Plano de Aula Histórico O que é um Sistema Especialista?

Apresentação em tema: "Plano de Aula Histórico O que é um Sistema Especialista?"— Transcrição da apresentação:

1 Plano de Aula Histórico O que é um Sistema Especialista?
Arquitetura de um Sistema Especialista Problemas na construção de SEs Exemplos Shells de SE

2 Histórico (1960s) General Problem Solver (GPS) Funcionamento
leis do pensamento + máquinas poderosas Funcionamento  planejamento + sub-goaling ex. estou com fome => comer => pedir pizza => telefonar => ir para a sala => sair do quarto... O sistema Logic Theorist deu certo mas em geral, GPS não funciona fraca representação de conhecimento humanos são bons só em domínios restritos

3 Histórico (1960-1970) Primeiros Sistemas Especialistas DENDRAL
Objetivo Inferir estrutura molecular de componentes desconhecidos dadas a massa espectral e a resposta nuclear magnética Conhecimento especializado poda a busca por possíveis estruturas moleculares Fez sucesso publicações científicas Representação procedimental de conhecimento

4 Histórico (1960-1970) MYCIN Objetivo:
Diagnosticar rapidamente meningite e outras infecções bacterianas, e prescrever tratamento Representação de conhecimento baseada em regras probabilistas em torno de 500 Fez sucesso acima de 90% de acerto Introduziu explicação sobre “raciocínio” e boa interface com usuário

5 Histórico (1960-1970) MYCIN Exemplo de regra
if the infection is meningitis and the type of infection is bacterial and the patient has undergone surgery and the patient has under gone neurosurgery and the neurosurgery-time was < 2 months ago and the patient got a ventricular-urethral-shunt then infection = e.coli(.8) or klebsiella(.75)

6 Histórico (1980) Problema da General Electric: Solução convencional
Aposentadoria de David Smith engenheiro especialista em falhas de motores elétrico-diesel de locomotivas Solução convencional Treinamento de engenheiros novatos Construção do 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

7 Sistemas Especialistas
Definição sistemas que empregam o conhecimento humano para resolver problemas que requererem a presença de um especialista. Área de aplicação de mais sucesso da IA Exemplo mais difundido dos Sistemas Baseados em Conhecimento

8 Sistemas Baseados em Conhecimento
SBC SE Representam conhecimento do domínio de forma explícita Aplicam conhecimento especializado na solução de problemas complexos

9 Conceitos Básicos de SE
Expertise Conhecimento especializado adquirido por longo treinamento, leitura e/ou experiência Especialista Quem possui o conhecimento, a experiência, conhece os métodos, e tem a habilidade de aplicá-los para dar conselhos e resolver problemas. Engenheiro de conhecimento Guia a aquisição e a representação do conhecimento especializado, bem como a implementação e refinamento do SE.

10 Tarefas Comuns dos SEs Diagnóstico Reparo e prescrição
Monitoramento e detecção Controle: monitoramento, diagnóstico e reparo Instrução Simulação Escalonamento Recomendação e alocação Construção e projeto Otimização Interpretação e abstração de dados Classificação Previsão

11 Domínios de Aplicação dos SEs
Aeroespacial Agricultura Aplicações militares Automação industrial e controle de equipamento Concepção e construção auxiliada por computadores Educação Eletrônica Engenharias Finanças e negócios Gerenciamento de informação Manutenção de equipamento Matemática Medicina Meio ambiente Meteorologia Mineração Química Serviços legais Transportes

12 Para que utilizar SEs? Substituir o especialista
Melhorar acesso temporal e geográfico a conhecimento especialista sobre um domínio Diminuir gastos com pessoal Auxiliar o especialista Melhorar confiabilidade e eficiência Integrar o conhecimento de vários especialistas Mais confiabilidade, qualidade e eficiência Capturar o “conhecimento agregado” de uma organização Evitar dependência de gurus Viabilizar o treinamento de novatos

13 Benefícios do desenvolvimento de SEs
Processo de introspecção e modelagem: Aprofunda o conhecimento sobre a tarefa e o domínio do(s) especialista(s) Melhora consideravelmente o meta-conhecimento sobre a tarefa e o domínio do(s) especialista(s) Processo de elicitação dos requisitos e de implantação do SE na organização: Dissemina conhecimento do(s) especialista(s) Esclarece a natureza da tarefa, seu papel na organização, sua utilidade e suas limitações Pode identificar necessidade de re-engenharia organizacional

14 Requisitos específicos de SEs
Especialista humano é capaz de: Resolver eficientemente problemas muito complexos Selecionar o conhecimento relevante e o grau de detalhe adequado para cada caso Explicar seu raciocínio para um colega Aprender com a experiência Reestruturar constantemente seu conhecimento Manter consistência do raciocínio, apesar de usar conjunto de regras possivelmente contraditórias

15 Requisitos Específicos de SEs
Especialista humano é capaz de identificar que “partes” do seu conhecimento para executar uma tarefa em um domínio podem ser reaproveitadas para tarefas ou domínio diferentes, porém com aspectos semelhantes Tudo isto requer meta-conhecimento Contudo O desempenho do especialista cai gradativamente à medida que lhe falta conhecimento

16 Etapas na construção de SE-BCs
Nível de Conhecimento AQUISIÇÃO FORMULAÇÃO Nível Lógico BC Nível de Implementação IMPLEMENTAÇÃO REFINAMENTO

17 Atores de um SE Especialista Equipe de Construtor de Suporte
Ferramentas Testa Conhecimento Documentado Fornece Suporte Adquire Conhecimento Constrói Sistema Especialista Ferramentas, Linguagens Usa Constrói Engenheiro de Conhecimento Usa Usa Constrói Fornece Coopera Construtor do sistema Conecta Usuário Final Vendedor

18 Arquitetura de um SE Usuário Dados do problema Respostas Interface de
explicação do raciocínio Máquina de Inferência Especialista Base de conhecimento dinâmico Engenheiro de conhecimento Base de conhecimento estático Sistema de aquisição do conhecimento

19 Sistemas Especialistas da 1a geração
Representação do conhecimento utilizando linguagens sem fundamentação matemática Regras de produção às vezes com fatores de incerteza Redes semânticas ou frames Regras de produção + frames Aquisição do conhecimento visto como processo de transferência Sistemas centralizados e individuais Sistemas isolados implementados com shells de sistemas especialistas

20 Sistemas Especialistas da 2a geração
Representação do conhecimento Explícita, com linguagens formais: Programação em lógica no lugar de regras de produção Redes Bayesianas no lugar de fatores de incerteza Lógicas descritivas no lugar de frames Implícita, via representação numérica: Redes neurais, algoritmos genéticos, sistemas híbridos

21 Sistemas Especialistas da 2a geração
Aquisição de conhecimento como processo de modelagem e reuso de conhecimento Utilização de aquisição automática Integração dos SEs em sistemas maiores: APIs entre linguagens de representação de conhecimento e linguagens de programação amplamente utilizadas (C++, Java) Representação procedimental do conhecimento diretamente nas linguagem de programação largamente divulgadas Sistemas distribuídos e multi-agentes

22 Problemática comum entre SEs e Engenharia de Software
Processo de desenvolvimento Flexibilidade de modelagem Rigor formal para garantir confiabilidade Prototipagem rápida Requisitos organizacionais Colaboração de equipes grandes e culturalmente heterogêneas

23 Problemática comum entre SEs e Engenharia de Software
Controle de versões Planejamento de projeto: controle dos prazos e dos custos Verificação, validação e teste Reuso de conhecimento ontologias, componentes

24 SEs e BD Requisitos de Bases de Conhecimento estratégicas de SEs de grande porte: persistência escalabilidade de processamento gerenciamento de memória secundária acesso em leitura e escritura distribuído e concorrente recuperação segurança

25 SEs e BD SE influenciou o surgimento das áreas de:
BD dedutivos BD dedutivos orientados a objetos Pode reutilizar soluções de: BD objeto-relacionais Web semântica

26 Shells de Sistemas Especialista
Sistemas que incluem: Máquina de inferências Interface de aquisição do conhecimento Pelo menos do conhecimento dinâmico que descreve instâncias particulares do problema a tratar Interface de explicação do raciocínio Permitem ao usuário questionar o sistema em qualquer ponto de seu processo de raciocínio trace

27 Shells de SEs Interface de aquisição do conhecimento
Evita que o usuário precise definir a priori o conhecimento dinâmico (e.g., sintomas da minha doença) necessário para resolver a tarefas em questão (diagnóstico da minha doença). Permitem que o sistema consulte o usuário durante a execução de uma instância solicitando dados (conhecimento) que faltam (e.g., sintomas) para a solução do problema (e.g., diagnóstico) guiado pelo seu processo de raciocínio (raciocínio progressivo ou regressivo)

28 Algumas Estatísticas antigas...

29 Evolução do mercado de SEs

30 Evolução do mercado de SEs

31 Balanço

32 Benefícios do S.E. Criação de repositório de conhecimento
Crescimento de produtividade e qualidade Habilidade de resolver problemas complexos Flexibilidade e modularidade Operação em ambientes arriscados Credibilidade Capacidade de trabalhar com informações incompletas ou incertas Fornecimento de treinamento

33 Problemas e Limitações
Aquisição ainda difícil e está sujeita a um grande número de dificuldades (preconceitos) Avaliação de desempenho difícil Desenvolvimento longo e manutenção delicada Só apresentam alto desempenho em domínios pequenos Não aprendem e não são robustos

34 Últimos desenvolvimentos e tendências
Ferramentas de desenvolvimento + OOP Integração com outros sistemas ex. banco de dados e sistemas de suporte à decisão Tratamento de incerteza Redes Bayesianas Aprendizagem de máquina