Inteligência Artificial

(1)

Inteligência Artificial

Prof. Paulo Martins Engel

Representação de conhecimento

Nível do conhecimento e nível simbólico

Informática

UFRGS _{Prof. Paulo Martins Engel}

2

Representação do conhecimento

• As técnicas de IA fraca para resolução de problemas se concentram na “representação de problemas”.

• As técnicas de IA forte para resolução de problemas se concentram na “representação de conhecimento”.

• A abordagem dos Sistemas Baseados em Conhecimento supõe que, se for dado o conhecimento de domínio apropriado e mecanismos para realizar raciocínio sobre este conhecimento, então um SBC é capaz de igualar ou mesmo superar o desempenho de especialistas humanos em tarefas restritas. • Nas décadas de 70 e 80, vários sistemas especialistas obtiveram sucesso: • DENDRAL: infere a estrutura das moléculas orgânicas a partir de suas

fórmulas químicas e de informações de espectrografia de massa das ligações químicas, usando conhecimento heurístico de especialistas em química. • MYCIN: utiliza conhecimento de especialistas médicos para diagnosticar e

prescrever tratamento para meningite espinhal e infecções bacterianas do sangue. Tratava raciocínio com informações incertas ou incompletas.

(2)

Informática

3

Representação do conhecimento

• Para a solução de problemas complexos encontrados na IA é preciso uma grande quantidade de conhecimento e alguns mecanismos para a

manipulação deste conhecimento, a fim de criar soluções para novos problemas.

• O tipo de conhecimento útil para a solução de problemas é aquele que está associado às descrições, heurísticas e procedimentos que um especialista no domínio utiliza para a solução de problemas.

• Este conhecimento do domínio, se bem representado computacionalmente, pode ser manipulado adequadamente, contrastando com o conhecimento profundo, que normalmente está baseado numa descrição teórica de difícil trato computacional.

• Como exemplo, a descrição funcional de uma porta lógica através de uma tabela verdade equivaleria ao conhecimento do domínio, enquanto que a descrição do comportamento dos seus valores contínuos desde as suas entradas até as saídas através das equações de corrente representaria o conhecimento teórico do funcionamento deste componente.

Conhecimento

• Segundo [Hayes-Roth; Waterman; Lenat, 1983]

“consiste em

(1) descrições simbólicas que caracterizam os relacionamentos empíricos e definicionais em um domínio e

(2) os procedimentos para manipulação dessas descrições.”

• Conhecimento inclui a informação sobre o domínio e a

forma como essa informação é utilizada para resolver

problemas.

Ex.: Maria tem mais de 18 anos. Maiores de 18 anos são

responsáveis legais por seus atos. Maria será cobrada pelos danos.

(3)

Informação

• Reconhecimento dos objetos do domínio,

suas características, suas restrições e seus

relacionamentos com os outros objetos, sem

ater-se à utilidade dessa informação. É o

dado com o seu significado associado.

Ex.: Idade de Maria = 20 anos

Dado

• Representação simbólica de um objeto ou

informação do domínio sem considerações

de contexto, significado ou aplicação.

Ex.: 20 anos

Domínio

:

• Qualquer conjunto relativamente circunscrito

de atividades.

(4)

Representação de Conhecimento

• Combinação de estruturas de dados e

procedimentos de interpretação que, se

utilizados do modo certo por um programa,

irão levar um sistema a apresentar um

comportamento inteligente.

Representação

_{< >}

_Conhecimento

Evolução

• Paradigma de transferência

– Especialista detém o conhecimento que deve ser

extraído e colocado no sistema.

• Paradigma de modelagem

– Organização detém o conhecimento

– Conhecimento existente nas pessoas, arquivos,

sistemas deve ser extraído e modelado em um

formato computacional

(5)

Nível de Conhecimento de

Newell

Nível do Conhecimento Nível Simbólico Racionalizar Implementar Observador Ambiente Agente Comportamento

Modelagem do Conhecimento

Nível do Conhecimento

• Visão HUMANA

• Modela o conhecimento

segundo a forma de

solução de problemas do

agente

• Uma aproximação do

especialista

• Foco na semântica

Nível Simbólico

• Visão da MÁQUINA

• Modela o conhecimento

de forma que possa ser

processável por

computador

• Uma aproximação da

máquina

(6)

11

Modelagem Conceitual

Guizzardi, Giancarlo. Ontological foundations for Structural Conceptual Models. CTIT, Enschede, Netherlands, 2005

Guarino, N. Formal ontology, conceptual analysis and

knowledge representation. Int.Journal Human-Computer

Studies:43, 625-640, 1995.

.

12

Modelagem Conceitual

Atividade de descrever

formalmente

o

mundo físico e social com o propósito de

compreensão

e

comunicação

.

• É voltado para pessoas e não para máquinas.

• Oferece suporte para lidarmos com tarefas do dia a

dia, oferecendo modelos que capturem parte da

realidade, ou seja, o domínio do discurso.

– Por exemplo: um sistema de atendimento médico vai ser referir a pacientes, doenças, tratamentos, médicos, planos de assistência, etc.

(7)

13

Representações de porções

da realidade são úteis para

– Compreender e aprender

– comunicar-se

– raciocinar e resolver

problemas

Guizzardi, Giancarlo. Ontological foundations for Structural Conceptual Models. CTIT, Enschede, Netherlands, 2005. 14

Modelos e Ontologias

Extensional A sobre B B sobre Mesa

Relações definidas sobre um domínio específico

<D, R>

R : função das relações relevantes em D

Intensional

O quê significa “sobre” em qualquer mundo possível?

Relações definidas sobre um espaço de

domínio.

<D, W>

W : conjunto dos mundos possíveis R : função total de todas a relações em

D.

B

A

C

Mundo dos Blocos

B

A

C

B

_A

C

B A C

_B

A C

(8)

15

Abstração

Construída em termos de

• Conceitualizações: conjunto de conceitos que suportam as atividades do domínio;

• Modelo: abstração de uma porção da realidade, articulada de acordo com uma conceitualização particular

• Especificação do modelo: representação do modelo

através de algum formalismo para que seja documentado e comunicado, um modelo deve ser capturado em uma

representação

• Linguagem de especificação : formalismos que definem o significado dos símbolos que representam um modelo

Conceitualizações e modelos são entidades abstratas que só existem na mente dos usuários de uma linguagem.

Entidades abstratas Representações 16 Conceitualização Modelo Linguagem Especificação do Modelo Representada por Interpretada como Representado por Interpretado como Instância de Usado para

compor

Instância de Usado para compor

Guizzardi, 2005

Mundo mental

(9)

Ontologias



Termo do domínio da Filosofia



A disciplina filosófica preocupada com o estudo

do ser.



Sistematiza conjuntos de categorias das coisas

que existem.



Um conjunto de categorias que sistematiza as

coisas fundamentais que existem.

Ontologias



Na Ciência da Computação



“Uma especificação formal e explícita de uma

conceitualização compartilhada” (Gruber)



Um artefato de engenharia (processável por

computador) que representa a conceitualização

que uma dada comunidade tem de uma dada

porção da realidade (domínio).



Envolve a representação de Conceitos,

relações, atributos que usamos para

(10)

Ontologias



Na Ciência da Computação



Do ponto de vista de sistemas: “O que existe do

mundo é o que pode ser representado

computacionalmente”.



Ontologias definem o que existe para o sistema



De um modo que reflita a conceitualização

humana.

Ontologias

(11)

Ontologias



Conceitualização?



Mesma conceitualização abstrai diferentes

estados de coisas do mundo.



Bloco, está abaixo de, está acima de, etc

Ontologias



Para que servem?



Permitir que tanto pessoas quanto agentes de

software compartilhem uma compreensão comum

da estrutura da informação de um domínio.



Permitir o reuso do conhecimento de domínio



Tornar as suposições do domínio explícitas



Separar o conhecimento declarativo do domínio do

conhecimento operacional/procedural (utilizado para

manipular o conhecimento declarativo)

(12)

23

Triangulo de Ullmann

Conceito

Conceitualização

Símbolo

Linguagem

Objeto

Realidade

abstrai representa refere-se a

Compromisso

Ontológico!

Níveis de Abstração

Existência

Conceitualização

Representação

S laj sjfei oru as fdj dfd sjf Flsd jf;lwejr; ewou jrad sfjsd j Kdflas jdfl;w ejr; ds ajflsj d Lsdjflaewj;r a; ewj;fljd s Sdfkasdl;fksad kf Dskf as kd fá;k fas S dk fak ds fa ksdf; ka sdfs d;f k

(13)

25

L1

Maçã

Apple

L2

Mesma Conceitualização!

L1

Jaguar

L2

Diferentes Conceitualizações!

Conceitualização X Linguagens

Construção de Modelos

• Representação de ontologias devem seguir a

Máxima Conversacional :

– A mensagem deve ser relevante,

completa, clara, não-ambígua, breve, sem

excesso de informação e verdadeira do

ponto de vista do conhecimento do

emissor

(14)

27

Engenharia de Ontologias

Ontologia como Modelo Conceitual Ontologia como Implementação1 (SHOIN/OWL-DL, DLRUS) Ontologia como Implementação2 (CASL) Ontologia como Implementação3 (Alloy, F-Logic…) PROJETO

Primitivas de Modelagem das

Linguagens

• Conceito, classe ou objeto

• Propriedades ou atributos

• Espaço de domínio de propriedades

• Relações estruturantes (IS-A, Sub-class)

• Outras relações

• Axiomas

Qual a semântica associada

a essas primitivas?

(15)

Informática

29

Sistemas baseados em conhecimento

• A maioria dos sistemas de IA baseados em conhecimento (SBC) se compõe de uma base de conhecimento (BC) e uma lógica de controle, responsável pelo mecanismo de raciocínio.

• A separação do conhecimento do domínio do mecanismo de manipulá-lo permite que sejam implementadas diferentes tarefas com o mesmo conhecimento.

Base de conhecimento Mecanismo de raciocínio

SBC

Entradas: fatos, evidências Saídas: ações, hipóteses, etc. Informática

30

Formas de representação do conhecimento

• Usualmente, um SBC utiliza as seguintes formas de representação do conhecimento: – Regras de produção – Lógica – Redes semânticas – Frames – Procedimentos

• Além dessas formas de representação explícita do conhecimento, um sistema inteligente pode se valer de outras formas de representar e manipular conhecimento, como:

– Redes neurais artificiais – Raciocínio baseado em casos

(16)

Informática

31

Categorias de problemas para SBC

• Interpretação: formar conclusões de alto nível de coleções de dados brutos. • Predição: projetar conseqüências prováveis de situações disponíveis. • Diagnóstico: determinar a causa de mau funcionamento em situações

complexas com base em sintomas observáveis.

• Projeto: encontrar uma configuração de componentes do sistema que alcance os objetivos de desempenho, satisfazendo restrições de projeto.

• Planejamento: estabelecer uma seqüência de ações que alcançarão um conjunto de objetivos, dadas certas condições iniciais e restrições de tempo de execução.

• Monitoramento: comparar o comportamento observado de um sistema com o seu comportamento esperado.

• Instrução: dar assistência ao processo de educação em domínios técnicos. • Controle: governar o comportamento de um ambiente complexo.

Informática

32

Representação do Domínio

• O processo de engenharia de conhecimento se preocupara em representar o domínio através dos seus conceitos gerais: objetos, ações, crenças, tempo, formando uma ontologia do domínio.

• A organização de objetos em categorias é muito importante, porque grande parte do raciocínio ocorre no nível de categorias.

• Por exemplo, um consumidor talvez esteja interessado em comprar uma bola de futebol e não uma determinada bola de futebol, como a BF9.

• As categorias permitem fazer previsões sobre objetos, p. ex: se um

determinado objeto é identificado como uma fruta, então ele é comestível. • A Lógica de Primeira Ordem (LPO) é uma ferramenta adequada para

formalizar conhecimento de domínio, entretanto, com ela é difícil tratar exceções.

• A representação de conhecimento por regras de produção (RP) é mais modular e flexível, mas tem pouca estrutura.