Sistemas Especialistas: uma introduo

Mnica Xavier Py
Instituto de Informtica
Universidade Federal do Rio Grande do Sul
Caixa Postal 15064 90501-970, Porto Alegre, RS

mpy@inf.ufrgs.br

1 Introduo
A Inteligncia Artificial (IA) nasceu oficiamente em 1956, durante uma
conferncia de vero em Dartmouth College, nos Estados Unidos. Jonh
McCarthy, Marvin Minsky, Nathaniel Rochester e Claude Shannon se reu-
niram com a inteno de realizar um estudo sobre o tpico Inteligncia
Artificial, que a partir de ento ficou conhecida, gerando inclusive po-
lmicas. Os pesquisadores ficando impossibilitados de adotar uma defi-
nio formal precisa para IA, visto que seria necessrio definir, a prpria
inteligncia, propuseram algumas definies operacionais: Inteligncia
Artificial a parte da cincia da computao que compreende o projeto de
sistemas computacionais que exibam caractersticas associadas, quando
presentes no comportamento humano, inteligncia (BARR; FEIGEN-
BAUM, 1981).
Existem duas linhas principais de pesquisa para a construo de siste-
mas inteligentes: a linha conexionista e a linha simblica. A linha cone-
xionista visa modelagem da inteligncia humana atravs da simulao
dos componentes do crebro, isto , de seus neurnios, e de suas inter-
ligaes. Esta proposta foi formalizada inicialmente em 1943, quando o
neuropsiclogo McCulloch e o lgico Pitts propuseram um primeiro mo-
delo matemtico para um neurnio.
A linha simblica segue a tradio lgica e teve em McCarthy e Newell
seus principais pesquisadores. Os princpios dessa linha de pesquisa so
apresentados no artigo Physical symbol systems de Newell. O sucesso
dos sistemas especialistas(expert system), a partir da dcada de setenta,

1
estabeleceu a manipulao simblica de um grande nmero de fatos es-
pecializados sobre um domnio restrito como o paradigma corrente para a
construo de sistemas inteligentes do tipo simblico.
Uma das metas na Inteligncia Artificial ter uma mquina que simule
com exatido as atividades da mente humana. Como aplicaes para os
sistemas especialistas, apresenta-se trs categorias: manufatura, finanas
e servios (educao, engenharia, medicina, meteorologia, militar, etc).
Este trabalho apresenta os Sistemas Especialistas, passando por uma
breve definio, descrevendo a arquitetura, e apresentando exemplos.

2 Sistemas baseados no conhecimento

Os sistemas baseados no conhecimento foram alvo de vrias pesquisas em
Inteligncia Artificial, realizadas com sucesso. Esses sistemas so basea-
dos num modelo explcito de conhecimento destinado a solucionar pro-
blemas. O conhecimento deve ser representado em forma de regras ou
modelos de objetos.
Sistemas Baseados no Conhecimento (SBC) ou Knowledge-based sys-
tems so sistemas que aplicam mecanismos automatizados de raciocnio
para a representao e inferncia de conhecimento. Esses sistemas costu-
mam ser identificados como simplesmente "de inteligncia artificial apli-
cada"e representam uma abrangente classe de aplicaes da qual todas as
demais seriam aproximadamente subclasses.
Existe uma srie de formalismos que podem ser utilizados para mo-
delar o conhecimento de sistemas baseados no conhecimento, tais como,
regras de produo, raciocnio baseados em casos, redes neurais, redes
probabilsticas, entre outros.
A IA est dividida em trs reas de pesquisa relativamente indepen-
dentes. Alguns pesquisadores preocupam-se em desenvolver programas
de computador que leiam, falem ou entendam a linguagem que as pes-
soas usam em sua conversa diria, sendo conhecido como "processamento
da linguagem natural. Outra rea trabalha com o "desenvolvimento de
robs inteligentes". E a terceira rea de pesquisa desenvolve programas
que usem o conhecimento simblico para simular o comportamento dos
especialistas humanos. A idia desenvolver programas que possibilitem
a utilizao dos conhecimentos dos especialistas atravs de uma mquina
que permita o armazenamento e o seqenciamento de informaes e a
auto-aprendizagem, sendo conhecido como Sistemas Especialistas.

2
3 Sistema Especialista
Um sistema especialista (SE) pode ser visto visto como uma subria da
Inteligncia Artificial, desenvolvido a partir da necessidade de se proces-
sar informaes no numricas, um sistema especialista capaz de apre-
sentar concluses sobre um determinado tema, desde que devidamente
orientado e alimentado.
Um sistema especialista (FLORES, 2003) uma forma de sistema base-
ado no conhecimento especialmente projetado para emular a especializa-
o humana de algum domnio especfico. Um SE ir possuir uma base de
conhecimento (BC) formada de fatos, regras e heursticas sobre o domnio,
tal como um especialista humano faria, e devem ser capazes de oferecer
sugestes e conselhos aos usurios e, tambm, adquirir novos conheci-
mentos e heursticas com essa interao.
O objetivo do sistema especialista bastante restrito, se considerar o
objetivo dos modelos psicolgicos: os SEs so concebidos para reproduzir
o comportamento de especialistas humanos na resoluo de problemas do
mundo real, mas o domnio destes problemas altamente restrito (BARR;
FEIGENBAUM, 1981).
Os primeiros sistemas especialistas que obtiveram sucesso em seus ob-
jetivos foram os sistemas DENDRAL (FEIGENBAUM; BUCHANAN; LE-
DERBERG, 1971) e MYCIN (SHORTLIFFE, 1976), detalhados na seo 4.
A partir dessa poca, vrios sistemas foram desenvolvidos e resolve-
ram diversos problemas, em diferentes domnios, como por exemplo, agri-
cultura, qumica, sistemas de computadores, eletrnica, engenharia, geo-
logia, gerenciamento de informaes, direito, matemtica, medicina, apli-
caes militares, fsica, controle de processos e tecnologia espacial.
Pode-se dizer que um sistemas de produo um nome genrico para
todos os sistemas baseados em regras de produo, isto , pares de ex-
presses consistindo em uma condio e uma ao. Inicialmente a idia
dos sistemas de produo foi introduzida por Post, em 1936, quando ele
props os chamados sistemas de Post (DIVERIO; MENEZES, 2000).
Na representao de um modelo de sistema de produo, apresentam-
se dois componentes: o conjunto de regras e a memria de trabalho. Esses
componentes so definidos conforme:

Regras de produo: conjunto ordenado de pares (LHS, RHS), onde

LHS e RHS so seqncias de caracteres.

Memria de trabalho: uma seqncia de caracteres.

Apresenta ainda, um componente ativo, chamado interpretador.

3
 Usuario

Memoria de Base de
Interface/Usuario
trabalho regras

Motor de
Acao Inferencia
recomendada

Quadro negro

Figura 1: Arquitetura de um sistema especialista

Esse interpretador realiza o seguinte procedimento: para cada regra

(LHS,RHS), se a seqncia de caracteres LHS est contida na memria de
trabalho, ento substituir os caracteres LHS na memria de trabalho pelos
caracteres de RHS; se no continuar na prxima regra.
O sistema PAS II e o sistema VIS utilizaram o modelo de sistemas
de produo para a modelagem do comportamento humano. O formato
condio-ao se adapta modelagem de comportamentos baseados em
pares.
De acordo com a Figura 3, um sistema especialista apresenta uma ar-
quitetura com os seguintes componentes: base de conhecimentos, meca-
nismos de inferncia, explanao e aquisio de conhecimento. A base
do conhecimento reune o conhecimento do especialista modelado con-
forme a representao do conhecimento escolhida para modelar o dom-
nio em questo. Atualmente no existe um formalismo de representao
que possa ser considerado melhor do que todos os outros existentes. O
mecanismo de inferncia examina o contedo da base de conhecimentos,
decidindo a ordem em que se tiram as inferncias. Assim, o mecanismo de
inferncia conduz a consulta com o usurio, transferindo os fatos e regras,
utilizados durante uma consulta, para a memria de trabalho.
O mdulo de aquisio de conhecimentos responsvel pela atualiza-
o da base de conhecimentos, atravs de um mecanismo de interao coo-

4
perativa, gerado a partir do mdulo de explanao. O mdulo de explana-
o responsvel pela descrio do raciocnio do sistema para o usurio,
sendo ativado tanto pelo mecanismo de inferncia como pelo mdulo de
aquisio de conhecimentos. O mecanismo de inferncia evoca o mdulo
de explanao, visando a um processo de transformao do conhecimento,
representado na base de conhecimentos do SE ou deduzido no processo de
busca de uma soluo (FLORES, 2003).
Outra caracterstica comum nos sistemas especialistas a existncia de
um mecanismo de raciocnio incerto que permita representar a incerteza a
respeito do conhecimento do domnio.
O motor de inferncia controla a atividade do sistema. Esta atividade
ocorre em ciclos, cada ciclo consistindo em trs fases:

Correspondncia de dados, onde as regras que satisfazem a descri-

o da situao atual so selecionadas.

Resoluo de conflitos, onde as regras que sero realmente executa-

das so escolhidas dentre as regras que foram selecionadas na pri-
meira fase, e ordenadas.

Ao, a execuo propriamente dita das regras.

As principais vantagens dos sistemas de produo como mtodo de

representao de conhecimento so: modularidade, uniformidade e na-
turalidade. Como desvantagens considera-se: ineficincia em tempo de
execuo e complexidade do fluxo de controle que leva soluo dos pro-
blemas.
Tais vantagens e desvantagens determinam as caractersticas que de-
vem ter os domnios que se adaptam ao desenvolvimento de SE baseados
em sistemas de produo:

Ser descrito por um conhecimento consistindo em um conjunto

muito grande de fatos parcialmente independentes;

Dispor de mtodos de soluo consistindo de aes independentes;

Apresentar claramente a separao entre conhecimento e ao.

O desempenho de um sistema est no conhecimento armazenado em

suas regras e em sua memria de trabalho. Este conhecimento deve ser ob-
tido junto a um especialista humano do domnio e representado de acordo
com regras formais definidas para a codificao de regras no SE em ques-
to.

5
3.1 Mtodos de representao de conhecimento
Um ponto bastante importante no projeto de um sistema especialista a
escolha do mtodo de representao de conhecimento. A linguagem asso-
ciada ao mtodo escolhido deve ser suficientemente expressiva (por exem-
plo, lgica) para permitir a representao do conhecimento a respeito do
domnio escolhido de maneira completa, e sendo eficiente. Mesmo as-
sim, existe problemas de eficincia, facilidade de uso e a necessidade de
expressar conhecimento incerto, que levaram ao desenvolvimento de di-
versos tipos de formalismos de representao de conhecimento. Alguns
dos formalismos de representao do conhecimento so apresentados a
seguir:

Lgica a base para a maioria dos formalismos de representao

de conhecimento, seja de forma explcita, como nos sistemas especi-
alistas baseados na linguagem Prolog, seja mascarada na forma de
representaes especficas que podem facilmente ser interpretadas
como proposies ou predicados lgicos.

Redes semnticas um nome utilizado para definir um conjunto

heterogneo de sistemas. Em ltima anlise, a nica caracterstica co-
mum a todos estes sistemas a notao utilizada: uma rede semn-
tica consiste em um conjunto de nodos conectados por um conjunto
de arcos. Os nodos em geral representam objetos e os arcos, relaes
binrias entre esses objetos. Mas os nodos podem tambm ser utili-
zados para representar predicados, classes, palavras de uma lingua-
gem, entre outras possveis interpretaes, dependendo do sistema
de redes semnticas em questo.

Quadros (frames), e sua variao, os roteiros (scripts), foram

introduzidos para permitir a expresso das estruturas internas dos
objetos, mantendo a possibilidade de representar herana de propri-
edades como as redes semnticas. As idias fundamentais destes
mtodos foram introduzidas por Marvin Minsky, em seu artigo A
framework to represent knowledge (MINSKY, 1975).

3.2 Motor de Inferncia

As principais caractersticas do motor de inferncia disponvel em um sis-
tema especialista dizem respeito s seguintes funcionalidades: mtodo de
raciocnio, estratgia de busca, resoluo de conflito e representao de
incerteza.Algumas dessas funcionalidades so detalhadas a seguir:

6
3.2.1 Modo de raciocnio
Existem basicamente dois modos de raciocnio aplicveis a regras de pro-
duo: encadeamento progressivo ou encadeamento a frente (do ingls,
forward chaining), e encadeamento regressivo ou encadeamento para
trs (do ingls, backward chaining). No encadeamento progressivo,
tambm chamado encadeamento dirigido por dados, a parte esquerda da
regra comparada com a descrio da situao atual, contida na memria
de trabalho. As regras que satisfazem a esta descrio tm sua parte di-
reita executada, o que, em geral, significa a introduo de novos fatos na
memria de trabalho.
No encadeamento regressivo, tambm chamado encadeamento diri-
gido por objetivos, o comportamento do sistema controlado por uma
lista de objetivos. Um objetivo pode ser satisfeito diretamente por um ele-
mento da memria de trabalho, ou podem existir regras que permitam
inferir algum dos objetivos correntes, isto , que contenham uma descri-
o deste objetivo em suas partes direitas. As regras que satisfazem esta
condio tm as instncias correspondentes s suas partes esquerdas adi-
cionadas lista de objetivos correntes. Caso uma dessas regras tenha to-
das as suas condies satisfeitas diretamente pela memria de trabalho, o
objetivo em sua parte direita tambm adicionado memria de traba-
lho. Um objetivo que no possa ser satisfeito diretamente pela memria
de trabalho, nem inferido atravs de uma regra, abandonado. Quando
o objetivo inicial satisfeito, ou no h mais objetivos, o processamento
termina.

3.2.2 Estratgia de busca

Uma vez definido o tipo de encadeamento, o motor de inferncia necessita
ainda de uma estratgia de busca para guiar a pesquisa na memria de
trabalho e na base de regras. Este tipo de problema conhecido como
busca em espao de estados. Este tpico foi um dos primeiros estudados
em IA, no contexto de soluo de problemas (do tipo quebra-cabeas) e
jogos por computador (damas, xadrez, go, etc.).

3.2.3 Resoluo de conflito

Ao terminar o processo de busca, o motor de inferncia dispe de um con-
junto de regras que satisfazem situao atual do problema, o chamado
conjunto de conflito. Se esse conjunto for vazio, a execuo terminada;
caso contrrio, necessrio escolher que regras sero realmente executa-

7
das e em que ordem. Os mtodos de resoluo de conflito mais utilizados
ordenam as regras de acordo com os seguintes critrios: prioridades atri-
budas estaticamente; caractersticas da estrutura das regras como comple-
xidade, simplicidade e especificidade; caractersticas dos dados associados
s regras como o tempo decorrido desde sua obteno, sua confiabilidade
ou seu grau de importncia; e, finalmente, seleo ao acaso.

4 Exemplo de SE
Nesta seo, so descritos trs sistemas especialistas, que esto detalhados
em (BARR; FEIGENBAUM, 1981).

4.1 Mycin
O sistema MYCIN (SHORTLIFFE, 1976) foi um dos primeiros sistemas es-
pecialistas. Seu objetivo prover conselho a respeito de diagnstico e te-
rapia de doenas infecciosas. Este tipo de aconselhamento pode ser muito
til, pois nem sempre o mdico responsvel um especialista em infec-
es, principalmente em ambiente hospitalar.
Uma seo do sistema inicia-se com um questionrio, a ser respondido
pelo usurio, a respeito do paciente. Informaes como nome, idade, sexo,
tempo de manifestao dos sintomas, resultados de exames, etc. so so-
licitadas. A partir dessas informaes, e utilizando sua base de regras, o
sistema capaz de estabelecer um diagnstico e propor uma terapia ade-
quada.
A base de regras do sistema contm 450 regras, que lhe permitem di-
agnosticar e prescrever tratamentos para bacteremia (infeco no sangue),
meningite e cistite infecciosa.
O sistema MYCIN utiliza o encadeamento regressivo associado a uma
busca em profundidade. A busca realizada completa, no sentido em
que, dado um objetivo, todas as evidncias a favor e contra o objetivo so
pesquisadas. A aquisio de conhecimento para o sistema MYCIN facili-
tada pela possibilidade do sistema explicar seu raciocnio. Essa facilidade
explorada no sistema TEIRESIAS [Dav80], que permite modificar intera-
tivamente a base de regras do MYCIN.

4.2 Dendral
DENDRAL (FEIGENBAUM; BUCHANAN; LEDERBERG, 1971) o nome
de um projeto desenvolvido a partir de 1965 na Universidade de Stand-

8
ford (USA). O objetivo do projeto desenvolver programas capazes de
determinar automaticamente o conjunto de estruturas moleculares, cons-
titudas de tomos conhecidos, capazes de explicar dados provenientes da
anlise espectrogrfica de uma molcula desconhecida. Uma abordagem
algortmica havia sido tentada anteriormente e se mostrou impraticvel
devido ao enorme nmero de estruturas possveis. O primeiro programa
do projeto, o Heuristic DENDRAL, fazendo uso de regras obtidas junto
a especialistas humanos em espectroscopia que impem restries aos ti-
pos possveis de estrutura, foi capaz de reduzir o espao de busca para
um tamanho tratvel, mantendo os mesmo resultados. Outros programas
desenvolvidos no mbito do projeto so: o sistema Meta-DENDRAL, ca-
paz de inferir automaticamente regras de espectroscopia de massa a partir
de exemplos de molculas devidamente analisadas por seres humanos e o
sistema CONGEN, um gerador de estruturas moleculares no relacionado
diretamente com tcnicas de IA.
O sistema DENDRAL, a partir de 1968 at o presente, foi utilizado em
diversas pesquisas sobre qumica orgnica. Alguns resultados de anlises
realizadas pelo sistemas foram considerados melhores do que os obtidos
por especialistas humanos e publicados em revistas especializadas.

4.3 Prospector
O sistema PROSPECTOR (HART; DUDA; EINAUDI, 1978) foi desenvol-
vido no SRI International (USA) com o objetivo de auxiliar geologistas
envolvidos em prospeco mineral. A principal funo do sistema de-
terminar a correspondncia entre dados que descrevem uma determinada
situao com modelos que descrevem classes disjuntas de situaes pos-
sveis. Os modelos so descries formais dos tipos mais importantes de
depsitos minerais e os dados de entrada se referem a observaes geol-
gicas de superfcie.

5 Concluso
Este trabalho apresentou uma definio de sistemas especialistas, bem
como exemplos existentes. Conclui-se que esses sistemas so relevantes
no somente para rea de Inteligncia Artificial, mas para vrias outras
reas que esto em constante desenvolvimento.

9
Referncias
BARR, A.; FEIGENBAUM, E. (Ed.). The Handbook of Artificial Intelli-
gence. Los Altos, California: William Kaufmann Inc., 1981. v.III.

DIVERIO, T.; MENEZES, P. Teoria da Computao: mquinas universais

e computabilidade. 2.ed. Porto Alegre: Sagra-Luzzatto, 2000. (Livros Di-
dticos, v.5).

FEIGENBAUM, E.; BUCHANAN, B.; LEDERBERG, J. On generality and

problem solving: a case study using the dendral program. In: MA-
CHINE INTELLIGENCE, 1971, Edinburgh, GB. Anais. . . Edinburgh
University Press, 1971. v.6, p.165190.

FLORES, C. D. Fundamentos dos Sistemas Especialistas. In: BARONE, D.

A. C. (Ed.). Sociedades Artificiais: a nova fronteira da inteligncia nas
mquinas. Porto Alegre: Bookman, 2003. p.332.

HART, P.; DUDA, R.; EINAUDI, M. Prospector - a computer-based con-

sultation system for mineral exploration. In: MATHEMATICAL GEO-
LOGY, 1978. Anais. . . [S.l.: s.n.], 1978. v.10.

MINSKY, M. A framework to represent knowledge. In: IN THE PSYCHO-

LOGY OF COMPUTER VISION, 1975. Anais. . . McGraw-Hill, 1975.
p.211277.

SHORTLIFFE, E. Computer-Based Medical Consultations : mycin. New

York: American Elsevier, 1976.

10