Inteligência Artificial
(introdução - Sistema Especialista)
Prof. Edson Emílio Scalabrin
Curso de Ciência da Computação
CCET/PUCPR
[email protected]
1
Introdução




Em 1956, um pequeno grupo de cientistas da computação
realizaram um seminário patrocinado pela IBM na
Faculdade Dartmouth.
As discussões enfocaram-se nos esforços de pesquisa
sobre a prova automática de teoremas e as novas
linguagens de programação.
Eles discutiram também formas com que este trabalho
poderia ser encaminhado para desenvolver um
computador que poderia simular o raciocínio humano.
Esta conferência marcou o nascimento da Inteligência
Artificial.
2
Introdução . . .

Definição 1.1: Inteligência Artificial
• Um campo de estudo em ciência da computação que
tem como meta a construção de um computador que
raciocina de forma semelhante aos seres humanos.
Objetivos da Inteligência Artificial (de um ponto de vista prático)

tornar os computadores mais úteis para os seres humanos.

•

Isto pode ser alcançado produzindo programas de computador que ajudem os
humanos em suas tomadas de decisões, fazendo, por exemplo, uma recuperação
inteligente de informação, ou simplesmente, fazendo computadores mais fáceis de
usar com interface em linguagem natural.
entender melhor a inteligência humana.
•
A construção de um sistema de computação inteligente exige que entendamos
como nós, seres humanos, capturamos, organizamos e usamos o conhecimento na
resolução de problemas.
3
Introdução . . .

Como o ser humano resolve seus problemas ?

Qual é a origem dos conhecimentos utilizados
para resolver um problema ?
• da nossa experiência e
• de um processo formal de aprendizagem
4
Introdução . . .
Qual é a importância dos conhecimentos
provenientes da experiência ?
• eles dão origem as heurísticas
OBS.:
• Estes também são chamados de conhecimentos de
superfície e correspondem à resolução de “caso já visto”
Exemplo de modelagem
• regras de produção
5
Introdução . . .
Exemplos de regras:
Se < chove > então pegar um guarda-chuva
Se < não encontrar um guarda-chuva > então procurar
uma impermeável
Se < está quente > então retirar a blusa
Funcionamento:
• as regras são confrontadas à situações correntes fatos,
e uma ação correspondente é efetuada.
• esse comportamento é facilmente reproduzido em
computadores nos sistemas especialistas ou ainda sistemas
a base conhecimentos.
6
Introdução . . .
Qual é a importância dos conhecimentos
provenientes de um processo formal ?
• Eles são representam o resultado do
aprendizagem de teorias gerais que devem ser
colocadas em práticas nos raciocínios.
OBS.:
• Estes também são chamados de conhecimentos de profundos
7
Sistema Especialista

Definição 1.2: Sistema Especialista
• É um programa de computador projetado para modelar
a habilidade de resolução de problemas de um
especialista humano.
8
Sistema Especialista
Diagrama em blocos


a Base de Conhecimentos contém conhecimentos altamente
especializados fornecidos pelo especialista na área do problema.
a Motor de Inferência é o processador de conhecimento modelado a
partir do raciocínio do especialista.
• Ele trabalha com as informações disponíveis sobre um determinado
problema e os conhecimentos armazenados na base de
conhecimentos para inferir conclusões ou recomendações.
Base de
Fatos
Motor de
inferência
Base de
conhecimentos
9
Sistema Especialista
Por que construir um ?
Fator
disponibilidade/tempo
geográfico
segurança
perecível
desempenho
velocidade
custo
Esp. Humano Esp. Sistema
dia / trabalho sempre
local
qualquer lugar
Insubstituível substituível
sim
não
variável
constante
variável
constante
(normalmente mais
rápido)
alto
razoável
10
Sistema Especialista
Por que construir . . .
Substituir um especialista, algumas razões:





tornar as perícias sempre disponíveis (tempo e lugar) ;
automatizar tarefas rotineiras que requerem um
especialista;
reter os conhecimentos especializados, em particular, em
casos de aposentadoria, mudança de setor, etc.;
baratear serviços especializados--especialista é caro;
atuar em um ambiente hostil, quando uma perícia se faz
necessária.
11
Sistema Especialista
Por que construir . . .
Assistir um especialista, algumas razões:



auxiliar o especialista em alguma tarefa rotineira para
melhorar a produtividade;
auxiliar o especialista em alguma tarefa difícil para melhor
administrar a complexidade;
tornar disponível ao especialista informações que são de
difícil recordação ou memorização.
12
Sistema Especialista
Estrutura de um Sistema Especialista
Especialista Humano
Memória de longo termo
Conhecimento de domínio
Raciocínio
Memória de curto termo
Caso/Fatos inferidos
Conclusões
Recomendação
Caso, Fatos
conclusões
13
Sistema Especialista
Estrutura de um Sistema Especialista
Sistema Especialista
Memória de longo termo
Conhecimento de domínio
Memória de curto termo
Caso/Fatos inferidos
Conclusões
Motor de
Inferência
Usuário
Caso, Fatos
conclusões
14
Sistema Especialista
Base de conhecimentos
Definição 2.1: Base de conhecimentos
• parte de um sistema especialista que contém o
conhecimento do domínio.
Tarefa do engenheiro do conhecimento
• obter o conhecimento do especialista e codificá-lo em
uma base de conhecimentos usando uma dada técnica
de representação (e.g. regras).
15
Sistema Especialista
Base de conhecimentos . . .
Exemplo de regras:
Regra 01:
• Se o carro não ligar
Então o problema pode estar no sistema elétrico
Regra 02:
• Se o problema pode estar no sistema elétrico
E a voltagem da bateria está abaixo de 10 volts
Então a falha é uma bateria ruim
16
Sistema Especialista
Memória de trabalho
Definição 2.2: Memória de trabalho
• parte de um sistema especialista que contém os fatos
do problema que são descobertos durante a sessão de
consulta.
Comentário:
• A memória de trabalho contém todas as informações
sobre o problema que são fornecidas pelo usuário ou
inferidas pelo sistema.
• Toda informação obtida durante uma consulta é
freqüentemente chamada de contexto da sessão.
17
Sistema Especialista
Motor de Inferência
Definição 2.3: Motor de Inferência
• É o processador em um sistema especialista que confronta os
fatos contidos na memória de trabalho com os conhecimentos
de domínio contidos na base de conhecimento para tirar
conclusões sobre o problema.
Comentário:
• O M.I. trabalha com os fatos contidos na memória de trabalho e o
conhecimento de domínio contido na base de conhecimento para
derivar uma nova informação. Ele procura as regras para um
casamento entre as suas premissas e as informações contidas na
memória de trabalho. Quando o M.I. encontra um casamento,
adiciona a conclusão da regra na memória de trabalha e continua ...
18
Sistema Especialista
Mecanismo e estratégia de inferência
Considerando uma regra:
•
•
•
•
Se as premissas estão contidas na memória de trabalho,
Então aplica-se a regra, adicionando as conclusões MT
Senão passa para a próxima regra
Quando detecta-se que um objetivo foi atingido ou que
mais nenhuma regra se aplica, o processo de raciocínio é
encerrado
Comentário:
• as variações nesse mecanismo estão relacionadas a
escolha da primeira regra, a escolha próxima regra, . . .
19
Sistema Especialista
Exemplo de inferência
Regra
Regra
Regra
Regra
01:
02:
03:
04:
Se
Se
Se
Se
A
B
C
D
=
=
=
>
SIM
SIM
SIM
2
Então
Então
Então
Então
B
D
E
G
=
=
=
=
SIM & C = SIM
5
10
1024
A
A
1
4
B
2
3
D
G
C
E
5
B
C
D
E
G
20
Sistema Especialista
Exemplo de base de regras
Regra 01: Se distância > 5 km,
pegaremos o carro
Regra 02: Se distância > 1 km e tempo <
pegaremos o carro
Regra 03: Se distância > 1 km e tempo >
iremos a pé
Regra 04: Se iremos de carro e o cinema
cidade, pegaremos um taxi
Regra 05: Se iremos de carro e o cinema
centro da cidade,
pegaremos nosso próprio carro
Regra 06: Se iremos a pé e o tempo está
pegaremos uma impermeável
Regra 07: Se iremos a pé e o tempo está
iremos em ritmo de passeio
15 minutos,
15 minutos,
é no centro da
não é no
ruim,
bom,
21
Sistema Especialista
Shell SINTA
Cálculo de probabilidades
Caso 1:
• Quando deseja-se saber o valor final atribuído às
variáveis na conclusão de um regra.
• Seja c1 o grau de confiança atribuído ao resultado final da
premissa de uma regra r.
var = value CNF c1. c2.
• c2 é apenas uma referência, pois o valor final é dependente do
resultado da premissa.
22
Sistema Especialista
Shell SINTA
Caso 1: exemplo
continuação
• SE fumagina = sim
ENTÃO suspeita de praga = mosca branca,
grau de confiança (CNF) 70%.
Cálculo:
• Supondo que o grau de confiança da igualdade
fumagina = sim é 80%, teremos que à variável suspeita
de praga será atribuído o valor mosca branca, com o
respectivo grau de confiança 0.80 * 0.70 = 0.56 = 56%.
23
Sistema Especialista
Shell SINTA
Caso 2:
• Quando deseja-se calcular o grau de confiança
envolvendo o o operador E.
Cálculo :
• Se possuímos duas igualdades var1 = value1 e var2 =
value2, com os respectivos graus de confiança c1 e c2,
temos que a sentença var1 = value1 E var2 = value2
retornará como valor de confiança c1 x c2.
24
Sistema Especialista
Shell SINTA
Caso 2: exemplo
continuação
• SE estados das folhas = esfarelam facilmente
E presença de manchas irregulares = sim...
Cálculo:
• Se o grau de confiança da igualdade estados das
folhas = esfarelam facilmente é 80% e o grau de
confiança da igualdade presença de manchas
irregulares = sim é 70%, temos que a conjunção das
duas sentenças retornará um valor CNF de 56%.
25
Sistema Especialista
Shell SINTA
Caso 3:
• Quando deseja-se calcular o grau de confiança com o
operador OU.
Cálculo :
• Se possuímos duas igualdades var1 = value1 e
var2 = value2, com os respectivos graus de confiança c1
e c2, temos que a sentença var1 = value1 OU var2 =
value2 retornará como valor de confiança c1 + c2 - c1 x c2.
26
Sistema Especialista
Shell SINTA
Caso 3: exemplo
continuação
• SE besouros vermelhos = sim
OU larvas marrons = sim ...
Cálculo :
• Se o grau de confiança da igualdade besouros
vermelhos = sim é 80% e o grau de confiança da
igualdade larvas marrons = sim é 70%, temos que a
disjunção das duas sentenças retornará um valor
CNF de 0.70 + 0.80 - 0.70 * 0.80 = 1.50 - 0.56 = 0.94 =
94%.
27
Sistema Especialista
Shell SINTA
Caso 4:
• Quando deseja-se atualizar o grau de confiança de
uma variável que se encontra na memória de trabalho.
Situação
• A variável doença possuía valor mofo preto com grau de
confiança 60%. Após a aplicação de outras regras chegouse a uma outra atribuição doença = mofo preto, desta vez
com CNF 50%.
Cálculo
• O cálculo se dá da mesma forma que a regra do OU:
0.60 + 0.50 - 0.60 * 0.50 = 1.10 - 0.30 = 0.80 = 80%.
28
Sistema Especialista
Shell SINTA
Caso 5:
• Quando uma variável recebe duas vezes o mesmo
valor em pontos diferentes da consulta.
Cálculo:
• Em momentos diferentes de uma consulta, uma mesma variável
var pode receber o mesmo valor v, sendo que até à penúltima
instanciação ela possuía grau de confiança c1, e a última atribuiu
um CNF c2.
Sendo assim, temos que o valor final de confiança para
var = v será dado pela fórmula ca + cn - ca * cn,
onde ca representa o grau de confiança antes da última mudança e
cn o último grau de confiança atribuído.
29
Sistema Especialista
Shell SINTA
Notas
• O sistema admite 50% como valor mínimo de confiança
para que uma igualdade seja considerada verdadeira.
• Observe que as funções para conjunção e disjunção
utilizadas seguem a Teoria das Possibilidades, não
envolvendo nenhum tratamento estatístico mais
aprofundado.
• É possível mudar as fórmulas utilizadas.
30
Sistema Especialista
Exercício
Representar através de um grafo as regras da
base SECAJU
• encadeamento para frente
• encadeamento para traz
 Exercitar a Shell SINTA usando as regras da base
SECAJU
 Entrar com as regras para escolher o meio de
transporte para ir ao cinema na Shell SINTA

31