Relatório



Baixar 147.89 Kb.
Página1/3
Encontro26.05.2018
Tamanho147.89 Kb.
  1   2   3


UNIVERSIDADE FEDERAL DE SÃO CARLOS

CENTRO DE CIÊNCIAS EXATAS E DE TECNOLOGIA

DEPARTAMENTO DE COMPUTAÇÃO

INTELIGÊNCIA ARTIFICIAL E OS

SISTEMAS ESPECIALISTAS
AUTORES: Vandor Roberto Vilardi Rissoli

José Augusto Fabri

Heloisa de Arruda Camargo

RT-DC 0_ _ / 99

São Carlos

Julho

1999
Inteligência Artificial e os Sistemas Especialistas


José Augusto Fabri

Vandor Roberto Vilardi Rissoli

Heloisa de Arruda Camargo

Universidade Federal de São Carlos

Departamento de Computação

C.P. 676 - 13565-905 - São Carlos (SP) - Brasil

e-mail: {fabri, vandor, heloisa } @ dc.ufscar.br


Resumo: Este trabalho apresenta os principais conceitos e características relacionadas aos Sistemas Especialistas (SE) e aos processos de aquisição e representação do conhecimento. Um breve acompanhamento histórico da evolução da Inteligência Artificial (IA) também faz parte deste trabalho.


Palavras chaves: sistemas baseados em conhecimento, sistemas baseados em regras, sistemas especialistas, aquisição de conhecimento, representação do conhecimento.




Sumário


Lista de Figuras 3

Inteligência Artificial e os Sistemas Especialistas 1

Introdução 1

Inteligência Artificial 1



História da Inteligência Artificial 2

Técnicas Utilizadas em Inteligência Artificial 5

Principais Áreas de Pesquisa da Inteligência Artificial 5

Sistemas Especialistas 6



Estrutura dos Sistemas Especialistas 7

Base de Conhecimento 8

Máquina de Inferência 9

Interface de Aquisição 9

Interface de Usuário 10

Características Básicas dos Sistemas Especialistas 10

Ênfase no Conhecimento 10

Engenharia do Conhecimento 11

Aquisição do Conhecimento 12

Análise do Conhecimento 13

Representação do Conhecimento 14

Heurística 18

Manipulação de Símbolos 20



Categorias Gerais dos Sistemas Especialistas 20

Diferenças entre os Sistemas Especialistas e os Sistemas Convencionais 22

Desenvolvimento de Sistemas Especialistas 23

Análise do Problema 24

Seleção de Estratégias para os Sistemas Especialistas 25

Validação e Teste do Sistema Especialista 26

Disponibilização do Sistema Especialista 27

Referências Bibliográficas 28



Lista de Figuras





Figura 1 - Representação dos SE em relação aos SBC. 6

Figura 2 - Estrutura dos Sistemas Especialistas. 7

Figura 3 - Representação das subestruturas dos Sistemas Especialistas. 8

Figura 4 - Exemplo de encadeamento direto ou para frente. 16

Figura 5 - Exemplo de encadeamento reverso ou para trás. 18

Figura 6 - Representação resumida das tarefas necessárias para o desenvolvimento dos SE. 24





Lista de Tabelas


Tabela 1 - Características básicas dos SE. 11

Tabela 2 - Regras utilizadas no exemplo da Figura 4. 17

Tabela 3 - Outras diferenças entre os SE e os sistemas convencionais. 23

Tabela 4 - Comparação entre as linguagens de programação e as shells. 25



Inteligência Artificial e os Sistemas Especialistas




Introdução

A Inteligência Artificial (IA) é uma área da Ciência da Computação que tem por objetivo estudar e desenvolver métodos, técnicas e programas que permitam ao computador efetuar tarefas consideradas inteligentes, quando executadas por seres humanos [30].


O termo Inteligência Artificial aparece em quase todos os campos do conhecimento, e os sistemas de IA surgem como uma alternativa para a solução de problemas difíceis e mal estruturados, que não puderam ser satisfatoriamente resolvidos por meio dos métodos empregados pela computação convencional.
Os Sistemas Especialistas (SE) podem ser vistos como uma área de conhecimento da IA [09]. Eles são sistemas de computadores capazes de representar e “raciocinar” sobre o conhecimento de um domínio específico, procurando resolver problemas ou aconselhar profissionais que tenham o poder de decisão [15].
Além do sucesso acadêmico e científico, os SE tem sido a solução para muitos problemas na área comercial e industrial, justificando com isso, o seu sucesso também no mercado de softwares, onde o surgimento de empresas especializadas no desenvolvimento deste tipo de sistema vêm crescendo [21].

Inteligência Artificial

A evolução da IA ao longo do tempo, apresenta pelo menos o envolvimento de três linhas de pesquisas: a linha biológica, filosófica e psicológica. A linha biológica procura estudar e representar o funcionamento “mecânico” do cérebro [25], enquanto que a linha filosófica encontra uma nova maneira de conceber o problema das relações da mente com o corpo, além das novas perspectivas de estudos que reflitam sobre a natureza dos problemas da filosofia e da psicologia. A linha psicológica concentra-se no estudo da cognição do raciocínio, permitindo a construção de programas computacionais que simulem aspectos da percepção humana, melhorando a compreensão do funcionamento e da natureza dos processos psicológicos envolvidos na percepção visual, lingüística e em outras atividades mentais humanas [34]. Além destas três áreas, inclui-se ainda, a IA que procura desenvolver projetos que capacitem os computadores a realizar tarefas similares as executadas pelo cérebro, conferindo a estas máquinas a capacidade de “raciocinar”, tornando-as “inteligentes”.


A IA tem o reconhecimento como uma parte da Ciência da Computação a partir da Segunda Guerra Mundial, com a idéia de construir uma máquina pensante ou uma criatura artificial que imitasse as habilidades humanas. Porém esta idéia é muito antiga, onde os primeiros registros de criaturas artificiais com habilidades humanas têm uma forma mítica ou por vezes lendária, tornando difícil uma separação nítida entre imaginação e realidade. Apesar disto, as condições técnicas para estas realizações são recentes, o que faz aumentar a confusão entre o mito e a realidade, e algumas vezes, a impossibilidade de distingui-los, fazendo com que a IA possa ser considerada uma ciência com um extenso passado, mas com uma história relativamente curta [34].

História da Inteligência Artificial

Na década de 40, a necessidade de avanços tecnológicos disponibilizava recursos financeiros para o desenvolvimento de mecanismos bélicos, pois com a Segunda Guerra Mundial, havia um grande investimento em dispositivos de morte em massa. Por meio destes investimentos foram desenvolvidos os computadores. Na linha biológica eram alcançados avanços por meio de pesquisas realizadas com prisioneiros de guerra, onde partes do cérebro sofriam intervenções médicas no intuito de se descobrir como ele funcionava. Surgiram então os pesquisadores interessados em realizar a representação das células nervosas dos seres humanos em computadores, motivando com isso, o desenvolvimento de uma formalização matemática para o neurônio [25],[34].


Na década de 50 foram estabelecidos os fundamentos da IA, que incluíam a lógica matemática e a teoria das funções recursivas. Na linha de pesquisas psicológicas, os pesquisadores começaram a se preocupar com o estudo do processo de raciocínio humano (processo cognitivo), além do processo de tomada de decisão em termos de regras e fatos condicionais. Para isso, utilizavam-se de técnicas de modelagem por meio de regras de produção, regras estas baseadas na lógica de predicados. Os fatos marcantes desta época foram: (i) o desenvolvimento de um programa que provava teoremas (“Logic Theorist”) por meio das suas demonstrações; (ii) a introdução da programação por meio de comandos de lógica de predicados que proporcionou um grande avanço para a programação de sistemas que utilizassem esquemas de raciocínio; (iii) o desenvolvimento da linguagem LISP (“List Processing”) [37] que fornece um interpretador para desenvolver expressões simbólicas recursivas. Na linha biológica o grande sucesso foi a implementação do primeiro simulador de redes neurais artificiais e do primeiro neurocomputador [03],[25],[34].
Na década de 60 os pesquisadores procuraram simular o complexo processo de raciocínio, na tentativa de desenvolver métodos gerais (“senso comum”), que poderiam ser igualmente bem aplicados a diferentes problemas, em diferentes áreas. Com as dificuldades para se desenvolver programas de propósito geral, aumentou-se a pressão para se produzir resultados práticos, fazendo com que os pesquisadores passassem a se concentrarem no desenvolvimento de métodos e técnicas gerais para serem usados em problemas específicos. Muita atenção foi despendida para com a utilização de regras heurísticas. Na linha biológica, prosseguiram os desenvolvimentos de conceitos relativos às redes neurais artificiais, com o aprimoramento do modelo existente. Para a linha psicológica, esta década foi a descoberta da IA, onde utopicamente os pesquisadores acreditavam ser possível realizar tarefas humanas, tais como o pensamento e a compreensão da linguagem natural por meio dos computadores. Porém os objetivos almejados não estavam sendo alcançados, e as críticas atacavam a falta de sustentação matemática dos modelos, principalmente das redes neurais [03],[25].
A década de 70 começa com a linha biológica tendo o seu período mais “negro”, após as duras críticas do final da década de 60, como por exemplo as apresentadas em [39]. Apesar disto, nesta mesma década (70), pesquisadores conseguiram, por outros caminhos, chegar a algumas novas concepções sobre as redes neurais artificiais. Estas novas concepções permitiram o nascimento das redes neurais representadas na forma de mapas cerebrais, onde o aprendizado era de toda a rede e não de um neurônio. Já na linha psicológica, estudos mais aprofundados demonstravam que não seria possível a representação dos estados mentais humanos de pensamento em uma máquina, ao menos naquele estado da tecnologia. A descoberta mais importante aconteceu no final da década, quando os pesquisadores perceberam que a capacidade de imitar comportamento inteligente em um programa, depende muito mais do conhecimento que ele possui, do que dos formalismos ou esquemas de inferência que ele utiliza. Com isso, a nova estratégia enfatizava que qualquer que fosse o conhecimento a ser analisado, era evidente que não poderia ser de “senso comum”, pois se reconhecia que era mais fácil extrair e representar um conhecimento especializado. Mais crucial porém, passou a ser a concepção de que o conhecimento e as regras heurísticas são específicos para certos domínios, não sendo intercambiávies entre eles. Assim surgiram os SE que deveriam buscar soluções para problemas restritos, ou seja, problemas normalmente sujeitos à consideração de especialistas humanos [03],[25].
Na década de 80 ampliavam-se as técnicas e aplicações dos sistemas especialistas que atingiram um sucesso comercial e industrial, além de surgir o interesse de trabalho conjunto com outras áreas, tais como: interfaces inteligentes, sistemas de apoio à decisão e o controle de robôs. O projeto envolvendo redes neurais consegue seu reconhecimento como linha de pesquisa, recuperando o seu prestígio [25].
A década de 90 consolidou as redes neurais como parte integrante do estudo da IA propriamente dita, tanto foram as aplicações desenvolvidas, as propostas de novos modelos e o aperfeiçoamento dos modelos já existentes. Reconhece-se também, que os paradigmas biológico e psicológico são complementares e necessários para os sistemas mais evoluídos de IA, formando assim os chamados Sistemas Híbridos, que consistem na união destas duas linhas de pesquisa para a construção de grandes sistemas que pretendem abranger uma forma mais completa de representação do comportamento humano [25].
No decorrer da sua história, a IA enfrentou também problemas no campo filosófico, pois as suas realizações não deixaram de chamar a atenção dos filósofos, que perceberam que muitos de seus conceitos e idéias teriam de ser revistos. Os progressos da IA tiveram um impacto muito grande nas concepções habituais que se tem da mente humana, sendo este fato, imediatamente, notado por aqueles que têm preocupações filosóficas e religiosas [34].
Recentemente o termo Inteligência Computacional tem sido utilizado para referenciar um enfoque diferente da IA tradicionalmente simbólica, concentrando as suas pesquisas em métodos avançados de processamento de informações. Seus principais componentes são: redes neurais, conjuntos fuzzy e a computação evolucionária [40].

Técnicas Utilizadas em Inteligência Artificial

A inteligência requer conhecimento, que por sua vez apresenta algumas características de difícil tratamento. Além de ser indispensável para solução de problemas em IA, o conhecimento também é: (i) volumoso; (ii) difícil de ser caracterizado com precisão; (iii) está em constante mutação.


As técnicas de IA devem ser projetadas de acordo com as restrições impostas pelos problemas de IA, mantendo um certo grau de independência entre os problemas e as suas técnicas de resolução. Com isso, pode-se concluir que as técnicas de IA procuram explorar o conhecimento que deve ser representado de modo que se possa: (i) capturar as generalizações, permitindo que situações que partilhem de propriedades importantes sejam agrupadas, economizando memória e tempo de atualização; (ii) ser compreendido por pessoas que precisam supri-lo, embora para muitos programas a maior parte dos dados possa ser adquirida automaticamente; (iii) ser facilmente modificado para corrigir erros e para refletir mudanças no mundo e na sua visualização; (iv) ser utilizado em muitas situações, mesmo quando não totalmente preciso ou completo; (v) ser utilizado para superar seu próprio volume, ao ajudar a diminuir a faixa de possibilidades que devem ser consideradas [29].

Principais Áreas de Pesquisa da Inteligência Artificial

A IA há muito deixou de ser uma ciência de laboratório em pequena escala e transformou-se em um sucesso tecnológico e industrial [07]. A meta principal dela é a emulação de todo e qualquer comportamento humano que ainda não tenha sido automatizado, tendo como sua pesquisa básica a preocupação com as áreas de comportamento inteligente [17]. Atualmente, as principais pesquisas que estão sendo conduzidas na área de IA são: processamento de linguagem natural, robótica, redes neurais, algoritmos genéticos, reconhecimento de padrões, sistemas baseados em conhecimento, onde inclui-se os SE, aperfeiçoamento de interfaces, programação explanatória, além de uma diversidade de lógicas matemáticas, formas de representação e aquisição do conhecimento e tratamento de incertezas [09], [17],[20],[29],[30].






  1   2   3


©aneste.org 2017
enviar mensagem

    Página principal