Aquisição de Conhecimento Implícito (Aquisição Automática) Álvaro Vinícius de Souza Coêlho

Slides:



Advertisements
Apresentações semelhantes
Construção de listas de decisão Os tópicos anteriores tratam de indução de conceitos que podem ser descritos usando uma única região de decisão Neste tópico.
Advertisements

Viviane Torres da Silva
Lógica Matemática e Computacional 7 – Introdução à Programação Lógica
Introdução à Programação uma Abordagem Funcional Programação I Prof.ª Claudia Boeres CT VII - Sala 32 Departamento de Informática Centro.
Trabalho Escolar de Filosofia
SEMIÓTICA Charles S. Peirce
Aprendizado de Máquina
Banco de Dados Dedutivo
Raciocínio Viviane Torres da Silva
Aprendizagem Viviane Torres da Silva
Sistemas Baseados em Conhecimento
Agentes Baseados em Conhecimento
Raciocínio Baseado em Casos
FACENS – Engenharia da Computação Inteligência Artificial
FACENS – Engenharia da Computação Inteligência Artificial
Inteligência Artificial
Lógica e lógica de programação
AXIOMATIZAÇÃO Equipe: André Augusto Kaviatkovski, Daniel Elias Ferreira, Vinicius Zaramella.
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
INF 1771 – Inteligência Artificial
Conceitos Básicos.
Inteligência Artificial
O que é Pesquisa Científica?
Argumentos, verdade e validade 2
Prof. Kleyton Gustavo de Rezende Filosofia – º Médio A e B
INTELIGÊNCIA ARTIFICIAL (IA OU AI)
Métodos Científicos Método Indutivo
INF 1771 – Inteligência Artificial
Explicação Científica – Hipótese Capítulo VI
Algoritmos 1º Semestre Materia: Informática Profº: Cristiano.
Agentes Baseados em Regras de Produção
Sistemas Especialistas
Tópicos especiais em controle inteligente e distribuído Professor: Jorge Dantas de Melo Rafael Marrocos Magalhães.
Sistemas Inteligentes
Marcílio C. P. de Souto DIMAp/UFRN
Redes Neuronais/Neurais/ Conexionistas Introdução
“A lógica é uma ciência do raciocínio”
Paradigmas da Inteligência Artificial
Redes Neurais Artificiais
Marcus Sampaio DSC/UFCG. Marcus Sampaio DSC/UFCG Etapas do Processo.
Parte 2 Métodos e técnicas de pesquisa
A Proposição e a Lógica A idéia geral da dedução ou inferência silogística é: A é verdade de B. B é verdade de C. Logo, A é verdade de C. A inferência.
Sistemas Baseados em Aprendizado (Aprendizado de Máquina)
A Construção da Ciência
Aquisição de Conhecimento
Projeto Final MCI 2004 Filtragem de s Agente de Classificação de SPAM.
(OU) Hardware da Rede Implementacao da rede
Lógica Matemática Introdução.
Lógica e Teoria dos Conjuntos
Integração de Ferramentas CASE
Plano de Aula Para que serve isso de Metodologia?
Decidibilidade, Corretude, Completude, Consistência
Biometria Reconhecimento de Assinaturas
Introdução à Engenharia de Computação
Inteligência Artificial I
HAC 1 MD - junho/2008 Tecnologias de suporte à Mineração de Dados Gerenciamento de dados Data Warehouse OLAP Arquiteturas Visualização Sistemas de Suporte.
Aprendizado da rede O aprendizado, na maioria das vezes, constitui no ajuste do conjunto de pesos de modo que a rede consiga executar uma tarefa específica.
Luana Bezerra Batista Redes Neurais Luana Bezerra Batista
Inteligência Artificial
Aprendizado por Indução
INTELIGÊNCIA ARTIFICIAL Grupo: Amora Figueiredo Érika Diniz
Introdução à Inteligência Artificial
O Modelo GOMS Fornece um modelo de Engenharia para a performance humana, capaz de produzir predições a priori ou em um estágio anterior ao desenvolvimento.
Treinamento Quando são criadas, as RNA ainda não são capazes de resolver os problemas, elas precisam ser treinadas, ensinadas, do mesmo jeito que as pessoas,
CURSO DE SOCIOLOGIA Professor Décio Soares Vicente 1.
Sistemas de Aprendizagem
Diálogo da Biologia com a Língua Portuguesa
“não há ciência sem o emprego de métodos científicos”
Sistemas Baseados em Conhecimento
Transcrição da apresentação:

Aquisição de Conhecimento Implícito (Aquisição Automática) Álvaro Vinícius de Souza Coêlho

Aquisição Automática Da Inteligência Artificial Aprendizagem de Máquina Formalizado segundo um protocolo bem definido Papéis a serem desempenhados Papel 1: Um cliente Papel 2: Um aprendiz

Aquisição Automática Aprendiz Cliente

Aquisição Automática O cliente: “Isso acontece?” “Isso é verdade?” “Isso vai funcionar?” O aprendiz: Verificação da pergunta do cliente junto a uma base de conhecimento Uma resposta Problema: Como o aprendiz sabe as respostas?

Aquisição Automática Papel 3: Um Oráculo O oráculo nunca erra. O aprendiz pode consultá-lo para pedir exemplos e contra- exemplos, regras e contra-regras O Oráculo fornece subsídios para a aprendizagem

Aquisição Automática O aprendiz dialoga com o oráculo, até que sua aprendizagem seja satisfatória. Então ele fica disponível para responder ao cliente

Aquisição Automática Aprendiz Cliente Oráculo

Aquisição Automática Aprendiz: “O que aconteceu?” “Como é?” “O que é X?” “O que não é X?” Oráculo: “Eis os fatos...” “Funciona assim...” “Eis os exemplos conhecidos de X...” “Eis os exemplos conhecidos que não são X...” Problema: Quando concluir que o aprendiz já é “sabido” o bastante?

Aquisição Automática Papel 4: Uma sonda Uma sonda parece um oráculo. Mas sua função é diferente Aferir o conhecimento do Aprendiz Problemas que ele não conhece Exemplos que ele não viu Suas respostas são avaliadas e, se necessário, o Oráculo é acionado

Aquisição Automática Aprendiz Cliente Oráculo Sonda

Aquisição Automática Sonda: “Diga como isso ocorre” “Diga qual é a solução” “Diga se isto é X” “Diga se isto não é X” Aprendiz: “Ocorre assim...” “A solução é...” “Isso é/não é X” Sonda: “Sua aprendizagem está...” Problema: Quem decide o que fazer para que a aprendizagem seja atualizada?

Aquisição Automática Papel 5: Um mestre Um mestre é tipicamente (mas não necessariamente) humano Ele escuta a sonda e dispara ações junto ao oráculo, ao aprendiz e à própria sonda para que a aprendizagem seja bem feita

Aquisição Automática Aprendiz Cliente Oráculo Sonda Mestre

Aquisição Automática Protocolo MOSCA –Mestre –Oráculo –Sonda –Cliente –Aprendiz O MOSCA é o que se pode dizer um protocolo máximo. Na prática, usa-se subconjuntos dele

Paradigmas da Aprendizagem Aprendizagem –“fazer mudanças úteis em nossa mente” Marvin Minsky –“representa mudanças no sistema, que é adaptativo no sentido de realizar, de uma próxima vez, a mesma tarefa ou tarefas similares de uma forma mais eficiente e eficaz” H. Simon

Paradigmas da Aprendizagem Aprendizagem –“o resultado produzido por um processo em que se adquire a habilidade de executar novas tarefas que não podiam ser executadas antes, ou então executar melhor antigas tarefas” J. Carbonell –“a construção ou modificação da representação do que está sendo experimentado” R. Michalski

Paradigmas da Aprendizagem Os autores: –Minsky: O aspecto humano –Simon e Carbonel: Eficiência –Michalsky: O reflexo da aprendizagem no sistema –“o termo aprendizagem não deve ser visto como um termo de significado único e fossilizado, e sim como um termo de semântica flutuante cuja interpretação é função do contexto” – G. Mongiovi

Paradigmas da Aprendizagem Técnicas de Inferência – Conhecimento gera Conhecimento Inferência – Filosofia Duas técnicas “puramente filosóficas” Modernamente adiciona-se uma terceira

Paradigmas da Aprendizagem Dedução Conhecimento que é Conseqüência Lógica de outro Logicamente (Modus Ponens):

Paradigmas da Aprendizagem O exemplo clássico: Sócrates é homem, Todos os homens são mortais logo (dedução) Sócrates é Mortal Duas características –Do Geral para o Particular –Do Antecedente para o Conseqüente Uma dedução é sempre uma proposição verdadeira (não há erro)

Paradigmas da Aprendizagem Indução Conhecimento é uma Generalização de outros Opõe-se à dedução: infere do Particular para o Geral

Paradigmas da Aprendizagem Pode gerar erro Exemplos da realidade geram regras sobre esta realidade observada Logicamente:

Paradigmas da Aprendizagem Exemplo Clássico: Ontem o sol nasceu, anteontem o sol nasceu, em todos os dias observados o sol nasceu. Logo (indução) O sol nascerá amanhã.

Paradigmas da Aprendizagem Abdução Conhecimento é uma derivação do estado atual para o estado anterior que o construiu Opõe-se à dedução: infere do Conseqüente para o Antecedente

Paradigmas da Aprendizagem Pode gerar erro Classicamente representado pelas histórias policiais (Sherlock Holmes) Logicamente:

Paradigmas da Aprendizagem Exemplos: –“Todos os que foram à segunda guerra são soldados reformados. Logo, aquele soldado reformado foi à segunda guerra” –Ou a frase famosa de Conan Doyle: “eliminando-se as possibilidades aquilo que restar, por improvável que seja, precisa ser a verdade”

Paradigmas da Aprendizagem Os paradigmas Estratégias para promover a aprendizagem automática (machine learning)

Paradigmas da Aprendizagem São quatro –Conexionista (Redes Neurais) –Genético –Analítico (Dedutivo: Casos, Explanações) –Indutivo

Paradigmas da Aprendizagem Conexionista –Uma rede de neurônios interligados por sinapses Neurônio: Uma informação com um peso associado Sinapses: Conexão entre neurônios, derivando o conhecimento pela rede

Paradigmas da Aprendizagem Conexionista –Três camadas principais: Entrada – Neurônios que recebem os dados Saída – Neurônios que apresentam os resultados Intermediária (ou Escondida) – Processamento e derivação dos resultados intermediários

Paradigmas da Aprendizagem Genético –Baseado na teoria da evolução de Charles Darwin –Uma solução descrita de um problema pode ser melhorada –Métodos de combinação de partes de uma solução com partes de outra (cruzamento)

Paradigmas da Aprendizagem Genético –Uma nova solução é produzida –Uma análise (automática ou não) da qualidade desta solução –Novos seres mais “adaptados”

Paradigmas da Aprendizagem Dedutivo –O sistema recebe como entrada um conjunto de conhecimentos prontos –Atua sobre este conjunto. Não o constrói –Sistemas Especialistas: Regras Um problema é resolvido através de uma consulta às regras de inferência

Paradigmas da Aprendizagem Dedutivo –Raciocínio Baseado em Casos (RBC) O sistema usa casos como se fossem regras Permite uma avaliação parcial, ou por aproximação (métricas de similaridade) Cada novo caso é anexado à base de conhecimento

Paradigmas da Aprendizagem Indutivo –O sistema recebe um conjunto de fatos –Constrói uma descrição (conjunto de regras) do domínio –Do ponto de vista do usuário, funciona como uma rede neural

O conjunto de Treinamento Também chamado Trainning Set Serve para apresentar a um sistema indutivo (Rede Neural ou Algoritmo de Aprendizagem Indutiva) um conjunto de fatos (exemplos) de um domínio É o trabalho do Oráculo no MOSCA

O conjunto de Treinamento Alternativamente parte do CT é reservada para se aferir o conhecimento É o trabalho da Sonda no MOSCA O Aprendiz é o sistema que está construindo sua base de conhecimento

O conjunto de Treinamento Qual a diferença entre a base de conhecimento gerada por uma rede neural e por um algoritmo indutivo? –Do ponto de vista da funcionalidade Nenhuma –Do ponto de vista da explanação e da justificativa, as redes são impraticáveis (por isso ditas sub-simbólicas)

O conjunto de Treinamento De modo geral –Geração de hipótese –Avaliação de hipóteses junto ao CT (função de qualidade) –Um veredicto: hipótese aceita ou não Geração de hipóteses Verificação de hipóteses veredicto hipótese Conjunto de treinamento Função de qualidade

O Processo de Aquisição São várias etapas Podem ser repetidas total ou parcialmente a depender dos resultados

O Processo de Aquisição Preparação dos Dados –Seleção: identificar quais e de onde –Pré-processamento: falhas, inconsistências, etc. –Transformação: adequar dados aos algoritmos

O Processo de Aquisição Garimpagem: aplicação de um método prático Análise e Assimilação: o conhecimento é relevante e acionável?

Aquisição de Conhecimento Implícito FIM! “Dura Lex sed Lex – A Lei é dura mas é a lei. Para os ricos, Dura Lex, sed Latex, porque Latex estica” Fernando Sabino. Escher