Como um computador pode resolver integrais de cálculo?

• O Problema: Integrais não são resolvidas por força bruta, mas por transformações.
• A Estratégia: Redução (complexidade) Quebrar um problema difícil em sub-problemas mais fáceis.

Diagramas AND-OR

Um diagrama de decisão é fundamentalmente uma estrutura AND-OR que representa a decomposição de um problema em uma árvore:

• Nós OR: Representam diferentes métodos para resolver o mesmo problema (Se o Método A OU o Método B funcionar, o problema está resolvido).
• Nós AND: Representam sub-problemas que precisam ser resolvidos simultaneamente (Para resolver X, preciso resolver Y E Z).

        Meta Principal: Resolver Integral(f(x))
        ├── OR: Substituição de Variável
        └── OR: Integração por Partes
            └── AND: Escolher 'u'
            └── AND: Escolher 'dv'
        

Raciocínio Retroativo (Backward Chaining)

Diagramas de decisão são a base visual para o Backward Chaining em Sistemas Especialistas. O motor de inferência tenta "provar" o nó raiz navegando para as folhas.

O Processo de Redução

1. Comece com uma meta (Hipótese).
2. Encontre regras cuja conclusão satisfaça a meta.
3. As premissas dessas regras tornam-se novas sub-metas.
4. Repita até encontrar fatos conhecidos (Folhas da árvore).
5. Quadro

Diferenciando Procedimento de Conhecimento

A grande vantagem dos diagramas de decisão é a Modularidade:

• As regras são independentes.
• O diagrama é construída dinamicamente durante a execução.
• O sistema pode explicar o "porquê" de uma pergunta apenas subindo um nível na árvore.

• O Conhecimento: O mundo é descrito por fatos e regras.
• O Objetivo: Dedução. Usar o que sabemos para derivar novas conclusões logicamente irrefutáveis dentro do sistema.
• Quadro: Sistemas de Produção.

Ideia Central

• Representar o conhecimento humano via regras lógicas.
• Separar o Conhecimento (regras) do Motor de Inferência (algoritmo).
• Explicabilidade: O sistema pode dizer exatamente qual regra usou para chegar ao resultado.

O Sistema de Produção

Consiste em três componentes principais:

1. Memória de Trabalho (Fatos)
2. Base de Regras (Conhecimento: SE -> ENTÃO)
3. Motor de Inferência (O Executor)
        

Encadeamento Progressivo (Forward Chaining)

Como deduzir fatos novos?

O sistema parte dos fatos conhecidos e aplica as regras para adicionar novos fatos à memória até que um objetivo seja alcançado ou não haja mais regras para disparar.

Exemplo de Regra:

IF  'o animal tem penas' 
THEN 'o animal é uma ave'
        

Isso é um exemplo de Dedução Orientada a Dados.

Encadeamento Regressivo (Backward Chaining)

A ideia fundamental: "Para provar uma hipótese, prove as premissas que a tornam verdadeira."

O sistema começa com uma pergunta (ex: "O animal é um pinguim?") e busca na base de regras o que seria necessário para que isso fosse verdade, transformando premissas em novos sub-objetivos.

Resolução de Conflitos

O que fazer quando múltiplas regras podem ser disparadas ao mesmo tempo?

• Especificidade: Regras mais complexas (mais condições) ganham de regras genéricas.
• Recência: Usar os fatos que entraram na memória por último.
• Prioridade: Ordem definida pelo especialista.

Conclusão e Revisão

Dúvidas?