1 engenharia do conhecimento patrícia tedesco revisada por flávia barros

68
1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

Upload: internet

Post on 19-Apr-2015

113 views

Category:

Documents


3 download

TRANSCRIPT

Page 1: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

1

Engenharia do Conhecimento

Patrícia Tedesco

Revisada por Flávia Barros

Page 2: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

2

Plano de Aula

Histórico e Conceitos Básicos

Engenharia de Conhecimento em uma BC

Um exemplo de Metodologia

Conclusão

Page 3: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

3

Sistemas Baseados em Conhecimento

SBCs são sistemas que usam conhecimento especializado representado explicitamente para resolver problemas complexos

São sistemas capazes de... Questionar o usuário Raciocinar com base no conhecimento

disponível Explicar seu raciocínio ao usuário “Lidar” com seus erros

Page 4: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

4

Relembrando...Sistemas BC X Agentes BC

Sistemas baseados em conhecimento Têm uma base de conhecimento e uma

máquina de inferência associadas Formalizam e implementam parte dos agentes

BC

Qual a diferença? Agentes interagem com o ambiente onde estão

imersos através dos sensores e atuadores

Page 5: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

5

Um Pouco de História...

No início, a IA estava preocupada em desenvolver Formalismos para representar conhecimento Mecanismos de Inferência Formas de operacionalizar os SBCs

Mas... Como garantir a escalabilidade desses

sistemas?

Page 6: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

6

Engenharia do Conhecimento -EC

Área de pesquisa preocupada com desenvolver Métodos, Linguagens e

Ferramentas adequados para o desenvolvimento de

sistemas BC

Foco principal: como adquirir, analisar, validar e manter uma

Base de Conhecimento

Construção da Base de Conhecimento Processo de acumular, transferir e transformar

alguma fonte de conhecimento para um computador

Page 7: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

Uma Área Multidisciplinar!

Page 8: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

8

EC lida com dois tipos de sistemas

SEs = Sistemas Especialistas

SBCs

SEsRepresentam conhecimento do domínio de forma explícita

Aplicam conhecimento especializado na solução de problemas complexos

Page 9: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

9

Etapas do desenvolvimento de SBCs

1. Construção da base de conhecimento Aquisição de conhecimento Representação do conhecimento

(formalização)

2. Implementação do sistema Codificação Construção do sistema de explicação,

interface, etc.

3. Refinamento e validação

Page 10: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

10

Etapas do desenvolvimento de SBCsmais detalhes...

1. Planejamento do sistema Identificação do Domínio Seleção da equipe Seleção da ferramenta de desenvolvimento

2. Aquisição do conhecimento Identificação do conhecimento a adquirir Conceituação Formalização da BC

Page 11: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

11

Etapas do Desenvolvimento de SBCs mais detalhes...

3. Implementação Criação de uma representação do

conhecimento Implementação da Interface Documentação

4. Validação e Refinamento Validação Refinamento

E tudo começa novamente...

Page 12: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

12

BC

Como o Conhecimento é Processado?

Nível de Conhecimento

Nível Lógico

Nível de Implementação

AQUISIÇÃO

FORMULAÇÃO

IMPLEMENTAÇÃO

REFINAMENTO

Page 13: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

13

Engenharia do Conhecimento

Mais detalhes...

Page 14: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

14

EC - Conceitos Básicos

Engenheiro de conhecimento Guia a aquisição, a criação da representação

do conhecimento especializado, a implementação e o refinamento do SBC

Expertise conhecimento especializado adquirido por

longo treinamento, leitura e experiência

Especialista (Expert ) Quem possui conhecimento especializado ,

experiência e métodos, e a habilidade de aplicá-los para dar “conselhos” e resolver problemas

Page 15: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

15

EC - Conceitos Básicos

Há diferentes “tipos” de conhecimento Que devem ser representados separadamente!

Conhecimento ontológico, conhecimento do domínio, ... Qual a forma de representação adequada?

Ontologias, Bases de conhecimento,...

Há diferentes tipos de especialistas e de expertise Como elicitar os diferentes “conhecimentos”?

Há vários usos para conhecimentos semelhantes Reusabilidade é a chave!

Page 16: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

Construindo uma BC

Elicitação do conhecimento

Formalização do conhecimento

Implementação do sistema BC

Nível do conhecimento:• Nos termos do especialista do domínio de aplicação• Linguagem natural, Notações gráficas ad-hoc

Nível semi-formal:• Notação textual estruturada padrão (XML) • Notação gráfica padrão (UML)• Validação com especialista

Nível formal:• Notação sem ambigüidade com semântica formalmente definida (Lógica, Probabilidades)• Verificação de consistência

Nível da implementação:• Codificação em uma linguagem de programação• Teste de protótipo

Page 17: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

Artefatos e Tarefas EnvolvidosElicitação do conhecimento

Formalização do conhecimento

Implementação do sistema BC

Nível do conhecimento:• Nos termos do especialista do domínio de aplicação• Linguagem natural, Notações gráficas ad-hoc

Nível semi-formal:• Notação textual estruturada padrão (XML) • Notação gráfica padrão (UML)• Validação com especialista

Nível formal:• Notação sem ambigüidade com semântica formalmente definida• Verificação de consistência

Nível da implementação:• Codificação em uma linguagem de programação• Teste de protótipo

• Entrevistas estruturadas com especialista• Preparação de dados

• Ontologias • Linguagens semi-formais derepresentação do conhecimento

• Linguagens formais derepresentação do conhecimento• Aprendizagem de Máquina

• Compiladores• Máquinas de inferências• Aprendizagem de Máquina

Page 18: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

18

Reuso de conhecimento

Reuso de conhecimento é imperativo: A Base de Conhecimento é a parte mais cara

de um SBC O resto já está “semi-pronto”...

Necessidade de reuso em domínios com grande número de conceitos e relações ex: Medicina

Observação: queremos reusar o conhecimento que já está

formalizado em uma representação baseada em algum formalismo para rep. conhecimento

Page 19: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

19

Dificuldades com Reuso

Utilização de formalismos diferentes dificulta o reuso Falta de interoperabilidade entre formalismos,

mesmo entre os orientados a domínio

Contudo, formalismo diferentes apresentam certa similaridade expressiva Como ter reuso no nível de conhecimento? Como abstrair formalismos?

Solução visando reuso no nível do conhecimento: Ontologias!

Page 20: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

20

Ontologias

Bem de leve...Nota: os slides sobre esse tema foram copiados/adaptados de aulas do prof. Fred Freitas

Page 21: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

21

Formalismos de Representação de Conhecimento

Objetivo: Prover teorias (fundamentadas em lógica

matemática) e sistemas para expressar e manipular conhecimento

declarativo de forma tratável e eficiente

computacionalmente

Page 22: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

22

Tipos de formalismos em relação ao foco

Formalismos orientados a predicados regras e programação em lógica

Pioneiros Foco no processo, funcionamento

Formalismos orientados a domínios frames, redes semânticas, lógica de

descrições Classes, relações e restrições Facilitam a estruturação de conhecimento

sobre um domínio de aplicação

Page 23: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

23

Sistemas baseados em conhecimento

Principais sistemas de raciocínio declarativos/dedutivos

regraslógica objetos híbridos

Programação em lógicaSistemas de produção

Sistemas de manutenção da verdade

Provadores de teoremaSistemas Redes Semânticas

Sistemas FramesSistemas de Lógica descritiva

Sistemas OO

regras+objetoslógica+objetos

lógica+objetos+funções

Page 24: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

24

Ontologias

Termo oriundo da filosofia Ramo da filosofia que lida com a natureza e

organização da realidade

Categorias de Aristóteles taxonomia para os objetos do mundo

Em informática e inteligência artificial, ganha um senso mais prático Organização de conhecimento manipulável

Page 25: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

25

O que é uma Ontologia?

Corpo de conhecimento declarativo sobre um dado domínio, assunto ou área de conhecimento

Materialização do nível de conhecimento em um sistema BC Define um domínio, visando maximizar o reuso

dessas definições Idealmente, não deve refletir nenhum

formalismo

Na prática, são hierarquias de conceitos (classes) com suas relações, restrições, axiomas e terminologia associada

Page 26: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

26

Definições de Ontologia

Hierarquia de conceitos (classes) com suas relações, restrições, axiomas e terminologia associada

[Huhns & Singh 97]Id Modelo

Xy 777

Agente da Cia. Aérea

Ont. de Meios de Transporte

Trem Avião Barco

Transporte Carreira Caça

Avião

Meu agente

777[é-um 777]

Id Modelo

Xy 777

Agente da Cia. Aérea

Ont. de Meios de Transporte

Trem Avião Barco

Transporte Carreira Caça

Avião

Meu agente

777[é-um 777]

Page 27: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

27

Exemplo da Ontologia Ciência

Page 28: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

28

Relacionamentos na Ontologia Ciências

Page 29: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

29

Definições de Ontologia (cont.)

O termo é às vezes mal-empregado

Ontologias não são: Simples hierarquias Conjuntos de conceitos associados a

palavras-chave Esquemas de bancos de dados

Page 30: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

30

Definições de Ontologia (cont.)

“Uma ontologia é uma especificação explícita e formal de uma conceitualização compartilhada” [Studer et al 98] Especificação explícita: definições declarativas de

conceitos, instâncias, relações, restrições e axiomas Formal: declarativamente definida, sendo

compreensível e manipulável para agentes e sistemas

Conceitualização: modelo abstrato de uma área de conhecimento ou de um universo limitado de discurso

Compartilhada: conhecimento consensual, seja uma terminologia comum da área modelada, ou acordada entre os desenvolvedores dos agentes que se comunicam

Page 31: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

31

Usos de Ontologias

Materialização do nível de conhecimento em um sistema BC Muito útil na fase de Aquisição do

conhecimento

Estruturar o conhecimento adquirido através da representação das classes do domínio com suas relações, restrições, axiomas e

terminologia associada

Comunicação em nível de conhecimento Serve como “vocabulário” compartilhado

numa comunicação entre agentes inteligentes

Page 32: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

32

Usos e Benefícios das Ontologias

Incorporação de conhecimento é facilitada, inclusive de linguagem natural

Permitir reuso massivo de conhecimento (de representações) entre formalismos de representação diferentes

Codificar conhecimento interoperável entre linguagens (F-logic, Prolog, Jess) entre formalismos de representação de

conhecimento (frames, redes semânticas, lógica de descrições)

Page 33: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

33

Aquisição do Conhecimento

O gargalo na construção dos SBCs

Page 34: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

34

Aquisição do Conhecimento

Principais fases da aquisição Identificar características do problema

Do domínio da aplicação Isolar e representar os conceitos principais e

suas relações através de uma Ontologia, por exemplo

Identificar inferências sobre estes conceitos

O conhecimento pode originar-se de várias fontes: especialistas, livros e documentos, filmes, etc.

Page 35: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

35

Aquisição do ConhecimentoAbordagens...

Abordagem de Transferência

O conhecimento já está “pronto”, só precisa ser coletado E o conhecimento empírico do especialista? Veremos as dificuldades na aquisição de

conhecimento...

A “máquina” tem por objetivo resolver o problema como o especialista faria

Page 36: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

36

Aquisição do ConhecimentoAbordagens...

Abordagem de Modelagem Modelo => aproximação da realidade

Construção de modelos de solução Processo interativo de modelagem e reuso

de conhecimento via ontologias

Utilização de aquisição automática de conhecimento

A “máquina” deve resolver o problema tão bem quanto o especialista

Page 37: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

37

Gargalo na Aquisição do Conhecimento

A maior parte do conhecimento está na cabeça dos especialistas...

Especialistas têm muito conhecimento empírico

Difícil de ser capturado e representado formalmente são “caros” não sabem tudo! têm dificuldade de verbalizar sob pressão usam vocabulário próprio (jargão)

Page 38: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

38

Gargalo na Aquisição do Conhecimento

Dificuldade de introspecção O especialista quase nunca está ciente de

como usa o conhecimento que possui Pode não saber porque escolheu uma estratégia

Algumas soluções são intuitivas ou “compiladas”

O conhecimento expresso pode ser incompleto O especialista pode não lembrar em detalhes

qual o conhecimento utilizado para resolver um problema

O especialista pode pular pontos importantes

Page 39: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

39

Gargalo na Aquisição de conhecimento

O conhecimento expresso pode ser incorreto ou inconsistente Afinal, quem garante a qualidade da solução, já

que ela é “coisa de especialista”?

O conhecimento expresso pode ser irrelevante quantidades enormes de informações são

coletadas, para serem organizadas ou desprezadas...

desafio: evitar informação irrelevante sem bloquear a descoberta

de conceitos importantes

Page 40: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

40

Como minimizar o gargalo da Aquisição?

Automação!

Métodos de aquisição Três categorias

Manual Semi-automático Automático

Page 41: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

41

Método de Aquisição Manual

Entrevistas estruturadas ou não estruturadas

Tracking methods análise de protocolos e observação

especialista

Base de conhecimento

Engenheiro de conhecimento

documentação

codificação

explicitação

Page 42: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

42

Aquisição Manual

Problemas: Toma muito tempo Requer a presença do especialista Difícil de gerenciar Existem conhecimentos de vários tipos

teórico, procedural, etc.

Quando usar? identificação do conhecimento:

brainstorming, entrevistas não estruturadas especificação do conhecimento: self report refino do conhecimento: entrevista

estruturada

Page 43: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

43

Métodos de Aquisição Semi-automática

Baseado em ferramentas de Ajuda ao especialista

grid repertory analysis Ajuda ao engenheiro de conhecimento

Editores de texto, documentadores, etc.

especialista Ferramentas interativas de entrevista

Base de conhecimento

Engenheiro de conhecimento

Page 44: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

44

Métodos de Aquisição Automática

Aprendizado de máquina Machine learning

Casos e exemplos Indução automática Regras

Page 45: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

45

Metodologia para EC

CommonKads

Page 46: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

46

CommonKADS

Pesquisa colaborativa na União Européia mais de 15 anos

Utiliza fórmulas e ontologias para representar o conhecimento

Utiliza diagramas baseados em UML Diagrama de classes Diagrama de estados Diagrama de atividades

Page 47: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

47

CommonKADS

Possui seis modelos Modelo organizacional Modelo de tarefas Modelo de agentes Modelos de “expertises” Modelos de comunicação Modelo de projeto

Page 48: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

48

CommonKADS: Modelos

Page 49: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

49

CommonKADS

Modelo organizacional Objetiva analisar a organização

Modelo de tarefas Descreve as tarefas a serem executadas Distribui as mesmas entre os agentes

Modelo de agentes É o executor do modelo de tarefas Descreve as capacidades e características

dos agentes

Page 50: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

50

CommonKADS

Modelo de Comunicação Troca de mensagens

Modelo de expertise É o foco da metodologia!!! Três sub-níveis

Conhecimento do domínio: Conceitos, Propriedades, Relações

Conhecimento da inferência Conhecimento da tarefa

Modelo de projeto de base de conhecimento Descreve a arquitetura e o projeto

Page 51: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

51

Um Exemplo de Construção de BC

Do livro AIMA

Page 52: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

52

Construindo uma BC

1) Decida sobre o que falar

2) Escolha o vocabulário de predicados, funções e constantes (Ontologia do Domínio)

3) Codifique o conhecimento genérico sobre o domínio (axiomas) x,y,z Americano(x) Arma(y) Nação(z) Hostil(z)

Vende(x,z,y) Criminoso(x)

4) Codifique uma descrição de uma instância específica do problema: Nação(Cuba), Nação(USA)

5) Proponha questões para o procedimento de inferência e obtenha respostas: West é criminoso?

Page 53: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

53

Um Exemplo: Circuitos Digitais

Objetivo: determinar se o circuito está de acordo com sua

especificação (o circuito acima é um somador) responder a perguntas sobre o valor da corrente em

qualquer ponto do circuito

Page 54: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

54

Decida sobre o que falar

Para alcançar o objetivo, é relevante falar sobre circuitos, terminais, sinais nos terminais,

conexões entre terminais

Para determinar quais serão esses sinais, precisamos saber sobre: portas e tipos de portas: AND, OR, XOR e NOT

Não é relevante falar sobre: fios, caminhos dos fios, cor e tamanho dos fios,

etc.

Page 55: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

55

Decida qual vocabulário usar

Usado para nomear objetos e relações do domínio com funções, predicados e constantes constantes

distinguir as portas: X1, X2... distinguir os tipos de porta: AND, OR, XOR...

funções e predicados tipo de uma porta: Tipo(X1) = XOR, Tipo(X1, XOR), XOR(X1) indicar entradas e saídas: Out(1, X1), In(1, X2) indicar conectividade entre portas:

Conectado(Out(1, X1), In(1, X2))

Page 56: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

56

Codifique regras genéricas

(1) Dois terminais conectados têm o mesmo sinal:t1, t2 Conectado(t1, t2) Sinal(t1) = Sinal(t2)

(2) O sinal de um terminal é On ou Off (nunca ambos)

t Sinal(t) = On Sinal(t) = Off, On Off

(3) Conectado é um predicado comutativo t1,t 2 Conectado(t1, t2) Conectado(t2, t1)

(4) Uma porta OR está On sse qualquer das suas entradas está On:

g Tipo(g) = OR Sinal(Out(1,g)) = On n Sinal(In(n,g))=On

Page 57: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

57

Codifique a instância específica

Portas:Tipo(X1) = XOR Tipo(X2) = XORTipo(A1) = AND Tipo(A2) = ANDTipo(O1) = OR

Conexões:Conectado(Out(1,X1),In(1,X2))Conectado(Out(1,X1),In(2,A2))Conectado(Out(1,A2),In(1,O1)) . . .

Page 58: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

58

Proponha questões ao mecanismo de Inferência

Que entradas causam Out(1,C1) = Off e Out(2, C1) = On?i1, i2, i3 Sinal(In(1,C1)) = i1 Sinal(In(2,C1)) = i2 Sinal(In(3,C1)) = i3 Sinal(Out(1,C1)) = Off Sinal(Out(2,C1) = On

Resposta:(i1 = On i2 = On i3 = Off) (i1 = On i2 = Off i3 = On) (i1 = Off i2 = On i3 = On)

Page 59: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

59

Problemas de SBC declarativo

Page 60: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

60

Porque SBC declarativo não se tornaram populares?

Razões técnicas “históricas”

Programação procedimental é mais fácil, rápido, simples e controlável Eficiência: funcionamento diretamente no

código Fácil funcionamento: despreocupação com

contextos O programador mantém o fluxo de controle

Page 61: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

61

Porque SBC declarativo não se tornaram populares?

Porém, programação procedimental dificulta reuso muitos conceitos e relações do domínio

estão Implícitos Tratados como premissas Misturados com conhecimento estratégico

(regras)

Reuso é imperativo: BCs são a parte mais cara de um SBC

Page 62: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

62

Outros problemas dos SBC declarativo

Explosão combinatorial problemas com escalabilidade Ex: GPS, provadores de teorema (fins dos

60)

Complexidade ainda não formalizada

Falta de objetividade e amadorismo dos pesquisadores

Page 63: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

63

Outros problemas dos SBC declarativo

Falta de produtos no cotidiano, formando indústria Falta de trabalho “braçal” em Engenharia

de Software e testes de confiabilidade

Falta de metodologias mais formalizadas sobre como obter e codificar conhecimento declarativo

Page 64: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

64

Problemas com Hardware

O processo de inferência não “casou” bem com as implementações de hardware e software básico, projetados para programação procedimental A programação lógica deve tanto quanto

possível explorar concorrência e paralelismo

Prolog embora criada em 1972, só popularizou-se em 1977, com as Warren Abstract Machines (WAMs)

Page 65: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

65

EC hoje...

Como está?

EC vs ES

Page 66: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

66

EC hoje

Conta com Metodologias

Utiliza (e reutiliza) ontologias em diferentes domínios

Dispõe de Ferramentas de Software

Parte integrante da área de Gerenciamento de Conhecimento

Page 67: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

67

EC x ES

Engenharia de software

o cliente não é, necessariamente, um especialista

o cliente define apenas o quê fazer

processamento divido em muitos componentes simples

componentes desenvolvidos pelo programador

Engenharia do conhecimento

o cliente é um especialista

o especialista define também como fazê-lo

processamento divido em poucos componentes complexos

componentes geralmente reutilizados (bibliotecas)

Page 68: 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

68

A seguir...

Sistemas Especialistas!