Sistemas Especialistas

1
 Sumário
• Conceito
• Vantagens
• Aplicações
• Componentes
• Exemplos de Bases de Dados

2
 Conceito
• Sistemas especialistas são programas
destinados a solucionar problemas em
campos específicos de conhecimento. Estes
programas devem ter desempenho
comparável ao dos especialistas humanos
na execução dessas tarefas.

3
 Vantagens
Os Sistemas especialistas apresentam, em
relação aos especialistas humanos as
seguintes vantagens :
• Disponibilidade a qualquer tempo;
• Ausência de fadiga;
• Ausência de incompatibilidades pessoais;
• Tecnologia portável a outros ramos do
conhecimento.
4
 Aplicações
1) Sistemas de diagnóstico
Exemplo : MYCIN para diagnóstico de doenças
bacteriológicas, desenvolvido em Stanford nos anos 70.
 2) Sistemas de planejamento
Exemplos :
• XCON para configuração de hardware, desenvolvido na
Carnegie Mellon University e utilizado pela DEC.
• STRIPS para movimentação de robôs, desenvolvido em
Stanford.

5
 Aplicações (cont.)
3) Sistemas de previsão
Exemplo : PROSPECTOR para estudo de geologia
 
4) Sistemas de controle
Exemplos :
• ACE para vigilância de sistemas
telefônicos.
• PICON para alarmes em centrais nucleares.

6
 Aplicações (cont.)
5) Sistemas de Instrução
 
6) Sistemas de Interpretação

7
 Componentes
São componentes essenciais de um Sistema
Especialista :
• Base de conhecimentos composta de fatos e
regras;
• Mecanismo de inferência;
• Interface com o usuário.

8
 Componentes (cont.)
As bases de conhecimentos compreendem
coleções de :
• Objetos, que são as conclusões a que o
Sistema deve chegar;
• Atributos, que são propriedades que servem
para caracterizar os objetos.

9
 Componentes (cont.)
Os mecanismos de inferência podem ser de dois tipos :
1. Encadeamento para diante. Neste tipo selecionam-se
atributos até obter uma combinação deles que caracterize
um objeto;
2. Encadeamento para traz. Neste tipo seleciona-se um
objeto, como sendo a hipótese de estudo, e busca-se
determinar a viabilidade da aceitação dessa hipótese pela
ocorrência ou não dos atributos adequados. Caso a
hipótese falhe seleciona-se outra hipótese e prossegue-se
com as tentativas.

10
 Exemplos de base de dados
• Serão apresentados dois exemplos de bases
de dados que podem ser utilizadas em
qualquer “shell” de Sistemas Especialistas
• O primeiro deles é encontrado no livro de
Schildt (Inteligência Artificial usando a
Linguagem C)
• O segundo deles foi desenvolvido na UFF
há mais de dez anos

11
Primeiro exemplo de base de dados

• Os objetos do sistema especialista são

doenças e os atributos desses objetos
(doenças) são seus respectivos sintomas
• A resposta do sistema é o diagnóstico da
doença a partir dos sintomas

12
 Primeiro exemplo de base de dados
(cont.)
As doenças são:
• meningite
• dengue
• malária
• pneumonia
• tuberculose
• esclerose múltipla
• mal de Parkinson
• butolismo

13
Primeiro exemplo de base de dados
(cont.)
Os sintomas são: • tosse intensa
• dor de cabeça forte • cor do corpo amarelada
• vomito • perda progressiva da
• febre motricidade
• dor no corpo • tremedeira
• diarréia • inflamação na parte
• delírio interna da boca
• dificuldade de • perda temporária da
respirar visão

14
 Primeiro exemplo de base de dados
(cont.)
• Considere-se
diag( ) - diagnostico
sint - sintoma
S - é uma lista contendo os sintomas de determinada
doença tal que na clausula diag, enquadra-se o
corpo que possui os predicados sint.
Os argumentos são comparados com os elementos
da lista que se supõe sejam iguais aos do átomo de
tal predicado.

15
 Primeiro exemplo de base de dados
(cont.)
• As regras para determinar os diagnósticos são:
• diag(S,meningite) :- sint(S,dor_de_cabeça_forte), sint(S,vomito), sint(S,febre).
• diag(S,dengue) :- sint(S,dor_de_cabeça_forte), sint(S,vomito), sint(S,febre),
sint(S,diarréia) , sint(S,dor_no_corpo).
• diag(S,malaria) :- sint(S,dor_de_cabeça_forte), sint(S,delírio), sint(S,febre).
• diag(S,pneumonia) :- sint(S,febre), sint(S,dificuldade_de_respirar) ,
sint(S,dor_no_corpo).
• diag(S,tuberculose) :- sint(S,tosse_intensa).
• diag(S,hepatite) :- sint(S,dor_de_cabeça_forte), sint(S,cor_do_corpo_amarelada),
sint(S,vomito).
• diag(S,esclerose_múltipla) :- sint(S,progressiva_perda_da_motricidade), sint(S,delírio) .
• diag(S,mal_de_parkson) :- sint(S,tremedeira).
• diag(S,botulismo) :- sint(S,tosse_intensa), sint(S,inflamação_na_parte_interna_da_boca),
sint(S,perda_temporária_da_visão).
 

16
 Sistema ESIE
• O Sistema ESIE é um sistema especialista
elementar desenvolvido por alunos da
Disciplina Inteligência Artificial da UFF
em linguagem Pascal.

17
 ESIE - Introdução
INSTRUÇÕES PARA
DESENVOLVIMENTO DA BASE DE
CONHECIMENTOS

18
 ESIE - Introdução
• Para criar uma base de conhecimentos para
o shell uff deve-se seguir os seguintes sete
passos:

19
ESIE – Passos para a criação da base de conhecimentos

1. definir o texto introdutório através de:

introtext is " texto " . este texto
introdutório deve dizer a área de atuação do
sistema, e dar instruções ao usuário.
2. definir a meta através de : goal is (nome de
uma variável). esta variável será usada nas
regras para receber o diagnóstico.
exemplo: goal is diag

20
ESIE – Passos para a criação da base de conhecimentos

3. definir as respostas válidas através de:

legalanswers are aqui se define quais são
as respostas válidas (terminar com *).
exemplo: legalanswers are sim não *
4. definir todas as perguntas através de:
question (nome) is
exemplo: question p1 is
"o paciente apresenta tosse?"
21
ESIE – Passos para a criação da base de conhecimentos

5.  gerar regras combinando as respostas das perguntas.

a sintaxe é: if ....
and ....
and ....
then ....
exemplo:
if p1 is sim
and p2 is sim
then diag is pneumonia

22
ESIE – Passos para a criação da base de conhecimentos

6. definir qual deve ser a resposta do sistema através

de: answer is
exemplo: answer is "o paciente deve ter ", diag
7. definir um texto de terminação com : termtext is.
aqui entra-se com recomendações para o usuário,
telefones para contato e demais instruções que
possam ser úteis.

23
 ESIE - Exemplo
• A seguir apresenta-se uma base de
conhecimentos que poderá ser executada.
nome do arquivo : base1.esie

24
 ESIE – Texto de abertura, definição de alvo e
respostas admissíveis

introtext is "
• este sistema tem por objetivo determinar a etiologia
da amenorréia.
• responda sim ou não as questões que se seguem
• para interromper o questionário, digite * "
 
goal is epa
 
legalanswers are sim não *
25
 ESIE – Diálogo com o usuário
question wp is
"ocorreu alguma resposta a indução progestacional ?"
 
question tsh is
"a paciente apresenta tsh elevado ?"
 
question pro is
"a paciente apresenta nível de prolactina >100 ?"

26
 ESIE – Diálogo com o usuário (cont.)

question est.pro is
"a suspensão de um ciclo estrogenio-
progesterona causa sangramento ?"
 
question fsh.lh is
"os níveis de fsh e lh estão elevados ?"

27
 ESIE – Regras

if wp is sim
and tsh is sim
then epa is hipotiroidismo
 
if wp is não
and tsh is sim
then epa is hipotiroidismo
28
 ESIE – Regras (cont.)

if wp is não
and tsh is não
and pro is sim
then epa is indefinida.pedir.tomografia
 
if wp is sim
and tsh is não
and pro is sim
then epa is idefinida.pedir.tomografia
29
 ESIE – Regras (cont.)

if wp is sim
and tsh is não
and pro is não
then epa is anovulacao
 
if wp is não
and tsh is não
and pro is não
and est.pro is não
then epa is insuficiencia.ovariana

30
 ESIE – Regras (cont.)
if wp is não
and tsh is não
and pro is não
and est.pro is sim
and fsh.lh is sim
then epa is insuficiencia.ovariana
 
if wp is não
and tsh is não
and pro is não
and est.pro is sim
and fsh.lh is não
then epa is disfuncao.hipotalamo.hipofisiaria

31
 ESIE – Diagnóstico e texto de encerramento

answer is "com base nas respostas acima, posso inferir que a

etiologia da amenorréia é: epa
 
termtext is "
 
a conduta a ser adotada para correção da amenorréia
dependerá' da etiologia levantada e de outras condições da
paciente. confira estes resultados com sua experiência
clinica.

32