de outros tipos de problemas para alcançar seus objetivos.
Em Singapura, desde 1980, tem-se utilizado sistemas especialistas em diversas áreas. Podemos citar como um dos importantes sistemas especialistas o
Intelligent Fuzzy Logic Tutor, no setor de educação.
No Japão, tem-se desenvolvido um grande número de sistemas especi alistas para diagnósticos, planejamento, escalonamento e para indústrias pesadas. Aplicações de lógica difusa estão se multiplicando, principalmente na área de eletrodomésticos.
Na Alemanha, os sistemas especialistas são utilizados principalmente para as indústrias pesadas e o uso da lógica difusa está crescendo rapidamente.
Nos Estados Unidos existem várias tendências no uso dos sistemas especialistas, como por exemplo: o movimento contínuo em direção à integração e aos
sistemas híbridos, a ênfase para o problema de solução de negócios, necessidade de fornecer suporte de alto nível para pesquisa em Inteligência Artificial e o uso de metodologias estruturadas para desenvolvimento de sistemas especialistas.
No Brasil o uso de sistemas especialistas encontra-se em crescimento em diversas áreas. Dentre os sistemas desenvolvidos pode-se citar: Análise de crédito bancário, Análise de hepatopatias crônicas, Análise química qualitativa de minerais, na educação (Paladini, 2000) e há também uma tendência a desenvolver-se sistemas especialistas híbridos (Pacheco, 1996).
4.2. Características de um Sistema Especialista
Uma das características importantes nos Sistemas Especialistas é a separação do conhecimento dos métodos gerais que são usados para manipular este conhecimento. Esta característica é relevante se a aplicação é voltada ao ensino, uma vez que cada domínio (área de aplicação) tem sua própria terminologia, relações e procedimentos. Se os aspectos relacionados ao domínio podem ser formulados independentemente, então o desenvolvimento completo de um sistema de ensino pode ser bastante simplificado (Kemp, 1992).
A característica mais vantajosa de um SE é o alto nível de experiência utilizado na solução de problemas. Esta experiência foi resgatada do especialista e armazenada na base de conhecimento. Para representar o desempenho de especialistas humanos, o SE deve possuir não somente um conjunto de informações mas, também, a habilidade de utilizá-las na resolução de problemas de forma criativa e eficiente. Esta habilidade representa uma série de idéias e regras intuitivas que o especialista utiliza para resolver os problemas, e sua aplicação possibilita, de uma maneira mais econômica, a chegada à soluções aceitáveis, embora nem sempre sejam ótimas.
A flexibilidade do sistema também é importante. O SE pode explicar em detalhes como um novo fato conduz a mudanças e explicar o porque de determinada
conclusão, permitindo ao usuário entender o relacionamento destes com a solução, avaliar os efeitos de novas estratégias ou procedimentos aplicados à solução.
A habilidade de prover treinamento é mais uma característica dos SEs. Eles podem ser projetados para fornecer este treinamento desde que contenham conhecimento necessário e capacidade para explicar os processos de raciocínio.
Os SE representam conhecimento de maneira simbólica. Pode-se usar símbolos para representar uma variedade de tipos de conhecimentos, como fatos, concepções e regras. Esta área é estudada formalmente como Representação do Conhecimento.
O conjunto destas características forma um mecanismo muito atraente na implementação de sistemas especialistas voltados à educação, pois, possibilitam ao usuário encontrar explanação sobre suas dúvidas, saber onde encontra-se o erro ao navegar pelo sistema, além de possibilitar uma fixação do conteúdo. Assim sendo, temos mais uma ferramenta que pode contribuir na aprendizagem do aluno.
4.3. Estrutura de um Sistema Especialista
Antes de analisarmos a estrutura de um sistema especialista, veremos como um especialista resolve um problema. Segundo Durkin (1994), “um especialista é a pessoa que tem um conhecimento especializado ou perícia (expertise) numa certa área”. No campo de SE este conhecimento é chamado de domínio do conhecimento. A palavra domínio é usado para enfatizar que o conhecimento pertence a um problema específico. Um especialista armazena o domínio de conhecimento em sua memória de longo prazo (MLP).
Quando o especialista fornece conselho a alguém, primeiramente obtemos fatos sobre o problema e armazenamos na memória de curto prazo (MCP). Então raciocinamos sobre este combinando os fatos da MCP com o conhecimento da MLP. Usando este processo, inferimos a informação nova do problema e chegamos eventualmente na conclusão sobre o mesmo. A figura abaixo (figura 4.1a) ilustra este processo.
Figura 4.1a: Resolução de problemas por Especialista Humano
Fonte: Durkin (1994)
Para exemplificarmos este processo, consideramos o problema do diagnóstico de um automóvel. Assumiremos que o seu carro está com problema. Então você procura um mecânico de autos (especialista). Com anos de experiências de seu trabalho este armazenou na MLP os diagnósticos de uma variedade de problemas com carros. Suponhamos que você informou ao mecânico “o carro não dá partida”. O mecânico armazena esta informação em sua MCP e começa a raciocinar com ela. Usando a informação fornecida a ele, junto com seu conhecimento do domínio, este infere que o “problema pode estar na parte elétrica”. E então adiciona esta opinião a sua MCP e continua a raciocinar sobre o problema. Se o teste de bateria for comprovado, o mecânico tem que explanar sua conclusão.
Os SE resolvem os problemas usando um processo que é muito similar aos métodos usados por um especialista humano, e esta estrutura pode ser visualizada na figura a seguir (figura 4.1b).
Figura 4.1b: Resolução de problemas por Sistemas Especialistas
Fonte: Durkin (1994)
4.3.1. Base de Conhecimento
Um SE armazena o domínio de conhecimento de um especialista no módulo conhecido como Base de Conhecimento. Esta contém geralmente fatos que são conhecimento estático do sistema e regras que são o conhecimento dinâmico do sistema. Este é um modelo para MLP mostrado na figura 4.1a.