A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

CIn- UFPE 1 Engenharia do Conhecimento Conceitos básicos Etapas de desenvolvimento de Sistemas Baseados em Conhecimento Aquisição de Conhecimento Exemplo.

Apresentações semelhantes


Apresentação em tema: "CIn- UFPE 1 Engenharia do Conhecimento Conceitos básicos Etapas de desenvolvimento de Sistemas Baseados em Conhecimento Aquisição de Conhecimento Exemplo."— Transcrição da apresentação:

1 CIn- UFPE 1 Engenharia do Conhecimento Conceitos básicos Etapas de desenvolvimento de Sistemas Baseados em Conhecimento Aquisição de Conhecimento Exemplo de construção de base de conhecimento Ontologias e reuso de conhecimento Metodologias de aquisição de conhecimento e de construção de ontologias

2 CIn- UFPE 2 Desenvolver software inteligente Projeto: Modelar tarefa em termos de ambiente, percepções, ações, objetivos e utilidade Identificar o tipo (complexidade) de ambiente Identificar a arquitetura de agente adequada ao ambiente e tarefa Implementação Escolher um formalismo de representação do conhecimento Implementar base de conhecimento do gerador e o simulador de ambientes Implementar base de conhecimento de cada componente do agente (vários tipos de conhecimento) Testar o desempenho com diferentes instâncias do ambiente

3 CIn- UFPE 3 Engenharia do Conhecimento Estuda como construir Sistemas Baseados em Conhecimento (SBC) Base de Conhecimento Máquina de Inferência Engenheiro de conhecimento Guia a Aquisição do conhecimento sobre o domínio escolhido e determina quais conceitos são importantes Cria a Base de Conhecimento –representações dos conceitos (fatos e regras) em alguma linguagem de Representação do Conhecimento É responsável pela Implementação e pelo Refinamento do SBC

4 CIn- UFPE 4 Engenharia do Conhecimento: Etapas de Construção dos SBC Nível de Conhecimento Nível Lógico Nível de Implementação BC AQUISIÇÃO FORMALIZAÇÃO IMPLEMENTAÇÃO REFINAMENTO linguagem natural linguagem de representação de conhecimento linguagens de programação

5 CIn- UFPE 5 Engenharia do Conhecimento: Etapas de Construção dos SBC Vimos um pouco de Implementação: Regras de produção e Prolog Formalização: Lógica de Primeira Ordem Resta-nos ver então as fases de Aquisição e Organização do conhecimento do domínio escolhido

6 CIn- UFPE 6 Aquisição de Conhecimento Aquisição/Explicitação de conhecimento Espécie de Engenharia de Requisitos mais complexa Principais fases da Aquisição: identificar características do problema isolar os conceitos principais e suas relações (ontologia) identificar inferências sobre estes conceitos Conhecimento pode originar-se de várias fontes: Entrevistas com especialistas, livros e documentos, filmes, etc.

7 CIn- UFPE 7 Aquisição: Gargalo na construção de SBCs Dificuldade de introspecção O especialista quase nunca está ciente de como usa o conhecimento e tem dificuldade de verbalizar sob pressão Algumas soluções são intuitivas ou “compiladas”. Uso de vocabulário próprio (jargão) O conhecimento expresso pode ser irrelevante quantidades enormes de informações supérfluas são coletadas, para em seguida serem organizadas. O conhecimento expresso pode ser incompleto, incorreto ou inconsistente Métodos de aquisição - 3 categorias: Manual, Semi-automático e Automático

8 CIn- UFPE 8 Aquisição Manual Entrevistas estruturadas ou não estruturadas Tracking methods Observação e análise do domínio, leitura de documentos, etc. especialista Base de conhecimento Engenheiro de conhecimento documentação codificação explicitação

9 CIn- UFPE 9 Aquisição Semi-automática Ajuda ao engenheiro de conhecimento (editores, documentadores, etc.) Ajuda ao especialista (grid repertory analysis) especialistaFerramentas interativas de entrevista Base de conhecimento Engenheiro de conhecimento

10 CIn- UFPE 10 Aquisição Automática Aprendizagem de Máquina (Machine Learning) Algoritmos de aprendizagem automática “induzem”as regras a partir de exemplos do domínio. Aqui não há aquisição por parte do Engenheiro de Conhecimento. Casos e exemplosIndução automáticaRegras

11 CIn- UFPE 11 Construindo Bases de Conhecimento Toda BC tem dois “consumidores”: usuários procedimentos de inferência Uma BC deve: ser clara e correta representar apenas objetos e relações relevantes idealmente, ser codificada separada do procedimento de inferência (modularidade, reusabilidade) melhorar a eficiência do processo de inferência O processo de inferência deve fornecer a mesma resposta, independente de como a base foi codificada

12 CIn- UFPE 12 Engenharia de Conhecimento 1) Decida sobre o que falar 2) Escolha o vocabulário de predicados, funções e constantes (Ontologia do Domínio) 3) Codifique o conhecimento genérico sobre o domínio (axiomas)  x,y,z Americano(x)  Arma(y)  Nação(z)  Hostil(z)  Vende(x,z,y)  Criminoso(x) 4) Codifique uma descrição de uma instância específica do problema Nação(Cuba), Nação(USA) 5) Proponha questões para o procedimento de inferência e obtenha respostas West é criminoso?

13 CIn- UFPE 13 Um Exemplo: Circuitos Digitais Objetivo: determinar se o circuito está de acordo com sua especificação (o circuito acima é um somador) responder a perguntas sobre o valor da corrente em qualquer ponto do circuito

14 CIn- UFPE 14 Decida sobre o que falar Para alcançar o objetivo, é relevante falar sobre circuitos, terminais, sinais nos terminais, conexões entre terminais Para determinar quais serão esses sinais, precisamos saber sobre: portas e tipos de portas: AND, OR, XOR e NOT Não é relevante falar sobre: fios, caminhos dos fios, cor e tamanho dos fios, etc.

15 CIn- UFPE 15 Decida qual vocabulário usar Nomear os objetos e relações do domínio com funções, predicados e constantes constantes –distinguir as portas : X1, X2... –distinguir os tipos de porta: AND, OR, XOR... funções e predicados – tipo de uma porta: Tipo(X1) = XOR, Tipo(X1, XOR), XOR(X1) –indicar entradas e saídas: Out(1, X1), In(1, X2) – indicar conectividade entre portas: Conectado(Out(1, X1), In(1, X2))

16 CIn- UFPE 16 Codifique regras genéricas (1) (1) Dois terminais conectados têm o mesmo sinal:  t1, t2 Conectado(t1, t2)  Sinal(t1) = Sinal(t2) (2) O sinal de um terminal é On ou Off (nunca ambos)  t Sinal(t) = On  Sinal(t) = Off, On  Off (3) Conectado é um predicado comutativo  t1,t 2 Conectado(t1, t2)  Conectado(t2, t1) (4) Uma porta OR está On sse qualquer das suas entradas está On:  g Tipo(g) = OR  Sinal(Out(1,g)) = On  n Sinal(In(n,g))=On (5) etc...

17 CIn- UFPE 17 Codifique a instância específica Portas: Tipo(X1) = XOR Tipo(X2) = XOR Tipo(A1) = AND Tipo(A2) = AND Tipo(O1) = OR Conexões: Conectado(Out(1,X1),In(1,X2)) Conectado(Out(1,X1),In(2,A2)) Conectado(Out(1,A2),In(1,O1))...

18 CIn- UFPE 18 Proponha questões ao Procedimento de Inferência Que entradas causam Out(1,C1) = Off e Out(2, C1) = On?  i1, i2, i3 Sinal(In(1,C1)) = i1  Sinal(In(2,C1)) = i2  Sinal(In(3,C1)) = i3  Sinal(Out(1,C1)) = Off  Sinal(Out(2,C1) = On Resposta: (i1 = On  i2 = On  i3 = Off)  (i1 = On  i2 = Off  i3 = On)  (i1 = Off  i2 = On  i3 = On)

19 CIn- UFPE 19 O que é uma ontologia? formal explícita concepção compartilhada Definição: especificação (semi-)formal explícita de uma concepção compartilhada Concepção:Concepção: modelo das entidades, relações, axiomas e regras de algum domínio Formal:Formal: –processável por máquina –permitindo raciocínio automático –com semântica lógica formal Compartilhada:Compartilhada: por uma comunidade, permitindo entendimento Conceitos de computação relacionados: Base de conhecimento reutilizável Esquema de banco de dados

20 CIn- UFPE 20 Elementos de uma ontologia Hierarquia de conceitos: entidades –cada entidade definida por conjunto de pares atributo-valor –correspondem: –as classes dos modelos orientado a objetos –as entidades do modelo relacional –aos termos do modelo lógico –atributos propriedades x atributos relações –preenchidos por valores atômicas (tipos primitivos) x por outros conceitos –Status epistemológico do valor –Exatamente conhecida, default, probabilista relações –sem hierarquia x em hierarquia paralela a hierarquia de entidades –correspondem: –associações, agregações e atributos dos modelos OO cujos valores são objetos –as relações do modelo relacional –aos predicados do modelo lógico

21 CIn- UFPE 21 Elementos de uma ontologia Restrições: sobre valores possíveis dos atributos do conceitos correspondem: –as assinaturas de classes em modelos OO –as axiomas universalmente quantificados em modelos lógicos –as restrições de integridade nos esquema de BD Regras dedutivas: sobre atributos de (conjunto de) conceitos permitem inferência automática da existência de instâncias de conceitos a partir da existência de outras instâncias correspondem: –as regras dos sistemas especialistas e programação em lógica –aos métodos dos modelos OO –as visões em BD

22 CIn- UFPE 22 Elementos de uma ontologia Instâncias de conceitos: definição de entidade e relações específicos (indivíduos) correspondem: –aos fatos de sistemas especialistas e programação em lógica –aos objetos dos modelos OO –aos dados dos BD Estratégias de resolução de problemas (PSM) Métodos abstratos para resolver determinadas classes de problemas correspondem: –abstrações de rotinas de máquina de inferência –design patterns para raciocínio automático –meta-dados descrevendo classes de procedimentos –ex, generate and test,

23 CIn- UFPE 23 Exemplo de Estratégia de Resolução de Problema Estratégia de classificação heurística observaçõessoluções abstrairrefinar abstrações de observações abstrações de soluções casamento heurístico

24 CIn- UFPE 24 Serviços suportados por uma ontologia Consultas e manipulação: correspondem: –métodos de acesso a valor e de reflexão em linguagens OO –consultas de interrogação e manipulação em BD –ask, tell e retract das bases de conhecimento sobre conceitos: –Quais são as entidades E relacionadas a entidade e0 via relações r1, r2? –Quais são as relações R mais gerais que r1? –Definição d de entidade E é consistente com o resto da ontologia? sobre instâncias –um indivíduo I com propriedades P1,..., Pn é instância de quais conceitos? Raciocínio automático geralmente dedutivo

25 CIn- UFPE 25 Origem e motivação para ontologias Gerenciamento do Conhecimento em Organizações desde 90 Integração de Dados desde 95 Sistemas Multi-agentes desde 95 Recuperação de Informação na Web desde 00 Psicologia Cognitiva desde 60 Lingüística desde 60 Sistemas Especialistas desde 80 Processamento de Linguagem Natural desde 80 Ontologias Filosofia desde 350 A.C. Engenharia de Software: requisitos e reuso desde 90

26 CIn- UFPE 26 Tipologia das ontologias Especialista: Especialista: modela um domínio particular restrito Geral: Geral: modela o conhecimento de senso comum compartilhado por todos os seres humanos parte de mais alto nível, reutilizável em vários domínios Conceitual: Conceitual: fundamentada na capacidade de raciocinar Lingüística: Lingüística: fundamenta no vocabulário de uma(s) língua(s) De meta-dados: De meta-dados: “especializada” na descrição de recursos on-line, no entanto sobre qualquer domínio De tarefas e métodos: De tarefas e métodos: modela procedimentos e comportamentos abstratos no lugar de entidades ou relações

27 CIn- UFPE 27 Sub-problemas de modelagem de uma ontologia geral Categorias e conjuntos Medidas Objetos compostos Tempo Espaço Mudanças Eventos e processos Objetos físicos Substâncias Objetos mentais e crênças

28 CIn- UFPE 28

29 CIn- UFPE 29 Ontologias Genéricas: Categorias Também chamadas de classes, relações, tipos... conjuntos de objetos com propriedades comuns organiza e simplifica a base de conhecimento. Exemplos de simplificação: comprar(Maçã 123 ) x comprar(Maçã) - classe-instância Todo mamífero bebe leite - herança Taxonomia: tipo particular de ontologia: –relações hierárquicas entre classe e sub-classes em forma de árvores propriedades discriminantes –ex. biologia sistemática

30 CIn- UFPE 30 Relações entre Categorias Disjunção: não há interseção entre as categorias  s Disjunção(s)  (  c 1,c 2 c 1  s  c 2  s  c 1  c 2  c 1  c 2 =  ) ex. Disjunção({Animais, Vegetais}) Decomposição exaustiva  s,c DecomposiçãoExaustiva(s,c)  (  i. i  c   c 2 c 2  s  i  c 2 ) ex. DecomposiçãoExaustiva({Americano, Canadense, Mexicano}, Norte-Americano) Partição: decomposição exaustiva disjunta  s,c Partição(s,c)  Disjunção(s) DecomposiçãoExaustiva(s,c) ex.. Partição(({macho, fêmea}), animal)

31 CIn- UFPE 31 Ontologias Genéricas: também podem representar Medidas Valores atribuídos às propriedades dos objetos do mundo real: peso, comprimento, altura, etc... Objetos compostos formados por partes que também são objetos: relação “parte-de”. Mudanças com eventos Cálculo de eventos: um fato é verdade em um intervalo de tempo.

32 CIn- UFPE 32 Medidas Valores atribuídos aos objetos do mundo real: servem para descrever objetos ex. peso, comprimento, altura, diâmetro,... Medidas quantitativas são fáceis de representar ex. Tamanho(L 1 ) = Polegadas(1,5) = Centímetros (3,81) Medidas qualitativas são mais complicadas ex. beleza de um poema, dificuldade de um exercício O importante é ordenar  e 1, e 2 e 1  Exercícios  e 2  Exercícios  Elabora(João,e 1 )  Elabora(Pedro,e 2 )  Dificuldade(e 1 ) < Dificuldade(e 2 )

33 CIn- UFPE 33 Objetos Compostos Objetos formados por partes que também são objetos São caracterizados pela estrutura dos objetos que os compõem ex. massa de um carro é a soma das massas de suas partes(carroceria, motor, pneu,...) Para representá-los, usamos a relação ParteDe e.g., ParteDe(motor, Carro), ParteDe(pneu, Carro) Exemplo:  a Bipede(a)   l1, l2, b Perna(l1)  Perna(l2)  Corpo(b)  ParteDe(l1,a)  ParteDe(l2,a)  ParteDe(b,a)  Ligado(l1,b)  Ligado(l2,b)  l1  l2   l3 Perna(l3)  ParteDe(l3,a)  (l3 = l1  l3 = l2)

34 CIn- UFPE 34 Objetos Compostos ParteDe também serve para descrever estrutura de eventos: Script ou Schema ex. comer no restaurante Quando se está interessado apenas nas características do conjunto: BunchOf ex. peso do saco de Maçãs BunchOf(Maçãs) define um objeto composto formado pelas Maçãs do saco.

35 CIn- UFPE 35 Representando Mudanças com Eventos Cálculo de situações: adequado quando temos um único agente realizando ações discretas e instantâneas (uma ação por situação). inadequado quando: –existem vários agentes no mundo. –o mundo pode mudar espontaneamente. –mudanças ocorrem continuamente. Cálculo de eventos: versão contínua do calculo de situações No cálculo de situações, um fato é verdade em uma situação No cálculo de eventos, uma coisa é verdade num intervalo de tempo –ex. SubEvento(BatalhaDaNormandia,SegundaGuerraMundial) SubEvento(SegundaGuerraMundial, SéculoXX)

36 CIn- UFPE 36 Representando Mudanças com Eventos

37 CIn- UFPE 37 Tempos, Intervalos e Ações Meet(i,j) i j Before(i,j) After(j,i) i j During(i,j) i j Overlap(i,j) i j

38 CIn- UFPE 38 Cálculo de Eventos: Exemplos Se duas pessoas ficaram noivas, então em algum intervalo no futuro elas irão se casar ou acabar o noivado:  x,y,i 0 T(Noivado(x,y),i 0 )   i 1 (Encontra(i 0,i 1 )  Depois(i 1,i 0 ))  T(Casamento(x,y)  FimNoivado(x,y), i 1 ) A segunda guerra de Canudos ocorreu na Bahia no século XIX  g g  Guerras  SubEvento(g,SéculoXIX)  ParteDe(Localização(g),Bahia)

39 CIn- UFPE 39 Problemática geral e questões sobre ontologias Divisão: como delimito as classes e os atributos? quais são as distinções que trazem valor agregado? Escopo: qual conhecimento incluir? qual a fronteira do meu domínio? Granularidade: até que nível de detalhe modelar os domínio? problema da ramificação? Validação: como avalio a qualidade do modelo? como escolho entre várias modelagem alternativas (as vezes propostas por pessoas diferentes)?] como identificar aspectos importantes que estão faltando?

40 CIn- UFPE 40 Problemática geral e questões sobre ontologias Muito difícil responder a essas perguntas porque: Almejados reuso e relativa independência de aplicação impedem ser guiado completamente pelos requisitos de uma aplicação restrita Para ontologias gerais de senso comum pior devido a imensidão em largura e profundidade do conhecimento a modelar Metodologias ainda incipientes Methontology: Sensus: language/resources/sensus.html language/resources/sensus.html No entanto, já existe tentativa de padronização:

41 CIn- UFPE 41 CommonKADS Pesquisa colaborativa na União Européia (+15 anos) Utiliza fórmulas e ontologias para representar o conhecimento Utiliza diagramas baseados em UML Diagrama de classes Diagrama de estados Diagrama de atividades Possui seis modelos Modelo organizacional Modelo de tarefas Modelo de agentes Modelos de “expertises” Modelos de comunicação Modelo de projeto

42 CIn- UFPE 42 CommonKADS: Modelos

43 CIn- UFPE 43 CommonKADS Modelo organizacional: Analisar a organização Modelo de tarefas Descreve as tarefas a serem executadas Distribui as mesmas entre os agentes Modelo de agentes É o executor do modelo de tarefas Descreve as capacidades e características dos agentes Modelo de Comunicação: Troca de mensagens Modelo de expertise: É o foco da metodologia 3 sub-níveis –Conhecimento do domínio: Conceitos, Propriedades, Relações –Conhecimento da inferência –Conhecimento da tarefa Modelo de projeto de base de conhecimento Descreve a arquitetura e o projeto


Carregar ppt "CIn- UFPE 1 Engenharia do Conhecimento Conceitos básicos Etapas de desenvolvimento de Sistemas Baseados em Conhecimento Aquisição de Conhecimento Exemplo."

Apresentações semelhantes


Anúncios Google