A Inteligência Artificial no Auxílio de Tomadas de...

A Inteligência Artificial no Auxílio de Tomadas de

Decisão

Introdução

A globalização está fazendo com que as organizações tenham que ajustar-se à nova economia, precisando adequar seus custos e aumentar a produtividade para serem competitivas. Em conseqüência disso, há uma demanda crescente por controle nas organizações, e estas começam a tomar iniciativas na busca de ferramentas facilitadoras que as auxilie na tomada de decisão.

Aplicação de IA na Tomada de Decisão

• As pesquisas voltadas a IA enfatizam o desenvolvimento de sistemas com comportamento inteligente. Algumas das características específicas do comportamento inteligente incluem a capacidade de realizar melhor ou mais rapidamente tarefas realizadas por seres humanos.

• Características de um sistema inteligente:– Aprender com a experiência;– Aplicar o conhecimento adquirido da experiência ;– Tratar situações complexas;– Resolver problemas quando faltam informações

importantes;– Determinar o que é importante;– Capacidade para raciocinar e pensar;– Reagir rápida e corretamente a nova situações;– A utilização da heurística.

Agente Assistente no Apoio ao Diagnóstico Etiológico de Lombalgia

Conceitos de agente:

• agente é uma entidade real ou abstrata que é capaz de agir sobre ela mesma e sobre seu ambiente (BITTENCOURT, 2000).

• um agente é capaz de realizar tarefas e age em benefício de alguém ou de alguma coisa(ALBUQUERQUE, 1999).

• Sistema SÉLO• É uma ferramenta de auxílio ao diagnóstico de Lombalgia;• Utiliza as tecnologias SEP e Agente Assistente.• Classificação do Agente assistente do SÉLO:

– Tarefas: Utiliza a tarefa de interação pois são determinadas pela interação entre o agente e o ambiente;

– Ambientes: Utiliza ambiente acessível, onde o agente consegue retirar do ambiente a informação que necessita para determinar a melhor ação;

– Taxonomia: de acordo com a classificação de taxonomia utiliza o eixo ambiental onde um agente individual pode atuar no desktop;

– Arquitetura: se caracteriza por meio da arquitetura de reatividade simples, que seleciona as ações com base na percepção atual, ignorando o restante do histórico de percepções.



Estrutura de atuação do agente assistente

Usuário/ Acadêmico

SELO Interface de comunicação

SELO Base de conhecimento

Especialista

Inserir dados

Analisar dados

Estabelecer regras

Auxiliar na ação

Fonte: GOULART, 2006.


O agente assistente é totalmente baseado em regras

SE Início da dor selecionada for igual aguda e Quadro Álgico selecionado for igual a um mês a um ano

ENTÃO Agente (Critica Seleção).

SE Início da Dor selecionada for igual Crônica e Quadro Álgico selecionado for igual a quatro semanas


SE Dor Irradiada selecionada for igual Para a Coxa e Parestesia selecionado for igual a sim


Fonte: GOULART, 2006.

Agente Assistente noApoio ao Diagnóstico Etiológico de Lombalgia

Interface SÉLO com o agente assitente

Seja bem vindo ao Programa SÉLO!


Prontuário


O Agente Assistente irá analisar as sentenças que satisfazem as regras de acordo com o preenchimento do prontuário, feito pelo usuário. Desta forma o agente toma sua decisão e interage com o usuário auxiliando-o no preenchimento correto do prontuário e desta forma conseguindo-se chegar a um diagnóstico mais preciso.

Descoberta de Conhecimento

» Armazenamento de informações

»Novas técnicas para análise de dados - KDD

» Principal etapa: Data Mining

Data Mining - DM

» Estática Clássica, Aprendizado de Máquina e

Inteligência Artificial

»Busca de informações relevantes em grandes base

de dados

»Tarefas e métodos em DM

»Shell Orion

DM – Shell Orion

Shell Orion – Módulo de Classificação

Tarefa de Classificação

» Descobrir relacionamento

» Atividade preditiva

» Objeto de saída

> R$ 2.000,00nenhuma baixa boa baixo

< R$ 2.000,00nenhuma alta ruim alto

RENDA GARANTIA DÍVIDA HISTÓRIA

DE CRÉDITO

RISCO DE

CRÉDITO

amostra

objeto de saída

Árvores de Decisão

» Representar conhecimento

» Estrutura da árvore: raiz, nós, folhas e ramos

» Regra de classificação: SE – ENTÃO

SE<antecedente> ENTÃO <conseqüente>

Exemplo de uma árvore de decisão

Renda

> R$ 2.000.00 < R$ 2.000.00

História deCrédito

Boa Ruim

Dívida

BaixaAlta

Risco de crédito = baixo

Risco de crédito = alto

Risco de crédito = baixo

Risco de crédito = alto

GERA_ÁRVORE_DECISÃO (AMOSTRAS, LISTA_ATRIBUTO, C)

crie um nodo N;se amostras são todas com o mesmo valor para C então retorne N como nó folha rotulada com este valor;senão se lista_atributo estiver vazia então retorne N como nó folha rotulada com o valor mais comum de C;senão selecione o atributo da lista_atributo com o maior ganho; rotule o nó N com o atributo_teste; para cada valor ai de atributo_teste inclua um ramo a partir do nó N para a condição (atributo_teste = ai); atribua a si o subconjunto de amostras (atributo_teste = ai); se si estiver vazia então inclua uma folha rotulada com o valor mais comum de C; senão exclua o atributo_teste de lista_atributo; inclua o nó retornado por GERA_ÁRVORE_DECISÃO (SI, LISTA_ATRIBUTO, C);

Algoritmo

» Informação necessária para classificar

» Entropia

» Ganho de Informação

m

I (S 1,S2, …, Sm )= - ∑ pi log2(pi) i=1

Ganho(A) = I(s1, s2, ..., smj) – E(A)

I(s1j, s2j, ..., smj) = - ∑ pij log2 (pij)

v

E(A)= ∑ Sij + ... + Smj I (S ij, ..., Smj) i=1 S

Ganho de Informação

HISTÓRIA DE CRÉDITO

Alto risco

alta

ruim boa

GARANTIA DÍVIDA

baixa n e n h u m a adequada

GARANTIA Alto risco Risco moderado

desconhecida

nenhuma adequada

DÍVIDA

RENDA Baixo risco

0$ a $15k $15 a $35k Acima de 35k

Alto risco Risco moderado Baixo risco

RENDA

0$ a $15k $15 a $35k Acima de 35k

Alto risco Risco moderado Baixo risco

GARANTIA

alta baixa

Baixo risco

nenhuma Adequada

Baixo risco

1

2 34

56 7

8 910

11

12

Ganho de Informação

RENDA

Alto risco

$ 1 5 a $ 3 5k Acima de 35k

HISTÓRIADE CRÉDITO

DÍVIDA

n e n h u m a

0$ a $15k

Alto risco

alta baixa

Risco moderado

ruim boa

Alto risco Risco moderado

HISTÓRIADE CRÉDITO

n e n h u m a ruim boa

Baixo risco Risco moderado Baixo risco

1

2 3

4 5 6 7 8

JOGOS EMPRESARIAIS - BUSINESS GAMES

Simulação do ambiente corporativo

Reproduzem a realidade de seu dia-a-dia;

Onde todas as decisões são de responsabilidade do grupo e as tentativas são estimuladas;


Criados já a milhares de anos atraz, com finalidade militar;

A partir de 1956 sua filosofia foi adequada ao ambiente empresarial;

Atualmente desenvolvidos usando o emprego de modernas ferramentas de gestão e ensino;


Jogos Empresariais simples;

Jogos Empresariais Master;

Jogos de Empresas Funcionais;


Manual;

Animador;

Processamento;

Jogador

ESTRUTURA


GI-Micro v6.10;

Desafio Sebrae;

Simulation Empresarial;

Strategy;

Ambiental

LDE

Exemplos


Sun's Identity Hero;

http://identityhero.sun.com/?cid=924949



• SEAMED• SISTEMA ESPECIALISTA PARA ÁREA MÉDICA.• SEAMED É UM PROGRAMA DE COMPUTADOR

QUE AUXILIA OS CLINICOS NO USO DE MEDICAÇÃO

• SEAMED É UM PROJETO INTEGRADO DE ESPECIALISTA NA ÁREA MÉDICA E DE PROFISSIONAIS DA COMPUTAÇÃO.

SEAMED

• DRA. PROFESSORA ROSA MARIA COORDENADORA.1992

• SRA: CECÍLIA DIAS QUE TINHA COMO OBJETIVO ESTUDAR SISTEMAS DE APOIO A DECISÃO.

• SISTEMAS ESPECIALISTA (SE) SÃO PROGRAMAS DE COMPUTADOR CAPAZES DE SOLUCIONAR PROBLEMAS QUE EXIGEM CONHECIMENTO EXPERIÊNCIA E HABILIDADE HUMANA.

SEAMED

SEAMED

Conclusão

As organizações procuram se adaptar ao contexto nascente, buscando outros caminhos que possam garantir a sua sobrevivência e crescimento devido a acirrada competição mundial.

Essa adaptação se dá pela compreensão e adoção de novas práticas e tecnologias para os negócios, seja na área da saúde, ramo empresarial, na educação, entre outros. Neste contexto, a IA mostra-se como solução para subsidiar ao máximo os tomadores de decisão na árdua tarefa de fazer escolhas.

A Inteligência Artificial no Auxílio de Tomadas de...

Documents

Transcript of A Inteligência Artificial no Auxílio de Tomadas de...