Inteligncia Artificial I Representao do Conhecimento DSCCCTUFC Representao

Inteligência Artificial I Representação do Conhecimento DSC/CCT/UFC

Representação do Conhecimento Tópico p p p Introdução Redes Semânticas Exercícios 2 DSC/CCT/UFCG

Representação do Conhecimento O Estudo do Conhecimento p Aprender - ato que produz um comportamento diferente a um estímulo externo devido a excitações recebidas no passado e é, de uma certa forma, sinônimo de aquisição de conhecimento. p Mas se aprendizado pode ser considerado como parte do estudo do conhecimento, o que é conhecimento? p Conhecimento - é o que faz com que seja possível o encadeamento e desenvolvimento da inteligência. 3 DSC/CCT/UFCG

Representação do Conhecimento p Conhecimento [Russel and Norvig 1995] é um conjunto integrado de fatos e relações que quando devidamente interpretado, produz um desempenho eficiente. p Nos Sistemas Baseados em Conhecimento há uma separação clara entre conhecimento e raciocínio, ou seja, o controle do programa não se mistura com a especificação do conhecimento. Raciocínio - planejamento e estratégia. 4 DSC/CCT/UFCG

Representação do Conhecimento p Características do conhecimento que devem ser analisadas: p É volumoso n p De difícil caracterização n p é aperfeiçoado sistematicamente, crescendo e se modificando permanentemente. É individual e único n DSC/CCT/UFCG não sabemos explicar com formalismo como, quando e de que forma o conhecimento foi adquirido, como também temos dificuldade de explicá-lo. Em constante mudança n p possui diversos aspectos, características e detalhes. A cada momento, novo conhecimento é gerado. . . cada indivíduo interpreta seu conhecimento de forma única. 5

Representação do Conhecimento p Para que um sistema computacional possa utilizar aspectos do conhecimento existe a necessidade de estruturação daquilo que será empregado pelo sistema. p Essa estruturação é conhecida pelo nome de Representação do Conhecimento 6 DSC/CCT/UFCG

Representação do Conhecimento Características Representação do Conhecimento: p generalizável n p representação passível de atualização/correção n p o conhecimento é dinâmico, portanto, existe a necessidade permanente de atualização e ajustes do mesmo robusta n p vários pontos de vista do mesmo conhecimento concebem uma representação de modo que possa ser atribuído a diversas situações e interpretações. de tal forma que seja possível a sua utilização mesmo não abordando todas as situações possíveis, ou seja, mesmo sendo incompleta e imprecisa. compreensível n compreensível ao ser humano e possível a sua interpretação. 7 DSC/CCT/UFCG

Representação do Conhecimento O Estudo do Conhecimento p Aquisição do conhecimento ou aprendizado, tenta responder às seguintes questões: n Como introduzir conhecimento na máquina? n Como tratar consistência e redundância? p A manifestação inteligente pressupõe n Aquisição, n Armazenamento e n Inferência do conhecimento 8 DSC/CCT/UFCG

Representação do Conhecimento p Quando se discute representação do conhecimento, se lida com dois tipos diferentes de entidades: n Fatos: Verdades em algum mundo relevante. Essas são as coisas queremos representar. n Representação de fatos: com algum formalismo escolhido. Essas são as coisas que efetivamente seremos capazes de manipular. 9 DSC/CCT/UFCG

Representação do Conhecimento p Exemplos de paradigmas de representação do conhecimento: n n n n n Conhecimento Procedural Redes Frames Lógica Árvores de Decisão Conhecimento Estatístico Regras Esquemas Híbridos Casos 10 DSC/CCT/UFCG

Representação do Conhecimento DSC/CCT/UFCG p Conhecimento Procedural – o conhecimento é representado em forma de funções/procedimentos. p Redes – o conhecimento é representado por um rótulo de grafos direcionados, cujos nós representam conceitos e entidades, enquanto os arcos representam a relação entre entidades e conceitos. p Frames – parecido com a rede semântica, exceto que cada nó representa conceito e/ou situações. Cada nó tem várias propriedades que podem ser especificadas ou herdadas pelo padrão. p Lógica – modo de declaração que representa o conhecimento. 11

Representação do Conhecimento p Árvores de Decisão – conceitos são organizados em forma de árvores. p Conhecimento Estatístico – uso de fatores de certeza, Redes Bayesianas, Lógica Fuzzy, etc. p Regras – sistemas de produção para codificar regras de condição/ação. p Esquemas Híbridos – qualquer representação do formalismo que emprega a combinação de esquemas de representação do conhecimento. p Casos – uma experiência passada, acumulando casos e tentando descobrir, por analogia, soluções para outros problemas. 12 DSC/CCT/UFCG

Representação do Conhecimento p Meta. Conhecimento [Rich and Knight 1991] pode definir-se como conhecimento acerca do próprio conhecimento que se detém. p Pode ser usado para: n guiar a seleção, localização e uso de regras n dar informação acerca das regras e do conhecimento n justificar as regras melhorando a capacidade de explicação n apoiar na detecção de erros ao introduzir novas regras n facilitar a introdução de novo conhecimento 13 DSC/CCT/UFCG

Representação do Conhecimento p Representação do conhecimento - sub-área de IA cujo objetivo principal é a busca de formalismos que possam ser usados para representar informação a respeito do mundo real. p Muito do que se faz em IA baseia-se na chamada hipótese da representação do conhecimento. p De acordo com Reichgelt (1991), formalismos de representação do conhecimento podem ser discutidos em quatro níveis distintos: executável, lógico, epistemológico e conceitual. Espistemologia - "estudo da ciência", vem do grego, (episteme) = ciência, conhecimento científico, (logos) = palavra, verbo, estudo, discurso. 14 DSC/CCT/UFCG

Representação do Conhecimento p Como poderíamos conceber um mecanismo geral para representar o conhecimento? p Como podemos representar definições? E exceções? p Quando um sistema inteligente deve fazer suposições pré-concebidas sobre informação ausente e como ele poderia ajustar o seu raciocínio caso estas suposições se mostrem erradas? p Como podemos representar o tempo da melhor forma possível? E a casualidade? E a incerteza? 15 DSC/CCT/UFCG

Representação do Conhecimento 1. Determine o tipo de raciocínio utilizado a seguir: O ferro conduz eletricidade O ferro é metal O ouro conduz eletricidade O ouro é metal O cobre conduz eletricidade O cobre é metal Logo os metais conduzem eletricidade. 16 DSC/CCT/UFCG

Representação do Conhecimento 2. Determine o tipo de raciocínio utilizado a seguir: A Terra e Marte são planetas, giram em torno do sol e têm atmosfera. A Terra é habitada. Marte também deve ser habitado 17 DSC/CCT/UFCG

Representação do Conhecimento 3. Determine o tipo de raciocínio utilizado a seguir: Todos os alunos gostam de inteligência artificial. Francisco é aluno. Francisco gosta de inteligência artifical. 18 DSC/CCT/UFCG

Representação do Conhecimento 4. Determine o tipo de raciocínio utilizado a seguir: Todos os alunos que foram entrevistados gostam de Inteligência Artifical. Todo aluno gosta de inteligência artificial. 19 DSC/CCT/UFCG

Representação do Conhecimento 5. Determine o tipo de raciocínio utilizado a seguir: Todos os feijões deste saco são brancos. Estes feijões provêm deste saco. Estes feijões são brancos. 20 DSC/CCT/UFCG

Representação do Conhecimento 6. Determine o tipo de raciocínio utilizado a seguir: Estes feijões provêm deste saco. Estes feijões são brancos. Todos os feijões deste saco são brancos. 21 DSC/CCT/UFCG

Representação do Conhecimento 7. Determine o tipo de raciocínio utilizado a seguir: Todos os feijões deste saco são brancos. Estes feijões provêm deste saco 22 DSC/CCT/UFCG

Representação do Conhecimento Solução: 1. Raciocínio por Indução 2. Raciocínio por Analogia 3. Raciocínio por Dedução 4. Raciocínio por Indução 5. Raciocínio por Dedução 6. Raciocínio por Indução 7. Raciocínio por Abdução 23 DSC/CCT/UFCG

Representação & Raciocínio p Raciocínio é um processo de construção de novas sentenças a partir de sentenças existentes. p Categorias (Típicas) de Raciocínio n n n Dedução Indução Abdução Outras categorias: Analogia, Resolução de restrições. 24 DSC/CCT/UFCG

Categorias de Raciocínio: dedução p Processo de raciocínio no qual uma conclusão segue necessariamente das premissas supostas. p Baseia-se na criação de novas sentenças a partir de premissas dadas como verdadeiras. A sentença criada é necessariamente verdadeira. p Uma das regras básicas da inferência da Lógica Dedutiva: regra do modus ponens (Latim: modo que afirma) n Se X é verdade e se X sendo verdade implica que Y é verdade, então Y é verdade 25 DSC/CCT/UFCG

Categorias de Raciocínio: dedução p Exemplo: n Premissa 1: Todo homem é mortal n Premissa 2: João é homem n Conclusão: João é mortal 26 DSC/CCT/UFCG

Categorias de Raciocínio: indução p Uma conclusão sobre todos os membros de uma classe por meio do exame de apenas uns poucos membros da classe. p De maneira geral, raciocínio do particular para o geral. p “Formalmente”: n Para um conjunto de objetos, X={a, b, c, d, . . . }, se a propriedade P é verdade para a, e se P é verdade para b, e se P é verdade para c, . . . então P é verdade para todo X 27 DSC/CCT/UFCG

Categorias de Raciocínio: indução p Exemplo: n n Caso 1: p Joseana é professora p Joseana tem um ótimo salário Caso 2: p Eustáquio é professor p Eustáquio tem um ótimo salário Caso 3: p Elmar é professor p Elmar tem um ótimo salário Lei geral: Professor tem um ótimo salário 28 DSC/CCT/UFCG

Categorias de Raciocínio: abdução p Consiste em, dada uma premissa do tipo P → Q, e sabendo-se que Q é verdadeira, admite-se que, talvez, P seja verdade, ou seja, supõe-se, sem certeza, que P é verdade. p É uma heurística para fazer “inferências plausíveis”. p Propicia uma conclusão plausível consistente com a informação disponível, a qual pode de fato está errada. p “Formalmente”: n Se Y é verdade e X implica em Y, então X é verdade 29 DSC/CCT/UFCG

Categorias de Raciocínio: abdução p Exemplo: n Se eu leio que fumar causa câncer de pulmão e José morreu de câncer de pulmão, n Lei Geral: posso inferir que José era um fumante. n 30 DSC/CCT/UFCG

Categorias de Raciocínio: analogia p Baseia-se na experiência de casos anteriores, dos quais há verdades conhecidas. Se o caso que está sendo analisado assemelha-se ao(s) caso(s) anterior(es), então supõe-se, sem certeza absoluta, que as mesmas verdades são verdadeiras também para esse caso. p Parte do particular para o particular, não possui, do ponto de vista formal, uma força de prova, mas somente é verossímil ou provável. 31 DSC/CCT/UFCG

Categorias de Raciocínio: analogia p Exemplo: n n n Caso anterior: João ingeriu bebida alcoólica em demasia. João teve amnésia. Caso analisado: Maria ingeriu bebida alcoólica em demasia. Inferência por analogia: Maria teve amnésia. 32 DSC/CCT/UFCG

Categorias de Raciocínio p O conhecimento novo baseado no raciocínio dedutivo é sempre verdade se as suposições são verdadeiras p O conhecimento novo baseado em vários casos (indução) é geralmente verdadeiro desde que os sistemas estudados sejam bem comportados. p Uma inferência baseada na abdução pode ser plausível mas deve carregar um fator de confiança para indicar a probabilidade de estar correta. 33 DSC/CCT/UFCG

Sistema baseado em conhecimento (dedutivo) Raciocínio Automático Sensores Ambiente Efetuadores Ask Base de Conhecimento Especializada Tell Retract Máquina de Inferência Genérica Representação e Aquisição de Conhecimento 34 DSC/CCT/UFCG

Como adquirir conhecimento? Aprender p Várias técnicas. . . n Aprendizagem Simbólica n Redes Neurais n Algoritmos Genéticos Explicitar: engenharia de conhecimento p Várias técnicas. . . n Programação em lógica, sistemas de produção, . . . 35 DSC/CCT/UFCG

Ciclo de vida dos sistemas baseados em conhecimento Nível de Conhecimento Nível Lógico Nível de Implementação AQUISIÇÃO FORMALIZAÇÃO linguagem natural linguagem de representação de conhecimento linguagens de programação IMPLEMENTAÇÃO BC REFINAMENTO 36 DSC/CCT/UFCG

Representação do Conhecimento Rede Semântica p Nome utilizado para definir um conjunto heterogêneo de sistemas. p Uma rede semântica consiste em um conjunto de nodos (nós) conectados por um conjunto de arcos. n n Nodos - em geral, representam objetos; Arcos - relações binárias entre esses objetos. Os nodos podem também ser utilizados para representar predicados, classes, palavras de uma linguagem, entre outras possíveis interpretações, dependendo do sistema de redes semânticas. Redes Semânticas - São grafos rotulados em que os nós representam conceitos e os arcos relações de natureza semântica entre conceitos. Surgiram em 1968, com os estudos realizados por Quillian a respeito da memória associativa humana. DSC/CCT/UFCG 37

Redes Semânticas p Exemplo 38 DSC/CCT/UFCG

Redes Semânticas 39 DSC/CCT/UFCG

Redes Semânticas p Raciocínio - tentar projetar uma rede semântica representando o problema a ser resolvido sobre uma rede de conhecimento por meio de um mecanismo de correspondência estrutural; p Raramente, há correspondência imediata: é necessário a consideração da herança de propriedades. 40 DSC/CCT/UFCG

Redes Semânticas p As redes semânticas podem ser divididas em: n n n Redes de Definição Redes de Asserção Redes de Implicação Redes Executáveis Redes de Aprendizado Redes Híbridas 41 DSC/CCT/UFCG

Redes Semânticas p Redes de Definição - Enfatizam o subtipo, ou a relação do tipo “é um” entre um tipo conceitual e um subtipo recém definido. p A rede resultante suporta a regra da herança a partir da cópia de propriedades definidas para o supertipo para todos os seus subtipos. Já que as definições são verdadeiras por definição, a informação neste tipo de rede é geralmente assumida como necessariamente verdadeira. p As primeiras implementações de redes semânticas surgiram para definições de tipos conceituais e para padrões de relação para máquinas de tradução. É a mais antiga das redes semânticas. Foi proposta pelo filósofo grego Porfírio que ilustrou o método de categorização proposto por Aristóteles. O método utilizava uma estrutura hierárquica de tipos e subtipos. 42 DSC/CCT/UFCG

Árvore de Porfírio 43 DSC/CCT/UFCG

Redes Semânticas p Redes de Asserção - São desenvolvidas para garantir proposições. Diferentemente das redes de definição, a informação em uma rede de asserção é considerada contingentemente verdadeira, a não ser que seja explicitamente marcada com um operador de modo. p Foram desenvolvidas para a asserção de proposições lógicas. A notação gráfica foi criada com base na notação utilizada pela química orgânica. p Os grafos relacionais conseguem representar apenas dois tipos de operadores: operadores de conjunção e operadores de "existência''. Esta notação foi criada por Although Peirce em 1882, e serviria para mostrar “os átomos e as moléculas da lógica''. DSC/CCT/UFCG 44

Redes Semânticas p Semantic Network Processing System (SNe. PS) Sue thinks that Bob believes that a dog is eating a bone DSC/CCT/UFCG “The proposition M 1 states that Sue is the experiencer (Expr) of the verb think, whose theme (Thme) is another proposition M 2. For M 2, the experiencer is Bob, the verb is believe, and theme is a proposition M 3. For M 3, the agent (Agnt) is some entity B 1, which is a member of the class Dog, the verb is eat, and the patient (Ptnt) is an entity B 2, which is a member of the class Bone. As Figure illustrates, propositions may be used at the metalevel to make statements about other propositions: 45 M 1 states that M 2 is thought by Sue, and M 2 states that M 3 is believed by Bob. ”

Redes Semânticas p Redes de Implicação - usam a implicação com principal relação para conexão de nodos. Podem ser usadas para representar padrões de crenças, causalidade, ou inferências. p As redes de implicação estabelecem relações de implicação entre os nodos. p Dependendo da interpretação, estas redes podem ser vistas como redes de crenças e redes Bayesianas, para isto seria necessário envolver valores de probabilidade nas relações de verdadeiro e falso. Antes de se obter alguma evidência fala-se de probabilidade a priori ou probabilidade não condicionada. Depois de obtida evidência fala-se de probabilidade a posteriori ou probabilidade condicionada. DSC/CCT/UFCG 46

Redes Semânticas Redes Bayesianas p São diagramas que organizam o conhecimento numa dada área por meio de um mapeamento entre causas e efeitos. p Sistemas baseados em redes Bayesianas: são capazes de gerar automaticamente predições ou decisões mesmo na situação de inexistência de algumas peças de informação. p Rede Bayesiana: definida pela sua estrutura e modelo probabilístico, determinando de forma unívoca a distribuição conjunta para as variáveis que descreve. 47 DSC/CCT/UFCG

Redes Semânticas Redes Bayesianas: São grafos direcionados acíclicos com as seguintes características: p Os nós correspondem a variáveis aleatórias. p Uma ligação direcionada ou arco com seta liga pares de variáveis (nós). O significado intuitivo de um arco dirigido do nó X para o nó Y é que X tem uma influência direta sobre Y. p Cada nó tem associados os estados da variável que representa e uma tabela de probabilidades condicionadas que quantifica os efeitos que os pais exercem sobre um nó (probabilidade do nó estar num estado específico dado os estados seus pais). p O grafo não possui ciclos direcionados. 48 DSC/CCT/UFCG

Redes Semânticas Redes Bayesianas p Matematicamente: uma Rede Bayesiana é uma representação compacta de uma tabela de conjunção de probabilidades do universo do problema. p Do ponto de vista de um especialista: Redes Bayesianas constituem um modelo gráfico que representa de forma simples as relações de causalidade das variáveis de um sistema. 49 DSC/CCT/UFCG

Redes Semânticas Uma Rede Bayesiana consiste de: p Um conjunto de variáveis e um conjunto de arcos ligando as variáveis. p Cada variável possui um conjunto limitado de estados mutuamente exclusivos. p As variáveis e arcos formam um grafo dirigido sem ciclos (DAG). p Para cada variável A, que possui como pais B 1, . . . , Bn, existe uma tabela P(A| B 1, . . . , Bn). 50 DSC/CCT/UFCG

Redes Semânticas Redes Bayesianas Exemplo: p “Você possui um novo alarme contra ladrões em casa. Este alarme é muito confiável na detecção de ladrões, entretanto, ele também pode disparar caso ocorra um terremoto. p Você tem dois vizinhos, João e Maria, os quais prometeram telefonar-lhe no trabalho caso o alarme dispare. p João sempre liga quando ouve o alarme, entretanto, algumas vezes confunde o alarme com o telefone e também liga nestes casos. p Maria, por outro lado, gosta de ouvir música alta e às vezes não escuta o alarme. ” 51 DSC/CCT/UFCG

Redes Semânticas p Representação do problema (Rede Bayesiana) Tremor de terra Assalto Alarme João telefona Maria telefona 52 DSC/CCT/UFCG

Redes Semânticas p Tabela de Probabilidades (Redes Bayesianas) Assalto Terremoto P(Alarme|Assalto, Terremoto) Verdade Falso Verdade 0, 950 0, 050 Verdade Falso 0, 950 0, 050 Falso Verdade 0, 290 0, 710 Falso 0, 001 0, 999 53 DSC/CCT/UFCG

Redes Semânticas p Rede Bayesiana e probabilidades P(B) 0, 001 Assalto (B) Terremoto (E) Alarme (A) João telefona (J) A P(J) T 0, 900 F DSC/CCT/UFCG 0, 050 B T P(E) 0, 002 E T P(A) 0, 950 T F F 0, 950 0, 290 0, 001 Maria telefona (M) A T F P(M) 0, 700 0, 010 54

Redes Semânticas Redes Bayesianas Questão: Calcular a probabilidade do alarme ter tocado, mas, nem um ladrão nem um terremoto aconteceram, e ambos, João em Maria ligaram. Distribuição conjunta de probabilidade: 55 DSC/CCT/UFCG

Redes Semânticas p Procedimento geral para construção de Redes Bayesianas: 1. Escolher um conjunto de variáveis Xi que descrevam o domínio. 2. Escolher uma ordem para as variáveis. 3. Enquanto existir variáveis: a. Escolher uma variável Xi e adicionar um nó na rede. b. Determinar os nós Pais(Xi) dentre os nós que já estejam na rede e que satisfaçam a equação ( * ). c. Definir a tabela de probabilidades condicionais para Xi. p O fato de que cada nó é conectado aos nós mais antigos na rede garante que o grafo será sempre acíclico. (*) 56 DSC/CCT/UFCG

Redes Semânticas Inferência usando Redes Bayesianas p A distribuição conjunta pode ser usada para responder à qualquer pergunta sobre o domínio. p As redes Bayesianas, como representação gráfica desta distribuição, podem também ser usadas para responder qualquer questão. 57 DSC/CCT/UFCG

Redes Semânticas p Uma Rede Bayesiana para diagnóstico Fatores de predisposição Problemas (Doenças) (Causas) Testes (Sintomas) (Efeitos) 58 DSC/CCT/UFCG

Redes Semânticas p Redes Executáveis - incluem algum mecanismo, como procedimentos anexos, para execução de inferências, passagem de mensagens, ou busca por padrões e associações; p As redes executáveis contêm mecanismos que permitem a alteração dinâmica na própria rede. Três tipos de mecanismos são mais comumente utilizados: n n n p Passagem de mensagens - dados passados entre os nodos Procedimentos anexados - cada nodo possui um procedimento Transformações de grafos - combinar, modificar e quebrar grafos Um exemplo bastante utilizado de redes executáveis são as Redes de Petri. 59 DSC/CCT/UFCG

Redes Semânticas p Redes de Aprendizado - constroem, ou estendem a sua representação por meio da aquisição de conhecimento a partir de exemplos. p O novo conhecimento pode mudar a antiga rede pela adição e remoção de arcos e nodos, ou pela alteração de valores numéricos, que associam nodos e arcos; p Um sistema de aprendizado, natural ou artificial, responde a novas informações a partir da alteração de sua representação interna do conhecimento. 60 DSC/CCT/UFCG

Redes Semânticas p Os sistemas que utilizam redes de aprendizado podem se valer de três mecanismos para alteração de sua rede: n n n Rote memory - conversão da nova informação em uma rede e adição da mesma na rede atual Alteração de pesos - Alteração de valores associados a nodos ou arcos Reestruturação - é o mais complexo de todos, e implica basicamente na alteração das conexões entre os nodos p Os sistemas que se utilizam de Rote memory são mais indicados para aplicações que necessitam da recuperação exata de dados. p Sistemas que utilizam alteração de pesos (exemplo: redes neurais) são mais indicados para reconhecimento de padrões. p Redes Híbridas - combinam duas ou mais das redes anteriores. 61 DSC/CCT/UFCG

Redes Semânticas p Exemplos de Aplicações: n Sistemas de compreensão de linguagem natural; n Representação de taxonomias de conhecimentos nos quais as ligações entre conceitos são de natureza hierárquica. 62 DSC/CCT/UFCG

Redes Semânticas p Vantagens n Bem adaptadas à representação de um conjunto hierárquico de conceitos. p Desvantagens n Limitações na definição de raciocínio. 63 DSC/CCT/UFCG