Este documento discute os principais conceitos de representação do conhecimento em inteligência artificial, incluindo formas de representar conhecimento como objetos, proposições, teoremas e algoritmos. Também aborda paradigmas como regras de produção, frames e casos, explicando como cada um estrutura e representa conhecimento de forma diferente.
5. • O que é?
• Conhecimento em IA
• Formas
• Tipos
• Filosofias
• Quem representa
CONHECIMENTO
6. O QUE É...
Um fato. Uma verdade que
pode ser representada.
7. CONHECIMENTO EM IA
Em IA, o termo “conhecimento”
significa a informação que um
programa de computador
necessita para que possa
comportar-se inteligentemente.
20. ADEQUAÇÃO
Como adequar a representação do
conhecimento aos fatos do mundo
real e aos problemas que se pretende
solucionar.
Segundo McCarthy e Hayes:
• Epistemologia(teoria do
conhecimento)
• Metafísica(regras do pensamento)
• Heurística(solução de problemas)
21. Ainda não foi desenvolvido um
sistema que otimize todas as
técnicas para representação
de todos os tipos de
conhecimento.
25. • O que é?
• Raciocínio Monotônico
• Raciocínio não-Monotônico
• Categorias
• Ciclo de vida
RACIOCÍNIO
26. Processo de construção de novas sentenças a
partir de sentenças existentes.
Esquema + Raciocínio =
CONCLUSÃO ADEQUADA
Exemplos:
• Diagnosticar causas possíveis para uma
condição
• Gerar hipóteses a partir de uma situação
• Resolver um problema
• Argumentar
O QUE É...
27. • Conhecimento certo
• Fatos consistentes
• Fatos necessários estão no
sistema ou podem ser deriváveis
Utilizado pelos sistemas
convencionais.
Raciocínio Monotônico
28. • Raciocínio derrotável
• Fatos inconsistentes
• Pode ocorrer contradições entre
os fatos com a adição ou
exclusão
Raciocínio não -Monotônico
30. Se X é verdade e se X sendo verdade
implica que Y é verdade, então Y é
verdade
Exemplo:
Premissa 1: Toda mulher é mortal
Premissa 2: Maria é mulher
Conclusão: Maria é mortal
DEDUÇÃO
31. 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
Exemplo:
Caso 1: Maria é médica
Maria tem um bom salário
Caso 2: Pedro é médico
Pedro tem um bom salário
Conclusão: Médico tem bom salário
INDUÇÃO
32. Se Y é verdade e X implica em Y,
então X é verdade
Exemplo:
o Se eu sei que fumar causa câncer
o Pedro morreu de câncer
Lei Geral: Pedro era fumante
ABDUÇÃO
33. Baseia-se na experiência de casos
anteriores, dos quais há verdades
conhecidas.
Exemplo:
o Pedro é fumante. Pedro pode ter
câncer de pulmão.
o Maria é fumante.
Analogia: Maria pode ter câncer de
pulmão.
ANALOGIA
34. CICLO DE VIDA DOS SISTEMAS
Nível de
Conhecimento
Nível Lógico
Nível de
Implementação
BC
AQUISIÇÃO
FORMALIZAÇÃO
IMPLEMENTAÇÃO
REFINAMENTO
linguagem natural
linguagem de
representação de
conhecimento
linguagens de
programação
38. • Base de Conhecimento
• Memória de trabalho
• Memória de inferências
Obs: Prolog e Lisp já incorporam a
memória de trabalho e a máquina
de inferências
SISTEMA DE PRODUÇÃO
39. • Regras : processo de inferência
sobre um conhecimento
• Fatos: declarações específicas
BASE DE CONHECIMENTO
40. • Representa o estado do
problema que se quer resolver,
em um instante.
• Base de fatos derivados durante
a “vida” do agente
MEMÓRIA DE TRABALHO
41. • Responsável pela execução das
regras
• Determina quais são relevantes
• Determina o método de
raciocínio utilizado
Todo trabalho acontece em ciclos.
MEMÓRIA DE INFERÊNCIAS
42. Dividido em três fases:
• Seleção de regras
• Resolução de conflitos
• Ação
Ao utilizar PROLOG ou LISP o
desenvolvedor não interfere nas fases.
CICLO
43. ARQUITETURA DOS SISTEMAS
Conhecimento
Permanente
• fatos
• regras de produção
Meta-conhecimento
• estratégias para resolução
de conflito
Base de Regras
Conhecimento
volátil
• descrição da instância
do problema atual
• hipóteses atuais
• objetivos atuais
• resultados
intermediários
Conjunto de conflito
conjunto de possíveis
regras a serem
disparadas
Memória de
Trabalho
Mecanismo
de
Inferência
44. Bicicleta: Se veiculotipo=ciclo
E num-rodas=2
E motor=não
Então veiculo=Bicicleta
Automovel: Se num_rodas=4
E motor=sim
Então veiculotipo= Automovel
EXEMPLOS
45. • Dos dados à conclusão
• As regras da BC são usadas para gerar
informação nova
• Os fatos gerados passam a fazer parte
da BC
RACIOCÍNIO PROGRESSIVO
46. • Da hipótese aos dados
• Usa as regras da BC para responder a
perguntas
• Prova se uma asserção é verdadeira
RACIOCÍNIO REGRESSIVO
48. Um frame é identificado por um
nome e descreve um objeto
complexo através de um conjunto
de atributos.
Um Sistema de Frames é um
conjunto de frames organizados
hierarquicamente.
O QUE É...
49. Proporcionam uma estrutura na
qual novos dados são
interpretados em termos de
conceitos adquiridos através de
experiência prévia.
50. • Possuem pelo menos dois
atributos:
Nome
Ako ou is-a
• Privilegiam dois tipos de relações:
ako: relação entre classe e sub-
classe
is-a: relação entre classe e
instância.
ATRIBUTOS
51. Todos os frames em um sistema de
frames devem estar relacionados
entre si e ligados direta ou
indiretamente a um frame inicial
chamado raiz.
53. FUNÇÕES DO SISTEMA
• Reconhecer que uma dada situação
pertence a uma certa categoria
Ex: reconhecimento visual de uma sala de
aula
• Interpretar a situação e/ou prever o que
surgirá em termos da categoria
reconhecida
Ex: pessoa com revolver (revolver arma ->
perigo)
57. •Existe um grande volume de dados
históricos
•Quando não há um modelo para o
caso
•Ou quando modelos são fracos
•Há muitas exceções às regras
QUANDO UTILIZAR
58. Permite:
• Propor soluções em domínios que
não conhece completamente
• Disponibilizar um meio de
avaliação de soluções que
métodos algorítmicos não são
capazes de avaliar
• Relembrar experiências passadas
• Evitar erros já cometidos
PORQUE UTILIZAR