UNI V E R S I DADt. F E D E R A L DE S A N T A CAj. A R I N A
PROGRAMA DE P Ó S - G R A D U A Ç Ã O EM E N G E N H A R IA DE PRODUÇÃO
UM S I S T E M A ESPECIALISTA PARA A U X Í L I O NA E LA B O R A Ç Ã O DE R E C O M E N D A Ç Õ E S PARA AGRICULTORES N O C O N T R O L E DA S A R N A DA MACIEIRA.
DI S S E R T A Ç Ã O SUBMETIDA À U N IV E R S I D A D E FEDERAL DE S A N T A C A TARINA PARA OB T E N Ç Ã O DO G R A U DE MEST R E E M ENGE N A H A R I A
JOSÉ L E O M À R T O D E S C O jj , FLORIANÓPOLIS, F E V E R E I R O DE 1 QQ1 . I u CO u. D
UM S I S T E M A ESPECIALISTA PARA A U X Í L I O N A EL A B O R A Ç Ã O DE R E C O M E N D A Ç Õ E S P A R A A G R I C ULTORES NO C O N T R O L E D A S A R N A DA MACIEIRA.
UM S I S T E M A E S P E C I A L I S T A P A R A A J U D A R N A E L A B O R A Ç A O DE R E C O M E N D A Ç Õ E S P A R A A G R I C U L T O R E S N O C O N T R O L E D A S A R N A DA MACIEIRA.
J O S É L E O M A R T O D E S C O
í:STA D I S S E R T A Ç Ã O FOI J U L G A D A A D E Q U A D A P A R A O B T E N Ç Ã O D O T I T U L O DE
"MESTRE E M ENGENHARIA"
ESPECIALI D ADE ENGENH A R I A D E P R O D U Ç Ã O E A P R O V A D A EM SUA FORMA FINAL P E L O P R O G R A M A DE P ó S - G R A D U A Ç A O
EDGAR A U G U S T O LANZER - PhD. - ORI ENTADOf?
■-Os
NERI D O S S A N T O S - Dr.Ing. - COORD. D O C U R S O
B A N C A E X A M I NADO R A
EDGAR A U G U S T O L A N Z E R - PhD. - PRESID E N T E
\
O f e r e ç o este t r a b a l h o à meu pai Luiz, minha mãe Lindaura, minha
e s p o s a Rosana e meu filho
AGRADECIMENTOS
Gostaria de agradecer aos p r ofessores do P rograma de
P ó s - G r a d u a ç ã o em Engenharia de P rodução e Sistemas da U n i v e r s i d a d e
Federal de Santa Catarina» pelo c o n h e c i m e n t o adquirido no decorrer
do curso. Agradeço em especial ao Professor Edgar Aug u s t o Lanzer
pela orientação, dedicação e i n c e ntivo na c o ndução d este trabalho.
Agradeço também, a Empresa de P e squisa Agr o p e c u á r ia de
Santa Catarina C E M P A S C D , na pessoa do Sr. Sadi G rimm pela acolhida
e pelo apoio ao projeto desta pesquisa. Aos e s pecialistas da
E s t a ç ã o Experimental de Caçador José Luiz Petri e O n o f r e Berton
pela d i sp o n ibilidade de tempo e companheirismo.
Aos colegas, Fernando Gauthier pelas aulas de Prolog,
Paulo, Fernando, Mário e Roberto pelo i n c e n t i v o e companheirismo, e a todos que direta ou i n diretamente c o n t r i b u í r a m para realiz a ç ã o d esta dissertação, muito obrigado.
RESUMO
O objetivo central desta d i s s e r t a ç ã o foi o de elaborar
um Sistema Especialista para auxiliar na e l a b o r a ç ã o de
re c o m e n d a ç õ e s para agricultores no que tange ao c o n t r o l e da Sarna
da Macieira no Sul do Brasil. O o b j e t i v o atende uma demanda
e s p e c í f i c a do sistema de pesquisa agro p e c u á r i a de Santa Catarina. P a r a l e l a m e n t e procurou-se organizar de modo suscinto e g e n é r i c o as etapas de construção de Sistemas Especialistas.
Os Sistemas Especialistas c o n s t i t u e m atual m e n t e uma das
áreas economicamente mais i n teressantes de a plicações da
I n t e l ig ê n c i a Artificial CIAD. Aplica técnicas de IA e c o n h e c i m e n t o e m problemas específicos de um dado d o m í n i o para simular a atu a ç ã o de peritos humanos.
Uma avaliação b e n e f í c i o / c u s t o do sistema d e s e n v o l v i d o indicou uma alta taxa de ret o r n o para o i n v e s timento r e a l i z a d o na
ABSTRACT
The main objective of this dissertation was to develop
an Expert Svstem to help making r e c o m m e n da t i o n s for the control of
an economic important disease of a p p l e tree orchards in South
Brazil C mangeD .
Such a syst e m fulfills a specific demand fr o m the
agricultural research department of t h e s tate of Santa Catarina.
The steps required in the devel o p m e n t of Expert Systems are
di s c u s s e d prior to the pre s e n t a t i o n of the s y stem itself.
The Expert Systems e s t a b l i s h t o d a y one,of the areas
e c o n o m i c a l y more interesting of Artificial I n t e l ligence CAID
application. They techniques of AI and k n o wledge in specific
problems of a certaim domain to s i m u l a t e the working of human
experts.
Lastly, an economic a nalisys indicated a high
benefit/cost ratio for the i n v estiment made in getting the aimed
SUMARIO
I - I N T R O D U Ç X O 1
1.1 - O Pr o b l e m a e sua Importância 1
1.2 - Algumas Definições e a p e squisa em SE 2
1.3 - Sistemas Especialistas na Agricultura 4
1.4 - A p r es e n t a ç ã o dos Capítulos 7
IT - C O N C E I T O S E ETAPAS NA C O N S T R U Ç Ã O DE SE 8
2.1 - C a r a c t erísticas dos Sistemas Especialistas 8
2.2 - Id e n t i f i c a ç ã o de Problemas 11
2.3 - Aquisição, Organização e Represe n t a çã o do Conhecimento 14
2. 4 - T r a t a m e n t o de Incerteza 27
2.5 - Ambientes para Construção de Sistemas Especialistas 32
III - O S I S T E M A E S UA A V A L I A Ç Ã O 35
3.1 - Conside r a ç õ e s sobre a L i n g u a g e m escolhida 35
3. 2 - O S i s t e m a propriamente di t o 38
3. 3 - A v a l i a ç ã o dos Resultados 50
IV - CONCLUSÕES, S U G E S T Õ E S P A R A E X P ANSÕES FUT U R A S E 54
N O V A S P E S Q UISAS
R EFERÊNCIA B I B L I O G R A F I C A 56
ABREVIATURAS
Artificial Intlligence AI
Base de Conhecimento BC
Base de Dados BD
Base de Dados Geral B DG
Cálc ul o de Predicado de Pr i m e i r a O r d e m CCPO
E n g e n h e i r o ou Engenharia do C o n h e c i m e n t o EC
Empresa de Pesquisa Agropecuária EMPASC
Fator de Certeza FC
I nteligência Artificial IA
Máquina ou Motor de I nferência MI
Sistema de Controle SC
Sistema Especialista SE
Sistemas de Produção SP
L IS T A DE QUADROS E FIGURAS
Quad ro 1 - Trabalhos existentes na área 5 e 6
Quad ro 2 - Técnicas para extração de conhecimento
a partir de especialistas 19
Quad r o 3 - Linguagens de programação da IA 33
Q u a d r o 4 - Linguagens da EC CShells}' 34
Fi gura 1 - Estrutura básica de um SE 9
Fi gura 2 - Etapas no d esenvolvimento de SE IO
Fi gura 3 - Forma de aquisição de conhecimento 16
Fi gura 4 - A qu i sição de conhecimento usando um
ambi&nie de interface 16
Fi gura 5 - A q u i sição de conhecimento a partir de textos 17
Fi gura 6 - A q u i sição de conhecimento usando entrevistas 17
Fi gur a 7 - Re p r e s e n ta ç ã o de uma busca usando "frames" 23
1
I - INTRODUÇÃO
1.1 - O Problema e sua I m p o r t â n c i a
Diversas regiões no Sui do Brasil a presentam clima
favorável para o c u l t i v o da Macieira. Em Santa Catarina os
pomares estão localizados em regiões corn precipitação pl uviornétrica
acima de 1500 mm anuais e as temperaturas médias durante a
primavera e verão, s i t u a m —se e n t r e 10 e 20 C, r e s p e c tivamente
[EMP86]. Embora favoráveis ao c u l t i v o estas condições climáticas
t a m b é m c onferem a r e gião u m amb i e n t e propicio para o
desen v o l v im e n t o de diversas doen ç a s dos pomares. A principal delas
é a sarna.
Os especialistas da E s t a ç ã o Experimental de Caçador
E M PASC assessorados por t é cnicos da GT2- Agencia Alemã de
Coope r a ç ã o Técnica, e c o m o a u x í l i o de equipamentos científicos,
a c u m u l a r a m conhecimentos de tal mo d o que p e r m i t e m que as
pulverizações contra a sarna da macieira, s ej a m feitas não sóme n t e
baseados na fenologia da plan t a e de forma preventiva, mas t am b é m
o b s e r v a n d o —se o d e s e n v o l v i m e n t o do p a tógeno em relação às condições cli máti c a s .
C o m tais c o n h e c i m e n t o s , a sarna pode ser controlada c o m
um número relativ a m e n t e r e d u z i d o de pulverizações de fungicidas.
Isto, todavia, não o c o r r e ainda c o m vários produtores, os quais
f a z e m pulverizações c o m fungi c i d a s de forma preventiva à partir do
perí od o de brotação e m inter va l o s de 7 a 10 dias repetidamente. Os
altos custos ao produtor e os e levados riscos ao consumidor e ao
meio a mbiente causados pelo e x c e s s o de fungicida são questões
preocupantes [B E R 8 9 3 .
Os especialistas que a t u a m no c o ntrole da sarna da
macieira, co nsomem 16 horas semanais para f a z e re m as análises nos
dados. As recomendações são feitas de forma generalizada, sendo
enviadas à uma estação de r ádio local e em determinados horários
Esta m e t odologia poderia ser dinamizada com urn sistema
computadorizado. A rapidez na aná l i s e e conseqüentes recomendações
é vital para que casos isolados C r e f e rente ao produtor!) p o ssam ser
atendidos. Assim, p o d e r -se-iam fazer recomendações específicas a
cada produtor. Os avisos pe l o r ádio sobre um provável período de
i n f e c ç ã o do fungo continuariam» p o r é m os produtores poderiam fazer
consultas via telefone Cou o u t r o mei oD à estação experimental
C E M P A S O , e c o n s e q u e n t e m e n t e se daria uma recomendação sobre as condições específicas do produtor.
Para alcançar esta meta> o sistema c omputadorizado antes
r e f e r i d o deve ser amigável» ou seja, ter uma interface c o m o
u s u á r i o fácil, sem e x i g ê n c i a s de conhecimentos técnicos em
computação. O conh e c i m e n t o de v e ser estr u t u r a d o de tal forma que
perm it a fazer inclusões, altera ç õ e s ou exclusões pelo próprio
u s u á r i o se necessário. A l é m destas exigências, o sistema deve ter
uma boa performance no q u e diz res p e i t o a rapidez nas consultas.
1.2 - Algumas DefiniçSes e a P e s q u i s a e m Sistemas Especialistas
Na revisão da l i t e r a t u r a o b servou-se a evolução da
I n t e l i g ê n c i a Artificial CIAD. Nos anos 50 f o ra m fundamentados a
l ó gica matemática, a teor i a das funções recursivas e a formulação
de p r o c e s s a m e n t o de listas. Então, s u r g i r a m sistemas práticos de
c o m p u t a ç ã o simbólica. Já nos anos 60, os pesquisadores de IA
t e n t a r a m simular o c o m p l e x o p r o c e s s o do pensamento, procurando m étodos gerais para resolver uma ampla clas s e de problemas. Durante
a d é c a d a de 70 c o n c e n t r a m - s e esforços em técnicas como
representação, isto é, modo de formular o problema de maneira a
tornar sua solução mais fácil. S ó m e n t e no final da década de 70 é
que f i z e r a m a descob e r t a mais importante, onde o poder de um
programa resolver um p r o b l e m a d e p e nd e mais do c o nh e cimento que ele
possui do que o f o r m a l i sm o ou esq u e m a de inferência empregado
[HAY833. Esta reali z a ç ã o levou os pesquisadores ao d esenvolvimento
de programas de p r o p ósito particular, sistemas que são peritos em
alguma área limitada. Estes programas são chamados Sistemas
3
Conforme Feigenbaurn, citado por CGEN86] > urn sis t e m a
e s p e c i a l i s t a . .é urn p r ograma de computador inteligente, q ue usa
c o n h e c i m e n t o e procedi m e n to s de inferência para solucionar
problemas que são s u f i c i e n t e m e n t e difíceis para requerer um
s i g n i f i c a n t e grau de c o n h e c i m e n t o humano na sua solução". Esta área da IÀ t e m se c o n c e n t r a d o na c o n s t r u ç ã o de programas de alta
p e r f o r m a n c e e m domínios específicos. Um conjunto de princípios >
f e r ramentas e técnicas tern surg i d o e formando as bases da
E n g e n h a r i a do C o n h e c i m e n t o [HAY83].
A d e n o m i n a ç ã o de Sistemas Especialistas» que nesta
d i s s e r t a ç ã o será r e f e r e n c i a d o por SE, surgiu no início da década de
80 e é usado por vários autores [HAY83 e G O N 8 6 ] . Alguns projetos
q ue f o r a m d e senvolvidos no decorrer da década de 70 são hoje
r e f e r e n c i a d o s e c o n s i d e r a d o s como Sistemas Especialistas ou S i stemas Baseados no Conhecimento.
A área de SE i n v e s t i g a métodos e técnicas para construir s istemas ho m e m - m á q u i n a c o m "expertise" na resolução de problemas específicos. "Expertise" c o n s i s t e de c o n h e cimento sobre um d o m í n i o
particular, e n t e n d i m e n t o do d o m í n i o do problema, e perícia ou
h a b i l i d a d e na r e s o l u ç ã o de muitos destes problemas. Todo
c o n h e c i m e n t o se ap r e s e n t a de duas formas: público e privado.
O c o n h e c i m e n t o públ i c o inclui as definições publicadas, fatos
■teorias da qual livros textos e referências no domínio de e s tudo
s ã o t i p i ca m e n t e compostos. Mas "expertise", usualmente envolve mais do q ue este c o n h e c i m e n t o público. Especialistas humanos geral m e n t e p o s s u e m c o n h e c i me n t o p r i v a d o q u e não estão fundados neste c a m i n h o
na l i t e ra t u r a publicada. E s t e c o nh ecimento privado c o nsiste
s o b r e t u d o de regras do d o m í n i o q ue tem sido chamada de heurísticas.
As h e u rísticas p e r m i t e m aos especialistas humanos fazerem
suposições quan d o necessário, rec on h e c e r e m caminhos promissores
para r e s o l u ç ã o de problemas, e negociar co m imprecisão ou dados
imcompletos. Elucidar e reproduzir tais conhecimentos é tarefa
4
O especialista tem u m dis c u r so interno que representa
como el e se organiza e atua para tomada de decisões. Para isso, usa fatos e regras de decisão s e g u n d o seu raciocínio, pensamento, j uízo
de valor e outros fatores. A e l a b o r a ç ã o de um SE é viável se o
e s p e c i a l i s t a for capaz de comunicar os recursos Cfatos e regras)
que u t i l i z a na ab o r d a g e m e r e s o l u ç ã o de problemas e se tais recursos f o r e m possíveis de r e p r e s e n t a ç ã o em forma computável.
É importante que o con h e ci m e n t o seja r e p r e sentado de
forma mais próxima da maneira co m o o especialista age e que a
p a s s a g e m do d i scurso inte r n o para a sua configuração externa seja
feita de forma abrandada ou suave, para que não esc a p e m aspectos
r e l e v an t e s e sutis que d e s c r e v e m uma conduta decisorial.
1.3 - Si s t e m a s Especialistas na Agricultura
In vestigações da liter a t u r a revelam que a introdução da
t e c n o l o g i a de IA, ou mais p r e c i s a m e n t e a de SE na área agrícola' é
crescente» aparece e m u m campo- concreto de i n v e s tigação e
descrição, ap a r e c e n d o em publi c a ç õ e s especializadas.
Algumas U n i ve r s i d a d e s e Institutos de Pesquisas de
vários países estão i n t e n s i f i c a n d o seus projetos de i m plementação
da t e c n o lo g i a de I A na Agricultura. D e s tacam-se a Universidade de
Illinois, a U n i v e rsidade do H a v a i i , o Instituto P o litécnico da
Virgínia, a U n i ve r s i d a d e de Chiba e o Instituto Nacional de
P e s q u i s a A g rícola da França C I N R Aj. No Brasil a Empresa Brasileira de P e s q u i s a A g r o p ecuária CEMBRAPAD já desenvolveu dois sistemas que ho j e se e n c o n t r a m e m o p e r a ç ã o c o m boa aceitação e perf o r ma n c e CFRE863. No Quad r o 1 são apr e s e n t a d o s alguns SE já desenvolvidos ou e m fase final de d e s e n v o l v i m e n t o no setor agrícola.
5
Q U A D R O 1 - Trabalhos e xistentes na área.
[W À T 8 6 > HAY83> D E R 8 5 , etc.]
Si s t ema D e s e n v o l v i d o por F unçao
P L A N T / d â U n i V4f- 9 i d a d õ ' J e I L L i n o l s S E p a r a d i a g n ó s t i c o e T r a t a m e n t o d e D o e n ç a s d e S o j a s e m d e a i g n a ç ã o s a p » c í t i o a U n i v e r s i d a d e d o H a v a >. i S E p a r a R e c o n h e c e r o N í v e l d e c a l a g e m < c a l c á r e o > n o a a o l o a T r o p i c a i s a >3 m d e s i g n a ç ã o e s p s c í f i c a P u r d u e U n i v e r s i t y P r o t ó t i p o s d e S E p a r a o s P r o b l e m a s d e : a > C o m e r c i a l i z a ç ã o d e g r ã o s b > A n á l i s e d e P r o g r a m a s d e P e ã q u t s a s c ) D e t e r m i n a ç ã o d e P r o b l e m a s e m M i c r o c o m p u t a d o r e s d ) S u p o r t e a s D e c i s õ e s d e P l a n t i o P G M M E I n s t i t u t o P o l i t é c n i c o d a V i r g í n i a . S E p a r a P r e v e r R e c o m e n d a ç õ e s p a r a o C o n t r o l e d e P r a g a s , T r a t a t a m e n t o d e D o e n ç a s d o I n v e r n o , C o n t r o l e d a S e c a e S e l e ç ã o d e P e s t i c i d a s p a r a M a c i e i r a s M I C C S C H I B A U t i i v e r s i t y / F a c u I t y o f H o r t i c u l t u r e , J a p a n S i s t e m a d e C o n s u l t a p a r a D i a g n o s t i c a r e P r o v e r R e c o m e n d a ç õ e s p a r a t r a t a m e n t o D o e n ç a s p a r a T o m a t e , U v a e B e r i n j e l a C A S S I C U n i v e r s i t y o f ' O s a k a P r e f e c t u r e S i s t e m a d e S u p o r t e a D e c i s ã o I n t e l i g e n t e p a r a A u x i l i a r o E s p e c i a l i s t a n a I d e n t i f i c a ç ã o e C l a s s i f i c a ç ã o d a A d a p t a b i l i d a d e d o S o l o / C o l h « i t a P I B A T O E M B R A P A S E p a r a D i a g n o s t i c a r e P r o v e r R e c o m e n d a ç õ e s T é c n i c a s d e d o e n ç a s s e l e c i o n a d a s p a r a S A T E M B R A P A S i s t e m a p a r a A v a l i a ç ã o d a A p t i d ã o d a 3 T e r r a s
6
Q u a d r o 1 - Trabalhos existentes na área C c o n t i n u a ç ã o J .
Si s i e m ã Desenvolvi do por Funcão
P L A N T / t m U n i v ^ r s i s l a d « d e I 1 1 i n o i s S E p a r o . A d m i n i s t r a ç ã o d e Q r a m a s t ú r f i c a s d & 9 i g n a ç a o á a p e c í f L C CL I n s t i t u t N a t i o n a l d e l a R s c h s r c h s A g r o n o m i q u e S E e m P a t o l o g i a V e g e t a l M A M M I T R O N E c d U N a t i o n a l s V â t é r v n a i r s d © T o u 1 o a e S E d e A p o i o o u d i a g n ó s t i c o E p i d s m i o l ó g i c o d e i n f e c ç õ e s m a m a r i a s d o g a d o l e i t e i r o . 2 E A E c o l ê S u p é r i e u r e d ' A g r i c u l t u f e d e d e P u r p a n — E S A P T o u l o s e - P u r p a n S E d e C o n s e l h o e C o n d u ç ã o d a C u l t u r a d o M i l h o I V R A I E A s s o c i a t i o n d e C o o r d i n a t i o n T e c h n i q u e A g r i o o 1 6 / A C T A S E s o b r e o M i n i t e l a d õ a i g n a ç ã o « & 3 p d C Í f Í.CCL I N R A / S t a t i o n / d ' E e o n o m i © R u r a l e / d e G r i g n o n \ S E e G e s t ã o d a \ e x p l o r a ç ã o a g r í c o l a \ â d d s i g n a ç â o & a p & c í í iço.
I n s t i t u t S u p é r i e u r d ' A g r i c u l t u r e L I L L E - I S A S E p a r a i n t e r p r e t a ç ã o a u t o m á t i c a d o s r e s u l t a d o s d © e m p r e e n d i m e n t o s
Te m-se c o n h e c i m e n t o que vários países já i n c o r p o r a r a m
e s t a t é c n i c a de r e s o lução de problemas em seus d e partamentos de
Agricultura. Como pod e - s e observar no Quadro 1, a França já t e m
v á rios SE e m a p l i cação e m Estações de Economia Rural, Instit u t o s de P e s q u i s a s e Associações.
Para que a t ecnologia de SE possa ingressar no setor
agrícola, tem-se c o n c i é n c i a que é necessário o uso do
m i c r o c omputador Cfer r am e n t a imprecindívelD no setor. S ó m e n t e c om i n t r o d u ç ã o de equipamentos que se pode consolidar tal abordagem.
No c a pitulo 2 são descritos conceitos básicos s obre
e l e m e n t o s e componentes que são empregados em SE e referidos na
.literatura. São apresentadas c o nsiderações sobre i d e n t i f i c a ç ã o e
c a r a c t e r i z a ç ã o de problemas. A identificação do e sp e c i a l i s t a e
modelos de aquisição de c o n h e c im e n t o serão tratados, b em como,
o r g a n i z a ç ã o e represe n t a ç ã o de conheci m e n t o , onde serão abordados
os modelos de representação. T a m b é m são elaborados conside r a ç õ e s
s o b r e o tratamento de i n c erteza e ferramentas para c o n s t r u ç ã o de s i s t e m a s especialistas.
No c a pitulo 3 c o m e n t a m - s e detalhes sobre a l i n g u a g e m e s c o l h i d a e o sistema p r o p r i a m e n t e dito. Também são apre s e n t a d a s avali a ç õ e s econômicas e opinativas.
No c a pitulo 4 apresen t a m - s e conclusões e c o m e n t á r i o s
finais, p r o p õ e —se expansões dessa d i s sertação e su g e r e - s e novas
pesqui s a s .
II - CONCEITOS E ETA PA S NA CONSTRUÇÃO DE SE
2.1 — C a r a c t erísticas dos SE
Os SE pr o c u r a m representar de forma computável os
p r o c e s s o s (decisórios ^ d e tomadores de decisões e m d o mínios
e s p e c í f i c o s do c o n h e cimento humano. Dentro do ciclo de vida de um SE e n c o n t r a m - s e questões qu e neces s i t a m ser estudadas. D e n t r e elas, os as p e c t o s relacionados a o b tenção e v a li dação do c o n h e c i m e n t o do
especialista, são os que m e r e c e m maior atenção. Vários autores
r e c o n h e c e m que essa a t i v idade de aquisição de c o n h e c i m e n t o e sua f u t u r a v a l i da ç ã o é geralm e n t e o gargalo no pr o c e s so de c o n s t r u ç ã o d e u m SE CWATS6 e GEN86] .
Ao entrevistar u m especialista no d o m í n i o de a p l i c a ç ã o p a r a o qual está const r u i n d o um SE, o e n g e n h e i r o de c o n h e c i m e n t o
CECD f o r m u l a um modelo mental do p rocesso de r e s o l u ç ã o do
problema. O e s p e c ialista de fato, t em um modelo mental p r ó p r i o que
d e n o t a o pro c e d i m e n t o de resolução do problema as s o c i a d o c o m sua
profissão. No curso de construir um sistema b a s e a d o no
conhecimento, tanto o construtor do sistema q u a n t o o especialista- c o n t i n u a m e n t e r e v i s a m seus modelos respectivos. Embora o EC e o e s p e c i a l i s t a do dom í n i o p o s s a m ter modelos mentais d i f e r e n t e s no
c o m e ç o de suas colaborações, os modelos d e v e m tender a uma
convergência. Esta con v e r g ê n c i a se torna possível porq u e o p r o c e s s o d e a q u i s i ç ã o de c o n h e c i m e n t o força todos os grupos a praticar seu
m o d e l o mental para u m ponto fixo. D esta forma surge a ba s e de
c o n h e c i m e n t o , q ue dará supo r t e ao motor de i n f e r ê n c i a [MUS883.
O d e s en v o l v i m e n t o de um SE se inicia c o m o e n g e n h e i r o de c o n h e c i m e n t o e s t r e v i s t ando exaust i v a m e n t e o e s p e c i a l i s t a e m um d e t e r m i n a d o domí ni o de aplicação. O EC codifica a perí c i a o b t id a em
regr a s e fatos. Depois de repr e s e nt a d o s i m b ó l i c a m e n t e o
c o n h e c i m e n t o ext r a í d o e m uma forma computável, o computador simula o especialista, r e p e t i n d o as análises e e s t ratégias de s o l u ç ã o de p r o b l e m a s do domínio de aplicação.
O conhecimento do domí n i o do problema re f e r e n t e a um SE é o r g a n i z a d o separadamente de outros tipos de c o n h e c i m e n t o do
sistema, como os procedimentos de resolução de problemas ou de
i n t e r a ç ã o corn o usuário. Esta c o l e ç ã o de c o n h e c i m e n to e s p e c i a l i z a d o é c h a m a d o Ba.se d e . conheci mento C B O , e os p r ocedimentos gerais de
s o l u ç ã o do problema, de máquina ou motor de i nferência CMID. Um
p r o g r a m a c om conhecimento organ i z a d o desta forma c h a m a —se Sistema B a s e a d o em Conhecimento ou Sistema Especialista.
A Figura 1 mostra a e s t r utura básica de u m SE. A base de
c o n h e c i m e n t o de um SE contém fatos Cdados, tabelas!) e/ou regras
C f atos c o n d i c i o n a i s ) , ou outra represe n t a ç ã o q ue usa tais fatos co m o b a s e para tomada de decisão. O motor de inferê n c i a d e c i d e corno
aplicar as regras e em que ordem, a f im de deduzir novos
conheci m e n t o s .
FATOS ---- \ M OTOR DE
REGRAS
>
INFERÊNCIABase de P r ocedimentos gerais
conhecimento • para r e s o lução de
problemas
F I G U R A 1 - Estrutura básica de um sistema es p e c ialista [GEN86].
Outros autores p r e f e r e m usar outras composições. Uma
delas é separar o módulo coletor de dados e o móduló e x p l i c a t i v o do
motor de inferência. Sendo a s s i m o MI apenas processa a BC usan d o
uma linha de raciocínio. E o módulo coletor de dados fica
responsável pela comunicação c o m o usuário e/ou outros sistemas,
s e n d o ativada pelo MI sempre que necessário. O módulo de e x p l i c a ç ã o
t a m b é m seria conduzido pelo MI, sendo responsável pela e x p l i c a ç ã o
de co m o o MI CsistemaD chegou a certas conclusões e por qu e está
f a z e n d o d et erminada pergunta. Como se pode ver, a e s s ê n c i a é a
1 o
Na Figura 2 estão as etapas de d e s e n v o l v i m e n t o de um SE» as quais dão-se uma idéia do p r ocesso de c o n s t r u ç ã o dos SE.
Análise das c a r a c t e r í s ticas do problema Aquisição do c o n h e cimento r d f o r m u l a r r ô p r o . j ô t a r E laboração do ■* Protótipo do SE c o m as Regras r e f i n a r Teste do — P r o t ótipo e ■» V a l i dação das Regras a l t e r a ç õ e s Versão Melhorada F I G U R A 2 - Etapas no d e s e n v o l v i m e n t o de SE. Adaptado de [GON863.
A i d e n t i ficação do p r oblema ou análise das
c a r a c t e r í s t i c a s do problema ocor r e j u nt a m e n t e c o m o pro c e s s o de
a q u i s i ç ã o de conhecimento. Após esta etapa p a s s a —se para a
o r g a n i z a ç ã o e c o n seqüente r e p r e s e n ta ç ã o do conhecimento, e s c o l h e n d o a f o r m a que melhor se a d apte C " f r a m e s " , rodou 'jcmânLícuj, cálc u l o de pr e d i c a d o de primeira o r d e m ou regras de p r o d u ç ã o } , como será v i s t o posteriormente. I m p l e m e n t a ç ã o das regras na Base de C o n h e cime n t o Represe n t a ç ã o do conheci mento
Em seguida, será i n iciada a elabo r a ç ã o de um pr o t ó t i p o
c om algumas regras e a i m p l e m e n t a ç ã o das regras da Base de
Conhecimento, aumen t a n d o o núme r o de regras até incluir todas. A
i n c l u s ã o deve ser feita gradativãmente.
Dinamic a m e n t e se f a z e m testes co m o protótipo e a
c o n s e q ü e n t e v a l i dação das regras. N e s t e ponto CestágioD p o d e - s e retornar a qualquer das e t apas a nteriores C vide Figura 2), ou seja, reformular o problema, reprojetar a represe n t a ç ã o do c o n h e c i m e n t o e refinar as regras.
Depois de e n c e r r a r - s e a fase de testes, partir— se-á para
uma versão melhorada, p o d e n d o se n e c e s s á r i o fazer alterações até
chegar e m uma vers ã o final.
2.2 - I d e n t i f i c a ç 3 o de P r o b lemas
Vários autores t e m c o n c e i t u a d o o que são problemas e há
várias incursões na t e n t a t i v a de explicitar como as pessoas os
r e s o l v e m CHAY83 e NIL71]. Uma i m p o r t a n t e ativi-dade c o n s i s t e e m
analisar a nat u r e z a do p r o b l e m a re s o l v i d o por especialistas,
v e r i f i c a n d o sua p o s s i b i l i d a d e por meio de SE. Tem-se a idéia básica q ue os SE t e m uma a p l i c a ç ã o melhor e m problemas que se u t i l i z a m do
r a c i o c í n i o humano, e p r o b lemas que e x i s t a m alternativas de
c a m i n h a m e n t o e esc o l h a para se chegar mais rapidamente ao alvo
Cobjeti voD .
E x i s t e m vários modelos propostos para caracterizar
problemas. Há enfoques como: Ca!) q u a n t o a natureza das decisões;
CbD através de e s paço de estados; CcD outros.
aD Quanto a nat u r e z a das decisões.
A c l a s s i f i c a ç ã o dos problemas, segu n d o alguns autores, está rela c i o n a d o ao p r o c e s s o e a nat.t.ire/.a dos dados Cconheci mento)
e nvolvidos nas suas s o luções co m o sendo: estruturados, s e m i -
e struturados e não estruturados. Os estruturados são os problemas
cujo pr o ce s s o de s o l u ç ã o é b e m d e f i ni d o e único. Por exemplo, um
p r oblema de d e t e rm i n a ç ã o das raízes de uma determinada equação. Os
p r o b lemas que p e r t e n c e m a esta clas s e p o d e m mais facilmente ser resolvidos, pois, g e r a l m e n t e u t i l i z a m processos algorí timicos.
Os problemas s e m i - e s t r u t u r a d o s t em certa semelhança co m
os estruturados, s e n d o qu e muitas das vezes é n e c e s s á r i o
utilizai— se de h e u rísticas no p r o c e s s o de busca da solução.
Quando os dados n ão são b em definidos Cgeralmente q u a n d o te m p r o b a b i l i d a d e associada) e q u ando exi s t e m várias alternativas
os p r o blemas são não estruturados. Esta classe de problemas
requer d e cisões cuja p r e v i s ã o e m termos de resultados é difícil.
b) Enf o q u e de e s p a ç o de estados
Esta a b o r d a g e m foi su g e r i d a por Simon e Newell [GON86].
S e g u n do esses autores, essa é um a maneira que torna possível a
p e r c e p ç ã o de com p l e x i d a d e s na a b o r d a g e m de problemas. E x i s t e m evidê n c i a s de que se u m d e t e r m i n a d o problema tem grande e s paço de
estados, e x i s t e m indica ç õ e s de complexidade, considerando que um
es p e c i a l i s t a deve "trafegar" no mesmo c o m g r ande habilidade.
Talvez se j a mais fácil conceituar os e l e mentos
per t e n c e n t e s a este m o d e l o atr a v é s de u m exemplo. No caso do jogo dos 8 quadros, c o n h e c i d o c o m o ”8-puzzle". Neste jogo partimos de uma c o n f i g u r a ç ã o inicial e d e s e jamos alcançar uma d e te r m i n a d a co n f i g u r a ç ã o final CalvoD. Todas as configu r a ç õ e s possíveis f a z e m
parte do espa ç o de estados, e a mudança de um estado para o utro
o c o r r e através* de operadoi-es. P o r t a n t o ü vj operadores p o do m uor 1
cons i d e r a do s funções c u j o d o m í n i o e alcance são conjuntos de
e s t a d o s .
1 2
G e r a l m e n t e e l a s s ã o f u n ç õ e s p a . r c i . c i .i s , o n d e o o p e r a d o r n ã o p o d e s e r < x p li.c ci.d o e m t o d o s o s e s t a d o s .
A maioria dos SE e m a t u a ç ã o foram projetados para a
s o l u ç ã o de problemas q ue t e m o domínio de estados co n h e c i d o
[G O N 8 6 ] .
O jogo "8-puzzle" t e m as seguintes características:
1 3 e s t a d o inicial ou nó inicial 2 8 .3 1 6 4 7 ■ 5 o p e r a d o r e s :
- espaço para cima C6D - e s paço para direita C 5!) - e s paço para esquerda C7D
2 8 3 1 6 4 S 7 5 2 8 3 1 ■ 4 7 6 5 2 8 3 1 6 4 7 5 B e s t a d o final ou nó final
N ã o basta apenas chegar ao e s tado final CobjetivoD,
d evemos otimizar o problema, ou seja, minimizar o número de
aplicações do operador. P o r t a n t o para completar uma re p re s e n t a ç ã o
de e s paço de estado de um problema, nós devemos especificar tres
aspectos: CaD a forma de d e s c r i ç ã o de e s t a d o e em particular, a
d e s c r i çã o do esta d o i n i c i a l , CbD o con j u n t o de operadores e seus efeitos na d e s c r i ç ã o de estados, e CcD as propriedades da d e s c r i ç ã o de um e s t a d o obj e t i v o Cfinali [NIL71].
As mudanças de esta d o s p o d e m ser, ou constituir,
conjuntos incertos. A essas mudanças, pode-se associar fatores de
p r o b a b i l i d a d e ou confiança. Is s o nos permite alcançar soluções
CobjetivosD c o m graus de c e r t e z a Cconf i a n ç a ou probabilidade}
a ssociados a estas soluções [HAY83, 2AD83 e NEG8S3 . H eurística
O elemento seguinte em
uma determinada c o n f i
g ur a ç ã o deve sempre-ser
O p r ocesso de r e s o lução de problemas s e gu n d o esse
e n f o q u e co ns i s t e e m saber aplicar regras, de forma a se conduzir
Ctrafegar} no espaço de estados dos problemas a procura de um
o b j e t i v o CalvoD. Assim, a u t i l i z aç ã o de um operador, ou seja, a m u d a n ç a de u m estado para o u t r o se faz através de a p l i c a ç ã o de regras.
A e x p osição Cdiscurso) de um especialista c o m p r e e n d e uma c e r t a r a c i o n a l i d a d e e m certos contextos das atividades humanas. No c a s o de SE essa r a c i o n a l i d a d e pode ser e nquadrada d en t r o dos c o n t o rn o s da pe r c epção e c a p a c i d a d e de a b o r dagem de problemas.
2. 3 - Aquisição, Organização e Representação do C o nhecimento
Estas são as etapas q ue mais se deve ter c u i d a d o na
c o n s t r u ç ã o de um SE, pois as mesmas t e m uma relação bionívoca. A
a q u i s i ç ã o de c o n h e c i m e n t o é t r a t a d a por alguns autores co m o s e n d o o "gargalo" no p rocesso de construção.
2.3.1 - Aquisição de conhec i m e n t o
P sicólogos e C ientistas do con h ec i m e n t o t e m e s t u d a d o os
e s p e c i a l i s t a s Cperitos) e suas técnicas de resolver problemas,
u s a n d o métodos de observ a ç ã o e i ntuição para medir a p e r f o r m a n c e e a s s i m revelar a especialidade.
As formas de a q u i s i ç ã o de conh e c i m e n t o adotadas n ão são m e n c i on a d a s na l iteratura de SE. Essa tarefa, que diz r e s p e i t o à a t i v i d a d e s do EC, t e m uma g r a n d e e fundamental i m p o r t â n c i a pois c o m p r o m e t e a e x e q ü i b i 1 idade de u m SE. O que se observa na maioria dos projetos de SE é a menção direta das regras r e p r e s e n ta t i v a s do c o n h e c i m e n t o do e s p e c ialista e não há uma d e s c r i ç ã o de como as
mesmas f o r a m adquiridas. Isto po d e ser visto nos sistemas como,
MYCIN, REACTOR, PROSPECTOR, SACON, RI e outros [HAY831.
p rima para, após ser trabalhada, constituir a Base de Conhecimento. E s s e in d i v í d u o deve estar dis p o s t o a fornecer de forma explícita, a
sua f o r m a de se conduzir nas fases de a b o r d a g e m de problemas
a t i n e n t e a seu domínio de conhecimento.
Devernos estar atentos para as diferenças exist e n t e s
e n t r e os chamados " p r á t i c o s ” e os ‘’especialistas". Os práticos são aque le s indivíduos que e x e r c e m a tividades p r e d o m i n a n t e m e n t e p a d r o n i z a d a s do dia a dia. D e t é m uma gran d e q u a nt i d a d e de dados que
o p e r a m c o m proficiência. Por outro lado, os especialistas, e m b o r a
não m a n u s e i e m uma gran d e q u a n t i d a d e de dados, d e f i n e m as ativid a d e s a s e r e m feitas e como d e ve m ser executadas. Os es p e c i a l i s ta s são capa z e s de projetar e struturas e descrever atividades funcionais.
O u t r o aspecto import a n t e na aq u i s i ç ã o de conhecimento, c o n s i s t e na p e r cepção do e s t i l o c o g nitivo do especialista. Pessoas c o m d i f e r e n t e s estilos c ognitivos t em maior ou menor f a c i l i d a d e em
refletir e explicar sua maneira de se conduzir na i d e n t i f i c a ç ã o e
s o l u ç ã o de problemas. Isso des c r e v e uma a u t o d i s e i p l i n a
i n t e r n a l i z a d a de c ondução do pensamento, prát i c a e hábi t o de
cultivar atividades de "pensar como pensa". Con s i s t e de um meta
c o n h e c i m e n t o que atua como um "monitor" de r a c i o n a l i d a d e superior qu e fac i l it a e c ontrola a e x p l i c i t a ç ã o do conhecimento.
E m entrevistas c o m determinados e s p e c i alistas o b s e r v a - s e c o m fr e q u ê n c i a respostas do tipo "sei decidir, mas não sei p o r q u e e c o m o decidi".
As atividades de ob t e n ç ã o de c o n h e c i m e n t o e sua
r e p r e s e n t a ç ã o estão dent r o de uma área cha m a d a e n g e n h a r i a de c o n h e c i m e n t o segundo Fe i g e n b a u m [HAY83].
Alguns modelos para obter o c o n h e c i m e n t o são
ap r e s e n t a d o s a seguir, propostos por B u chanan C c o n f o r m e cita
C H A Y 8 31 ).
a) Uma forma proposta, con s i st e na p a s s a g e m a u t o m á t i c a Cdireta) do c o n h e c i m e n t o do e s p e c ialista para o e l e m e n t o físi c o que
arqu iv a a BC. Existe ai um programa de interface com funções de e d i ç ã o e interpr e t a ç ã o das regras para gerar as estruturas da BC. O
e s p e c i a l i s t a deverá observar no transcrever as regras, as
d e s c r i ç õ e s léxicas, s intáticas e semânticas adequados ao a m b i e n t e receptor do conhecimento.
A Figura 3 a seguir ilustra essa forma de aquisição.
16 E S P E C I A L I S T A Programa editor e interpretador intel i g e n te C interface} Sistema de I n f e r ê n c i a Base de C o n h e c i m e n t o F I G U R A 3 - Forma de a q u i s i ç ã o de c o n h e c i me n t o u s a n d o u m am biente de interface [HAY833.
Algumas ferramentas são propostas c o m o i n t u i t o de
facilitar a aquisição do conheci mento. Nessa linha pode se citar o
K A S C " K n o w l e d g e Aquisition Systems"}, E X P E R T e OPSS menc i on a d o s em C HAY83] .
b} O u t r a forma, c o n s i d e r a d a mais ev o l u i da que a anterior, c o n s i s t e e m analisar dados arquivados e m grandes bases de dados. Ou
seja, utilizar um programa de indução que o p e r e sobre as bases de
dados através de associações causais e d i s s o produzir dados
conclusivos. As regras descritas f o r m a m a base de conhecimento.
A Figura 4 ilustra o método proposto.
D A D O S -- > Programa de indução
S ist e m a de I n f e r ê n c i a
B a s e de c o n h e c i m e n t o
F I G U R A 4 - Aquisição de conh e c i m e n t o através de pro g r a m a de indução ap l i c a d o a base de c o n h e c i m e n t o CHAY33].
e} Uma outra proposta, consiste na a q u i s i ç ã o de c o n h e c i m e n t o d i r e t o através de livros textos. Para u m melhor e n t e n d i m e n t o é i n t e r e s s a n t e observar a Figura 5.
T E X T O S DE L I V R OS F I G U R A 5 Programa i n t e r p r e tador de textos Sistema de I n f e r ê n ci a Base de c o n h e c i m e n t o Aquisição de c o n he c i m e n t o a C H A Y 8 3 ] . partir de textos
dD Um outro processo, cham a d o m é todo da o b se r v a ç ã o tem iníc i o c o m o EC i n teragindo "face a face" c o m o especialista para o b t e n ç ã o do c o n h e c i m e n t o através de uma série de entrevistas.
O método da o b s e r v a ç ã o c onsiste e m acompanhar o p e r i t o
na r e s o l u ç ã o de problemas reais no domínio, tendo cuid a d o de não
falar ou fazer algo que influe n c i e a solução do pro b l em a pelo
per i to.
S u g e r e - s e o pr o t o c o lo de "pensar em voz alta" para
provar o me c a n i s m o de solu ç ã o de problemas usado pelos
especialistas. Tais protocolos p o d e m vir de informações s o b r e a
o r g a n i z a ç ã o de uma base de conh e c i me n t o do especialista, o
c o n h e c i m e n t o real que o contém, e a e s t rutura de c o n t r o l e u sada p a r a s e l e t i v a m e n t e ser a p licada nesse conhecimento. Estes métodos
g e r a l m e n t e s ão seguidos por uma fase de refinamento, na qual o
e s p e c i a l i s t a comenta e m modelos preliminares, novos
d e s e n v o l v i m e n t o s para descrever seus comportamentos.
Os EC u t i l i z a n d o este método não d e v e m interromper o
e s p e c i a l i s t a c o m questões ou comentários d u r a n t e a s o l u ç ã o do problema. Em vez disso, eles a n a l i s a m o t r a n s c ri t o da seção depois do e v e n t o ter acabado, p o s s i v e l m en t e c o m o auxíl i o do perito.
A figura 6 ilus t r a a p r oposta de Buchanan.
Entrevista
E S P E C I A L I S T A --- -» E C ---- ->
CFace a Face!)
F I G U R A 6 — A q u i sição de con h e c i m e nt o usan d o e n t r e v i s t a C H A Y 8 3 ] .
Sistema de I n f e r ê n c i a
e) O último método, que é uma variação do anterior foi a p r e s e n t a d o por Waterrnan CWATS6].
É necessário faz e r - s e várias entrevistas e e ntão usar o
m é t o d o intuitivo que conta c o m a introspecção do especialista. Em
u m caso» o EC o qual " i n v e s t i g a ” e interage c om o e s p e c i a li s t a e a l i t e r a t u r a sobre o assunto c o m a intenção de se familiarizar c o m
seus principais métodos de solucionar problemas Ceie se torna um
p s e u d o - p e r i t o j . Atuando c o m esta capacidade, o EC d e s e n v o l v e a r e p r e s e n t a ç ã o de um m o delo conceituai C " e x p e r t i s e " D , o qual é e ntão c h e c a d a depois da o p i n i ã o de outros peritos e e v e n t u a l m e n t e i n c o r p o r a d a dentro de um p r ograma de computador.
T a mbém pode ocorrer que u m a u t ê n t i c o e v e r d a d e i ro e s p e c i a l i s t a atue como u m construtor de teorias sobre seu p r ó p r i o comportamento. Então o especialista, através de introspecção, t e nt a
ident i f i c a r as bases de seu pró p r i o c o nh e cimento e habilidade, e
a s s i m i n c o r p o r á - l o d i r e t a m e n t e dentro do computador.
Através de entrevistas, no momento e m que o pe rito
r e s o l v e o problema de forma introsp e ct i v a Cf a l a n d o em vóz alta como
e s t á resolvendo), o EC c o n s e g u e acompanhar o r a c i o c í n i o do
especialista, e sempre que lhe parecer apropriado, ele "pula"
p e r g u n t a n d o questões r elevantes para estimular e testar o
especialista. Neste p r o c e s s o o EC toma uma f u nção mais ativa do que
passiva, fazendo perguntas, s u g erindo p o s s ibilidades racionais,
c o n c e i t o s e regras hipotéticas.
Infelizmente, não e x i s t e m métodos gerais para a q u i s i ç ã o
de conhecimento. No entanto, algumas técnicas p o d e m ser utilizadas
p a r a es t a tarefa e estão resumidas no Quadro 2.
Outro fator que não pode ser e s q uecido é que o EC deve
se esforçar para empregar os termos técnicos do d o m í n i o de
c o n h e c i m e n t o e m questão. Isso exige do EC uma p r e p a r a ç ã o prévia no a s s u n t o para enriquecer o d i á l o g o c o m o especialista.
19
M E T O D O
Técnicas para ex t r a ç ã o de con h e c i m e n t o a par tii de e s pecialistas [GEN861. D ESCRIÇ X O O b s e r v a ç ã o 1 ocal Di s c u s s ão de pr obi etnas D e s c r i ç ã o de problemas A n á l i s e de pr oblemas Ref i n a m e n to do sistema Ver i f i cação do sist e m a Vaii d a ç ã o do si stema
Assistir ao esp e c i a l i s t a resolver problemas reai s
Explorar o tipo e dados. con h e c i m e n t o s e
p r ocedimentos necessários para resolver
p roblemas específicos
Solicitar ao perito que des c r e v a p r o t ó t i p o s de problemas para cada ca t e g o r i a de p e r g u n tas do domínio
Apresentar ao perito uma série de problemas
reais para ser r e s o lvida c o m todos os
passos de racio c í n i o
Testar a sol u ç ã o de uma s érie de p r o b lemas usando regras adquiridas nas e n t revistas
Solicitar ao perito que e x a m i n e e c r i t i q u e o p r o t ó t i p o do sistema, regras e e s t r u t u r a de c o ntrole
Mostrar os casos resolvidos pelo p e r it o e
e sis t e m a p r o t ó t i p o para outros peritos
2 . 3 . 2 - O r ganização e R e p r esentação do C o n hecimento
Q uan d o os cientistas da I n t e l i g ê n c i a Artificial CIA}
u s a m o termo conhecimento, eles q u e r e m dizer que uma i n f o r m a ç ã o p a r a u m pr o g r a m a de computador ne ce s s i t a antes poder c o m p o r t a r —se
inteligentemente. Esta inform a ç ã o pode tomar a forma de fatos ou
r e gras c o m o são mostrados abaixo.
Fatos : O tanque # 22 c o n t é m f u n gicida de c o n t a t o C c a p i a n ) . O exce s s o de fungicida traz danos ao a m b i e n t e e ao consumidor.
Regras: SE houve infecção do fungo da sarna E
o fungicida apl i c a do foi s i s t é m i c o E
o fungicida estava a ti v o E
choveu até 2S mm
Fatos e regras em um SE nem sempre são verda d e i r o s ou falsos, algumas vezes existe um grau de certeza sobre a v a l i d a d e de um fato ou a exatidão CacuráciaD de uma regra. Q u ando esta d ú v i d a é
f e i t a explicitamente, ela é chamada fcttor de c&rteza. ou grcoj. de
\j&rd.a.de. A seguir são ilustrados o uso de fatores de cert e z a ou
i ncerteza.
Fatos : O tanque # 22 cont é m fungicida de cont a t o c o m c e r t e z a 1.0 O aspersor da bomba está defei t u o s a co m cer t e z a 0.8
Regras: SE houve infecção do f ungo da sarna > 0.8,
o fungicida ap l i c a d o foi s i s tê m i c o c o m c e r t e z a 1.0, o fungicida esta v a ativo c o m certeza 0.9,
choveu até 25 mm c o m certeza > 0.7
E N T Ã O não exix t e m e vidências para p u l v e r i z a ç ã o e m b o r a tenha oc o r r i d o i n fecção c o m certeza 1.0
Muitas das regras e m SE sã o heurísticas, regras do
d o m í n i o C"ruies of thumb"D ou s i m p lificações que e f e t i v a m e n t e l i m i t a m a busca para soluções. As buscas para as soluções p o d e m ser a l g o r í t í m i c a s ou heurísticas. U m método algoritmo, g a r a n t e produzir a s o l u ç ão ó t i m a ou correta para o problema, e n q ua n t o u m m é todo h e u r í s i í c o produz uma solução aceitável. Outra d i f e r e n ç a está no t e m p o para achar a solução. Por vezes é mais i n t e r e s s a n t e ter uma s o l u ç ã o a proximada r a p idamente do que obter a melhor s o l u ç ã o depois de c entenas ou milhares de iteraçõs.
O c o n he cimento e m u m SE é o r g a n i z a d o e m u m c a m i n h o que s e para o con h e ci m e n t o sobre o dom í n i o do pr o b l e m a do s i s t e m a de o u t r o conhecimento, tais co m o c o n h e c i m e n t o geral s o b r e c o m o
resolver problemas ou c o n h e c i mentos s o b r e c o m o interagir c o m o
u s u á r i o Cpor e x e m p l o ) , como imprimir u m r e l a t ó r i o para o usu ár i o
final ou modificar linhas de dados, etc. Esta c o l e ç ã o de
c o n h e c i m e n t o do domínio é cha m a d o base de conhecimento, e n q u a n t o q u e o c o n h e c i m e n t o geral para sol u ç ão do p r oblema é c h a m a d o MI c o n f o r m e já foi mencionado anteriormente.
Os estudos das formas de r e p r e s e n t a ç ã o do c o n h e c i m e n t o humano, de uma forma ampla, e n c o n t r a m - s e fundamen t a d o s nos campos
da s e m i ótica Csignos), da l i n güística e p r i n c i p a l m e n t e no da
lógica. Essas são grandes áreas que evoc a m variadas correntes de p e n s a m e n t o envol v e n d o um g r ande número de filósofos, m a t emáticos e l i n g ü is t a s c o nforme cita Nils N i l s s o n CNIL71].
À construção de u m mode l o não é uma tare f a simples, pelo c o n t r á r i o implica n um grande n ú m e r o de considerações. Um m o delo é uma s i m p l i f i c a ç ã o e como tal c o r r e - s e o risco de jogar fora ou
o m i t i r —se elementos relevantes ou introduzir co r relações e spúrias
que i n d u z e m a observações impróprias.
Vários modelos de dados são mencionados na l iteratura de Ba n c o de Dados CBD), por o u t r o lado sur g i r a m outros modelos vindos de o u tras correntes de pesquisa, diferentes do e n f o q u e de BD. Esses
se o r g a n i z a m por linhas e grupos de p esquisa em IA. Tais modelos
p o d e m ser vistos e referênciados como formas para re pr e s e n t a ç ã o do conheci mento.
U m elemento atômico c o n s i d e r a d o como "dado" pode ser r e p r e s e n t a d o pela tupi a < nome do objeto, p r o p r i e d a d e do objeto,
valor, t e m p o >. Uma outra d i m e n s ã o pode ser necessária, se
in s e r i r m o s a incerteza do dado, a s s i m incorporamos à tupia anterior a nova dimensão, ou seja: < nome do objeto, pr o p r i e d a d e do objeto, valor, tempo, fator de i n c e rteza do d a d o >. Essa última d i m e n s ã o po d e afetar, inclusive, apenas alguns dos comp o n en t e s da tupla.
Para melhor v i s u a l i z a ç ã o da tupla, vejamos o exem p l o
c o n s i d e r a n d o a categoria "empregado" de uma organização, onde:
< n o m e do e m p r e g a d o > < J o s é D , uma < p r o p r i e d a d e > =C i d a d e do empregado) e < v a l o r > = C 3 0 anos). Nesse caso, o tempo e a incerteza f or a m e l i m i n a d o s da r e presentação do da d o mas p o d e r i a m existir in c i d i n d o s o b r e o p r ó p r i o objeto como t a m b é m sobre outros descritores, ou seja, p r o p r i e d a d e do objeto e o valor.
Os relacionamentos e nt r e os dados não são percebidos ou
r e p r e s e n t a d os na tupla anterior, pois essa d e s c r e v e o dado,
d e s c r e v e entidades, seus atributos e seus relacionamentos, na sua
f orma isolada. A representação, d e s crição e r e l a c i o n a m en t o
inter d a d o s d e v e m ser alcançados c o m o modelo de dados.
Alguns modelos r e p r e s e n t a m adequadamente» de forma
explícitaj o r e l a cionamento entre os dados.-. outros de rnaneira
implícita. Por exemplo, o mode lo de rede semântica que será visto
depois» que usa a re p r e s en t a ç ã o através de grafo, ap r e s e n t a
re l a ç õ e s explícitas.
S erão vistos os modelos considerados de maior
i m p o r t â n c i a a nível conceituai. Àqueles que p r o c u r a m enfatizar as
formas de caracterizar o c o n h e c i m e n t o humano. Esses modelos são
c o n s i d e r a d o s relevantes na r e p r e s e n t a ç ã o de c o n he c i m e n t o CHAY83, W A T 8 6 e GEN86] .
F a z e m parte deste mode lo as seguintes representações:
11? 0 2 C ãJTíss**3 *
2D Redes Semânticas;
3D C á l c u l o de Predicados de Pr i m e i r a O r d e m CCCPOD, e 43 Regras de Produção CRP3.
1 D Q u a d r o s : a idéia foi or i g i na l m e n t e pro p o st a po M i n s k y
C 197ED corno urns bâss psrs. sntsncii íflsnto ds. pfi?rcspção v i s u ã l ,
d i á l o g o s da l i n guagem natural, e outros p r ocedimentos complexos. A
e s t r u t u r a d © quadros C ”fraines"3 e s p e c i a l m e n t e d e s i g n a d a para
r e p resentar seqüências de eventos, se baseia e m considerar que as
p es s o a s v e ê m ou per c e b e m as coisas segundo cenas C " f rames" ou q u a d r o s ) .
A r e presentação do c o n h e c i m e n t o pelo m o delo de "frame"
p r o v e uma estrutura de quadros Cuma moldura!) , c o m que novos dados
s ão i n terpretados em termos de co n c eitos adquiridos através de
e x p e r i ê n c i a prévia. Além disso, a o r g a n i z a ç ã o deste c o n h e c i m e n t o f a c i l i t a o p r ocessamento de e x p e c t a t i v a —dirigida, o l h a n d o para coisas que são esperadas, base a d o no c ontexto de p e n s a r - s e "onde
está". O m e c a nismo representacional q ue faz possível e s ta espécie
de r a c i o c í n i o é a ranhura C"slot" ou janela}, o lugar onde o
c o n h e c i m e n t o combi n a - s e c o m o c o n t e x t o c r ia d o pelo quadro. Por exemplo, um "frame" simples para um co n c e i t o g e n é r i c o de cadeira p o d e ter "slots" de número de pés e tipo de assento.
Nía Figura 7 a seguir, mostra-se uma forma s im p l i f i c a d a do u so de quadros em uma "busca de d o c u m e n t o s ” .
F I G U R A 7 — R e presentação de uma busca usando '‘frames"
Adaptado [GON861.
Algumas tentativas ou caminhos p odem não ser b em
su c e d i d o s na busca para se chegar aos documentos. N esse caso,
p o d e - s e voltar a quadros anteriores, para daí se dirigir a o u t r o
s u b q u a d r o em o utro ou no mesmo nível.
2D O termo rede semântica é usada para descrever um méto d o de
r e p r e s e n t a ç ã o do c o n h e cimento bas e a d o e m estruturas de rede. Rede s e m â n t i c a foi origina l m e n t e d e s e nv o l v i d o para uso c o m o m o delo
p s i c o l ó g i c o da memória humana, mas é agora u m m ét o d o de
r e p r e s e n t a ç ã o para I n t e l igencia Artificial e Sistemas
Especialistas. A rede semantica co n s i s t e de pontos c h amados nós
c o n e c t a d o s por elos chamados a rcos d e s c r e v e n d o as relações entre os
nós. Esta estrutura constitui u m g rafo di r i g i d o valorado. Os nós
r e p r e s e n t a m entidades, objetos, conceitos. Já os arcos Cvalorados)
e s t a b e l e c e m uma relação e ntre os nós. Os arcos p o d e m ser
c o n s i d e r a d o s como predicados.
Os primeiros sistemas baseados em redes semânt i c a s foram e n t e n d i d o s co m o modelos psicológicos da mémoria. B e r t r a m Raphael C1Q68D projet a n d o SIR, o qual foi um dos primeiros programas a usar té c n i c a s de re d e s e m â ntica em sistemas de IA. Já em meados de 1970, Robert Simmons utilizou a r e p r e s e n t a ç ã o de rede s e m â ntica para uso e m s ua p esquisa no ent en d i m e n t o de lin g u a g e m natural. Atualm e n t e tal es t r ut u r a tem-se evid e n c i a d o para re p r e s e n t a çã o de sistemas que u s a m l i ngxiag&m. na. tnrcz L e cenár i o s .
£4
A Figura 8 a s e g u i r , constitui um exem p l o de rede
s e m a n t i c a .
F I G U R A 8 — Um exemplo de r e p r e s entação de rede semântica C G O N 8 6 3 . .
3D A lógica» que foi um dos primeiros esquemas de
r e p r e s e n t a ç ã o usado e m IA, t e m dois ramos importantes e
interligados. O primeiro é a con s i d e r a ç ã o de "O q ue pode ser dito",
qu e relações e aplicações p o d e m formalizar» os axiomas de um
sistema. O segundo é a e s t r utura dedutiva, as regras de inferê n c i a
qu e d e t e r m i n a m o que pode ser i n ferido se certos axiomas que e s t ã o
ag r u p a d o s para serem verdadeiros. Esta é a m esma lógica est ud a d a
por Boole, Frege e Russel e m meados do século 19 C B A R 8 1 ].
O Cálculo de Pr e di c a d o de Primeira O r d e m CCCPO) é u m
r a m o da lógica que t em tido g r a n d e utilidade em sistemas da IA. O
C C P O é um a extensão das noções de cálculo p r o p o s i c i o n a l .
A representação do c o n h ecimento u s a n d o c á l c u l o de
pr e d i c a d o s de v e ser cons t i t u í d a c om vistas a um am b ie n t e de p r o g r a m a ç ã o usando lógica dos predicados. O m o d e l o C C P O é de s c r i t o
por uma l in guagem c o m componentes básicos como: símbolos
predicados, símbolos variáveis, símbolos funções, e c o n j u n t o de
As relações entre os componentes de urn d i s cu r s o são
feitos através de símbolos predicados. Assim a sentença "DUMONT
P I L O T O U 14BIS" pode ser representado por PILOTOUC DUMONT. 1 4BIS!) »
o n d e PIL O T O U é o símbolo predicado, D U M O N T e 1 4 B I S são símbolos
constantes. Outra forma de apresentar a sentança anterior é na
f orma PI LOTOUC DUMONT, X!) , onde X é u m símbolo variável p o d e n d o
assumir vários valores C í n s t â n c i a s !>. O exemplo anterior constitui
uma f orma atômica. Às ligações entre fórmulas atômicas s ão feitas
p>or conect i v o s "v" Cou) , " V Ce!) e C i mpl i cação!) . Usa- s e t a m b é m
o c o n e c t i v o unário i" para negação. Um exemplo simples pode
mostrar o uso dos conectivos, ou seja, PI LOTOUC DUMONT, X D -i
P I L O T O U CDUMONT» JUMBOD =* N O M E C X ,14BIS> v N O M E C X ,D E M O I S E L E D . Outros e xe m p l o s de sentenças bem formados de rep r e s e n t a ç ã o do c o n h e c i m e n t o através do cál c u l o de predicados.
1) V C x!) Matér i a_Pr i maC x) -*• CompraCx!)
2!) V Cx) Produto_não_fabricadoCx!) =» Matéria_PrimaCx!)
3D V CxD CompraCx!) PreçoCx!)
4!) V Cx) A tingiu_ponto_estoqueC x!) ^ 3 Cy!) Fornece Cx,y) =»
Convi deC x ,yD
5!) V Cx!) PreçoCx) Condições__pagamentoC x!)
25
C o m o podemos ver» a r e p r e s entação anterior não com p l e t a
todas as questões referentes ao c ontrole de uma empresa, p o r é m já
nos dá uma idéia aproximada de como devemos trabalhar.
A l i n g uagem P R O L O G implementa estruturas lógicas como as anteriores. O interessante neste tipo de rep r e s e n t aç ã o é que a BC é
d e s c r i t a por relações lógicas» tipo das anteriores, que são
e s c r i t a s e m qualquer o r d e m e cabe ao P R O L O G mostrar as i n f erências
Csubstituição, separação e os encadeamentos!) necessárias [GON863.
4!) Sistemas de P r odução foi p rimeiro p roposto por Post C1943!) rnas d e s de e ntão tido tal desen v o lv i m e n t o em a p licação e teorias da IA q ue os sistemas correntes t e m pouco em c o m u m com a f o r m u l a ç ã o de
Post. Co m o no caso do termo de rede semântica que r e f e r e- s e há
vários esquemas de represen t a ç ã o de c o n h e c i m e n t o d iferentes bas e a d o
para descrever vários sistemas diferentes baseados em caminhos
gerais. A idéia é subordinada a noção de pares de c o n d i ç a o —a ç ã o ,
c h a m a d a s regras de produção C RP) . ou somente produção.
Sistemas de produção CSP) ou Regras de p r odução seg u n d o
Nils Nilsson [NIL7Í], são aqueles que usam como parte de sua
e s t r u t u r a os seguintes componentes básicos: uma Base de Dados
Global CBDG), um conjunto de regras de pro d u ç ã o e um sistema de
c o n t r o l e CSC). Alguns autores c h a m a m o sistema de con t r ol e de
M á q u i n a ou Motor de I n l e r é n c i a , a B DG de c ontexto e o c o n j u n t o de regras de produção de base de regras.
À B DG pode ser vista como área de t r abalho onde sao
a r m a z e n a d o s os dádos ou fatos intermediários deduzidos dur a n t e o
p r o c e s s o de inferência ou introduzidos externamente.
Uma regra de p r o du ç ã o é uma d e c l a r a ç ão r e f e renciada por S E . . . E N T Ã O ...C"IF . . . THEN ... ruies") e usa co m o parte de sua a r q u i t e t u r a uma Base de Conhecimento, r e p r e sentada por um co n j u n t o
de regras de conhecimento arquitetadas numa rel a ç ã o de "condição e
ação". G e r a l m e n t e são descritas da forma:
SE :< a n t e c e d e n t e > ; ENT&O: < conseqüente> .
Os antecedentes c o r r e s p o n d e m "as c ondições" Cpremissas) e os conseqüentes "as ações" C c o n c l u s õ e s ) . D u r a n t e a exe c u ç ã o de um SP, u ma regra de produção cuja p arte da co n d i ç ão é satis f e i t a pode d i s p a r a r , isto é, pode ter sua p arte da ação e x e c u t ad a pelo SC.
O SC é um programa cujo papel é decidir qual o próx i m o
passo, após cada tarefa de decisão. Ou seja, a partir de alguns
valo re s externos ou existentes na BDG tenta disparar ou aplicar as
regras de produção. Este sistema tenta disparar as regras seg u n d o
t é cnicas como, busca para trás C "Backward chaining") ou busca para
f r e n t e C F o r w a r d chaining") ou a c o m b in a ç ã o de ambas. O pro ce s s o
e n c e r r a - s e q u ando algum evento terminal na B DG ocorrer C atingir o
objetivo) ou quando nenhuma regra for possível de ser aplicada.
