Linguagens de Representação do Conhecimento

Até aqui...

Representação por grafos

Conhecimento disponível antecipadamente através de:

-Enumeração das ações possíveis (operadores)

-Conhecimento dos estados possíveis (dedutíveis através da aplicação dos operadores)

-Conhecimento dos estados inicial e final que se deseja alcançar

Questão

Muitos problemas, para os quais procuramos respostas, são incompletos

Representação por grafos: limitada!

Solução

-Criação de mecanismos de inferência que gerem novos conhecimentos a partir de:

Conhecimentos existentes

Aquisição de conhecimento em fontes externas

Formas de representação do conhecimento
Linguagem natural: mais comum

Lógica matemática: formalismo representacional

Exemplo:

Linguagem Natural Lógica Matemática

1-Fato Inicial Thor é um cachorro Cachorro(Thor)
2-Conhecimento que Todos os cachorros têm ∀x:cachorro(x)→tem-
permite a inferência de rabo rabo(x)
novos fatos
3-Criação de novos fatos Logo, Thor tem rabo Tem-rabo(Thor)
Regras de Produção

São uma forma de representação do conhecimento muito próximas da forma humana de expressá-lo
Identificadas em linguagens de computador
Armazenamento de conhecimento na forma de:

SE (condição)
ENTÃO (agir ou concluir alguma coisa)

Exemplo:

Se a temperatura é maior do que 37.8ºC, então o paciente tem febre

Se o paciente tem febre há mais de 3 dias, então o paciente tem uma infecção
Formação das Regras de Produção

Premissas (utilizando operadores lógicos) e uma ou mais conclusões que são acionadas quando as
premissas são verdadeiras

Exemplo:

1ª premissa: se p, então q Se chove, então fico em casa

2ª premissa: p Chove
conclusão: q Conclusão: fico em casa

Se trabalho, então ganho dinheiro

Trabalho MODUS PONENS
Conclusão: ganho dinheiro

Sistemas baseados em regras são conhecidos como SISTEMAS ESPECIALISTAS

Exemplo
Fatos Conhecimentos

Fato 1: a temperatura ambiente é de 37 graus Regra 1: se a temperatura ambiente está

acima de 35 graus, então o tempo está
quente
Fato 2: a umidade relativa do ar é de 81%

É possível afirmar: Regra 2: se a umidade relativa do ar é

maior do que 75%, então a atmosfera
O tempo está quente?
está úmida
A atmosfera está úmida?
É provável que se formem tempestades?
Regra 3: se o tempo está quente e a
atmosfera está úmida, então é provável
Gerando novos fatos: que se formem tempestades

Fato 3: o tempo está quente (regra 1)

Fato 4: a atmosfera está úmida (regra 2)
Os fatos 3 e 4 satisfazem as premissas da regra 3, levando a outro fato:
Fato 5: é provável que se formem tempestades
Conhecimentos Conhecimentos

Regra 1: se a temperatura ambiente Regra 1: IF R is TRUE, THEN S is TRUE

está acima de 35 graus, então o tempo
está quente
Regra 2: IF T is TRUE, THEN U is TRUE

Regra 2: se a umidade relativa do ar é

maior do que 75%, então a atmosfera Regra 3: IF S is TRUE AND U is TRUE,
está úmida THEN V is TRUE

Regra 3: se o tempo está quente e a

atmosfera está úmida, então é provável
que se formem tempestades

R S
V
T U
Mostre o encadeamento de inferência abaixo
Fazendo inferências com regras de produção

Encadeamento Progressivo (forward chaining)

É o raciocínio guiado por fatos. “Bate” as premissas de cada regra com os fatos
conhecidos para derivar novos fatos.

Dados  Decisão
(forward chaining)
Exemplo de encadeamento progressivo

Base de conhecimento:
Evidências encontradas:

vazamento_no_banheiro
hall_molhado
:-
hall_molhado,
banheiro_seco
cozinha_seca.

problema_na_cozinha :- Evidência adicional: a

hall_molhado, janela está fechada
banheiro_seco.

sem_água_do_exterior :-
janela_fechada ; ?- problema_na_cozinha
sem_chuva. yes

vazamento_na_cozinha :
-
problema_na_cozinha,
sem_água_do_exterior. ?- vazamento_na_cozinha
yes
Fazendo inferências com regras de produção

Encadeamento Regressivo (backward chaining)

É o raciocínio guiado por objetivos. O encadeamento testa se uma dada

hipótese é verdadeira pela aplicação do seguinte teste:

Encontre uma regra que tenha a hipótese como conclusão e teste suas
premissas

Dados  Decisão
(backward chaining)
Exemplo de encadeamento regressivo
Hipótese: vazamento na cozinha
Base de conhecimento:
vazamento_no_banheiro
:-
hall_molhado,
cozinha_seca.
Para confirmar a hipótese
de vazamento na
cozinha, é necessário que
problema_na_cozinha e
sem_agua_do_exterior
sejam verdadeiros
-Problema na cozinha
pode ser confirmado se:

problema_na_cozinha :- --hall_molhado e
hall_molhado, banheiro_seco forem
banheiro_seco. verdadeiros

sem_água_do_exterior :- -sem_agua_do_exterior
janela_fechada ; pode ser confirmado se:
sem_chuva.
--janela_fechada for
vazamento_na_cozinha : verdadeiro
-
problema_na_cozinha, A hipótese pode ser
sem_água_do_exterior. verificada por:

?- vazamento_na_cozinha
yes
Componentes de um Sistema Especialista

Base de conhecimentos: responsável por armazenar, de forma explícita em regras de produção, o conhecimento de uma área específica de atuação

Base de dados: responsável pelo armazenamento dos fatos conhecidos

Motor de inferências: infere conclusões a partir de fatos (dados de entrada) e da base de conhecimento

Idéia do modelo:

-O conhecimento é separado do seu processamento

-O ser humano resolve problemas pela aplicação do seu conhecimento (expresso em regras de produção), dado um cenário ou estado (expresso em fatos)
-Os fatos são comparados com os antecedentes das regras e uma ou mais regras são ativadas, indicando ações contidas no consequente
Exercício

Considere o seguinte conjunto de regras:

R1: Se C e D, então G
R2: Se C e B, então F
R3: Se E e G, então H
R4: Se E e F, então I
R5: Se A e F, então H

A-Admita que, dentre o conjunto de fatos possíveis, inicialmente saibamos que A, B e C

se verificam

Utilize o encadeamento para frente e verifique se é possível, a partir do acima exposto,

chegar a H.

B-Admita que, dentre o conjunto de fatos possíveis, inicialmente saibamos que C, D e E

se verificam. Utilize o encadeamento para frente e verifique se é possível, a partir do
acima exposto, chegar a H.

C-Admita que, dentre o conjunto de fatos possíveis, inicialmente saibamos que B, C, e E

se verificam. Utilize o encadeamento para frente e verifique se é possível, a partir do
acima exposto, chegar a I.
Utilize o mesmo exercício anterior

Considere o seguinte conjunto de regras:

R1: Se C e D, então G
R2: Se C e B, então F
R3: Se E e G, então H
R4: Se E e F, então I
R5: Se A e F, então H

A-Utilize agora o encadeamento para trás. Admita que a hipótese é H e que os

fatos que se verificam são C, D e E. O objetivo pode ser verificado?

B-Admita que a hipótese é I e que os fatos verificados são B, C e E. O objetivo

pode ser alcançado pelo encadeamento para trás?

C-Considerando que os fatos A, B, e C são verificados, informe se a hipótese H

é alcançada utilizando o encadeamento para trás.
Outras Linguagens de Representação do Conhecimento

Redes Semânticas

Tentativa de se formalizar como o nosso conhecimento é organizado na memória

Composição:

Links rotulados e nós, onde:

•Nó: representa um objeto ou uma propriedade de um objeto

•Link: representa o relacionamento entre dois nós

 Redes Semânticas

Considere o conhecimento que possuímos sobre os seguintes objetos:

Uma cadeira é uma mobília

Um assento é parte de uma cadeira
A cadeira 27 é um tipo de cadeira
A cadeira 27 pertence a Ana
A cadeira 27 possui estofamento em couro
A cadeira 27 tem cor preta
Ana é uma pessoa

Como representar tal conhecimento por meio de uma rede semântica?

Árvores de Decisão

São modelos estatísticos que utilizam um treinamento supervisionado para a

classificação e previsão de dados

Algumas aplicações: diagnóstico médico e risco de crédito (Mitchell, 1997)