Representação do conhecimento. Universidade Católica de Pelotas Centro Politécnico Engenharia da Computação Disciplina: Inteligência Artificial

Transcrição

1 1 Representação do conhecimento Universidade Católica de Pelotas Centro Politécnico Engenharia da Computação Disciplina: Inteligência Artificial

2 2 Representação do Conhecimento (1/2) Uma boa solução para um problema depende de uma boa representação do conhecimento. O conhecimento pode ser expresso de formas distintas: Parte do raciocínio conduzido pelos humanos Parte de outros agentes é incerto (difícil usar a lógica)

3 3 Representação do Conhecimento (2/2) Linhas/Paradigmas da IA para construção de Sistemas Inteligentes Simbólica: Abordagem clássica Não-Simbólica (Sub-Simbólicos): Abordagem moderna

4 4 Simbólica (1/2) Representa o conhecimento por sentenças declarativas Mapeado a partir de símbolos, que representam as relações e entidades do domínio do problema. Deduz consequências por métodos de raciocínio lógico - segue a tradição lógica Geralmente baseados em regras; Possuem conhecimento intensivo do domínio da aplicação; Construídos por especialistas humanos.

5 5 Simbólica (2/2) É uma abordagem top-down, onde o conhecimento é introduzido explicitamente no sistema. Esta necessidade faz com que os sistemas simbólicos encontrem dificuldade para lidar de forma autônoma, em ambientes reais (contínuos) desconhecidos. Exemplo: pai(joão, maria). pai(joão, eduardo). João e Maria são parentes!!! Relacionados Redes semânticas Programação em Lógica

6 6 Não-Simbólica (1/2) O conhecimento não é representado explicitamente por meio de símbolos Conhecimento é construído a partir de um processo de aprendizado, adaptação ou inferência (bottomup). A semântica do domínio não precisa ser introduzida explicitamente no sistema. O sistema pode induzir este conhecimento, através de um processo de aprendizagem. Pode ser muito ineficiente aprender adequadamente em ambientes complexos. O conhecimento aprendido não se torna facilmente interpretável pelo usuário.

7 7 Não-Simbólica (2/2) Exemplos: Sistemas de apoio à decisão, classificação, reconhecimento de padrões, otimização, previsão, controle e automação. Relacionados Redes Neurais Artificiais Algoritmos Genéticos Sistemas Nebulosos (Fuzzy).

8 Conhecimento 8

9 9 Definição Conhecimento pode ser definido como a informação armazenada ou os modelos usadas pela pessoa ou máquina para interpretar, predizer e responder apropriadamente ao mundo exterior (Fischler & Firschein, 1987) apud (Rabuske, 1995)

10 10 Razões para representar o conhecimento Recuperar, raciocinar a partir dele e adquirir mais conhecimento Consulta: responder questões fazendo buscas na base de conhecimentos Dedutiva: obter novos resultados a partir do conhecimento armazenado Organização: representar implica em organizar o conhecimento: facilita entendimento, compartilhamento Interpretação: permite a comparação com modelos pré-estabelecidos

11 11 Lógica Uma das primeiras ferramentas para representação e processamento do conhecimento Motivação para uso da lógica: Ferramenta para fazer dedução em uma base de conhecimento Uma lógica define: Sintaxe Semântica

12 12 Lógica Proposicional (1/3) Referenciada como cálculo proposicional, lógica booleana, lógica das proposições, lógica sentencial... Proposições (sentenças) são afirmações que admitem um valor lógico: Verdadeiro ou Falso Uma base de conhecimento aqui é representada por um conjunto de proposições É possível inferir novas proposições

13 13 Lógica Proposicional (2/3) Exemplos de proposições = 10 Está chovendo = 4 5 > 4 1 é um número par

14 14 Lógica Proposicional (3/3) Proposições individuais (atômicas) podem ser reunidas por meio de conectivos Alguns conectivos conjunção disjunção negação condicional Possui limitações: Rex é um cachorro: cachorro(rex) Todos os cachorros são mamíferos: para expressar isto é necessário o uso de variáveis e quantificadores

15 15 Lógica de Predicados Consiste da Lógica Proposicional extendida Exemplos de quantificadores: Existencial ("existe um") Universal ("para todo") Usando traidor(tiradentes) x traidor(x) -> enforcado

16 16 Redes Semânticas Basicamente é um grafo dirigido Qualquer tipo de arco pode ser aceito Tipos de arcos: Subconjuntos/subclasses (é_um) Subparte (é-parte-de) Arcos de pertinência em conjuntos (instância) Relacionamentos Utilizadas como ferramenta de modelagem para se obter uma representação visual dos objetos do domínio Mecanismo de inferência não é associado a representação (salvo herança é um)

17 17 Exemplo de Rede Semântica A notação muda...

18 Frames/Quadros São estruturas de preenchimento para representação de objetos ou eventos típicos Um frame/quadro Tem um nome Um conjunto de pares atributo-valor (slots). Estão relacionados às redes semânticas O nome do frame corresponde a um nó numa rede semântica. Slots (atributo-valor) Os atributos são os nomes dos arcos associados ao nó da rede semântica Os valores correspondem aos nós nas outras extremidades desses arcos. 18

19 19 Frames/Quadros Frame: ave Tem: asas Frame: ave_de_rapina é_um: ave come: carne As arestas têm direção!!!! Frame: águia é_um: ave_de_rapina Frame: Flecha instância: águia Frame: asas Frame: carne

20 20 Ontologias Na filosofia O estudo da existência Objetivo: criar sistemas de categorização para organizar a realidade Em domínios pequenos e pouco complexos é fácil criar um vocabulário consistente Imaginem compra pela Internet... Criar uma ontologia de tudo...(é possível?)

21 21 Web Semântica Objetivos da Web Semântica: Estruturar e dar significado ao conteúdo existente nas páginas Web, de forma que agentes de software possam, a partir do processamento das páginas, realizar tarefas sofisticadas para os usuários. A Web Semântica não é uma Web separada, mas uma extensão da Web atual em que é dada a informação um significado bem definido, de forma a permitir que a cooperação entre computadores e pessoas seja aprimorada (BERNERS-LEE; HENDLER; LASSILA, 2001).

22 22 Web Semântica: Origem Temo cunhado por Tim Berners-Lee Artigo 2001: The Semantic Web

23 23 Web Semântica: Cenário Fonte: (BREITMAN, 2005)

24 24 Web Semântica The original Scientific American article on the Semantic Web appeared in It described the evolution of a Web that consisted largely of documents for humans to read to one that included data and information for computers to manipulate. The Semantic Web is a Web of actionable information information derived from data through a semantic theory for interpreting the symbols. The semantic theory provides an account of meaning in which the logical connection of terms establishes interoperability between systems. This was not a new vision. Tim Berners- Lee articulated it at the very first World Wide Web Conference in This simple idea, however, remains largely unrealized.

25 25 Web Semântica e Ontologias Definição de ontologia muito utilizada na literatura relacionada à Web Semântica Ontologia é uma especificação formal e explícita de uma conceitualização compartilhada (GRUBER, 1993).

26 26 Web Semântica e Ontologias Conceitualização: representa um modelo abstrato de algum fenômeno que identifica os conceitos relevantes para o mesmo. Explícita: os elementos e suas restrições estão claramente definidos. Formal: a ontologia deve poder ser processada computacionalmente. Compartilha: deve refletir o conhecimento consensual de um grupo de pessoas (BREITMAN, 2005).

27 27 Web Semântica Na Web Semântica as ontologias são criadas usando padrões relacionados especialmente às linguagens RDF Resource Description Format e OWL- Web Ontology Language.

28 28 Generalidade: classifica ontologias utilizando generalidade como critério (Guarino, 1998) Classificação das ontologias Área específica (medicina) Especializam Classes/Conceito s das ontologias de Nível Superior Geradas a partir de especializações de outras ontologias. Papéis desempenhados por entidades do domínio em alguma tarefa Ontologias de Domínio Ontologias de Nível Superior Ontologias de Aplicação Ontologias de Tarefa Também chamadas de Ontologias de Topo descrevem Classes/Conceitos genéricos Tarefas relacionadas a uma área específica (diagnóstico) Especializam Classes/Conceito s das ontologias de Nível Superior

29 29 Ontologias: Segundo Espectro Semântico Lassila e McGuiness (2001) propõe uma categorização de acordo com o espectro semântico (estrutura interna e conteúdo) Mais Leve (lightyweight) -> Mais Pesada (heavyweight) Lista de Termos Hierarquias tipo-de informais Hierarquias tipo-de formais Restrições de valores Glossários Tesauros Frames (Propriedades) Restrições Lógicas Axiomas/regras Espectro Ontológico (adaptado de Lassila e McGuiness (2001))

30 30 Componentes da Ontologia Classes Atributos Relacionamentos Axiomas Instâncias Fonte: Adaptado de(horridge, et. al., 2007) apud (Machado, 2012)

31 31 Componentes da Ontologia Classes representam conceitos, geralmente contem atributos e são organizados em taxonomias Classe={t,s,e} t: termo que nomeia (único) s: significado e: estrutura ={{a},h,{r}} a: atributos h: hierarquia r: relações

32 32 Componentes da ontologia Atributo: Características (propriedades) que descrevem as classes. Pessoa nome: String idade: String

33 33 Componentes da Ontologia Tipos de relações (Khoo, Na, 2006) Relações são a forma que os conceitos se relacionam com outros conceitos Taxonomia (is-a) Generalização / especialização Herança de Atributos Herbívoro Animal É um Carnívoro É um Pessoa Partonomia (part-of) Agregação / Composição parte - de Bicicleta É um Caçador Adaptado de (MACHADO, 2012) Roda

34 34 Ontologias Componentes Existem na realidade (Gizzardi and Wagner, 2010) Indivíduos/Instâncias Bufalo_02 Anori Ubirata Gazela_01 Gazela_02 Felipe Adaptado de (MACHADO, 2012)

35 35 Ontologias componentes Existem na realidade (Gizzardi and Wagner, 2010) Indivíduos/Instâncias Classe: Caçador ecaçadorde Bufalo_02 Anori Ubirata Gazela_01 Gazela_02 Felipe Classe: Herbívoro Adaptado de (MACHADO, 2012) Classe: Pessoa

36 36 Ontologias Componentes Axiomas: modelam sentenças sempre verdadeiras Úteis para inferência de um novo conhecimento Restringem a interpretação dos estados possíveis de uma conceituação (Guarino et al, 2009) Adaptado de (MACHADO, 2012)

37 37 Modelos podem ser imprecisos Pessoa N caça N Animal Várias Pessoas, que são animais carnívoros, para se alimenta caçam outros Animais que não são Pessoas Fonte: (MACHADO, 2012)

38 38 Ontologias Componentes Axiomas: modelam sentenças sempre verdadeiras Úteis para inferência de um novo conhecimento Restringem a interpretação dos estados possíveis de uma conceituação (Guarino et al, 2009) Ex: Todo Caçador caça Animais que não são Pessoas; ( Caçador = caça.animal and (not Pessoa)) Carnívoro é um Animal e alimenta-se de Carne ( Carnívoro= is-a Animal and hasalimento.carne) Adaptado de (MACHADO, 2012)

39 39 Ontologias - Componentes A partir dos axiomas é possível inferir, isto é chegar a outras conclusões Exemplo (bem original :P) Todos os homens são mortais Sócrates é um homem. Conclusão: Portanto, Sócrates é mortal.

40 40 Problemas com Metadados/Web Semântica Mentiras Preguiça Erros no preenchimento Chegar a consensos Metacrap :

41 41 Aplicações/Avanços The semantic web in action DBPedia. Extrair dados estruturados da Wikipedia. (em Português) Publicando dados de bancos de dados relacionais em RDF

42 42 Material utilizado/consultado RUSSELL, S.; NORVIG, P. Inteligência Artificial. 2. ed. Rio de Janeiro: Campus, RABUSKE, R. A. Inteligência Artificial. Florianópolis: Editora da UFSC, ROSA. J. L. G. Fundamentos da Inteligência Artificial. Rio de Janeiro: LTC, MACHADO, A. Exame de Qualificação Tema de profundidade: Ontologias, UFRGS, 2012 BREITMAN, K. Wen Semântica: A Internet do Futuro. Rio de Janeiro: LTC, COPIN, B. Inteligência Artificial. Rio de Janeiro: LTC, Páginas Web: