Instituto de Tecnologia do Paraná Divisão de Inteligência Artificial Ontologias em Gestão do Conhecimento Dr. Eng. Milton Pires Ramos [email protected] TECPAR / DIA Curitiba - Paraná [email protected] Setembro / 2004 Sumário: 1 – Gestão do Conhecimento; 2 – O que gerenciar ?? 3 – Representação e Engenharia do Conhecimento; 4 – Ontologias; 5 – Ontologias em GC; 6 – Pesquisa: IAD/SMA, Ontologias e GC. [email protected] Setembro / 2004 2 Sociedade do conhecimento Era do conhecimento infinito Engenharia do conhecimento dados ? informação ?? Gestão do conhecimento [email protected] Setembro / 2004 X Knowledge workers (trabalhadores do conhecimento) conhecimento ??? - gestão da informação - gestão de documentos - gestão de conteúdos estratégica - Inteligência competitiva empresarial - gestão de competências - memória empresarial - portais corporativos ... 3 Gestão do Conhecimento Surgimento: Karl Wiig,1986. “I started out building AI-based expert systems with my group of 35 people back in 1980,” he says. “We built over 100 systems but found that most were not used after a year. In 1984, we started to look at what was amiss, and began to look into the role of knowledge in business.” This trajectory led to the introduction of the concept of ‘knowledge management’ at an ILO conference in Zurich in 1986, and by then Wiig’s team had begun to explore factors relating to cognitive science alongside technology-based solutions. By 1989, the focus of Wiig’s research had shifted away from technology and towards a more people-centric approach. With typical modesty, Wiig adds: “But as I am a slow learner, this transition has taken time.” <Biografia de Karl Wiig, na chamada do KM Europe 2002> [email protected] Setembro / 2004 4 Gestão do Conhecimento Knowledge Management is the systematic, explicit and deliberate building, renewal and application of knowledge to maximize an enterprise’s knowledge related effectiveness and returns from its knowledge assets. Karl Wiig [Leibowitz, 1999] [email protected] Setembro / 2004 5 O que é conhecimento ? “Conhecimento é o resultado da organização da informação de acordo com um sistema pessoal de valores” [Barthès 2002] [email protected] Setembro / 2004 6 tácito SABEDORIA complexo CONHECIMENTO explícito INFORMAÇÃO DADOS simples [email protected] Setembro / 2004 7 A floresta de Compiègne em Outubro [Barthès 2002] [email protected] Setembro / 2004 8 dados [Barthès 2002] [email protected] Setembro / 2004 9 Conhecimento vs valores pessoais “Conhecimento é o resultado da organização da informação de acordo com um sistema pessoal de valores” [Barthès 2002] [email protected] Setembro / 2004 10 Conhecimento Knowledge encompasses the implicit and explicit restrictions placed upon objects (entities), operations and relationships along with general and specific heuristics and inference procedures involved in the situation being modeled. John Sowa Knowledge consists of truths and beliefs, perspectives and concepts, judgments and expectations, methodologies and know-how. Karl Wiig [Leibowitz, 1999] [email protected] Setembro / 2004 11 Modernas práticas de administração Sistemas de Gestão do Conhecimento Gestão de pessoas – liderança Tecnologia da informação Inteligência artificial [email protected] Setembro / 2004 12 O Conhecimento nas organizações [Grundstein & Barthès 1996] [email protected] Setembro / 2004 13 Ciclo de Gestão do Conhecimento FIND Identify Localize STORE Formalize Model Archive CRITICAL KNOWLEDGE Improve Update UPDATE Access Diffuse Exploit Integrate DISTRIBUTE [Grundstein & Barthès 1996] [email protected] Setembro / 2004 14 Engenharia do Conhecimento: <aquisição, modelagem/representação, gestão> Engenharia do conhecimento - termo usado para descrever todo o processo de desenvolvimento e construção de sistemas baseados em conhecimento. [McGraw & Harbison-Briggs, 1989] -Sistemas baseados no conhecimento; -Sistemas especialistas; -Ontologias; -Sistemas de gestão do conhecimento. [email protected] Setembro / 2004 15 Formas de representação do conhecimento: - Regras de produção - Redes semânticas - Frames (quadros) - Objetos [email protected] Setembro / 2004 16 Regras de produção SE < premissa 1 > E < premissa 2 > ENTÃO < conclusão A > - Um dos primeiros e mais tradicionais modelos de representação do conhecimento; - Bom nível de representação, simples, de fácil aprendizagem, porém pouco flexível. - Modelo mais usado na construção de sistemas especialista. [email protected] Setembro / 2004 17 Regras de produção Sumário: Inputs { If VazaoInj Then Planta If VazaoInj Then PLANTA VazaoInj :Vazao total da agua de injecao Particulas :Numero de particulas em suspensao O2galv :Teor de oxigenio [ON]-line medido por par galvanico CorrLPR :Taxa de corrosao medida por LPR >= [VazaoMin] operandoCorrRE :Taxa de corrosao medida por resstencia eletrica O2memb :Teor de oxigenio [ON]-line medido por membrana DeltaP :Perda de carga nos filtros < [VazaoMin] BseqO2 :Bomba de injecao de sequestrante de oxigenio [ON]-[OFF] FORA DE OPERACAO If Planta operando and PV12 = [OFF] Then Planta injetando If Planta operando If Planta operando and Planta com problemas de corrosao and PV12 = [ON] Then PLANTA EM RECIRCULACAO and Desaeradora dentro dos parametros operacionais and BseqO2 = [OFF] Then Sequestrante de Oxigenio Alarme amarelo and BOMBA DE INJECAO DE SEQUESTRANTE DESLIGADA and RELIGAR bomba de injecao de sequestrante de Oxigenio LABEL rec.injex.oxigenio "RELIGAR bomba de injecao de sequestrante de Oxigenio" [email protected] Setembro / 2004 18 Redes semânticas Redes semânticas apresentam relações entre elementos em um domínio. Seus elementos básicos são nós e arcos: - nós – representam os elementos do domínio; - arcos – representam as relações entre estes elementos. Quillian R. Semantic Memory. In M. Minsky (ed) Semantic Processing. MIT Press, Cambridge, MA, 1968. [email protected] Setembro / 2004 19 Abordagens semânticas – idéia básica (Quillian, 1965) • Modelagem da memória humana Concept-2 Concept-1 Concept-4 Concept-3 Concept-4 [email protected] Setembro / 2004 20 Redes Semânticas, exemplo [Quillian]: [email protected] Setembro / 2004 21 Frames (quadros) e objetos Modelo de representação de conhecimento onde um elemento de um domínio é representado por um conjunto de características. “Um frame possui um nome que identifica o conceito por ele definido e um conjunto de atributos (slots). Um frame é uma estrutura de dados complexa, útil para modelar objetos do mundo real. Assemelham-se a registros de um banco de dados porém mais poderosos e expressivos.” Minsky, M.A. A Framework for Representing Knowledge. McGraw-Hill, New York, 1975. [email protected] Setembro / 2004 22 FRAMES (Minsky, 1975) Minsky 1975 Chair Chair color # feet red foot color red 4 f1 f2 f3 f4 Prototype - inheritance Style-Chair Renaissance-Chair my-Chair Is-a color guilded [email protected] Setembro / 2004 Is-a # feet style 4 “Renaissance” 23 Representação de um FRAME Rennaissance-chair is-a : slots (value style-chair) style : facets (value Rennaissance) number-of-feet : (if-needed compute-number-of-feet) picture : (if-added draw) (if-removed erase) [email protected] Setembro / 2004 24 NUDGE / FRL-0 Goldstein & Roberts 1977 [email protected] Setembro / 2004 25 Ontologias “Especificação explícita e formal dos termos de um domínio e das realações entre eles.” Tomas Gruber, Stanford University (1993). [email protected] Setembro / 2004 26 Ontologias Uma ontologia define um vocabulário comum para profissionais que necessitam partilhar informações em um domínio. Isto excluí definição de conceitos básicos do domínio e os relacionamentos entre eles. Por que construir ontologias ?? • Para partilhar o entendimento comum da estrutura da informação entre pessoas ou agentes software; • Para permitir a reutilização do conhecimento do domínio; • Para tornar explícitas as suposições do domínio; • Para separar conhecimento do domínio do conhecimento operacional; • Para analisar o conhecimento do domínio . [email protected] Setembro / 2004 27 Ontologias Estrutura de uma ontologia: Conceitos (classes) Propriedades (slots) Facetas (restrições) Para desenvolver uma ontologia: Definir as classes para a ontologia; Organizar as classes em uma hierarquia taxonômica; Definir os slots e descrever os valores permitidos para estes slots; Preencher os valores nos slots para instanciar as classes. [email protected] Setembro / 2004 28 Ontologias [John Sowa – http://www.jfsowa.com.br] [email protected] Setembro / 2004 29 Ontologias [John Sowa – http://www.jfsowa.com.br] [email protected] Setembro / 2004 30 Ontologias Metodologia de desenvolvimento (proposta): 1. 2. 3. 4. 5. 6. 7. [email protected] Determinar o domínio e escopo da ontologia; Considerar a reutilização de ontologias existentes; Enumerar termos importantes da ontologia; Definir as classes e sua hierarquia; Definir as propriedades das classes; Definir as restrições das propriedades; Criar as instâncias. Setembro / 2004 31 Ontologias Bases de conhecimento e ontologias estão proximamente relacionadas em sistemas de gestão do conhecimento. Comunidades estabelecem ontologias, ou modelos conceituais partilhados, para fornecer uma estrutura para compartilhar o significado preciso dos símbolos trocados durante uma comunicação. [email protected] Setembro / 2004 32 Inteligência Artificial e Gestão do Conhecimento Redes semânticas Ontologias Bases de conhecimento FIND ... Identify Localize STORE Formalize Model Archive CRITICAL KNOWLEDGE Improve Update UPDATE Access Diffuse Exploit Integrate DISTRIBUTE Sistemas especialistas Sistemas Multi-Agente Sistemas CBR [email protected] Setembro / 2004 ... 33 Sistemas Multi-Agentes em GC Grupo ANGCOR - Agents Networked Group for Cooperation and Organization of Research TECPAR, PUCPR, CEFET-PR, UTP e UTC (França) Divisão de Inteligência Artificial TECPAR [email protected] Setembro / 2004 34 Assistência “Digital butler” - Nicolas Negroponte - MIT. (Being Digital. Alfred A. Knopf, 1995) “Information superhighway taxi driver” Oren Etzioni - University of Washington. (Intelligent agents on the Internet: Fact, Fiction, Forecast. IEEE Expert, Vol. 10, No. 4, August 1995.) [email protected] Setembro / 2004 35 Arquitetura PA 1 Agent "address-book" User 1 PA 2 Laboratory Network User 2 Agent "bib-references" PA n User n Agent "postman" Agent "web-research" [email protected] Setembro / 2004 36 Comunicação (interface c/ a rede) Ações (competencias) Tarefas/projetos (tarefas complexas) CONTROLE Mundo (ambiente, outros agentes) Si-mesmo (sua propria representação, memória) Agente genérico [email protected] Ontologia (ontologia pessoal) Setembro / 2004 Mestre (modelo do usuário, preferências, hábitos) Usuário (interface c/ mestre) Modelo do agente assistente Agente assistente pessoal (agente genérico + módulo usuário) 37 Comunicação (interface c/ a rede) Ações (competencias) Tarefas/projetos (tarefas complexas) CONTROLE Mundo (ambiente, outros agentes) Si-mesmo (sua propria representação, memória) Agente genérico [email protected] Ontologia (ontologia pessoal) Setembro / 2004 Mestre (modelo do usuário, preferências, hábitos) Usuário (interface c/ mestre) Gestão do Conhecimento Corporativo Agente assistente pessoal (agente genérico + módulo usuário) 38 Inteligência Artificial e Gestão do Conhecimento Sistemas especialistas – solução específica de um problema heurístico complexo. Ontologias – descrição de um domínio específico. CBR – captura de experiências, memória da empresa. [email protected] Setembro / 2004 39 Inteligência Artificial e Gestão do Conhecimento “ One of the biggest challenges thrown down by the discipline in recent years stems from the growing recognition that knowledge management is infinitely more complex than most practitioners like to acknowledge.” Karl Wiig As técnicas de inteligência artificial podem contribuir tanto para facilitar e simplificar a Gestão do Conhecimento, como para torná-la ainda muito mais complexa !!?! [email protected] Setembro / 2004 40 Milton Pires Ramos [email protected] DIA – Divisão de Inteligência Artificial TECPAR - Instituto de Tecnologia do Paraná Curitiba [email protected] Setembro / 2004 Paraná Brasil 41