Sistemas Inteligentes Aula Engenharia de Conhecimento e Ontologias
- Slides: 67
Sistemas Inteligentes Aula: Engenharia de Conhecimento e Ontologias 1
Plano da aula Engenharia de Conhecimento n n Conceitos básicos Etapas Ontologias n n Elementos de uma ontologia Tipos de Ontologias Usos das Ontologias Como projetar/desenvolver uma ontologia 2
Sistemas Baseados em Conhecimento SBCs são sistemas que usam n n conhecimento de domínios específicos representado explicitamente w Base de conhecimento! n para resolver problemas complexos São sistemas capazes de. . . n n Questionar o usuário Raciocinar com base no conhecimento disponível Explicar seu raciocínio ao usuário “Lidar” com seus erros 3
A Grande Escolha Aprendizagem de máquina n n Se existe conhecimento em extensão (exemplos) disponível, é mais rápido e simples “aprender” Várias técnicas w Redes neurais, Aprendizagem simbólica, . . . Engenharia do Conhecimento n n Se o conhecimento pode ser facilmente explicitado através de regras declarativas, ou Quando não se tem escolha w i. e. , não há exemplos disponíveis n Mais trabalhoso, embora muito preciso e extensível 4
Engenharia do Conhecimento - EC 5
Um Pouco de História. . . No início, a IA estava preocupada em desenvolver n n n Formalismos para representar conhecimento Mecanismos de inferência Formas de operacionalizar os SBCs Mas. . . n Como garantir a escalabilidade desses sistemas? 6
Engenharia do Conhecimento - EC Área de pesquisa preocupada com n desenvolver Métodos, Linguagens e Ferramentas adequados para o desenvolvimento de sistemas BC Foco principal: n n como adquirir e analisar conhecimento como validar e manter uma Base de Conhecimento Construção da Base de Conhecimento n Processo de acumular, transferir e transformar alguma fonte de conhecimento para um computador 7
EC - Definições Engenheiro de conhecimento n Guia a aquisição, a criação da representação do conhecimento especializado, a implementação e o refinamento do SBC Expertise n conhecimento especializado adquirido por longo treinamento, leitura e experiência Especialista (Expert ) n Quem possui conhecimento especializado , experiência e métodos, e a habilidade de aplicá-los para dar “conselhos” e resolver problemas 8
Desenvolvimento de SBCs 9
Etapas do desenvolvimento de SBCs 1. Aquisição (elicitação) do conhecimento n n Identificação do conhecimento a adquirir Registro do conhecimento em linguagem natural ou usando alguma notação gráfica 10
Etapas do desenvolvimento de SBCs 2. Formalização da BC n Nível semi-formal via w w n Notação textual estruturada padrão (XML) Notação gráfica padrão (UML) Ontologias Objetivo: validação com especialista Nível formal w w w Via linguagens formais (e. g. , LPO) Notação sem ambigüidade com Objetivo: verificação de consistência 11
Etapas do desenvolvimento de SBCs 3. Implementação da BC n n n Uso (ou criação) de um sistema (máquina de inferência) capaz de ler a BC e realizar dedução usando linguagens de programação Implementação da Interface Teste de protótipo 4. Validação e Refinamento n n Validação Refinamento 12
Etapas do desenvolvimento de SBCs exemplos Conhecimento em linguagem natural n A ponte Princesa Isabel liga a Rua da Imperatriz à Rua Nova Formalização em LPO n liga(Ponte-PI, RN) Implementação n estruturas de dados representando as sentenças do nível formal w e. g. , listas, tabelas, objetos, etc. 13
Etapas de desenvolvimento de SBCs Nível de Conhecimento Nível Lógico Nível de Implementação AQUISIÇÃO FORMALIZAÇÃO IMPLEMENTAÇÃO REFINAMENTO Linguagem natural Linguagens de representação do conhecimento Linguagens de programação BC
Etapas de desenvolvimento de SBCs Veremos a seguir n n Aquisição do conhecimento Formalização do conhecimento w Ontologias n Nível “semi”-formal 15
Aquisição do Conhecimento O gargalo na construção dos SBCs 16
Aquisição do Conhecimento Principais fases da aquisição n Identificar características do problema w Do domínio da aplicação n Isolar e representar os conceitos principais e suas relações w através de uma Ontologia, por exemplo n Identificar inferências sobre estes conceitos (regras) O conhecimento pode originar-se de várias fontes: n especialistas, livros e documentos, filmes, etc. 17
Gargalo na Aquisição do Conhecimento A maior parte do conhecimento está na cabeça dos especialistas. . . Especialistas n têm muito conhecimento empírico w Difícil de ser capturado e representado formalmente n n são “caros” não sabem de tudo! têm dificuldade de verbalizar sob pressão usam vocabulário próprio (jargão) 18
Gargalo na Aquisição do Conhecimento Dificuldade de introspecção n O especialista quase nunca está ciente de como usa o conhecimento que possui w Pode não saber porque escolheu uma estratégia n Algumas soluções são intuitivas ou “compiladas” O conhecimento expresso pode ser incompleto n n O especialista pode não lembrar em detalhes qual o conhecimento utilizado para resolver um problema O especialista pode pular pontos importantes 19
Gargalo na Aquisição de conhecimento O conhecimento expresso pode ser incorreto ou inconsistente n Afinal, quem garante a qualidade da solução, já que ela é “coisa de especialista”? O conhecimento expresso pode ser irrelevante n n quantidades enormes de informações são coletadas, para serem organizadas ou desprezadas. . . desafio: w evitar informação irrelevante sem bloquear a descoberta de conceitos importantes 20
Como minimizar o gargalo da Aquisição? Métodos de aquisição n Três categorias w Manual w Semi-automático w Automático 21
Método de Aquisição Manual Entrevistas n estruturadas ou não estruturadas Tracking methods n análise de protocolos e observação especialista documentação exp licit açã o Engenheiro de conhecimento codificação Base de conhecimento 22
Aquisição Manual Problemas: n n n Toma muito tempo Requer a presença do especialista Difícil de gerenciar Quando usar? n identificação inicial do conhecimento: brainstorming, entrevistas não estruturadas 23
Métodos de Aquisição Semi-automática Baseado em ferramentas de ajuda ao especialista e ao engenheiro de conhecimento n Repertory grid analysis especialista Ferramentas interativas de entrevista Base de conhecimento Engenheiro de conhecimento 24
Métodos de Aquisição Automática Aprendizado de máquina n Machine learning Casos e exemplos Indução automática Regras 25
Formalização do conhecimento Ontologias 26
Conhecimento Há diferentes “tipos” de conhecimento n Que devem ser representados separadamente! w Conhecimento geral, conhecimento do domínio, . . . n Qual a forma de representação adequada? w Ontologias, bases de regras, . . . n Como formalizar os diferentes “conhecimentos”? Há diferentes tipos de especialistas e de expertise e há vários usos para conhecimentos semelhantes n Reusabilidade é a chave! 27
Reuso de conhecimento é imperativo: n A Base de Conhecimento é a parte mais cara de um SBC w O resto já está “semi-pronto”. . . Necessidade de reuso em domínios com grande número de conceitos e relações n ex: Medicina 28
Dificuldades com Reuso Utilização de formalismos diferentes dificulta o reuso n Falta de interoperabilidade entre formalismos Contudo, formalismos diferentes apresentam certa similaridade expressiva n n Como ter reuso no nível de conhecimento? Como abstrair formalismos? Solução visando reuso no nível do conhecimento: Ontologias! 29
Ontologias Termo oriundo da filosofia n Ramo da filosofia que lida com a natureza e organização da realidade Categorias de Aristóteles n taxonomia para os objetos do mundo Em Ciência da computação e Inteligência artificial, ganha um senso mais prático n Organização do conhecimento manipulável 30
Ontologias Em CC e IA n Corpo de conhecimento declarativo sobre um dado domínio, assunto ou área de conhecimento Na prática, são n n hierarquias de conceitos (classes) com suas relações, restrições, axiomas e terminologia associada Servem para estruturar e compartilhar o conhecimento disponível sobre um dado domínio 31
Ontologias Exemplo: publicações e eventos científicos 32
Relacionamentos na Ontologia sobre pesquisa científica 33
Definições de Ontologia (cont. ) “Uma ontologia é uma especificação explícita e formal de uma conceitualização compartilhada” [Studer et al 98] n Especificação explícita: definições declarativas de conceitos, instâncias, relações, restrições e axiomas n n Formal: declarativamente definida, sendo compreensível e manipulável para agentes e sistemas Conceitualização: modelo abstrato de uma área de conhecimento ou de um universo limitado de discurso n Compartilhada: conhecimento consensual, seja uma terminologia comum da área modelada, ou acordada entre os desenvolvedores dos agentes que se comunicam 34
Afinal, pra que servem as ontologias? Servem para estruturar e compartilhar o conhecimento disponível sobre um dado domínio: n Para compartilhar conhecimento comum – conceitos e vocabulário w Entre pessoas w Entre agentes de software n Para permitir a reutilização do conhecimento w Evitando a “reinvenção da roda” w Introduzindo padrões que permitam a interoperabilidade entre aplicações
Afinal, pra que servem as ontologias? Servir como vocabulário compartilhado numa comunicação entre sistemas inteligentes Codificar conhecimento interoperável n n entre linguagens (Prolog, Jess) entre formalismos de representação de conhecimento (frames, redes semânticas) 36
Onde Aplicar Ontologias? Recuperação de informações, Sistemas de Integração de Informação, Gestão de conhecimento, Processamento da linguagem natural, Comércio eletrônico, Sistemas multiagentes. . .
Elementos de uma Ontologia 38
Elementos de uma Ontologia Conjunto de conceitos n n n Entidades Relações (que podem ser hierárquicas ou não) Instâncias de Conceitos Restrições Regras
Conjunto de Conceitos Entidades n n Cada entidade tem um nome associado Cada entidade é definida por conjunto de pares atributo-valor w E. g. , Automóvel (tem-motor=sim; num-rodas=4)
Conjunto de Conceitos Relações n Podem ser hierárquicas ou não w E. g. , is-a, part-of, mae-de, etc. . . n Triciclo is-a Ciclo
Conjunto de Conceitos Instâncias de Conceitos n Definição de entidades e relações específicas (indivíduos) w E. g. , meu-triciclo (num-rodas=3, cor=rosa) n n Relação: meu-triciclo is-a triciclo Correspondem aos fatos de uma base de conhecimento
Restrições Impõem restrições sobre valores possíveis dos atributos dos conceitos n E. g. , num-rodas w Valor numérico, entre 2 e 4.
Regras Permitem inferência automática (dedução) de instâncias de conceitos a partir de outras instâncias n E. g. , Se veículo. Tipo=ciclo E num-rodas=3 E motor=não Então veículo=Triciclo Correspondem às regras da base de conhecimento
Tipos de Ontologias de topo (upper ontologies) Ontologias centrais ou genéricas de domínio (core ontologies) Ontologias de Aplicação (específicas) 45
Ontologias de topo (upper ontologies) Modelos dos objetos comuns que são geralmente aplicáveis a uma grande variedade de ontologias de domínio. Tipicamente contém um glossário central que permite descrever termos em vários domínios. n Ex. : “todas as árvores são plantas” Exemplos de upper ontologies padrão são: n Dublin Core, GFO, Open. Cyc/Research. Cyc, SUMO e DOLCE. 46
Ontologias centrais ou genéricas de domínio (core ontologies) Definem os ramos de estudo de uma área e/ou conceitos mais genéricos e abstratos desta área Serve de base para a construção de ontologias de ramos mais específicos de um domínio 47
Ontologias centrais ou genéricas de domínio (core ontologies) Ex: a ontologia central de direito n n n [Valente & Breuker 96] Conhecimentos meta-legal, definicional, causal, normativo, de responsabilidade, reativos, criativo, de agências legais, reação legal, comportamentos permitidos, etc Servirá para criar ontologias de direito tributário, de família e outras. . . 48
Ontologias de Aplicação Ontologias de ramos mais específicos de um domínio Procuram solucionar um problema específico de um domínio n n Utilizam termos de uma ontologia de domínio Ex: Ontologia para identificar doenças do coração, a partir de uma ontologia de domínio de cardiologia 49
Como projetar uma ontologia Exemplos retirados do tutorial - Ontology Development 101: A Guide to Creating Your First Ontology (Noy and Mc. Guinness) 50
Mas, como projetar a minha ontologia? Processo iterativo Não existe uma única maneira correta de modelar um domínio n depende da aplicação Sugestão: n Sempre discutir a estrutura com o especialista Classes = nomes-substantivos n devem estar próximos ao conceito de um objeto físico ou lógico Relações = verbos
Desenvolvimento de Ontologias [Noy &Mc. Guiness 2001] 1. 2. 3. 4. 5. 6. 7. Determinar o Domínio e o Escopo da Ontologia Reutilizar Ontologias Existentes Levantar termos importantes Definir classes e sua hierarquia Definir propriedades das classes Restrições das Propriedades Criação de instâncias
Determinar o Domínio e o Escopo da Ontologia Qual o domínio que será coberto ? n Representação de vinhos e comidas Onde a ontologia será utilizada ? n Sugerir boas combinações de vinhos e comidas
Determinar o Domínio e o Escopo da Ontologia A ontologia deverá dar suporte para responder a que perguntas ? n n “Cabernet Sauvignon” é adequado com frutos do mar ? Qual a melhor opção para acompanhar carnes grelhadas ? Que características de um vinho devem ser analisadas para associá-lo com determinados pratos. Etc. . .
Reutilizar Ontologias Existentes Verificar se alguém já criou a ontologia É possível refinar ou estender ontologias existentes Muitas fontes disponíveis na Internet – vamos perguntar ao Google? n n Repositórios: TONES, DAML, . . . Linguagens para representação de ontologias: RDF, OWL, . .
Levantar termos importantes Quais são os termos que serão abordados na ontologia ? Quais propriedades esses termos possuem ? Enumerar todos esses termos: n n n Vinho; Tipo de Uva Fabricante Região de origem Coloração (branco, tinto, rosé) Tipo de comidas (peixes, grelhados, massas)
Definir classes e sua hierarquia Abordagem “Top-Down”, “Bottom-up” ou combinadas. Termos do passo 03, selecionar somente aqueles que representam objetos. Desconsiderar propriedades Esboçar hierarquia Classes disjuntas (Vinho Branco, Tinto, Rosé)
Definir classes e sua hierarquia Como detectar erros na hierarquia de classes: n n n Relação “is-a” (se A é subclasse de B, então uma instância de A também será uma instância de B) Verificar inclusão de classes singulares e coletivas (“vinho” como subclasse de “vinhos”) Transitividade (A subclasse de B subclasse de C, então A subclasse de C)
Definir classes e sua hierarquia Como detectar erros na hierarquia de classes (cont. ): n n n Distinguir entre classes e seu nomes (sinônimos representam a mesma classe) Ciclos (A subclasse de B subclasse de A) Classes irmãs devem estar no mesmo nível (Chardonay e Vinhos Brancos não devem estar no mesmo nível, pois não são irmãs)
Definir classes e sua hierarquia Como detectar erros na hierarquia de classes (cont. ): n n Classes com somente uma subclasse pode ser um problema Classes com muitas subclasses também
Definir classes e sua hierarquia Quando introduzir uma nova classe ? n Propriedades diferentes n Restrições diferentes n Participa em relações diferentes Nova classe ou nova propriedade ? n i. e. Tipo de Vinho Instância ou classe ? n Depende da aplicação n Tipo de vinho (“Sterling Vineyards Merlot”) pode ser instância ou classe. Qual o escopo ? n Não especializar além do que sua aplicação precisa
Definir as propriedades das classes – também conhecidas por “slots” A partir da lista de termos do passo 03, selecionar aqueles que representam propriedades. Propriedades (intrínsecas, extrínsecas, partes e relações com outros indivíduos) Propriedades são adicionadas à classe mais genérica
Definir as restrições das propriedades Tipo da propriedade n String, número, boleano, instancias, etc. . . Domínio n classes em que a propriedade está presente Valores permitidos n classes permitidas na propriedade Cardinalidade
Ufaaaa. . . Só falta agora criar as instâncias! É necessário n n escolher uma classe, criar uma instância e preencher os valores das propriedades Base de Conhecimento
Cuidado com os nomes. . . Evitar erros e confusões Maiúsculas ou Minúsculas ? n n Classes (maiúsculas) Propriedades (minúsculas) Plural ou singular ? Padronizar prefixos e sufixos n “has-” (has-maker) e “-of” (producer-of) Evitar abreviações
Usos e Benefícios das Ontologias Incorporação de conhecimento é facilitada, inclusive de linguagem natural Permitir reuso massivo de conhecimento (de representações) entre formalismos de representação diferentes Codificar conhecimento interoperável entre linguagens e formalismos 66
Ferramentas Editor de Ontologias Protege n Próxima aula 67
- Sistemas tutores inteligentes
- Sistemas baseados em conhecimento
- Tipos de agentes inteligentes
- Interfaces inteligentes
- Pessoas inteligentes falam de ideias
- Agentes inteligentes
- Mafalda frases inteligentes
- Renumerar vigas cypecad
- Engenharia urbana ufrj
- Achar fonte pela imagem
- Ufjf
- Escola de eel
- Engenharia mecatronica unip
- Univag engenharia info
- Modelo engenharia
- Engenharia elétrica unip
- Engenharia reversa de software exe
- Engenharia de software
- Engenharia software
- Msf engenharia
- Modelo sequencial linear
- Engenharia de software
- Decomposição
- "prof universidade paulista unip"
- Al-mg
- Surgimento da engenharia moderna
- Linguagem cientifica
- Fundamentos de engenharia de software
- Engenharia de transporte
- Vidros termorrefletores
- Engenharia quimica unip
- Engenharia química unip
- Engenharia de software
- Fluxo
- Engenharia mecatronica unip
- Engenharia industrial madeireira ufpr
- Mba engenharia de software
- Ufjf
- Escola engenharia
- Friburgo
- Engenharia de produção universo
- Unip mecatronica
- Engenharia
- Engenharia
- Matriz de conhecimento
- Caracteristicas do conhecimento popular
- O alargamento do conhecimento do mundo
- Exemplos de conhecimento
- Conhecimento interacional
- Qual conhecimento
- Conhecimento profissional
- Fontes do conhecimento
- Conhecimento cientifico e empírico
- Conhecimento de si e do outro
- Pixabay
- Conhecimento filosófico
- Base de conhecimento cgu
- Antes crescei na graça
- Conhecimento popular
- Qual conhecimento
- O conhecimento é o poder
- Diferença entre conhecimento e sabedoria bíblia
- Conhecimento tácito
- Antes crescei na graça e no conhecimento
- Conhecimento superestrutural exemplos
- Exemplos de conhecimento
- Conhecimento exato
- Tipos de conhecimento filosofia