A apresentação está carregando. Por favor, espere

A apresentação está carregando. Por favor, espere

1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros.

Apresentações semelhantes


Apresentação em tema: "1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros."— Transcrição da apresentação:

1 1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros

2 2 Plano de Aula Histórico e Conceitos Básicos Engenharia de Conhecimento em uma BC Um exemplo de Metodologia Conclusão

3 3 Sistemas Baseados em Conhecimento SBCs são sistemas que usam conhecimento especializado representado explicitamente para resolver problemas complexos São sistemas capazes de... Questionar o usuário Raciocinar com base no conhecimento disponível Explicar seu raciocínio ao usuário “Lidar” com seus erros

4 4 Relembrando... Sistemas BC X Agentes BC Sistemas baseados em conhecimento Têm uma base de conhecimento e uma máquina de inferência associadas Formalizam e implementam parte dos agentes BC Qual a diferença? Agentes interagem com o ambiente onde estão imersos através dos sensores e atuadores

5 5 Um Pouco de História... No início, a IA estava preocupada em desenvolver Formalismos para representar conhecimento Mecanismos de Inferência Formas de operacionalizar os SBCs Mas... Como garantir a escalabilidade desses sistemas?

6 6 Engenharia do Conhecimento -EC Área de pesquisa preocupada com desenvolver Métodos, Linguagens e Ferramentas adequados para o desenvolvimento de sistemas BC Foco principal: como adquirir, analisar, validar e manter uma Base de Conhecimento Construção da Base de Conhecimento Processo de acumular, transferir e transformar alguma fonte de conhecimento para um computador

7 Uma Área Multidisciplinar!

8 8 EC lida com dois tipos de sistemas SEs = Sistemas Especialistas SBCs SEs Representam conhecimento do domínio de forma explícita Aplicam conhecimento especializado na solução de problemas complexos

9 9 Etapas do desenvolvimento de SBCs 1. Construção da base de conhecimento Aquisição de conhecimento Representação do conhecimento (formalização) 2. Implementação do sistema Codificação Construção do sistema de explicação, interface, etc. 3. Refinamento e validação

10 10 Etapas do desenvolvimento de SBCs mais detalhes Planejamento do sistema Identificação do Domínio Seleção da equipe Seleção da ferramenta de desenvolvimento 2. Aquisição do conhecimento Identificação do conhecimento a adquirir Conceituação Formalização da BC

11 11 Etapas do Desenvolvimento de SBCs mais detalhes Implementação Criação de uma representação do conhecimento Implementação da Interface Documentação 4. Validação e Refinamento Validação Refinamento E tudo começa novamente...

12 12 BC Como o Conhecimento é Processado? Nível de Conhecimento Nível Lógico Nível de Implementação AQUISIÇÃO FORMULAÇÃO IMPLEMENTAÇÃO REFINAMENTO

13 13 Engenharia do Conhecimento Mais detalhes...

14 14 EC - Conceitos Básicos Engenheiro de conhecimento Guia a aquisição, a criação da representação do conhecimento especializado, a implementação e o refinamento do SBC Expertise conhecimento especializado adquirido por longo treinamento, leitura e experiência Especialista (Expert ) Quem possui conhecimento especializado, experiência e métodos, e a habilidade de aplicá-los para dar “conselhos” e resolver problemas

15 15 EC - Conceitos Básicos Há diferentes “tipos” de conhecimento Que devem ser representados separadamente!  Conhecimento ontológico, conhecimento do domínio,... Qual a forma de representação adequada?  Ontologias, Bases de conhecimento,... Há diferentes tipos de especialistas e de expertise Como elicitar os diferentes “conhecimentos”? Há vários usos para conhecimentos semelhantes Reusabilidade é a chave!

16 Construindo uma BC Elicitação do conhecimento Formalização do conhecimento Implementação do sistema BC Nível do conhecimento : Nos termos do especialista do domínio de aplicação Linguagem natural, Notações gráficas ad-hoc Nível semi-formal: Notação textual estruturada padrão (XML) Notação gráfica padrão (UML) Validação com especialista Nível formal: Notação sem ambigüidade com semântica formalmente definida (Lógica, Probabilidades) Verificação de consistência Nível da implementação: Codificação em uma linguagem de programação Teste de protótipo

17 Artefatos e Tarefas Envolvidos Elicitação do conhecimento Formalização do conhecimento Implementação do sistema BC Nível do conhecimento : Nos termos do especialista do domínio de aplicação Linguagem natural, Notações gráficas ad-hoc Nível semi-formal: Notação textual estruturada padrão (XML) Notação gráfica padrão (UML) Validação com especialista Nível formal: Notação sem ambigüidade com semântica formalmente definida Verificação de consistência Nível da implementação: Codificação em uma linguagem de programação Teste de protótipo Entrevistas estruturadas com especialista Preparação de dados Ontologias Linguagens semi-formais de representação do conhecimento Linguagens formais de representação do conhecimento Aprendizagem de Máquina Compiladores Máquinas de inferências Aprendizagem de Máquina

18 18 Reuso de conhecimento Reuso de conhecimento é imperativo: A Base de Conhecimento é a parte mais cara de um SBC  O resto já está “semi-pronto”... Necessidade de reuso em domínios com grande número de conceitos e relações ex: Medicina Observação: queremos reusar o conhecimento que já está formalizado em uma representação baseada em algum formalismo para rep. conhecimento

19 19 Dificuldades com Reuso Utilização de formalismos diferentes dificulta o reuso Falta de interoperabilidade entre formalismos, mesmo entre os orientados a domínio Contudo, formalismo diferentes apresentam certa similaridade expressiva Como ter reuso no nível de conhecimento? Como abstrair formalismos? Solução visando reuso no nível do conhecimento: Ontologias!

20 20 Ontologias Bem de leve... Nota: os slides sobre esse tema foram copiados/adaptados de aulas do prof. Fred Freitas

21 21 Formalismos de Representação de Conhecimento Objetivo: Prover teorias (fundamentadas em lógica matemática) e sistemas para expressar e manipular conhecimento declarativo de forma tratável e eficiente computacionalmente

22 22 Tipos de formalismos em relação ao foco Formalismos orientados a predicados regras e programação em lógica  Pioneiros  Foco no processo, funcionamento Formalismos orientados a domínios frames, redes semânticas, lógica de descrições  Classes, relações e restrições  Facilitam a estruturação de conhecimento sobre um domínio de aplicação

23 23 Sistemas baseados em conhecimento Principais sistemas de raciocínio declarativos/dedutivos regraslógicaobjetoshíbridos Programação em lógica Sistemas de produção Sistemas de manutenção da verdade Provadores de teorema Sistemas Redes Semânticas Sistemas Frames Sistemas de Lógica descritiva Sistemas OO regras+objetos lógica+objetos lógica+objetos+funções

24 24 Ontologias Termo oriundo da filosofia Ramo da filosofia que lida com a natureza e organização da realidade Categorias de Aristóteles taxonomia para os objetos do mundo Em informática e inteligência artificial, ganha um senso mais prático Organização de conhecimento manipulável

25 25 O que é uma Ontologia? Corpo de conhecimento declarativo sobre um dado domínio, assunto ou área de conhecimento Materialização do nível de conhecimento em um sistema BC Define um domínio, visando maximizar o reuso dessas definições Idealmente, não deve refletir nenhum formalismo Na prática, são hierarquias de conceitos (classes) com suas relações, restrições, axiomas e terminologia associada

26 26 Definições de Ontologia Hierarquia de conceitos (classes) com suas relações, restrições, axiomas e terminologia associada [Huhns & Singh 97]

27 27 Exemplo da Ontologia Ciência

28 28 Relacionamentos na Ontologia Ciências

29 29 Definições de Ontologia (cont.) O termo é às vezes mal-empregado Ontologias não são: Simples hierarquias Conjuntos de conceitos associados a palavras-chave Esquemas de bancos de dados

30 30 Definições de Ontologia (cont.) “Uma ontologia é uma especificação explícita e formal de uma conceitualização compartilhada” [Studer et al 98] Especificação explícita: definições declarativas de conceitos, instâncias, relações, restrições e axiomas Formal: declarativamente definida, sendo compreensível e manipulável para agentes e sistemas Conceitualização: modelo abstrato de uma área de conhecimento ou de um universo limitado de discurso Compartilhada: conhecimento consensual, seja uma terminologia comum da área modelada, ou acordada entre os desenvolvedores dos agentes que se comunicam

31 31 Usos de Ontologias Materialização do nível de conhecimento em um sistema BC Muito útil na fase de Aquisição do conhecimento Estruturar o conhecimento adquirido através da representação das classes do domínio com suas relações, restrições, axiomas e terminologia associada Comunicação em nível de conhecimento Serve como “vocabulário” compartilhado numa comunicação entre agentes inteligentes

32 32 Usos e Benefícios das Ontologias Incorporação de conhecimento é facilitada, inclusive de linguagem natural Permitir reuso massivo de conhecimento (de representações) entre formalismos de representação diferentes Codificar conhecimento interoperável entre linguagens (F-logic, Prolog, Jess) entre formalismos de representação de conhecimento (frames, redes semânticas, lógica de descrições)

33 33 Aquisição do Conhecimento O gargalo na construção dos SBCs

34 34 Aquisição do Conhecimento Principais fases da aquisição Identificar características do problema  Do domínio da aplicação Isolar e representar os conceitos principais e suas relações  através de uma Ontologia, por exemplo Identificar inferências sobre estes conceitos O conhecimento pode originar-se de várias fontes: especialistas, livros e documentos, filmes, etc.

35 35 Aquisição do Conhecimento Abordagens... Abordagem de Transferência O conhecimento já está “pronto”, só precisa ser coletado E o conhecimento empírico do especialista? Veremos as dificuldades na aquisição de conhecimento... A “máquina” tem por objetivo resolver o problema como o especialista faria

36 36 Aquisição do Conhecimento Abordagens... Abordagem de Modelagem Modelo => aproximação da realidade Construção de modelos de solução Processo interativo de modelagem e reuso de conhecimento  via ontologias Utilização de aquisição automática de conhecimento A “máquina” deve resolver o problema tão bem quanto o especialista

37 37 Gargalo na Aquisição do Conhecimento A maior parte do conhecimento está na cabeça dos especialistas... Especialistas têm muito conhecimento empírico  Difícil de ser capturado e representado formalmente são “caros” não sabem tudo! têm dificuldade de verbalizar sob pressão usam vocabulário próprio (jargão)

38 38 Gargalo na Aquisição do Conhecimento Dificuldade de introspecção O especialista quase nunca está ciente de como usa o conhecimento que possui  Pode não saber porque escolheu uma estratégia Algumas soluções são intuitivas ou “compiladas” O conhecimento expresso pode ser incompleto O especialista pode não lembrar em detalhes qual o conhecimento utilizado para resolver um problema O especialista pode pular pontos importantes

39 39 Gargalo na Aquisição de conhecimento O conhecimento expresso pode ser incorreto ou inconsistente Afinal, quem garante a qualidade da solução, já que ela é “coisa de especialista”? O conhecimento expresso pode ser irrelevante quantidades enormes de informações são coletadas, para serem organizadas ou desprezadas... desafio:  evitar informação irrelevante sem bloquear a descoberta de conceitos importantes

40 40 Como minimizar o gargalo da Aquisição? Automação! Métodos de aquisição Três categorias  Manual  Semi-automático  Automático

41 41 Método de Aquisição Manual Entrevistas estruturadas ou não estruturadas Tracking methods análise de protocolos e observação especialista Base de conhecimento Engenheiro de conhecimento documentação codificação explicitação

42 42 Aquisição Manual Problemas: Toma muito tempo Requer a presença do especialista Difícil de gerenciar Existem conhecimentos de vários tipos  teórico, procedural, etc. Quando usar? identificação do conhecimento: brainstorming, entrevistas não estruturadas especificação do conhecimento: self report refino do conhecimento: entrevista estruturada

43 43 Métodos de Aquisição Semi-automática Baseado em ferramentas de Ajuda ao especialista  grid repertory analysis Ajuda ao engenheiro de conhecimento  Editores de texto, documentadores, etc. especialistaFerramentas interativas de entrevista Base de conhecimento Engenheiro de conhecimento

44 44 Métodos de Aquisição Automática Aprendizado de máquina Machine learning Casos e exemplosIndução automáticaRegras

45 45 Metodologia para EC CommonKads

46 46 CommonKADS Pesquisa colaborativa na União Européia mais de 15 anos Utiliza fórmulas e ontologias para representar o conhecimento Utiliza diagramas baseados em UML Diagrama de classes Diagrama de estados Diagrama de atividades

47 47 CommonKADS Possui seis modelos Modelo organizacional Modelo de tarefas Modelo de agentes Modelos de “expertises” Modelos de comunicação Modelo de projeto

48 48 CommonKADS: Modelos

49 49 CommonKADS Modelo organizacional Objetiva 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

50 50 CommonKADS Modelo de Comunicação Troca de mensagens Modelo de expertise É o foco da metodologia!!! Três 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

51 51 Um Exemplo de Construção de BC Do livro AIMA

52 52 Construindo uma BC 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?

53 53 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

54 54 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.

55 55 Decida qual vocabulário usar Usado para nomear 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))

56 56 Codifique regras genéricas (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

57 57 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))...

58 58 Proponha questões ao mecanismo 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)

59 59 Problemas de SBC declarativo

60 60 Porque SBC declarativo não se tornaram populares? Razões técnicas “históricas” Programação procedimental é mais fácil, rápido, simples e controlável Eficiência: funcionamento diretamente no código Fácil funcionamento: despreocupação com contextos O programador mantém o fluxo de controle

61 61 Porque SBC declarativo não se tornaram populares? Porém, programação procedimental dificulta reuso muitos conceitos e relações do domínio estão  Implícitos  Tratados como premissas  Misturados com conhecimento estratégico (regras) Reuso é imperativo: BCs são a parte mais cara de um SBC

62 62 Outros problemas dos SBC declarativo Explosão combinatorial problemas com escalabilidade Ex: GPS, provadores de teorema (fins dos 60) Complexidade ainda não formalizada Falta de objetividade e amadorismo dos pesquisadores

63 63 Outros problemas dos SBC declarativo Falta de produtos no cotidiano, formando indústria Falta de trabalho “braçal” em Engenharia de Software e testes de confiabilidade Falta de metodologias mais formalizadas sobre como obter e codificar conhecimento declarativo

64 64 Problemas com Hardware O processo de inferência não “casou” bem com as implementações de hardware e software básico, projetados para programação procedimental A programação lógica deve tanto quanto possível explorar concorrência e paralelismo Prolog embora criada em 1972, só popularizou- se em 1977, com as Warren Abstract Machines (WAMs)

65 65 EC hoje... Como está? EC vs ES

66 66 EC hoje Conta com Metodologias Utiliza (e reutiliza) ontologias em diferentes domínios Dispõe de Ferramentas de Software Parte integrante da área de Gerenciamento de Conhecimento

67 67 EC x ES Engenharia de software o cliente não é, necessariamente, um especialista o cliente define apenas o quê fazer processamento divido em muitos componentes simples componentes desenvolvidos pelo programador Engenharia do conhecimento o cliente é um especialista o especialista define também como fazê-lo processamento divido em poucos componentes complexos componentes geralmente reutilizados (bibliotecas)

68 68 A seguir... Sistemas Especialistas!


Carregar ppt "1 Engenharia do Conhecimento Patrícia Tedesco Revisada por Flávia Barros."

Apresentações semelhantes


Anúncios Google