Raciocínio
As pessoas resolvem problemas através da
Raciocínio
“O processo de trabalhar com conhecimento, fatos
e estratégias de resolução de problemas para inferir conclusões”
Raciocínio
Pode ser dividido em: – dedutivo,
– indutivo,
– abdutivo, – analógico,
Raciocínio
dedutivo
Usamos o raciocínio dedutivo para deduzir
novas informações a partir de informações já conhecidas (logicamente relacionadas).
Se A é verdadeiro e se A implica B é verdadeiro, então B é verdadeiro
Raciocínio
dedutivo: exemplo
Regra:se uma pessoa é hispano-americana, ela fala espanhol.
Fato:
Pablo Neruda é hispano-americano
Conclusão:
Raciocínio indutivo
É o raciocínio usado para tirar uma
conclusão geral a partir de um conjunto limitado de fatos através processos de generalização.
Para um conjunto de objetos, X = {a,b,c,..}, se a propriedade P é verdadeira para a, e se P é verdadeiro para b, e se P é verdadeiro para c,...., então P é verdadeiro para todo X
Raciocínio abdutivo
Abdutivo é uma forma de dedução que
permite apenas uma inferência plausível, pois ela pode não estar correta.
Se B é verdadeiro e se A implica B é verdadeiro, então A é verdadeiro?
Raciocínio abductivo: exemplo
Regra:se uma pessoa é brasileira, ela fala português
Fato:
Maria fala português
Conclusão:
Raciocínio analógico
É um meio de adaptar o conhecimento
existente para resolver um novo problema
As pessoas formam um modelo mental de
alguns conceitos através de suas experiências.
Eles usam este modelo dentro do raciocínio
analógico para ajudá-los a entender alguma situação ou algum objeto
Raciocínio senso comum
Através da experiência, as pessoasaprendem a resolver problemas eficientemente.
Elas usam o senso comum para achar
Inferência
Sistemas especialistas modelam o processo
de raciocínio de humanos usando uma técnica chamada inferência
“processo usado em um sistema especialista
para derivar uma nova informação a partir de uma informação já conhecida”.
Máquina de Inferência
Um sistema especialista realiza a inferência
usando um módulo chamado máquina de
inferência.
A máquina de inferência é um processador
que trabalha com uma informação atual para derivar conclusões adicionais.
Máquina de Inferência...
O sistema combina fatos contidos na
memória de trabalho com o conhecimento contido na base de conhecimento.
Através desta ação ele é capaz de deduzir
uma nova informação, que é adicionado então à memória de trabalho.
Máquina de Inferência: modelo
Base de Conhecimento Regras Frames Memória de Trabalho Casos/Fatos Conclusão Máquina de InferênciaForward-chaining: definição
Estratégia de inferência que começa com
um conjunto de fatos conhecidos, usando regras, deriva novos fatos e continua até que um objetivo seja alcançado ou até que não haja mais fatos que possam ser
Forward_chaining: exemplo
Regra 1
SE O paciente tem dor de garganta
E Há suspeita de infecção bacteriana
ENTÃO Paciente tem inflamação da garganta
Regra 2
SE A temperatura do paciente é > 38.5 graus
ENTÃO O paciente tem febre
Regra 3
SE O paciente está doente mais de um mês
E O paciente tem febre
Forward_chaining: exemplo...
Memória de Trabalho
FATOS
A temperatura do paciente é = 39 graus O paciente está doente há dois meses
Forward-chaining: trace do ex.
Ciclo 1 Memória de Trabalho
Temp = 39
Doente há 2 meses Dor de garganta Regra 1, Premissa 1
Dor de garganta verdadeiro
Temp = 39
Doente há 2 meses Dor de garganta Regra 1, Premissa 2
Infecção bacteriana desconhecido
Temp = 39
Doente há 2 meses Dor de garganta
Paciente tem febre
Regra 2, Premissa 1
temperatura > 38.5 verdadeiro Dispara Regra 2
Paciente tem febre
Forward-chaining: trace do ex.
Ciclo 2 Memória de Trabalho
Regra 3, Premissa 1 Doente mais de um mês
verdadeiro
Regra 3, Premissa 2
Paciente tem febre Temp = 39
Doente há 2 meses Dor de garganta
Paciente tem febre
Infecção bacteriana verdadeiro conclusão Temp = 39 Doente há 2 meses Dor de garganta
Paciente tem febre
Dispara Regra 3
Forward-chaining: trace do ex.
Ciclo 3 Memória de Trabalho
verdadeiro
Temp = 39
Doente há 2 meses Dor de garganta
Paciente tem febre
Infecção bacteriana Infecção de garganta verdadeiro conclusão Temp = 39 Doente há 2 meses Dor de garganta
Paciente tem febre
Dispara Regra 1 Infecção de garganta Regra 1, Premissa 1 Dor de garganta Regra 1, Premissa 2 Infecção bacteriana PARA
Backward-chaining: definição
Estratégia de inferência que tenta provaruma hipótese através da obtenção de informações que a suportem.
Forward-chaining: exemplo
Regra 1
SE Há sinais de infecção de garganta
E Há evidências que o organismo seja streptococcus ENTÃO Paciente com infecção streptococcal da garganta
Regra 2
SE Paciente com garganta vermelha
ENTÃO Há sinais de infecção de garganta
Regra 3
SE A COLORAÇÃO DO organismo é gram-positivo
E A morfologia do organismo é coccus
E O crescimento do organismo é cadeias
Backward-chaining: trace do
exemplo
Memória de Trabalho Passo 1
Meta:paciente tem infecção
streptococcal da garganta
Passo 2
Meta conhecida Não
Passo 3
Encontre regra com meta na parte ENTÃO: regra 1
Passo 4
Veja se Regra 1, Premissa 1 é conhecida “Há sinais de
Backward-chaining: trace do
exemplo
Memória de Trabalho Passo 5 Passo 6 NãoEncontre regra com esta premissa na parte ENTÃO: Nenhuma
Passo 7
Veja se Regra 2, Premissa 1 é conhecida “Paciente com
garganta vermelha”
Encontre regra com esta premissa na parte ENTÃO: regra 2
Backward-chaining: trace do
exemplo
Paciente com garganta vermelha Infecção de garganta Memória de Trabalho Passo 8Esta premissa é uma primitiva que resulta nas seguintes perguntas e resposta, e que
disparam a Regra 2:
P: A garganta do paciente está vermelha?
R: Sim
Dispara Regra 2
“Há sinais de infecção da garganta”
Passo 9
Veja se Regra 1, Premissa 2 é conhecida “Há evidência que o
organismo é streptococcus”
Backward-chaining: trace do
exemplo
•Paciente com garganta vermelha •Infecção de garganta •Decoloração é grampos •Morfologia é coccus •Cresce em cadeias Memória de Trabalho Passo 10 Passo 11
Encontre regra com esta premissa na parte ENTÃO: regra 3
Os passos seguintes resultam em:
Todas as três premissas da regra 3 são
primitivas resultando em perguntas ao
usuário.
Suponha que todas as respostas sejam verdadeiras.
O sistema adiciona estas informações na memória de trabalho, além do fato “há
evidência que o organismo é streptococcus” disparado pela regra 3.
Backward-chaining: trace do
exemplo
•Paciente com garganta vermelha
•Infecção de garganta •Decoloração é grampos •Morfologia é coccus •Cresce em cadeias
•Paciente tem infecção streptococcal de
garganta
Memória de Trabalho Passo 12
“Paciente com infecção
streptococcal de garganta”
Já que foi possível provar as premissas da regra-meta original, i.e. Regra 1 é disparada e a sua conclusão é
Vantagens do forward-chaining
É eficiente quando o problema geralmentecomeça pelo acúmulo de informações e,
posteriormente, busca extrair o que pode ser inferido a partir delas.
Exemplo:
– Paciente tem uma temperatura alta, dor de
Desvantagens do forward-chaining
Ele pode não reconhecer que algumasevidências são mais importante que outras.
Exemplo:
– Você acredita que você esta tendo um ataque de coração?
Vantagens do backward-chaining
Adequado quando o problema geralmentecomeça formando uma hipótese, e então é concluído que esta pode ser provada.
Exemplo:
– Eu acredito que o paciente está com a garganta inflamada.
Desvantagens do Backward-chaining
A principal desvantagem do sistemaBackward-chaining é que ele sempre
continuará seguindo uma determinada linha de raciocínio.
Escolhendo entre forward e backward
Conhecer o problema. Poderemos fazer a escolha mais adequada, analisando como um especialista resolve um determinado problema.
Rever de que maneiras já foi resolvido o problema anteriormente.