Raciocínio Baseado em Casos 30/03/2017 Raciocínio Baseado em Casos Teresa Ludermir Centro de Informática - UFPE

Aprendizado Baseado em Instâncias K-vizinhos mais próximos (Nearest Neighbours) Raciocínio Baseado em Casos

Aprendizado Baseado em Instâncias A aprendizagem consiste somente em armazenar os exemplos de treinamento <x1,c1>, <x2,c2> . . . <xn,cn>. Após a aprendizagem, para encontrar o valor do conceito alvo associado a uma instância de testes <xt, ? >, um conjunto de instâncias similares são buscadas na memória e utilizadas para classificar a nova instância. A generalização é feita somente quando uma nova instância deve ser classificada.

Aprendizado Baseado em Instâncias Muitos métodos de aprendizagem constroem uma descrição geral e explicita da função alvo a partir de exemplos de treinamento. Os métodos de aprendizagem baseados em instâncias simplesmente armazenam os exemplos de treinamento.

Aprendizado Baseado em Instâncias Constroem uma aproximações para a função alvo para cada instância de teste diferente. Constrói uma aproximação local da função alvo. Podem utilizar representações mais complexas e simbólicas para as instâncias

Aprendizado Baseado em Instâncias Uma desvantagem é o alto custo para classificação. Toda a computação ocorre no momento da classificação !!! Aumenta com a quantidade de exemplo de treinamento.

Raciocínio baseado em regras - RBR Um sistema que usa RBR resolve problemas tomando uma especificação de entrada (ou desenvolvendo um conjunto de perguntas-e-respostas com o usuário) e então “encadeia” um conjunto de regras apropriadas obtidas a partir de uma base de regras para chegar a uma solução.

Raciocínio baseado em regras A capacidade de aprendizagem não é algo inerente aos sistemas baseados em regras; Dificuldade de adaptação às mudanças, surgimento de novos problemas dentro do domínio corrente; A construção e a manutenção são tarefas que demandam muito tempo A extração de regras junto a especialistas também é uma tarefa árdua; As regras são inerentemente dependentes de outras regras; É muito complexa a tarefa de eliminação erros.

“Pessoas: Experiência vivida” Classificação: “Os problemas de ouvido deste paciente são casos típicos de otite média” Soluções compiladas: “Os sintomas de coração do paciente X podem ser explicados da mesma maneira que aquele paciente Y” Avaliando medidas: Minha casa é como aquela que foi vendida mais em baixo nesta rua por R$25.000,00 mas ela tem uma vista melhor”

“Pessoas: Experiência vivida” Concepção (design): para projetar este hospital, vou me basear naquele que já fiz com um número de leitos parecido, embora tenha de adaptá-lo pois este é de esquina Avaliando opções: se nós atacássemos as intalações dos mísseis cubanos/russos, seria como no caso de Pearl Harbor

Experiência: o que o especialista tem de mais valioso Sistemas Especialistas convencionais: (alguns) Sistemas Especialistas de segunda geração: Regras Engenheiro de conhecimento Experiência Experiência Regras Algoritmo de aprendizagem

Experiência: o que o especialista tem de mais valioso Case-based reasoning system Um método de resolução de problemas onde novos problemas são resolvidos adaptando-se soluções de antigos problemas similares aprendizado incremental on-line suavisa necessidade de aquisição de conhecimento tem plausibilidade cognitiva Experiência Experiência

O que é Raciocínio Baseado em Casos (RBC) ? Case-based reasoning system is ... reasoning by remembering. Leake, 1996 A case-based reasoner solves new problems by adapting solutions that were used to solve old problems. Riesbeck & Schank, 1989 Case-based reasoning is a recent approach to problem solving and learning ... Aamodt & Plaza, 1994 Case-based reasoning is both ... The ways people use cases to solve problems and the ways we can make machines use them. Kolodner, 1993

30/03/2017 Definição de RBC Raciocínio Baseado em Casos (RBC) é um paradigma de IA que utiliza experiências passadas para solucionar problemas correntes Abordagem muito utilizada por seres humanos para resolver problemas práticos Um caso é um episódio vivido contém a descrição de : problema + solução exemplos: um paciente, um projeto arquitetônico, uma situação, uma causa jurídica, uma melodia, etc.

30/03/2017 Exemplos Aulas de Aldo von Wangeheim Transparências 8 - 24

30/03/2017 Fases do RBC Em geral, sistemas de RBC estão relacionados aos processos: Representação de Casos Indexação de Casos Armazenamento e Recuperação de Casos Adaptação de Casos Avaliação e Reparo de Casos

30/03/2017 Fases do RBC

RBR vs. RBC – Obtenção de conhecimento Articulação de soluções é realizada por inferências sobre um conjunto potencialmente grande de regras; É preciso reestruturar o código para acomodar expansões e tratamento de casos particulares. RBC O aprendizado é uma tarefa natural, através da retenção de novos casos; O conhecimento do domínio não precisa ser completamente definido no desenvolvimento do sistema.

RBR vs. RBC - Memória RBR RBC Não possuem memória, o que obriga a construção de soluções sempre a partir do zero. Erros anteriores tendem a acontecer novamente. RBC Possuem uma memória de casos anteriores, continuamente incrementada. Permite construir soluções a partir de outras, minimizando o tempo gasto e evitando cometer novamente os mesmos erros;

RBR vs. RBC - Robustez RBR RBC Quando um problema não se encaixa em nenhuma regra, o sistema simplesmente não pode resolvê-lo. RBC Podem adaptar casos com características similares que podem ser úteis para resolver o problema atual.

Sistemas baseados em regras: críticas aquisição de conhecimento muito difícil regras nem sempre são intuitivas desenvolvimento é muito longo não aprende não é robusto tratamento de incerteza complicado manutenação e refinamento são delicados é lento

Desenvolvimento de um sistema RBC Qual a natureza e conteúdo dos casos? Como representá-los? Como indexá-los de maneira a poder encontrá-los adequadamente e rapidamente mais tarde? Qual são os critérios para a escolha do melhor caso e como recuperá-lo? Como estruturar (organizar) os casos da base? Como adaptar o caso recuperado?

Natureza e conteúdo dos casos Pergunta chave O que é um caso no domínio abordado? Conteúdo Mínima: descrição do problema e da solução Extensões: avaliação da solução (falhas, sucesso, etc.) , contexto (justificação, links com outros casos, etc.), Quantidade de casos distribuir bem no espaço de problema n-dimensional (n atributos)

Representação dos Casos Definição do conteúdo que será armazenado. Determinação das características mais relevantes de cada caso. Busca de uma estrutura apropriada para descrever estas características.

Representação dos Casos Várias linguagens de vetores de características Atributo-valor (frames, redes semânticas, objetos, ...) lógica de primeira ordem

Indexação Objetivo: dar ao sistema conhecimento sobre como estocar e comparar (match) casos Vocabulário de indexação índice = atributo, característica, predicado, ... Pode ser feita manual ou automaticamente

Indexação Interpretação de situação preço ano modelo marca opcionais kilometragem motor cor .... Interpretação de situação os índices realmente relevantes para um problema/situação em particular

Indexação Indexação pelo vizinho mais próximo Indexação indutiva Baseada na distância euclidiana entre o novo caso e os casos armazenados; Indexação indutiva Determina indutivamente quais as características mais importantes para os vários casos; Indexação baseada em conhecimento Utiliza o conhecimento existente na literatura para cada caso e determina quais características são importantes para recuperá-los;

Similaridade e recuperação O casamento é parcial !!!! =>Mais robustez Etapas da recuperação Matching: encontrar os N casos mais similares ao caso alvo Ranking: Escolher o melhor caso MC em relação o alvo

Adaptação dos casos Objetivo: compensar as diferenças entre o problema-alvo e problema-fonte escolhido Adaptação: 3 tipos Cópia: usada normalmente em classificação Adap. Estrutural: a partir da própria solução recuperada Adap. Derivacional: a partir da maneira com que a solução recuperada foi gerada

Adaptação dos casos Para as duas últimas formas de adaptação as operações são: ajuste de parâmetros, abstração e especialização, substituição,... Problema: depende do domínio,coordenação do conjunto de operadores de transformação

Exemplo de Adaptação JULIA precisa criar uma refeição italiana (e que não contenha carne) composta de entrada, massas, refeição principal e sobremesa; Baseando-se em casos anteriores, JULIA escolhe lasanha como prato principal. Porém: a refeição original inclui um prato de massas. Para simplificar, JULIA elimina o prato de massas; lasanha inclui carne. Devido à restrição do problema, uma lasanha vegetariana é proposta;

Avaliação e reparo dos casos Revisão 1) Avaliar a solução (automaticamente ou não) 2) Consertar o caso Retenção: Se algo ensina alguma lição para o futuro, chame-o de caso 1) Extração da informação a reter 2) indexação 3) inserção/integração do caso na base exemplo: ajuste dos pesos de determinados atributos de um caso;

Aprendizado em RBC No aprendizado de máquina tradicional, existe a fase do aprendizado e a fase de utilização: indução e dedução; Em RBC, o aprendizado é parte do processo de resolução de problemas; O princípio: é mais fácil aprender retendo um exemplo concreto de solução do que tentar generalizar tais experiências;

Quando usar CBR? Existe uma grande volume de dados históricos Os especialistas falam sobre seus domínio dando exemplos A experiência vale tanto quanto o conhecimento dos livros texto Os problemas não são completamente formalizáveis fraca compreensão do problema, dificuldade de verbalização

Quando usar CBR? Existem conhecimento para adaptação de casos Existem muitas exceções às regras É preciso aprender “on-line”

Problemas Aquisição & descrição dos casos nem sempre é trivial além de demandar conhecimento do domínio! O controle da medida de similaridade é fraco pois o matching é parcial o acúmulo de semelhanças “irrelevantes” faz com que certos casos sejam escolhidos em detrimento dos outros como ter certeza que as propriedades A e B serão determinantes na recuperação de um caso que contém 20 atributos? A explicação pode ser prejudicada quando a recuperação é baseada em uma medida de similaridade numérica

30/03/2017 Combinando RBC com RN RBC e RN têm sido combinados em algumas pesquisas recentes Integração pode ocorrer por: Divisão de tarefas entre a RN e o RBC Projeto de uma arquitetura inteligente combinando características de RN e RBC

Combinando RBC com RN Casamento e indexação de casos 30/03/2017 Combinando RBC com RN Casamento e indexação de casos Maioria das combinações Procura padrões de similaridade entre os casos Auxiliar processo de Raciocínio do sistema RBC Definir arquitetura neural mais adequada para uma dada aplicação

Aplicações de RBC - [Prudêncio 2002] RBC foi utilizado juntamente com Algoritmos Genéticos (AG) e Redes Neurais Artificiais (RNA) para a previsão de séries temporais por [Prudêncio 2002]; O sistema de RBC mantém uma base de casos em que cada caso armazena a descrição de um problema resolvido com redes neurais e a solução aplicada. Diante de um novo problema, uma consulta é feita à base de casos, recuperando as soluções usadas nos problemas mais similares.

Aplicações de RBC - [Prudêncio 2002] Essas soluções são inseridas na população inicial dos AGs, que são responsáveis por adaptá-las; Após a execução dos AGs, a solução final poderá ser inserida na base de casos, para auxiliar a solução de problemas futuros. As redes geradas pelo modelo apresentaram maior poder de generalização, além de um número menor de conexões de rede.

Aplicações de RBC - [Prudêncio 2002]

Aplicações de RBC - [Prudêncio 2002]

Aplicações de RBC - [Prudêncio 2002] Módulo PROC Transforma uma série temporal não estacionária em uma série estacionária, ou seja, que não apresentam tendência e sazonalidade; Módulo GBC Mede a similaridade do problema atual com todos os problemas armazenados na base e retorna os mais similares. O número de casos retornados da base é igual ao número de cromossomos da população dos AGs; Usa a distância euclidiana. Módulos AG e TR Operam cooperativamente na busca pela melhor solução.

Um Novo Modelo de Automatização: RBC e AG Projeto das redes é tratado de forma híbrida: uso de conhecimento e busca. Conhecimento é usado para iniciar o processo de busca. Base de casos é usada para inicializar a primeira população dos AGs. No modelo proposto, RBC manipula o conhecimento e AGs realizam a busca.

Aplicações: estado da arte 30/03/2017 Aplicações: estado da arte Todas as classes de problemas dos SE´s diagnóstico, planejamento, scheduling, interpretação, design, seleção, ensino,.... Existem ferramentas (shells) ReMind, CAsePOint,CASUEL, ART*, ReCall, CBR-Express,... Exemplos Machine Tool Fault Diagnosis Computer Network Diagnosis Credit Analysis Geological Deposit Prediction Battle Planning

Mais aplicações... Bank Telex Classification Natural Language Understanding Network Management Legal Reasoning Claims Settlement Medical Diagnosis Weather Prediction Fraud Detection Industrial Planning and Scheduling Residential Domain Aircraft Maintenance Domain Helpdesk Systems for PC Network Diagnostics

Algumas aplicações na WEB FIND-ME AGENTS sugere filmes e carros em locadoras raciocino através de exemplos BUTTLER AGENTS sugere hotéis, restaurantes, oficinas, ... CORRESPONDENT AGENTS usa técnicas de recuperação de casos para encontrar textos: FAQ-finder

Find Me: http://infolab.cs.uchicago.edu/entree

Referências Aamodt, A; Plaza, E. (1994). “Case-Based Reasoning: Foundational Issues, Methodological Variantions, and System Approaches”. Em AI Communications, Vol. 7, nr. 1; Kolodner, J. (1993) Case Based Reasoning. Morgan Kaufmann. Web AI-CBR Home Page: http://www.ai-cbr.org/theindex.html CBR archive: http://www.ai-cbr.org/cases.html CBR in the Web: http://wwwagr.informatik.uni-kl.de/~lsa/CBR/CBR-Homepage.html CBR Bibliography: http://www.surveying.salford.ac.uk/AI-CBR/biblio/search.html

Referências Prudêncio, R. Projeto Híbrido de Redes Neurais, Dissertação de Mestrado, Centro de Informática, Universidade Federal de Pernambuco, 2002. Braga , A. P. Braga, Caravalho, A. C. P. L. F. and Lurdermir , T. B. Redes Neurais Artificiais: teoria e aplicações. LTC, Rio de Janeiro, 2007.