • Porque rejeitou uma dada alternativa? • Qual o plano para achar uma solução? • Porque fez uma pergunta específica?

35. Interface com o usuário • Linguagem natural ou menus; • Pode fazer perguntas ao usuário; • Deve permitir ao usuário descrever o problema; • Pode permitir ao especialista ou engenheiro de conhecimento inserir conhecimento.

36. Categorias dos Sistemas Especialistas • Interpretação; • Diagnóstico ou Classificação; • Monitoramento; • Predição; • Planejamento; • Projeto; • Depuração; • Reparo; • Instrução; • Controle.

37. Tipos de Respostas de um Sistema Especialista • Primeiro modo: neste tipo o sistema indica o domínio onde se situa resposta; é uma resposta ampla, apenas limita a sua busca ao domínio indicado; • Segundo modo: método mais preciso, onde o sistema indica uma resposta ou um número pequeno de respostas para ser analisado; • Terceiro modo: neste caso o sistema não oferece resposta alguma, realizando apenas uma interação com o usuário, apresentando fatos e informações para que este reflita sobre o problema e encontre uma solução.

38. Sistemas Especialistas de Segunda Geração • Abandonaram a hipótese da transferência de conhecimento: • o especialista valida o modelo computacional proposto. • Aquisição guiada por modelos: reuso de ontologias e estruturas de inferência: 1) Decomposição de tarefas 2) Caracterização das (sub)tarefas 3) Busca de um modelo em uma biblioteca (ex. KADS - http://www.commonkads.uva.nl/) modelo = ontologia do domínio + estrutura de inferência 4) entrevista estruturada

39. Sistemas Especialistas –2ª. Geração • Objetivo: Acelerar a construção de SEs • Reuso é imperativo: • BCs são a parte mais cara de um SBC • Melhorias no processo de modelagem do conhecimento • Tendência a que o próprio especialista edite o conhecimento • Protégé [Gennarietal 2003] • Integração entre aprendizado e inferência simbólica para acelerar a aquisição • Sistemas híbridos

40. Ferramentas para construção de SEs • 3 opções • Shell (OPS, ExpertSinta, KAS, ...) : é o mais utilizado • Linguagens de programação para IA (Prolog) • Linguagens de programação gerais (OOP) • Linguagens híbridas (componentes de IA): regras + objetos (CLIPS, JESS, NeOpus, JEOPS, etc.) • Critérios de escolha • Facilidade de uso • Flexibilidade • Interface com sistema • Desempenho • Portabilidade

41. Shell Expert Sinta

42. Regras de Produção

43. Entrada de Dados

44. Saída de Dados

45. Mecanismo de Justificativa

46. Balanço

47. Benefícios do S.E. • Criação de repositório de conhecimento • Crescimento de produtividade e qualidade • Habilidade de resolver problemas complexos • Flexibilidade e modularidade • Operação em ambientes arriscados • Credibilidade • Habilidade de trabalhar com informações incompletas ou incertas • Fornecimento de treinamento

48. Problemas e Limitações • Avaliação de desempenho difícil; • É difícil extrair conhecimento especialista; • Só trabalham muito bem em domínios estreitos; • Engenheiros de Conhecimento são raros e caros; • Transferência de conhecimento está sujeito a um grande número de preconceitos; • Falta de flexibilidade do sistema;

49. Últimos desenvolvimentos • Aquisição de conhecimento: • SEs de 2ª geração & aprendizagem • Ferramentas de desenvolvimento + OOP • Integração com outros sistemas • ex. banco de dados e sistemas de suporte à decisão • Tratamento de incerteza

50. Referências • WEBER, Rosina de Oliveira. Sistema Especialista Difuso para Análise de Crédito. São Paulo: UFSC, 1993. Dissertação (Mestrado em Engenharia), Universidade Federal de Santa Catarina, 1993. • KERN, Ernani Soares. Sistema Especialista: uma introdução para Apoio à Fisioterapeutas. Porto Alegre: UNIRITTER, 2007. Monografia (Bacharelado em Sistemas de Informação), Centro Universitário Ritter dos Reis, 2007. • PY, Mônica Xavier. Sistema Especialista: Uma Introdução. Porto Alegre: UFRGS. Artigo, Universidade Federal do Rio Grande do Sul.