1

Sistemas Especialistas

2

Sumário

• Conceito

• Vantagens

• Aplicações

• Componentes

• Exemplos de Bases de Dados

3

Conceito

• Sistemas especialistas são programas

destinados a solucionar problemas em

campos específicos de conhecimento. Estes

programas devem ter desempenho

comparável ao dos especialistas humanos na

execução dessas tarefas.

4

Vantagens

Os Sistemas especialistas apresentam, emrelação aos especialistas humanos asseguintes vantagens :

• Disponibilidade a qualquer tempo;

• Ausência de fadiga;

• Ausência de incompatibilidades pessoais;

• Tecnologia portável a outros ramos doconhecimento.

5

Aplicações

1) Sistemas de diagnóstico

Exemplo : MYCIN para diagnóstico de doenças

bacteriológicas, desenvolvido em Stanford nos anos 70.

2) Sistemas de planejamento

Exemplos :

• XCON para configuração de hardware, desenvolvido na

Carnegie Mellon University e utilizado pela DEC.

• STRIPS para movimentação de robôs, desenvolvido em

Stanford.

6

Aplicações (cont.)

3) Sistemas de previsão

Exemplo : PROSPECTOR para estudo de geologia

4) Sistemas de controle

Exemplos :

• ACE para vigilância de sistemas telefônicos.

• PICON para alarmes em centrais nucleares.

7

Aplicações (cont.)

5) Sistemas de Instrução

6) Sistemas de Interpretação

8

Componentes

São componentes essenciais de um Sistema

Especialista :

• Base de conhecimentos composta de fatos e

regras;

• Mecanismo de inferência;

• Interface com o usuário.

9

Componentes (cont.)

As bases de conhecimentos compreendem

coleções de :

• Objetos, que são as conclusões a que o

Sistema deve chegar;

• Atributos, que são propriedades que servem

para caracterizar os objetos.

10

Componentes (cont.)

Os mecanismos de inferência podem ser de dois tipos :

1. Encadeamento para diante. Neste tipo selecionam-se

atributos até obter uma combinação deles que caracterize

um objeto;

2. Encadeamento para traz. Neste tipo seleciona-se um

objeto, como sendo a hipótese de estudo, e busca-se

determinar a viabilidade da aceitação dessa hipótese pela

ocorrência ou não dos atributos adequados. Caso a

hipótese falhe seleciona-se outra hipótese e prossegue-se

com as tentativas.

11

Exemplos de base de dados

• Serão apresentados dois exemplos de basesde dados que podem ser utilizadas emqualquer “shell” de Sistemas Especialistas

• O primeiro deles é encontrado no livro deSchildt (Inteligência Artificial usando aLinguagem C)

• O segundo deles foi desenvolvido na UFFhá mais de dez anos

12

Primeiro exemplo de base de dados

• Os objetos do sistema especialista são

doenças e os atributos desses objetos

(doenças) são seus respectivos sintomas

• A resposta do sistema é o diagnóstico da

doença a partir dos sintomas

13

Primeiro exemplo de base de dados

(cont.)

As doenças são:

• meningite

• dengue

• malária

• pneumonia

• tuberculose

• esclerose múltipla

• mal de Parkinson

• butolismo

14

Primeiro exemplo de base de dados

(cont.)Os sintomas são:

• dor de cabeça forte

• vomito

• febre

• dor no corpo

• diarréia

• delírio

• dificuldade de

respirar

• tosse intensa

• cor do corpo amarelada

• perda progressiva da

motricidade

• tremedeira

• inflamação na parte

interna da boca

• perda temporária da

visão

15

Primeiro exemplo de base de dados

(cont.)

• Considere-se

diag( ) - diagnostico

sint - sintoma

S - é uma lista contendo os sintomas de determinadadoença tal que na clausula diag, enquadra-se ocorpo que possui os predicados sint.

Os argumentos são comparados com os elementosda lista que se supõe sejam iguais aos do átomo detal predicado.

16

Primeiro exemplo de base de dados

(cont.)• As regras para determinar os diagnósticos são:

• diag(S,meningite) :- sint(S,dor_de_cabeça_forte), sint(S,vomito), sint(S,febre).

• diag(S,dengue) :- sint(S,dor_de_cabeça_forte), sint(S,vomito), sint(S,febre), sint(S,diarréia) , sint(S,dor_no_corpo).

• diag(S,malaria) :- sint(S,dor_de_cabeça_forte), sint(S,delírio), sint(S,febre).

• diag(S,pneumonia) :- sint(S,febre), sint(S,dificuldade_de_respirar) , sint(S,dor_no_corpo).

• diag(S,tuberculose) :- sint(S,tosse_intensa).

• diag(S,hepatite) :- sint(S,dor_de_cabeça_forte), sint(S,cor_do_corpo_amarelada), sint(S,vomito).

• diag(S,esclerose_múltipla) :- sint(S,progressiva_perda_da_motricidade), sint(S,delírio) .

• diag(S,mal_de_parkson) :- sint(S,tremedeira).

• diag(S,botulismo) :- sint(S,tosse_intensa), sint(S,inflamação_na_parte_interna_da_boca), sint(S,perda_temporária_da_visão).

17

Sistema ESIE

• O Sistema ESIE é um sistema especialista

elementar desenvolvido por alunos da

Disciplina Inteligência Artificial da UFF

em linguagem Pascal.

18

ESIE - Introdução

INSTRUÇÕES PARA

DESENVOLVIMENTO DA BASE DE

CONHECIMENTOS

19

ESIE - Introdução

• Para criar uma base de conhecimentos para

o shell uff deve-se seguir os seguintes sete

passos:

20

ESIE – Passos para a criação da base de conhecimentos

1. definir o texto introdutório através de:introtext is " texto " . este textointrodutório deve dizer a área de atuação dosistema, e dar instruções ao usuário.

2. definir a meta através de : goal is (nome deuma variável). esta variável será usada nasregras para receber o diagnóstico.

exemplo: goal is diag

21

ESIE – Passos para a criação da base de conhecimentos

3. definir as respostas válidas através de:legalanswers are aqui se define quais sãoas respostas válidas (terminar com *).

exemplo: legalanswers are sim não *

4. definir todas as perguntas através de:question (nome) is

exemplo: question p1 is

"o paciente apresenta tosse?"

22

ESIE – Passos para a criação da base de conhecimentos

5. gerar regras combinando as respostas das perguntas.

a sintaxe é: if ....

and ....

and ....

then ....

exemplo:

if p1 is sim

and p2 is sim

then diag is pneumonia

23

ESIE – Passos para a criação da base de conhecimentos

6. definir qual deve ser a resposta do sistema através

de: answer is

exemplo: answer is "o paciente deve ter ", diag

7. definir um texto de terminação com : termtext is.

aqui entra-se com recomendações para o usuário,

telefones para contato e demais instruções que

possam ser úteis.

24

ESIE - Exemplo

• A seguir apresenta-se uma base de

conhecimentos que poderá ser executada.

nome do arquivo : base1.esie

25

ESIE – Texto de abertura, definição de alvo e

respostas admissíveis

introtext is "

• este sistema tem por objetivo determinar a etiologia da amenorréia.

• responda sim ou não as questões que se seguem

• para interromper o questionário, digite * "

goal is epa

legalanswers are sim não *

26

ESIE – Diálogo com o usuário

question wp is

"ocorreu alguma resposta a indução progestacional ?"

question tsh is

"a paciente apresenta tsh elevado ?"

question pro is

"a paciente apresenta nível de prolactina >100 ?"

27

ESIE – Diálogo com o usuário (cont.)

question est.pro is

"a suspensão de um ciclo estrogenio-

progesterona causa sangramento ?"

question fsh.lh is

"os níveis de fsh e lh estão elevados ?"

28

ESIE – Regras

if wp is sim

and tsh is sim

then epa is hipotiroidismo

if wp is não

and tsh is sim

then epa is hipotiroidismo

29

ESIE – Regras (cont.)

if wp is não

and tsh is não

and pro is sim

then epa is indefinida.pedir.tomografia

if wp is sim

and tsh is não

and pro is sim

then epa is idefinida.pedir.tomografia

30

ESIE – Regras (cont.)

if wp is sim

and tsh is não

and pro is não

then epa is anovulacao

if wp is não

and tsh is não

and pro is não

and est.pro is não

then epa is insuficiencia.ovariana

31

ESIE – Regras (cont.)

if wp is não

and tsh is não

and pro is não

and est.pro is sim

and fsh.lh is sim

then epa is insuficiencia.ovariana

if wp is não

and tsh is não

and pro is não

and est.pro is sim

and fsh.lh is não

then epa is disfuncao.hipotalamo.hipofisiaria

32

ESIE – Diagnóstico e texto de encerramento

answer is "com base nas respostas acima, posso inferir que a

etiologia da amenorréia é: epa

termtext is "

a conduta a ser adotada para correção da amenorréia

dependerá' da etiologia levantada e de outras condições da

paciente. confira estes resultados com sua experiência

clinica.