INTELIGÊNCIA ARTIFICIAL                DR. SOFIANE LABIDI                  SOFIANE.LABIDI@GLOBO.COM                       ...
OverviewI.   Inteligência Artificial: Conceito ..............................................................................
REFERÊNCIAS BIBLIOPGRÁFICA                             3
Livros•   Inteligência Artificial              E. Rich, e K. Knight. Makron Books.•   Essentials of Artificial Intelligenc...
Livros•   A Practical Guide to Knowledge Acquisition              A. Carlisle Scott, J. E. Clayton and E. L. Gibson.      ...
Links–   Inteligência Artificial      http://www.turing.org.uk/turing/      http://www.epub.org.br/cm/n07/opiniao/minsky/m...
Links–   Ontologias         http://www.ontology.org         http://www.ontoweb.org/sig.htm–   Agentes Inteligentes        ...
Links–   Neurociência / BioInformática         http://www.epub.org.br/publications.htm         http://www.nib.unicamp.br– ...
Parte I. INTELIGÊNCIA ARTIFICIAL                                   9
Inteligência Artificial (IA)• Inteligência Artificial:   – Ciência que estuda o fenômeno da Inteligência.• Objetivo:   – M...
Definição (1)• Conjunto de Técnicas para a construção de máquinas  “inteligentes”   capazes          de             resolv...
Definição (2)• Tecnologia   de Processamento de informação que  envolve processos de raciocínio,              aprendizado ...
Definição (3)• Ramo   da    Informática                que   tenta    simular comportamentos humanos inteligentes.        ...
Definição (4)• Engenharia que tem por objetivo de conceber máquinas  capazes de resolver tarefas que, quando executadas pe...
Comportamento Inteligente ?•   Percepção;•   Resolução de Problemas;•   Tomada de decisão;•   Compreensão;•   Aprendizagem...
IA & INFORMÁTICA          ENGENHARIA          DE SOFTWARE  BANCO DE               INTELIGÊNCIA   DADOS                   A...
IA & CIÊNCIAS HUMANASCIÊNCIAS HUMANAS       PSICLOGIA        SOCIOLOGIA                       IA             INFORMÁTICA  ...
Ciência Cognitiva• É um esforço contemporâneo para responder questões relativas à  natureza    do     conhecimento,       ...
IA e As Ciências Cognitivas• Inter-relação de diversas áreas:                           Inteligência Artificial     Neuroc...
IA Vs. Informática Clássica (1)• Um programa comum só pode fornecer respostas às  situações para as quais ele foi concebid...
IA Vs. Informática Clássica (2)• Um sistema de IA pode:   – Tratar de problemas complexos, sem soluções algorítmicas,     ...
A IA não é tão Recente!• Vários trabalhos sobre a simulação do pensamento e do raciocínio  humano já existiam há mais de u...
1934-56: Gestação da IA!• Um primeiro modelo de neurônios (McCulloch e Pitts, 43)• Os primeiros programas de xadrez       ...
Histórico•   1934-56:   Gestação da IA.•   1952-69:   Grandes expectativas!•   1966-74:   Uma dose de realismo.•   1969-79...
1952-69: O Entusiasmo• Desenvolvimento, por Newell e Simon, do GPS : “General Problem  Solver”.• Os primeiros programas qu...
Simulação da Inteligência?• Reprodução fiel dos processos mentais?• Reproduzir os efeitos (os resultados)?                ...
Problemática!• Entender     a    Mente                 humana       e       imitar  seu   comportamento,         é       u...
Inteligência?• É a capacidade de resolver problemas difíceis?• É a habilidade de aprender e de estabelecer  generalizações...
Inteligência?• Capacidade     para   solucionar                    problemas    abstratos  (Sternberg).• Capacidade     pa...
Máquina Inteligente!“Um computador é inteligente se ele parece humanopara o homem.”                                       ...
Teste de Turing (1)           “The Turing Test Page”  B                                         C                   Sistem...
Teste de Turing (2)• Os indivíduos A e C são separados fisicamente. Eles comunicam via  um sistema intermediário.  O objet...
Fundamento da IA• A IA é baseada na teoria de computação de Turing:    <<O tratamento de símbolos permite de demonstrar qu...
Fundamento da IA• Os   produtos    da     IA      manipulam geralmente variáveis  simbólicas usando operadores lógicos,  (...
Simulação da Inteligência• Duas Abordagens:  – Conexionista          (ou Ascendente);  – Cognitiva / Simbólica (ou Descend...
Conexionismo• Objetivo:   Tentar construir replicas eletrônicas às redes neuronais.• Neurônio: Célula ativa, fundamental a...
Problemática• Uma pessoa possui ~100 milhões de neurônios!  enquanto os maiores sistemas usam o equivalente de  algumas ce...
Cognição• Objetivo:  Tentar reproduzir os processos cognitivos humanos  graças a programas computacionais complexos.      ...
Problemática• Especificamente: Aquisição de Conhecimentos.• A IA é essencialmente associada à abordagem cognitiva.        ...
Simulação da Inteligência                         IA                                                 EVOLUTIVACONEXIONISTA...
Problemática da IA• As primeiras afirmações da IA (no início dos anos 60) foram muito  ambiciosas:       “Em dez anos tere...
Teorias da Inteligência• Jean Piaget• Testes psicométricos (QI)• Processamento de Informações• Inteligências Múltiplas (Ga...
Piaget• Para Piaget, o importante não são as respostas mas sim, as  linhas de raciocínio desencadeadas para chegar até ela...
Piaget• Segundo Piaget, existe um mecanismo básico de aquisição do  conhecimento, consistindo em um processo de equilíbrio...
Teste de QI• Formas para “medir a inteligência”:   – Os Testes de QI privilegiam o raciocínio lógico-matemático, a     cap...
Processamento de Informações• Visa descrever as etapas mentais desenvolvidas para a resolução de um  problema (até mesmo q...
Inteligências Múltiplas• Para Gardner, as abordagens de QI, de Piaget, e de processamento de   informações privilegiam ind...
Inteligência Múltipla (Howard Gardner)• A inteligência pode ser abordada sob diferentes aspectos, não só  correlacionados ...
Inteligência Múltipla                              •    Musical• São oito inteligências:                              •   ...
Inteligências Múltiplas                      2+2=4
IA• Inteligência Artificial é o estudo de como fazer os computadores   realizarem coisas que, no momento, as pessoas fazem...
IA• É possível pensar em uma atividade mental fora do corpo?   – O corpo proporciona uma referência fundamental para a men...
IA• A modelagem do cérebro no computador não é tão simples, pois  o mundo em que vivemos é muito maior e mais complexo do ...
IA• A Inteligência Artificial levanta questões do tipo:    – Como ocorre o pensar?    – Como o homem extrai o conhecimento...
Áreas de Pesquisa da IA   PROCESS.                                                            SISTEMAS  LINGUAGEM         ...
Tarefas• Planejamento•   Predição•   Concepção•   Diagnóstico•   Reparação•   Monitoramento•   etc.                    Pro...
Produtos da IA•   Interfaces de linguagem natural;•   Programas de tradução automática;•   Tutores Inteligentes;•   Sistem...
Campos de Aplicações da IA• Medicina;•   Engenharia;•   Educação;•   Negócio;•   Indústria;•   Meteorologia;•   Acidentolo...
Linguagens de IA• Programação Funcional   – LISP, SCHEME, ML, SML, etc.• Programação Lógica   – PROLOG, etc.• Programação ...
Conclusão• A IA é uma Ciência Pluridíciplinar• A IA está em fase de Adolescência• Domínios diversos de Aplicação• Muitos R...
Conclusão• Será que é possível, um dia, a máquina consiga superar a inteligência  humana?                             Prof...
Conclusão• Maiores Conferências :   – ENIA, SBRN, SBIE, WRI      (nacionais)   – SBIA, IJCAI                (internacional...
Parte 2. SISTEMAS BASEADOS EM CONHECIMENTO                                             63
Sistemas Baseados em Conhecimentos (SBC)• Os sistemas de IA implementam comportamentos  inteligentes de especialistas huma...
SBC Vs. Sistemas Especialistas• Observação:  Não   se deve    confundir Sistemas Baseados em  Conhecimentos e Sistemas Esp...
Sistemas Baseados em Conhecimentos (SBC)• O     desenvolvimento          de              um   SBC   precisa,  portanto, de...
Ciclo de Vida de um SBCFC                                                        Design/Imple-     CC    CB               ...
Parte 3. AQUISIÇÃO DE CONHECIMENTO                                     68
Dados Vs. Informações• Dados• Informações• Conhecimentos• Conhecer:      • Memorização do Conhecimento;      • Uso do Conh...
Conhecimento?• Conhecimento tem uma forte relação com a informação:   – Fato: um paciente tem temperatura de 39 graus cent...
Dados, Informação, Conhecimento                                                  CONHECIMENTO         INFORMAÇÃODADOS     ...
Dados, Informação, ConhecimentoCONHECIMENTOSE      NÃO HOUVER FISCALIZAÇÃO        INFORMAÇÃO                              ...
Expertise• É a Habilidade de:                        • Baseada sobre:   – Ação;                                     – Conh...
Aquisição de Conhecimentos• São as atividades necessárias para:   – Coleta; e   – Modelagem dos conhecimentos.• Objetivo: ...
Engenharia do Conhecimentos• Knowledge Engineering surgiu no final dos anos 70  voltada para sistemas especialistas e sist...
Engenheiro do Conhecimento• É o responsável pela fase de Aquisição de Conhecimentos.  (“Knowledge Engineer”, “Cogniticien”...
Engenheiro do Conhecimento        Prof. Dr. Sofiane Labidi   77
Dois pontos de vistas1. Definir uma representação (“fiel”) do conhecimento  do experto.  Faz da AC uma simples transferênc...
Dois pontos de vistas2. Criar um modelo original a partir deste:  O objetivo não é necessariamente a reprodução do process...
AC como uma Atividade de Modelagem• Os primeiros métodos de AC erram Ad-hoc: Prototipagem  rápida.• A partir de 1985, AC f...
Modelagem?• É a atividade de abstração (simplificação) de uma parte do  mundo real.• Ela depende da visão e do interesse d...
Esquema do Modelo Conceitual• Um esquema é um conjunto de estruturas e operadores que  permitem a realização (a representa...
Modelo Conceitual?• É o resultado da aplicação de um esquema sobre uma parte do  mundo real para obtenção de uma abstração...
Processo de AC                          Esquema do Modelo                Modelo                              Conceitual   ...
1: AC dirigida por Dados• Objetivo: Análise das atividades do especialista e dos  futuros usuários do sistema, para:   – C...
1: AC dirigida por Dados• Duas abordagens:   – Exploração do discurso do experto; e   – Foco sobre o modelo conceitual.   ...
Exploração do Discurso• Foco na análise do discurso pouco dirigido do experto  (monólogo) para coletar o máximo de conheci...
Foco no Modelo Conceitual• Focalizar diretamente a definição do MC.• O MC serve para filtrar e estruturar os conhecimentos...
2. Construção do Esquema do MC• É a definição de um vocabulário abstrato que permite a  descrição e a estruturação dos con...
Dificuldades• Quais as primitivas realmente adequadas para uma aplicação  específica?• Quais são as primitivas universais?...
Processo Iterativo• O processo é progressivo:   – A construção do MC completo pode mostrar alguns defeitos do     esquema:...
3. Instanciação do Esquema do MC• Aquisição dirigida por Modelo!      O esquema do MC identifica os conhecimentos a      s...
4. Operacionalização do MC• É a fase de implementação que operacionaliza o modelo  (torná-lo executável no sistema final)....
Soluções• A fase de implementação do MC passa pela definição de um  modelo de concepção (Design Model).  Exemplo: KADS.• A...
As Exigências da Operacionalização• Ela é muito mais complexa do que uma simples codificação.• Deve satisfazer as exigênci...
Importância do Mapeamento• A Necessidade de Atualização da Base de Conhecimentos; e• Explanação do Raciocínio.            ...
Necessidades de Atualização• A Manutenção da BC necessita de várias feedbacks nas fases  da concepção:• Isto seria facilit...
Necessidades de Explanação• A explanação e justificação do raciocínio é uma necessidade  para a aceitação dos SBCs. A maio...
Princípios da Correspondência Estrutural• A maioria dos trabalhos sobre a operacionalização do MC  são baseados neste prin...
Analogia: Arquitetura Ansi-Sparc                           O que?             Usuário Nível Externo                       ...
Conclusão• A AC é a fase mais importante na construção de SBC.• Ela condiciona o grau de aceitação do artefato pelo  usuár...
Parte 4. REPRESENTAÇÃO DE CONHECIMENTO                                         102
IA      Conhecimento• Conhecer: É uma operação ativa que precisa da:   – memorização de Informações; e do   – bom uso dess...
Engenharia de Conhecimento AQUISICÃO DE                                  REPRESENTAÇÃOCONHECIMENTO                        ...
Exemplo de RepresentaçãoCONHECIMENTOSE      NÃO HOUVER FISCALIZAÇÃO        INFORMAÇÃO                                     ...
Representação do Conhecimento• “Knowledge representation (KR) is the study of how  knowledge about the world can be repres...
Representação do Conhecimento• Visa levar o “conhecimento” para a máquina e dotá-la de  alguma capacidade de raciocínio (r...
Representação?• Convenção sintática e semântica para descrição das  informações.• Ela deve :   – Explicitar o conhecimento...
Representação?• Convenção sintática e semântica para descrição das  informações.• Ela deve :   – Explicitar o conhecimento...
Representação?–   Conhecimento não é estático–   Conhecimentos estão interligados–   Conhecimento cresce ou se acumula–   ...
Variedade do Conhecimento• Duas Visões:   – Declarativo Vs. Processual                         Prof. Dr. Sofiane Labidi   ...
Variedade do Conhecimento• Conhecimento Declarativo:   – Conhecimento sobre o domínio• Conhecimento Processual:   – Conhec...
Variedade do Conhecimento• Conhecimento Declarativo:• O homem quando se comunica usa freqüentemente Enunciados  Declarativ...
Variedade do Conhecimento• Conhecimento Processual (Imperativo):• Nós precisamos também passar ordens (informações  impera...
Variedade do Conhecimento• Conhecimento Processual (Imperativo):   – São enunciados simples   – São independentes de seus ...
Variedade do Conhecimento• Conhecimento Superficial: (shallow knowledge)   – Combinação dos conhecimentos processuais e   ...
Variedade do Conhecimento• Conhecimento Superficial: (shallow knowledge)   – Combinação dos conhecimentos processuais e   ...
Variedade do Conhecimento•   Objetos Complexos•   Fatos, leis, teorias, enunciados•   Crenças, pontos de vista•   Ambigüid...
Exceção• Toda lei geral tem suas exceções:• Exp: Os pássaros voam, exceto os “avestruzes” e os “pingüins”• Elas devem ser ...
Evolução• O que fazer das informações que não estão mais válidas?• Elas devem ser retiradas? Como então, explicar decisões...
Continuidade, Transitividade• Exemplos :   – Se X é vizinho de Y e Y é vizinho de Z, então X é vizinho de Z.• A transitivi...
Conhecimento Espaço-Temporal• Detalhamento implícito de algo em relação às noções de  instante e de posição.• Por exemplo:...
Quantificadores• Na linguagem natural: algumas, a maioria, todos, ...      geralmente, sempre, às vezes, ...• Esses quanti...
Representação de Conhecimentos• Uma representação não tem um significado a priori.• A semântica é dada pelo uso.• A repres...
Uma Boa Representação• Adequação da Representação• Adequação da Inferência• Eficiência da Inferência• Eficiência da Aquisi...
Adequação da Representação• É o poder da representação (expressividade).                  Prof. Dr. Sofiane Labidi       126
Adequação da Inferência• Uma representação deve permitir fazer inferências, ou  seja, deduções de novos conhecimentos.    ...
Eficiência da Inferência• Favorecer (usando algumas informações adicionais)  alguns caminhos de pesquisa.                 ...
Eficiência da Aquisição• Facilitar a aquisição de novos conhecimentos pelo  usuário e/ou pelo sistema.                    ...
Formalismos de Representação•   Lógica•   Sistemas de Produção•   Redes Semânticas•   Frames•   Grafos Conceituais•   Impe...
Representação “Lógica”                         131
Lógica• A Lógica é baseada na definição de primitivas  conceituais associadas a um conjunto de predicados.• O conhecimento...
Exemplo de Representações• Está Chovendo             CHOVENDO• Bimbo é um Gato             Gato(Bimbo)• Adriana gosta de n...
Lógica: Limitações– A inferência lógica não é sempre o modo de raciocínio  privilegiado pelo ser humano;– Os      conhecim...
Lógica Clássica– Lógica proposicional          (ou de ordem 0: lógica sem variáveis)– Lógica de primeira ordem          (l...
Críticas• A Lógica Clássica:   – Mundo fechado   – Inadequação à resolução de problemas complexos (exceção, ...)       Lóg...
Lógica Não-Clássica– Lógica Multi-Valorada– Lógica Modal                  Prof. Dr. Sofiane Labidi   137
Lógica Multi-Valorada• Além dos valores existentes Verdadeiro e Falso, usa-se  também outros valores, como:             De...
Lógica Modal• Operadores:     de necessidade: (ou L) e     de possibilidade: ◊ (ou M)   Exemplo: A formula: ◊ x sse       ...
Vantagem• A Formalização                   Prof. Dr. Sofiane Labidi   140
Sistemas de Produção     Prof. Dr. Sofiane Labidi   141
Formalismo de Regras•   É o formalismo de representação de conhecimento    mais familiar:      IF     <Premissas> AND / OR...
Formalismo de Regras           Par condição-ação     CONDIÇÃO                              AÇÃOSE    CONDIÇÃO             ...
ExemploSE   X é animal e     X tem pele e     X “amamenta”ENTÃO X é mamífero.               Prof. Dr. Sofiane Labidi   144
Tipos de Regras• Regras de Ordem 0• Regras de Ordem 0+• Regras de Ordem 1• Regras de Ordem Superior                      P...
Regras de Ordem 0• Tudo     é      constante                (não   tem   variáveis)  (Uso da lógica proposicional)• Exempl...
Regras de Ordem 0+• Uso de <Objetos, Atributos, Valores>Exemplo:  Se         Temperatura da Sala > 28  Então      Estado d...
Regras de Ordem 1• Uso da lógica de predicados (variáveis quantificadas)• Exemplo:      SE existe uma Pessoa X , uma Pesso...
Regras de Ordem Superior• Uso da lógica de variáveis e quantificadores incluindo os  operadores:   – Existencial       e  ...
Componentes de um SP• Memória de Trabalho:  – Contém objetos definidos por seus valores e atributos.  – Eles representam: ...
Exemplo de SP(Patient-ID ’4531)(Patient-Name ’Edilson)                             IF (Patient-Temp ’40) AND (Patient- ......
Meta-Regras• Exemplo:  SE Veículo é Velho e       Problema para ligar o motor  ENTÃO aplicar em prioridade as regras      ...
Sistemas de Produção com Meta-Regras                                             Dados Observados                  “Match”...
Estratégias de Controle– Encadeamento para frente– Encadeamento para trás– Sistema híbrido                     Prof. Dr. S...
Gestão da Incerteza• FC: Fator de Certeza (Mycin)       FC(Regar) = FC(Premissa) * FC(Conclusão)                         P...
FC da Premissa• Combinação dos Fatores de Certeza:   FC (P1   P2) = MIN (FC (P1) , FC (P2))   FC (P1   P2) = MAX (FC (P1) ...
Conclusão: Vantagens• Modularidade      • independência entre as regras      • Quais são as regras ligadas a este tipo de ...
Conclusão: Desvantagens• O conhecimento de controle não é claro;• Parcelamento do conhecimento;• Os pacotes de regras não ...
ConclusãoVANTAGENS                                 DESVANTAGENSModularidade                                   Tempo       ...
Redes Semânticas    Prof. Dr. Sofiane Labidi   160
Redes Semânticas• Redes Semânticas:   – São Grafos representando os conceitos           de     um domínio e seus relaciona...
Exemplo                                                           is-a              Veículo                   Adriana     ...
Variedade de Relações• Não é definido um conjunto específico de relações.• As relações mais usadas:   – is-a (é-um)     Pe...
Exemplo: Herança (isa, ako)                                                     ako                        ObjetoVelocidad...
Exemplo: Filtragem              possui                            é-um      Carro               Eduardo                   ...
Exemplo: Filtragem• Resolução usando o princípio da correspondência:      “Qual é a idade de Eduardo?”              Eduard...
Correspondência com a LPO• Uma rede semântica pode ser mapeada em uma  Representação na LPO (Lógica da Primeira Ordem):   ...
Exemplo         is-aCarla                 Mulher                      Mulher(Carla)        idade                          ...
Herança!                              Objeto-Voador                                           ako                         ...
Problemática• Semântica exata de um nó e das ligações?• Representações canônicas em um domínio específico?• Representação ...
Arco (Winston, MIT)            BLOCOpos                  isa                             isa              B3 isa          ...
Exemplo de Representação•   Ako (Cavalo, Meio-transporte)•   Ako (Veículo, Meio-transporte)•   Ako (Carro, Veículo)•   Pro...
Frames         173
Modelo• Origem:  Trabalhos de Minsky no MIT, em 1975, visando a    Extensão do  Modelo de Redes Semânticas.• Característic...
Estruturas complexas• Objetos estruturados (compostos)• Categorias de Objetos.                   Prof. Dr. Sofiane Labidi ...
Frame• Um Frame (ou moldura) é um objeto complexo descrito por um  conjunto de campos (atributos, propriedades, etc.), cha...
Exemplo           Criançaako :     PessoaSexo :    MasculinoIdade :   Domínio: [0..12]End. :    Domínio {SL,SP,...}       ...
Exemplo          Macacoako :     AnimalSexo :    Domínio: {M,F}Idade :   Integer                                     Banan...
Slots• Hierarquia:                Ako, Isa• Propriedades:                Idade, Cor, Sexo, possui, ...• Propriedades Estru...
Valores por Defaut• Exp. Em FRL          Reunião                    Date $DEFAULT (hoje)                                 P...
Restrições: Exp. (em FRL)FRAME           Slots                         Facetas            AKO: Atividade                  ...
Demônios• Procedimentos executados automaticamente na leitura ou  modificação do valor do atributo, ao qual ele está assoc...
Ex. em FRLFRAME           Slots                         Facetas            AKO: Objeto                                $REQ...
KEE• Em KEE (Sistema de Frames)   – Valores Ativos:              Métodos aplicados automaticamente              na modific...
Herança• Os frame podem ser organizados em uma hierarquia.• Temos herança de:      • Valores,      • Estruturas, e      • ...
Herança das Estruturas• Questão:      Como as estruturas são transmitidas?      Transmissão de todos os atributos ou de al...
Herança dos Valores• Questão:    Como os valores dos atributos e de suas facetas são    transmitidos?• Em KEE       Na ins...
Mecanismo de Inferência• Herança• Restrições• Demônios                  Prof. Dr. Sofiane Labidi   188
Exp. Sistemas de Frames•   FRL :      MIT 77.•   RLL :      Lenat, 80.•   SRL :      Fox, 85.•   KRL :      Xerox.•   KEE•...
Aplicações• Análise de cenas• Compreensão da percepção visual• etc.                     Prof. Dr. Sofiane Labidi   190
Conclusão• Mais adaptado ao modo de raciocínio do ser humano.• Uso mais fácil e mais formal.• Mecanismo de Herança muito p...
Conclusão• Modelo Híbrido:  Não tem contradição com o formalismo de regras.• Em KEE  As regras são representadas como fram...
Regras e Frames• Representação Híbrida:      • Os frames podem ser referenciados por uma Regra;      • As regras podem ser...
Grafos Conceituais    Prof. Dr. Sofiane Labidi   194
Origem (Sowa 84)• Trabalhos de John Sowa nos anos 80 sobre o tratamento da  linguagem natural (modelo psicológico da perce...
Grafo Conceitual• É um grafo bipartido onde os nós representam:      • Conceitos ; ou      • Relações entre conceitos.    ...
Grafo Conceitual: Primícias• Para criação de Grafos conceituais precisamos definir  antecipadamente:   – Os Tipos de Conce...
Primícias– Tipos de Conceitos:     Definição de uma hierarquia de tipos.– Conceitos:      Instancias dos tipos de conceito...
Tipos de Conceitos• Representam:       Classes de entidades, Estados, ou Eventos.• Exp.      Gato, Comer, Preço, Ler, etc....
Tipos predefinidos• Para cada sistema de Grafos Conceituais (GC) existe uma  série de tipos predefinidos.• Uma relação < é...
Lattice : Propriedade• A hierarquia de tipos de conceitos não é organizada sob forma de  arvore mas defina um lattice:• La...
Exp. de Lattice                  Animal   Animal                                       Mamífero  Silvestre              El...
Exp. de Lattice                                                               Top                                         ...
Referentes• Referente Genérico                 GATO: *              Significado:   , <<qualquer gato>> ou <<um gato>>• Ref...
Relações conceituais• Mostram os papeis que os conceitos têm em relação aos outros  conceitos. Exemplo:        ATTR GRANDE...
Hierarquia de Relações• As relações também são organizadas em uma hierarquia.• Esta hierarquia não é um lattice como é o c...
Representação• Os grafos conceituais podem ser representados sob duas  formas :   – Literal (notação linear); ou   – Gráfi...
Exemplo de GC       A frase <<João vai a Fortaleza>> é representada em um GC:PESSOA: João                 AGENTE          ...
Exemplo de GC      A frase <<João vai a Fortaleza de Moto>> é representada em um GC:PESSOA: João                 AGENTE   ...
Exemplos de GC• O que representa este grafo?PESSOA       AGENTE           COME                 OBJETO   TORTA             ...
Exemplos de GC• Defina as representações em GC das seguintes afirmações :   – “O Professor Labidi ensina Inteligência Arti...
GC e LPO• John Sowa definiu o operador                   para conversão de  Grafos Conceituais em Formulas da Lógica de Pr...
Afirmações / Operador•   : Transformação em uma formula lógica de primeira ordem:    Conceito C sem referente             ...
Afirmações / Operador              <<O gato preto bimbo está sentado na mesa>>GATO: Bimbo            AGENTE             SE...
Operador                         (2)           <<Um homem está olhando para seus pés>>HOMEM: *        AGENTE              ...
Operador                      (3)• A hierarquia de tipos implica algumas afirmações lógicas:   – Homem Sob-Tipo Pessoa   –...
Modalidades   • Indicação de possibilidades, necessidades, etc. :       “João pensa que um gato está sentado no tapete”PES...
NegaçãoNão      Prof. Dr. Sofiane Labidi   218
ExemploProf. Dr. Sofiane Labidi   219
Abstração/Grafos Canônicos• Uma Grafo Canônico defini uma abstração               gabarito por um  conceito ou uma relação...
Exp. O conceito “Ensinar”PROFESSOR      AGENTE           ENSINA                RECEPTOR    ALUNO                          ...
Restrição / Especialização• A restrição/especialização pode ser feita de duas formas:       • Substituindo um conceito por...
Exemplo de EspecializaçãoPESSOA    AGENTE         COME                  OBJETO   TORTA                         restrição G...
União / Junção• Toma-se dois GCs simples com um conceito comum e  juntar-os com base nesse conceito ligando os arcos dos  ...
Simplificação• Exclua qualquer relação duplicada entre dois conceitos.• Isto pode acontecer depois de uma junção (união). ...
Exp.GAROTA   AGENTE   COME                       OBJETO    TORTA                                             MANEIRA   RÁP...
Ferramentas– CP   (PFEIFFER & HARTLEY, 1992),– DEAKIN TOOL SET (GARNER et al., 1992),– LOUGHBOROUGH TOOLSET (HEATON & KOCU...
Conclusão• Formalização.• Operadores sobre os grafos conceituais interessantes para  permitir o raciocínio.• Um méodo para...
Orientação a Objeto     (em anexo)    Prof. Dr. Sofiane Labidi   229
Árvores de Decisão    Prof. Dr. Sofiane Labidi   230
Arvore de Decisão• É um caso específico de sistemas de produção onde regras de  produção de ordem 0 são representadas sob ...
A Vitima conheça o assassino                                                e o faz confiança 0,72                        ...
Imperativo ou Processual       Prof. Dr. Sofiane Labidi   233
Procedimentosfunction Pessoa(X) return boolean is   if (X = Socrates) or (X = Hillary)   then return true   else    return...
Exercício• Construa as representações lógicas e GC dessas firmações:       •   “Brasileiro Gosta de Futebol”       •   “Jo...
Conclusão• Cada formalismo         oferece            excelentes   ferramentas   de  representação.• Contudo, todos esses ...
Conclusão• O objetivo não é só representar mas, também permitir o raciocínio (a  inferência) pelo computador (Computer-Bas...
Conclusão Geral• Coleta de conhecimentos a partir de especialistas que não são  expertos em IA ou em Informática.• Permiti...
Fim da Primeira Parte  Obrigado!                        239
Upcoming SlideShare
Loading in...5
×

Ia labidi p1

125

Published on

0 Comments
0 Likes
Statistics
Notes
  • Be the first to comment

  • Be the first to like this

No Downloads
Views
Total Views
125
On Slideshare
0
From Embeds
0
Number of Embeds
0
Actions
Shares
0
Downloads
7
Comments
0
Likes
0
Embeds 0
No embeds

No notes for slide

Ia labidi p1

  1. 1. INTELIGÊNCIA ARTIFICIAL DR. SOFIANE LABIDI SOFIANE.LABIDI@GLOBO.COM 1
  2. 2. OverviewI. Inteligência Artificial: Conceito ........................................................................................ 9II. Sistemas Baseados em Conhecimentos ..................................................................... 63III. Aquisição de Conhecimentos -AC ................................................................................. 68IV. Representação de Conhecimento ............................................................................... 102V. Metodologias de AC: CommonKADS ………....…..............................................................VI. Raciocínio em IA ....................................................................................................................VII. Sistemas Especialistas ........................................................................................................VIII. Coleta de Conhecimentos ....................................................................................................IX. Ferramentas de AC ...............................................................................................................X. Desenvolvimentos de SBC ...................................................................................................XI. IAD e Sistemas Multiagentes ...............................................................................................XII. Linguagens de IA .................................................................................................................. 2
  3. 3. REFERÊNCIAS BIBLIOPGRÁFICA 3
  4. 4. Livros• Inteligência Artificial E. Rich, e K. Knight. Makron Books.• Essentials of Artificial Intelligence Matt . Ginsberg. Morgan Kaufmann Publisher. Artificial Intelligence Theory and Practice T. Dean, J. Allen and Y. Aloimonos. Addison-Wesley Publishing Company.• Knowledge Systems Mark Stefik. Morgan Kaufmann Publisher. Prof. Dr. Sofiane Labidi 4
  5. 5. Livros• A Practical Guide to Knowledge Acquisition A. Carlisle Scott, J. E. Clayton and E. L. Gibson. Addison-Weslay Publisher.• Knowledge Engineering D. N. Chrafas. Van Nostrand Reinhold Publisher.• Knowledge Acquisition as Modeling K. M. Ford and J. F. Bradshaw Editors. J. Wiley & Sons Publisher.• CommonKADS Library for Expertise Modelling J. Breuker and W. V. de Velde Editors. IOS Press.. Prof. Dr. Sofiane Labidi 5
  6. 6. Links– Inteligência Artificial http://www.turing.org.uk/turing/ http://www.epub.org.br/cm/n07/opiniao/minsky/minsky.htm– Common KADS http://www.sics.se/ktm/kads.html– Gestão do Conhecimento http://www.SBGC.org.br Prof. Dr. Sofiane Labidi 6
  7. 7. Links– Ontologias http://www.ontology.org http://www.ontoweb.org/sig.htm– Agentes Inteligentes http://www.multiagent.com/ http://www.agentbuilder.com/AgentTools/ http://www.agentlink.org http://www.infosys.tuwien.ac.at/Gypsy/ Prof. Dr. Sofiane Labidi 7
  8. 8. Links– Neurociência / BioInformática http://www.epub.org.br/publications.htm http://www.nib.unicamp.br– Robótica http://arti.vub.ac.be/robotic_agents.html– Redes Neurais http://www.gc.ssr.upm.es/inves/neural/ann1/anntutorial.html– E-Commerce http://www.e-commerce.org.br Prof. Dr. Sofiane Labidi 8
  9. 9. Parte I. INTELIGÊNCIA ARTIFICIAL 9
  10. 10. Inteligência Artificial (IA)• Inteligência Artificial: – Ciência que estuda o fenômeno da Inteligência.• Objetivo: – Modelar e Simular a inteligência; – Fazer a máquina “pensar”! Prof. Dr. Sofiane Labidi 10
  11. 11. Definição (1)• Conjunto de Técnicas para a construção de máquinas “inteligentes” capazes de resolver problemas complexos. (Nilson). Prof. Dr. Sofiane Labidi 11
  12. 12. Definição (2)• Tecnologia de Processamento de informação que envolve processos de raciocínio, aprendizado e percepção. (Winston) Prof. Dr. Sofiane Labidi 12
  13. 13. Definição (3)• Ramo da Informática que tenta simular comportamentos humanos inteligentes. (Luger e Stubble) Prof. Dr. Sofiane Labidi 13
  14. 14. Definição (4)• Engenharia que tem por objetivo de conceber máquinas capazes de resolver tarefas que, quando executadas pelo homem, requerem da Inteligência. Prof. Dr. Sofiane Labidi 14
  15. 15. Comportamento Inteligente ?• Percepção;• Resolução de Problemas;• Tomada de decisão;• Compreensão;• Aprendizagem;• etc. Prof. Dr. Sofiane Labidi 15
  16. 16. IA & INFORMÁTICA ENGENHARIA DE SOFTWARE BANCO DE INTELIGÊNCIA DADOS ARTIFCIAL Prof. Dr. Sofiane Labidi 16
  17. 17. IA & CIÊNCIAS HUMANASCIÊNCIAS HUMANAS PSICLOGIA SOCIOLOGIA IA INFORMÁTICA LÓGICA FILOSOFIA 17
  18. 18. Ciência Cognitiva• É um esforço contemporâneo para responder questões relativas à natureza do conhecimento, seus componentes, suas origens, desenvolvimento, etc.• Estudo das formas de cognição, supondo que o computador é um modelo adequado para simular o funcionamento do cérebro humano. Prof. Dr. Sofiane Labidi 18
  19. 19. IA e As Ciências Cognitivas• Inter-relação de diversas áreas: Inteligência Artificial Neurociências Lingüística Ciência CognitivaPsicologia Cognitiva Filosofia da Mente Prof. Dr. Sofiane Labidi 19
  20. 20. IA Vs. Informática Clássica (1)• Um programa comum só pode fornecer respostas às situações para as quais ele foi concebido. Soluções Algorítmicas! Prof. Dr. Sofiane Labidi 20
  21. 21. IA Vs. Informática Clássica (2)• Um sistema de IA pode: – Tratar de problemas complexos, sem soluções algorítmicas, necessidade de heurísticas. – Incorporar novos conhecimentos (aprender) sem afetar seu funcionamento. – Raciocinar na ausência de algumas informações. Prof. Dr. Sofiane Labidi 21
  22. 22. A IA não é tão Recente!• Vários trabalhos sobre a simulação do pensamento e do raciocínio humano já existiam há mais de um século!• A denominação IA nasceu em 1956, por Minsky, MacCarthy, Newell e Simon (no Dartmouth College de Hanover, New Hampshire). Prof. Dr. Sofiane Labidi 22
  23. 23. 1934-56: Gestação da IA!• Um primeiro modelo de neurônios (McCulloch e Pitts, 43)• Os primeiros programas de xadrez (Shannon e Turing, 50)• Construção do primeiro computador baseado em redes neurais (Minsky e Edmonds, 1951)• Workshop no Dartmouth (em 1956). Prof. Dr. Sofiane Labidi 23
  24. 24. Histórico• 1934-56: Gestação da IA.• 1952-69: Grandes expectativas!• 1966-74: Uma dose de realismo.• 1969-79: SBC: a chave!• 1980-88: IA é comercial.• 1986-??: IA Distribuída / SMA. Prof. Dr. Sofiane Labidi 24
  25. 25. 1952-69: O Entusiasmo• Desenvolvimento, por Newell e Simon, do GPS : “General Problem Solver”.• Os primeiros programas que aprendem (jogo de damas). Por Samuel, 1952.• A linguagem Lisp, por McCarthy, 1959.• Algoritmo de Robinson (1963): Provas de teoremas para a lógica de 1a ordem. Prof. Dr. Sofiane Labidi 25
  26. 26. Simulação da Inteligência?• Reprodução fiel dos processos mentais?• Reproduzir os efeitos (os resultados)? Prof. Dr. Sofiane Labidi 26
  27. 27. Problemática!• Entender a Mente humana e imitar seu comportamento, é uma das tarefas mais complexas que a ciência está tentando resolver! Prof. Dr. Sofiane Labidi 27
  28. 28. Inteligência?• É a capacidade de resolver problemas difíceis?• É a habilidade de aprender e de estabelecer generalizações ou analogias?• É a arte de enfrentar o mundo: comunicar, perceber, apreender o percebido? etc. Prof. Dr. Sofiane Labidi 28
  29. 29. Inteligência?• Capacidade para solucionar problemas abstratos (Sternberg).• Capacidade para resolver problemas que são importantes, em um determinado ambiente ou comunidade (Gardner). Prof. Dr. Sofiane Labidi 29
  30. 30. Máquina Inteligente!“Um computador é inteligente se ele parece humanopara o homem.” A. Turing Prof. Dr. Sofiane Labidi 30
  31. 31. Teste de Turing (1) “The Turing Test Page” B C SistemaMáquina Intermediário Homem A Prof. Dr. Sofiane Labidi 31
  32. 32. Teste de Turing (2)• Os indivíduos A e C são separados fisicamente. Eles comunicam via um sistema intermediário. O objetivo do Interrogador A é de descobrir quem de B e C é a máquina.• A máquina é “inteligente” se o interrogador A é incapaz de descobrir quem de B e C é a máquina. Prof. Dr. Sofiane Labidi 32
  33. 33. Fundamento da IA• A IA é baseada na teoria de computação de Turing: <<O tratamento de símbolos permite de demonstrar qualquer teorema>>• Dotar a máquina de capacidades de tratamento de símbolos permite de torná-la inteligente. Prof. Dr. Sofiane Labidi 33
  34. 34. Fundamento da IA• Os produtos da IA manipulam geralmente variáveis simbólicas usando operadores lógicos, (da mesma maneira que os sistemas clássicos manipulam variáveis numéricas usando operadores algébricos). Prof. Dr. Sofiane Labidi 34
  35. 35. Simulação da Inteligência• Duas Abordagens: – Conexionista (ou Ascendente); – Cognitiva / Simbólica (ou Descendente). Prof. Dr. Sofiane Labidi 35
  36. 36. Conexionismo• Objetivo: Tentar construir replicas eletrônicas às redes neuronais.• Neurônio: Célula ativa, fundamental a todo sistema nervoso animal. Prof. Dr. Sofiane Labidi 36
  37. 37. Problemática• Uma pessoa possui ~100 milhões de neurônios! enquanto os maiores sistemas usam o equivalente de algumas centenas de neurônios.• Mas ela já deu bastante resultados satisfatórios. Prof. Dr. Sofiane Labidi 37
  38. 38. Cognição• Objetivo: Tentar reproduzir os processos cognitivos humanos graças a programas computacionais complexos. Prof. Dr. Sofiane Labidi 38
  39. 39. Problemática• Especificamente: Aquisição de Conhecimentos.• A IA é essencialmente associada à abordagem cognitiva. Prof. Dr. Sofiane Labidi 39
  40. 40. Simulação da Inteligência IA EVOLUTIVACONEXIONISTA SIMBÓLICA Prof. Dr. Sofiane Labidi 40
  41. 41. Problemática da IA• As primeiras afirmações da IA (no início dos anos 60) foram muito ambiciosas: “Em dez anos teremos produtos de sistemas inteligentes”• Infelizmente, ficou claro agora que a tarefa dos pesquisadores em IA é muito mais complicada do que erra esperado! Prof. Dr. Sofiane Labidi 41
  42. 42. Teorias da Inteligência• Jean Piaget• Testes psicométricos (QI)• Processamento de Informações• Inteligências Múltiplas (Gardner)• Etc. Prof. Dr. Sofiane Labidi 42
  43. 43. Piaget• Para Piaget, o importante não são as respostas mas sim, as linhas de raciocínio desencadeadas para chegar até elas.• O conhecimento não está no sujeito nem no objeto, mas ele se constrói na interação do sujeito com o objeto. Prof. Dr. Sofiane Labidi 43
  44. 44. Piaget• Segundo Piaget, existe um mecanismo básico de aquisição do conhecimento, consistindo em um processo de equilíbrio entre assimilação e acomodação. – Assimilação: incorporação de novas informações aos esquemas já existentes. – Acomodação: modificação destes esquemas.• O resultado final da interação entre assimilação e acomodação é a equilibração. Prof. Dr. Sofiane Labidi 44
  45. 45. Teste de QI• Formas para “medir a inteligência”: – Os Testes de QI privilegiam o raciocínio lógico-matemático, a capacidade de memorização, e o raciocínio rápido. – Os testes de QI não enfatizam nenhuma visão do processo, de como se resolve um problema, apenas avaliam a resposta correta. Prof. Dr. Sofiane Labidi 45
  46. 46. Processamento de Informações• Visa descrever as etapas mentais desenvolvidas para a resolução de um problema (até mesmo quando não se encontra a solução ou encontra-se uma solução errada).• A meta final da psicologia do processamento de informações é descrever exaustivamente todas as etapas visando a simulação do desempenho de um indivíduo no computador. Prof. Dr. Sofiane Labidi 46
  47. 47. Inteligências Múltiplas• Para Gardner, as abordagens de QI, de Piaget, e de processamento de informações privilegiam indivíduos que possuam características lógicas e/ou lingüísticas mais desenvolvidas.• Gardner defende a abordagem dos sistemas simbólicos, abrangendo sistemas de símbolos mais amplos do que os lógicos e lingüísticos, envolvendo também símbolos musicais, corporais,, espaciais, e pessoais. Prof. Dr. Sofiane Labidi 47
  48. 48. Inteligência Múltipla (Howard Gardner)• A inteligência pode ser abordada sob diferentes aspectos, não só correlacionados à lógica, matemática, e memorização, mas, também, à fluência verbal e escrita, música e habilidades artísticas, etc. Prof. Dr. Sofiane Labidi 48
  49. 49. Inteligência Múltipla • Musical• São oito inteligências: • Corporal-Cinestésica • Lógico-Matemática • Lingüística • Espacial • Interpessoal • Intrapessoal • Naturalista. Prof. Dr. Sofiane Labidi 49
  50. 50. Inteligências Múltiplas 2+2=4
  51. 51. IA• Inteligência Artificial é o estudo de como fazer os computadores realizarem coisas que, no momento, as pessoas fazem melhor (Rich).• A Inteligência Artificial fundamenta-se na idéia de que é possível modelar o funcionamento da mente humana através do computador. Prof. Dr. Sofiane Labidi 51
  52. 52. IA• É possível pensar em uma atividade mental fora do corpo? – O corpo proporciona uma referência fundamental para a mente. – O meio ambiente influencia o cérebro através das percepções humanas. Prof. Dr. Sofiane Labidi 52
  53. 53. IA• A modelagem do cérebro no computador não é tão simples, pois o mundo em que vivemos é muito maior e mais complexo do que o micromundo digital do computador, construído por nós humanos. Prof. Dr. Sofiane Labidi 53
  54. 54. IA• A Inteligência Artificial levanta questões do tipo: – Como ocorre o pensar? – Como o homem extrai o conhecimento? – Como a memória, os sentidos e a linguagem ajudam no desenvolvimento da inteligência? – Como surgem as idéias? – Como a mente processa as informações, tira conclusões e toma decisões? Prof. Dr. Sofiane Labidi 54
  55. 55. Áreas de Pesquisa da IA PROCESS. SISTEMAS LINGUAGEM ESPECIALISTAS NATURAL IA BUSCA DEROBÓTICA SOLUÇÕES LÓGICA AGENTES DE NEBULOSA SOFTWARE Prof. Dr. Sofiane Labidi 55
  56. 56. Tarefas• Planejamento• Predição• Concepção• Diagnóstico• Reparação• Monitoramento• etc. Prof. Dr. Sofiane Labidi 56
  57. 57. Produtos da IA• Interfaces de linguagem natural;• Programas de tradução automática;• Tutores Inteligentes;• Sistemas de Compreensão da fala;• Sistemas de Diagnóstico médico;• Sistemas de Tratamento das imagens;• Programas de jogos;• Robôs; etc. Prof. Dr. Sofiane Labidi 57
  58. 58. Campos de Aplicações da IA• Medicina;• Engenharia;• Educação;• Negócio;• Indústria;• Meteorologia;• Acidentologia;• Militares; etc. Prof. Dr. Sofiane Labidi 58
  59. 59. Linguagens de IA• Programação Funcional – LISP, SCHEME, ML, SML, etc.• Programação Lógica – PROLOG, etc.• Programação por Atores – ABCL, Plasma, Mering, etc. Prof. Dr. Sofiane Labidi 59
  60. 60. Conclusão• A IA é uma Ciência Pluridíciplinar• A IA está em fase de Adolescência• Domínios diversos de Aplicação• Muitos Resultados, mas• Muito para Fazer ainda!• A Noção de Agentes! Prof. Dr. Sofiane Labidi 60
  61. 61. Conclusão• Será que é possível, um dia, a máquina consiga superar a inteligência humana? Prof. Dr. Sofiane Labidi 61
  62. 62. Conclusão• Maiores Conferências : – ENIA, SBRN, SBIE, WRI (nacionais) – SBIA, IJCAI (internacional)• Maior Revista : – Artificial Intelligence Magazine Prof. Dr. Sofiane Labidi 62
  63. 63. Parte 2. SISTEMAS BASEADOS EM CONHECIMENTO 63
  64. 64. Sistemas Baseados em Conhecimentos (SBC)• Os sistemas de IA implementam comportamentos inteligentes de especialistas humanos usando a abordagem cognitiva• Tais Sistemas são portanto baseados no conhecimento do especialista humano. Prof. Dr. Sofiane Labidi 64
  65. 65. SBC Vs. Sistemas Especialistas• Observação: Não se deve confundir Sistemas Baseados em Conhecimentos e Sistemas Especialistas (um SE é um caso específico de SBC). Prof. Dr. Sofiane Labidi 65
  66. 66. Sistemas Baseados em Conhecimentos (SBC)• O desenvolvimento de um SBC precisa, portanto, de uma grande fase de aquisição de conhecimento.• Ela é realizada pelo Engenheiro de Conhecimento. Prof. Dr. Sofiane Labidi 66
  67. 67. Ciclo de Vida de um SBCFC Design/Imple- CC CB MC MC mentação Aquisição de Conhecimento Artefato Prof. Dr. Sofiane Labidi 67
  68. 68. Parte 3. AQUISIÇÃO DE CONHECIMENTO 68
  69. 69. Dados Vs. Informações• Dados• Informações• Conhecimentos• Conhecer: • Memorização do Conhecimento; • Uso do Conhecimento. Prof. Dr. Sofiane Labidi 69
  70. 70. Conhecimento?• Conhecimento tem uma forte relação com a informação: – Fato: um paciente tem temperatura de 39 graus centígrados. – Conhecimento: O paciente tem febre.• O conhecimento é um tipo especial de fato, que nos diz algo sobre certos itens de informação. Prof. Dr. Sofiane Labidi 70
  71. 71. Dados, Informação, Conhecimento CONHECIMENTO INFORMAÇÃODADOS C C I C D I I D I C D D I I C D D I I D D D D D D Prof. Dr. Sofiane Labidi 71
  72. 72. Dados, Informação, ConhecimentoCONHECIMENTOSE NÃO HOUVER FISCALIZAÇÃO INFORMAÇÃO DADOENTÃO NÓS PODEMOS POR 8 PESSOAS EM UM CARRO Prof. Dr. Sofiane Labidi 72
  73. 73. Expertise• É a Habilidade de: • Baseada sobre: – Ação; – Conhecimento; e – Resolução de problemas; e – Experiência. – Tomada decisão. Prof. Dr. Sofiane Labidi 73
  74. 74. Aquisição de Conhecimentos• São as atividades necessárias para: – Coleta; e – Modelagem dos conhecimentos.• Objetivo: Fornecer ao futuro sistema a base de sua competência. Prof. Dr. Sofiane Labidi 74
  75. 75. Engenharia do Conhecimentos• Knowledge Engineering surgiu no final dos anos 70 voltada para sistemas especialistas e sistemas de bases de conhecimento. Prof. Dr. Sofiane Labidi 75
  76. 76. Engenheiro do Conhecimento• É o responsável pela fase de Aquisição de Conhecimentos. (“Knowledge Engineer”, “Cogniticien”) Prof. Dr. Sofiane Labidi 76
  77. 77. Engenheiro do Conhecimento Prof. Dr. Sofiane Labidi 77
  78. 78. Dois pontos de vistas1. Definir uma representação (“fiel”) do conhecimento do experto. Faz da AC uma simples transferência de conhecimentos. Prof. Dr. Sofiane Labidi 78
  79. 79. Dois pontos de vistas2. Criar um modelo original a partir deste: O objetivo não é necessariamente a reprodução do processo cognitivo de um experto na realização de uma tarefa específica, mas realizar um modelo a partir dele. Assim, o sistema será capaz de resolver uma classe de problemas associados a essa tarefa. Prof. Dr. Sofiane Labidi 79
  80. 80. AC como uma Atividade de Modelagem• Os primeiros métodos de AC erram Ad-hoc: Prototipagem rápida.• A partir de 1985, AC ficou vista como uma Atividade de Modelagem: A construção de um SBC é um processo criativo, que define um “Modelo Conceitual”. Prof. Dr. Sofiane Labidi 80
  81. 81. Modelagem?• É a atividade de abstração (simplificação) de uma parte do mundo real.• Ela depende da visão e do interesse de quem modela! Prof. Dr. Sofiane Labidi 81
  82. 82. Esquema do Modelo Conceitual• Um esquema é um conjunto de estruturas e operadores que permitem a realização (a representação) de uma abstração.• O esquema do modelo conceitual serve de quadro para a explicitação do conhecimento dos expertos. Prof. Dr. Sofiane Labidi 82
  83. 83. Modelo Conceitual?• É o resultado da aplicação de um esquema sobre uma parte do mundo real para obtenção de uma abstração dela (i.e. é o resultado da atividade de modelagem).• A expertise deve ser descrita em um bom nível de abstração, na fronteira entre uma representação formal (para uma implementação) e um nível “cognitivo”. Prof. Dr. Sofiane Labidi 83
  84. 84. Processo de AC Esquema do Modelo Modelo Conceitual ConceitualProblema 4 3 Artefato 1 2 Expertise Parcial AC Prof. Dr. Sofiane Labidi 84
  85. 85. 1: AC dirigida por Dados• Objetivo: Análise das atividades do especialista e dos futuros usuários do sistema, para: – Caracterizar (identificar) a expertise (representação parcial da expertise) – Definir os objetivos do sistema (definição da interação sistema-usuário) Prof. Dr. Sofiane Labidi 85
  86. 86. 1: AC dirigida por Dados• Duas abordagens: – Exploração do discurso do experto; e – Foco sobre o modelo conceitual. Prof. Dr. Sofiane Labidi 86
  87. 87. Exploração do Discurso• Foco na análise do discurso pouco dirigido do experto (monólogo) para coletar o máximo de conhecimentos não “preconceituados”!• Estes servirão depois como base para a fase de modelagem. grande esforço de análise lingüística!• Exemplo : a metodologia KOD. Prof. Dr. Sofiane Labidi 87
  88. 88. Foco no Modelo Conceitual• Focalizar diretamente a definição do MC.• O MC serve para filtrar e estruturar os conhecimentos adquiridos: É um guia eficiente para o processo de AC: “Qual é o tipo da tarefa? ”, “Quando terminar”, etc.• Exemplo: a metodologia KADS Prof. Dr. Sofiane Labidi 88
  89. 89. 2. Construção do Esquema do MC• É a definição de um vocabulário abstrato que permite a descrição e a estruturação dos conhecimentos do experto e que serão usados pelo sistema.• É um quadro para a conceitualização composto por: – primitivas epistimológicas que servirão como base conceitual para a modelagem. – estruturas correspondentes a algumas formas genéricas.• Objetivo: facilitar a tarefa de modelagem. Prof. Dr. Sofiane Labidi 89
  90. 90. Dificuldades• Quais as primitivas realmente adequadas para uma aplicação específica?• Quais são as primitivas universais? Se existem! Prof. Dr. Sofiane Labidi 90
  91. 91. Processo Iterativo• O processo é progressivo: – A construção do MC completo pode mostrar alguns defeitos do esquema: várias idas e voltas entre os diferentes níveis de abstração. Prof. Dr. Sofiane Labidi 91
  92. 92. 3. Instanciação do Esquema do MC• Aquisição dirigida por Modelo! O esquema do MC identifica os conhecimentos a serem adquiridos e seus papéis no processo de resolução de problemas.• Construir um MC completo Instanciar o Esquema. Prof. Dr. Sofiane Labidi 92
  93. 93. 4. Operacionalização do MC• É a fase de implementação que operacionaliza o modelo (torná-lo executável no sistema final).• A passagem do MC para o artefato apresenta vários problemas de ordem conceitual. Prof. Dr. Sofiane Labidi 93
  94. 94. Soluções• A fase de implementação do MC passa pela definição de um modelo de concepção (Design Model). Exemplo: KADS.• As estruturas de modelagem são codificadas em uma linguagem (que combina as programações : a objeto, lógica, e funcional). Exemplo:• Construção de modelos operacionais em uma arquitetura multiagentes. Exemplo: MAPS. Prof. Dr. Sofiane Labidi 94
  95. 95. As Exigências da Operacionalização• Ela é muito mais complexa do que uma simples codificação.• Deve satisfazer as exigências que: – A base de conhecimento (BC) deve refletir o MC; e – A existência de regras de mapeamento entre a BC e o MC. Prof. Dr. Sofiane Labidi 95
  96. 96. Importância do Mapeamento• A Necessidade de Atualização da Base de Conhecimentos; e• Explanação do Raciocínio. Prof. Dr. Sofiane Labidi 96
  97. 97. Necessidades de Atualização• A Manutenção da BC necessita de várias feedbacks nas fases da concepção:• Isto seria facilitado se o modelo operacional reflete, pelo menos parcialmente, o MC.• Assim, caso haja uma inconsistência no sistema, podemos identificar o componente do modelo conceitual que precisa ser atualizado. Prof. Dr. Sofiane Labidi 97
  98. 98. Necessidades de Explanação• A explanação e justificação do raciocínio é uma necessidade para a aceitação dos SBCs. A maioria se baseia nos traços de raciocínio.• Graças ao modelo conceitual, explicações melhores podem ser geradas colocando mais informações sobre as estratégias de raciocínio dentro do MC Exploração mais rigorosa do traço! Prof. Dr. Sofiane Labidi 98
  99. 99. Princípios da Correspondência Estrutural• A maioria dos trabalhos sobre a operacionalização do MC são baseados neste princípio (Reinders et al., 91) :• A cada tipo de conhecimento usado na modelagem de uma expertise (tarefa, inferência, conhecimentos do domínio) corresponde uma estrutura de dados adequada! Prof. Dr. Sofiane Labidi 99
  100. 100. Analogia: Arquitetura Ansi-Sparc O que? Usuário Nível Externo O que? SGBD (Administrador)Nível Conceitual Como? SGBD (Administrador) eNível Interno Onde? Sistema Operacional Prof. Dr. Sofiane Labidi 100
  101. 101. Conclusão• A AC é a fase mais importante na construção de SBC.• Ela condiciona o grau de aceitação do artefato pelo usuário.• É uma fase muito complexa (“the Bottleneck”): – Dificuldade de exteriorização explicitação do conhecimento pelo especialista experto; – Dificuldade de modelagem e de operacionalização Prof. Dr. Sofiane Labidi 101
  102. 102. Parte 4. REPRESENTAÇÃO DE CONHECIMENTO 102
  103. 103. IA Conhecimento• Conhecer: É uma operação ativa que precisa da: – memorização de Informações; e do – bom uso dessas informações. Procurar representar os conhecimentos Prof. Dr. Sofiane Labidi 103
  104. 104. Engenharia de Conhecimento AQUISICÃO DE REPRESENTAÇÃOCONHECIMENTO DO CONHECIMENTO Prof. Dr. Sofiane Labidi 104
  105. 105. Exemplo de RepresentaçãoCONHECIMENTOSE NÃO HOUVER FISCALIZAÇÃO INFORMAÇÃO DADOENTÃO NÓS PODEMOS POR 8 PESSOAS EM UM CARRO Prof. Dr. Sofiane Labidi 105
  106. 106. Representação do Conhecimento• “Knowledge representation (KR) is the study of how knowledge about the world can be represented and what kinds of reasoning can be done with that knowledge”. Prof. Dr. Sofiane Labidi 106
  107. 107. Representação do Conhecimento• Visa levar o “conhecimento” para a máquina e dotá-la de alguma capacidade de raciocínio (reasoning). Prof. Dr. Sofiane Labidi 107
  108. 108. Representação?• Convenção sintática e semântica para descrição das informações.• Ela deve : – Explicitar o conhecimento e – Ser manipulável. Prof. Dr. Sofiane Labidi 108
  109. 109. Representação?• Convenção sintática e semântica para descrição das informações.• Ela deve : – Explicitar o conhecimento e – Ser manipulável. Prof. Dr. Sofiane Labidi 109
  110. 110. Representação?– Conhecimento não é estático– Conhecimentos estão interligados– Conhecimento cresce ou se acumula– algo novo deve ser relacionado com o velho– Não existe um melhor tipo de representação, independentes do contexto, do conhecimento e do uso. Prof. Dr. Sofiane Labidi 110
  111. 111. Variedade do Conhecimento• Duas Visões: – Declarativo Vs. Processual Prof. Dr. Sofiane Labidi 111
  112. 112. Variedade do Conhecimento• Conhecimento Declarativo: – Conhecimento sobre o domínio• Conhecimento Processual: – Conhecimento sobre a resolução de problema Prof. Dr. Sofiane Labidi 112
  113. 113. Variedade do Conhecimento• Conhecimento Declarativo:• O homem quando se comunica usa freqüentemente Enunciados Declarativos, por exemplo : – “Paris é a capital da França” – “Meu irmão tem 25 anos” – “O Maranhão fica no norte do Brasil” Prof. Dr. Sofiane Labidi 113
  114. 114. Variedade do Conhecimento• Conhecimento Processual (Imperativo):• Nós precisamos também passar ordens (informações imperativas): – São ordens que devem ser executadas – Os comandos são ordenados (execução seqüencial) – O interlocutor não tenta interpretar, ele deve somente executar. Prof. Dr. Sofiane Labidi 114
  115. 115. Variedade do Conhecimento• Conhecimento Processual (Imperativo): – São enunciados simples – São independentes de seus contexto de utilização – Não são verificados como verdadeiros ou falsos (isto é feito depois). Prof. Dr. Sofiane Labidi 115
  116. 116. Variedade do Conhecimento• Conhecimento Superficial: (shallow knowledge) – Combinação dos conhecimentos processuais e declarativos para resolução rápida de problemas comuns.• Conhecimento Profundo: (deep knowledge) – É o conhecimento fundamental de um domínio: definições, axiomas, leis gerais, princípios, relações causais, etc. Prof. Dr. Sofiane Labidi 116
  117. 117. Variedade do Conhecimento• Conhecimento Superficial: (shallow knowledge) – Combinação dos conhecimentos processuais e declarativos para resolução rápida de problemas comuns.• Conhecimento Profundo: (deep knowledge) – É o conhecimento fundamental de um domínio: definições, axiomas, leis gerais, princípios, relações causais, etc. Prof. Dr. Sofiane Labidi 117
  118. 118. Variedade do Conhecimento• Objetos Complexos• Fatos, leis, teorias, enunciados• Crenças, pontos de vista• Ambigüidade, incerteza, incompletude• Evolução• Quantificação• Espaço-Temporal Prof. Dr. Sofiane Labidi 118
  119. 119. Exceção• Toda lei geral tem suas exceções:• Exp: Os pássaros voam, exceto os “avestruzes” e os “pingüins”• Elas devem ser armazenadas como as leis gerais? ou devem ter uma representação específica? Prof. Dr. Sofiane Labidi 119
  120. 120. Evolução• O que fazer das informações que não estão mais válidas?• Elas devem ser retiradas? Como então, explicar decisões anteriores?• Como achar as informações deduzidas a partir delas? Prof. Dr. Sofiane Labidi 120
  121. 121. Continuidade, Transitividade• Exemplos : – Se X é vizinho de Y e Y é vizinho de Z, então X é vizinho de Z.• A transitividade não é sempre verdadeira!• Precisa de modelos onde a dedução não é fortemente transitiva. Prof. Dr. Sofiane Labidi 121
  122. 122. Conhecimento Espaço-Temporal• Detalhamento implícito de algo em relação às noções de instante e de posição.• Por exemplo: – “O livro está em cima da mesa” – “O clima é chuvoso durante o inverno” Prof. Dr. Sofiane Labidi 122
  123. 123. Quantificadores• Na linguagem natural: algumas, a maioria, todos, ... geralmente, sempre, às vezes, ...• Esses quantificadores são difíceis de traduzir!• Na lógica temos especificamente os quantificadores : • Existencial • Universal Prof. Dr. Sofiane Labidi 123
  124. 124. Representação de Conhecimentos• Uma representação não tem um significado a priori.• A semântica é dada pelo uso.• A representação de conhecimentos envolve: • As ciências cognitivas; e • A Informática. Prof. Dr. Sofiane Labidi 124
  125. 125. Uma Boa Representação• Adequação da Representação• Adequação da Inferência• Eficiência da Inferência• Eficiência da Aquisição Prof. Dr. Sofiane Labidi 125
  126. 126. Adequação da Representação• É o poder da representação (expressividade). Prof. Dr. Sofiane Labidi 126
  127. 127. Adequação da Inferência• Uma representação deve permitir fazer inferências, ou seja, deduções de novos conhecimentos. Prof. Dr. Sofiane Labidi 127
  128. 128. Eficiência da Inferência• Favorecer (usando algumas informações adicionais) alguns caminhos de pesquisa. Prof. Dr. Sofiane Labidi 128
  129. 129. Eficiência da Aquisição• Facilitar a aquisição de novos conhecimentos pelo usuário e/ou pelo sistema. Prof. Dr. Sofiane Labidi 129
  130. 130. Formalismos de Representação• Lógica• Sistemas de Produção• Redes Semânticas• Frames• Grafos Conceituais• Imperativo / Processual• Árvore de Decisão Prof. Dr. Sofiane Labidi 130
  131. 131. Representação “Lógica” 131
  132. 132. Lógica• A Lógica é baseada na definição de primitivas conceituais associadas a um conjunto de predicados.• O conhecimento de um domínio é organizado em Cláusulas. Prof. Dr. Sofiane Labidi 132
  133. 133. Exemplo de Representações• Está Chovendo CHOVENDO• Bimbo é um Gato Gato(Bimbo)• Adriana gosta de nadar Gosta (Adriana,Nadar)• Todo Homem é Mortal X: Homem(X) Mortal(X) Prof. Dr. Sofiane Labidi 133
  134. 134. Lógica: Limitações– A inferência lógica não é sempre o modo de raciocínio privilegiado pelo ser humano;– Os conhecimentos humanos são contextuais porém a lógica não permite representar isso;– Parcelamento do conhecimento;– Pouca estruturação das informações;– Variedade de tipos de lógica. Prof. Dr. Sofiane Labidi 134
  135. 135. Lógica Clássica– Lógica proposicional (ou de ordem 0: lógica sem variáveis)– Lógica de primeira ordem (lógica de predicado, com variáveis)– Lógica de segunda ordem (com novos operadores: , ). Prof. Dr. Sofiane Labidi 135
  136. 136. Críticas• A Lógica Clássica: – Mundo fechado – Inadequação à resolução de problemas complexos (exceção, ...) Lógica Não-Clássica Prof. Dr. Sofiane Labidi 136
  137. 137. Lógica Não-Clássica– Lógica Multi-Valorada– Lógica Modal Prof. Dr. Sofiane Labidi 137
  138. 138. Lógica Multi-Valorada• Além dos valores existentes Verdadeiro e Falso, usa-se também outros valores, como: Desconhecido, Intermediário, Absurdo, ... poder tratar as informações incertas e transitórias. Prof. Dr. Sofiane Labidi 138
  139. 139. Lógica Modal• Operadores: de necessidade: (ou L) e de possibilidade: ◊ (ou M) Exemplo: A formula: ◊ x sse ( x) “x é possível se e somente se não x não é necessário”• Implicação do “bom senso” A B = ◊ (A ^ B ) Prof. Dr. Sofiane Labidi 139
  140. 140. Vantagem• A Formalização Prof. Dr. Sofiane Labidi 140
  141. 141. Sistemas de Produção Prof. Dr. Sofiane Labidi 141
  142. 142. Formalismo de Regras• É o formalismo de representação de conhecimento mais familiar: IF <Premissas> AND / OR THEN <Conclusões>Falamos de Sistemas de Produção. Prof. Dr. Sofiane Labidi 142
  143. 143. Formalismo de Regras Par condição-ação CONDIÇÃO AÇÃOSE CONDIÇÃO ENTÃO AÇÃO Antecedente Conseqüente Prof. Dr. Sofiane Labidi 143
  144. 144. ExemploSE X é animal e X tem pele e X “amamenta”ENTÃO X é mamífero. Prof. Dr. Sofiane Labidi 144
  145. 145. Tipos de Regras• Regras de Ordem 0• Regras de Ordem 0+• Regras de Ordem 1• Regras de Ordem Superior Prof. Dr. Sofiane Labidi 145
  146. 146. Regras de Ordem 0• Tudo é constante (não tem variáveis) (Uso da lógica proposicional)• Exemplo: animal, mamífero, etc. Prof. Dr. Sofiane Labidi 146
  147. 147. Regras de Ordem 0+• Uso de <Objetos, Atributos, Valores>Exemplo: Se Temperatura da Sala > 28 Então Estado do Ar-Condicionado = Ligado Prof. Dr. Sofiane Labidi 147
  148. 148. Regras de Ordem 1• Uso da lógica de predicados (variáveis quantificadas)• Exemplo: SE existe uma Pessoa X , uma Pessoa Y, e uma Pessoa Z e X é o Pai de Z e Z é o Pai de Y ENTÃO X é o avô de Y. Prof. Dr. Sofiane Labidi 148
  149. 149. Regras de Ordem Superior• Uso da lógica de variáveis e quantificadores incluindo os operadores: – Existencial e – Universal . Prof. Dr. Sofiane Labidi 149
  150. 150. Componentes de um SP• Memória de Trabalho: – Contém objetos definidos por seus valores e atributos. – Eles representam: • fatos (observados ou inferidos); e • hipóteses (que podem ser modificadas ou removidas).• Memória de Regras: – Contém regras que direcionam o comportamento do sistema. Prof. Dr. Sofiane Labidi 150
  151. 151. Exemplo de SP(Patient-ID ’4531)(Patient-Name ’Edilson) IF (Patient-Temp ’40) AND (Patient- ....) ...(Patient-Temperature ’40)(Patient-... ’...) THEN (assert (Patient-Complaint ’Dengue)) IF (Patient-Complaint ’Dengue) THEN (assert (Remedy ’Thylenol)) Prof. Dr. Sofiane Labidi 151
  152. 152. Meta-Regras• Exemplo: SE Veículo é Velho e Problema para ligar o motor ENTÃO aplicar em prioridade as regras sobre a bateria .... Prof. Dr. Sofiane Labidi 152
  153. 153. Sistemas de Produção com Meta-Regras Dados Observados “Match” Memória Meta-Regras de TrabalhoSelecionar Alterar Memória “Fire” Saída Interpretação de Regras Prof. Dr. Sofiane Labidi 153
  154. 154. Estratégias de Controle– Encadeamento para frente– Encadeamento para trás– Sistema híbrido Prof. Dr. Sofiane Labidi 154
  155. 155. Gestão da Incerteza• FC: Fator de Certeza (Mycin) FC(Regar) = FC(Premissa) * FC(Conclusão) Prof. Dr. Sofiane Labidi 155
  156. 156. FC da Premissa• Combinação dos Fatores de Certeza: FC (P1 P2) = MIN (FC (P1) , FC (P2)) FC (P1 P2) = MAX (FC (P1) , FC (P2)) FC ( P) = 1 - FC (P) Se FC(Premissa) < 0.2, então eliminar a regra. Prof. Dr. Sofiane Labidi 156
  157. 157. Conclusão: Vantagens• Modularidade • independência entre as regras • Quais são as regras ligadas a este tipo de ações? Pacotes de regras!• Formalismo “Like-English”.• Mecanismo de inferência similar aos mecanismos utilizados pelo ser humano.• Atualização fácil de novos conhecimentos: Evolução e Explanação, etc. Prof. Dr. Sofiane Labidi 157
  158. 158. Conclusão: Desvantagens• O conhecimento de controle não é claro;• Parcelamento do conhecimento;• Os pacotes de regras não têm uma estrutura específica: a gerência das grandes bases de regras fica complexa;• Validação/Teste difíceis (explosão combinatória). Prof. Dr. Sofiane Labidi 158
  159. 159. ConclusãoVANTAGENS DESVANTAGENSModularidade Tempo de execuçãoUniformidade Fluxo de controleNaturalidade complexo Prof. Dr. Sofiane Labidi 159
  160. 160. Redes Semânticas Prof. Dr. Sofiane Labidi 160
  161. 161. Redes Semânticas• Redes Semânticas: – São Grafos representando os conceitos de um domínio e seus relacionamentos semânticos.• Origem: – Trabalhos de (Quilan, 62) Prof. Dr. Sofiane Labidi 161
  162. 162. Exemplo is-a Veículo Adriana ako mãe part-of possui is-aMotor Carro Eduardo Pessoa cor idade Cinza 25 Prof. Dr. Sofiane Labidi 162
  163. 163. Variedade de Relações• Não é definido um conjunto específico de relações.• As relações mais usadas: – is-a (é-um) Permite agrupar objetos na mesma classe (Instanciação) – ako (a-kind-of: tipo-de) Refinamento de um conceito em um mais específico (Sub-Tipagem) – part-of (parte-de) (relação de: pertence a ...) Prof. Dr. Sofiane Labidi 163
  164. 164. Exemplo: Herança (isa, ako) ako ObjetoVelocidade tem ako Meio-Transporte part-of Rodas ako ako Part-of Cavalo Carro Motor is-a cor isa Meu-Carro Vermelho Cor Prof. Dr. Sofiane Labidi 164
  165. 165. Exemplo: Filtragem possui é-um Carro Eduardo Pessoa idade 25• Request: - “Qual é a idade de Eduardo?” - “Existe uma pessoa que possui um carro?” Prof. Dr. Sofiane Labidi 165
  166. 166. Exemplo: Filtragem• Resolução usando o princípio da correspondência: “Qual é a idade de Eduardo?” Eduardo -- idade--> idade? “Existe uma pessoa que possui um carro?” pessoa? --é-um--> Pessoa pessoa? --possui--> carro? --é-um--> Carro Prof. Dr. Sofiane Labidi 166
  167. 167. Correspondência com a LPO• Uma rede semântica pode ser mapeada em uma Representação na LPO (Lógica da Primeira Ordem): nós termos retas relações Prof. Dr. Sofiane Labidi 167
  168. 168. Exemplo is-aCarla Mulher Mulher(Carla) idade Idade(Carla,18) 18 akoHomem Animal X: Humano(X) Animal(X) Prof. Dr. Sofiane Labidi 168
  169. 169. Herança! Objeto-Voador ako Pássaro ako PingüimBimbo voa? is-a bimboSolução: A sob-classe deve mascara a super-classe!? Prof. Dr. Sofiane Labidi 169
  170. 170. Problemática• Semântica exata de um nó e das ligações?• Representações canônicas em um domínio específico?• Representação do tempo? crenças, hipóteses? etc.• Definição da herança! Prof. Dr. Sofiane Labidi 170
  171. 171. Arco (Winston, MIT) BLOCOpos isa isa B3 isa B2 suporta B1 suporta Não-contato B1 B2 pos pos Vertical Prof. Dr. Sofiane Labidi 171
  172. 172. Exemplo de Representação• Ako (Cavalo, Meio-transporte)• Ako (Veículo, Meio-transporte)• Ako (Carro, Veículo)• Propriedade (Meio-transporte, Velocidade)• Isa (meu-carro, Carro)• Herdar (X,P) :- propriedade (X,P).• Herdar (X,P) :- isa(X,Y) propriedade (Y,P).• Herdar (X,P) :- ako(X,Y) propriedade (Y,P). Prof. Dr. Sofiane Labidi 172
  173. 173. Frames 173
  174. 174. Modelo• Origem: Trabalhos de Minsky no MIT, em 1975, visando a Extensão do Modelo de Redes Semânticas.• Características: Uso de nós, chamados Frames, para representar as estruturas complexas. Prof. Dr. Sofiane Labidi 174
  175. 175. Estruturas complexas• Objetos estruturados (compostos)• Categorias de Objetos. Prof. Dr. Sofiane Labidi 175
  176. 176. Frame• Um Frame (ou moldura) é um objeto complexo descrito por um conjunto de campos (atributos, propriedades, etc.), chamados “slots” e de valores.• Para cada slot é associado um conjunto de facetas que definem suas características.• As ligações entre os frames são realizadas graças ao fato de que o valor de um slot pode ser um outro frame. Prof. Dr. Sofiane Labidi 176
  177. 177. Exemplo Criançaako : PessoaSexo : MasculinoIdade : Domínio: [0..12]End. : Domínio {SL,SP,...} André isa : Criança Idade : 8 End. : São Luís Prof. Dr. Sofiane Labidi 177
  178. 178. Exemplo Macacoako : AnimalSexo : Domínio: {M,F}Idade : Integer BananaMora. : Defaut: selva ako : FrutaAlimento : Defaut: banana Cor : Amarela Providência : Bananeira Prof. Dr. Sofiane Labidi 178
  179. 179. Slots• Hierarquia: Ako, Isa• Propriedades: Idade, Cor, Sexo, possui, ...• Propriedades Estruturais: part-of• Relações entre Objetos: perto-de, acima, ...• Papéis: pai, servidor, ... Prof. Dr. Sofiane Labidi 179
  180. 180. Valores por Defaut• Exp. Em FRL Reunião Date $DEFAULT (hoje) Prof. Dr. Sofiane Labidi 180
  181. 181. Restrições: Exp. (em FRL)FRAME Slots Facetas AKO: Atividade $REQUIRE:Reunião (existe ?Participante Participantes (papel „Presidente)) $PREFER: Duração (not (> ?Duração 1h30)) Prof. Dr. Sofiane Labidi 181
  182. 182. Demônios• Procedimentos executados automaticamente na leitura ou modificação do valor do atributo, ao qual ele está associado (Event-based Execution). Prof. Dr. Sofiane Labidi 182
  183. 183. Ex. em FRLFRAME Slots Facetas AKO: Objeto $REQUIRE: (AKO Pessoa)Atividade $If-Needed (pedir) Participantes (preencher relação-participantes) $REQUIRE: (AKO Intervalo) Duração $If-Added (adicionar-ao-plano) Prof. Dr. Sofiane Labidi 183
  184. 184. KEE• Em KEE (Sistema de Frames) – Valores Ativos: Métodos aplicados automaticamente na modificação ou leitura de um slot. Prof. Dr. Sofiane Labidi 184
  185. 185. Herança• Os frame podem ser organizados em uma hierarquia.• Temos herança de: • Valores, • Estruturas, e • Demônios. Prof. Dr. Sofiane Labidi 185
  186. 186. Herança das Estruturas• Questão: Como as estruturas são transmitidas? Transmissão de todos os atributos ou de alguns ? De todas as facetas ou de algumas?• Em KEE Herança de tudo na criação de uma Sub-classe, e somente dos Member- Slots que ficam Own-Slots da instância em uma instanciação. Prof. Dr. Sofiane Labidi 186
  187. 187. Herança dos Valores• Questão: Como os valores dos atributos e de suas facetas são transmitidos?• Em KEE Na instanciação (ligação Member.of), temos: Herança das restrições e das descrições por defaut dos Member-Slots. Prof. Dr. Sofiane Labidi 187
  188. 188. Mecanismo de Inferência• Herança• Restrições• Demônios Prof. Dr. Sofiane Labidi 188
  189. 189. Exp. Sistemas de Frames• FRL : MIT 77.• RLL : Lenat, 80.• SRL : Fox, 85.• KRL : Xerox.• KEE• Units, KL-One Prof. Dr. Sofiane Labidi 189
  190. 190. Aplicações• Análise de cenas• Compreensão da percepção visual• etc. Prof. Dr. Sofiane Labidi 190
  191. 191. Conclusão• Mais adaptado ao modo de raciocínio do ser humano.• Uso mais fácil e mais formal.• Mecanismo de Herança muito poderoso.• Ganho em flexibilidade e eficiência. Prof. Dr. Sofiane Labidi 191
  192. 192. Conclusão• Modelo Híbrido: Não tem contradição com o formalismo de regras.• Em KEE As regras são representadas como frames, usando os atributos: Conditions, Conclusions, Actions, etc. Prof. Dr. Sofiane Labidi 192
  193. 193. Regras e Frames• Representação Híbrida: • Os frames podem ser referenciados por uma Regra; • As regras podem ser definidas como frames , agrupadas em classes; • Alguns Slots de um Frame podem conter regras. Prof. Dr. Sofiane Labidi 193
  194. 194. Grafos Conceituais Prof. Dr. Sofiane Labidi 194
  195. 195. Origem (Sowa 84)• Trabalhos de John Sowa nos anos 80 sobre o tratamento da linguagem natural (modelo psicológico da percepção).• É uma extensão das redes semânticas tentando uma boa formalização do modelo.• É um modelo que se baseio muito na lógica de primeira ordem e que teve a preocupação de suportar as inferências lógicas (LPO). Prof. Dr. Sofiane Labidi 195
  196. 196. Grafo Conceitual• É um grafo bipartido onde os nós representam: • Conceitos ; ou • Relações entre conceitos. Prof. Dr. Sofiane Labidi 196
  197. 197. Grafo Conceitual: Primícias• Para criação de Grafos conceituais precisamos definir antecipadamente: – Os Tipos de Conceitos; – Os Conceitos; e – As Relações Conceituais. Prof. Dr. Sofiane Labidi 197
  198. 198. Primícias– Tipos de Conceitos: Definição de uma hierarquia de tipos.– Conceitos: Instancias dos tipos de conceitos.– Relações Conceituais: Ligações semânticas entre os diferentes conceitos, definidas em uma hierarquia. Prof. Dr. Sofiane Labidi 198
  199. 199. Tipos de Conceitos• Representam: Classes de entidades, Estados, ou Eventos.• Exp. Gato, Comer, Preço, Ler, etc. Eles correspondam a: nomes, verbos, adjetivos, etc. na linguagem natural. Prof. Dr. Sofiane Labidi 199
  200. 200. Tipos predefinidos• Para cada sistema de Grafos Conceituais (GC) existe uma série de tipos predefinidos.• Uma relação < é definida sobre os tipos exprimindo o fato que alguns tipos de conceitos são incluídos em outros.• Exp: Gato < Mamífero < Animal < Objeto-Físico Sob-Tipo Super-Tipo Prof. Dr. Sofiane Labidi 200
  201. 201. Lattice : Propriedade• A hierarquia de tipos de conceitos não é organizada sob forma de arvore mas defina um lattice:• Lattice é uma hierarquia onde Cada dois tipos devem ter no máximo : – um sob-tipo máximo comum, e – e um super-tipo mínimo comum. Prof. Dr. Sofiane Labidi 201
  202. 202. Exp. de Lattice Animal Animal Mamífero Silvestre Elefante TigreEsta hierarquia não obedece às regras de um lattice Prof. Dr. Sofiane Labidi 202
  203. 203. Exp. de Lattice Top Animal Animal Silvestre Animal Doméstico Tigre ElefanteHá herança múltipla. Bottom Prof. Dr. Sofiane Labidi 203
  204. 204. Referentes• Referente Genérico GATO: * Significado: , <<qualquer gato>> ou <<um gato>>• Referente Individual GATO: #25 GATO: Bimbo Significado: <<O indivíduo # 25 é um gato>> <<o gato n. 25>> <<o gato chamado Bimbo>> Há unicidade do referente Prof. Dr. Sofiane Labidi 204
  205. 205. Relações conceituais• Mostram os papeis que os conceitos têm em relação aos outros conceitos. Exemplo: ATTR GRANDE é um atributo de HOMEM AGNT HOMEM é um agente de BEBER OBJ WHISKY é um objeto de BEBER MANR DEVAGAR é uma maneira de BEBER LOC um EVENTO acontece em um LOCAL• Geralmente uma relação conceitual liga dois conceitos, mas existe relações unárias (o NOT), triplas (BETW), etc. Prof. Dr. Sofiane Labidi 205
  206. 206. Hierarquia de Relações• As relações também são organizadas em uma hierarquia.• Esta hierarquia não é um lattice como é o caso para os tipos de conceitos. Prof. Dr. Sofiane Labidi 206
  207. 207. Representação• Os grafos conceituais podem ser representados sob duas formas : – Literal (notação linear); ou – Gráfica. Prof. Dr. Sofiane Labidi 207
  208. 208. Exemplo de GC A frase <<João vai a Fortaleza>> é representada em um GC:PESSOA: João AGENTE IR:* DESTINO CIDADE: Fortaleza Representação Linear: [ IR: *] -- { (AGENTE)  [PESSOA:João] ; (DESTINO)  [CIDADE:Fortaleza] ; } Prof. Dr. Sofiane Labidi 208
  209. 209. Exemplo de GC A frase <<João vai a Fortaleza de Moto>> é representada em um GC:PESSOA: João AGENTE IR:* DESTINO CIDADE: Fortaleza Representação Linear: INSTRUMENTO MOTO:* [ IR: *] -- { (AGENTE)  [PESSOA:João] ; (DESTINO)  [CIDADE:Fortaleza] ; (INSTRUMENTO)  [MOTO:*] ; } Prof. Dr. Sofiane Labidi 209
  210. 210. Exemplos de GC• O que representa este grafo?PESSOA AGENTE COME OBJETO TORTA Prof. Dr. Sofiane Labidi 210
  211. 211. Exemplos de GC• Defina as representações em GC das seguintes afirmações : – “O Professor Labidi ensina Inteligência Artificial para a Turma A”. – “Um gato preto está sentado na mesa”. – “João está olhando para seus pés”. Prof. Dr. Sofiane Labidi 211
  212. 212. GC e LPO• John Sowa definiu o operador para conversão de Grafos Conceituais em Formulas da Lógica de Primeira Ordem. Prof. Dr. Sofiane Labidi 212
  213. 213. Afirmações / Operador• : Transformação em uma formula lógica de primeira ordem: Conceito C sem referente x, C(x) Conceito C com referente A C(A) Uma relação R ligando os conceitos C(x) e C(y) R(x,y) Prof. Dr. Sofiane Labidi 213
  214. 214. Afirmações / Operador <<O gato preto bimbo está sentado na mesa>>GATO: Bimbo AGENTE SENTADO LOCAL MESA ATRIBUTO PRETO x,y,z Gato(“Bimbo”) Agente(“Bimbo”,x) Sentado(x) Local(x,y) Mesa(y) Atributo(“Bimbo”,z) Preto(z) Prof. Dr. Sofiane Labidi 214
  215. 215. Operador (2) <<Um homem está olhando para seus pés>>HOMEM: * AGENTE OLHAR OBJETO PÉS PART-OF x,y,z Homem(x) Agente(x,y) Olhar(y) Objeto(y,z) Pés(z) PartOf(z,x) Prof. Dr. Sofiane Labidi 215
  216. 216. Operador (3)• A hierarquia de tipos implica algumas afirmações lógicas: – Homem Sob-Tipo Pessoa – x, Homem(x) Pessoa(X) Prof. Dr. Sofiane Labidi 216
  217. 217. Modalidades • Indicação de possibilidades, necessidades, etc. : “João pensa que um gato está sentado no tapete”PESSOA: JOÃO AGENTE PENSA OBJETOPROPOSIÇÃO: GATO:* AGENTE SENTA LOCAL TAPETE Prof. Dr. Sofiane Labidi 217
  218. 218. NegaçãoNão Prof. Dr. Sofiane Labidi 218
  219. 219. ExemploProf. Dr. Sofiane Labidi 219
  220. 220. Abstração/Grafos Canônicos• Uma Grafo Canônico defini uma abstração gabarito por um conceito ou uma relação conceitual.• Um grafo Canônico defini as restrições sobre as relações que podem ocorrer.• Exp. Para o conceito ir são associadas as relações: destino, agente e instrumento. Prof. Dr. Sofiane Labidi 220
  221. 221. Exp. O conceito “Ensinar”PROFESSOR AGENTE ENSINA RECEPTOR ALUNO OBJETO Disciplina Grafo canônico associado ao tipo de conceito ensinar Prof. Dr. Sofiane Labidi 221
  222. 222. Restrição / Especialização• A restrição/especialização pode ser feita de duas formas: • Substituindo um conceito por um sob-tipo de conceito dele, ou • adicionando um referente onde não tem.• Exp. Animal pode ser restringido por Gato ou Gato:“Bimbo” !• Se G2 Restrição (Especialização) de G1 G1 Generalização de G2 Prof. Dr. Sofiane Labidi 222
  223. 223. Exemplo de EspecializaçãoPESSOA AGENTE COME OBJETO TORTA restrição GAROTA AGENTE COME OBJETO TORTA Prof. Dr. Sofiane Labidi 223
  224. 224. União / Junção• Toma-se dois GCs simples com um conceito comum e juntar-os com base nesse conceito ligando os arcos dos dois grafos para construir um grafo único. Prof. Dr. Sofiane Labidi 224
  225. 225. Simplificação• Exclua qualquer relação duplicada entre dois conceitos.• Isto pode acontecer depois de uma junção (união). Prof. Dr. Sofiane Labidi 225
  226. 226. Exp.GAROTA AGENTE COME OBJETO TORTA MANEIRA RÁPIDA AGENTE Prof. Dr. Sofiane Labidi 226
  227. 227. Ferramentas– CP (PFEIFFER & HARTLEY, 1992),– DEAKIN TOOL SET (GARNER et al., 1992),– LOUGHBOROUGH TOOLSET (HEATON & KOCURA, 1993),– UNE-CG-KEE (MUNDAY et al., 1994),– PEIRCE (ELLIS, 1993) (PEIRCE, 1994)– CoGITo (HAEMMERLÉ, 1995). Prof. Dr. Sofiane Labidi 227
  228. 228. Conclusão• Formalização.• Operadores sobre os grafos conceituais interessantes para permitir o raciocínio.• Um méodo para a realização de deduções (em lógica de primeira ordem).• Notação bem definida e muito flexível. Prof. Dr. Sofiane Labidi 228
  229. 229. Orientação a Objeto (em anexo) Prof. Dr. Sofiane Labidi 229
  230. 230. Árvores de Decisão Prof. Dr. Sofiane Labidi 230
  231. 231. Arvore de Decisão• É um caso específico de sistemas de produção onde regras de produção de ordem 0 são representadas sob forma de uma árvore.• Pode-se usar operadores de conjunção ou disjunção para ligar as premissas (fatos). Prof. Dr. Sofiane Labidi 231
  232. 232. A Vitima conheça o assassino e o faz confiança 0,72 0,9 A Vitima Não há sinal O Crime aconteceu na casa não “lutou” 0,8 de rombamento 1 da vítima 1 1 1 1 Os móveis Além do Não há traços A porta de O crime O crime O crime ferimento não de pés levando entrada e asnão mudarem janelas estavam aconteceu na aconteceu aconteceu há marcas de do exterior ao de lugar fechados e biblioteca da no quarto no salão da agressão V 1corpo F 1 intatos V 1 vítimaV1 V 0,8 232 vítimaF 1 da vítima F 1
  233. 233. Imperativo ou Processual Prof. Dr. Sofiane Labidi 233
  234. 234. Procedimentosfunction Pessoa(X) return boolean is if (X = Socrates) or (X = Hillary) then return true else return false;Function Mortal(X) return boolean is return Pessoa(X); Prof. Dr. Sofiane Labidi 234
  235. 235. Exercício• Construa as representações lógicas e GC dessas firmações: • “Brasileiro Gosta de Futebol” • “Jorge é casado” • “O irmão de Jorge tem 20 anos” • “Um gato preto está sentado sobre a mesa” • “O gato está olhando para seus pés”• Qual é a diferença entre as redes semânticas e o modelo de Frames?• Dar uma representação em Frames de um domínio da sua escolha! Prof. Dr. Sofiane Labidi 235
  236. 236. Conclusão• Cada formalismo oferece excelentes ferramentas de representação.• Contudo, todos esses formalismos obrigam o usuário a usar: • um único modo de expressão; • um tipo pré-estabelecido de raciocínio. Prof. Dr. Sofiane Labidi 236
  237. 237. Conclusão• O objetivo não é só representar mas, também permitir o raciocínio (a inferência) pelo computador (Computer-Based Reasoning).• Diversidade de modelos com características diferentes.• Dificuldade de gestão das exceções, incompletude, incerteza, etc.• Necessidade de modelos híbridos. Prof. Dr. Sofiane Labidi 237
  238. 238. Conclusão Geral• Coleta de conhecimentos a partir de especialistas que não são expertos em IA ou em Informática.• Permitir a presença simultânea de vários tipos de representações e de raciocínio.• Superar os detalhes das linguagens de programação Knowledge Level. Prof. Dr. Sofiane Labidi 238
  239. 239. Fim da Primeira Parte Obrigado! 239
  1. A particular slide catching your eye?

    Clipping is a handy way to collect important slides you want to go back to later.

×