Representação de Conhecimento

Representação de Conhecimento

1. Programas de computador são baseados em modelos abstratos do mundo.

   • A representação que o computador manipula a fim de alcançar as soluções representa um modelo mental de um certo domínio ou modelo do mundo.
     • Modelo do mundo é uma abstração que captura as suas aparências relevantes acerca de um determinado problema ou tarefa.
       • Representação do modelo ou domínio do mundo é um conjunto de regras e afirmações que expressam o modelo usando uma linguagem.

2. Paradigmas

   • A manifestação inteligente pressupõe aquisição, armazenamento e inferência de conhecimento. Para que o conhecimento possa ser armazenado é essencial que se possa representá-lo.
     • A linguagem associada ao método escolhido deve ser suficientemente expressiva para permitir a representação do conhecimento a respeito do domínio escolhido de maneira completa e eficiente.
       • Problemas de eficiência, facilidade de uso e a necessidade de expressar conhecimento incerto e incompleto levaram ao desenvolvimento de diversos tipos de paradigmas (ou técnicas de representação).

3. Procedimental e Distribuído

   • Conhecimento procedimental:
     • O conhecimento é representado em forma de funções/procedimentos. Estabelece como fazer algo, métodos de questionamento; critérios para utilização de habilidades, algoritmos, técnicas e métodos.
     • Processamento paralelo distribuído:
       • Utiliza-se de modelos conexionistas. Consiste em dividir uma tarefa em partes independentes e na execução de cada uma destas partes em diferentes processadores.

4. Lógica

   • Lógica proposicional: é considerada a forma mais comum da lógica. Usam-se proposições e relações lógicas entre proposições. As proposições podem ser verdadeiras ou falsas.
     • Lógica de predicados: é considerada como uma extensão da lógica proposicional. Na lógica de predicados os elementos fundamentais são, além do objeto, também os seus predicados.
   • Lógica fuzzy:
     • É uma forma de lógica multivalorada, na qual os valores das variáveis podem ser qualquer número real entre 0 (correspondente ao valor falso) e 1 (correspondente ao valor verdadeiro). Serve para lidar com o conceito de verdade parcial.

5. Redes

   • Conhecimento é representado por um grafo direcionado cujos nós representam conceitos e entidades, enquanto os arcos representam a relação entre entidades e conceitos.
   • Redes Semânticas
     • São primitivas de representação.
       • É a forma de representação mais adequada para domínios onde problemas podem ser descritos como taxonomies (ciência que busca descrever, identificar e classificar), classificações complexas.
         • São representadas como um conjunto de nós que são ligados por meio de arcos, onde cada nodo representa um objeto, uma entidade conceitual ou um evento e cada arco representa o relacionamento existente entre cada par de nós, sendo que cada par de nós representa um determinado fato.
           • As redes semânticas foram originalmente projetadas como um meio de representar os significados de palavras de língua inglesa. Inspirou-se no modelo psicológico da memória humana associativa.
             • Os nodos podem também ser utilizados para representar predicados, classes, palavras de uma linguagem, entre outras possíveis interpretações, dependendo do sistema de redes semânticas em questão.

6. Frames

   • Representação do conhecimento baseada em estruturas, que categorizam o conhecimento em objeto, atributo e valor.
     • Frames são muito parecidos com as redes semânticas, exceto que cada nó representa conceitos e/ou situações.
       • Cada nó tem várias propriedades que podem ser especificadas ou herdadas por padrão.
         • Está na origem das idéias que levaram às linguagens de programação orientadas a objetos.
           • Um frame consiste em um conjunto de atributos que, através de seus valores, descrevem as características do objeto representado por eles.
             • Os valores atribuídos a estes atributos podem ser outros frames, criando-se uma rede de dependências entre eles.
               • São também organizados em uma hierarquia de especialização, criando uma outra dimensão de dependência entre si.
                 • Os atributos também apresentam propriedades, que dizem respeito ao tipo de valores e às restrições de número que podem ser associados a cada atributo.

7. Árvores de Decisão

   • Conceitos são organizados em forma de árvores.
     • É um dos modelos mais práticos e mais usados em inferência indutiva. Estas árvores são treinadas de acordo com um conjunto de treino (exemplos previamente classificados). Posteriormente, outros exemplos são classificados de acordo com essa mesma árvore.
       • As árvores de decisão classificam instâncias partindo da raiz da árvore para algum nodo folha que fornece a classe da instância.
         • Cada nodo da árvore especifica o teste de algum atributo da instância
           • Cada arco alternativo que desce do nodo corresponde a um dos possíveis valores deste atributo.
             • Uma instância é classificada começando no nodo raiz da árvore, testa o atributo relacionado a este nodo, segue o arco que corresponde ao valor do atributo na instância em questão. Este processo é repetido então para a sub-árvore abaixo até chegar a um nodo folha.
   • Regras
     • Regras de Produção: Consiste em representar o domínio do conhecimento através de um conjunto de regras.
       • Suas principais características são: modularidade, facilidade de implantação e também a grande quantidade de pacotes desta técnica existentes para o desenvolvimento de Sistemas Especialistas (SE).