Elementos de Sistemas Especialistas

Os sistemas especialistas empregam informaes nem sempre completas manipulando-as atravs de mtodos de raciocnio simblico sem seguir modelos numricos, para produzir aproximaes satisfatrias ou aproximaes teis. Sendo assim, quanto mais completa e corretamente estiver representado o conhecimento, melhor ser a sada do sistema. Para tanto faz necessrio a aquisio de conhecimento, uso de heursticas, de mtodos de representao de conhecimento e de mquinas de inferncia. Existem vrias arquiteturas de sistemas especialistas sendo usadas. Dentre elas a mais simples de compreender e a mais difundida compem-se de 3 elementos bsicos. A constituio bsica de um sistema especialista apresenta os seguintes elementos:

Base de conhecimento

Base de conhecimento um elemento permanente, mas especfico de um sistema especialista. onde esto armazenadas as informaes de um sistemas especialista, ou seja os fatos e as regras. As informaes armazenadas de um determinado domnio fazem do sistema um especialista neste domnio.

Quadro-Negro
A comunicao das informaes entre os sistemas especialistas feita por um mecanismo chamado quadro-negro.O quadro-negro um lugar dentro da memria do computador no qual as informaes armazenadas em um sistema especialista so "afixadas" para que qualquer outro sistema especialista possa us-lo se precisar das informaes l contidas para alcanar seus objetivos. O quadro-negro uma estrutura que contm informaes que podem ser examinadas por sistemas especialistas cooperativos. O que esse sistemas fazem com essas informaes depende da aplicao. Voc nunca entrou em uma sala de aula e viu um aviso no quadronegro dizendo que aquela turma mudou de sala? Esse aviso poderia ter sido escrito pela secretria da escola que foi informada de que o professor estaria ausente naquele dia; por isso surgiu a necessidade de combinar turmas similares com um s professor. A secretria estava atenta a essa situao e reagiu de acordo. O conceito do quadro-negro para afixar, modificar e observar mudanas muito importante para os sistemas cooperativos.

Ainda assim, quadro-negro, rascunho ou memria de trabalho tem sua vida til durante o curso de uma consulta e est vinculada a uma consulta concreta. uma rea de memria usada para fazer avaliaes das regras que so recuperadas da base de conhecimento para se chegar a uma soluo. As informaes so gravadas e apagadas em um processo de inferncia at se chegar a soluo desejada.

Mecanismo de Inferncia

Mecanismo de inferncia ou motor de inferncia um elemento permanente, que pode ser inclusive ser reutilizado por vrios sistemas especialistas. a parte responsvel pela busca das regras da base de conhecimento para serem avaliadas, direcionando o processo de inferncia. O conhecimento deve estar preparado para uma boa interpretao e os objetos devem estar em uma determinada ordem representados por uma rvore de contexto. Basicamente o mecanismo de inferncia dividido em tarefas que so: Selecionar e buscar Avaliar Procurar Resumindo as tarefas acima, podemos dizer que as regras necessrias para se chegar a uma meta devem ser buscadas na base de conhecimento. Essas regras sero colocadas no quadro negro, sendo que as regras j existentes s sero avaliadas depois das mais recentes. A ordem de avaliao no quadro negro obedece a uma estrutura do tipo pilha com o objetivo de atingir a meta mais recente. A regra continuar sendo avaliada enquanto as condies da premissa forem verdadeiras, caso contrrio a regra ser eliminada, a meta estabelecida desempilhada e uma nova regra ser carregada. Quando um valor de um parmetro em um determinado contexto no conhecido e no se encontra nas estruturas de pilha, deve-se ento procurar novas informaes na base de conhecimento, provocar a busca de novas regras ou perguntar diretamente ao usurio. Considere o seguinte exemplo:

Os pais de Jim so Joo e Maria.

Os pais de Jane so Joo e Maria. O objetivo determinar o parentesco entre Jim e Jane. Existe um mecanismo chamado poda que se concentra em uma regra guardada em segurana no crebro, que acaba com o mistrio instantaneamente: SE um pessoa do sexo masculino e uma pessoa do sexo feminino tm os mesmos pais, ENTO eles so irmos.

Alcanamos nosso objetivo inferindo a resposta da pergunta sobre o parentesco entre Jim e Jane da regra que j havamos aprendido anteriormente. E no processo de alcanar o objetivo, um novo fato deduzido: Jim e Jane so irmos. A parte da inteligncia que nos ajudou a chegar a esse novo fato chamada de mecanismo de inferncia. Ele central em nossa habilidade de aprender com a experincia porque nos permite gerar novos fatos a partir dos j existentes aplicando o conhecimento adquirido em novas situaes. O mecanismo de inferncia tambm ajuda a detectar erros em nossos pensamentos e nos permite modificar e aprimorar as regras que usamos para alcanar nossos objetivos.

Processo de Aprendizagem dos Sistemas Especilistas

A aprendizagem comum se d de diversas formas:

Anlise estatstica de dados (heurstica); Tentativa e erro (experincias); Leituras, palestras, etc; Troca de experincias com outras pessoas. Fundamentalmente, verifica-se que o aprendizado vem do processo de experincia, e de seus resultados experimentais.

A capacidade de aprender, no ser humano, o resultado de um conjunto de habilidades: capacidade de generalizar, de induzir, de fazer analogias e de receber instruo. Os Sistemas Especialistas devem ser capazes de aprender e fazer crescer o seu conhecimento bsico sobre o assunto. Esta capacidade de aprender recebe o nome tcnico de protopeiria.

O usual existir um engenheiro de conhecimento que prepara o conhecimento para ser armazenado em uma forma apropriada, fornecendo as explicaes necessrias, dos conceitos utilizados. O ideal que o conhecimento possa ser adquirido diretamente pelo Sistema Especialista.

Uma das formas de aprendizagem dos Sistemas Especialistas atravs de textos. Um programa captura palavras chaves em um pargrafo do texto, podendo format-lo para um formato especial de armazenamento, para representao desse conhecimento (implementao mais eficiente e confivel com Processador de Linguagem natural).

O aprendizado tambm pode ser feito a partir de concluses sobre a massa de informaes mantidas pelo Sistema Especialista. Ele mantm um banco de casos resolvidos, isto , a cada concluso guarda os fatos que pesaram sobre a deciso e a prpria deciso, aps ter esta criticado por um especialista da rea. O aprendizado feito por comparao de dados por um mdulo do Sistema Especialista que coloca a nova regra na Base de conhecimento, medida que a massa de dados cresce, obedecendo o formato adequado.

Outra forma de aprendizado se d pela interao direta com o especialista. Como em uma relao professor-aluno, o computador absorve o conhecimento atravs de uma interface adequada (editor inteligente).

Fundamentalmente, verifica-se que o aprendizado vem do processo de experincia, e de seus resultados experimentais.

Tipos de Problemas que os Sistemas Especialistas Trabalham

Os sistemas especialistas trabalham com problemas cada vez mais difceis, assim eles necessitam usar todas as tcnicas disponveis de Inteligncia Artificial.

A fim de escolher o mtodo mais apropriado (ou uma combinao de mtodos) para um determinado problema, necessrio analis-lo em vrias dimenses-chaves.

Abaixo encontram-se os critrios que do origem as classes de problemas e as classes propriamente ditas: O problema pode ser decomposto em um conjunto (ou quase isto) de subproblemas independentes, menores e mais fceis?

- Decomponveis; - No-decomponveis.

Certos passo em direo soluo podem ser ignorados ou pelo menos desfeitos caso fique provado que so imprudentes?

- Ignorveis: as etapas para a soluo podem ser ignoradas. Exemplo: demonstrao de teoremas; - Recuperveis: as etapas para a soluo podem ser desfeitas. Exemplo: quebra-cabea de 8; - Irrecuperveis: as etapas para a soluo no podem ser desfeitas. Exemplo: xadrez.

A recuperabilidade de um problema tem papel importante na determinao da complexidade da estrutura de controle necessria para a soluo do problema.

- Ignorveis: estrutura de controle simples que nunca retrocede; - Recuperveis: estrutura de controle ligeiramente mais complicada (utilizar o retrocesso com uma estrutura de pilha na qual as decises de pilha na qual as decises so gravadas se precisarem ser desfeitas mais tarde), que s vezes comete erros; - Irrecuperveis: sistema que depende muito esforo para tomar decises (sistema de planejamento no qual toda uma seqncia de passos analisada de antemo, para descobrir onde levar, antes do primeiro passo ser realmente tomado), j que so definitivas.

O universo do problema previsvel?

- Com resultado certo: podemos usar planejamento para gerar uma seqncia de operadores que certamente levar a uma soluo. Exemplo: quebra-cabea de 8; - Com resultado incerto: podemos usar planejamento para, na melhor das hipteses, gerar uma seqncia de operadores com boas chances de levar a uma soluo. Exemplo: bridge, truco, canastra. Para solucionar problemas desse tipo precisamos permitir que um processo de reviso de planos ocorra durante a execuo do plano e que seja fornecida a realimentao necessria.

Uma boa soluo para o problema pode ser considerada bvia sem haver comparao com todas as solues possveis?

- Aceitam qualquer caminho: podem ser solucionados em tempo razovel atravs do uso de heursticas que sugerem bons caminhos a serem explorados. Exemplo: lgica de predicados para saber se Marcos ainda vive; - S aceitam o melhor caminho: no existe a possibilidade de usarmos qualquer heurstica que possa prever a melhor soluo, portanto, ser realizada uma busca mais exaustiva. Exemplo: problema do Caixeiro Viajante, encontrar a rota mais curta.

A soluo desejada um estado do mundo ou um caminho pra um estado?

- A soluo um estado do mundo. Exemplo: a compreenso da linguagem natural; - A soluo um caminho para um estado. Exemplo: o problema das jarras d'gua.

H necessidade absoluta de grande quantidade de conhecimento para resolver o problema, ou o conhecimento importante apenas para limitar a busca?

- Muito conhecimento importante apenas para restringir a busca. Exemplo: xadrez. - Muito conhecimento necessrio at mesmo para que se possa reconhecer uma soluo. Exemplo: folhar jornais dirios para decidir qual deles apoia o governo e qual apoia a oposio nas prximas eleies.

Um computador que simplesmente receba o problema tem condies de retornar a soluo, ou esta exige a interao entre o computador e a pessoa?

- Solitrio: o computador recebe a descrio de um problema e produz uma resposta sem nenhuma comunicao imediata e sem pedir nenhuma explicao sobre o processo de raciocnio. Exemplo: demonstrar um teorema; - Conversacional: existe comunicao intermediria entre uma pessoa e o computador, para proporcionar assistncia adicional ao computador ou para proporcionar informaes adicionais ao usurio, ou ambos. Exemplo: produzir um diagnstico mdico.

No existe uma nica maneira de resolver todos os problemas. Ao contrrio, se analisarmos nossos problemas cuidadosamente e classificarmos nossos mtodos de soluo de acordo com o tipo de problema aos quais se adaptam, seremos capazes de trazer para cada novo problema muito do que aprendemos na soluo de outros problemas semelhantes.

Sistemas de Produo
Os sistemas de produo so uma boa maneira de descrever as operaes que podem ser realizadas quando buscamos uma soluo para um problema.

Uma vez que a busca forma o ncleo de muitos processos inteligentes, til estruturar os programas de IA de uma forma que facilite a descrio e execuo dos processos de busca. Os Sistemas de Produo (SP) proporcionam tais estruturas.

Um Sistema de Produo consiste em: Um conjunto de regras, cada uma delas consistindo em um lado esquerdo (um padro) que determina a aplicabilidade de uma regra e um lado direito que descreve a operao a ser efetuada se a regra for aplicada. Uma ou mais bases de conhecimentos/bases de dados que contenham quaisquer informaes apropriadas a uma determinada tarefa. Certas partes da base de dados podem

ser permanentes, enquanto que outras, podem pertencer apenas soluo do problema corrente. Uma estratgia de controle que especifique a ordem em que as regras sero comparadas com a base de dados e uma maneira de solucionar conflitos que surgirem quando vrias regras puderem ser aplicadas ao mesmo tempo. Uma aplicador de regras. Esta definio bastante genricam, incluindo entre outros os programas para jogar xadrez, resolvero problema das jarras d'gua, do fazendeiro, etc. Isto , o processo de soluo destes problemas foram modelados como um sistema de produo.

Alm disso, inclui tambm uma famlia de interpretadores genricos de sistemas de produo, tais como: Linguagens de sistemas de produo bsicos, como o OPS5 e o ACT. Sistemas mais complexos, em geral hbridos, chamados de shells de sistemas especialistas, que proporcionam ambientes mais complexos para construo de sistemas especialistas baseados em conhecimento. Arquiteturas para a soluo de problemas gerais como o SOAR, um sistema baseado em um conjunto especfico de hipteses motivadas cognitivamente sobre a natureza da soluo dos problemas. Todos estes sistemas oferecem a arquitetura geral de um sistema de produo e permitem que o programador escreva regras que definam determinados problemas a serem solucionados.

Considerando as caractersticas de SP, podemos formular duas perguntas bsicas sobre os SP: Eles podem ser descritos por um grupo de caractersticas que coloquem alguma luz sobre COMO OU QUO FACILEMENTE ELES PODEM SER IMPLEMENTADOS?

Considere as classes de SP: - SP MONOTNICOS: a aplicao de uma regra NUNCA impede a aplicao posterior de uma outra regra que tambm pudesse Ter sido aplicada quando a primeira regra foi escolhida;

- SP NO-MONOTNICOS: a aplicao de uma regra PODE impedir a aplicao posterior de uma regra que tambm, pudesse ter sido aplicada quando a primeira regra foi escolhida; - SP PARCIALMENTE COMUTATIVO: se a aplicao de uma determinada sequncia de regras transforma um estado x em um estado y, ento qualquer permutao permitida dessas regras tambm transforma o estado x em estado y; - SP COMUTATIVO: monotnico e parcialmente comutativo simultaneamente. Se sim, qual o relacionamento que existe entre os TIPOS DE PROBLEMAS E OS TIPOS DE SP MAIS ADEQUADOS PARA SOLUCIONAR OS PROBLEMAS? Pode-se dizer que: para qualquer problema solucionvel, existe um nmero infinito de SP que descrevem maneiras de encontrar solues. Alguns sero mais NATURAIS ou mais EFICIENTES que outros.

Qualquer problema que possa ser solucionado por qualquer SP, pode ser solucionado por um SISTEMA COMUTATIVO (classe mais restrita), mas o sistema comutativo pode Ter o manejo to complicado que se torna praticamente intil.

Em um sentido mais formal: "No existe relao entre tipos de problemas e tipos de SP, j que todos os problemas podem ser solucionados por todos os tipos de sistemas."

Em termos prticos: "Existe definitivamente uma relao entre tipos de problemas e tipos de SP que se prestam naturalmente descrio desses problemas."

Os SP PARCIALMENTE COMUTATIVOS MONOTNICOS so importantes, do ponde de vista da implementao, porque podem ser implementados sem que haja necessidade de retrocesso a estgios anteriores, quando se descobre que um caminho errado foi seguido. Embora normalmente seja til implementar tais sistemas com o recurso do retrocesso, a fim de garantir uma busca sistemtica, a base de dados, que na verdade representa o estado do problema, no precisa ser restaurada, o que se traduz em eficincia.

Os SP COMUTATIVOS so bons para problemas nos quais as coisas no mudam e coisas novas so criadas. Isto , ao invs de alterar coisas antigas envolvem a criao de coisas novas.

Os SP PARCIALMENTE COMUTATIVOS N-MONOTNICOS so teis para problemas nos quais aconteam mudanas que possam ser revertidas e nos quais a ordem das operaes no seja crucial.

A navegao por robs em terreno liso e sem obstculos, um problema de manipulao fsica, um exemplo. Navegao significa mover-se pelo mundo: Planejar rotas, chegar aos destinos desejados sem trombar com outras coisas no meio do caminho, e assim por diante. Como a viso e o reconhecimento da fala, esta uma tarefa que os seres humanos executam com facilidade. Suponhamos que o rob tenha os seguintes operadores: ir para o norte (N), ir para o leste (L), ir para o oeste (O), ir para o sul (S). Para alcanar seu objetivo, no importa se o rob executa N-N-L ou N-L-N. Dependendo de como os operadores forem escolhidos, o quebra cabea de 8 e o problema do mundo dos blocos podem ser considerados parcialmente comutativos.

Os SP NO-PARCIALMENTE COMUTATIVOS tm menos chances de produzir o mesmo n muitas vezes durante o processo de busca.

Quando lidamos com aqueles que descrevem processos irreversveis, particularmente importante tomar decises corretas logo na primeira vez, apesar de que, se o universo for previsvel, o planejamento poder ser usado para fazer com a tomada de deciso tenha papel menos importante.

Resposta de um Sistema Especialista

Um sistema especialista emite resposta utilizando trs modos de tcnicas diferentes: Primeiro modo: o sistema determina um universo onde a resposta poder ser encontrada. Por exemplo, imagine-se uma empresa que esteja interessada em pesquisa petrleo. Pelas caractersticas geolgicas gerais dos continentes, um sistema especialista pode determinar, de maneira geral, onde o petrleo poder ser encontrado, sem no entanto afirmar de maneira precisa exatamente em que regies se encontrar o petrleo. A primeira informao serve apenas para identificar, de maneira ampla, onde se poder encontrar a resposta, isto , no adianta procurar a resposta fora deste universo. Segundo modo: o sistema mais preciso e determina um resultado final, isto , enfoca um valor ou um pequeno nmero de respostas no conjunto de valores possveis.

Terceiro modo: o sistema no emite resultado nenhum, apenas interage com o profissional que o est usando. O funcionamento como em um dilogo de dois profissionais, obrigando o primeiro a ir refletindo sobre determinadas conseqncias que, sero produtos de sua determinada deciso.

Explicao
Para um sistema especialista ser uma ferramenta eficaz, as pessoas tem de ser capazes de interagir com ele facilmente. Para facilitar essa interao, o sistema especialista dever ter estes dois recursos, alm da capacidade de executar sua tarefa fundamental:

Explicar seu raciocnio. Em muitos dos domnios nos quais os sistemas especialistas operam, as pessoas no aceitaro resultados se no estiverem convencidas da preciso do processo de raciocnio que produziu aqueles resultados. Isto particularmente verdadeiro, por exemplo, na medicina, onde um mdico precisa aceitar a responsabilidade final por um diagnstico, mesmo que ele tenha chegado com a ajuda considervel de um programa. Assim, importante que o processo de raciocnio usado nesses programas proceda em etapas compreensveis e que metaconhecimento suficiente (conhecimento sobre o processo de raciocnio) esteja disponvel para que as explicaes dessas etapas possam ser geradas. Adquirir conhecimento novo e modificar conhecimento antigo. J que os sistemas especialistas derivam da riqueza das bases de conhecimento que eles exploram, extremamente importante que essas bases de conhecimentos sejam o mais completas e precisas possvel. Mas normalmente no existe nenhuma codificao padro para esse conhecimento; ela existe apenas nas mentes dos especialistas humanos. Uma maneira de colocar esse conhecimento em um programa atravs da interao com o especialista humano. Uma outra maneira fazer com que o programa aprenda o comportamento especialista a partir de dados brutos.