DICAS Questione os temas propostos nas aulas, fica mais fácil aprender. Demonstre interesse pelo conteúdo explanado e dedique-se ao estudo. Envolva-se.

Apresentação em tema: "DICAS Questione os temas propostos nas aulas, fica mais fácil aprender. Demonstre interesse pelo conteúdo explanado e dedique-se ao estudo. Envolva-se."— Transcrição da apresentação:

1 DICAS Questione os temas propostos nas aulas, fica mais fácil aprender. Demonstre interesse pelo conteúdo explanado e dedique-se ao estudo. Envolva-se nas atividades teóricas e práticas. Seja receptivo aos recursos didáticos. Colabore para o bom aproveitamento do tempo em aula. Participe, você será valorizado pelos colegas, pelo professor e por si mesmo. Procure conhecer as propostas e os critérios de avaliação. Utilize a avaliação como estímulo para o seu crescimento. Para isso prepare-se! Procure relacionar as matérias do curso uma com as outras e com suas crenças pessoais. Analise o conteúdo no contexto histórico-social. Enfim viva o que está aprendendo. Participe em eventos e projetos acadêmicos e culturais. Utilize uma bibliografia diversificada e principalmente atual para se atualizar nos conteúdos apresentados nas aulas. Leia pesquisas publicadas na área. Investigue e busque elucidar os desafios apresentados em aula. Reconheça a solidariedade como valor pessoal. Apresente atitudes coerentes com o que fala. Revele respeito e aceitação no relacionamento com os professores e colegas. Adote o diálogo como meio para a solução de conflitos. Seja pontual e assíduo aos compromissos acadêmicos. Participe das atividades dos órgãos representativos. Tenha uma atitude positiva em relação ao professor, aos colegas e a instituição de ensino.

2 INTELIGÊNCIA ARTIFICIAL

3 Algum dia os computadores serão capazes de pensar?
Eles já pensam de uma maneira, mas para que passe a pensar de outras, é preciso que passemos a entender como se dá o processo do pensamento.

4 Muitos dizem que CPUs apenas seguem instruções mais rapidamente que os humanos. Estão corretos?
Estão errados pois as CPUs podem seguir outros tipos de processos, pois podem ser programados para fazerem uma “pesquisa evolutiva” ou um reconhecimento de padrão complexo, por exemplo.

5 Algum dia as máquinas poderão desenvolver algo comparável à consciência?
Se a habilidade do cérebro refletir sobre suas ações pode ser chamada de consciência, muitos programas já fazem algo do tipo. Pode-se dizer que já possuem um certo grau de consciência.

6 Qual será o impacto disso sobre os negócios?
Aumento na produtividade em todos os setores. Grande transformação no mercado de trabalho.

7 Os defensores da IA não cometem um erro ao descartar o livre-arbítrio como ilusão?
Quando se diz que “usei meu livre-arbítrio para tomar uma decisão”, isso quer dizer “não sei o bastante sobre minha mente para entender como tomei esta decisão”.

8 IA Pode ser considerada a alquimia do século passado.
Quando passa a realizar tarefas de maneira tão eficiente quanto um humano, é comum considerar esta atividade como não inteligente.

9 DESAFIOS DA IA Comunicação e Percepção: Raciocínio Simbólico.
Linguagem Natural, Visão, Manipulação. Raciocínio Simbólico. Engenharia do Conhecimento.

10 COMUNICAÇÃO Desde o início tentou-se desenvolver um sistema de tradução simultânea. Projetos atuais: Tradutor multilíngüe com vocabulário de palavras. Sistema de consulta com diversos temas. Sistema capaz de falar e entender a linguagem natural com cerca de palavras.

11 PROBLEMAS NO PROCESSAMENTO DA LINGUAGEM NATURAL
Análise sintática e semântica das orações. Ambigüidade das palavras. Significados de palavras simples cujos significados estão associados ao contexto. O espírito é forte mas a carne é fraca. A vodka é boa mas a carne é podre.

12 RACIOCÍNIO SIMBÓLICO Sistemas inteligentes são baseados em regras heurísticas ao contrário das equações analíticas dos programas de cálculo. Resultado: O programa segue uma linha de raciocínio ao invés de uma seqüência de passos fixos.

13 ENGENHARIA DO CONHECIMENTO
Representação do conhecimento. Aquisição do Conhecimento, a qual pode ser feita através de aprendizado por experiência, regras lógicas e atualmente por sessões de ensino. Método de Inferência: conforme a quantidade e o manejo dos dados pode-se usar a lógica difusa.

14 ENGENHARIA DO CONHECIMENTO
Processamento da linguagem natural, a qual facilita a inter-relação homem computador. Possibilita que um perito de qualquer área trabalhe e desenvolva de maneira prática um sistema.

15 CRIAÇÃO DE UM SISTEMA ESPECIALISTA
Os conhecimentos devem ser ajustados de maneira que sua análise seja menos complexa possível. Ao delimitar o problema deve-se determinar o tipo apropriado de ferramenta para desenvolvê-lo.

16 CRIAÇÃO DE UM SISTEMA ESPECIALISTA
Os engenheiros de conhecimento devem acompanhar os seguintes passos: Seleção da ferramenta e estratégia para enfrentar o problema. Analisar o conhecimento necessário para resolução do problema. Construir um rascunho do sistema.

17 CRIAÇÃO DE UM SISTEMA ESPECIALISTA
Escrever o banco de conhecimento e prová-lo em um número amplo de casos. Ampliar e modificar o programa até que funcione tal como queremos que o faça. Manter e atualizar o sistema, conforme se necessite.

18 “No sentido de oferecer minha contribuição pessoal com uma definição da Inteligência Artificial, eu pediria que fosse considerada uma analogia entre objetos que pensam e objetos que voam. Durante muitos séculos, os pássaros (e morcegos, é claro) foram tidos como os únicos "objetos" capazes de voar, assim como os seres humanos foram os únicos capazes de pensar. A crença de que uma máquina construída pelo homem pudesse voar sempre pareceu absurda e incompreensível para muitos, assim como a noção de que uma máquina possa pensar é inaceitável para muitas pessoas hoje em dia.” "Artificial Intelligence, Principles and Applications" Chapman & Hall Computing Series

19 “Penso que a suposição de que propriedades bioquímicas do cérebro possam ser responsáveis por crenças e pensamentos é análoga à de se acreditar que são as propriedades bioquímicas dos pássaros que lhes possibilitam desfrutar do vôo auto-sustentado. O que hoje sabemos é que são as propriedades aerodinâmicas dos pássaros que lhes permitem alçar vôos e sustentar-se no ar. A analogia por meio da aerodinâmica sugere que muito do que pudemos aprender sobre o vôo foi por meios artificiais e não diretamente. O que aconteceu foi que acabamos criando um corpo de conhecimentos científicos e leis governando aspectos tanto do vôo dos pássaros como de aviões. O vôo artificial tem progredido, mas não é na direção da imitação do vôo natural, nem por meio da sua observação.”

20 CIÊNCIAS NATURAIS Objetivo: analisar e descrever a natureza (observação) Exemplos: Química, Física, Botânica, etc.

21 CIÊNCIAS DO ARTIFICIAL
Objetivo: Prescrever e sintetizar “artefatos” (transformações). Criar artefatos que satisfaçam as necessidades humanas, de acordo com as leis naturais. Exemplos: Cadeira, cura da AIDS, um programa de computador, etc. Metodologia: Essencialmente empírica. Compreensão por construção/simulação e avaliação do resultado.

22 Interação com outras disciplinas
Matemática Filosofia Sociologia IA Lingüística Psicologia Computação Neuro-fisiologia Genética

23 OBJETIVOS DA IA Desenvolver sistemas para realizar tarefas que ainda
são melhor realizadas por seres humanos que por máquinas, ou não possuem solução satisfatória pela computação convencional. Reproduzir o comportamento inteligente. Entender entidades inteligentes.

24 SISTEMA INTELIGENTE Um sistema inteligente deve ser capaz de adaptar-se a novas situações, raciocinar, entender relações entre fatos, descobrir significados, reconhecer a verdade e aprender com base em sua experiência.

25 MÁQUINAS INTELIGENTES?
Pensando A automação de atividades que nós associamos com o pensamento humano, por exemplo: tomada de decisão, solução de problemas, aprendizagem, etc. O estudo das faculdades mentais através do uso de modelos computacionais. Idealmente (racionalmente) Humanamente A arte de criar máquinas que realizam funções que requerem inteligência quando realizadas por pessoas. O ramo da Ciência da Computação que estuda a automação de comportamento inteligente. Agindo

26 APLICAÇÕES Matemática: demonstração de teoremas, resolução simbólica de equações. Pesquisa operacional: otimização e busca heurística em geral. Jogos: xadrez, damas. Processamento de linguagem natural: tradução automática, verificadores ortográficos e sintáticos, reconhecimento da fala.

27 APLICAÇÕES Sistemas tutores: modelagem do aluno, escolha de estratégias pedagógicas. Percepção: visão, tato, audição, olfato, paladar... Robótica (software e hardware): manipulação, navegação, monitoramento.

28 APLICAÇÕES Sistemas especialistas: Atividades que exigem conhecimento especializado e não formalizado. Tarefas: diagnóstico, previsão, monitoramento, análise, planejamento, projeto, etc. Áreas: medicina, finanças, engenharia, química, indústria, arquitetura, arte, computação,...

29 APLICAÇÕES Computação: programação automática. interfaces adaptativas.
bancos de dados dedutivos e ativos. mineração de dados (data mining). sistemas distribuídos, etc.

30 APLICAÇÕES: SISTEMAS DE CONTROLE
Como frear o carro sem as rodas deslizarem em função da velocidade, do atrito, etc.? Como focar a câmera em função da luminosidade, da distância, etc.? Como ajustar a temperatura e fluxo de água com a quantidade e sujeira da roupa, etc.?

31 APLICAÇÕES: PREVISÃO Como prever o valor do dólar? Do clima? Das ações da bolsa? Das eleições? Que dados são relevantes? Há comportamentos recorrentes?

32 APLICAÇÕES: SIMULAÇÕES E JOGOS
Como modelar o ambiente físico e o comportamento/personalidade dos personagens? Como permitir interação interessante com o usuário? NBA 2006 FIFA Soccer 2006

33 APLICAÇÕES: RECOMENDAÇÃO DE PRODUTOS
Como fazer recomendações personalizadas de produtos? Como modelar os perfis dos compradores?

34 APLICAÇÕES: BUSCA DE INFORMAÇÃO NA WEB
Como localizar a informação relevante?

35 APLICAÇÕES: DETECÇÃO DE INTRUSÃO E FILTRAGEM DE SPAM
Como saber se uma mensagem é lixo ou de fato interessa? Como saber se um dado comportamento de usuário é suspeito e como lidar com isto?

36 Aplicações: interfaces amigáveis
Como dar ao usuário a ajudar de que ele precisa? Como interagir com o celular sem ter que digitar?

37 DIFICULDADES Representação: Generalidade x eficiência
Como traduzir uma tarefa em informação estruturada e processos de informação. Generalidade x eficiência Explosão combinatória (espaço de solução): reproduzir as jogadas possíveis do Xadrez.

38 Dificuldades: Xadrez Impossível reduzir o problema a um formalismo matemático. Uma busca exaustiva do melhor movimento é impraticável. Solução baseada em heurísticas.

39 Dificuldades: VISÃO Como reconhecer uma maçã no supermercado?
Contexto: maçãs serão encontradas junto com outras frutas (conceito). Segmentação: como saber onde começa e acaba uma fruta? É preciso reconhecer cores, textura, tamanho. Representação e similaridade: como diferenciar maçãs de peras, mangas? Há vários modelos visuais para representar formas de diferentes frutas.

40 PARADIGMA SIMBÓLICO Segundo a IA (simbólica), é preciso:
Identificar o conhecimento do domínio (modelo do problema). Representá-lo utilizando uma linguagem formal de representação. Implementar um mecanismo de inferência para utilizar esse conhecimento.

41 CONHECIMENTO Programa em IA = Agente racional
entidade de software que age em um ambiente segundo um princípio de racionalidade

42 CONHECIMENTO Precisa ter conhecimento sobre:
quais são suas propriedades relevantes do mundo como o mundo evolui como identificar os estados desejáveis do mundo quais as conseqüências de suas ações no mundo como medir o sucesso de suas ações como avaliar seus próprios conhecimentos

43 Conhecimento: Representação e Uso
Raciocínio: processo de construção de novas sentenças a partir de outras sentenças. Deve-se assegurar que o raciocínio é plausível. fatos fatos sentenças sentenças Mundo Representação segue-se implica semântica

44 PARADIGMA CONEXIONISTA REDES NEURAIS
Definição “Romântica”: Técnica inspirada no funcionamento do cérebro, onde neurônios artificiais, conectados em rede, são capazes de aprender e de generalizar. Definição “Matemática”: Técnica de aproximação de funções por regressão não-linear.

45 PARADIGMA CONEXIONISTA REDES NEURAIS
linguagem → redes de elementos simples. raciocínio → aprender diretamente a função entrada-saída.

46 PARADIGMA EVOLUTIVO Diversidade é gerada por cruzamento e mutações.
Os seres mais adaptados ao seus ambientes sobrevivem (seleção natural). As características genéticas de tais seres são herdadas pelas próximas gerações.

47 PARADIGMA EVOLUTIVO Definição: Idéia:
Método probabilista de busca para resolução de problemas (otimização) “inspirado” na teoria da evolução. Idéia: indivíduo = solução Faz evoluir um conjunto de indivíduos mais adaptados através de sucessivas gerações.

48 Processamento de Linguagem Natural
Tensões Centrais da IA conhecimento em intenção (regras) Processamento de Linguagem Natural Sistemas Nebulosos (fuzzy) Redes Bayesianas Sistemas Especialistas numérico Robôs simbólico Sistemas baseado em casos Algoritmos genéticos Sistemas de Aprendizagem simbólica indutiva Sistemas baseados em Redes Neurais conhecimento em extensão (exemplos)

49 Computação convencional x IA: classes de problemas
Solução matemática (NÃO), conhecimento (SIM): IA simbólica Modelo do problema (NÃO), exemplos de solução (SIM): IA (aprendizagem) Autonomia, adaptabilidade, interoperabilidade: Repositório de conhecimento especialista (expertise):

50 Computação convencional x IA: METAS
Tarefas para as quais os seres humanos são ineficientes. Fornecimento de explicações inteligíveis. Adaptabilidade para novas instâncias do problema. Privilégio das soluções heurísticas.

51 Definições da IA P(A|B) Máquina que age humanamente: Teste de Turing ?
Máquina que raciocina humanamente: Modelagem cognitiva Máquina que age racionalmente: Agente racional que escolhe ações que maximizam chances do ambiente ficar em estados que satisfazem objetivos. Teoria da decisão, otimização, economia. Atos reflexos. Máquina que raciocina racionalmente: Lógica, Probabilidades. P(A|B)

52 PENSANDO RACIONALMENTE
Aristóteles tentou definir um processo de raciocínio irrefutável. Ele desenvolveu os silogismos. Os silogismos fornecem estruturas de argumentação que sempre fornecem conclusões corretas, dadas premissas corretas. Exemplo: “Sócrates é um homem” “Todos os homens são mortais” Sócrates é mortal!

53 Pensando racionalmente
Deus é amor O amor é cego Stevie Wonder é cego Conclusão Deus é cego! Stevie Wonder é Deus! Se eu parti de fatos verdadeiros, como posso ter chegado a conclusões absurdas?

54 PENSANDO RACIONALMENTE
Isso iniciou o campo da lógica. O campo foi muito expandido no século XIX por Boole, Pascal, Bayes, etc. Existem dois problemas com esta abordagem: Dificuldade de definir conhecimento informal de forma a colocá-lo na notação lógica (especialmente quando o conhecimento não é 100% preciso). Existe uma grande diferença entre resolver um problema na teoria e na prática.

55 O que é inteligência? Quem é mais inteligente? Seu médico ou sua empregada doméstica? Seu advogado ou sua criança de 1 ano? Kasparov ou Ronaldinho? 1997 2 x 1 2050? 2 x 1

56 www.robocup.org Novo desafio benchmark e teste de Turing para IA.
Competição anual associada a conferência de IA.

57 IA NO BRASIL Fracamente representada nas graduações em computação:
Uma disciplina obrigatória depois do sexto período. Ementa restrita. Economicamente ainda incipiente por falta de demanda ou de profissionais bem formados? Visão “distorcida e incompleta”. No exterior mercado fatura alto.

58 Faturamento da indústria da IA:
Bilhões de dólares. fonte: Empresas especializadas em IA: Grandes empresas desenvolvendo e utilizando IA: IBM, HP, Sun, Microsoft, Unisys, Google, Amazon.com, ... Grandes empresas utilizando IA: Wal-Mart, US Bancorp, LucasArts, American Express... Órgãos governamentais utilizando IA: US National Security Agency

59 Pluridisciplinaridade da IA
Classificação Previsão Monitoramento Diagnóstico e Interpretação Conserto Escalonamento Alocação Filtragem Descoberta Design Controle Simulação Tarefas Filosofia Matemática Lógica Probabilidade Estatística Cálculo Pesquisa Operacional Economia Sociologia Lingüística Psicologia Biologia Automação e Controle Computação tradicional Inspiração Jogos Sistemas Especialistas Percepção Computacional Visão Processamento de Voz Integração de Sensores Processamento de Linguagem Natural Robótica Navegação Manipulação Aplicações Busca heurística Representação do conhecimento Raciocínio automático Planejamento Aprendizagem e aquisição de conhecimento Sistemas multiagente Reconhecimento de padrões Problemas

60 Ed Outromundo Feito pela Insite para a Petrobras.
Equipe de especialistas em diversas áreas como Inteligência Artificial, Computação Gráfica, Lingüística, além de um grupo de escritores, profissionais da área de petróleo, gás e energia e até uma psicóloga.

61 Ed Outromundo - OBJETIVO
Criar para o cliente (CONPET/Petrobras) um personagem virtual capaz de conversar com os usuários no site, em português, como se fosse um personagem real. Voltado para o público infanto-juvenil, capaz de ensinar, entreter e responder questões relacionadas aos assuntos de utilização racional dos derivados do petróleo e do gás natural, preservação de energia, meio ambiente, projetos e dicas de economia.

62 Ed Outromundo Utilizou-se técnicas de inteligência artificial aperfeiçoando o software InBot, que vêm sendo desenvolvido pelo Grupo de Lingüística da Insite desde 1998.

63 Passos para criação do personagem:
1. Levantamento de dados. 2. Elaboração do perfil psicológico e de conteúdo do personagem. 3. Elaboração gráfica (ilustrações e 3D). 4. Elaboração do manual de redação e estilo. 5. Programação da Base de Conhecimento (ensinar ao personagem sobre os assuntos relacionados ao conteúdo). 6. Criação da interface de comunicação com o usuário no site. 7. Manutenção do conteúdo e do personagem.

64 Sete Zoom Modelo Virtual (UNILEVER)
Criada pela Insite para a Gessy Lever. O projeto consistiu na criação da inteligência e conhecimento da personagem que tem a função de interagir com os internautas que acessam o site da Close Up.

65 Sete Zoom Mais de 1 milhão de frases conversadas em apenas 2 meses.
Mais de 40 matérias publicadas na imprensa. A mais famosa modelo virtual brasileira 7 escritores, 1 roteirista, 2 programadores. 2 meses de desenvolvimento. Respostas para mais de 95% das frases dos usuários.

66 Sete Zoom Diversos conceitos existentes em uma conversa humana foram incorporados no programa como memória, contexto, aprendizado e aparente elaboração de idéias a partir de um assunto. As respostas dadas pelo programa são criadas a partir de uma personalidade (consciência sintética) e de uma base de conhecimento criada pela equipe de escritores e programadores. As frases com respostas são escolhidas e montadas automaticamente pelo programa de forma tão realística que fazem com que os usuários do chat fiquem em dúvida se estão conversando com uma pessoa ou com um programa de computador. Mais de uma hora de conversação sem que o visitante percebesse que estava dialogando com um programa de computador.

67 PASSOS PARA O DESENVOLVIMENTO
Definição do perfil do personagem. Definição das áreas de conhecimento (conteúdo). Coleta do conteúdo. Acompanhamento das conversas pelos logs e relatórios. Manutenção de conteúdo.

68 MÉTODOS NÃO INFORMADOS DE BUSCA
Não utilizam qualquer conhecimento específico do problema. Chamados de busca cega.

69 Raciocínio Baseado em Regras
Representação do conhecimento para a resolução do problema através de regras: se... então (regras de produção) Exemplo: se o motor não roda, e as luzes não acendem então o problema está nos cabos da bateria

70 Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo)
Base de Conhecimento Memória de Trabalho Regra 1: se o motor tem combustível, e o motor trabalha então o problema é nas velas Regra 2: se o motor não trabalha, e as luzes não ligam o problema é nos cabos da bateria Regra 3: se as luzes ligam o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível o motor tem combustível O problema é X

71 Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo)
Base de Conhecimento Memória de Trabalho Regra 1: se o motor tem combustível, e o motor trabalha então o problema é nas velas Regra 2: se o motor não trabalha, e as luzes não ligam o problema é nos cabos da bateria Regra 3: se as luzes ligam o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível o motor tem combustível o motor tem combustível o motor trabalha o problema é nas velas

72 Diagnóstico de Avarias em Automóveis (Raciocínio Para Trás - Orientado ao Objetivo)
Base de Conhecimento Memória de Trabalho Regra 1: se o motor tem combustível, e o motor trabalha então o problema é nas velas Regra 2: se o motor não trabalha, e as luzes não ligam o problema é nos cabos da bateria Regra 3: se as luzes ligam o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível o motor tem combustível o depósito tem combustível o carburador tem combustível o motor tem combustível o motor trabalha o problema é nas velas

73 O sistema irá perguntar ao utilizador acerca da veracidade de:
Neste ponto não existem regras cuja conclusão unifique com as frases na memória de trabalho. O sistema irá perguntar ao utilizador acerca da veracidade de: O depósito tem combustível? O carburador tem combustível? O motor está a trabalhar?

74 Grafo e/ou para a procura da solução
O problema é X Regra1: o problema é nas velas Regra1: o problema é nos cabos da bateria Regra1: o problema é no motor de arranque o motor tem combustível o motor trabalha o motor não trabalha as luzes não acendem o motor não trabalha as luzes acendem Regra4: o motor tem combustível o depósito tem combustível o carburador tem combustível

75 Explicação Perguntas: porquê (última regra em prova)
como (sequência de passos para a conclusão) Suponhamos as seguintes respostas às perguntas: O depósito tem combustível? Sim O carburador tem combustível? Sim O motor está a trabalhar? Porquê? Sistema: Foi estabelecido que 1. o motor tem combustível. Se 2. o motor trabalha então o problema é nas velas.

76 O sistema chegou à conclusão: o motor tem combustível
Podemos perguntar: como o motor tem combustível? Sistema: Isto resulta da regra 4: se o depósito tem combustível, e o carburador tem combustível então o motor tem combustível. O depósito tem combustível foi confirmado pelo utilizador. O carburador tem combustível foi confirmado pelo utilizador.

77 Diagnóstico de Avarias em Automóveis (Raciocínio Para a Frente - Orientado aos Dados)
Base de Conhecimento Memória de Trabalho Regra 1: se o motor tem combustível, e o motor trabalha então o problema é nas velas Regra 2: se o motor não trabalha, e as luzes não ligam o problema é nos cabos da bateria Regra 3: se as luzes ligam o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível o motor tem combustível O motor tem combustível (é derivável) O motor trabalha (não)

78 Diagnóstico de Avarias em Automóveis (Raciocínio Para a Frente - Orientado aos Dados)
Base de Conhecimento Memória de Trabalho Regra 1: se o motor tem combustível, e o motor trabalha então o problema é nas velas Regra 2: se o motor não trabalha, e as luzes não ligam o problema é nos cabos da bateria Regra 3: se as luzes ligam o problema é no motor de arranque Regra 4: se o depósito tem combustível, e o carburador tem combustível o motor tem combustível o carburador tem combustível (sim) o depósito tem combustível (sim) O motor tem combustível o motor trabalha (sim) o problema é das velas

79 Grafo para a procura da solução
Primeira iteração Mem. Trabalho Regra1 Regra4 Regra2 Regra3 Falha Falha Dispara Segunda iteração Mem. Trabalho... Regra4 Regra1 Regra3 Regra2 O problema é nas velas Sai pois nenhuma regra unifica

80 Raciocínio Baseado em Modelos
Substitui heurísticas na resolução de um problema. A análise é fundamentada diretamente na especificação e funcionalidade do sistema físico (um modelo do sistema). Normalmente aplica-se no diagnóstico. O sistema é simulado assim como a estrutura e funcionamento das suas componentes. Representação do conhecimento para a resolução do problema através de regras se... então (regras de produção). Exemplo: se o motor não roda, e as luzes não acendem então o problema está nos cabos da bateria

81 Raciocínio Baseado em Casos
Regras heurísticas e modelos teóricos são dois tipos de informação que os peritos humanos utilizam para resolver problemas. Outra estratégia utilizada é o raciocínio baseado em casos (Case-Based Reasoning - CBR) Utiliza uma base de dados com soluções de problemas para resolver novas situações. Exemplos: medicina, justiça, arquitetura, programação de computadores, história...

82 ALGORITMO DE INFERÊNCIA
Procurar casos similares na memória cuja solução pode ser aplicada à nova situação (características comuns). Modificar um desses casos para aplicar à situação nova (alterar sequência dos passos que levam de um estado inicial a um estado final). Aplicar o caso transformado ao novo problema. Guardar a solução com uma medida do sucesso ou insucesso para uso futuro.

83 RACIOCÍNIO BASEADO EM REGRAS
VANTAGENS modo direto modular desempenho facilidades de explicação as regras encaixam-se naturalmente na procura num espaço de estados o processo de inferência é fácil de seguir e depurar os passos para a solução do problema são facilmente inspecionáveis

84 RACIOCÍNIO BASEADO EM REGRAS
DESVANTAGENS regras altamente heurísticas, falta de profundidade não manuseiam falta de informação ou valores inesperados muito específico na aplicação

85 RACIOCÍNIO BASEADO EM CASOS
Vantagens: codificação direta de conhecimento histórico permite atalhar a resolução a partir de um caso apropriado não necessitando de todo o processo de resolução do problema evita erros do passado e explora os sucessos (aprendizagem) não é necessária uma análise extensiva do domínio do conhecimento aquisição de conhecimento e sua codificação relativamente fáceis Desvantagens: explicação difícil desempenho computacional (bases de dados extensas) difícil definir critérios de similaridade

86 Raciocínio Baseado em Modelos
vantagens: uso de conhecimento funcional/estrutural robustez (ao contrário do baseado em regras) algum conhecimento é transferível entre tarefas (teorias genéricas...) explicação causal desvantagens: falta de conhecimento heurístico requer um modelo explícito do domínio (nem sempre é possível) complexidade situações excepcionais (um componente avariado)

87 RACIOCÍNIO BASEADO EM REPRESENTAÇÕES HÍBRIDAS
regras + casos regras + modelos modelos + casos

88 REPRESENTAÇÃO DO CONHECIMENTO

89 TIPOS DE CONHECIMENTO Conhecimento Procedimental
Conhecimento Declarativo Metaconhecimento Conhecimento Heurístico Conhecimento Estrutural