1

DI - UFPE

Questões...

Só é possível chegar-se a conclusões gerais a partir da observação de muitos fatos?

Aprendizagem é estatística?

2

DI - UFPE

Alguns exemplos do dia a dia...

Um turista chegando ao Brasil pela primeira vez

• encontra com um tal de Fernando e percebe que ele fala português...

• Conclui que todos brasileiros falam português• mas não conclui que todos se chamam Fernando...• Porque?

Um físico estudando um pedaço de cobre• mede densidade, condutividade e massa• conclui que os valores obtidos para densidade,

condutividade valem para todos pedaços de cobre mas não os valores de massa...

• Porque?

3

DI - UFPE

Alguns exemplos do dia a dia...

Aluno de medicina observando seu professor• receitando o antibiótico X para um paciente depois de

ter observados alguns sintomas• conclui que tal antibiótico é adequado para a categoria

de infecção Y (ligadas aos sintomas apresentados)• porque?

Homens das cavernas observando pela primeira vez um colega

• usando uma vara para espetar e assar a comida sobre a fogueira

• concluem que é uma boa idéia assar sem queimar as mãos

• porque?

4

DI - UFPE

Resposta...

É possível aprender! • porque existe conhecimento a priori (background

knowledge)• Usa-se o que se sabe para aprender mais e melhor!

North Whitehead• “civilization advances by extending the number of

important operations that we can do without thinking about them”

Idéia: aprendizagem com conhecimento a priori• o agente aprende paulatinamente, usando o que já sabe,

i.e. seu conhecimento a priori• Aprendizagem fica mais rápida pois o conhecimento

pode ser usado para reduzir a busca no espaço de hipótese

5

DI - UFPE

ObservaçõesAprendizagem

indutivaHipótese Predições

Esquema clássico: indução pura

Conhecimento à priori (BK)

Novo esquema: indução com conhecimento

Aprendizagem com conhecimento a priori

3 esquemas de aprendizagem • Aprendizagem Baseada em explicação (EBL)• Aprendizagem Baseada em Relevância (RBL)• Aprendizagem Indutiva Baseada em Conhecimento

(KBIL)

6

DI - UFPE

3 esquemas de aprendizagem

1) Aprendizagem Baseada em Explicação (EBL)• ex. homem das cavernas explica a razão do sucesso

=> Regra: qualquer coisa longa, fina, rígida pode ajudar a assar carnes sobre o fogo

• o conhecimento serve para explicar a hipótese, que explica as observações,

• não se aprende nada de novo pois o exemplo já podia ser derivado mas iria custar caro pois os homens não tinham consciência disto

• resumo: EBL converte teorias primárias em conhecimento útil especializado

7

DI - UFPE

3 esquemas de aprendizagem

2) Aprendizagem Baseada em Relevância (RBL)• ex. O turista sabe que os habitantes de uma país

falam a mesma língua, mas podem ter nomes distintos• idem para o físico• o conhecimento serve para determinar a relevância

dos atributos da descrição• é dedutivo: não cria nada de novo se partir do zero

3) Aprendizagem Indutiva Baseada em Conhecimento (KBIL)

• ex. aluno de medicina infere tipo de doença e que tal remédio é adequado ao seu tratamento.

• BK e exemplos se juntam para explicar a classificação• usada em programação lógica indutiva

8

DI - UFPE

Explanation-Based Learning

Método para extrair novas regras a partir de observações únicas

Baseia-se em “memoization”• técnica de aceleração de programas por acumulação de

pares entrada/saída em um banco de dados (cache)• antes de calcular a função, checa-se o banco de dados

Ex. derivada• Ask (Derivate(X2,X)=d, BC)• pode ser preciso 136 passos de prova para obter-se

d=2X, em Prolog• seria mais rápido acrescentando-se a regra

ArithmeticUnknown(u) Derivative( u2,u) = 2u

9

DI - UFPE

EBL

EBL vai além de “memoization” pois, em vez de só decorar, generaliza

1) constrói uma explicação (árvore de prova) para a observação usando o conhecimento a priori

2) estabelece uma definição para a classe de casos para os quais tal explicação pode ser usada (generaliza a árvore de prova)

A construção da explicação • pode ser uma prova lógica ou qualquer processo de

resolução de problemas• o importante é identificar quais são as condições nas

quais estes passos podem ser reaplicados

10

DI - UFPE

Exemplo

Regras da base de conhecimento• Mata(x,x) Suicida(x)• Depressivo(x) Detesta(x,x)• Compra(x,y) Possui(x,y)• Detesta(x,y) Possui (x,z) Arma(z) Mata (x,y)• Punhal(x) Arma(x)• Pistola(x) Arma(x)

Fatos da base de conhecimento• Suicida(João)• CorDosOlhos(João, Azuis)• Compra(João,Objeto)• Pistola(Objeto)• Depressivo(João)• Louro(João)

11

DI - UFPE

Árvore de prova

Suicida(João)

Mata(João,João)

R1

Pistola(Objeto)

R6

Depressivo(João)

R2

Note que olhos azuis e outras coisas não foram consideradas

Detesta(João,João) Possui(João,Objeto) Arma(Objeto)

R4

Compra(João,Objeto)

R3

12

DI - UFPE

E agora?

Ainda restam muitas particularidades. É preciso generalizar!

EBL constrói uma segunda árvore de prova “variabilizando” a consulta

• constantes substituídas por variáveis• usa a mesma seqüência de regras

Uma vez esta árvore pronta, • toma-se apenas as folhas com eventuais substituições e

forma-se uma nova regra

13

DI - UFPE

Suicida(x)

Mata(x,x)

R1

Pistola(y)

R6

Depressivo(x)

R2

Detesta(x,x) Possui(x,y) Arma(y)

R4

Compra(x,y)

R3

Generalizando...

Regra final• Depressivo(x) Compra (x,y) Pistola(y) Suicida (x)

14

DI - UFPE

Problemas

Na prática, é um aprendizado pouco usado... • pois a partir de um certo ponto, acrescentar novos

“atalhos” diminui a eficiência do sistema• e é justamente isto que se queria melhorar...

Mas é importante conceitualmente