O documento discute os conceitos de inteligência artificial, aprendizado de máquina e sistemas de gestão do conhecimento. Apresenta definições dessas áreas e exemplos de aplicações comerciais como sistemas especialistas, lógica difusa e redes neurais. Também aborda técnicas como aprendizado por casos e diferentes abordagens para gestão do conhecimento nas organizações.
1. Prof. Dr. Mauricio Uriona Maldonado
Inteligência Artificial e
Data Science
Departamento de Engenharia de Produção e Sistemas
Gestão Estratégica da TI
6. Laudon e Laudon (2007)
Consiste em sistemas baseados
em computador (tanto hardware
quanto software) para simular o
comportamento e os padrões de
pensamento humano.
DEFINIÇÃO: IA
7. Substituir o ser humano por
máquinas (o conhecimento humano é
transferido por completo ao host
artificial)XConhecimento
Tácito
Conhecimento
Explícito
MISSÃO DA INTELIGÊNCIA ARTIFICIAL
8. § Conhecimento que reside dentro da empresa na
forma de documentos textuais estruturados;
§ É um conhecimento mais técnico, racional e
objetivo que pode ser disseminado a outras
pessoas ou transformado em um processo ou
estratégia sem precisar da interação interpessoal;
§ É também conhecido como ‘leaky knowledge’
devido à facilidade com que ele pode ser
transmitido depois de ter sido documentado.
CONHECIMENTO EXPLÍCITO
9. § Conhecimento não formal, ou seja, que não existe
de forma física ou digital, apenas na cabeça dos
funcionários;
§ Ou seja, está no domínio da aprendizagem
subjetiva e experiencial, e é altamente pessoal e
difícil de formalizar;
§ Em geral, envolve perícia ou altos níveis de
habilidade; o processo de disseminação – deste tipo
de conhecimento - é demorado e custoso;
§ Por ex: explicar como andar de bicicleta seria difícil de
documentar explicitamente;
§ É também chamado de ‘sticky knowledge’ porque é
difícil separá-lo da sua fonte.
CONHECIMENTO TÁCITO
10. § Sistemas Especialistas;
§ Lógica Difusa (Fuzzy);
§ Raciocínio baseado em casos;
➤ Redes Neurais;
➤ Algoritmos genéticos; e
➤ Agentes Inteligentes
TÉCNICAS
(➤) Machine Learning (aprendizado de máquina)
12. O que são ?
• Programas computacionais projetados
para modelar a habilidade de
especialistas humanos de resolver
problemas.
SISTEMAS ESPECIALISTAS
13. Arquitetura Básica
Memória de Curto Prazo
Conclusões e Fatos
Raciocínio
Memória de longo Prazo
Domínio do Problema Informações
Fatos
Conclusões
Base do Conhecimento
Memória de trabalho Máquina de Inferência
Interface
SISTEMAS ESPECIALISTAS
16. PROCESSO DE CONSTRUÇÃO
§ O processo de aquisição, modelagem e
representação do conhecimento que levam a
um sistema especialista foi denominado
Engenharia do Conhecimento ainda na
década de 60.
§ Ao profissional responsável pelo
desenvolvimento de sistemas especialistas
se utilizou a denominação de engenheiro do
conhecimento.
17. A Engenharia do Conhecimento evoluiu
de uma metodologia de desenvolvimento
de sistemas especialistas, sistemas
baseados em conhecimento e sistemas
intensivos em conhecimento (todos
atualmente considerados como sistemas
de conhecimento).
ENGENHARIA DO CONHECIMENTO
18. § Permite identificar oportunidades e gargalos na forma
como organização desenvolve, distribui e aplica recursos de
conhecimento, fornecendo assim, ferramentas para gestão
de conhecimento.
§ Providencia os métodos para obter uma ampla
compreensão das estruturas e processos utilizados por
usuários do conhecimento – mesmo onde muito do
conhecimento é tácito – levando a uma melhor integração
da tecnologia da informação no apoio ao trabalhador de
conhecimento.
§ Ajuda, como resultado, a construir melhores sistemas de
conhecimento: mais fáceis de usar, arquitetura melhor
estruturada e mais simples de manter.
BENEFÍCIOS DA E.C.
20. § Finanças (Análise de crédito e detecção de
fraudes)
§ Indústria (Manufatura)
§ Planejamento de Vôos
§ Administração
§ Serviço ao Consumidor (SAC)
§ Design
APLICAÇÕES COMERCIAIS
https://www.youtube.com/watch?v=wepVUq9dD7U
21. “Com o aumento da
complexidade de um sistema,
nossa habilidade de fazer
declarações precisas e
significativas sobre o seu
comportamento diminui até que
se chega a um limite, depois do
qual precisão e significância
tornam-se características quase
que mutuamente exclusivas”
Lotfi Zadeh
Pai da Lógica difusa
SISTEMAS DE LÓGICA DIFUSA
22. § Os seres humanos não pensam em termos
de regras IF-THEN e nem em termos de
números precisos;
§ Os seres humanos tendem a categorizar as
coisas de maneira imprecisa, usando regras
para tomar decisões que podem ter muitas
nuances de significado;
§ A Lógica Difusa é uma tecnologia baseada
em regras que representam tal imprecisão,
usando valores aproximados ou subjetivos.
SISTEMAS DE LÓGICA DIFUSA
23. O café está quente?
O dia está nublado?
A inflação está alta?
SISTEMAS DE LÓGICA DIFUSA
A velocidade está alta?
25. § A lógica difusa ofrece soluções para problemas
que exigem conhecimento técnico difícil de
representar na forma de IF-THEN;
§ Em vários países, o sistema de metrô utiliza
controles de lógica fuzzy para acelerar suavemente;
§ A lógica difusa permite mudanças incrementais
nas entradas para producir suaves alterações
nos resultados, em vez de alterações
descontínuas, o que torna útil em varios tipos
de aplicações;
§ P.ex.: Sistemas de ar condicionado
SISTEMAS DE LÓGICA DIFUSA
26. §Controle
§ Ar condicionado;
§ Máquinas de lavar;
§ Freios ABS;
§ Câmeras de vídeo;
§Administração
§ Avaliação de crédito;
§ Avaliação de risco;
§ Análise de mercado;
§ Planejamento e Controle da Produção
https://www.youtube.com/watch?v=rln_kZbYaWc
APLICAÇÕES COMERCIAIS
27. § Sistemas especialistas capturam
primordialmente o conhecimento de
especialistas individuais, mas com o passar
dos anos as organizações também adquirem
e desenvolvem perícia e conhecimento
coletivos;
§ No raciocinio baseado em casos, descrições
de experiênciais passadas feitas por
especialistas humanos, representadas como
casos, são armazenadas num banco de
dados para consulta posterior.
RACIOCÍNIO BASEADO EM CASOS
28. § Tem como base o Raciocínio Analógico ou
Experimental, ou seja, parte do princípio que
as pessoas resolvem problemas com base no
que já fizeram no passado;
§ Excelente em problemas em que evidências
precedentes definem a melhor estratégia, tais
como análise de jurisprudências, princípios
contábeis, atendimento ao usuário e
aprendizagem baseada em casos anteriores.
RACIOCÍNIO BASEADO EM CASOS
30. § Base de casos. Onde estão os casos passados.
§ Biblioteca de índices, que permite a busca eficiente e
rápida de casos anteriores mais apropriados ou
similares ao problema em análise.
§ Métrica de Similaridade, utilizada para avaliar o grau
de semelhança entre casos passados recuperados na
biblioteca de índices.
§ Módulo de adaptação, que cria uma solução para o
problema atual, modificando a solução anterior
(adaptação estrutural) ou criando uma nova solução por
processo idêntifico ao passado (adaptação derivativa)
§ Aprendizagem. Quando a solução é inédita, pode ser
acrescida à base.
COMPONENTES
31. § Suporte a clientes (SAC);
§ Controle de qualidade;
§ Área jurídica;
§ Banco de Dados corporativos;
§ Sistemas de diagnóstico médico;
§ Planejamento e Design
APLICAÇÕES COMERCIAIS
37. MACHINE LEARNING
“Machine Learning gives computers
the ability to learn without being
explicitly programmed”
Arthur Samuel (1959)
Machine Learning (ou aprendizado de máquina) é quando
o computador adapta seu algoritmo, dependendo dos
dados ou dos resultados.
38. Definição
§ Tratam-se de sistemas projetados para modelar
a forma pela qual o cérebro realiza uma tarefa
ou função particular. A rede é geralmente
implementada com componentes eletrônicos ou
simulada em programas digitais.
Haykin (1994)
REDES NEURAIS
39. § As redes neurais são usadas para resolver
problemas complexos e não totalmente
compreendidos, para os quais existem
grandes quantidades de dados já coletados;
§ Elas “aprendem” padrões a partir de grandes
quantidades de dados;
§ Uma rede neural apresenta grande número
de nós (sensores e processadores) que
interagem continuamente.
REDES NEURAIS
40. Uma rede neural utiliza regras “aprendidas” a partir de padres em dados
para construir uma cada oculta de lógica. A camada oculta então processa
as entradas, clasificando-as com base na experiencia do modelo. Neste
exemplo, a rede neural foi treinada para distinguir entre compras com
cartão de crédito falsas e legítimas.
EXEMPLO: VISA
Camada oculta
41. § Enquanto os sistemas especialistas fornecem
explicações para as suas soluções, as redes
neurais nem sempre podem explicar por que
chegaram a uma solução em particular;
§ Além disso, nem sempre podem garantir uma
solução completamente certa, nem chegar
novamente à mesma solução;
§ São muito sensíveis aos dados e podem não
funcionar bem se seu treinamento cobrir uma
quantidade de dados muito pequena.
REDES NEURAIS
42. § Finanças
§ Controle
§ Reconhecimento de Padrões
§ Robótica
§ Controle de Qualidade
§ Reconhecimento de Caracteres
§ Reconhecimento de Voz
APLICAÇÕES COMERCIAIS
44. GESTÃO DO CONHECIMENTO
§ Além da inteligência artificial, a inteligência
humana também deve ser gerenciada na
empresa;
§ O objetivo da gestão do conhecimento é
justamente esse: o de gerenciar a inteligência
humana;
§ No entanto, a gestão do conhecimento pode
ser implementada com e sem tecnologias de
informação.
45. Conjunto de processos desenvolvidos em uma
organização para criar, armazenar,
transferir e aplicar o conhecimento para atingir
os objetivos da organização
Laudon e Laudon (2007)
GESTÃO DO CONHECIMENTO
46. § A abordagem baseada na prática supõe que boa
parte do conhecimento dentro da empresa é tácito
e que mecanismos formais de controle não são
suficientes;
§ O foco portanto é construir ambientes sociais ou
comunidades de prática necessários para facilitar o
compartilhamento de conhecimentos;
§ Este tipo de abordagem é geralmente utilizado por
organizações que utilizam intensivamente o
conhecimento em seus produtos e serviços:
§ Ex: Empresas de consultoria, onde o conhecimento é
compartilhado por meio do contato interpessoal.
GC BASEADA NA PRÁTICA
47. § A abordagem baseada em processos tentam codificar o
conhecimento por meio de controles, processos e
tecnologias;
§ As organizações que seguem esta abordagem
implementam políticas que regulamentam como o
conhecimento deve ser coletado, disseminado e
armazenado por toda a organização;
§ Frequentemente utilizam a TI para aprimorar a
velocidade de criação e disseminação do
conhecimento:
§ Ex: intranets, data warehouses, repositórios de conhecimento,
sistemas de apoio à decisão e groupware.
§ Para isto, são utilizados sistemas de gestão do
conhecimento.
GC BASEADA EM PROCESSOS
48. § Sistemas de conhecimento estruturado;
§ Sistemas de conhecimento semi-estruturado;
§ Sistemas de rede de conhecimento.
SISTEMAS DE GESTÃO DO CONHECIMENTO
49. § Projetados para facilitar a busca de conhecimento
explícito dentro da organização;
§ Utilizam etiquetas (labels ou tags) para facilitar a
busca nos bancos de dados corporativos em que os
documentos estão armazenados;
§ Podem ser recuperados todo tipo de documentos:
relatórios, apresentações, artigos, lições aprendidas,
pesquisas, notícias, casos de clientes, etc.;
§ Ex: o Kworld da KPMG
SC ESTRUTURADO
50. § Conhecimento semi-estruturado é todo tipo de
conhecimento que não consta de um documento
formal;
§ Um 80% do conteúdo digital das empresas é não-
estruturado;
§ Ou seja: e-mails, apresentações em slides; mensagens, e
até mesmo vídeos em diferentes formatos e armazenados
em diferentes locais;
§ Empresas como a Humminbird oferecem software
de gestão de e-mail, que automaticamente
categorizam as mensagens enviadas e recebidas
com base nas regras solicitadas pelo cliente.
SC SEMI-ESTRUTURADO
51. § São utilizados quando o conhecimento requerido não se
encontra de forma explícita em documentos (estruturados) ou
em outro tipos de arquivos digitais (semi-estruturados);
§ Este tipo de sistemas serve para ‘localizar’ especialistas
humanos dentro da organização, ou seja, proporcionam uma
lista de pessoas, especialistas em domínios de conhecimento
bem definidos;
§ As respostas (ou soluções) encontradas, são logo
armazenadas em forma de perguntas mais frequentes (faqs);
§ Exemplo: o AskMe permite às empresas desenvolver um
banco de dados com o know-how e os conhecimentos
especializados dos funcionários, documentos, melhores
práticas, FAQs e depois disponibilizar essas informações para
a empresa inteira.
Sistemas de localização de especialistas
SISTEMAS DE REDE DE CONHECIMENTO
54. § Explicitamente, os SGC não envolvem a execução
de modelos para resolver problemas;
§ Mas como um SGC fornece ajuda à solução de
problemas aplicando conhecimento, parte da solução
poderia envolver a execução de modelos;
§ Por exemplo, a partir de modelos de análise de
sensibilidade ‘what-if’, o gestor poderia fazer
perguntas ao modelo, e com isso ganhar
conhecimento sobre o funcionamento e inter-relação
das variáveis sendo analisadas:
§ Sensibilidade da demanda em relação ao preço
(elasticidade de preços) e com isso, estruturar uma melhor
estratégia de produção-vendas.
INTEGRAÇÃO COM SAD
55. § Os SGC não são estritamente falando sistemas de
inteligência artificial, porém, podem ser integrados
em alguns casos;
§ P.ex. Se o conhecimento armazenado em sum SGC
deve ser representado e utilizado como uma
sequencia de regras (if-then-else), um sistema
especialista, então, se torna parte do SGC.
INTEGRAÇÃO COM INTELIGÊNCIA ARTIFICIAL
56. § Os SGC podem ajudar a estruturar os serviços de
help-desk (serviços de atendimento ao cliente);
§ De forma indireta, um módulo de registro de
atendimentos oferece uma base de conhecimento –
e de soluções previamente testadas – que pode ser
entendida como parte das iniciativas de GC dentro
da empresa;
§ O registro de atendimentos é reutilizado por atendentes e
técnicos de suporte que procuram por soluções já
identificadas por outros atendentes.
INTEGRAÇÃO COM CRM
57. § Os SGC podem ajudar a otimizar a cadeia de
suprimentos e gerenciá-la adequadamente;
§ Há muitas questões e problemas na cadeia de
suprimentos que exigem que a empresa combine
tanto conhecimento tácito como explícito;
§ P.ex. Conhecimento sobre a flutuação da demanda, bem
como da variabilidade nos prazos de entrega de matérias
primas e insumos pode ajudar a estabilizar a cadeia de
suprimentos e reduzir o “efeito chicote”.
INTEGRAÇÃO COM SCM
59. Prof. Dr. Mauricio Uriona Maldonado
Departamento de Engenharia de Produção e Sistemas
Gestão Estratégica da TI
Inteligência Artificial e
Data Science