Representação de Conhecimento

Documentos relacionados
Estrutura de um Sistema Especialista

Renata de Freitas e Petrucio Viana. IME, UFF 12 de março de 2015

NEUROSSEMÂNTICA.

INTELIGÊNCIA ARTIFICIAL

A MÁQUINA INTELIGENTE. O longo caminho do pensamento mecanizado Júlio Cesar da Silva - juliocesar@eloquium.com.br

Representação de Conhecimento. Lógica Proposicional

Algumas vantagens da Teoria das Descrições Definidas (Russel 1905)

Sistemas Híbridos Inteligentes

Ontologias. Profa. Lillian Alvares Faculdade de Ciência da Informação, Universidade de Brasília

Banco de Dados Aula 1 Introdução a Banco de Dados Introdução Sistema Gerenciador de Banco de Dados

4 Estratégias para Implementação de Agentes

Algoritmos e Programação de Computadores I. Prof. Eduardo

Sociedade da Informação

Programação Funcional. Capítulo 1. Introdução. José Romildo Malaquias. Departamento de Computação Universidade Federal de Ouro Preto 2015.

Paradigmas da IA. Eixos centrais (das diferenças)

Lógica Computacional. Argumentos válidos e sólidos. Métodos de Demonstração. Demonstrações formais. Regras de Inferência Igualdade

Pós-Graduação em Engenharia Elétrica Inteligência Artificial

Lista de Exercícios 1: Soluções Fundamentos da Lógica Lógica Proposicional

ONTOLOGIA DE DOMÍNIO PARA ANÁLISE DE BLOGS

Modelagem do Conhecimento para a Gestão de Processos e Projetos. Modelagem do Conhecimento para a Gestão de Processos e Projetos Prof.

CURSO DE INFORMÁTICA LICENCIATURA 1 PERÍODO

IA: Introdução. Prof. Msc Ricardo Britto DIE-UFPI

Representação de Conhecimento Redes Semânticas e Frames

Geomarketing para além da técnica. Como agregar valor às decisões?

Protótipo tipo de Sistema Especialista Para Área Comercial Utilizando a Ferramenta SPIRIT

Implementação de um Mini-Sistema Especialista para Natação Especial Baseado em Regras de Produção

II. DEFINIÇÕES INICIAIS 1

Inteligência Artificial

SQL Linguagem de Manipulação de Dados. Banco de Dados Profa. Dra. Cristina Dutra de Aguiar Ciferri

Curso de Aprendizado Industrial Desenvolvedor WEB. Disciplina: Banco de Dados Professora: Cheli Mendes Costa Modelo de Dados

MATRIZ CURRICULAR CURRÍCULO PLENO 1.ª SÉRIE 2.ª SÉRIE CURSO SUPERIOR DE TECNOLOGIA EM DESENVOLVIMENTO DE SOFTWARE (ÁREA: INFORMÁTICA)

Requisitos de Software

EXERCÍCIOS LÓGICA DE PRIMEIRA ORDEM - MODELOS

Web de hoje (2.0) Porquê WEB 2.0?

UNIVERSIDADE FEDERAL DO PARANÁ UFPR Bacharelado em Ciência da Computação

43. Jogo do bingo com figuras

Inteligência Computacional: resolvendo problemas difíceis da vida real

Interface Homem-Computador

Modelos Conceptual e Mental

Algoritmos e Programação I

John Locke ( ) Colégio Anglo de Sete Lagoas - Professor: Ronaldo - (31)

Conceito de pesquisa

Introdução à Inteligência Artificial (Capítulo 1 - Russell) Inteligência Artificial. Professor: Rosalvo Ferreira de Oliveira Neto

Breve Histórico do Raciocínio Lógico

Capítulo 2. Álgebra e imagens binárias. 2.1 Subconjuntos versus funções binárias

Introdução e motivação SGBD XML Nativo Consultas em SGBDs XML Prática. Bancos de dados XML. Conceitos e linguagens de consulta

Linguagem de Programação III

Raciocínio Lógico - Parte IV

Padrões, Ferramentas e Boas Práticas no Desenvolvimento de Software para Web Semântica

EMENTAS DAS DISCIPLINAS

RELAÇÕES BINÁRIAS Produto Cartesiano A X B

Linguagem de Programação II

Inteligência Artificial

Complemento III Noções Introdutórias em Lógica Nebulosa

Metodologia Científica e Tecnológica

Parece claro que há uma, e uma só, conclusão a tirar destas proposições. Esa conclusão é:

Gestão do Conhecimento. Capitulo 11

Alertas Para Existência De Problemas: Oportunidade

MODELAGEM CONCEITUAL EM MATEMÁTICA. UMA EXPERIÊNCIA COM O USO DO SOFTWARE CMAPTOOLS

Semântica para Sharepoint. Busca semântica utilizando ontologias

Balanced Scorecard. Da estratégia às ações do dia-a-dia

Lições Aprendidas em Gestão de Projetos

A coleta de requisitos se refere ao processo de determinar, documentar e gerenciar as necessidades e requisitos das partes interessadas;

MBA em GESTÃO ESTRATÉGICA EMPRESARIAL

CUSTOMER RELATIONSHIP MANAGEMENT

INF 1771 Inteligência Artificial

ENGENHARIA E GESTÃO INDUSTRIAL

Pedagogia. Comunicação matemática e resolução de problemas. PCNs, RCNEI e a resolução de problemas. Comunicação matemática

Sistemas de Representação e Raciocínio

Introdução ao Aplicativo de Programação LEGO MINDSTORMS Education EV3

DEPARTAMENTO DE 1º Ciclo - Grupo 110. Planificação Anual /Critérios de avaliação. Disciplina: Estudo do Meio 1.º ano 2015/2016

PRÓ-MATATEMÁTICA NA FORMAÇÃO DE PROFESSORES

Representação do Conhecimento

Inteligência Artificial

Qual carreira profissional você quer trilhar?

O olhar do professor das séries iniciais sobre o trabalho com situações problemas em sala de aula

MODELAGEM DE DADOS MODELAGEM DE DADOS. rafaeldiasribeiro.com.br 04/08/2012. Aula 7. Prof. Rafael Dias Ribeiro.

Aula 4 Pseudocódigo Tipos de Dados, Expressões e Variáveis

WebDesign. Eu uso, Tu usas, Nós usamos..

PARSER: UM ANALISADOR SINTÁTICO E SEMÂNTICO PARA SENTENÇAS DO PORTUGUÊS

DEPARTAMENTO DE 1º Ciclo - Grupo 110. Planificação Anual /Critérios de avaliação. Disciplina: Estudo do Meio 1.º ano 2014/2015

Estratégias em Propaganda e Comunicação

TABELA DE EQUIVALÊNCIA FECOMP Curso de Engenharia de Computação

CURSO: LICENCIATURA DA MATEMÁTICA DISCIPLINA: PRÁTICA DE ENSINO 4

Aula 1 Conceitos básicos de Sistemas de Informação.

Objetivos. Requisitos de Software. Tipos de Requisitos. O que é um requisito? Requisitos Funcionais e Não- Funcionais. Requisitos Funcionais

Parábolas curtas de Jesus: 3 - Vinho novo em odres velhos Lc 5,37-39

O TRABALHO COMO PRINCÍPIO EDUCATIVO. Reflexões sobre as dimensões teórico-metodológicas da educação profissional

Inteligência Artificial

LINGUAGENS E PARADIGMAS DE PROGRAMAÇÃO. Ciência da Computação IFSC Lages. Prof. Wilson Castello Branco Neto

Em memória [ Torá e ciência (o ciclo da água) ]

Plano de Trabalho Docente ETEC Rodrigues de Abreu Extensão EE Ernesto Monte. Habilitação Profissional: Técnico em Transações Imobiliárias

Banco de Dados. Introdução. João Eduardo Ferreira Osvaldo Kotaro Takai. DCC-IME-USP

Universidade de Brasília. Faculdade de Ciência da Informação. Prof a Lillian Alvares

Site da disciplina: Site do Laboratório de Geotecnologias Aplicadas:

PNL? o que é. Dossie. Veronica Ahrens Diretora de T&D, Trainer e Coach da SBPNL Inspirar pessoas a criarem um mundo melhor. veronica@pnl.com.

Revisitando os Desafios da Web: Como Avaliar Alunos Online

Transcrição:

Representação de Conhecimento Jomi Fred Hübner Departamento de Automação e Sistemas http://www.das.ufsc.br/~jomi/das6607 PPGEAS 2010/3

Conhecimento o que é? como representá-lo? como obtê-lo? para que serve? 2

o que é conhecimento

Visão geral 4

Visão geral Exemplo Eu sei que hoje é terça 4

Visão geral Exemplo Eu sei que hoje é terça eu sei que X conhecimento é aquilo que nos permite pensar 4

Nível do conhecimento Allen Newell, The Knowledge Level, 1980. Agente corpo físico corpo de conhecimento metas funcionamento pelo princípio da racionalidade 5

Nível do conhecimento Princípio da Racionalidade Allen Newell, The Knowledge Level, 1980. se o agente sabe que uma de Agente corpo físico corpo de conhecimento metas suas ações o levará a satisfazer uma de suas metas, então o agente selecionará tal ação funcionamento pelo princípio da racionalidade 5

Nível do conhecimento definição conhecimento é o que determina o comportamento particular de um agente o importante não é só a estrutura, mas sua função representação + raciocínio 6

como obter conhecimento

Por observação mapeamento realidade - conceito processamento de imagens, sons,... 8

Por observação mapeamento realidade - conceito processamento de imagens, sons,... fatos atitude mental direção mundo mente 8

Por inferência (aprendizado) Dedução Indução 9

Por inferência (aprendizado) Dedução Indução dedução corretude completude 9

como representar conhecimento

Representação Sistemas computacionais e formalismos matemáticos para expressar e manipular conhecimento declarativo de forma tratável e computacionalmente eficiente 11

Representação Sistemas computacionais e formalismos matemáticos para expressar e manipular conhecimento declarativo de forma tratável e computacionalmente eficiente Deve prover Linguagem de representação de conhecimento Mecanismo de inferência Estratégias de controle da inferência 11

Linguagem exemplo conhecimento de o que é um spam 12

Linguagem exemplo árvore de decisão conhecimento de o que é um spam lógica de predicados redes neurais redes semânticas frames... 12

Linguagem exemplo árvore de decisão lógica de predicados redes neurais redes semânticas frames conhecimento de o que é um spam avaliação formal? expressivo? inferências? eficiente?... 12

Lógica

Proposições Argumentos Prova Predicados Sintaxe Conhecimento Semântica Cálculo Fatos Lógica para Representação de Conhecimento fatos simples 1 Identificar indivíduos e objetos 2 Identificar seus tipos 3 Identificar seus atributos 4 Identificar suas relações 5 Identificar funções bob pessoa(bob) chato(bob) gosta(bob, vinho) idade(bob) =32 14

Proposições Argumentos Prova Predicados Sintaxe Conhecimento Semântica Cálculo Relações Lógica para Representação de Conhecimento fatos complexos Todo... é... x bebado(x) chato(x) x bebida(x) temagua(x) Todo... é..., menos... x bebado(x) x = zeca chato(x) Incerteza bebado(zeca) chato(zeca) x chato(x) 15 131 / 145

Proposições Argumentos Prova Predicados Sintaxe Conhecimento Semântica Cálculo ógica para Representação de Conhecimento Terminologia erminologia Disjunção x sobrio(x) bebado(x) Subtipos x vinho(x) bebida(x) (o que se pode inferir para bebida se infere também para vinho) Tipos x bebida(x) vinho(x) agua(x) Simetria x, y casado(x, y) casado(y, x) Inversão x, y filhode(x, y) paide(x, y) Restrição de tipo x pai(x) homem(x) x, y filhode(x, y) homem(x) pessoa(y) 16

Proposições Argumentos Prova Predicados Sintaxe Conhecimento Semântica Cálculo ógica para Representação de Conhecimento Propriedades de relações ropriedades de relações Reflexividade x r(x, x) Irreflexividade x r(x, x) Simetria x, y r(x, y) r(y, x) Assimetria x, y r(x, y) r(y, x) Não-simetria: nem simétrica, nem assimétrica Anti-simetria x, y r(x, y) x = y r(y, x) x, y r(x, y) r(y, x) x = y Transitividade x, y, z r(x, y) r(y, z) r(x, z) Intransitividade x, y, z r(x, y) r(y, z) r(x, z) Não-transitividade: nem transitiva, nem intransitiva. 17

utilidade do conhecimento

Aplicações projetista tornar explícito, para si mesmo, o que pensa um agente poder concluir novos fatos um agente calcular seu comportamento compartilhamento e troca de informação semantic web... 19

Algumas referências Allen Newell, The Knowledge Level. AI Magazine, 1980 Randall Davis et al. What is a Knowledge Representation? AI Magazine, 1993 John F. Sowa. Knowledge Representation: Logical, Philosophical, and Computational Foundations. 2000 20

Algumas referências leitura Allen Newell, The Knowledge Level. AI Magazine, 1980 para a Randall Davis et al. What is a Knowledge próxima aula Representation? AI Magazine, 1993 John F. Sowa. Knowledge Representation: Logical, Philosophical, and Computational Foundations. 2000 20