apresentação do powerpoint -...

Sistemas Especialistas

• Sistemas de Produção:

– Introduzida por Post em 1936.

– Predecessor dos Sistemas Especialistas (SE’s).

– Baseados em regras de produção: pares de expressões consistindo em uma condição e uma ação

(condição) -> (ação)

– Na sua forma mais simples apresentam doiscomponentes passivos e um componente ativo

Sistemas de Produção

• Componentes Passivos– Regras: Conjunto ordenado de pares (LHS, RHS)*, sendo

LHS e RHS sequencias de caracteres– Memória de Trabalho: uma sequencia de caracteres

• Componente Ativo– Interpretador: Para cada regra(LHS,RHS), se a sequência de

caracteres LHS está contida na memória de trabalho, então substituir os caracteres LHS na memória pelos caracteres de RHS. Caso contrário, continuar na próxima regra.

*(LHS, RHS): (left hand side, right hand side)


Exemplo de sistema de produção • Um sistema capaz de multiplicar dois números em

notação unária (na qual o número n é representado por uma sequência de n algarismos 1), pode ser especificado através de um conjunto de regras:

1) x1* B* 5) 1B B1

2) 1x11 1Ax1 6) 2B B1

3) 1A A21 7) *A *

4) 2A A2 8) *B *


Exemplo de sistema de produção

• Multiplicar *11x11*

*11x11* *11Ax1* *1A21x1* *1A21B* *A2121B* *A212B1* *A21B11* *A2B111* *AB1111* *B1111* *1111*

Sistemas Produção

• Redescobertos nos anos 70 e usados como ferramenta para modelar a psicologia humana.

• O formato condição-ação se adapta à modelagem de todos os comportamentos baseados em pares estímulo-resposta.


• Utilizam o formato de regras de produção como método de representação do conhecimento.

• Sistemas Especialistas são concebidos para reproduzir o comportamento de especialistas humanos na resolução de problemas do mundo real, mas o domínio destes problemas é altamente restrito


• Arquitetura


• Memória de Trabalho – Pode conter qualquer tipo de estrutura de dados (Método de representação do conhecimento).

• Base de Regras – Contém condições que representam “perguntas” à representação do conhecimento. Envolve variáveis que podem ser instanciadas.

• Motor de Inferência - Mecanismo encarregado de manipular a base de conhecimento em uma situação de consulta.


• O motor de inferência controla a atividade do sistema . Essa atividade ocorre em ciclos, cada ciclo consistindo de 3 fases:

– Correspondência ou casamento de dados;

– Resolução de conflitos;

– Ação ou Aplicação da regra selecionada.


• Casamento

– As regras que satisfazem a descrição da situação atual são selecionadas.

– O sistema computa o subconjunto de regras cuja esquerda é satisfeita pelos conteúdos atuais da memória de trabalho.


• Resolução de Conflitos: O sistema decide quais as regras que devem ser executadas.

• Não Duplicação: não executar a mesma regra nos mesmos argumentos duas vezes;

• Recency: preferir regras que se referem a elementos da Memória de Trabalho criados recentemente;

• Especificidade: preferir regras que são mais específicas;

• Prioridade de Operação: preferir ações com prioridade maior, especificada por alguma categoria.

• Ação– Execução propriamente dita das regras


• Mecanismos de base do Motor de Inferência

– Encadeamento para a frente (forward)

– Encadeamento para trás (backward)

– Encadeamento misto



– Encadeamento para a frente: raciocínio guiado pelos dados. Regras no sentido condições-conclusões.

– Controle Progressivo ou forward-chaining

• Dedução do conhecimento construção da verdade

Dados os FATOS, tenta-se usá-los como evidências para construir (ou aumentar) o conhecimento


• Busca guiada por dados



– Encadeamento para trás: raciocínio guiado por um objetivo. Regras no sentido conclusões-condições.

– Controle Regressivo ou backward-chaining

• Verificar o conhecimento evidências da verdade

Desde a consequência, tenta-se reconstruir as evidências que a geraram

Sistemas Especialistas• Busca guiada por objetivo



– Encadeamento misto: considera, de forma alternada, enfoque dirigido pelos dados e enfoque dirigido pelos objetivos.

Sistema Especialista

• Especialista– É o fornecedor de conhecimento

– Elemento central no desenvolvimento de um SE

– Detém competência e conhecimento (mais ou menos profundo) acerca de um dado domínio

– Sabe quando, como, aonde e porquê deve usar esse conhecimento

– Se o SE é baseado no conhecimento de “não especialistas”:• só conseguirá resolver casos triviais

• acabando por se traduzir num fracasso


Base de conhecimento

• contém o conhecimento do domínio

Engenheiro de conhecimento– Adquirir o conhecimento do especialista;

– Formalizar o conhecimento, codificá-lo , por exemplo, sentença lógica “abrir(x,y)”

– Implementar na máquina, estrutura de dados representando as sentenças, por exemplo, listas, tabelas, etc.


Aquisição do conhecimento

• Processo de compreender e organizar o conhecimento de várias fontes.

• É considerado o “gargalo” na construção dos Sistemas Especialistas pelas dificuldades apresentadas no processo.


Aquisição do conhecimento

• Dificuldades no processo

– Especialistas possuem conhecimento empírico e às vezes têm dificuldade de verbalizar sob pressão

– Especialistas utilizam vocabulário próprio (jargão)

– O conhecimento expresso pode ser:

• incompleto

• incorreto ou inconsistente

• irrelevante


Métodos de Aquisição do Conhecimento

• Processos de aquisição de conhecimento conduzidos pelo engenheiro do conhecimento– entrevistas com o especialista

– observação do especialista em atuação

• Processos de aquisição de conhecimento conduzidos pelo especialista– método de aquisição conhecimento guiado pelo

especialista

– ferramenta para aquisição do conhecimento


Ferramenta para aquisição do conhecimento

– Uso de sistemas denominados Knowledge

discovery in database, a aquisição de conhecimento é automática através da manipulação de grandes bases de dados

– Precisa da participação do especialista para validar o conhecimento adquirido


Máquina de inferência

• É o processador em um sistema especialista que confronta os fatos contidos na memória de trabalho com os conhecimentos de domínio contidos na base de conhecimento para tirar conclusões sobre o problema

• Processo similar ao motor de inferência do Sistema de produção


Mecanismo de Explanação

• É o mecanismo que permite responder ao usuário às perguntas do tipo porque e como chegou à resposta.


Exemplos de Sucesso de Sistemas Especialistas

LENDING ADVISOR• sistema especialista para apoiar na decisão de concessão de

crédito por parte de instituições bancárias

EXPERTAX• sistema especialista para auxílio à tarifação em seguros

GATES• sistema especialista para auxílio dos controladores de terra na

atribuição das portas de chegada e partida dos vôos


Exemplos de Sucesso de Sistemas Especialistas

MARVEL• sistema especialista que a monitora um vasto conjunto de dados

enviados pela nave Voyager para o Centro do Jet PropulsionLaboratory

• efetua tarefas de rotina alertando os analistas do centro para problemas mais sérios que ocorram com a nave

ARCA• sistema especialista para diagnóstico de arritmias cardíacas• toma como entrada o resultado oriundo de um sistema de

processamento de sinal ligado a um eletrocardiógrafo


Solucionar a tarefa é altamente

remunerativoA falta de um

Especialista afetaA tarefa?

É preciso a Retenção de

conhecimento

Especialistas sãoNecessários em

Vários locais?

A tarefa tem um Domínio bemDelimitado? e/ou

Justificável o Desenvolvimento de um

SBC

Quando usar? - Análise de Viabilidade


O que se espera de um Sistema Especialista?

• Resolução de problemas para o domínio para o qual foi concebido

• Facilidade de manutenção incremental da sua base de conhecimento

• Desempenho semelhante a um especialista– capacidade de explicar como chegou a uma dada

conclusão

– porque razão não foi possível chegar a uma dada conclusão


O que se espera de um Sistema Especialista?

• Mecanismo de raciocínio eficiente em domínios nos quais a quantidade de conhecimento seja elevada

• Interface que se adapte ao tipo de utilizador (especialista ou novato) e à situação em causa (normal ou crítica)

• Capacidade de efetuar raciocínios considerando incertezas e imprecisões:– Raciocínio Bayesiano

– Fatores de Certeza

– Lógica fuzzy


Vantagens dos Sistemas Especialistas

• Explicação

• Rapidez de resposta

• Respostas: estáveis, completas e não emocionais

• Boa confiabilidade

• Pode ser usado como:– Tutor inteligente

– Treinamento: Estagiários ou Pessoas em uma atividade ou sobre uma organização


Problemas e Limitações

• Dificuldade para representar o conhecimento

• Múltiplos especialistas (abordagens diferentes)

• Trabalha bem em apenas um domínio restrito

• Engenharia de conhecimento é custosa


Problemas e Limitações

• Falta de confiança do usuário

• Sistemas especialistas podem cometer erros ou não chegar a conclusões

• Fragilidade (somente têm acesso a conhecimento altamente específicos do seu domínio, não possuem conhecimentos mais genéricos quando a necessidade surge)


• Exemplo: O Shell Expert SINTA– Ferramenta para desenvolvimento de Sistemas

Especialistas

– Utiliza um modelo de representação do conhecimento baseado em regras de produção e fatores de confiança

– Desenvolvido no Ceará pelo grupo SINTA (Sistemas INTeligentes Aplicados), atuando junto ao Laboratório de Inteligência Artifical (LIA) da Universidade Federal do Ceará.

Fonte: http://www.lia.ufc.br/~bezerra/exsinta/

http://www.lia.ufc.br/~bezerra/exsinta/


Exemplo: Escolha de Vinhos (Expert SINTA)


Após responder as demais perguntas ...

Exemplo: Escolha de Vinhos (Expert SINTA)

Sistemas Especialista: Thermostat

• Objetivo: selecionar a temperatura adequada para o sistema de calefação– Mes do ano, dia da semana e horário do dia

Dia

Hoje

Operação

Mes

Estação

Temperatura

Horário

Regra 01: Se Dia = Seg ou Dia = Ter ou Dia = Qua ou Dia = Qui ou

Dia = Sex Então Hoje = DT

Regra 02: Se Dia = Sab ou Dia = Dom Então Hoje = FS

Regra 03: Se Hoje = DT & 9 < Horario < 17 Então Operação = DHT

Regra 04: Se Hoje = DT & Horario < 9 Então Operação = FHT

Regra 05: Se Hoje = DT & Horario > 17 Então Operação = FHT

Regra 06: Se Hoje = FS Então Operação = FHT

Regra 07: Se Mes = Jan ou Mes = Fev ou Mes = Dez Então estação =

ver

Regra 08: Se Mes = Mar ou Mes = Abr ou Mes = Mai Então estação =

out

Regra 09: Se Mes = Jun ou Mes = Jul ou Mes = Ago Então estação =

Inv

Regra 10: Se Mes = Set ou Mes = Out ou Mes = Nov Então estação =

Pri

Regra 11: Se estação = Pri e Operação = DHT Então Temp = 20

Regra 12: Se estação = Pri e Operação = FHT Então Temp = 15

Regra 13: Se estação = Ver e Operação = DHT Então Temp = 24

Regra 14: Se estação = Ver e Operação = FHT Então Temp = 27

Regra 15: Se estação = Out e Operação = DHT Então Temp = 20

Regra 16: Se estação = Out e Operação = FHT Então Temp = 16

Regra 17: Se estação = Inv e Operação = DHT Então Temp = 18

Regra 18: Se estação = Inv e Operação = FHT Então Temp = 15

apresentação do powerpoint -...

Documents