Administração de Sistemas de Informação Sistemas Especialistas Prof. Afranio Lamy Spolador Jr. afranio@piramideinfo.com.br afranio@facinter.br Agradecimentos: Ao Prof. Edson Emílio Scalabrin, PhD

Inteligência Artificial “Uma área de pesquisa que investiga formas de habilitar o computador a realizar tarefas nas quais, até o momento, o ser humano tem um melhor desempenho”. Elaine Rich

Inteligência Artifical (Definições) Conjunto de técnicas para a construção de máquinas “inteligentes”, capazes de resolver problemas que requerem inteligência humana. (Nilsson) Ramo da Ciência da Computação dedicado à automação de comportamento inteligente. (Luger e Stubble) Tecnologia de processamento de informação que envolve processos de raciocínio, aprendizado e percepção. (Winston)

Inteligência Artificial x Inteligência Natural É permanente; Pode ser menos dispendiosa; Consistente e “perfeita”; Facilmente documentada; Facilidade para duplicar e disseminar. É criativa; Experiências sensoriais; Facilidade para reconhecer o relacionamento entre as coisas, para detectar qualidades e isolar padrões; Constante evolução natural

Sistemas Especialistas (Expert Systems) São programas de aconselhamento computadorizado que tentam simular os processos de raciocínio dos especialistas ao solucionar problemas difíceis. Vantagens: Aumento da Produtividade; Aprimoramento das forças de trabalho; Redução de custos; Retenção do conhecimento.

Sistemas Especialistas Raciocínio para tomada de decisão Exemplos de regras: Se < chove > então eu pego meu guarda-chuva Se < não encontro meu guarda-chuva > então eu procuro minha capa impermeável Se < está quente > então eu retiro minha blusa Funcionamento : As regras são confrontadas à situações correntes fatos, e uma ação correspondente é efetuada. Esse comportamento é facilmente reproduzido em computadores nos sistemas especialistas ou ainda sistemas a base conhecimentos.

Sistemas Especialistas Arquitetura de um sistema a base de conhecimentos Sistema Especialista Base de conhecimentos Base de Fatos Motor de inferência

Mecanismo e estratégia de inferência Considerando uma regra: Se as premissas estão contidas na Base de Fatos BF, então aplica-se a regra i.e. insere-se as conclusões BF senão passa para a próxima regra Quando detecta-se que um objetivo foi atingido ou que mais nenhuma regra se aplica, o processo de raciocínio é encerrado As variações nesse mecanismo estão relacionadas a escolha da primeira regra, a escolha próxima regra,

Exemplo de Inferência A B G D C E A B G D C E Encadeamento para traz Regra 01: Se A então B & C Regra 02: Se B então D Regra 03: Se C então E Regra 04: Se D então G Encadeamento para traz A B G D C E 1 3 4 5 2 A B G D C E Encadeamento para frente

Exemplo de base de regras Regra 01: Se distância > 5 km, pegaremos o carro Regra 02: Se distância > 1 km e tempo < 15 minutos, pegaremos o carro Regra 03: Se distância > 1 km e tempo > 15 minutos, iremos a pé Regra 04: Se iremos de carro e o cinema é no centro da cidade, pegaremos um taxi Regra 05: Se iremos de carro e o cinema não é no centro da cidade, pegaremos nosso próprio carro Regra 06: Se iremos a pé e o tempo está ruim, pegaremos uma impermeável Regra 07: Se iremos a pé e o tempo está bom, iremos em ritmo de passeio

Árvores de Decisão Forma para representar as regras; É importante para a criação de um sistema especialista. Exemplo de base de dados: inteligência beleza situação financeira classe sim bonito rico namorar_sim_namora não feio pobre namorar_não_namora mediano

Árvores de Decisão Exemplo situacao_financeira rico ---> namorar_sim_namora pobre ---> inteligencia nao ---> namorar_nao_namora sim ---> namorar_sim_namora mediano ---> namorar_sim_namora

GE Cases Carrier Departamento de tesouro americano Nortwest Airlines Ebara Manufacturing Expert SINTA