Profa. Mara Abel

1
Sistemas de Conhecimento Aplicação e
desenvolvimento

• Profa. Mara Abel
• Instituto de Informática - UFRGS
• marabel_at_inf.ufrgs.br

2
Nomes, nomes...

• Sistemas de IA
• Sistemas simbólicos, não algorítmicos que
  utilizam técnicas de IA para solução de problemas
• Sistemas baseados em conhecimento
• Sistemas de IA que otimizam a busca da solução
  pela aplicação de conhecimento explicitamente
  representado
• Sistemas Especialistas
• Sistemas baseados em conhecimento que resolvem
  problemas que necessitam de altos níveis de
  perícia para sua solução. O conhecimento é
  extraído de um especialista humano.

3
Mais nomes...

• Sistemas de conhecimento
• Termo mais atual. Refere-se a qualquer sistema de
  informação que gerencie, armazene e/ou aplique
  conhecimento explicitamente representado.
• O conhecimento pode ser de fonte humana, da
  organização, disperso, etc.

4
Sistemas de Conhecimento

• Permitem
• Extrair o conhecimento de suas diferentes fontes,
  tornando-o independente das pessoas
• Organizá-lo
• Distribuí-lo
• Multiplicá-lo

5
Evolução dos Sistemas Especialistas

• Primeira fase
• Reprodução da tarefa através de um sistema
  simbólico conhecimento embutido no código
• Segunda fase
• Extração do conhecimento do especialista
  reproduzindo com fidelidade em um sistema
  simbólico conhecimento em um banco de
  conhecimento
• Terceira fase
• Conhecimento pertence à organização, sendo
  extraído, racionalizado e implementado através de
  diversos recursos da computação.

6
Quando utilizar sistemas de conhecimento?
7
SE é solução quando...

• Risco de manter o conhecimento estratégico em
  poder das pessoas é muito grande
• Domínios são muitos simbólicos
• Problema é descrito com variáveis não
  quantificáveis pequeno, inadequado, escuro,
  suficiente, quase, ao lado..
• Número muito grande de variáveis

8
Benefícios da Organização

• Produtividade
• Preservação do capital intelectual
• Disseminação do conhecimento organizacional
• Qualidade da decisão
• Padronização do comportamento empresarial
• Treinamentos eficientes

9
PRINCIPAIS APLICAÇÕES

• Tarefas Analíticas
• Classificação
• Aconselhamento
• Diagnóstico
• Monitoração
• Previsão

• Tarefas de Síntese
• Projeto e/ou configuração
• Modelagem
• Planejamento
• Escalonamento
• Atribuição

10
Serviço de Atendimento ao Cliente
Problemas - Volume e complexidade crescentes
Técnicos
Técnicos
11
Aplicações

• Autorização de crédito na American Express
• Projeto de produtos na Nippon Steel
• Suporte a clientes de produtos IBM e Compaq
  Computer
• Roteamento de aeronaves na American Airlines
• Utilização de mão-de-obra no Department of
  Defense (EUA)
• Processamento de reivindicações de reembolso sob
  garantia na Ford

12
Aplicações na Indústria

• Diagnóstico de falhas nos motores da Boeing e
  Airbus, e também em metrôs e trens
• Suporte de vendas para circuitos integrados
  Analog Devices
• Estimativa do custo de produção de peças em
  plástico- Legrand
• Análise de cartas de telecomunicação e sistemas
  eletrônicos de testes de dados Ericsson
• Help Desk para suporte após venda de robôs -Sepro
  Robotique

13
PetroGrapher

• Banco de dados inteligente para a gerência de
  descrições petrográficas para apoiar a exploração
  de petróleo
• Múltiplos modelos de conhecimento mapeados para
  banco de dados
• Realiza caracterização de reservatórios de
  petróleo segundo critérios geológicos
• Disponibiliza dados de reservatórios para consulta

14
Celupa

• Monitoração do processo de produção de filtros de
  papel para café
• Sistema recebe dados analógicos, mede as
  diferenças do padrão e ajusta equipamento
• Conhecimento dos técnicos e do padrão exigido da
  empresa

15
Engenharia de ConhecimentoCapturando
conhecimento da organização e das pessoas
16
Objetivos da Engenharia de Conhecimento

• Engenharia de software para sistemas baseados em
  conhecimento
• Transformar o processo ad hoc de construir
  sistemas baseados em conhecimento em uma
  disciplina da engenharia
• Métodos
• Linguagens
• Ferramentas

17
Engenharia de Conhecimento

• Aquisição de conhecimento
• Extração do conhecimento de suas diversas fontes
• Representação de conhecimento
• Modelagem do domínio
• Validação do conhecimento
• Verificação de consistência
• Explicação e justificativa
• Recuperação e apresentação do raciocínio ao
  usuário

18
Evolução

• Paradigma de transferência
• Especialista detém o conhecimento que deve ser
  extraído e colocado no sistema.
• Paradigma de modelagem
• Organização detém o conhecimento
• Conhecimento existente nas pessoas, arquivos,
  sistemas deve ser extraído e modelado em um
  formato computacional

19
Análise de Sistemas - Análise de Conhecimento

• 1. Necessidades do usuário
• 2. Informações e dados factuais, processos e
  procedimentos
• 3. Entradas, saídas e fluxo de dados
• 4. Dados quantitativos
• 5. Técnicas estruturadas
• 6. Aspectos sintáticos do domínio e seus
  processos

1. Necessidades da perícia e do usuário 2.
Aplicação cognitiva dos dados e da informação 3.
Conceitos e estratégias de solução de
problemas 4. Dados heurísticos e subjetivos 5.
Aquisição cognitiva do conhecimento e técnicas de
análise 6. Riqueza semântica do domínio e
raciocínio de solução de problemas
20
Abordagem de Modelagem

• Modelos formais
• Conceitos representados explicitamente
• Métodos de solução representados explicitamente e
  de modo abstrato
• Compartilhamento de conceitos e métodos
• Reuso do modelo

21
Metodologias que Aplicam a Abordagem de Modelagem

• Tarefas genéricas
• Métodos de limitação de papéis Componentes da
  perícia
• Ontologias e OntoLíngua
• VITAL
• PROTÉGÉ
• KADS e Common KADS .

22
Metodologia Common KADSUtilizando um formalismo
para modelar conhecimento
23
site www.commonkads.uva.nl
24
Princípios do Common KADS

• Princípio da Modelagem um modelo é uma abstração
  de algum aspecto da realidade. Modelar é
  construir uma boa descrição de alguns aspectos do
  conhecimento, deixando de fora o resto. O modelo
  torna possível focar em alguns aspectos e ignorar
  os outros.
• Princípio do nível de conhecimento primeiro se
  concentre na estrutura conceitual do
  conhecimento, deixando os aspectos de
  implementação para mais tarde.
• Princípio da Tipagem do Conhecimento modela-se o
  conhecimento como um conjunto funcional bem
  estruturado, cujas partes apresentam papéis bem
  definidos e especializados na solução de
  problemas.
• Processo em espiral não tão rígido como o modelo
  em cascata nem tão livre como a prototipação
  rápida

25
O conjunto de modelos
contexto
modelo da tarefa
modelo da organização
modelo dos agentes
modelo do conhecimento
modelo de comunicação
conceito
modelo do projeto
artefato
26
O Modelo do Conhecimento

• Representando o conhecimento em um formalismo

27
Modelo do Conhecimento categorias de conhecimento
Conhecimento da Tarefa - Objetivos da tarefa -
Decomposição da tarefa - Controle da tarefa
Diagnóstico (tarefa)
OBJETIVOS
Conhecimento de inferência - Inferências básicas
- Papéis
Hipótese Verificação (inferência)
(inferência)
AÇÕES
Conhecimento do Domínio - Tipos - Regras -
Fatos
Sintoma Doença Teste (tipo)
(tipo) (tipo)
CONHECIMENTO
28
Conhecimento do DomínioOntologias

• Especificação formal e explícita de um conjunto
  de conceitos compartilhados
• Formal processável por computador
• Explícita conceitos e restrições previamente
  definidos
• Compartilhado descreve um conhecimento
  consensual, que é aceito por um grupo.
• Inclui conceitos, relações, regras e todos os
  tipos estáticos.

29
Ontologia

• (i) Um vocabulário de conceitos, ou termos do
  domínio
• (ii) a tipologia do domínio, que define tipos de
  dados e restrições de valores que os termos devem
  respeitar
• (iii) as relações entre conceitos, que formam as
  taxonomias e partonomias daquele domínio, ou
  outras associações entre conceitos.

30
Construtores do Conhecimento do Domínio

• Conceitos objetos ou entidades do domínio
• Definidos por seus atributos e tipos de valores
• Relações classificação, especialização,
  agregação, conjunto
• Regras relações de dependências entre conceitos
  do domínio ou entre expressões de domínio

31
Conceitos

• Conceitos do domínio objetos ou entidades
• os atributos ou propriedades desses objetos
• as restrições que definem os conceitos e
  distinguem a realidade deste domínio dos demais
• (Descrevem o que são as coisas do domínio)

32
Conceitos

• CONCEPT tanque-combustível
• ATTRIBUTES
• Statuscheio, reserva, vazio
• Tipo-combustivel combustível
• END-CONCEPT tanque-combustível
• VALUE-TYPE combustível
• VALUE-LIST gasolina,álcool
• TYPE ORDINAL
• END-VALUE-TYPE combustível

33
Relações do Domínio

• Principalmente
• Classificação
• Especialização
• Agregação
• Associação de conjunto

34
Base de Conhecimento

• Instâncias dos conceitos do domínio que descrevem
  a aplicação
• Não são instâncias do usuário
• INSTANCE tanque-combustível
• Status vazio
• Tipo-combustivel gasolina
• END-INSTANCE tanque-combustível

35
Termos de Domínio

• Declarações sobre os conceitos do domínio ou
  qualquer combinação lógica dessas declarações
• tanque-combustível.status vazio
• bateria.status baixa gt força.status desligado
• farol.status não-funciona E ignição.status
  não-funciona E radio.status não-funciona

36
Tipo-regra instâncias

• Entrada-combustível.status bloqueado
• CAUSA
• gasolina.status falso
• bateria.status baixa
• farol.status ligado
• CAUSA
• força.valor desligado

37
Modelo da Tarefa

• Define a relação entre os conceitos do domínios
  necessários à aplicação e os métodos de solução
  de problema abstratos necessários para obter a
  solução.
• Realiza a instanciação dos métodos de solução de
  problemas

38
Modelo da Tarefa - Definido por ...

• Objetivo
• Papéis de entrada e saída
• Corpo da tarefa
• sub-objetivos
• sub-tarefas
• estrutura de controle em que ordem os passos da
  tarefa serão executados

39
Inferências (primitivas)

• Abstrair
• Atribuir
• Classificar
• Comparar
• Cobrir
• Criticar
• Avaliar
• Gerar
• Agrupar

• Casar
• Modificar
• Operacionalizar
• Propor
• Prever
• Selecionar
• Ordenar
• Especificar
• Verificar

40
Métodos de Solução de Problemas

• Componente dinâmico do conhecimento
• Modelo abstrato da inferência aplicável àquela
  classe de problemas
• NÃO correspondem aos métodos de inferência por
  busca, como raciocínio progressivo ou regressivo
• Generalização de um padrão de raciocínio
  específico, mas não é um raciocínio genérico

41
Tipos de MSPs

• Geração e teste
• Classificação heurística
• Diagnóstico sistemático
• Verificação
• Reparo
• Projeto
• Configuração

42
Exemplo Diagnóstico
observação
hipótese
reclamação
obter
hipóteses
achado
valor verdade
43
Diagnóstico
Processo em deadlock causa rede com performance
baixa
Processo em deadlock?
observação
hipótese
Rede com performance baixa
reclamação
obter
hipóteses
achado

• Processo em deadlock causa rede com performance
  baixa
• Alto consumo de memoria causa rede com
  performance baixa

Processo XYZ parado
valor verdade
verdade Causa processo XYZ
44
Construção do Modelo

• Formalizando o conhecimento adquirido!!

45
Construção do Modelo
Modelo Cognitivo
Modelo do Conhecimento
Abstração
46
Modelos KL (Knowledge Level)

• O processo de modelagem é
• contínuo
• cíclico
• falho

Aproximação da realidade !
Observações provocam modificações no modelo e o
modelo sugere novas observações!
Modelo deve ser continuamente validado !
47
Identificação do conhecimento

• Familiarização com o domínio
• listar todas as fontes de conhecimento e
  caracterizá-las,
• resumo dos textos-chave a respeito do problema ou
  tarefa,
• seleção e identificação de cenários
  representativos do domínio,
• coleta de casos, se houver.

48
Identificação do conhecimento

• Listar componentes potenciais do modelo
• identificar tipo da tarefa (diagnóstico,
  monitoração?)
• identificar tipo do domínio (técnico,
  excessivamente simbólico, muitas heurísticas?)

49
Especificação do conhecimento

• Escolher a estrutura de inferência a partir de
  uma biblioteca disponível
• Verificar se as entradas e saídas desta
  estrutura são adequadas ao problema.
• Colocar anotações nos papéis do conhecimento
  relacionando-os às instâncias da base de
  conhecimento.
• Adaptar a estrutura para as necessidades do
  domínio, se necessário

50
Especificação do conhecimento

• Construção do esquema inicial do domínio
• Definir os conceitos e termos do domínio
• Construir as hierarquias e partonomias desses
  conceitos
• Utilizar os conceitos de abstração já definidos,
  especificando outros apenas quando a semântica
  for essencial.

51
Especificação do conhecimento

• Completar a especificação do modelo do
  conhecimento.
• Pode-se partir da inferência e definir os
  conceitos (melhor),
• ou partir dos conceitos e identificar a
  inferência (possível quando casos foram obtidos
  na fase de aquisição).

52
Validação do Conhecimento

• Validar o modelo do conhecimento
• Utilizar simulação no papel,
• Casos previamente reservados para teste,
• Ou protótipo construído apenas para validar a
  base.
• Completar a base de conhecimento
• Incluir instâncias necessárias para a execução da
  tarefa em questão.

53
Referências

• Velde, W.V. Issues in knowledge level modeling.
  In David, J. M.et al. Second generation expert
  systems. Berlin Springer Verlag, 1993
• Schreiber, G. Akkermans, H. Anjewierden, A.
  Hoog, R.d. Shadbolt, N. Velde, W.v.d.
  Wielinga, B. Knowledge engineering and
  management the CommonKads methodology.
  Cambridge The MIT Press, 2000.
• Shadbolt, N., O'hara, K. and Crow, L. The
  experimental evaluation of knowledge acquisition
  techniques and methods history, problems and new
  directions. International Journal of
  Human-Computer Studies, 51 729-755, 1999.