Você está na página 1de 101

Inteligência Artificial

Prof. Edson Ceroni

Inteligência Artificial - Prof. Edson Ceroni

Inteligência Artificial - Prof. Edson Ceroni
Inteligência Artificial - Prof. Edson Ceroni
Inteligência Artificial - Prof. Edson Ceroni

O que é inteligência artificial?

O que é inteligência artificial? ?

?

Barr & Feigenbaum (1981)

Barr & Feigenbaum (1981) “IA é a parte da ciência da computação que se preocupa em

“IA é a parte da ciência da computação que se preocupa em desenvolver sistemas computacionais inteligentes, isto é,

sistemas que exibem características, as quais nós associamos com a inteligência no comportamento humano - por exemplo,

compreensão da linguagem, aprendizado, raciocínio, resolução de problemas, etc.”

Nils Nilsson (1982)

Nils Nilsson (1982) “Muitas atividades mentais -como escrever programas de computadores, matemática, raciocínio do

“Muitas atividades mentais -como escrever programas de computadores, matemática, raciocínio do senso comum, compreensão de línguas e até dirigir um automóvel - demandam “inteligência”. Nas últimas décadas, vários sistemas computacionais foram construídos para realizar estas tarefas. Dizemos que tais sistemas possuem algum

grau de Inteligência Artificial.

Charniak & McDermott (1987)

Charniak & McDermott (1987) “IA é o estudo de faculdades mentais através computacionais.” do uso de

“IA é o estudo de faculdades mentais

através

computacionais.”

do

uso

de

modelos

Nilson & Genesereth (1987)

Nilson & Genesereth (1987) “IA é o estudo do comportamento inteligente . Seu objetivo final é

“IA

é

o estudo do comportamento

inteligente.

Seu

objetivo

final

é

uma

teoria da inteligência que explique o

comportamento das

entidades

inteligentes naturais e que guie a criação de entidades capazes de comportamento inteligente.”

Kurzweil (1990)

Kurzweil (1990) “IA é a arte de criar máquinas que executam inteligência funções quando que requerem

“IA

é

a

arte

de

criar máquinas que

executam

inteligência

funções

quando

que

requerem

executadas

por

pessoas.”

Winston (1992)

Winston (1992) “Inteligência computações Artificial que é o estudo das tornam possível perceber, raciocinar e agir

“Inteligência

computações

Artificial

que

é

o

estudo

das

tornam

possível

perceber, raciocinar e agir.”

Luger & Stubblefield (1993)

Luger & Stubblefield (1993) “IA pode ser definida como o ramo da ciência da computação que

“IA pode ser definida como o ramo da ciência da computação que se preocupa com a automação do comportamento

inteligente.”

“IA

é

coleção

de

problemas

a

e

pelos

metodologias estudadas

pesquisadores de IA.”

Elaine Rich & Kevin Knight (1993)

Elaine Rich & Kevin Knight (1993) “Inteligência Artificial é o estudo de como fazer os computadores

“Inteligência Artificial é o estudo de como fazer os computadores realizarem coisas que, no momento, as pessoas fazem melhor.”

Como funciona a inteligência humana ?

Como funciona a inteligência humana ? Não sabemos ainda exatamente como a mente funciona, mas com

Não sabemos ainda exatamente como a mente funciona, mas com os conhecimentos adquiridos pelos cientistas, podemos fazer certas suposições sobre como pensamos e aplicar essas suposições ao projeto dos programas de inteligência artificial.

OBJETIVOS

OBJETIVOS Todo o pensamento nos ajuda a conseguir alguma coisa. Quando um despertador toca de manhã,

Todo o pensamento nos ajuda a conseguir alguma coisa.

Quando um despertador toca de manhã, um processo de pensamento deve ser empregado para guiar sua mão até ele e desligá-lo. Não é uma reação automática; buscou-se uma resposta específica para a solução de um determinado problema.

Os resultados finais para os quais todos os nossos processos de pensamento estão dirigidos são chamados Objetivos.

Uma vez tendo alcançado o objetivo de travar o despertador, sua mente imediatamente se confrontará com outros objetivos a serem alcançados, como, por exemplo, ir ao banheiro, escovar dentes, se vestir, preparar e tomar café da manhã e assim por diante.

OBJETIVOS

OBJETIVOS Todos os objetivos alcançados podem levar à um objetivo maior, que é chegar ao trabalho

Todos os objetivos alcançados podem levar à um objetivo maior, que é chegar ao trabalho na hora certa.

Nenhum dos pensamentos que o guiam para esse resultado final é aleatório ou arbitrário. Eles foram ativados porque em cada etapa do caminho você tinha um objetivo específico em mente.

Quando comprometida com a mais simples tarefa ou como a mais complexa atividade mental, a mente se concentra fortemente em um objetivo.

Sem objetivos, não temos razão para pensar.

EXEMPLOS DE OBJETIVOS

EXEMPLOS DE OBJETIVOS 1. Traçar o menor caminho entre São Paulo e Rio de Janeiro. 2.

1. Traçar o menor caminho entre São Paulo e Rio de Janeiro.

2. Decidir o melhor tipo de vinho para se beber com um certo peixe.

3. Aprender a amarrar os sapatos.

4. Saber determinar se meu filho entende os conceitos de aritmética.

Quando se projeta um sistema de IA, o objetivo do sistema deve sempre ser mantido em mente.

Lembre-se: Não fazemos as coisas porque pensamos; pensamos porque existem coisas que temos que fazer.

FATOS E REGRAS

FATOS E REGRAS Todos sabemos que a mente humana possui um amplo estoque de conhecimentos relacionados

Todos sabemos que a mente humana possui um amplo estoque de conhecimentos relacionados a uma incontável lista de objetos e idéias.

Nossa sobrevivência depende de nossa habilidade em aplicar esses conhecimentos em qualquer situação que apareça e aprender continuamente com as novas experiências, para que sejamos capazes de responder a situações similares no futuro.

Aquilo que geralmente é considerado “inteligência” pode ser dividido em uma coleção de fatos e um meio de se utilizar esses fatos para alcançar os objetivos.

Isto é feito em parte pela formulação de conjuntos de regras relacionadas a todos os fatos armazenados no cérebro.

EXEMPLOS DE FATOS E REGRAS

EXEMPLOS DE FATOS E REGRAS Fato/regra conjunto 1: Fato 1: Um forno aceso fica quente. Regra

Fato/regra conjunto 1:

Fato 1: Um forno aceso fica quente.

Regra 1: SE eu puser minha mão em um forno aceso, ENTÃO eu vou me queimar.

Fato/regra conjunto 2:

Fato 2: Durante a hora do rush as ruas ficam repletas de carros.

Regra 2: SE eu tentar atravessar uma avenida a pé durante a hora do rush, ENTÃO eu posso ser atropelado por um carro.

EXEMPLOS DE FATOS E REGRAS

EXEMPLOS DE FATOS E REGRAS Fato/regra conjunto 3: Fato 3a: Ruas escuras e pouco movimentada são

Fato/regra conjunto 3:

Fato 3a: Ruas escuras e pouco movimentada são perigosas.

Fato 3b: Pessoas de idade geralmente não cometem crimes violentos.

Fato 3c: A polícia protege as pessoas contra o crime.

Regra 3a: SE eu estou em uma rua escura e pouco movimentada e vejo uma pessoa idosa, ENTÃO eu não devo ficar particularmente preocupado com minha segurança.

EXEMPLOS DE FATOS E REGRAS

EXEMPLOS DE FATOS E REGRAS Regra 3b: SE eu estou em uma rua escura e pouco

Regra 3b: SE eu estou em uma rua escura e pouco movimentada e vejo um policial, ENTÃO eu devo me sentir seguro.

Fato/regra conjunto 4:

Fato 4: Quando fazemos adição de dois dígitos cuja soma é maior que nove, usamos o procedimento do transporte (ou vai- um).

Regra 4: SE eu tiver de somar uma coluna de dígitos e a soma for maior que nove, ENTÃO eu tenho de fazer referência ao fato 4 para saber como concluir a adição.

EXEMPLOS DE FATOS E REGRAS

EXEMPLOS DE FATOS E REGRAS Note que nos exemplos anteriores, todas as regras são expressas numa

Note que nos exemplos anteriores, todas as regras são expressas numa relação SE-ENTÃO, ou relação condicional.

Ou seja, SE uma certa condição existe ENTÃO ocorrerá uma ação ou outra resposta.

Alguns fatos são obviamente mais complicados que outros, e algumas regras dizem respeito a mais de um fato.

Em geral os seres humanos têm a capacidade de relacionar conjuntos de regras e fatos muito complexos na tentativa de alcançar alguns objetivos complicados.

Poda

Poda Quando a mente humana parte para a solução, até mesmo de um problema simples, ela

Quando a mente humana parte para a solução, até mesmo de um problema simples, ela tem uma vasta quantidade de informações a serem coletadas para determinar o curso de ação a ser tomada.

Vamos voltar ao exemplo que usamos anteriormente. Você sai de casa para o trabalho e anda até a esquina. Enquanto você espera para atravessar a rua, seu cérebro é bombardeado com todos os tipos de dados.

A velocidade e o volume do tráfego, a distância até a outra calçada, os semáforos no cruzamento – todos esses fatores devem ser considerados antes de você faça qualquer movimento.

Poda

Poda Além disso, um número enorme de impressões sensoriais que são totalmente irrelevantes para o problema

Além disso, um número enorme de impressões sensoriais que são totalmente irrelevantes para o problema de cruzar a rua também está sendo processado ao mesmo tempo – condições do tempo, a cor e o modelo dos carros que passam a sua frente, o tipo e a altura da árvores na calçada, a aparência das construções próximas.

Sem dúvida você também está pensando aonde está indo, com que rapidez quer chegar lá, quem vai ver quando chegar e assim por diante.

Como você pode notar, se tivesse de lidar com essa enormidade de fatos diretamente relacionados, indiretamente relacionados ou totalmente sem relação antes de colocar o pé fora da calçada, você poderia demorar alguns anos para atravessar a rua.

Poda

Poda Se realmente temos tantos fatos e regras a processar todo o tempo, como é que

Se realmente temos tantos fatos e regras a processar todo o tempo, como é que a mente extrai rapidamente o conjunto certo de regras para se adaptar a uma determinada situação?

Quando você quer atravessar a rua, como é que a mente sabe aplicar, entre outros, o fato/regra conjunto 2, que diz respeito ao tráfego, e não ao fato/regra conjunto 4, que diz respeito à aritmética?

Existe um sistema mais sofisticado que guia a seleção de uma resposta adequada a uma situação específica. Este processo é chamado de poda

(pruning).

Como o próprio nome sugere, o processo de poda elimina os caminhos de pensamento que não são relevantes para o objetivo imediato de se alcançar uma meta.

MECANISMOS DE INFERÊNCIA

MECANISMOS DE INFERÊNCIA Quando alcançamos um objetivo, não estamos apenas resolvendo um problema imediato; estamos

Quando alcançamos um objetivo, não estamos apenas resolvendo um problema imediato; estamos também adquirindo novos conhecimentos ao mesmo tempo.

Considere a seguinte informação:

1. Os pais de José são João e Maria.

2. Os pais de Joana são João e Maria.

O objetivo é determinar o parentesco entre José e Joana. O mecanismo de poda se concentra em uma regra guardada em segurança no cérebro, que acaba com o mistério instantaneamente: SE uma pessoa do sexo masculino e uma pessoa do sexo feminino têm os mesmos pais, ENTÃO eles são irmãos.

MECANISMOS DE INFERÊNCIA

MECANISMOS DE INFERÊNCIA Alcançamos nosso objetivo inferindo a resposta da pergunta sobre o parentesco entre José

Alcançamos nosso objetivo inferindo a resposta da pergunta sobre o parentesco entre José e Joana da regra que já havíamos aprendido anteriormente. E no processo de alcançar o objetivo, um novo fato é deduzido: José e Joana são irmãos.

A parte da inteligência que nos ajudou a chegar a esse

novo fato é chamada de mecanismo de inferência.

Ele é central em nossa habilidade de aprender com a experiência porque nos permite gerar novos fatos a partir dos já existentes aplicando o conhecimento adquirido em novas situações.

RESUMO

RESUMO 1. Um objetivo específico coloca nosso processo de pensamento em ação. 2. Uma vasta coleção

1. Um objetivo específico coloca nosso processo de pensamento em ação.

2. Uma vasta coleção de fatos e as regras que a eles se relacionam esperam ser chamados para ajudar a alcançar um objetivo.

RESUMO

RESUMO 3. A poda nos ajuda a realizar uma procura rápida e eficiente apenas das regras

3. A poda nos ajuda a realizar uma procura rápida e

eficiente apenas das regras que dizem respeito a um objetivo imediato.

4. O mecanismo de inferência completa o processo

fazendo inferências a partir das regras que foram chamadas pelo mecanismo de poda e gerando novos fatos que instantaneamente se tornam parte de nosso depósito de conhecimento.

DESENVOLVENDO UM SISTEMA DE INTELIGÊNCIA ARTIFICAL

DESENVOLVENDO UM SISTEMA DE INTELIGÊNCIA ARTIFICAL Todos os elementos nos quais consiste o processo humano de

Todos os elementos nos quais consiste o processo humano de tomada de decisão – objetivos, fatos, regras, mecanismos de inferência e poda – devem ser reunidos em um programa de computador para que ele possa ser realmente qualificado como um programa que possui inteligência artificial.

Definindo

os objetivos

Definindo

a solução

artificial. Definindo os objetivos Definindo a solução Definindo fatos “Componentes de um sistema de IA

Definindo

fatos

Definindo fatos
Definindo fatos

“Componentes de um sistema de IA baseado em regras”

Obtendo dados Obtendo novos objetivos via regras e inferências O mecanismo de inferência obtém novos
Obtendo
dados
Obtendo novos
objetivos via
regras e
inferências
O mecanismo de inferência obtém
novos fatos para verificar se os
objetivos foram encontrados
corretamente

DEFININDO OS OBJETIVOS

DEFININDO OS OBJETIVOS Como o alcance dos objetivos é a meta de qualquer sistema IA, a

Como o alcance dos objetivos é a meta de qualquer sistema IA, a primeira etapa no planejamento deste sistema é definir um conjunto de objetivos.

Precisamos saber que tipo de problema queremos solucionar e ser capaz de descrevê-los em termos concretos antes de começar a criar um programa para resolvê-los.

Voltando ao exemplo anterior cujo objetivo era chegar a Fatec. Considere que o seu sistema de inteligência humana guiou-o com segurança e rapidez ao atravessar a rua.

Agora você está no ponto de ônibus e tem apenas um minuto ou dois para resolver qual dos dois ônibus que passam neste ponto é o melhor para você.

DEFININDO OS OBJETIVOS

DEFININDO OS OBJETIVOS A meio quarteirão de distância está o ônibus que pára em todos os

A meio quarteirão de distância está o ônibus que pára em todos os pontos, e ele está se aproximando rapidamente.

Você quer pegar esse ônibus ou esperar o ônibus expresso?

Esta decisão – que ônibus será melhor – é o objetivo.

Há um número de fatos essenciais a ser pesado antes que a decisão possa ser tomada, todos eles baseados na experiência anterior de pegar ônibus para ir para a FATEC.

DEFININDO OS OBJETIVOS

DEFININDO OS OBJETIVOS Por exemplo, quanto tempo vai demorar para o ônibus expresso chegar? Em qual

Por exemplo, quanto tempo vai demorar para o ônibus expresso chegar? Em qual dos dois ônibus será mais provável eu viajar sentado? Algumas regras entram também em jogo, graças à poda, como “SE eu tiver de esperar mais de 10 minutos pelo ônibus expresso, ENTÃO demorará mais para eu chegar a FATEC do que se eu tomar o ônibus que pára em todos os pontos”.

As regras estão funcionando todo o tempo, mesmo aquelas dentro do mecanismo de poda, que supervisiona todos os processos de pensamento localizando as regras específicas que são necessárias para tomar a decisão imediatamente.

DEFININDO OS FATOS

DEFININDO OS FATOS Os fatos são ingredientes essenciais em um sistema de IA. Sem eles não

Os fatos são ingredientes essenciais em um sistema de IA. Sem eles não haveria jeito de se alcançar os objetivos.

Para alcançar o objetivo de decidir qual ônibus tomar; alguns fatos de apoio específicos daquela situação foram necessários.

Obviamente como toda a situação tem seu cenário particular, todo objetivo tem seus próprios fatos.

OBTENDO DADOS

OBTENDO DADOS Qual ônibus está chegando ? intervalo Horário Conforto Computador Pessoal Lento S1$ (5min) S2$
Qual ônibus está chegando ? intervalo Horário Conforto
Qual ônibus está chegando ?
intervalo
Horário
Conforto

Computador

Pessoal

Lento

S1$ (5min)

S2$

(10:00) Banco de

S3$

Dados

(Expresso)

Qual é o intervalo de tempo entre os ônibus expresso e aquele que pára em todas as paradas (lento) ?

Já peguei o ônibus nesse horário?

Qual ônibus é mais confortável ?

Isto é equivalente ao que nosso cérebro faz quando tenta decidir que ônibus tomar.

REGRAS E INFERÊNCIAS

REGRAS E INFERÊNCIAS O Processo de se alcançar os objetivos é conhecido como e n c

O Processo de se alcançar os objetivos é conhecido como encadeamento para a frente, isto é, o uso dos dados para se chegar a uma conclusão. Ele nos permite prosseguir de uma maneira lógica de uma etapa para outra, como mostra a figura abaixo.

Definindo os objetivos

Definindo

a solução

Definindo

fatos

“Componentes de um sistema de IA baseado em regras”

Obtendo

dados

Obtendo novos objetivos via regras e inferências

O mecanismo de inferência obtém novos fatos para verificar se os objetivos foram encontrados corretamente

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA Suponha que um assassinato tenha sido cometido; uma mulher

Suponha que um assassinato tenha sido cometido; uma mulher é encontrada trancada em um apartamento, com três tiros.

O médico-legista exclui a possibilidade de suicídio por causa do ângulo dos ferimentos (processo de poda em

a trabalhar no caso

ação), e a polícia começa imediatamente.

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA A primeira coisa que analisam é quem mais, além

A primeira coisa que analisam é quem mais, além da

vizinha, tinha a chave do apartamento. Interroga o proprietário do apartamento e vários vizinhos, que dizem que a pessoa assassinada tinha um amigo que frequentava

o apartamento. Investigações posteriores revelam que os dois discutiram muito recentemente.

A polícia tem agora um suspeito. Eles são capazes de

inferir, a partir de dados dos interrogatórios, que o amigo da vítima é provavelmente o assassino (encadeamento para frente), mas precisam de algumas evidências concretas para arrematar o caso.

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA A melhor chance que eles tem para apanhar o

A melhor chance que eles tem para apanhar o suspeito em flagrante é encontrar a arma do crime. Obtém então um mandato de busca para o apartamento do amigo da vítima e procuram em todos os seus pertences, mas é inútil.

Finalmente um detetive encontra um revólver dentro de uma lata de lixo num beco das proximidades. Um exame das impressões digitais comprova que o revólver foi realmente manuseado pelo amigo, e um teste de balística estabelece que aquela é a arma do crime. Caso resolvido.

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA Obtendo novos dados e revificando se eles eram consistentes

Obtendo novos dados e revificando se eles eram consistentes com a conclusão original, a polícia atingiu o objetivo de identificar o assassino.

O processo de usar uma conclusão para procurar por dados que a sustentem é conhecido como encadeamento para

trás.

Neste caso a conclusão é o suspeito e os dados, a arma.

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA Em um programa de Inteligência Artificial, o objetivo também

Em um programa de Inteligência Artificial, o objetivo também é comprovado por meio de um processo similar. O objetivo foi atingido , mas, para determinar se ele foi atingido corretamente, precisamos abordar o problema novamente, com novos dados e regras.

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA Pegando os novos dados derivados do mecanismo de inferência,

Pegando os novos dados derivados do mecanismo de inferência, que assume que a conclusão está correta, e comparando-os com os dados originais para efeito de verificação, teremos um outro exemplo de encadeamento

para trás.

Como o nome indica, o encadeamento para trás anda na direção oposta do encadeamento para frente. Em lugar de se deslocar na direção de um objetivo definindo fatos e obtendo dados, o encadeamento para trás começa depois que o objetivo tiver sido inicialmente alcançado.

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA

VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA Dado Configuração e operação de um programa de IA
VERIFICAÇÃO POR MEIO DO MECANISMO DE INFERÊNCIA Dado Configuração e operação de um programa de IA

Dado

Configuração e operação de um programa de IA

Encadeamento para frente

Obtendo

dados

Obtendo novos objetivos via fatos, regras e inferências

O mecanismo de inferência obtém novos fatos para verificar se os objetivos foram alcançados corretamente

Encadeamento para trás

PODA

PODA No cérebro, o mecanismo de poda guia a pesquisa por regras adicionais que comprovam o

No cérebro, o mecanismo de poda guia a pesquisa por regras adicionais que comprovam o objetivo até que todos os caminhos possíveis tenham sido esgotados.

Como o cérebro possui uma imensa quantidade de informações armazenadas, podem existir várias regras a serem aplicadas no alcance ou comprovação de um único objetivo, sendo que algumas ou todas elas podem ser chamadas em um determinado momento.

PODA

PODA A poda permite que o computador pule ou processe qualquer parte do banco de conhecimentos

A poda permite que o computador pule ou processe qualquer parte do banco de conhecimentos de acordo com sua relevância para um determinado objetivo.

Isto elimina o processamento de percursos que não ajudarão a alcançar nosso objetivo.

PODA

PODA A poda simplesmente anula as considerações desnecessárias e irrelevantes tanto no cérebro como em um

A poda simplesmente anula as considerações

desnecessárias e irrelevantes tanto no cérebro como em um

sistema de inteligência artificial.

Uma regra de poda para nosso exemplo de como chegar ao trabalho poderia ser:

SE estiver chovendo muito forte, ENTÃO ignore todas as

informações relativas ao ônibus, expresso ou não, e pegue

o primeiro ônibus que passar.

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS Vimos até o momento como os objetivos podem ser atingidos em um sistema

Vimos até o momento como os objetivos podem ser atingidos em um sistema de inteligência artificial por meio de fatos, de regras, de um mecanismo inferência e de poda.

As áreas de interesse específico para as quais podemos desenhar um sistema de IA, como, por exemplo, diagnosticar problemas de aprendizagem e tomar ônibus, são chamadas de domínios.

Se você estiver pensando agora que pode criar um programa de IA que cubra qualquer domínio imaginável, vai se deparar com sérios problemas.

Em primeiro lugar, os fatos e as regras necessários para se alcançar todos os objetivos em todos os domínios são virtualmente infinitos.

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS Levará muito tempo para que se consiga registrar a imensa quantidade de informações

Levará muito tempo para que se consiga registrar a imensa quantidade de informações exigidas para que se cumpra tal tarefa, e talvez isto seja até mesmo impossível.

Além do mais, ainda não foi inventado o computador que possa armazenar ou processar qualquer coisa que se assemelhe a essa quantidade de informação.

O que temos de fazer é nos confinar naquelas áreas que contém apenas informações suficientes que podem ser moldadas em um programa de computador.

Por motivos práticos, precisamos escolher para trabalhar domínios que contenham uma quantidade administrável de informações.

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS Um sistema de inteligência artificial criado para resolver problemas em um determinado

Um sistema de inteligência artificial criado para resolver problemas em um determinado domínio é chamado de

sistema especialista.

é

naquele

domínio.

Os fatores de pesos que atribuímos às técnicas de subtração, não foram criados arbitrariamente; eles representam um conhecimento que vem de pesquisas em um campo de estudo.

Todo

fornecido

o

conhecimento

por

pessoas

em

que

um

sistema

especialista

são

especialistas

DEFININDO SISTEMAS ESPECIALISTAS

DEFININDO SISTEMAS ESPECIALISTAS Todos os sistemas especialistas são baseados em informações atuais e precisas sobre um

Todos os sistemas especialistas são baseados em informações atuais e precisas sobre um determinado domínio:

1. 2. 3.

1.

2.

3.

1. 2. 3.

Como resolver um problema elétrico em carros

2. 3. Como resolver um problema elétrico em carros 1. 2. Como cozinhar uma comida chinesa

1.

2.

3. Como resolver um problema elétrico em carros 1. 2. Como cozinhar uma comida chinesa Alguns

Como cozinhar uma comida chinesa

Alguns domínios administráveis

1.

2.

Como nadar

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS Suponha que um grupo de especialistas seja chamado para resolver este

Suponha que um grupo de especialistas seja chamado para resolver este problema: há um derramamento de óleo em um rio, e qualquer uma das várias indústrias situadas ao longo da margem do rio pode ser o agente causador do derramamento.

O objetivo é determinar exatamente de onde o óleo está vindo, para que ele seja detido.

Um sistema especialista para a solução desse tipo de problema conterá antes de mais nada um mecanismo para a efetuação de cálculos. Por exemplo, a taxa de dispersão do óleo na água, a direção e a velocidade da corrente do rio, e outros fatores que podem ser empregados para localizar aproximadamente o local do derramamento.

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS Quando essas informações tiverem sido coletadas e a determinação

Quando essas informações tiverem sido coletadas e a determinação do local do derramamento tiver sido feita, digamos, com uma precisão de 1 quilômetro, um conjunto de regras especiais será usado para acharmos a localização exata da fábrica, conforme mostra a definição das regras H1 e H2 a seguir.

Essas regras são chamadas de regras heurísticas, e diferem das regras que discutimos anteriormente em um ponto fundamental: as regras heurísticas não são formuladas como resultado de um conhecimento comum e reconhecido por todos; elas são regras que apenas um especialista conhece.

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS Regra H1: SE existe uma fábrica uma distância de 1 quilômetro

Regra H1:

SE existe uma fábrica

uma

distância de 1 quilômetro da localização calculada do derramamento, ENTÃO assuma que esta é a fábrica que causou o derramamento.

ao longo

do

rio

a

Regra H2:

SE existe mais de uma fábrica a uma distância de 1

do

derramamento, ENTÃO assuma como primeira opção a fábrica que usa mais óleo em suas operações.

quilômetro da

localização

calculada

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS Vimos como o mecanismo de poda torna nossos processos de pensamento

Vimos como o mecanismo de poda torna nossos processos de pensamento mais eficientes na medida em que reduz o número de considerações que precisamos fazer antes de começarmos a pensar seriamente em alcançar um objetivo.

Em um sistema especialista, um mecanismo de poda que utiliza regra heurísticas é chamado de mecanismo de pesquisa heurística, que pode ser representado mais ou menos como o mecanismo de poda:

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS Dado Mecanismo de pesquisa heurística SE condição A ENTÃO regras

Dado

Mecanismo de pesquisa heurística

SE condição A ENTÃO regras para A

SE condição B ENTÃO regras para B

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS Quando o mecanismo de pesquisa heurística tiver concentrado sua

Quando o mecanismo de pesquisa heurística tiver concentrado sua atenção na fábrica que mais provavelmente está causando o derramamento, o sistema especialista poderá então aplicar um outro conjunto de regras para verificar se a fábrica X é a fonte.

Por exemplo, certos pontos vulneráveis do sistema de encanamento de óleo da fábrica seriam provavelmente analisados primeiro. Abaixo uma regra heurística que poderia ser útil nessa situação:

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS

DEFININDO SISTEMAS ESPECIALISTAS REGRAS HEURÍSTICAS SE a pressão do óleo na localização 1 da fábrica for

SE a pressão do óleo na localização 1 da fábrica for menor que a pressão da água do rio ao redor, ENTÃO examine uma determinada localização (x) do encanamento.

Apenas uma pessoa acostumada com esses problemas naquela fábrica saberia essa regra.

Ela é uma regra prática, ou uma regra heurística.

DEFININDO SISTEMAS ESPECIALISTAS QUADRO NEGRO

DEFININDO SISTEMAS ESPECIALISTAS QUADRO NEGRO Não é raro o caso de um problema ser tão complexo

Não é raro o caso de um problema ser tão complexo que um sistema especialista sozinho não consiga resolver.

Em nosso problema da mancha de óleo, por exemplo, um sistema especialista foi capaz de encontrar a localização do derramamento, mas, se quiséssemos conter o derramamento, uma outra técnica seria necessária.

DEFININDO SISTEMAS ESPECIALISTAS QUADRO NEGRO

DEFININDO SISTEMAS ESPECIALISTAS QUADRO NEGRO O sistema especialista chamado para a contenção necessitaria de certas

O sistema especialista chamado para a contenção necessitaria de certas informações incluídas no sistema especialista que encontrou a localização do derramamento.

Então o segundo sistema especialista traria seus cálculos e seu mecanismo de pesquisa heurística para analisar o problema e poderia por fim recomendar que um certo produto químico seria o mais adequado para neutralizar óleo daquela categoria naquelas circunstâncias.

DEFININDO SISTEMAS ESPECIALISTAS QUADRO NEGRO

DEFININDO SISTEMAS ESPECIALISTAS QUADRO NEGRO A comunicação das informações entre os sistemas especialistas é feita

A comunicação das informações entre os sistemas especialistas é feita por um mecanismo chamado quadro-

negro.

O quadro negro é um lugar dentro da memória do computador no qual as informações armazenadas em um sistema especialista são “afixadas” para que qualquer outro sistema especialista possa usá-lo se precisar das informações lá contidas para alcançar seus objetivos.

O quadro-negro é uma estrutura que contém informações que podem ser examinadas por sistemas especialistas cooperativos.

DEFININDO SISTEMAS ESPECIALISTAS QUADRO NEGRO

DEFININDO SISTEMAS ESPECIALISTAS QUADRO NEGRO O que esses sistemas fazem com essas informações depende da aplicação.

O que esses sistemas fazem com essas informações depende da aplicação. Você nunca entrou em uma sala de aula e viu um aviso no quadro-negro dizendo que aquela turma mudou de sala?

Esse aviso poderia ter sido escrito pela secretária da escola que foi informada de que o professor estaria ausente naquele dia; por isso surgiu a necessidade de combinar turmas similares com um só professor.

A secretária estava atenta a essa situação e reagiu de acordo. O conceito de quadro-negro para afixar, modificar e observar mudanças é muito importante para os sistemas cooperativos.

DEFININDO SISTEMAS ESPECIALISTAS VOCÊ PODE FAZÊ-LO

DEFININDO SISTEMAS ESPECIALISTAS VOCÊ PODE FAZÊ-LO Para criar um sistema especialista, um grupo formado por um

Para criar um sistema especialista, um grupo formado por um especialista e um engenheiro de conhecimentos coleta os dados, as regras e as regras heurísticas e os organiza em um programa de inteligência artificial.

Você deve estar pensando: “Mas eu não sou engenheiro de conhecimentos; como é que tudo isto se aplica a meu caso?”.

DEFININDO SISTEMAS ESPECIALISTAS VOCÊ PODE FAZÊ-LO

DEFININDO SISTEMAS ESPECIALISTAS VOCÊ PODE FAZÊ-LO O entendimento que você obteve sobre inteligência artificial até

O entendimento que você obteve sobre inteligência artificial até agora, já começou a fazer de você um engenheiro de conhecimentos.

Se você souber programar um computador dessa maneira, já terá progredido muito. Se você souber consertar carros, preparar comidas chinesas ou nadar, poderá ser o engenheiro de conhecimentos que desenha um sistema especialista em qualquer um desses domínios, ou em domínios equivalentes.

Exercício

Exercício Elabore 03 Regras (Se => ENTÃO) utilizadas para a resolução do problema de falha de

Elabore 03 Regras (Se => ENTÃO) utilizadas para a resolução do problema de falha de funcionamento de uma aplicação em computador com sistema operacional Windows.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL A comunicação entre pessoas e computadores é uma área na qual está

A comunicação entre pessoas e computadores é uma área na qual está sendo feita uma imensa quantidade de pesquisas.

O objetivo final – já não muito distante – é permitir que o usuário “fale” com o computador em uma linguagem humana, como o inglês ou o português, e fazer com que o computador responda na mesma língua.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL Uma verdadeira inteligência artificial deve ser capaz de explicar a tarefa que

Uma verdadeira inteligência artificial deve ser capaz de explicar a tarefa que querem que seja executada e o computador seja capaz de responder a contento.

Isso pode parecer uma coisa muito simples, pois você tem falado e ouvido a linguagem humana desde que era criança, e por isso toma como inteiramente certas a maioria de suas características mais complexas.

Se você já trabalhou com alguma linguagem de computador, sabe a precisão com que deve escrever um programa para que o computador faça exatamente o que você quer.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL A inteligência dos computadores depende das pessoas que os fazem; como eles

A inteligência dos computadores depende das pessoas que os fazem; como eles não conseguem “pensar” por si, temos de lhes dar instruções muito específicas para cada função a ser executada.

Os seres humanos vêm ao mundo “programados” para aprender a falar; metade do trabalho já está feito.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL Para fazer um computador entender uma língua, não apenas temos de dividir

Para fazer um computador entender uma língua, não apenas temos de dividir essa língua em seus elementos básicos e inserir esses dados ao computador, como temos também de desenhar computadores e programas de computadores que em primeiro lugar aceitem essas informações.

A criação desse tipo de sistema de comunicação entre pessoas e computadores é chamada de processamento de

linguagem natural.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL Se você tivesse um robô com inteligência artificial que soubesse consertar coisas,

Se você tivesse um robô com inteligência artificial que soubesse consertar coisas, poderia dar a ele uma das seguintes ordens:

1. Arrume o carro ao lado da casa com um pneu furado.

2. Arrume o carro ao lado da casa vermelha.

Embora a sentença 1 esteja gramaticalmente incorreta, qualquer pessoa consegue entendê-la – todos nós sabemos que uma casa não pode ter um pneu furado.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL Conseguimos reconhecer o erro e, o mais importante, o corrigimos instantaneamente em

Conseguimos reconhecer o erro e, o mais importante, o corrigimos instantaneamente em nossas mentes; ou seja, obviamente é o carro que tem um pneu furado e não a casa.

O robô teria de saber não só o significado das palavras mas também o relacionamento entre elas, ou então seria muito provável que ele tentasse encontrar uma casa com pneu furado em algum lugar.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL Como ambas as sentenças têm estruturas idênticas, o robô deve não apenas

Como ambas as sentenças têm estruturas idênticas, o robô deve não apenas possuir conhecimentos de gramática mas deve também ser capaz de associar descrições e objetos.

É importante ter em mente que nossas regras de linguagem fazem sentido apenas para nós, o robô precisa de suas próprias regras especiais para entender o que estamos falando.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL Uma inteligência artificial, como o robô, também deve estar apta a analisar

Uma inteligência artificial, como o robô, também deve estar apta a analisar sentenças em relação a outras sentenças. Exemplo:

1. João bebeu o leite.

2. Depois ele vestiu a blusa.

O “ele” na sentença 2 naturalmente se refere a “João” da sentença 1. Sem a sentença 1, a sentença 2 teria pouco significado.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL Todas as linguagens humanas são classificadas como sensíveis ao contexto. Ou seja,

Todas

as

linguagens

humanas

são

classificadas

como

sensíveis ao contexto.

Ou seja, a sentença 2 precisou da sentença 1, para ser interpretada em sua totalidade.

Uma linguagem cuja interpretação de sentenças pode ser conseguida sem o conhecimento de outras sentenças é chamada de “livre de contexto”, isto é, livre do que aconteceu antes ou do que acontecerá depois.

PROCESSAMENTO DE LINGUAGEM NATURAL

PROCESSAMENTO DE LINGUAGEM NATURAL O processo empregado para se fazer um computador entender sentenças é composto

O processo empregado para se fazer um computador entender sentenças é composto de programas que juntos formam o “analisador de linguagem natural”. As três divisões básicas da análise da linguagem são:

1. Análise léxica (análise das palavras)

2. Análise sintática (análise da colocação das palavras em uma sentença, incluindo as regras da gramática).

3. Análise semântica (análise do significado de uma sentença em si e em relação a outras sentenças).

PROCESSAMENTO DE LINGUAGEM NATURAL ANÁLISE LÉXICA

PROCESSAMENTO DE LINGUAGEM NATURAL ANÁLISE LÉXICA A análise léxica é a que considera a palavra em

A análise léxica é a que considera a palavra em si (classe de palavras, flexão, elementos mórficos, terminação, grafia etc.). Por exemplo, uma palavra simples, como “caixote”, pode ser subdividida em:

caix (raiz) ote (sufixo)

A palavra “reluzir” consiste em:

re (prefixo) luz (tema) ir (desinência)

Um dicionário define as palavras, mas fazer o computador entendê-las no contexto é uma tarefa consideravelmente mais difícil.

Desinência = extremidade gramatical dando significado de gênero, número e pessoa.

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA A análise sintática é a que considera a palavra

A análise sintática é a que considera a palavra com relação às outras que estão na mesma oração. E como a divisão de uma sentença em seus componentes é uma etapa vital para se conseguir que o computador compreenda a linguagem, é preciso que sejamos capazes de traduzir as regras da gramática para uma forma que ele possa manipular.

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA Uma sentença (S) é geralmente composta de uma frase

Uma sentença (S) é geralmente composta de uma frase nominal (FN) (sintagma nominal) e de uma frase verbal (FV) (sintagma verbal), e pode ser representada da seguinte forma:

S FN,FV

Uma frase nominal pode ser geralmente dividida em um determinante (como um artigo, um pronome etc,) e um substantivo, representado por:

FN DET,SUB

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA Uma frase verbal pode ser dividida ainda mais em

Uma frase verbal pode ser dividida ainda mais em um verbo seguido de uma outra frase nominal, como:

FV V,FN

Uma frase nominal, porém, pode também ser simplesmente um substantivo:

FN SUB

Uma maneira comum de se dividir uma sentença é criar uma árvore, que é representação esquemática da estrutura sintática de uma sentença. A sentença

O menino comeu banana poderia ter a estrutura mostrada a seguir.

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA DET O FN(FN) SUB menino Sentença FV V comeu

DET

O

FN(FN)

DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA DET O FN(FN) SUB menino Sentença FV V comeu FN
DE LINGUAGEM NATURAL - ANÁLISE SINTÁTICA DET O FN(FN) SUB menino Sentença FV V comeu FN

SUB

menino

Sentença

FV

- ANÁLISE SINTÁTICA DET O FN(FN) SUB menino Sentença FV V comeu FN SUB banana Estrutura

V

comeu

FN

SUB

banana

Estrutura em árvore de análise gramatical de uma sentença.

PROCESSAMENTO DE LINGUAGEM NATURAL ANÁLISE SEMÂNTICA

PROCESSAMENTO DE LINGUAGEM NATURAL ANÁLISE SEMÂNTICA Depois da sentença ser dividida, ela sofre uma análise

Depois da sentença ser dividida, ela sofre uma análise semântica, processo pelo qual o computador tente compreender seu sentido.

Em um sistema de inteligência artificial, aplicaríamos um conjunto de regras para estabelecer o significado de uma maneira que o computador pudesse usá-lo. Vejamos a sentença anterior como exemplo:

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SEMÂNTICA

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SEMÂNTICA DET SUB V O menino SUB comeu banana O

DET SUB

V

O

menino

SUB

comeu

banana

O analisador semântico poderia ter o seguinte conjunto de regras em seu banco de conhecimentos para interpretar a sentença:

Regra 1:

SE um determinante for a primeira parte de uma sentença e for seguido por um substantivo, ENTÂO o substantivo é conhecido como o sujeito.

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SEMÂNTICA

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SEMÂNTICA Regra 2: SE um verbo segue o sujeito, ENTÃO

Regra 2:

SE um verbo segue o sujeito, ENTÃO o verbo nos diz o que o sujeito fez.

Regra 3:

SE um substantivo segue o sujeito e o verbo nessa ordem, ENTÃO o substantivo é um objeto.

Regra 4:

SE uma sentença tem a forma sujeito, verbo, objeto, ENTÃO sabemos o que o sujeito fez (verbo) em relação ao objeto.

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SEMÂNTICA

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SEMÂNTICA Um processador de linguagem natural pode ser usado na

Um processador de linguagem natural pode ser usado na frente de um outro sistema de inteligência artificial, permitindo que os dados sejam passados de forma verbal:

Encontre o que

Processador de linguagem natural

Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural

Processador de linguagem natural

Processador de linguagem natural
Processador de linguagem natural
Processador de linguagem natural

Objeto

(banana)

Sujeito

(menino)

Verbo (comeu)

Inteligência

artificial

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SEMÂNTICA

PROCESSAMENTO DE LINGUAGEM NATURAL - ANÁLISE SEMÂNTICA Essencialmente, o processamento de linguagem natural pode

Essencialmente, o processamento de linguagem natural pode libertar o usuário do computador da limitação e da complexidade das linguagens dos computadores. Quando os programas que capacitarão o computador a nos entender e “falar” conosco em nossa língua-mãe ficarem prontos, teremos dado um passo muito importante em direção à obtenção de um computador genuinamente “inteligente”.

ENCADEAMENTO PARA A FRENTE

ENCADEAMENTO PARA A FRENTE Vamos analisar este problema: O que você faria se estivesse dirigindo em

Vamos analisar este problema: O que você faria se estivesse dirigindo em um congestionamento e a temperatura do motor começasse a subir?

Vamos colocar o problema de uma maneira geral: temos uma condição (superaquecimento) e queremos saber qual será seu resultado ou consequência (será que o carro vai enguiçar?).

ENCADEAMENTO PARA A FRENTE

ENCADEAMENTO PARA A FRENTE Pensando no que aconteceu, primeiro afirmamos que uma condição havia ocorrido –

Pensando no que aconteceu, primeiro afirmamos que uma condição havia ocorrido – o superaquecimento do motor. Depois pensamos nas regras que conhecíamos e que eram relacionadas àquela condição.

Algumas regras são:

Regra 1: SE o motor superaquecer, ENTÃO o carro vai enguiçar.

Regra 2: SE o carro enguiçar, ENTÃO isto vai me custar muito dinheiro, e vou chegar tarde em casa.

ENCADEAMENTO PARA A FRENTE

ENCADEAMENTO PARA A FRENTE A condição da regra 1 sendo verdadeira fez com que a parte

A condição da regra 1 sendo verdadeira fez com que a parte do ENTÃO da regra fosse invocada, que é o fato de o carro enguiçar.

O encadeamento continua: a parte SE da regra 2 é acionada pelo fato de o carro realmente enguiçar ou porque a regra 1 foi chamada.

Sua conclusão de que essa quebra vai lhe custar caro e fazer com que você chegue atrasado em casa pode resultar da quebra em si ou da observação de um motor superaquecido.

ENCADEAMENTO PARA A FRENTE

ENCADEAMENTO PARA A FRENTE Como podemos chegar à uma conclusão de que esta situação vai lhe

Como podemos chegar à uma conclusão de que esta situação vai lhe custar caro e fazer com que você chegue em casa tarde?

A

superaquecimento do motor. Isto fez com que a primeira parte da regra 1, a parte da condição, ou a parte do SE, fosse chamada.

A condição da regra 1 sendo verdadeira fez com que a parte do ENTÃO da regra fosse invocada, que é o fato de o carro enguiçar.O encadeamento continua: a parte SE da regra 2 é acionada pelo fato de o carro realmente enguiçar ou porque a regra 1 foi chamada.Sua conclusão de que essa quebra vai lhe custar caro fazer com que você chegue atrasado em casa pode resultar da quebra em si ou da observação de um motor superaquecido.

o

condição

que

dispara

a

cadeia

de

eventos

foi

ENCADEAMENTO PARA A FRENTE

ENCADEAMENTO PARA A FRENTE Porque usamos a expressão “para frente” na descrição desse problema? Quando uma

Porque usamos a expressão “para frente” na descrição desse problema?

Quando uma condição como um superaquecimento ocorre, alguma coisa é afetada por ela (a parte ENTÃO, ou conclusão).Como a condição vem antes da conclusão, e como começamos com as condições, vamos para a frente. É por isso que usamos o termo encadeamento para frente.

Esse modelo nos ajuda a encontrar respostas para as perguntas por meio da aplicação, em um banco de conhecimentos, dos

princípios do encadeamento para frente.Em outras palavras , a ferramenta lhe pedirá as condições – superaquecimento do motor

- e o nome do banco de conhecimentos adequado – problemas mecânicos em automóveis.

ENCADEAMENTO PARA A FRENTE

ENCADEAMENTO PARA A FRENTE Quando você tiver fornecido respostas às perguntas desse modelo, esta fará referências

Quando você tiver fornecido respostas às perguntas desse modelo, esta fará referências às informações armazenadas no banco de conhecimentos e aplicará as técnicas do encadeamento para frente que acabamos de conhecer .

Ela lhe dará as conclusões ou resultados que você precisa, como, exemplo, “o carro vai enguiçar” ou “uma quebra vai lhe custar caro e você vai chegar tarde em casa”.

O primeiro passo para confecção desse modelo é chamado desenvolvimento de um algoritmo, que é uma organização lógica passo a passo do problema e de todos os seus aspectos.

O segundo passo será transformar esse esquema organizado do problema na ferramenta em si – um programa de computador.

ENCADEAMENTO PARA A FRENTE

ENCADEAMENTO PARA A FRENTE O funcionamento de um típico sistema de encadeamento para frente: 1. O

O funcionamento de um típico sistema de encadeamento para frente:

1. O sistema é apresentado com uma ou mais condições.

2. Para cada condição o sistema pesquisa em seu banco de conhecimentos as regras que contenham essa condição na parte SE da regra.

ENCADEAMENTO PARA A FRENTE

ENCADEAMENTO PARA A FRENTE 3. Cada regra pode, por sua vez, gerar novas condições a partir

3. Cada regra pode, por sua vez, gerar novas condições a partir das conclusões da parte ENTÃO que for chamada. Essas novas condições são incorporadas àquelas já existentes.

4. Qualquer condição que tenha sido incorporada ao sistema é processada. Se houver tal condição, o sistema volta ao passo 2 e pesquisa novamente as regras no banco de conhecimentos. Se não houver nenhuma condição nova, a sessão termina.

ENCADEAMENTO PARA A FRENTE - PROCESSANDO O BANCO DE CONHECIMENTOS

PARA A FRENTE - PROCESSANDO O BANCO DE CONHECIMENTOS A técnica de um sistema de IA

A técnica de um sistema de IA especialista requer a construção de um número de tabela úteis que ajudarão a responder as perguntas e tomar decisões em relação ao problema que estamos tentando solucionar.

Essas tabelas, ou estruturas de dados, têm então uma finalidade indispensável, já que são derivadas diretamente do banco de conhecimentos.

Árvore de Decisão

Árvore de Decisão Considere que você é o diretor de recursos humanos de uma grande empresa

Considere que você é o diretor de recursos humanos de uma grande empresa de engenharia e está entrevistando um candidato que tem seu currículo em mãos.

As qualificações do candidato estão diante de você, e também as exigências do cargo e as normas gerais da Cia.

Seu problema é saber se o candidato se qualifica para uma posição dentro da empresa e qual.

Árvore de Decisão

Árvore de Decisão Isto pode não parecer um problema muito complicado à primeira vista, mas existem

Isto pode não parecer um problema muito complicado à primeira vista, mas existem vários fatores envolvidos nesse tipo de decisão. Suponha que o candidato tenha pouca experiência na área de engenharia mas que fez uma importante descoberta em outro campo.

Ou então suponha que o candidato não tenha uma boa base acadêmica mas tenha vários anos de sólida experiência de trabalho.

Árvore de Decisão

Árvore de Decisão Cada candidato é diferente, e embora alguns critérios tenham de ser satisfeitos para

Cada candidato é diferente, e embora alguns critérios tenham de ser satisfeitos para se obter o emprego, existem várias outras combinações de fatores na história de qualquer candidato que o tornam capaz de ocupar uma determinada posição.

O objetivo é selecionar entre uma variedade de alternativas, neste caso, uma possível posição.

Árvore de Decisão

Árvore de Decisão A resposta na verdade já existe, o indivíduo está sentado à sua frente,

A resposta na verdade já existe, o indivíduo está sentado à sua frente, talvez com as pernas cruzadas, as mãos nervosamente entrelaçadas, tentando causar boa impressão.

Se for qualificado, se adaptará melhor a uma posição que a outra. Sua tarefa é fazer as perguntas corretas, baseado no conhecimento que você possui, e determinar qual posição será melhor para o candidato.

Árvore de Decisão

Árvore de Decisão Definido o problema, a próxima etapa é esquematizá-lo de alguma forma, para que

Definido o problema, a próxima etapa é esquematizá-lo de alguma forma, para que todos os seus aspectos sejam ilustrados da maneira mais simples possível.

Um dos diagramas mais comuns usados na resolução de problemas desse tipo é a árvore de decisão, que tem esse nome porque se ramifica exatamente como uma árvore e no final de cada ramificação ou sistema de ramificações existe uma conclusão: neste caso, você deve ou não oferecer um cargo a esse candidato e qual.

Árvore de Decisão

Não oferecer uma posição

Não Não oferecer uma posição Quantos anos de experiência ao candidato Menos 9 de 2
Não
Não oferecer
uma posição
Quantos
anos de
experiência
ao candidato
Menos
9
de 2
ao candidato
o candidato
anos
2
tem?
7
Média
menor que 3,5
Oferecer ao
candidato uma
posição de
Igual ou
maior que
engenheiro de
serviços
O candidato
possivelmente
se qualifica
para uma
posição
2 anos
10
O candidato
tem diploma?
Sim
Qual é a
média geral
do candidato
na escola?
1
3
5

Sim

O candidato fez alguma descoberta importante?

4

Sim

Oferecer ao candidato uma posição de pesquisador

6

4 Sim Oferecer ao candidato uma posição de pesquisador 6 Média maior ou igual a 3,5
4 Sim Oferecer ao candidato uma posição de pesquisador 6 Média maior ou igual a 3,5

Média

maior

ou igual

a 3,5

Oferecer ao candidato uma posição de engenheiro de produto

8

Exercícios

Exercícios 1) Considere que você está num ambulatório escolar e recebe uma criança. Quais questões podem

1) Considere que você está num ambulatório escolar e recebe uma criança. Quais questões podem ser elaboradas para a criança na construção de uma árvore de decisão com no mínimo 03 ramos (níveis)?

Exercícios

Exercícios 2) Elabore 03 Regras (Se => ENTÃO) utilizadas para a resolução do problema de falha

2) Elabore 03 Regras (Se => ENTÃO) utilizadas para a resolução do problema de falha de funcionamento de uma aplicação em computador com sistema operacional Windows.

3) Explique o conceito de Poda.

da

linguagem ?

4)

Quais

são

três

divisões

básicas

da

análise

as

Exercícios

Exercícios 5) O que é um sistema especialista? 6) Identifique 03 definições de IA. 7) Apresente

5) O que é um sistema especialista?

6) Identifique 03 definições de IA.

7) Apresente 02 problemas que um sistema de IA possa resolver.

8) O que são os mecanismos de inferência ?

9) Desenhe o diagrama de desenvolvimento de um sistema de Inteligência artificial.

10) O que é o mecanismo de encadeamento para a frente ?

11) O que é o mecanismo de encadeamento para a trás ?

Exercícios

Exercícios 12) O que é Análise léxica ? 13) O que é Análise semântica ? 14)

12) O que é Análise léxica ?

13) O que é Análise semântica ?

14) Explique o mecanismo de pesquisa heurística.

15) Como construir um banco de conhecimento para um sistema de IA ?

16) Como os fatos e regras fazem parte de um sistema de IA ?

17) O que é análise sintática ?

18) O que são domínios na área de IA ?