You are on page 1of 20

Raciocnio e Conhecimento

Prof. Hendrik Macedo

Formao em Inteligncia Artificial no PROCC


COMPU0043 APRENDIZADO DE MQUINA 60h
COMPU0045 BUSCA E OTIMIZAO 60h
COMPU0047 RACIOCNIO E CONHECIMENTO 60h
COMPU0026 VISO COMPUTACIONAL 60h
COMPU0054, 55, 56, 57, 58 TPICOS AVANADOS EM COMPUTAO INTELIGENTE I, II, III, IV, V 60h
SISTEMAS MULTIAGENTES
PROCESSAMENTO DE LINGUAGEM NATURAL

"Lusa viu a bolsa atrs da porta e a pegou

Conclumos que a sacola foi pega e no a porta. Por que?

Raciocinamos inconscientemente a partir de nosso conhecimento


prvio.

(intelligent behaviour)

Comportamento Inteligente
claramente condicionado pelo conhecimento: tomamos

decises sobre o que fazer baseado no que conhecemos (ou


acreditamos) sobre o mundo, sem esforo e inconscientemente

(artificial intelligence)

Inteligncia Artificial (IA)


estudo do comportamento inteligente obtido atravs de meios
computacionais

Conhecimento e Raciocnio
parte da IA que trata de como um agente usa o que sabe para decidir o

que fazer. o estudo do pensamento como um processo

computacional

(knowledge)

Conhecimento
[entidade abstrata: V ou F]

uma relao entre um agente conhecedor e uma proposio

Lusa sabe que Abraham Lincoln foi assassinado.


Lusa acredita que Abraham Lincoln foi assassinado.
[nveis de crena]
(belief)

(knowledge representation)

Representao do conhecimento
um campo de estudo que trata de utilizar

smbolos formais para representar

uma coleo de proposies em que algum agente cr.


Deve utilizar um grupo de caracteres pertencente a um alfabeto bem definido: os smbolos
9 e VII representam o valor aritmtico 9

Mais fcil lidar com smbolos do que com o que eles representam (seus
significados): amor, esperana, tristeza, etc. possuem diferentes significados e
interpretaes

(Reasoning)

Raciocnio
a manipulao formal dos smbolos que representam uma coleo
de crenas (proposies) com o intuito de produzir representaes para

novas proposies
Crenas iniciais: Lusa ama Joo e Joo est vindo para a festa
Aps manipulao: Algum que Lusa ama est vindo para a festa.
Esta forma de manipulao: inferncia lgica

(logical inference)

(Knowledge-based systems)

Sistemas Baseado em Conhecimento (SBC)


sistemas cujas habilidades derivam em parte do raciocnio sobre conhecimento

explicitamente representado.
vs.

Metodologia Conexionista, que advoga a favor da imitao artificial do crebro


humano como forma de armazenar conhecimento e raciocinar
Quais crenas um SBC deve exibir? todas e apenas aquelas explicitamente representadas ou
que podem ser computadas via raciocnio

Agente baseado em conhecimento

Linguagens de representao do conhecimento


Lgica de Primeira Ordem,
Redes de Crena Bayesiana,
Lgica Nebulosa
Conhecimento preciso vs. incerto vs. vago

(First Order Logic)

Lgica de Primeira Ordem


opera sobre conhecimento preciso

crenas do mundo e regras


Como representar o conhecimento de uma rvore genealgica familiar?

(First Order Logic)

Lgica de Primeira Ordem


fem(cris).
masc(chico).

progenitor(chico,bruno).

irmao(X,Y):- progenitor(Z,X), progenitor(Z,Y), X\=Y.


mae(X,Y):- fem(X), progenitor(X,Y).
pai(X,Y):- masc(X), progenitor(X,Y).

progenitor(chico,breno).
progenitor(rosa,bruno).

avoh_mat(X,Y) :- fem(X), progenitor(X,Z), mae(Z,Y).

progenitor(cris,thamires).
progenitor(ana,adriano).

tio(X,Y):- masc(X), irmao(X,Z), progenitor(Z,Y).

(Bayesian Belief Networks)

Redes de Crena Bayesiana


Probabilidade subjetiva
a priori: conhecimento de background P( )
Se sabemos que .2% da populao tem hepatite, acreditamos que a chance de
um indivduo escolhido aleatoriamente ter hepatite .002. This

a posteriori: derivada a partir de nova evidncia Pr(| )


Se soubermos que o indivduo est com ictercia, poderemos concluir que agora
sua probabilidade de ter hepatite de .65

(Fuzzy)

Lgica Nebulosa
Raciocnio aproximado qualitativo que lida com proposies vagas
predicados fuzzy: pequeno, grande, jovem, ...
quantificadores fuzzy: a maioria, vrios, freqentemente, poucos, ...
probabilidade fuzzy: possvel, bem possvel, quase possvel, ...
valores verdade fuzzy: muito verdadeiro, pouco verdadeiro, ...
modificadores de predicados: muito, ligeiramente, etc.

Sugesto de leitura
Livro-texto: cap 1 e cap 13

A disciplina
Livro-texto: Brachman, Ronald, and Hector Levesque. Knowledge representation and reasoning. Elsevier,
2004. Disponvel

aqui (gratuito via portal CAPES)

N1 = Avaliao continuada: 5 tarefas in loco (5 x 20%) em duplas variadas, dentro de 2h, com consulta
N2 = Projeto de P&D: artigo cientfico no ShareLatex (70%) + software com video e documentao de
registro (30%)

Nota final = (N1 + 2*N2) / 3


Domnios dos projetos: moradia, transporte, sade e segurana, no contexto de Cidades
Inteligentes

Programao de aulas
1. Apresentao
2. Representao precisa do conhecimento e raciocnio com Lgica de 1a ordem (FOL).
3. Tarefa
4. Representao precisa do conhecimento e raciocnio com representao em O.O. (OOR)
5. Tarefa
6. Ontologias.
7. Tarefa
8. Representao vaga do conhecimento e raciocnio com Lgica Nebulosa (Fuzzy)
9. Tarefa
10. Representao incerta do conhecimento e raciocnio probabilstico com Redes de Crena Bayesianas (BBN)
11. Tarefa
12. Acompanhamento e orientao sobre os projetos
13. Acompanhamento e orientao sobre os projetos
14. Defesas (marcar horrios ao longo da semana)
15. Encerramento.