Questões...
description
Transcript of Questões...
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