Escolar Documentos
Profissional Documentos
Cultura Documentos
Resumo
Este ebook oferece uma visão concisa e abrangente dos sistemas periciais,
abordando desde os seus fundamentos até às aplicações práticas, desafios e
inovações futuras.
Iniciamos com os fundamentos, definindo sistemas periciais, os seus
componentes chave como base de conhecimento, mecanismo de inferência e
interface de utilizador, e destacando como eles diferem de outras tecnologias
de TI.
A seção seguinte detalha o desenvolvimento dos sistemas periciais,
cobrindo desde a recolha de conhecimento especializado até a fase de teste
e validação, dando enfase à importância de manter os sistemas atualizados
e precisos.
3
Índice
Resumo 2
Índice 3
Lista de Abreviaturas/Siglas 4
Introdução 5
Sistemas Periciais - Definição e conceitos básicos 6
Fundamentos dos Sistemas Periciais 10
Tecnologias Envolvidas 12
Aplicações Práticas 15
Desenvolvimento de Sistemas Periciais 16
Desafios e Limitações 20
Tendências Futuras e Inovações 23
Conselhos para Jovens Profissionais 26
Conclusão 28
Referências Bibliográficas 29
4
Lista de Abreviaturas/Siglas
TI Tecnologias de Informação
IA Inteligência Artificial
5
Introdução
“O mundo real é complexo e dinâmico e os instrumentos utilizados para explorar o seu lado
desconhecido devem ser rápidos, precisos e inteligentes.” (Serban, 2013)
6
Sistemas Periciais - Definição e conceitos básicos
Conceitos Básicos:
7
automática, permitindo que estes sistemas se adaptem e melhorem
com o tempo.
Estes conceitos formam a base sobre a qual os sistemas periciais
operam, permitindo-lhes resolver problemas específicos de forma
eficiente e eficaz, muitas vezes equiparando-se ou até superando a
performance humana em determinadas tarefas.
8
disponíveis a qualquer momento, diferentemente dos especialistas
humanos, e mantêm um repositório permanente de conhecimento
especializado.
Com o passar do tempo, a integração de tecnologias de
aprendizagem automática e processamento de linguagem natural
ampliou ainda mais as capacidades dos sistemas periciais.
Atualmente, eles não só emulam a tomada de decisões de
especialistas, mas também evoluem e se adaptam com novas
informações, continuando a desempenhar um papel crucial em
muitos campos profissionais e científicos.
9
Educação: Estes sistemas são usados para criar ambientes de
aprendizagem personalizados, adaptando-se às necessidades e ao
ritmo de aprendizagem de cada aluno, fornecendo feedback e
orientação especializada.
10
Fundamentos dos Sistemas Periciais
11
Os sistemas periciais diferem dos outros sistemas de Tecnologia da
Informação em vários aspectos fundamentais:
Base de Conhecimento Especializado: A principal diferença dos
sistemas periciais em relação a outros sistemas de TI é a sua base de
conhecimento especializado. Enquanto muitos sistemas de TI
funcionam com base em dados e algoritmos gerais, os sistemas
periciais são construídos em torno de um vasto conjunto de
conhecimentos específicos de um domínio, fornecidos por especialistas
humanos. Este conhecimento é estruturado em forma de regras,
heurísticas e dados que o sistema utiliza para simular o raciocínio de
um especialista.
Mecanismo de Inferência: Os sistemas periciais utilizam
mecanismos de inferência para analisar e interpretar os dados da base
de conhecimento. Este mecanismo permite ao sistema fazer deduções
e chegar a conclusões, imitando a forma como um especialista
humano pensaria e raciocinaria. Em contraste, muitos outros sistemas
de TI seguem algoritmos e processos predefinidos que não envolvem
raciocínio simbólico ou inferencial.
Capacidade de Raciocínio e Tomada de Decisão: Diferentemente
de sistemas de TI convencionais, que geralmente processam dados de
maneira linear e com base em algoritmos fixos, os sistemas periciais
são capazes de raciocinar sobre os dados, fazendo associações e
deduções de maneira mais semelhante ao pensamento humano.
Explicabilidade: Uma característica distintiva dos sistemas periciais é
a sua capacidade de explicar o processo de raciocínio utilizado para
chegar a uma conclusão ou decisão. Isso contrasta com muitos
sistemas de TI, especialmente os baseados em machine learning, que
muitas vezes são considerados como "caixas-pretas", onde o processo
de tomada de decisão não é facilmente compreensível pelos
utilizadores.
Foco em Domínios Específicos: Enquanto muitos sistemas de TI são
desenvolvidos para aplicações gerais ou para processar grandes
volumes de dados de maneira eficiente, os sistemas periciais são
projetados com um foco muito específico em mente. Eles são
personalizados para domínios de conhecimento muito especializados,
como medicina, engenharia ou direito.
Interatividade com o Utilizador: Os sistemas periciais muitas vezes
envolvem uma maior interação com o utilizador, onde o sistema pode
fazer perguntas ao usuário para clarificar ou obter mais informações,
de modo a refinar suas conclusões ou recomendações.
12
Em suma, os sistemas periciais distinguem-se pela sua capacidade de
emular a tomada de decisão de especialistas humanos em campos
específicos, fornecendo soluções baseadas em conhecimento especializado e
raciocínio avançado, o que é menos comum em outros sistemas de TI.
Tecnologias Envolvidas
Exemplo de Código:
% Definição de parentesco
pai(joao, maria).
pai(joao, ana).
14
● Descrição: Drools é um sistema de gestão de regras de negócio
(BRMS) e um mecanismo de regras baseado em Java. Ele
fornece um ambiente para a escrita, manutenção e execução de
regras de negócios. Drools é adequado para sistemas que
necessitam de lógica de negócios complexa e é integrável com
aplicações Java.
3. Prolog Implementations (como SWI-Prolog)
● Descrição: Para o desenvolvimento em Prolog, existem várias
implementações, como SWI-Prolog, que é uma implementação
open-source e amplamente utilizada de Prolog. Oferece uma rica
coleção de recursos, incluindo uma poderosa biblioteca, interface
gráfica e ferramentas para desenvolvimento web.
4. Jess
● Descrição: Jess é uma linguagem de regras e mecanismo de
inferência escrito em Java. É similar ao CLIPS, mas com uma
integração mais estreita com a linguagem Java, tornando-o uma
escolha popular para a integração de sistemas periciais em
ambientes baseados em Java.
5. Eclipse IDE com Plugins Específicos
● Descrição: Eclipse é uma IDE popular que pode ser equipada
com plugins específicos para desenvolver sistemas periciais. Com
uma variedade de plugins disponíveis, Eclipse pode ser
configurado para suportar linguagens e ferramentas específicas,
como Prolog e Drools.
6. Pyke
● Descrição: Pyke é uma ferramenta de sistema pericial para
Python. Ela permite a criação de regras de conhecimento que
são integradas com código Python, combinando a facilidade e
flexibilidade do Python com a potência de um sistema pericial.
15
Aplicações Práticas
1. Saúde
● Diagnóstico Médico: Sistemas como o MYCIN, desenvolvido
nos anos 70, foram pioneiros no uso de sistemas periciais para
diagnóstico de doenças infeciosas. Esses sistemas ajudam os
médicos a diagnosticar condições complexas com base em
sintomas, histórico do paciente e conhecimento médico.
● Sistemas de Apoio à Decisão Clínica: Ferramentas modernas
de apoio à decisão clínica utilizam sistemas periciais para
analisar dados de pacientes e fornecer recomendações de
tratamento ou alertas sobre possíveis complicações.
2. Finanças
● Análise de Investimentos: Sistemas periciais são usados para
analisar tendências de mercado, avaliar riscos e recomendar
investimentos. Eles processam dados financeiros e utilizam
regras para fornecer conselhos de investimento.
● Deteção de Fraudes: No setor bancário e financeiro, sistemas
periciais ajudam a identificar padrões suspeitos que podem
indicar atividades fraudulentas, como lavagem de dinheiro ou
fraude em cartões de crédito.
3. Direito
● Análise Jurídica: Sistemas periciais no direito ajudam na
análise de documentos legais e casos, fornecendo assistência na
interpretação de leis e precedentes. Eles podem sugerir
argumentos legais ou identificar jurisprudência relevante.
● Apoio a Decisões Judiciais: Alguns sistemas são usados para
auxiliar juízes e advogados a tomar decisões mais informadas,
oferecendo análises baseadas em leis e casos anteriores.
4. Manufatura e Engenharia
● Manutenção e Diagnóstico: Na indústria, sistemas periciais
são aplicados para diagnosticar falhas em máquinas e sistemas,
sugerindo ações corretivas e preventivas com base em dados de
desempenho e histórico de manutenções.
16
5. Agricultura
● Gestão Agrícola: Sistemas periciais são usados para aconselhar
sobre práticas agrícolas, como irrigação, uso de fertilizantes e
controle de pragas, baseando-se em dados do clima, condições
do solo e características das culturas.
6. Meio Ambiente
● Gestão de Recursos Naturais: Eles ajudam na gestão
sustentável de recursos naturais, analisando dados ambientais e
sugerindo medidas para conservação e uso eficiente de recursos.
Sistema MYCIN
MYCIN é um dos primeiros e mais conhecidos sistemas periciais
desenvolvidos na Universidade de Stanford na década de 1970. Foi
projetado para diagnosticar doenças bacterianas, como meningite, e
recomendar antibióticos. MYCIN utilizava uma extensa base de
conhecimento e um mecanismo de inferência para analisar dados do
paciente e sugerir tratamentos. Embora não tenha sido amplamente
adotado na prática clínica devido a questões regulatórias,
demonstrou a viabilidade e eficácia dos sistemas periciais na
medicina.
17
2. Recolher Conhecimento
● Consulte especialistas no domínio em questão para recolher
conhecimento especializado.
● Documente esse conhecimento na forma de regras, factos,
procedimentos e heurísticas.
3. Escolha da Plataforma e da Linguagem de Programação
● Selecione uma plataforma de desenvolvimento apropriada (como
CLIPS, Prolog, ou uma ferramenta de desenvolvimento de
sistemas periciais).
● Escolha uma linguagem de programação adequada ao seu
projeto, como Prolog ou LISP, dependendo da natureza do
problema e do conhecimento recolhido.
4. Desenvolvimento da Base de Conhecimento
● Estruture o conhecimento recolhido numa base de
conhecimento, utilizando a linguagem e as ferramentas
escolhidas.
● Implemente regras e fatos de forma lógica e consistente.
5. Desenvolvimento do Mecanismo de Inferência
● Projete e implemente um mecanismo de inferência que pode
aplicar o conhecimento da base de dados para resolver
problemas.
● Este mecanismo deve ser capaz de raciocinar sobre as
informações, fazer conexões e chegar a conclusões.
6. Desenvolvimento da Interface de Utilizador
● Crie uma interface de utilizador que permita aos utilizadores
interagir com o sistema pericial.
● A interface deve ser intuitiva e fornecer meios fáceis para inserir
dados, fazer consultas e receber respostas.
7. Testes e Validação
● Teste o sistema pericial com casos reais ou simulados para
verificar sua precisão e eficácia.
● Ajuste a base de conhecimento e o mecanismo de inferência
conforme necessário para corrigir erros e melhorar o
desempenho.
8. Implementação e Manutenção
● Depois de testado e validado, implemente o sistema pericial no
ambiente de destino.
● Estabeleça um processo para a manutenção e atualização
contínua da base de conhecimento, assegurando que o sistema
permaneça atualizado e relevante.
18
Lembre-se de que o desenvolvimento de um sistema pericial é um processo
iterativo. A colaboração contínua com especialistas do domínio e utilizadores
finais é crucial para refinar e melhorar o sistema ao longo do tempo.
Testar e validar um sistema pericial são etapas cruciais para garantir sua
eficácia e confiabilidade. Aqui estão algumas diretrizes para realizar esses
processos:
20
4. Testes de Usabilidade
● Avalie a interface de utilizador para garantir que ela seja
intuitiva, fácil de usar e eficaz na comunicação com o utilizador.
Isso é importante para garantir que o sistema seja acessível a
usuários não especializados.
5. Testes de Desempenho
● Teste o desempenho do sistema em diferentes cenários para
avaliar sua velocidade de resposta, eficiência no processamento
de dados e estabilidade em diversas condições de uso.
6. Análise de Casos Reais
● Utilize casos reais, se possível, para testar o sistema em
condições reais de uso. Isso pode fornecer insights valiosos
sobre o desempenho do sistema em situações do mundo real.
7. Avaliação Iterativa
● Faça uma avaliação iterativa do sistema. Após cada fase de
testes, faça ajustes e melhorias na base de conhecimento, no
mecanismo de inferência e na interface do utilizador, conforme
necessário.
8. Documentação e Registro de Testes
● Mantenha registos detalhados dos testes, incluindo
metodologias, cenários de teste, resultados e feedback dos
especialistas. Isso é crucial para rastrear o progresso e justificar
as mudanças feitas no sistema.
9. Feedback do Utilizador Final
● Obtenha feedback dos utilizadores finais que irão interagir com o
sistema em um contexto operacional. As suas perceções podem
revelar problemas práticos e oportunidades de melhoria.
10. Validação Cruzada
● Compare os resultados do sistema com outros sistemas periciais
ou métodos tradicionais para garantir que as conclusões sejam
válidas e confiáveis.
Desafios e Limitações
21
Os sistemas periciais, embora poderosos e úteis em muitos aspectos,
possuem limitações que devem ser consideradas. Aqui estão algumas das
principais restrições e desafios associados a esses sistemas:
22
contínuo para atualizar a base de conhecimento e garantir a
precisão do sistema.
8. Limitações Éticas e Jurídicas:
● Existem preocupações éticas, especialmente relacionadas à
privacidade e ao uso indevido de dados. Além disso, questões
legais podem surgir em relação à responsabilidade por decisões
tomadas com o auxílio de sistemas periciais.
23
5. Segurança e Integridade dos Sistemas:
o A proteção contra acessos não autorizados e ataques
cibernéticos é crucial, especialmente quando os sistemas
periciais são integrados em infraestruturas críticas ou lidam com
informações sensíveis.
6. Transparência e Explicabilidade:
o Garantir que as decisões dos sistemas periciais sejam
transparentes e explicáveis é fundamental para a confiança e a
aceitabilidade. Em muitos casos, é importante que os
utilizadores compreendam como e por que uma determinada
decisão foi tomada.
7. Atualização e Manutenção Contínua:
o É necessário garantir que a base de conhecimento dos sistemas
periciais seja continuamente atualizada e revista para refletir
mudanças nas normas, práticas e conhecimentos do domínio,
evitando informações desatualizadas ou incorretas.
8. Impacto no Emprego e na Sociedade:
o O uso de sistemas periciais pode levar a mudanças no emprego,
substituindo ou alterando o trabalho humano em certas áreas.
Isso gera preocupações éticas sobre o impacto dessas
tecnologias no mercado de trabalho e na sociedade em geral.
24
● A incorporação de algoritmos de machine learning nos sistemas
periciais permite a atualização e expansão automáticas das
bases de conhecimento. Isto significa que o sistema pode
aprender com novos dados e experiências, ajustando as suas
regras e heurísticas para melhorar a precisão e o desempenho
ao longo do tempo.
2. Processamento de Linguagem Natural (PLN):
● A integração de PLN permite que os sistemas periciais
compreendam e processem a linguagem humana de forma mais
eficaz. Isto facilita a comunicação entre o utilizador e o sistema,
permitindo que o sistema interprete consultas complexas e
forneça respostas em linguagem natural.
3. Análise Preditiva e Tomada de Decisão:
● Com o machine learning, os sistemas periciais podem identificar
padrões e tendências em grandes conjuntos de dados,
possibilitando a análise preditiva. Isto é particularmente útil em
áreas como finanças, saúde e gestão de riscos, onde prever
tendências futuras é crucial.
4. Personalização e Adaptação ao Contexto:
● Os sistemas periciais estão a tornar-se mais adaptáveis ao
contexto específico do utilizador. Podem personalizar
recomendações e decisões com base nas características
individuais do utilizador, histórico e preferências.
5. Integração com IoT e Big Data:
● A conexão com a Internet das Coisas (IoT) e a integração com
plataformas de Big Data estão expandindo as fontes de dados
disponíveis para sistemas periciais. Isto permite uma análise
mais abrangente e em tempo real, útil em aplicações como
monitorização ambiental e manutenção preditiva.
6. Explicabilidade e Transparência:
● Está a crescer a necessidade dos sistemas periciais que não
tomem apenas decisões, mas também possam explicar o
raciocínio por trás delas. Isto é especialmente importante em
áreas onde a tomada de decisão precisa ser auditável e
transparente.
7. Interoperabilidade e Integração de Sistemas:
● A tendência é para sistemas periciais que se possam integrar de
forma mais eficiente com outros sistemas e plataformas,
facilitando a interoperabilidade e a troca de dados em diferentes
ambientes tecnológicos.
8. Ética e Governança de IA:
● Conforme os sistemas periciais se tornam mais avançados, a
preocupação com questões éticas e de governança em IA
aumenta. Isto inclui o desenvolvimento de diretrizes e padrões
25
para garantir que os sistemas sejam justos, não tendenciosos e
respeitem a privacidade.
26
o Potencial: Tomada de decisão mais informada em
investimentos, melhor gestão de riscos e estratégias de
negociação otimizadas.
5. Integração com Veículos Autónomos:
o Inovação: Sistemas periciais integrados a veículos autónomos
para interpretar dados de sensores e tomar decisões em tempo
real sobre navegação e segurança.
o Potencial: Melhoria na segurança do trânsito, eficiência no
transporte e avanços significativos na mobilidade autónoma.
27
lógica de programação e sistemas de regras podem ser muito
úteis.
3. Aprofunde-se num Domínio Específico:
o Especialize-se num domínio onde os sistemas periciais são
amplamente utilizados, como saúde, direito ou finanças. Isto
requer compreender não apenas a tecnologia, mas também os
aspectos específicos desse campo.
4. Participe em Projetos e Estágios:
o Ganhar experiência prática é crucial. Procure oportunidades de
estágio, projetos de pesquisa ou colaborações em empresas ou
universidades que trabalhem com sistemas periciais.
5. Desenvolva Capacidades Analíticas e de Resolução de
Problemas:
o A capacidade de analisar problemas complexos e desenvolver
soluções lógicas é essencial no trabalho com sistemas periciais.
6. Participe em Cursos e Workshops Especializados:
o Há muitos cursos online e workshops que podem fornecer
conhecimentos específicos em sistemas periciais e IA.
Plataformas como Coursera, Udemy e edX oferecem cursos
relevantes.
7. Mantenha-se Atualizado com as Últimas Tendências:
o A área de sistemas periciais está em constante evolução.
Mantenha-se atualizado com as últimas pesquisas, tecnologias
emergentes e tendências do setor.
8. Construa uma Rede de Contatos Profissionais:
o Conectar-se com profissionais da área pode oferecer insights
valiosos e oportunidades de carreira. Participe em conferências,
seminários e grupos online relacionados a IA e sistemas
periciais.
9. Desenvolva Projetos Pessoais:
o Trabalhar em projetos pessoais ou contribuir para projetos
open-source pode ser uma excelente maneira de aplicar os seus
conhecimentos e demonstrar as suas competências.
10. Pense Criticamente sobre Ética e Impacto Social:
o Entenda as implicações éticas e o impacto social dos sistemas
periciais. Profissionais com uma perspectiva ética são cruciais à
medida que essas tecnologias tornam-se mais integradas na
sociedade.
28
29
Conclusão
Ao longo deste ebook, abordamos vários aspetos essenciais dos sistemas periciais,
dando enfase ao seu papel, desenvolvimento e aplicação no cenário moderno de
tecnologia e da inteligência artificial.
Para profissionais que entram neste campo, é essencial uma base sólida em
conhecimentos técnicos, um compromisso com a aprendizagem contínua e uma
consciencialização das implicações mais amplas do seu trabalho.
30
Referências Bibliográficas
https://www.probesto.com/pt/o-que-sao-sistemas-periciais-em-inteligencia-artificial/
https://pt.wikipedia.org/wiki/Sistemas_periciais
https://www.wikiwand.com/pt/Sistemas_periciais
https://sweet.ua.pt/delfim/cadeiras/ipl99/aulasT/perito.html
https://www.youtube.com/watch?v=O-FZ4Q8RXds
https://www.youtube.com/watch?v=R49U8pHnb4g
https://www.youtube.com/watch?v=BXHcPESoaPY
https://www.youtube.com/watch?v=l0CRFuA0m_8
https://bibliotecadigital.ipb.pt/bitstream/10198/1209/1/Tese%20PhD%20-%20Leonel%20Deusdado.pdf
BAADER, F., HORROCKS, I., SATTLER, U. (2003), “Description logics as ontology languages
for the semantic web”, Lecture Notes in Artificial Intelligence, Springer, pp. 228-
248.
31