Inteligência Artificial
Representação do Conhecimento
Prof. Jorge Manuel Lage Fernandes
[email protected]
Conhecimento
Termo abstrato usado para capturar a compreensão de um
indivíduo num domínio específico.
 área de conhecimento bem delimitada, focalizada.
Volume
Decisão/Acção
Competência
Conhecimento
Informação
Estruturada
Dados
Representação de Conhecimento
Valor
Existem várias teorias que explicam como se organiza o
conhecimento humano na resolução de problemas
Vários Tipos de Conhecimento
2
Representação do Conhecimento
O Estudo do Conhecimento

Aprender - ato que produz um comportamento
diferente a um estímulo externo devido a excitações
recebidas no passado e é, de uma certa forma,
sinônimo de aquisição de conhecimento.

Mas se aprendizado pode ser considerado como parte
do estudo do conhecimento, o que é conhecimento?

Conhecimento - é o que faz com que seja possível o
encadeamento e desenvolvimento da inteligência.
3
Representação do Conhecimento

Conhecimento [Russel and Norvig 1995] é um
conjunto integrado de fatos e relações que quando
devidamente interpretado, produz um desempenho
eficiente.

Nos Sistemas Baseados em Conhecimento há uma
separação clara entre conhecimento e raciocínio,
ou seja, o controle do programa não se mistura com a
especificação do conhecimento.
Raciocínio - planejamento e estratégia.
4
Representação do Conhecimento

Características do conhecimento que devem ser
analisadas:

É volumoso


De difícil caracterização


não sabemos explicar com formalismo como,quando e de que
forma o conhecimento foi adquirido, como também temos
dificuldade de explicá-lo.
Em constante mudança


possui diversos aspectos, características e detalhes. A cada
momento, novo conhecimento é gerado...
é aperfeiçoado sistematicamente, crescendo e se modificando
permanentemente.
É individual e único

cada indivíduo interpreta seu conhecimento de forma única.
5
Representação do Conhecimento

Para que um sistema computacional possa utilizar
aspectos do conhecimento existe a necessidade de
estruturação daquilo que será empregado pelo
sistema.

Essa estruturação é conhecida pelo nome de
Representação do Conhecimento
6
Representação do Conhecimento
Características Representação do Conhecimento:
 generalizável


representação passível de atualização/correção


o conhecimento é dinâmico, portanto, existe a necessidade
permanente de atualização e ajustes do mesmo
robusta


vários pontos de vista do mesmo conhecimento concebem
uma representação de modo que possa ser atribuído a
diversas situações e interpretações.
de tal forma que seja possível a sua utilização mesmo não
abordando todas as situações possíveis, ou seja, mesmo
sendo incompleta e imprecisa.
compreensível

compreensível ao ser humano e possível a sua interpretação.
7
Representação do Conhecimento
O Estudo do Conhecimento

Aquisição do conhecimento ou aprendizado, tenta
responder às seguintes questões:
 Como introduzir conhecimento na máquina?
 Como tratar consistência e redundância?

A manifestação inteligente pressupõe
 Aquisição,
 Armazenamento e
 Inferência do conhecimento
8
Representação do Conhecimento

Quando se discute representação do conhecimento,
se lida com dois tipos diferentes de entidades:

Fatos: Verdades em algum mundo relevante.
Essas são as coisas que queremos representar.

Representação de fatos: com algum formalismo
escolhido. Essas são as coisas que efetivamente
seremos capazes de manipular.
9
Representação do Conhecimento

Exemplos de paradigmas de representação do
conhecimento:

Conhecimento Procedural – o conhecimento é
representado em forma de funções/procedimentos.

Redes – o conhecimento é representado por um
rótulo de grafos direcionados, cujos nós representam
conceitos e entidades, enquanto os arcos
representam a relação entre entidades e conceitos.

Frames – parecido com a rede semântica, exceto
que cada nó representa conceito e/ou situações.
Cada nó tem várias propriedades que podem ser
especificadas ou herdadas pelo padrão.
10
Representação do Conhecimento

Lógica – modo de declaração que representa o
conhecimento.

Árvores de Decisão – conceitos são organizados em
forma de árvores.

Conhecimento Estatístico – uso de fatores de
certeza, Redes Bayesianas, Lógica Fuzzy, etc.

Regras – sistemas de produção para codificar regras
de condição/ação.

Esquemas Híbridos – qualquer representação do
formalismo que emprega a combinação de esquemas
de representação do conhecimento.
11
Representação do Conhecimento

Casos – uma experiência passada, acumulando casos
e tentando descobrir, por analogia, soluções para
outros problemas.

MetaConhecimento [Rich and Knight 1991] pode
definir-se como conhecimento acerca do próprio
conhecimento que se detém.

Pode ser usado para:





guiar a seleção, localização e uso de regras
dar informação acerca das regras e do conhecimento
justificar as regras melhorando a capacidade de explicação
apoiar na detecção de erros ao introduzir novas regras
facilitar a introdução de novo conhecimento
12
Representação do Conhecimento

Representação do conhecimento - sub-área de IA
cujo objetivo principal é a busca de formalismos que
possam ser usados para representar informação a
respeito do mundo real.

Muito do que se faz em IA baseia-se na chamada
hipótese da representação do conhecimento.

De acordo com Reichgelt (1991), formalismos de
representação do conhecimento podem ser
discutidos em quatro níveis distintos: executável,
lógico, epistemológico e conceitual.
Espistemologia - "estudo da ciência", vem do grego, (episteme) = ciência,
conhecimento científico, (logos) = palavra, verbo, estudo, discurso.
13
Representação do Conhecimento

Como poderíamos conceber um mecanismo geral
para representar o conhecimento?

Como podemos representar definições? E exceções?

Quando um sistema inteligente deve fazer
suposições pré-concebidas sobre informação ausente
e como ele poderia ajustar o seu raciocínio caso
estas suposições se mostrem erradas?

Como podemos representar o tempo da melhor forma
possível? E a casualidade? E a incerteza?
14
Representação & Raciocínio

Raciocínio é um processo de construção de novas
sentenças a partir de sentenças existentes.

Categorias (Típicas) de Raciocínio




Dedução
Indução
Abdução
Analogia
15
Categorias de Raciocínio:
Dedução

Processo de raciocínio no qual uma conclusão segue
necessariamente das premissas supostas.

Baseia-se na criação de novas sentenças a partir de
premissas dadas como verdadeiras. A sentença criada
é necessariamente verdadeira.

Uma das regras básicas da inferência da Lógica
Dedutiva: regra do modus ponens (Latim: modo que afirma)

Se X é verdade e se X sendo verdade implica que Y é
verdade, então Y é verdade
16
Categorias de Raciocínio:
Dedução

Fatos + regras de inferência => novos fatos

causa -> efeito
Se há fogo (causa), há fumaça (efeito).
 Aqui tem fogo, logo, aqui tem fumaça (novo fato)


É o único tipo de inferência que preserva a verdade
17
Categorias de Raciocínio:
Dedução

Exemplo:

Premissa 1: Todo homem é mortal

Premissa 2: João é homem

Conclusão: João é mortal
18
Representação do Conhecimento
Exemplo:
Determine o tipo de raciocínio utilizado a seguir:
Todos os alunos gostam de inteligência artificial.
Francisco é aluno. Francisco gosta de inteligência
artifical.
Solução:
Raciocínio por Dedução
19
Representação do Conhecimento
Exemplo:
Determine o tipo de raciocínio utilizado a seguir:
Todos os feijões deste saco são brancos.
Estes feijões provêm deste saco.
Estes feijões são brancos.
Solução:
Raciocínio por Dedução
20
Categorias de Raciocínio:
Indução

Uma conclusão sobre todos os membros de uma
classe por meio do exame de apenas uns poucos
membros da classe.

De maneira geral, raciocínio do particular para o geral.

“Formalmente”:

Para um conjunto de objetos, X={a,b,c,d,...}, se a propriedade
P é verdade para a, e se P é verdade para b, e se P é verdade
para c,... então P é verdade para todo X
21
Categorias de Raciocínio:
Indução

Parte dos fatos para gerar regras
fato1 + fato2 + fato 3 => regra!
 ex. Sr. Antônio, assim como D. Maria, tem dor de
cabeça e dengue, então todo mundo que tem dengue,
tem dor de cabeça


Transforma conhecimento em extensão em
conhecimento em intenção!!
22
Categorias de Raciocínio:
Indução

Exemplo:




Caso 1:
 Joseana é professora
 Joseana tem um ótimo salário
Caso 2:
 Eustáquio é professor
 Eustáquio tem um ótimo salário
Caso 3:
 Elmar é professor
 Elmar tem um ótimo salário
Lei geral: Professor tem um ótimo salário
23
Representação do Conhecimento
Exemplo:
Determine o tipo de raciocínio utilizado a seguir:
O ferro conduz eletricidade
O ferro é metal
O ouro conduz eletricidade
O ouro é metal
O cobre conduz eletricidade
O cobre é metal
Logo os metais conduzem eletricidade.
Solução:
Raciocínio por Indução
24
Representação do Conhecimento
Exemplo:
Determine o tipo de raciocínio utilizado a seguir:
Estes feijões provêm deste saco.
Estes feijões são brancos.
Todos os feijões deste saco são brancos.
Solução:
Raciocínio por Indução
25
Categorias de Raciocínio:
Abdução

Consiste em, dada uma premissa do tipo P → Q, e
sabendo-se que Q é verdadeira, admite-se que,
talvez, P seja verdade, ou seja, supõe-se, sem
certeza, que P é verdade.

É uma heurística para fazer “inferências plausíveis”.

Propicia uma conclusão plausível consistente com a
informação disponível, a qual pode de fato estar
errada.

“Formalmente”:

Se Y é verdade e X implica em Y, então X é verdade
26
Categorias de Raciocínio:
Abdução

Inverso da dedução: do efeito para a causa
Se há fumaça, há fogo. Eu vi fumaça (efeito), logo aqui
tem fogo (causa)
 Ex. Se há febre e dor, a doença é dengue



Este tipo de inferência preserva a falsidade
Exemplo:

Se eu leio que fumar causa câncer de pulmão e
José morreu de câncer de pulmão,

Lei Geral: posso inferir que José era um fumante.

27
Representação do Conhecimento
Exemplo:
Determine o tipo de raciocínio utilizado a seguir:
Todos os feijões deste saco são brancos.
Estes feijões são brancos.
Estes feijões provêm deste saco
Solução:
Raciocínio por Abdução
28
Categorias de Raciocínio:
Analogia

Baseia-se na experiência de casos anteriores, dos
quais há verdades conhecidas. Se o caso que está
sendo analisado assemelha-se ao(s) caso(s)
anterior(es), então supõe-se, sem certeza absoluta,
que as mesmas verdades são verdadeiras também
para esse caso.

Parte do particular para o particular, não possui, do
ponto de vista formal, uma força de prova, mas
somente é verossímil ou provável.
29
Categorias de Raciocínio:
Analogia


Fatos + similaridades + regras de adaptação +...
a partir de fatos (conhecimento em extensão), a
da similaridade entre eles, resolve o problema
sem gerar regras

ex.: Naquele caso de dengue, eu passei aspirina e não
deu certo, logo vou evitar receitar aspirina neste caso
semelhante
30
Categorias de Raciocínio:
Analogia

Exemplo:



Caso anterior: João ingeriu bebida alcoólica em
demasia. João teve amnésia.
Caso analisado: Maria ingeriu bebida alcoólica
em demasia.
Inferência por analogia: Maria teve amnésia.
31
Representação do Conhecimento
Exemplo:
Determine o tipo de raciocínio utilizado a seguir:
A Terra e Marte são planetas, giram em torno do sol e
têm atmosfera.
A Terra é habitada.
Marte também deve ser habitado
Solução:
Raciocínio por Analogia
32
Categorias de Raciocínio

O conhecimento novo baseado no raciocínio dedutivo
é sempre verdade se as suposições são verdadeiras

O conhecimento novo baseado em vários casos
(indução) é geralmente verdadeiro desde que os
sistemas estudados sejam bem comportados.

Uma inferência baseada na abdução pode ser
plausível mas deve carregar um fator de confiança
para indicar a probabilidade de estar correta.
33
Sistema baseado em
conhecimento (dedutivo)
Raciocínio
Automático
Sensores
Ambiente
Efetuadores
Ask
Base de
Conhecimento
Especializada
Tell
Retract
Máquina de
Inferência
Genérica
Representação e
Aquisição de
Conhecimento
34
Como adquirir conhecimento?
Aprender

Várias técnicas ...
 Aprendizagem Simbólica
 Redes Neurais
 Algoritmos Genéticos
Explicitar: engenharia de conhecimento

Várias técnicas...
 Programação em lógica, sistemas de produção, ...
35
Ciclo de vida dos sistemas
baseados em conhecimento
Nível de
Conhecimento
Nível Lógico
Nível de
Implementação
AQUISIÇÃO
FORMALIZAÇÃO
linguagem natural
linguagem de
representação de
conhecimento
linguagens de
programação
IMPLEMENTAÇÃO
BC
REFINAMENTO
36
Redes Semânticas e
Sistemas Frames
37
Redes Semânticas

Histórico


38
Redes Semânticas foram propostas em 1913 por
Selz como uma explicação a fenômenos
psicológicos.
Em 1966, Quillian implementou essas redes e
mostrou como o conhecimento semântico poderia
ser representado como relacionamento entre dois
objetos.
Redes Semânticas

Uma rede semântica é uma representação
na qual



39
existem nós que representam entidades e links
(predicados) que representam relacionamentos
entre essas entidades;
cada link conecta um nó origem até um nó
destino;
normalmente, os nós e links denotam entidades
de domínio específico.
Exemplo: Rede Semântica
Pessoa
Mobília
Ako
Cadeira
é-um
é-um
Ana
Tem-um
Cadeira-27
Dono
Cor
Preto
40
Couro
Estofamento
Assento
Redes Semânticas



Forma mais flexível e intuitiva de representar
conhecimento.
Suportam herança de propriedades.
Relações


Ako (a-kind-of): relações entre classes
é-um (is-a): relações entre classes e instâncias




41
uma entidade pertence a uma classe mais alta ou uma
categoria de objetos.
tem-um (has-a): identifica características ou atributos das
entidades
parte-de (part-of): identifica características ou atributos das
entidades
variados: identifica características gerais
Sistemas de Redes
Semânticas

Base de conhecimento


Máquina de inferência



busca e casamento de padrões
a busca se dá para frente e para trás através dos links.
A busca pode ser usada de várias maneiras para se
extrair informações



42
nós e links da rede.
como uma ferramenta explicativa;
para explorar exaustivamente um tópico;
para encontrar o relacionamento entre dois objetos.
Exemplo: Busca em redes
semânticas
faz
Animal
Ako
Pássaro
Comer
Ako
Mamífero
tem
Ako
Cão
43
Pêlos
Busca como Ferramenta
Explicativa

Para provar a declaração “Cães comem”


44
pode-se supor que cães comem, e usar busca
sobre a rede para provar a hipótese.
Buscando a partir do nó “Cão”, temos:

“Cão é-um mamífero”

“Mamífero é-um animal”

“Animal faz comer”

Isto é uma prova para “Cães comem”
Explorar exaustivamente um
tópico

45
Para derivar todo o conhecimento sobre
“cães”, usa-se Busca em Largura a partir do
nó “Cão”

“Cães são Mamíferos”

“Cães têm Pêlos”

“Cães são Animais”

“Cães Comem”
Relacionando tópicos
46

Para verificar se “Cães” e “Pássaros” estão
relacionados, pode-se executar, a partir de
ambos os nós, uma Busca em Largura.

A interseção entre os nós visitados nos dá
uma pista sobre o relacionamento entre os
nós iniciais.

Isto é chamado ativação distribuída ou
interseção de busca.
Vantagens


Representação visual fácil de entender.
Flexibilidade na manipulação de nós e links


Economia


herança via relações “é-um” e “ako”.
Capta “senso-comum”

47
adição, exclusão, modificação
semelhante ao armazenamento de informações
no cérebro.
Limitações





Busca em redes semânticas grandes pode ser muito
ineficiente.
Não há homogeneidade na definição de nós e links.
Hereditariedade pode causar dificuldades no
tratamento de exceções.
Pode haver conflito entre características herdadas.
É difícil representar conhecimento procedimental


Menos expressiva que a Lógica de Primeira Ordem

48
seqüenciamento e tempo não estão explícitos.
não há quantificadores.
Frames (quadros)

49
Características

Um frame é identificado por um nome e descreve
um objeto complexo através de um conjunto de
atributos

Um Sistema de Frames é um conjunto de frames
organizados hierarquicamente.

São uma evolução das Redes Semânticas:

nós são substituídos por frames

arcos são substituídos por atributos (slots)

procedimentos podem ser anexados a um frame
Frames: atributos (slots)

Frames

Possuem pelo menos dois atributos:




A fim de melhorar a estruturação (hierarquia), privilegiam dois
tipos de relações:

ako: relação entre classe e sub-classe

is-a: relação entre classe e instância.
Cada atributo


50
Nome
Ako ou is-a
aponta para um outro frame ou para um tipo primitivo, ex.
string;
consiste em um conjunto de facetas (atributos de atributos).
Exemplo: Classes e
Instâncias
Animal
Pássaro
Babalu
51
Ako Comer
é-um
faz comer
Mamífero
Ako Comer
tem
pêlos
Cão
Ako
Facetas


Descrevem conhecimento ou algum
procedimento relativo ao atributo.
Propriedades

Valor: especifica o único valor possível.

Valor default: especifica o valor assumido pelo
atributo caso não haja nenhuma informação a esse
respeito.

Tipo: indica o tipo de dado do valor.

Domínio: descreve os valores possíveis para o
atributo.

Procedimentos Demons

52
como os triggers nos bancos de dados
Uma Representação Abstrata
de um Frame
< Nome do Frame>
< atributo1 >
< faceta1 >: valor

53
< atributo2 >
< atributo3 >
< faceta1 >: valor
< faceta2 >: valor
< faceta3 >: valor
< faceta1 >: valor
< faceta2 >: valor
< faceta3 >: valor
Os frames integram conhecimento declarativo
sobre objetos e eventos e conhecimento
procedimental sobre como recuperar informações
ou calcular valores.
Procedimentos Demons


Definição

São procedimentos anexados aos frames, disparados por
consultas ou atualizações.

Podem inferir valores para atributos a partir de valores de
outros atributos especificados anteriormente em qualquer
frame do sistema.
Procedimentos (Demons):

when-requested


when-read


quando valor é lido
when-written

54
quando o valor é pedido mas não existe ainda
quando valor é modificado
Exemplo: Procedimentos
Demons
Cômodo
Atributo
Ako: Lugar-coberto
Default
Tipo
Se-necessário
Nº de paredes
4
número
Formato
retangular símbolo
Altura
3
número
Área
número
Volume
número
Área * Altura
Ako
Sala
Atributo
Mobiliário
Finalidade
Área
55
Ako: Cômodo
Default
(sofá,mesa,cadeiras)
convivência
25
Tipo
lista de símbolos
símbolo
número
Exemplo de Sistema de
Frames
Ana
...
...
...
verde é-um:
String
Cadeira
Ako: Mobília
é-um:
Pessoa
Mobília
...
...
Cadeira-27
dono:
cor:
tem-um:
56
é-um: Cadeira
Assento
estofamento:
tamanho: ...
couro é-um:
Herança de Propriedades

Três tipos de informações podem ser de herdadas




Idéia: herdar das classes superiores


valor (= POO)
procedimento (= POO)
valor default
em caso de conflito, vale a informação mais específica
Existem dois tipos de herança:

Herança simples


Herança múltipla

57
existe uma única super-classe para cada classe
uma classe pode ter mais de uma super-classe, podendo herdar
propriedades ao longo de diversos caminhos diferentes (= o caos)
Scripts





Especialização de frames projetados p/ manipular situações além
de objetos
Nós = eventos
Link = causadores
Um evento provoca o próximo – um Script é como um script
cinematográfico
Como num script de cinema precisamos considerar o número de
elementos quando projetamos o script:





58
Quais são os papéis dos objetos/pessoas no script;
Quais objetos de cena se relacionam ao script;
Quais são as motivações ou entradas condicionais para execução do script;
Quais cenas estão para ocorre; e
Em qual ordem elas devem ocorrer; etc.
Scripts


59
Antes de projetarmos o script, necessitamos de uma sequência básica
inicial.
Por exemplo, na ida a um restaurante há uma sequencia de eventos que
podemos esperar:
Scripts

Colocando os eventos junto com aos demais elementos,
poderíamos imaginar o script “Restaurante” assinalando
apenas algumas coisas, tais como:

SCRIPT RESTAURANTE



60
Papéis: Freguês, garçon, cozinha.
Objetos de cena: Mesas, cadeiras, garfos, facas, pratos, copos,
garrafas de vinho...
Entradas Condicionais: Freguês está faminto; Freguês está vestido
inapropriadamente; Freguês tem dinheiro.
Scripts

SCRIPT RESTAURANTE (Continuação)

Cena 1: Entrar



Estacionar o carro
Entrar no Restaurante
Esperar por uma Mesa
ou



61
Ir até a Mesa
Ler o Menu
Cena 2: Pedir a Refeição.
Scripts





62
Scripts podem ser usados para:
Contar histórias sobre uma sequência de
eventos
Responder questões tais como: O que acontece
se o bife do freguês estiver queimado?
Pegadas dos eventos levem a alguma decisão.
Scripts são muito similares a frames, são
codificados da mesma forma e são,
normalmente, considerados como uma
subclasse de frames.
Sistemas Frames: Funções
(historicamente)

Reconhecer que uma dada situação pertence a uma
certa categoria (matching)


Interpretar a situação e/ou prever o que surgirá em
termos da categoria reconhecida (matching)


ex. pessoa com revolver (revolver arma -> perigo)
Capturar propriedades de senso comum sobre
pessoas, eventos e ações


63
ex. reconhecimento visual de uma sala de aula
foi a primeira tentativa de estruturar conhecimento
declarativo sem usar regras.
Deu origem ao que chamamos hoje de Ontologias!
Ontologia


64
É a parte da filosofia que trata da natureza do ser,
da realidade, da existência dos entes e das
questões metafísicas em geral. A ontologia trata do
ser enquanto ser, isto é, do ser concebido como
tendo uma natureza comum que é inerente a todos e
a cada um dos seres.
Costuma ser confundida com metafísica. Conquanto
tenham certa comunhão ou interseção em objeto de
estudo, nenhuma das duas áreas é subconjunto
lógico da outra, ainda que na identidade.
Download

IA_Aula07