Sistemas Especialistas. Prof. Msc. Jacson Rodrigues

Transcrição

1 Sistemas Especialistas Prof. Msc. Jacson Rodrigues

2 Sistemas Especialistas Características: Sistema computacional; Destinado a representar o conhecimento de um ou mais especialistas humanos sobre um domínio bem específico; Com uma base de conhecimento, busca soluções para problemas complexos. É uma área da IA utilizada comercialmente há muito tempo. 2

3 Componentes Os sistemas especialistas devem possuir características que os permitam tomar decisões. Tais características são: Manter o alto nível de conhecimento para ajudar na solução de problemas. Suas respostas devem ser parecidas com aquelas que seriam dadas por especialistas humanos de sua área. Contemplar todas as atividades relacionados ao conhecimento, desde sua aquisição até sua representação. Deve conseguir tanto adquirir novos conhecimentos para alimentar sua base de conhecimentos quanto processá-los. 3

4 Componentes características: Fornecer explicações referentes às conclusões alcançadas ou as linhas de raciocínio utilizadas para alcançar uma possível conclusão. Deve ser flexível, facilitando: A atualização; A visualização;e A compreensão do conhecimento. Deve utilizar heurísticas: Para melhorar seu desempenho; Evitando o processamento de toda a base de conhecimento. 4

5 Componentes Permitir que os usuários interajam com o sistema (desejável): Interação com sua linguagem natural: português ou inglês, por exemplo. Funcionar com informações incompletas ou incertas: Utilização de técnicas estatísticas, ou Lógica Nebulosa. Apresentar: Velocidade; Confiabilidade; Precisão de suas recomendações (respostas). 5

6 Componentes Todos os sistemas de computador sempre embutem algum tipo de inteligência e auxiliam na realização de problemas de área específica. Porém, eles não são sistemas inteligentes. Por que? Pois a caracterização de um sistema inteligente começa com a completa separação entre: Os métodos de solução para o problema, e O conhecimento codificado (armazenado). 6

7 Componentes Todos os sistemas de computador sempre embutem algum tipo de inteligência e auxiliam na realização de problemas de área específica. Porém, eles não são sistemas inteligentes. Por que? Pois a caracterização de um sistema inteligente começa com a completa separação entre: Os métodos de solução para o problema, e O conhecimento codificado (armazenado). 7

8 Na prática: Componentes tem-se um programa executável que vai buscar em um arquivo, a parte, o conhecimento sobre o seu domínio. Assim, a base de conhecimento pode ser alterada que o programa continuará funcionando. Especialista Base de Conhecimento Interface de Aquisição Atualizações. Máquina de Inferência Interface de Usuário Perguntas e respostas Explicações 8

9 Base de Conhecimento Componente responsável pelo armazenamento do conhecimento. Deve usar algum dos modelos de representação. (Lógica, Regas de Produção, Redes semânticas, Quadros, etc.) As Regras de Produção são as mais utilizadas por possuir: Modularidade: Cada regra define um pequeno e independente pedaço do conhecimento. Permitindo grande facilidade para adicionar novas regras. Regras incorretas podem ser facilmente alteradas ou excluídas. Uniformidade: Todas as regras utilizam um mesmo modelo de representação. Permitindo entender o conteúdo do conhecimento armazenado nas regras. Facilidade de explicar as decisões e soluções obtidas. 9

10 Interfaces de Aquisição: Permitir ao especialista definir e manipular regras; Apoiar a construção inicial da Base de Conhecimento; Permitir atualizações: Correções de regras; Adição de novas regras. de Usuário Responsável da interação do usuário com o sistema: Para obter respostas às perguntas; e Explicações referentes de como chegou na conclusão. Responsável com o grau de satisfação do usuário, pois é a interface de comunicação do SE com o usuário.. 10

11 Máquina de Inferência Responsável pelo processamento: Das perguntas do usuário; Dos fatos armazenados na base de conhecimento; e Pela obtenção das conclusões e explicações que serão fornecidas ao usuário. Busca gerar novos conhecimentos a partir de: Fatos; Suposições; e Conhecimentos já existentes em sua base. Estado Inicial Situação dada. sequência de operadores Estado Final Situação desejada. Encontrar uma sequência de operadores que levem de um Estado Inicial para um Estado Final. Processo de resolução de problemas 11

12 Máquina de Inferência Com regras de produção, a máquina de inferência pode operar de duas formas: Encadeamento direto; Encadeamento reverso. 12

13 Encadeamento Direto (prova direta) A memória de trabalho recebe dados sobre o problema; O processo de inferência deduz outros dados utilizando regras: Comparando os dados da memória de trabalho com as premissas das regras referentes. Após isso, Adiciona à memória de trabalho os dados inferidos (conclusão de regras válidas); Efetua perguntas ao usuário para confirmar as premissas adicionais. O processo termina quando ocorre a confirmação da regra de conclusão, para que possa ser aceita como resposta final. 13

14 Premissas: Encadeamento Direto (prova direta) A,B,C,E,G,H F B Z C D F A D Objetivo:? Z 14

15 Encadeamento Reverso (prova indireta) Utiliza somente as regras que são relevantes a um problema em questão. O processo inicia da conclusão a ser provada, tentando provar a validade de suas premissas. 15

16 Premissas: Encadeamento Reverso (prova direta) A,B,C,E,G,H F B Z C D F A D Objetivo:? Z 16

17 Máquina de Inferência com Redes Semânticas Depende do modelo de representação de conhecimento adotado na base de conhecimento. K E Regra 1 A B C H L D A 2 D E A 3 F B 4 G J C F B H 5 K L D G C J 17

18 Logic Theorist (LT) Exemplos de Sistemas Especialistas Criado em 1955 e 1956 por Allen Newell, Herbert Simon e J. C. Shaw; Destinado a provar problemas matemáticos. General Problem Solver (GPS) Criado em 1957 por Herbert Simon e J. C. Shaw e Allen Newell; Destinado a provar problemas matemáticos. Mycin Desenvolvido ao longo de cinco ou seis anos no início de 1970 na Universidade de Stanford. Escrito no doutorado de Edward Shortliffe. CATS-1 Desenvolvido nos Anos 80 pela General Electric. 18

19 Aplicação: ZOOKEEPER Regra Z1 Se?x tem pelos Então?x é um mamífero Regra que observa características físicas. Regra Z2 Se?x dá leite Então?x é um mamífero Regra que determina a classe biológica dos animais, onde Z2 observa hábitos. 19

20 ZOOKEEPER Regra Z3 e Z4 Z3 Se?x é um mamífero?x come carne Então?x é um carnívoro Z4 Se?x é um mamífero?x tem dentes pontudos?x tem garras?x tem olhos pontiagudos Então?x é um carnívoro As regras determinam se o animal é carnívoro. Z3 observa hábitos e Z4 observa características físicas. Estas regras já utilizam assertivas geradas por regras anteriormente definidas. 20

21 ZOOKEEPER Regra Z5 e Z6 Z5 Se?x é um mamífero?x tem cascos Então?x é um ungulado Z6 Se?x é um mamífero?x rumina Então?x é um ungulado As regras determinam se o animal é ungulado. Z5 observa características físicas e Z6 observa hábitos. 21

22 ZOOKEEPER Regra Z7 e Z8 Z7 Se?x é um carnívoro?x tem cor amarela tostada?x tem manchas escuras Então?x é um leopardo Z8 Se?x é um carnívoro?x tem cor amarela tostada?x tem listas pretas Então?x é um tigre Regras para identificar os animais carnívoros. 22

23 ZOOKEEPER Regra Z9 e Z10 Z9 Se?x é um ungulado?x tem pernas longas?x tem pescoço comprido?x tem cor amarela tostada?x tem manchas escuras Então?x é uma girafa Z10 Se?x é um ungulado?x tem cor branca?x tem listas pretas Então?x é uma zebra Regras para identificar os animais ungulados. 23

24 Como criar um Sistema Especialista com essas regras? 24