sistemas especialistas fred freitas centro de informática universidade federal de pernambuco
Post on 07-Apr-2016
216 Views
Preview:
TRANSCRIPT
Sistemas Especialistas
Fred FreitasCentro de InformáticaUniversidade Federal de Pernambuco
Roteiro
Definição e Histórico Conceitos Básicos Componentes de um Sistema
Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de
Conhecimento Tendências Futuras
Roteiro
Definição e Histórico Conceitos Básicos Componentes de um Sistema
Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de
Conhecimento Tendências Futuras
Definição de Sistemas Especialistas
Sistemas Baseados em Conhecimento (SBCs) que: Resolvem problemas complexos usando conhecimento humano profundo sobre
o problema e/ou sobre áreas relacionadas Lembrar que, como todo SBC, os Sistemas
Especialistas só funcionam em domínios restritos!
Produtos de maior sucesso em IA!
Representação de Conhecimento SBCs são estudados e produzidos a
partir da disciplina de Representação de Conhecimento
Disciplina que estuda o uso de símbolos formais para representar conjuntos de proposições
Raciocínio – manipulação mecânica destes símbolos de forma a criar novos símbolos
6
Raciocínio: processo de construção de novas sentenças a partir de
outras sentenças. Deve-se assegurar que o raciocínio é consistente
(sound)
Conhecimento: Representação e Uso
fatos fatos
sentenças sentenças
Mundo
Representação
segue-se
implica
sem
ântic
a
sem
ântic
a
Hipótese de RC [Brian Smith]
Propriedades de um SBC: Um observador externo pode entender o
que está representado em suas proposições
O sistema se comporta de um dado jeito por causa do que está representado nestas proposições
Vantagem em relação a sistemas tradicionais (procedimentais): pode-se perguntar a um programa sobre o que ele sabe, etc...
Sistemas Especialistas
Inteligência Artificialsistemas que exibem/replicam comportamentos inteligentes
Sistemas Baseados em Conhecimentoo conhecimento é vital, divisão entre conhecimento e raciocínio
Sistemas Espec.o conhecimento é obtido
a partir de um perito
Como reconhecer um Sistema Baseado em Conhecimento ?
Qual deles é um SBC? Por quê?
printColor(snow) :- !, write(“It’s white.”).printColor(grass) :- !, write(“It’s green.”).printColor(sky) :- !, write(“It’s yellow.”).printColor(X) :- write(“Beats me.”).
printColor(X) :-color(X,Y), !, write(“It’s “), write(Y), write(“.”).
color(X, Y) :- madeOf(X, Z), color(Z, Y).madeOf(grass, vegetation).printColor(X) :- write(“Beats me.”).color(snow,white).color(sky,yellow). color(vegetation, green).
Prós e contras
DECLARATIVO Fácil adicionar mais
conhecimento ao sistema
Fácil estendê-lo para novas tarefas Quais objetos têm a
mesma cor? O sistema se explica!
PROCEDURAL Mais rápido (já
possui o script) Tomou o mercado...
Usos e Benefícios
Sistemas Especialistas podem servir para: Resolver problemas Assistentes de decisão de especialistas Treinamento e disseminação do conhecimento
Ex: CATS-1 Benefícios
Preservação de conhecimento Vantagens declarativas
Conhecimento fora do programa Regras podem ser inseridas sem se preocupar com
o fluxo do programa
Histórico
1965 – DENDRAL Ed Feigenbaum – Univ. Stanford – EUA Determinava automaticamente a estrutura
molecular de uma molécula desconhecida através de sua análise espectrográfica
Abordagem algorítmica impossível Resultados melhores que os especialistas (!) Suas descobertas geraram publicações em
revistas especializadas
MYCIN [Shortliffe 76]
Diagnóstico e terapia de doenças infecciosas Muito consultado por médicos que não eram
especialista em infecções 450 regras com coeficientes de certeza
associados Pioneiro no uso de interface e de módulo
explanador Procurou imitar um médico num consultório
Regra e diálogo do MYCIN
If the infection is primary-bacteremia, and the site of the culture is one of the sterile
sites, and the suspected portal of entry of the
organism is gastrointestinal tract, then there is suggestive evidence (0.7)
that the identity of the organism is bacteroides.
> What is the patient’s name? John Doe. > Male or Female? Male. > Age? He is 55. > Have you obtained positive cultures indicating general type? Yes. > What type of infection is it? Primary bacteremia. > When did symptoms first appear? May 5. > Let’s call the most recent positive culture C1. From what site was C1
taken? From the blood. > When? May 9. > Let’s call the first significant organism from this culture U1. Do you
know the identity of U1? No. > Is U1 a rod or a coccus or something else? Rod. > What is the gram stain of U1? Gram-negative. > Have there been positive cultures from sites that are not associated
with the infections about which you are seeking advice? No.
> Diagnosis... > My recommendations will be based on the opinion that the
identity of U1 may be: 1. Psedomonas-aeruginosa 2. Klebsiella-pneumoniae 3. E. coli 4. Bateroides-fragilis 5. Enterobacter 6. Proteus-nommirabilis Some more questions... > On a scale of 0 to 4, where higher numbers indicate greater
severity, how would you rate the patient’s degree of sickness? 3. > Does the patient have a clinically significant allergic reaction to
any antimicrobial agent? No. > How much does the patient weigh? 70 kg. > First recommendation... > My first recommendation is as follow: to cover for items 1,2,3,5
and 6, give gentamycin using a dose of 119 mg (1,7 mg/kg) q8h IV [or IM] for 10 days. Modify dose in renal failure. Also, to cover for item 4, give clindamycin using a dose of 595 mg (8.5 mg/kg) qh6 IV [or IM] for 14 days. If diarrhea or other gastrointestinal symptoms develop, check for pseudomembranous colitis.
Explicando-se…
Histórico
Anos 60 -70: SEs orientados a tarefas exclusivamente Regras e heurísticas, sem descrições de
domínio Anos 70-80: SEs orientados a domínios
PROSPECTOR [Hart et al 78]: Prospecção mineral Redes semânticas, classes, subclasses,
instâncias... Aceitação comercial: CATS-1, XCON, ...
CATS-1
Problema da General Electric: Aposentadoria de David Smith: engenheiro especialista
em falhas de motores elétrico-diesel de locomotivas Solução convencional
Treinamento de engenheiros novatos 1980: Construção de CATS-1 (DELTA)
Meses de entrevista, 3 anos p/ primeiro protótipo Permite diagnóstico em poucos minutos Existe um em cada oficina Dá treinamento, é amigável e explica decisões
Exemplo de SE: XCON (1978) Domínio do conhecimento: Configuração
de computadores de VAX, a partir de especificações dos clientes.
Entrada: Características necessãrias ao sistema computatorizado.
Saída: Especificação do sistema computatorizado.
A DEC tentou escrever um programa convencional para fazer este tarefa, sem nenhum sucesso
McDermott foi então convidado escrever um sistema espeiclista
Sucesso do XCON
Até 1986, o XCON tinha processado 80.000 orçamentos, com precisdão de 95-98% conseguida Lucro para a DEC: $25M / ano
O sucesso foi tão grande que a DEC fez uma família de SEs XSEL – suporte à pré-venda e venda XSITE – planos par ao projeto físico
Exemplo de regra no XCON
IF the most current active context is distributing massbus devices
& there is a single port disk drive that has not been assigned to a massbus
& there are no unassigned dual port disk drives& the number of devices that each massbus should
support is known& there is a massbus that has been assigned at least
one disk drive and that should support additional disk drives
& the type of cable needed to connect the disk drive to the previous device on the disk drive is known
THEN assign the disk drive to the massbus
Roteiro
Definição e Histórico Conceitos Básicos Componentes de um Sistema
Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de
Conhecimento Tendências Futuras
Expertise
Conhecimento específico sobre a tarefa modelada e seu domínio: Fatos e teorias sobre o domínio
Frames, redes semânticas,... Regras boas e rápidas e procedimentos gerais,
advindas da experiência Heurísticas para situações específicas Estratégias globais
Especialista
Detentor do conhecimento sobre a área e sobre a tarefa específica. Sabe: Reconhecer e formular o problema em sua
verdadeira extensão Explicar a solução (às vezes) Quando quebrar regras Relevância dos fatos
Engenheiro de Conhecimento
Ajuda a transferir a expertise para o Sistema Especialista. Tarefas: Aquisição do conhecimento Representação Documentação
Principalmente para o módulo explanador
Roteiro
Definição e Histórico Conceitos Básicos Componentes de um Sistema
Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de
Conhecimento Tendências Futuras
Estrutura de um Sistema Especialista
Base deConhecimento
Módulo Explanador
Motor de Inferência
Módulo de Aquisição de Conhecimento
Interface
Especialista/Engenheiro deConhecimento
Usuário
Componentes Interface:
Linguagem natural ou menus Pode fazer perguntas ao usuário Deve permitir ao usuário descrever o
problema Pode permitir ao especialista ou
engenheiro de conhecimento inserir conhecimento
Módulo de Explanação. Responde a: Como chegou a uma dada conclusão? Porque rejeitou uma dada alternativa? Qual o plano para achar uma solução? Porque fez uma pergunta específica?
Funcionamento típico
O especialista e o engenheiro especificam conhecimento, que é armazenado na memória permanente (regras, frames,...) do motor de inferência
Usuário entra com descrição do problema, normalmente por um template da interface
O motor de inferência aplica o conhecimento permanente ao problema e vai deduzindo fatos novos na memória volátil, até chegar a uma solução do problema
Roteiro
Definição e Histórico Conceitos Básicos Componentes de um Sistema
Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de
Conhecimento Tendências Futuras
Ciclo de Desenvolvimento de um Sistema Especialista
Inicialização
Análise
Prototipagem
Desenvolvi-mento
Implemen-tação
Manutenção
Definição doProblema,Requisitos
Projeto,Identificação das fontes de conhecimento
Definição eRepresentação doConhecimento,Protótipos, Módulos, Interface, Testes
Fechamento daBase deConhecimento e dos módulos,Testes,Avaliação
Validação pelosusuários,Treinamento,Documentação Operação,
Upgrades,Avaliaçãoperiódica
Roteiro
Definição e Histórico Conceitos Básicos Componentes de um Sistema
Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de
Conhecimento Tendências Futuras
Aquisição de Conhecimento De que conhecimento precisa um SE?
Conhecimento, principalmente, do especialista Conhecimento sobre a tarefa Ver que conceitos e relações são relevantes! Heurísticas/ regras para a solução
Livros e documentos sobre o problema e sua área Ontologia do domínio
Conceitos, instâncias, relações, restrições Conhecimento geral (às vezes necessário)
Ciclo de Desenvolvimento de um Sistema Especialista
Inicialização
Análise
Prototipagem
Desenvolvi-mento
Implemen-tação
Manutenção
Definição doProblema,Requisitos
Projeto,Identificação das fontes de conhecimento
Definição eRepresentação doConhecimento,Protótipos, Módulos, Interface, Testes
Fechamento daBase deConhecimento e dos módulos,Testes,Avaliação
Validação pelosusuários,Treinamento,Documentação Operação,
Upgrades,Avaliaçãoperiodica
Aquisição deConhecimento,
o Gargalo!
Problemas na aquisição
Problemas inerentes ao problema que se deseja resolver: Dificuldade de enumeração de todos os casos Terminologia difícil do domínio (ex: medicina)
Problemas com o especialista Às vezes, o especialista não sabe porque toma
determinadas decisões Muitas informações implícitas nas decisões do
especialista, e ele não consegue expressá-las Separar o joio do trigo
Conhecimento relevante x irrelevante O especialista não quer colaborar
Soluções para os Problemas de Aquisição Métodos de aquisição
Manuais Semi-automáticos Automáticos
Sistemas Especialistas de 2ª. geração
Métodos Manuais de Aquisição
Entrevistas Desestruturada Estruturada: agendas, formulários, casos, etc
Rastreamento cognitivo Gravações de descrições detalhadas do especialista
Engenheiro faz regras e valida com o especialista
especialista
Base de conhecimento
Engenheiro de conhecimento
documentação
codificação
explicitação
Métodos Semi-automáticos de Aquisição
Ferramentas para o engenheiro Editores, ambientes integrados (ex: Protégé),
ferramentas visuais Ferramentas para o especialista
Análise de grades de características (repertory grid analysis)
especialista Ferramentas de apoio Base de conhecimento
Engenheiro de conhecimento
Métodos Automáticos de Aquisição
Técnicas de Aprendizado Automático É preciso gerar conhecimento explícito, muitas
vezes em forma de regras! Por isso... Técnicas simbólicas de aprendizado
Árvores de Decisão Espaço de Versões, ...
Casos e exemplos Indução automática Regras
Comparação entre usar um especialista e um SE
Variável Especialista Sistema Espec. Tempo Disponível Horário de Trabalho Sempre Localização Geográfica Local Global Segurança Insubstituível Substituível Perecível Sim Não Desempenho Variável Consistente Velocidade Variável Constante Custos Altos Suportáveis Aspectos Emotivos Sim Não Sujeito a Cansaço Sim Não
Sistemas Especialistas –2ª. Geração Objetivo: Acelerar a construção de SEs
Reuso é imperativo: BCs são a parte mais cara de um SBC
Melhorias no processo de modelagem do conhecimento
Tendência a que o próprio especialista edite o conhecimento
Protégé [Gennari et al 2003] Integração entre aprendizado e inferência
simbólica para acelerar a aquisição Sistemas híbridos
Como reusar conhecimento??
Reuso de conhecimento sobre as tarefas: Metodologia CommonKADS [Schreber et al 94] Reusa modelos de problemas e sub-problemas Propõe especificar as tarefas em função da
decomposição destas em sub-tarefas, e assim recursivamente
Reuso do conhecimento sobre o domínio Ontologias
Reuso de Conhecimento sobre Tarefas: CommonKADS
Meta-modelos prontos para determinados tipos de tarefa: Diagnóstico, Monitoração, etc
Não entrou muito em uso: Muito abstrato Necessita de muitas especificações
Mas agora os metamodeos voltaram à moda!
system’s structure
given(analysis)
modified(transformation)
constructed(synthesis)
solution type
sequence of steps(planning)
structure(design)
solution type
states(predict)
category(identification)
category type
discrepancy(monitoring)
faulty category(diagnosis)
decisionclass
(assessment)model type
correct model(systematic diagnosis)
fault model(heuristic classification or
cover & differentiate)
KADS
is-acomponent
audiosystem
tapedeck
speakersystem
...
Ontologia do domínio de áudio
components’ properties• deck: function (stop, play, rew, ff, pause)• deck: power (on,off)• amplifier: power (on,off)• amplifier: input-signal (deck, turner, CD, VCR, Aux)• ...
Properties tests• deck-power-switch (preessed, not pressed)• input-selector (deck, turner, ...)
audio system
amplifier tapedeck
speakersystem
...
leftspeaker
rightspeaker
part-of
Ontologia do domínio de áudio
causes (relation)• deck: power = on and deck: function = play and
cable-connection: deck amplifier = presentCAUSESamplifier: input-signal = deck
• amplifier: input-signal = deck and amplifier: input-selector = deckCAUSESamplifier: output-signal = deck
indicates• deck-power-switch = pressed
INDICATESdeck-power = on
• input-selector = XINDICATES amplifier: input-signal = X
Roteiro
Definição e Histórico Conceitos Básicos Componentes de um Sistema
Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de
Conhecimento Tendências Futuras
Sistemas Especialistas por Área de Aplicação
100 300200
Agricultura
Negócios
Química
Comunicações
Sist. Computacionais
Educação
Electrónica
Ambiente
Engenharia
Gestão Informação
Process. ImagemGeologia
Matemática
Indústria
Direito
Minas
Ap. Militares
Meteorologia
Medicina
Transportes
Tecnolog. Espaço
Ciência
Sistemas Energia
Número de aplicações
Sistemas Especialistas por Tipo de Problema
Controlo
Concepção
Diagnóstico
Instrução
Interpretação
Monitorização
Planeamento
Prescrição
Previsão
Simulação
Selecção
10 3020Percentagem de aplicações
Tendências em Sistemas Especialistas Integração de SEs numa empresa
Sistemas de Gestão de Conhecimento Memória organizacional
Expressão sendo substituída Agentes inteligentes...
Uso cada vez maior de ontologias Web Semântica
Sistemas híbridos
Resumo: Para fixar
Sistemas Especialistas são SBCs que resolvem problemas complexos, de difícil solução algorítmica
Componentes de um SE: Interface, Módulo Explanador, Motor de Inferência e Base de Conhecimento
Aquisição de Conhecimento é o maior problema dos SEs, por causa das dificuldades de obter o conhecimento do especialista Soluções: Ferramentas de Aquisição e Reuso de
Conhecimento
Bibliografia Básica
Turban, E., Aronson, J. Decision Support Systems and Intelligent Systems, Prentice Hall, 2000
Turban, E. Expert Systems and Applied Artificial Intelligence, MacMillan Publishing Company, 1992
Giarratano, J., Riley, G. Expert Systems: Principles and Programming, Course Technology, 1998
Bibliografia Adicional
Hart, P.E. Duda, R.O. and Einaudi., M.T. Prospector - a computer-based consultation system for mineral exploration. Mathematical Geology, 10(5), 1978
Shortliffe E.H. Computer-Based Medical Consultations : MYCIN. American Elsevier, New York, 1976.
Gennari, J., Musen, M., Fergerson, R., Grosso, W., Crubézy, M., Eriksson, H., Noy, N., Tu, S.. The evolution of Protégé’: an environment for knowledge-based systems development. http://smi.stanford.edu/pubs/SMI_Abstracts/SMI-2002-0943.html. 2003.
Bibliografia Adicional
Schreiber, A., Wielinga, B., de Hoog, R., Akkermans, H., van de Velde, W. CommonKADS: A Comprehensive Methodology for KBS Development. IEEE Expert, Dezembro/1994
Freitas, F. Ontologias e a Web Semântica, Anais da III Jornada de Mini-Cursos de Inteligência Congresso da Sociedade Brasileira de Computação, Campinas. Artificial. p. 1-52. Campinas, Brasil. 2003
top related