Sistema inteligente
Sistema inteligente , para computador programa que usa métodos de inteligência artificial para resolver problemas dentro de um domínio especializado que normalmente requer conhecimento humano. O primeiro sistema especialista foi desenvolvido em 1965 por Edward Feigenbaum e Joshua Lederberg da Universidade de Stanford na Califórnia, EUA. Dendral, como seu sistema especialista ficou conhecido mais tarde, foi projetado para analisar compostos químicos. Os sistemas especialistas agora têm aplicações comerciais em campos como diverso como médico diagnóstico , engenharia de petróleo e investimentos financeiros.
Para realizar proezas de inteligência aparente, um sistema especialista conta com dois componentes: uma base de conhecimento e um mecanismo de inferência. Uma base de conhecimento é uma coleção organizada de fatos sobre o domínio do sistema. A inferência engine interpreta e avalia os fatos na base de conhecimento para fornecer uma resposta. As tarefas típicas para sistemas especialistas envolvem classificação, diagnóstico, monitoramento, projeto, programação e planejamento para empreendimentos especializados.
Os fatos para uma base de conhecimento devem ser adquiridos de especialistas humanos por meio de entrevistas e observações. Esse conhecimento é então geralmente representado na forma de regras se-então (regras de produção): Se alguma condição for verdadeira, a seguinte inferência pode ser feita (ou alguma ação executada). A base de conhecimento de um grande sistema especialista inclui milhares de regras. Um fator de probabilidade é freqüentemente associado à conclusão de cada regra de produção e à recomendação final, porque a conclusão não é uma certeza. Por exemplo, um sistema para o diagnóstico de doenças oculares pode indicar, com base nas informações fornecidas a ele, uma probabilidade de 90 por cento de que uma pessoa tenha glaucoma, e também pode listar conclusões com probabilidades mais baixas. Um sistema especialista pode exibir a sequência de regras pelas quais chegou à sua conclusão; rastrear esse fluxo ajuda o usuário a avaliar a credibilidade de sua recomendação e é útil como ferramenta de aprendizado para os alunos.
Especialistas humanos freqüentemente empregam heurística regras, ou regras empíricas, além de regras de produção simples, como aquelas compiladas em manuais de engenharia. Assim, um gerente de crédito pode saber que um candidato com um histórico de crédito ruim, mas um histórico limpo desde a aquisição de um novo emprego, pode na verdade ser um bom risco de crédito. Os sistemas especialistas incorporaram essas regras heurísticas e cada vez mais têm a capacidade de aprender com a experiência. Os sistemas especialistas continuam a ser ajudas, em vez de substituições, de especialistas humanos.
Compartilhar:
