Introduo aos

Sistemas Especialistas
Professor Celso A A Kaestner, Dr. Eng.
1

Inteligncia Artificial
O campo da Inteligncia Artificial (IA) tenta
compreender as entidades inteligentes para
construir entidades inteligentes.
Construir mquinas (computadores) com um nvel
de inteligncia igual ou superior aos humanos!
As abordagens de IA podem organizar-se em 4
categorias:

Inteligncia Artificial
Raciocnio/
Pensamento

Comportamento

Sistemas que
pensam como os
Humanos

Sistemas que
pensam
Racionalmente

Sistemas que
agem como os
Humanos

Sistemas que
agem
Racionalmente

Modelao do Ser
Humano

Outros Modelos

Foco de Interesse
3

IA Simblica
Fundamenta-se em:
Representao do conhecimento; e
Mtodos de Busca.

IA Simblica
Representao do conhecimento:
1.
2.
3.
4.
5.

Lgica proposicional e predicativa;

Regras de produo;
Redes semnticas;
Frames e scripts;
...

IA Simblica
Mtodos de Busca:
1.
2.
3.
4.
5.
6.
7.

Espao de estados;
Busca em profundidade;
Busca em largura;
Busca heurstica (A*);
Busca em feixe;
Tmpera simulada;
...
6

Exemplo: um pequeno jogo...

Estado inicial: <XX_YY>
Estado objetivo: <YY_XX>
Aes (operaes):
1. X_ => _X
2. XX_ => _XX
3. XY_ => _YX

e
e
e

_Y => Y_
_YY => YY_
_XY => YX_

Exemplo: uma soluo

1.
2.
3.
4.
5.
6.
7.
8.
9.

<XX_YY> (estado inicial)

<X_XYY> (ao 1a)
<XYX_Y> (ao 2b)
<XYXY_> (ao 1b)
<XY_YX> (ao 3a)
<_YXYX> (ao 3a)
<Y_XYX> (ao 1b)
<YYX_X> (ao 3b)
<YY_XX> (ao 1a)
8

Exemplo: uma falha

1.
2.
3.
4.
5.
6.

<XX_YY> (estado inicial)

<X_XYY> (ao 1a)
<XYX_Y> (ao 2b)
<XYXY_> (ao 1b)
<XY_YX> (ao 3a)
<XYY_X> (ao 1b) Falha !!!!

Exemplo: rvore de busca

1.
2.
3.
4.
5.

<XX_YY> (estado inicial)

<X_XYY> (ao 1a) OU
<XXY_Y> (ao 1b) OU
<_XXYY> (ao 2a) OU
<XXYY_> (ao 2b)

Qual escolher ? (heurstica ?)

10

Sistemas Especialistas
Os especialistas humanos so capazes de atingir
um alto desempenho na medida em conhecem
muito bem as suas reas de especializao;

Um Sistema Especialista (SE) um programa de

computador que utiliza conhecimento especfico
do domnio de um problema e emula a
metodologia e desempenho de um especialista
para obter solues de problemas neste domnio.

11

Sistemas Especialistas
O conhecimento inerente a um Sistema
Especialista um ponto chave na sua construo,
e normalmente definido por engenheiros do
conhecimento;
Para tal so consultados especialistas no domnio
do problema e tenta-se codificar numa
linguagem formal todo o conhecimento que estes
adquiriam ao longo da sua experincia,
nomeadamente heursticas e truques.
12

Sistemas Especialistas
Os Sistemas Especialistas no imitam
necessariamente a estrutura da mente humana,
nem os mecanismos da inteligncia;

So programas prticos que usam estratgias

heursticas desenvolvidas por humanos na
resoluo de classes especficas de problemas;
So uma classe de programas na rea da
Inteligncia Artificial, e tm contribudo para o
sucesso desta rea atravs de vrios produtos
comerciais desenvolvidos e aplicaes.
13

Sistemas Especialistas
Programa

Sistema
Especialista

Representao do
Conhecimento

Implcita

Explicita

Realidade expressa
em termos de

Modelos Matemticos

Modelos Cognitivos

Conhecimento
traduzido em

Algoritmos

O computador
executa

Processamento
numrico (clculos)

Estruturas hierrquicas
Redes Semnticas
Regras
rvores de deciso
Tabelas de deciso
Redes de Inferncia
Processamento
simblico (inferncias)

Tipo de Resultados

Numricos

Conhecimento

14

Categorias dos Problemas

Interpretao: formar concluses a partir de dados;
Predio: projetar consequncias de situaes;
Diagnstico e reparo : determinar a causa de maus
funcionamentos, e prescrever e implementar solues;
Projeto: configurar componentes de forma a atingir um
objetivo;
Planejamento: obter a sequncia de passos para atingir
um objetivo;
Monitorao: comparar o comportamento de um
sistema com aquilo que seria de esperar;
Tutoriais: detectar e corrigir deficincias, e auxiliar
processos de aprendizagem;
Controle: governar o comportamento de um sistema.
15

Tecnologia dos Sistemas Especialistas

Arquitetura
ESPECIALISTA/
ENG. CONHECIMENTO/
PROGRAMADOR

BASE DE
CONHECIMENTO

SHELL

INTERFACE COM USURIO:

MOTOR DE
INFERNCIA

DADOS ESPECFICOS
DO CASO

PERGUNTA/RESPOSTA
ORIENTADO POR MENUS
LINGUAGEM NATURAL
GRFICO

USURIO

EXPLANAO

APRENDIZAGEM
16

Quando desenvolver um SE
O problema justifica o custo e esforo de construo do SE;

No existem especialistas disponveis (no local) para

resolver diretamente o problema;
Existem especialistas para cooperarem na construo do SE;
O problema pode ser solucionado atravs de raciocnio
simblico (prximo dos humanos);
O problema no requer senso comum;
O problema no pode ser resolvido atravs de mtodos
computacionais tradicionais;

O problema no demasiado grande nem demasiado

genrico.
17

Desenvolvimento de SE
Envolve o Engenheiro de Conhecimento, o Especialista do
domnio do problema e o Usurio final;
Criao Rpida de Prottipos:

Aquisio do Conhecimento
Modelagem
do Sistema

Correo
Programao

Metodologia Centrada no Cliente;

Sucessivas iteraes nas quais as possibilidades so postas
prova pelos futuros usurios.
18

Criao de SE
Linguagens de Programao: C++, LISP, PROLOG

Shells:
Acadmicos: MYCIN - EMYCIN, CLIPS, GUIDON, TEIRESIAS,
VM, CENTAUR...

Comerciais: Deciding Factor, Exsys, M-1, Savoir, ExpertEase, Guru, Crystal...

Ambientes de Programao (de IA):

ILOG...

Aplicaes:

Business Insight...

19

Raciocnio Baseado em Regras

Representao do conhecimento para a
resoluo do problema atravs de regras do tipo
se...ento... (regras de produo)

Exemplo:
Se (Qualifica = SIM) e
(Mdia < 3,5) e
(Experincia >= 2)
Ento
(Posio = engenheiro de servio)
20

Arquitetura Clssica de um SE
Base de
Conhecimento

Regras
Fatos

Subsistema de
aquisio de
conhecimento

Memria
de Trabalho
Motor de
Inferncia:
Controle e
Inferncia

Subsistema de
explanao

Especialista / Eng. Conhecimento

Interface
com o usurio
Usurio

21

Motor de Inferncia
Regras (MR)

Fatos (MF)

Pattern Matching

Conjunto de conflitos (CC)

Resoluo de conflitos
Regra (s) escolhida(s)

Motor de
Inferncia:
Controle e
Inferncia

Disparo da(s) regra(s)

Alteraes em MF (MR)
22

Exemplo: um pequeno SE
Problema:
Oferta de emprego a um candidato em uma
empresa.

Variveis de entrada: Descoberta (Sim / No),

Diploma (Sim / No), Experincia (em anos),
Mdia (nota mdia do histrico);
Variveis de sada: Posio (Nenhuma /
Pesquisa / Eng. De Servio / Eng. De
Produto), Qualifica (Sim / No).
23

Exemplo: um pequeno SE
Variveis:
Descoberta: o candidato fez alguma descoberta?
Diploma: o candidato tem curso superior ?

Experincia: quantos anos de experincia tem o

candidato ?
Mdia: qual a nota mdia do candidato em seu curso
superior ?
Posio:que posio deve ser oferecida ao candidato ?
Qualifica: o candidato se qualifica para uma posio ?

24

Exemplo: um pequeno SE
Regras:
R1: SE (Diploma = No)
ENTO (Posio =Nenhuma);
R2: SE (Diploma = Sim)
ENTO (Qualifica = Sim);

R3: SE (Diploma = Sim) E

(Descoberta = Sim)

ENTO (Posio = Pesquisa);

25

Exemplo: um pequeno SE
R4: SE (Qualifica = Sim) E
(Mdia <= 7,0 ) E
(Experincia >= 2)

ENTO (Posio = Eng. De Servio);

R5: SE (Qualifica = Sim) E

(Mdia < 7,0) E

(Experincia < 2)

ENTO (Posio = No);

26

Exemplo: um pequeno SE
R6: SE (Qualifica = Sim) E
(Mdia > 7,0)
ENTO (Posio = Eng. de Produto);

27

Encadeamento para frente

Procedimento bsico:
At que a soluo pertena a MF faa:
Compare a MF e MR e obtenha o CC;

Escolha uma (vrias)

(resoluo de conflitos);

regra(s)

no

CC

Dispare a(s) regra(s) escolhida(s)

(acrescenta / retira fatos da MT).

28

Encadeamento para frente

Fatos iniciais (M0):
F0: (Diploma = Sim);
F1: (Experincia = 1,5);

F2: (Mdia = 8,0);

F3: (Descoberta = No).

Inferncia 1: Dispara R2;

F4: (Qualifica = Sim);

29

Encadeamento para frente

Fatos atuais (M1):
F0: (Diploma = Sim);
F1: (Experincia = 1,5);

F2: (Mdia = 8,0);

F3: (Descoberta = No).

F4: (Qualifica = Sim);

Inferncia 2: Dispara R6;

F5: (Posio = Eng. De Produto).

30

Encadeamento para frente

Fatos atuais (M2):
F0: (Diploma = Sim);
F1: (Experincia = 1,5);

F3: (Mdia = 8,0);

F4: (Descoberta = No).

F5: (Qualifica = Sim);

F6: (Posio = Eng. De Produto).

No h mais regra a disparar.

31

Encadeamento para trs

Procedimento bsico:
Escolha uma hiptese H da Pilha de Hipteses;
At que a hiptese seja comprovada (pertena a
MF):
Escolha uma regra R cuja concluso seja H;

Tente provar as
(recursivamente);

premissas

de

Se no for possvel , escolha outra hiptese.

32

Encadeamento para trs

Fatos iniciais (M0):
F0: (Diploma = Sim);
F1: (Experincia = 1,5);

F2: (Mdia = 8,0);

F3: (Descoberta = No).

33

Encadeamento para trs

Possui Pilha de Hipteses a serem provadas /
negadas.
Hiptese:

H0: (Posio = Nenhuma);

Pela regra R1, substituda por:

H1: (Diploma = No), negada por M0;

A hiptese descartada.

34

Encadeamento para trs

Nova hiptese:

H2: (Posio = Pesquisa);

Pela regra R3, substituda por (H3) e (H4):

H3: (Diploma = Sim), e

H4: (Descoberta = Sim).

H3 confirmada por M0, H4 no;

No h regra cuja concluso seja H4, logo H4 e
H2 so descartadas.
35

Encadeamento para trs

Nova hiptese:

H5: (Posio = Eng. De Servio);

Pela regra R4, substituda por (H6), (H7) e (H8):

H6: (Qualifica = Sim);

H7: (Mdia < 7,0);

H8: (Experincia >= 2).

H7 negada por M0, (como tambm H8), H5
descartada.
36

Encadeamento para trs

Nova hiptese:

H9: (Posio = Eng. De Produto);

Pela regra R6, substituda por (H10) e (H11):

H10: (Qualifica = Sim);

H11: (Mdia > 7,0).

H10 e H11 confirmadas por M0, H9 confirmada.

37

Encadeamento para trs

Outra possibilidade:
usurio a cada passo:

inquisio

do

Caso no haja regra cuja concluso

confirme a hiptese, uma pergunta feita
ao usurio para se obter o valor da
varivel.

38

Raciocnio Baseado em Modelos

Em vez de se utilizarem heursticas na resoluo
de um problema;
A anlise fundamentada diretamente na
especificao e funcionalidade do sistema fsico
(um modelo do sistema);
Normalmente aplica-se no diagnstico;
O sistema simulado assim como a estrutura e
funcionamento das suas componentes;

Exemplo de um circuito de somadores e

multiplicadores.
39

Raciocnio Baseado em Casos

Regras heursticas e modelos tericos so dois
tipos de informao que os especialistas
humanos utilizam para resolver problemas;

Outra estratgia utilizada o raciocnio

baseado em casos (Case-Based Reasoning CBR);
Utiliza uma base de dados com solues de
problemas para resolver novas situaes;

Exemplos: medicina, justia, programao de

computadores, arquitetura, histria...
40

Algoritmo de inferncia
1. Procurar casos similares na memria,
aqueles cuja soluo pode ser aplicada
nova situao (caractersticas comuns)
2. Modificar um desses casos para aplicar
situao nova (alterar sequncia dos passos
que levam de um estado inicial a um estado
final)
3. Aplicar o caso transformado ao novo problema
4. Guardar a soluo com uma medida do sucesso
ou insucesso para uso futuro.
41

Raciocnio Baseado em Regras

vantagens:

modo direto
modular
desempenho
facilidades de explanao
as regras encaixam-se naturalmente na
procura num espao de estados
o processo de inferncia fcil de seguir e
depurar
os passos para a soluo do problema so
facilmente inspecionveis
separao do controle e do conhecimento
42

Raciocnio Baseado em Regras

desvantagens:
regras altamente heursticas, falta de
profundidade
no manuseiam falta de informao ou
valores inesperados
a explicao baseia-se na prova e no nas
bases tericas
muito especfico na aplicao

43

Raciocnio Baseado em Casos

vantagens:
codificao direta de conhecimento histrico
(e.g. reparaes)

permite obter a soluo a partir de um caso

apropriado no necessitando de todo o
processo de resoluo do problema
evita erros do passado e explora os sucessos
(aprendizagem)

44

Raciocnio Baseado em Casos

vantagens:
no necessria uma anlise extensiva do
domnio do conhecimento

aquisio de conhecimento e sua codificao

relativamente fceis

45

Raciocnio Baseado em Casos

desvantagens:
explanao difcil
desempenho computacional (bases de dados
extensas)
difcil definir critrios de similaridade

46

Raciocnio Baseado em Modelos

vantagens:
uso de conhecimento funcional/estrutural
robustez (ao contrrio do baseado em regras)

algum conhecimento transfervel entre

tarefas (teorias genricas...)
explicao causal

47

Raciocnio Baseado em Modelos

desvantagens:
falta de conhecimento heurstico
requer um modelo explcito do domnio (nem
sempre possvel (e.g. finanas)
complexidade
situaes excepcionais (um componente
avariado)

48

Outras possibilidades
Raciocnio Baseado em Representaes
Hbridas
regras+casos
regras+modelos
modelos+casos

Raciocnio com Incerteza ou Informao

Incompleta:
Probabilidades
Fatores de certeza
Sistemas difusos
49

Referncias
Sobre IA em geral:
S.J. Russel; P. Norvig. Artificial Intelligence.
Prentice Hall, 1995, http://aima.cs.berkeley.edu/.
E. Rich; K. Knight. Inteligncia Artificial.
Makron Books, 1994,
http://www.cs.utexas.edu/users/ear/ e
http://www.isi.edu/naturallanguage/people/knight.html .

50

Referncias
Sobre SE:
M. Stefik. Introduction to Knowledge
Systems, Morgan Kaufmann, 1995.
P. Harmon, D. King. Expert Systems: AI in
Business, John Wiley & Sons, 1985.
K. Parsaye, M. Chignell. Expert Systems for
Experts, John Wiley & Sons, 1988.

51