Prof. Arildo Dirceu Cordeiro. Dr.Departamento de Construção CivilUniversidade Tecnológica Federal do Paraná

UNIVERSIDADE TECNOLÓGICA FEDERAL DO PARANÁPR

Sistema de Apoio a Decisão com IA

Whitby (1953/2004), define IA como: “O estudo do comportamento inteligente

(em homens, animais e máquinas) e a tentativa de

encontrar formas pelas quais esse comportamento

possa ser transformado em qualquer tipo de Artefato por meio de engenharia”.

Uma outra definição mais genérica cita que a IA é

definida como a inteligência exibida por qualquer coisa

que tenha sido construída pelo homem.

Conceitos de Inteligência Artificial

- Data Mining

- Text Maning

- Neuro-fuzzy Nets

- Semantic Web

- Intelligent Agents

- Ontologies

- UNL (Universal Networking Language)

Principais Técnicas de IA usadas

Mineração de Dados

Mineração de Textos

Redes Neuro-Fuzzy

N

N

N

A1

A2

A3

B1

B2

B3

x 1

x 2

x 1 x 2

Agentes

Agentes com Aprendizagem

Sistemas Multiagentes (SMA)

Web Semântica

Ontologias

Métricas para Medir a Idoneidade

Sistema UNL

Inteligência Artificial na Prática

Gerador Inteligente de Sistemas com Auto-

Aprendizagem para Gestão de Informações e

Conhecimento - GISAAGIC

–Introdução

–Revisão da Literatura

–Sistema Multi-Agentes SMAGS

–Modelo Proposto - GISAAGIC

–Exemplos de Aplicações

–Considerações do Software e Outros Sistemas

–Conclusões e Recomendações

Estrutura do Trabalho na Prática

Estrutura da Apresentação da Aplicação–Contextualização do problema

•Identificação das Necessidades

–Cenário Atual–Cenário Idealizado

•Desafio: Buscas Inteligentes direcionadas para a área de interesse, estruturando e contextualizando dados e informações em tempo real, com auto-aprendizagem, para gestão de informações e conhecimento, apoiando as tomadas de decisões gerenciais

–Inteligência Artificial – Técnicas Empregadas

–Sistema Multi-Agentes SMAGS

–Trabalhos Relacionados•Web Semântica – Grupo W3C

•Buscadores Google, Yahoo, Alta Vista e outros;

•Representação UNL - ONU

–Modelo Proposto – Gerador Inteligente de Sistemas com Auto-Aprendizagem para Gestão de Informações e Conhecimento

–Aplicações em casos reais

Etapas

Tempo gasto para a Coleta de Informações e Tomadas de Decisões Estudo de Liautaud e Hammond (2002)

Tempo Coleta80%

TomadaDecisão

20%

TEMPO ETAPAS

PRÁTICA

Problema de Forma Ampla Necessidade de Informação Contextualizada

Contextualizando o Problema: Necessidade de Informação Contextualizada

Redes com bancos de dados diferentes

Dificuldade de integração de informações

Estruturas de dados diferentes

Documentos com significados não relacionados semanticamente com as áreas de interesse

Problemas Focados na PráticaEnsino: EmpreendedorismoSaúde: Infecção Hospitalar

COMOCAPAZ DE

Especialistas; usuários; auto-aprendizagemAgregar os novos conhecimentos

extrair regras e fazer inferênciasReconhecer padrões

tempo realFornecer informações

estruturando e contextualizandoEfetuar buscas inteligentes

forma dinâmica, integrando sistemas existentesRepresentar o conhecimento

Definir um Sistema

CARACTERÍSTICAS FUNCIONALIDADES

DesafiosGerar Sistemas de Informações Inteligentes;

Representar o Conhecimento da Organização;

Efetuar Buscas Inteligentes Direcionadas:

Extrair Regras e Fazer Inferências sobre as Informações Internas e Externas à Organização;

Auto-Aprendizagem com Usuários, com Buscas Inteligentes e com especialistas

CONCEBER UM GERADOR INTELIGENTE DE SISTEMAS DE INFORMAÇÕES PARA ÁREAS DE INTERESSE DO USUÁRIO

Mineração de Dados e Textos Redes Neuro-FuzzyAgentesWeb SemânticaOntologiasUNL -Universal Networking Language

SMAGS

Análise, pesquisa e classificação de informações, integrando diferentes bancos de dados;

Aproveita sistemas existentes;

NÃO POSSUI

mecanismos de estruturação de dados buscas inteligentes que permita agregar conhecimento.

O SMAGS na Prática

Trabalhos Relacionados• Web Semântica

• Buscadores

• UNL

– Problemas• Não possuem uma forma de representação do conhecimento da

pessoa ou organização para que as buscas sejam relacionadas semanticamente, permitindo a extração de regras e inferências;

• Não possuem auto-aprendizagem com as buscas e especialistas;

• Não possuem mecanismos de recuperação de casos de sucessos para a área de interesse que compare com novas tecnologias incorporadas através buscas inteligentes;

• Também não possuem formas de avaliar metricamente a evolução do SI com as novas tecnologias incorporadas.

Modelo Proposto -Arquitetura do Sistema

Gerador de

Aplicações

DDDicionáriode Dados

Ontologias Bancode Dados

Banco de Casos

Sistemas de

Informações

ModeloRelacional

SUBPROCESSO DE CRIAÇÃO

SMAGS

OntologiasRQDOMÍNIO<

Banco

de Dados

Banco de Casos

SUBPROCESSO DE BUSCA

MARERF

NF

GEDIANFIS e FAN

Agente

GerenteVirtual

SMAGS

Outros

Agentes

AgenteBuscador

Text MiningNeuro-FuzzyExtração de

RegrasWeb Semântica

Text MiningNeuro-Fuzzy

Web MiningHTML, PDF, DOC,

PPT, TXTUNL

Sistemas de

Informações

SUBPROCESSO DE MANUTENÇÃO

MARERF

NF

Neuro-FuzzyExtração de Regras

Métrica de Ontologias

Data Mining

Evolução da Ontologia

Aplicação no Ensino de Empreendedorismo-Ontologia de Domínio, plano de negócio

Pesos Atribuídos a Conceitos e Resultados

Método I(C|D)

TF 1,4654

TF com ganho semântico 1,6426

TFIDF 1,5152

TFIDF com ganho semântico 1,6640

Aplicação na Área de Saúde – Telas do SIGerado -subárea de Infecção Hospitalar

Ontologia de Domínio - Infecção Hospitalar

MétodoGanho de Informação

TF 2,4885

TF com ponderação ontológica

2,1620

TFIDF (TF mais IDF)

2,5825

TFIDF com ponderação ontológica

2,6856

Conexão da Ontologia Temporária – O. D.

PROCESSO CONTÍNUO

Extensões: Gerador UNL

Problemas Focados SolucionadosO conhecimento da organização é representado através de ontologiasde domínio com os conceitos e relações melhoradas semanticamente;

As buscas inteligentes direcionadas, estruturam e contextualizam osdados fragmentados na internet e em sistemas legados na organização;

A rede neuro-fuzzy, através de ações compartilhadas com agentes podereconhecer padrões, extrair regras e fazer inferências sobre dados internos e externos à organização;

Os novos conhecimentos adquiridos através de especialistas, usuários ou buscas inteligentes internas/ externas, são agregadas ao SI daorganização em processo contínuo de auto-aprendizagem;

As informações são fornecidas de forma estruturada e contextualizadasem tempo real, permitindo formular hipóteses de resultados, apoiandoas tomadas de decisões.

Problemas SolucionadosAs informações de interesse resultantes da buscas inteligentes, estruturadase contextualizadas, são repassadas em tempo real para os usuários.

As mensagens são mostradas por um agente especial (boneco Djames), deforma escrita ou falada após um espocar discreto na tela.

No caso do documento sobre ‘enterococcus’ da aplicação na área de saúde,a mensagem em tempo real seria:

‘Enterococcus”

“Hospitais paulistas têm bactéria que causa infecção hospitalar”

Como o sistema é dotado de reconhecimento de voz, bastaria pedir detalhes.

Para apoiar as decisões gerenciais, o sistema pode comparar com a situaçãona organização e sugerir providências com base nas informações do caso emtela.

O sistema também pode extrair relatórios e gráficos do que existe a respeitonos diferentes aplicativos dos diversos setores da organização ou mesmocolher informações verbais que possam apoiar a decisão gerencial.

AMBIENTE

Conclusões• O GISAAGIC gera SI híbridos, utilizando diferentes

técnicas de IA integradas;

• Efetua buscas inteligentes direcionadas;

• Analisa, estrutura e contextualiza dados;

• As informações contextualizadas podem apoiar as tomadas de decisões em tempo real, viabilizando melhores e mais rápidas decisões de forma justificada

• A representação do conhecimento de organizações através de ontologias com conceitos de UNL, potencializa e facilita a evolução da ontologia através da agregação de novos conhecimentos oriundos de buscas inteligentes

Recomendações para Trabalhos Futuros

• Desenvolvimento de um editor próprio de ontologias;

• Desenvolvimento de conversores da ontologia de domínio para UNL;

• Desenvolvimento de conversores de documentos em HTML, texto ou PDF retornados pelo agente GEDI;

• Geração de um tutorial inteligente para treinamento de novos usuários;

• Outros módulos relacionados na tese.

F I M

Obrigado!

Metodologia científica: definição É um conjunto de abordagens,

técnicas e processos utilizados pela ciência para formular e resolver problemas de aquisição objetiva do conhecimento, de uma maneira sistemática.

Metodologia científica: adaptações Considerar:

natureza do conhecimento: científico, filosófico, artístico, místico, etc

ciência pura (aquisição do conhecimento sem finalidades de utilização prática) x aplicada (utilização dos conhecimentos da ciência pura e da tecnologia em aplicações práticas)

Metodologia científica: adaptações Considerar:

operações lógicas no conhecimento científico indução, dedução, inferência

o método científico hipótese (afirmação ainda não comprovada sobre algum fenômeno) x tese (afirmação comprovada sobre algum fenômeno) x teoria (conjunto de teses que explicam o fenômeno) x modelo (descrição formal de um fenômeno, que pode ser utilizado para testar novas hipóteses e fazer predições)

Metodologia científica: adaptações Considerar:

estudo observacional (coleta de dados sem influenciar os eventos) x experimental (influência deliberada nos eventos, buscando verificar os efeitos da intervenção)

estudo transversal (coleta dos dados num único instante no tempo, obtendo um recorte momentâneo do fenômeno investigado) x longitudinal (coleta dos em dois ou mais momentos, havendo um acompanhamento do desenrolar do fenômeno considerado)

Metodologia científica: adaptações Considerar:

dados e análises qualitativos x quantitativos

o papel da estatística descrição da variabilidade e tendências centrais dos resultados, para entender o fenômeno.

Etapas da investigação científica1 - Escolha do tema

2 - Planejamento da investigação

Redação do projeto de pesquisa

Redação do projeto de pesquisa Título / participantes / local / (financiamento) Introdução: exposição do tema, de aspectos gerais até

específicos; bibliografia adequada e atualizada Objetivos: gerais e específicos; justificativa Materiais e métodos: detalhados ou com referências

bibliográficas Cronograma de execução: referenciais de

acompanhamento Exequibilidade Referências bibliográficas

Etapas da investigação científica1 - Escolha do tema

2 - Planejamento da investigação

3 - Coleta e armazenamento de informações (observação, experimentação)

4 - Análise dos resultados, elaboração das conclusões

5 - Divulgação dos resultados

1 - Escolha do tema Pesquisas originais, ou de confirmação ou ainda de

repetição para aprendizado Derivado de conhecimento/investigações anteriores do

tema Derivado de idéias dadas pelo orientador ou colegas, ou

de idéias totalmente originais (insight) Derivado da literatura científica, pesquisa bibliográfica

Objetivos parciais e finais da pesquisa

utilização da Internet

1 - Escolha do tema Pesquisa bibliográfica

levantamento de trabalhos já realizados sobre o mesmo tema, num determinado período - nível geral x nível específico

levantamento dos métodos e técnicas a serem utilizadas na investigação

realizada com metodologia específica e utilizando publicações e bancos de dados especiais (índices)

(apresentar um alto grau de interesse/satisfação ao pesquisador).

1 - Escolha do tema O tema escolhido deve

representar uma questão relevante, cujo melhor modo de solução se faz por meio de uma pesquisa científica

ser factível em relação à competência dos pesquisadores, à infraestrutura do laboratório e ao tempo e recursos disponíveis

2 - Planejamento da investigação Pesquisadores, técnicos e suas atribuições no projeto Materiais a serem utilizados: equipamentos, material

de consumo, veículos etc estão ou serão disponíveis ao longo do projeto?

2 - Planejamento da investigação Métodos a serem utilizados: identificação e seleção de

todos os métodos e técnicas (inclusive computacionais e estatísticas) a serem usadas na pesquisa; treinamento e validação da metodologia através de projeto piloto ou protótipo ANTES de iniciar o projeto.

ou: Desenvolvimento ou aperfeiçoamento de técnicas e métodos (pesquisa metodológica)

2 - Planejamento da investigação Como serão coletados, armazenados e

analisados os dados: tamanho da amostra, formas de tabulação e tratamento dos dados, testes estatísticos a serem utilizados.

Cronograma de desenvolvimento: quais metas serão atingidas em que momentos ao longo do projeto?

3 - Coleta e armazenamento de informações

Realização de estudos observacionais (aplicação de questionários, estudos de campo, registro de dados exploratórios, etc.)

Realização de estudos experimentais (manipulação das variáveis de estudo, coleta de resultados)

Mensuração e comparação de dados de desempenho, uso, impacto, etc (quando for pesquisa metodológica)

Estudos observacionais Questionário: instrumento ou programa de coleta de

dados confecção pelo pesquisador, preenchimento pelo

informante linguagem simples e direta etapa de pré-teste, num universo reduzido

Entrevista plano caráter exploratório ou coleta de

informações

Estudos observacionais Observação

conhecimento prévio do que observar planejamento de um método de registro fenômenos não esperados registro fotográfico ou vídeo relatório.

Estudos experimentais Sujeitos ou objetos a serem estudados no

experimento: grupos controle e experimental grupo controle não recebe a influência da

variável independente grupo experimental recebe a variável

independente Relação causa-efeito determinada pela

comparação estatística entre os grupos Observação dos resultados.

Estudos experimentais Perigo do viés (bias): influência inconsciente ou

consciente por parte dos sujeitos ou pesquisadores sobre o resultado da pesquisa

Eliminação ou redução do viés: atribuição aleatória dos sujeitos aos grupos sujeitos ignoram a que grupo pertencem (estudo

cego) pesquisadores também ignoram (estudo duplo-

cego)

4 - Análise dos resultados, elaboração das conclusões

Dois tipos de dados e análises: Qualitativos Quantitativos

Classificação, codificação e tabulação dos resultados.

Classificação Dividir um todo em partes, dando ordem as partes e

colocando cada uma no seu lugar critério ou fundamento base da divisão a ser

feita. Ex: sexo é o critério; masculino e feminino são classes

ou categorias.

Codificação Colocar determinada informação na categoria que lhe

compete, atribuindo-se para cada categoria um símbolo (palavra ou números).

Tabulação Disposição gráfica dos dados obtidos.

O papel da estatística Os resultados quase sempre são variáveis,

principalmente em biologia e medicina É necessário descrever a variabilidade e as tendências

centrais, para entender o fenômeno Para comprovar diferenças entre situações

observacionais e experimentais, é necessário usar métodos estatísticos.

Descrição e análise dos dados O que os dados significam para a nossa pesquisa?

o que é típico no grupo (média, mediana e moda)? até que ponto variam os indivíduos no grupo

(amplitude, desvio médio e desvio padrão)? como os indivíduos se distribuem com relação à

variável que está sendo medida (distribuição é normal ou não)?

qual a relação entre as diversas variáveis (na estatística há vários métodos, mas nenhum deles garante a existência de um nexo causal)?

Elaboração das conclusões Após estas etapas “o pesquisador fará

as ilações que a lógica lhe permitir e aconselhar, procederá as comparações pertinentes e, com base nos resultados alcançados, enunciará novos princípios e fará as generalizações apropriadas”.

5 - Divulgação dos resultados Seminário / journal club Apresentação em congresso (resumo, poster,

comunicação oral) Relatório Dissertação / tese Artigo científico Livro / capítulo de livro Internet

variam regras, finalidade, público atingido, etc

realizar a pesquisa

formular a pergunta

interpretar resultados

divulgar resultados

Como fazer pesquisa?

CNPqFINEPPADCTFAPsetc

posiçãoprodutividadeformação de recursos humanos