Raciocínio Baseado em Casos (CBR) Plano de aula Críticas aos sistemas baseados em regras Conceitos fundamentais Funcionamento: ciclo dos RE’s Aplicações Balanço

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 manutenção e refinamento são delicados é lento dificuldades com problemas “under constraint” muitas soluções para o mesmo problema

Soluções atuais Aquisição Robustez Tempo de desenvolvimento sistemas especialistas de 2a geração abandono da hipótese da transferência de conhecimento aquisição baseada em modelos utilização de aprendizagem automática simbólica Robustez tratamento de incerteza Tempo de desenvolvimento Ferramentas (shells) Aprendizado (on-line) EBL, chunking, ... (sem sucesso)

Soluções atuais: Conclusões As soluções propostas ainda são insatisfatórias Porque, então, não mudar paradigma?

Compreensão de histórias (Sistema IPP) IRA guerrilas ambushed a military patrol in west Belfast yesterday killing one british soldier and badly wounding another Army quarters a suspected IRA gunman killed a 50-year old unarmed security guard in east Belfast early today the police said A gunman shot and killed a part-time policeman at a soccer match Saturday and escaped through the crowd... Nova explicação/solução Nova situação/problema situação-explicação ou problema solução

“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” 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 instalações 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: Experiência Regras Engenheiro de conhecimento 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 Raciocínio analógico intra-domínio aprendizado incremental on-line suaviza necessidade de aquisição de conhecimento Experiência Experiência

Raciocínio baseado em casos Historicamente: Wittgenstein (conceituação em extensão) Edel Tulving (memória episódica) Gentner (analogia), .... Roger Schank (scripts) Janet Kolodner (memória dinâmica) 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.

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

Exemplo: Valor de Venda de Casas

Funcionamento do CBR: ciclo dos 4 RE´s Recuperar novo caso (alvo) novo caso (alvo) Indexar caso recupe-rado (fonte) problema base Reutilizar caso aprendido caso solução solução sugerida Reter caso testado e corrigido solução final Revisar

Desenvolvimento de um sistema CBR 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.), Outros Tamanho e composição (casos compostos) Quantidade de casos distribuir bem no espaço de problema n-dimensional (n atributos)

Representação dos casos Várias linguagens de vetores de características Atributo-valor (frames, redes semânticas, objetos, ...) lógica de primeira ordem Depende da natureza do que se quer representar Velho problema da expressividade x eficiência ex. situaçãoDeMediação(c1, disputa)  protagonistas (c1, criança11, criança20, criança32)  objetoDisputado (c1, chocolate)  ... objeto: disputa; atributos: protagonistas, objetoDisputado

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 Checklist, difference-based, inductive learning, ... Conselhos concreto x abstrato levar em conta a utilização que se quer fazer (propósito) ex. para um mecânico e para um cliente de locadora, a descrição de um automóvel é bem diferente

Indexação (cont.) Interpretação de situação preço ano modelo marca opcionais kilometragem motor cor .... Interpretação de situação os índices realmente relevantes para um problema/situação em particular ex. em uma disputa entre crianças a profissão não conta, enquanto na disputa entre adultos, ela conta

Critério para escolha dos casos A recuperação é baseada na similaridade entre caso alvo e casos fontes Dois tipos de cálculo de similaridade: explícito ou indireto Medida explícita (mais usado!) independente da estratégia de recuperação ou da organização da memória k vizinhos mais próximos (knn) Medida indireta dependente da estratégia de recuperação e/ou da organização da memória memória dinâmica (hierárquica)

k vizinhos mais próximos (knn) wi - peso da característica i axi e ayi - valores da característica f nos casos C e S simi - função primitiva para a característica i Observações similaridade global [0-1], sem ordem de testes mais fácil introduzir conhecimento do domínio: pesos os pesos podem ser definidos manualmente ou por métodos automáticos

Exemplo Carro 1 Carro 2 Carro 3 ano = 1997 modelo = Gol marca = VW cor = vermelho Preço = 1000 ano = 1996 modelo = Golf marca = VW cor = azul Preço = 1500 ano = 1995 modelo = Tempra marca = Fiat cor = azul Preço = 1300 Pesos ano = 2, modelo = 3, marca = 2, cor = 1, preco =1 Funções primitivas ano: (diferença  2) => 1; (2 < dif  4) => 0,5; (dif > 4) => 0 modelo: igual => 1; diferente => 0 marca: igual => 1; diferente => 0 cor: igual => 1; parecida => 0,5; diferente => 0 preço: (dif  250) => 1; (250 < dif < 1000) => 0,5); (dif > 1000) => 0

Organização da memória Memória plana Implementação: lista simples (1 nível de indexação) Métodos de recuperação Busca serial (custa caro) Busca paralela Medida de similaridade explícita (knn) Memória hierárquica Implementação: características compartilhadas redes de discriminação Métodos de recuperação & Medida de similaridade implícita (basta percorrer!)

Características compartilhadas situaçãoDeMediação = disputa Tipo: disputa física (Korea) Tipo: disputa política (Panama) Protagonistas: países tipoDeObjetoDisputado: terras Protagonistas: crianças tipoDeObjetoDisputado: comida Desejo: objeto inteiro (Laranja1) Desejo: diferentes partes do objeto (Laranja2) objDisputado: laranja relaçãoFamiliar: irmãs idades: adolescentes objDisputado: Candy (Candy)

Organização da memória Trade-offs: eficiência x completude eficiência na inserção x eficiência na consulta ordem fixa dos testes pode levar a a recuperação do caso que não é o mais similar “plausibilidade” x facilidade de introduzir conhecimento Organizações alternativas de memória template trees, z-trees, ...

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 Questão: a similaridade basta? nas tarefas de design (projeto), não basta! É preciso: adaptation-based retrieval

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

Exemplo de reutilização I 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;

Exemplo de reutilização: reinstanciação Determine os papéis dos envolvidos no caso retido; Faça a correspondência dos papéis no problema proposto; Reinstancie os atributos e relações do caso retido de acordo com as respectivas correspondências; Ex.: MEDIATOR resolução de conflitos: como dividir uma laranja entre duas crianças interessadas? caso anterior: método utilizado por pescadores; reinstanciação: identificação dos papéis de cada entidade envolvida (pescador  criança, peixe  laranja, objetivo  divisão)

Outros Métodos Ajuste de parâmetros Substituição baseado em casos ex.: cálculo de novo valor de um imóvel; Substituição baseado em casos encontrar outro caso que sugira uma alternativa; por que não utilizar logo este caso?

Revisão e retenção Revisão Retenção 1) Avaliar a solução (automáticamente ou não) 2) Consertar o caso Retenção 1) Extração da informação a reter 2) indexação 3) inserção do caso na base

Aplicações: estado da arte Todas as classes de problemas dos SE´s diagnóstico, planejamento, scheduling, interpretação, cozinha, 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 FindMe agents sugere filmes e carros em locadoras raciocino através de exemplos busca não hierárquica Buttler agents sugere hotéis, restaurantes, oficinas, ... Correspondent agents usa técnicas de recuperação de casos para encontrar textos: FAQ-finder Analog Devices help desk: o sistema responde às dúvidas mais simples, restringindo a necessidade em contatar seus engenheiros

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

Balanço e conclusões Apesar das limitações, é bem mais fácil e rápido desenvolver e manter um sistema CBR. E ele é mais robusto! CLAVIER na Lockheed (fornos) - de 60% para 10%, taxa de erro General dynamics (barcos) - 5 homens-ano x 2 homens-ano. CANASTA da DEC: 8 vezes mais rápido

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 Existem conhecimento para adaptação de casos adequado para tarefas de projeto (design) Existem muitas exceções às regras É preciso aprender “on-line”

Referências básicas 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