Transferir como PDF, PPTX
Carregado porPriscila Antunes
Representação do conhecimento
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.
Representação do conhecimento
- 1. REPRESENTAÇÃO DO CONHECIMENTO Priscila Antunes Universidadedo Estado de Mato Grosso - UNEMAT Campus Universitário Deputado Estadual René Barbour Curso de Ciência da Computação Inteligência Computacional I
- 2. Tópicos • Conhecimento • Representaçãodo conhecimento • Raciocínio • Regras de Produção • Frames • Casos
- 3.
- 5. • O queé? • Conhecimento em IA • Formas • Tipos • Filosofias • Quem representa CONHECIMENTO
- 6. O QUE É... Umfato. Uma verdade que pode ser representada.
- 7. CONHECIMENTO EM IA EmIA, o termo “conhecimento” significa a informação que um programa de computador necessita para que possa comportar-se inteligentemente.
- 8. FORMAS • Objetos • Proposiçõese definições • Teoremas e regras • Algoritmos
- 9.
- 10. PROPOSIÇÕES • Fernando éuma pessoa. • Fernando é médico. • Maria é mulher. • Maria é professora.
- 11. TEOREMAS E REGRAS SePedro é homem então Pedro é pessoa.
- 12.
- 13. TIPOS DE CONHECIMENTO •Conhecimento do domínio (aplicação) • Conhecimento genérico (tarefa) • Conhecimento básico (capacidade) • Conhecimento formal (tecnologia)
- 14. FILOSOFIAS • Conhecimento CERTO (consistente,completo, não muda BD, sem dúvida) • Conhecimento INCERTO (incerto, duvidoso, inconsistente)
- 15. EXEMPLOS: 1. Sistema decombustão de um motor a diesel 2. Diagnóstico médico 3. A sessão começa às 20:15 h. 4. A sessão começa próximo de 20:15 h
- 16.
- 17.
- 18. • O queé? • Adequação à realidade • Abordagens • Como selecionar um esquema REPRESENTAÇÃO DO CONHECIMENTO
- 19. O QUE É... Formalizaçãoe estruturação de conhecimento em um computador.
- 20. ADEQUAÇÃO Como adequar arepresentação 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 foidesenvolvido um sistema que otimize todas as técnicas para representação de todos os tipos de conhecimento.
- 22. ABORDAGENS PARA REPRESENTAÇÃO • Declarativa(lógica) – fatos verdadeiros. • Procedimental – descrito em procedimentos. • Estrutural – enfatiza a estrutura.
- 23. COMO SELECIONAR UM ESQUEMA •Verificar se existe um modelo natural • Selecionar representação do conhecimento • Dependência das inferências
- 24.
- 25. • O queé? • Raciocínio Monotônico • Raciocínio não-Monotônico • Categorias • Ciclo de vida RACIOCÍNIO
- 26. Processo de construçãode 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
- 29. CATEGORIAS DE RACIOCÍNIO •Dedução • Indução • Abdução
- 30. Se X éverdade 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 conjuntode 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 éverdade 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 experiênciade 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 VIDADOS SISTEMAS Nível de Conhecimento Nível Lógico Nível de Implementação BC AQUISIÇÃO FORMALIZAÇÃO IMPLEMENTAÇÃO REFINAMENTO linguagem natural linguagem de representação de conhecimento linguagens de programação
- 35.
- 36. O conhecimento érepresentado como uma coleção de regras do tipo: se condição então ação Ex: se x é carro então x é um automóvel. O QUE É...
- 37. • Incorporam conhecimento heurístico •Resolução de problemas com regras simples • Crescimento incremental PROPRIEDADES...
- 38. • Base deConhecimento • 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 oestado do problema que se quer resolver, em um instante. • Base de fatos derivados durante a “vida” do agente MEMÓRIA DE TRABALHO
- 41. • Responsável pelaexecução das regras • Determina quais são relevantes • Determina o método de raciocínio utilizado Todo trabalho acontece em ciclos. MEMÓRIA DE INFERÊNCIAS
- 42. Dividido em trêsfases: • 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 Enum-rodas=2 E motor=não Então veiculo=Bicicleta Automovel: Se num_rodas=4 E motor=sim Então veiculotipo= Automovel EXEMPLOS
- 45. • Dos dadosà conclusão • As regras da BC são usadas para gerar informação nova • Os fatos gerados passam a fazer parte da BC RACIOCÍNIO PROGRESSIVO
- 46. • Da hipóteseaos dados • Usa as regras da BC para responder a perguntas • Prova se uma asserção é verdadeira RACIOCÍNIO REGRESSIVO
- 47.
- 48. Um frame éidentificado 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 estruturana qual novos dados são interpretados em termos de conceitos adquiridos através de experiência prévia.
- 50. • Possuem pelomenos 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 framesem um sistema de frames devem estar relacionados entre si e ligados direta ou indiretamente a um frame inicial chamado raiz.
- 52.
- 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)
- 54.
- 55. Busca uma soluçãosemelhante para um problema atual, através de graus de similaridade com uma experiência passada. O QUE É...
- 56. Casos Armazenados Novo Caso CasosRecuperados
- 57. •Existe um grandevolume 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 soluçõesem 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
- 59.
- 60. REFERÊNCIAS Sistemas de Produção.Disponível em: http://www.din.uem.br/~jmpinhei/SI/07SistemasProduc ao.pdf Regras de Produção. Disponível em: http://200.17.141.213/~gutanunes/hp/IA/aulas_IA/aula6 .ppt Conhecimento e Representação do Conhecimento. Disponível em: http://200.17.141.213/~gutanunes/hp/IA/aulas_IA/aula4 .ppt Representação do Conhecimento e Redes de Decisão. Disponível em: http://200.17.141.213/~gutanunes/hp/MestradoIA/RCon hecimento/MarceloLadeiraQualifier.pdf