Sistemas Especialistas

Apresentação em tema: "Sistemas Especialistas"— Transcrição da apresentação:

1 Sistemas Especialistas
Fred Freitas Centro de Informática Universidade Federal de Pernambuco

2 Roteiro Definição e Histórico Conceitos Básicos
Componentes de um Sistema Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de Conhecimento Tendências Futuras

3 Roteiro Definição e Histórico Conceitos Básicos
Componentes de um Sistema Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de Conhecimento Tendências Futuras

4 Definição de Sistemas Especialistas
Sistemas Baseados em Conhecimento (SBCs) que: Resolvem problemas complexos usando conhecimento humano profundo sobre o problema e/ou sobre áreas relacionadas Lembrar que, como todo SBC, os Sistemas Especialistas só funcionam em domínios restritos! Produtos de maior sucesso em IA! Dominio restrito

5 Representação de Conhecimento
SBCs são estudados e produzidos a partir da disciplina de Representação de Conhecimento Disciplina que estuda o uso de símbolos formais para representar conjuntos de proposições Raciocínio – manipulação mecânica destes símbolos de forma a criar novos símbolos

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

7 Hipótese de RC [Brian Smith]
Propriedades de um SBC: Um observador externo pode entender o que está representado em suas proposições O sistema se comporta de um dado jeito por causa do que está representado nestas proposições Vantagem em relação a sistemas tradicionais (procedimentais): pode-se perguntar a um programa sobre o que ele sabe, etc...

8 Sistemas Especialistas
Inteligência Artificial sistemas que exibem / replicam comportamentos inteligentes Sistemas Baseados em Conhecimento o conhecimento é vital , divisão entre conhecimento e raciocínio Sistemas Espec. o conhecimento é obtido a partir de um perito

9 Como reconhecer um Sistema Baseado em Conhecimento ?

10 Qual deles é um SBC? Por quê?
printColor(snow) :- !, write(“It’s white.”). printColor(grass) :- !, write(“It’s green.”). printColor(sky) :- !, write(“It’s yellow.”). printColor(X) :- write(“Beats me.”). printColor(X) :-color(X,Y), !, write(“It’s “), write(Y), write(“.”). color(X, Y) :- madeOf(X, Z), color(Z, Y). madeOf(grass, vegetation). color(snow,white). color(sky,yellow). color(vegetation, green).

11 Prós e contras PROCEDURAL DECLARATIVO Mais rápido (já possui o script)
Tomou o mercado... DECLARATIVO Fácil adicionar mais conhecimento ao sistema Fácil estendê-lo para novas tarefas Quais objetos têm a mesma cor? O sistema se explica!

12 Usos e Benefícios Sistemas Especialistas podem servir para: Benefícios
Resolver problemas  Assistentes de decisão de especialistas Treinamento e disseminação do conhecimento Ex: CATS-1 Benefícios Preservação de conhecimento Vantagens declarativas Conhecimento fora do programa Regras podem ser inseridas sem se preocupar com o fluxo do programa

13 Histórico 1965 – DENDRAL Ed Feigenbaum – Univ. Stanford – EUA
Determinava automaticamente a estrutura molecular de uma molécula desconhecida através de sua análise espectrográfica Abordagem algorítmica impossível Resultados melhores que os especialistas (!) Suas descobertas geraram publicações em revistas especializadas

14 MYCIN [Shortliffe 76] Diagnóstico e terapia de doenças infecciosas
Muito consultado por médicos que não eram especialista em infecções 450 regras com coeficientes de certeza associados Pioneiro no uso de interface e de módulo explanador Procurou imitar um médico num consultório

15 Regra e diálogo do MYCIN
If the infection is primary-bacteremia, and the site of the culture is one of the sterile sites, and the suspected portal of entry of the organism is gastrointestinal tract, then there is suggestive evidence (0.7) that the identity of the organism is bacteroides.

16 > What is the patient’s name?
John Doe. > Male or Female? Male. > Age? He is 55. > Have you obtained positive cultures indicating general type? Yes. > What type of infection is it? Primary bacteremia. > When did symptoms first appear? May 5. > Let’s call the most recent positive culture C1. From what site was C1 taken? From the blood. > When? May 9. > Let’s call the first significant organism from this culture U1. Do you know the identity of U1? No. > Is U1 a rod or a coccus or something else? Rod. > What is the gram stain of U1? Gram-negative. > Have there been positive cultures from sites that are not associated with the infections about which you are seeking advice?

17 > Diagnosis... > My recommendations will be based on the opinion that the identity of U1 may be: 1. Psedomonas-aeruginosa 2. Klebsiella-pneumoniae 3. E. coli 4. Bateroides-fragilis 5. Enterobacter 6. Proteus-nommirabilis Some more questions... > On a scale of 0 to 4, where higher numbers indicate greater severity, how would you rate the patient’s degree of sickness? 3. > Does the patient have a clinically significant allergic reaction to any antimicrobial agent? No. > How much does the patient weigh? 70 kg. > First recommendation... > My first recommendation is as follow: to cover for items 1,2,3,5 and 6, give gentamycin using a dose of 119 mg (1,7 mg/kg) q8h IV [or IM] for 10 days. Modify dose in renal failure. Also, to cover for item 4, give clindamycin using a dose of 595 mg (8.5 mg/kg) qh6 IV [or IM] for 14 days. If diarrhea or other gastrointestinal symptoms develop, check for pseudomembranous colitis.

18 Explicando-se…

19 Histórico Anos 60 -70: SEs orientados a tarefas exclusivamente
Regras e heurísticas, sem descrições de domínio Anos 70-80: SEs orientados a domínios PROSPECTOR [Hart et al 78]: Prospecção mineral Redes semânticas, classes, subclasses, instâncias... Aceitação comercial: CATS-1, XCON, ...

20 CATS-1 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 1980: Construção de 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

21 Exemplo de SE: XCON (1978) Domínio do conhecimento: Configuração de computadores de VAX, a partir de especificações dos clientes. Entrada: Características necessãrias ao sistema computatorizado. Saída: Especificação do sistema computatorizado. A DEC tentou escrever um programa convencional para fazer este tarefa, sem nenhum sucesso McDermott foi então convidado escrever um sistema espeiclista

22 Sucesso do XCON Até 1986, o XCON tinha processado orçamentos, com precisdão de 95-98% conseguida Lucro para a DEC: $25M / ano O sucesso foi tão grande que a DEC fez uma família de SEs XSEL – suporte à pré-venda e venda XSITE – planos par ao projeto físico

23 Exemplo de regra no XCON
IF the most current active context is distributing massbus devices & there is a single port disk drive that has not been assigned to a massbus & there are no unassigned dual port disk drives & the number of devices that each massbus should support is known & there is a massbus that has been assigned at least one disk drive and that should support additional disk drives & the type of cable needed to connect the disk drive to the previous device on the disk drive is known THEN assign the disk drive to the massbus

24 Roteiro Definição e Histórico Conceitos Básicos
Componentes de um Sistema Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de Conhecimento Tendências Futuras

25 Expertise Conhecimento específico sobre a tarefa modelada e seu domínio: Fatos e teorias sobre o domínio Frames, redes semânticas,... Regras boas e rápidas e procedimentos gerais, advindas da experiência Heurísticas para situações específicas Estratégias globais

26 Especialista Detentor do conhecimento sobre a área e sobre a tarefa específica. Sabe: Reconhecer e formular o problema em sua verdadeira extensão Explicar a solução (às vezes) Quando quebrar regras Relevância dos fatos

27 Engenheiro de Conhecimento
Ajuda a transferir a expertise para o Sistema Especialista. Tarefas: Aquisição do conhecimento Representação Documentação Principalmente para o módulo explanador

28 Roteiro Definição e Histórico Conceitos Básicos
Componentes de um Sistema Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de Conhecimento Tendências Futuras

29 Estrutura de um Sistema Especialista
Base de Conhecimento Módulo Explanador Motor de Inferência Módulo de Aquisição de Interface Especialista/ Engenheiro de Usuário Interface

30 Componentes Interface: Módulo de Explanação. Responde a:
Linguagem natural ou menus Pode fazer perguntas ao usuário Deve permitir ao usuário descrever o problema Pode permitir ao especialista ou engenheiro de conhecimento inserir conhecimento Módulo de Explanação. Responde a: Como chegou a uma dada conclusão? Porque rejeitou uma dada alternativa? Qual o plano para achar uma solução? Porque fez uma pergunta específica?

31 Funcionamento típico O especialista e o engenheiro especificam conhecimento, que é armazenado na memória permanente (regras, frames,...) do motor de inferência Usuário entra com descrição do problema, normalmente por um template da interface O motor de inferência aplica o conhecimento permanente ao problema e vai deduzindo fatos novos na memória volátil, até chegar a uma solução do problema

32 Roteiro Definição e Histórico Conceitos Básicos
Componentes de um Sistema Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de Conhecimento Tendências Futuras

33 Ciclo de Desenvolvimento de um Sistema Especialista
Inicialização Fechamento da Base de Conhecimento e dos módulos, Testes, Avaliação Análise Definição do Problema, Requisitos Prototipagem Validação pelos usuários, Treinamento, Documentação Projeto, Identificação das fontes de conhecimento Desenvolvi- mento Operação, Upgrades, Avaliação periódica Implemen- tação Definição e Representação do Conhecimento, Protótipos, Módulos, Interface, Testes Manutenção

34 Roteiro Definição e Histórico Conceitos Básicos
Componentes de um Sistema Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de Conhecimento Tendências Futuras

35 Aquisição de Conhecimento
De que conhecimento precisa um SE? Conhecimento, principalmente, do especialista Conhecimento sobre a tarefa Ver que conceitos e relações são relevantes! Heurísticas/ regras para a solução Livros e documentos sobre o problema e sua área Ontologia do domínio Conceitos, instâncias, relações, restrições Conhecimento geral (às vezes necessário)

36 Ciclo de Desenvolvimento de um Sistema Especialista
Inicialização Fechamento da Base de Conhecimento e dos módulos, Testes, Avaliação Análise Definição do Problema, Requisitos Aquisição de Conhecimento, o Gargalo! Prototipagem Validação pelos usuários, Treinamento, Documentação Projeto, Identificação das fontes de conhecimento Desenvolvi- mento Operação, Upgrades, Avaliação periodica Implemen- tação Definição e Representação do Conhecimento, Protótipos, Módulos, Interface, Testes Manutenção

37 Problemas na aquisição
Problemas inerentes ao problema que se deseja resolver: Dificuldade de enumeração de todos os casos Terminologia difícil do domínio (ex: medicina) Problemas com o especialista Às vezes, o especialista não sabe porque toma determinadas decisões Muitas informações implícitas nas decisões do especialista, e ele não consegue expressá-las Separar o joio do trigo Conhecimento relevante x irrelevante O especialista não quer colaborar

38 Soluções para os Problemas de Aquisição
Métodos de aquisição Manuais Semi-automáticos Automáticos Sistemas Especialistas de 2ª. geração

39 Métodos Manuais de Aquisição
especialista Base de conhecimento Engenheiro de documentação codificação explicitação Entrevistas Desestruturada Estruturada: agendas, formulários, casos, etc Rastreamento cognitivo Gravações de descrições detalhadas do especialista Engenheiro faz regras e valida com o especialista

40 Métodos Semi-automáticos de Aquisição
especialista Ferramentas de apoio Base de conhecimento Engenheiro de conhecimento Ferramentas para o engenheiro Editores, ambientes integrados (ex: Protégé), ferramentas visuais Ferramentas para o especialista Análise de grades de características (repertory grid analysis)

41 Métodos Automáticos de Aquisição
Casos e exemplos Indução automática Regras Técnicas de Aprendizado Automático É preciso gerar conhecimento explícito, muitas vezes em forma de regras! Por isso... Técnicas simbólicas de aprendizado Árvores de Decisão Espaço de Versões, ...

42 Comparação entre usar um especialista e um SE
Variável Especialista Sistema Espec. Tempo Disponível Horário de Trabalho Sempre Localização Geográfica Local Global Segurança Insubstituível Substituível Perecível Sim Não Desempenho Consistente Velocidade Variável Constante Custos Altos Suportá veis Aspectos Emotivos Sim Não Sujeito a Cansaço Sim Não

43 Sistemas Especialistas – 2ª. Geração
Objetivo: Acelerar a construção de SEs Reuso é imperativo: BCs são a parte mais cara de um SBC Melhorias no processo de modelagem do conhecimento Tendência a que o próprio especialista edite o conhecimento Protégé [Gennari et al 2003] Integração entre aprendizado e inferência simbólica para acelerar a aquisição Sistemas híbridos

44 Como reusar conhecimento??
Reuso de conhecimento sobre as tarefas: Metodologia CommonKADS [Schreber et al 94] Reusa modelos de problemas e sub-problemas Propõe especificar as tarefas em função da decomposição destas em sub-tarefas, e assim recursivamente Reuso do conhecimento sobre o domínio Ontologias

45 Reuso de Conhecimento sobre Tarefas: CommonKADS
Meta-modelos prontos para determinados tipos de tarefa: Diagnóstico, Monitoração, etc Não entrou muito em uso: Muito abstrato Necessita de muitas especificações Mas agora os metamodeos voltaram à moda!

46 KADS system’s structure given (analysis) constructed (synthesis)
modified (transformation) solution type solution type states (predict) category (identification) sequence of steps (planning) structure (design) category type discrepancy (monitoring) decision class (assessment) faulty category (diagnosis) model type fault model (heuristic classification or cover & differentiate) correct model (systematic diagnosis)

47 Ontologia do domínio de áudio
audio system amplifier tape deck speaker system ... left right part-of is-a component audio system tape deck speaker ... components’ properties deck: function (stop, play, rew, ff, pause) deck: power (on,off) amplifier: power (on,off) amplifier: input-signal (deck, turner, CD, VCR, Aux) ... Properties tests deck-power-switch (preessed, not pressed) input-selector (deck, turner, ...)

48 Ontologia do domínio de áudio
causes (relation) deck: power = on and deck: function = play and cable-connection: deck amplifier = present CAUSES amplifier: input-signal = deck amplifier: input-signal = deck and amplifier: input-selector = deck CAUSES amplifier: output-signal = deck indicates deck-power-switch = pressed INDICATES deck-power = on input-selector = X INDICATES amplifier: input-signal = X

49 Roteiro Definição e Histórico Conceitos Básicos
Componentes de um Sistema Especialista Ciclo de desenvolvimento Problemas e soluções de Aquisição de Conhecimento Tendências Futuras

50 Sistemas Especialistas por Área de Aplicação

51 Sistemas Especialistas por Tipo de Problema

52 Tendências em Sistemas Especialistas
Integração de SEs numa empresa Sistemas de Gestão de Conhecimento Memória organizacional Expressão sendo substituída Agentes inteligentes... Uso cada vez maior de ontologias Web Semântica Sistemas híbridos

53 Resumo: Para fixar Sistemas Especialistas são SBCs que resolvem problemas complexos, de difícil solução algorítmica Componentes de um SE: Interface, Módulo Explanador, Motor de Inferência e Base de Conhecimento Aquisição de Conhecimento é o maior problema dos SEs, por causa das dificuldades de obter o conhecimento do especialista Soluções: Ferramentas de Aquisição e Reuso de Conhecimento

54 Bibliografia Básica Turban, E., Aronson, J. Decision Support Systems and Intelligent Systems, Prentice Hall, 2000 Turban, E. Expert Systems and Applied Artificial Intelligence, MacMillan Publishing Company, 1992 Giarratano, J., Riley, G. Expert Systems: Principles and Programming, Course Technology, 1998

55 Bibliografia Adicional
Hart, P.E. Duda, R.O. and Einaudi., M.T. Prospector - a computer-based consultation system for mineral exploration. Mathematical Geology, 10(5), 1978 Shortliffe E.H. Computer-Based Medical Consultations : MYCIN. American Elsevier, New York, 1976. Gennari, J., Musen, M., Fergerson, R., Grosso, W., Crubézy, M., Eriksson, H., Noy, N., Tu, S.. The evolution of Protégé’: an environment for knowledge-based systems development

56 Bibliografia Adicional
Schreiber, A., Wielinga, B., de Hoog, R., Akkermans, H., van de Velde, W. CommonKADS: A Comprehensive Methodology for KBS Development. IEEE Expert, Dezembro/1994 Freitas, F. Ontologias e a Web Semântica, Anais da III Jornada de Mini-Cursos de Inteligência Congresso da Sociedade Brasileira de Computação, Campinas. Artificial. p Campinas, Brasil. 2003