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.
Agente Assistente no Apoio ao Diagnóstico Etiológico de Lombalgia
Agente Assistente no Apoio ao Diagnóstico Etiológico de Lombalgia
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.
Agente Assistente no Apoio ao Diagnóstico Etiológico de Lombalgia
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
ENTÃO Agente (Critica Seleção).
SE Dor Irradiada selecionada for igual Para a Coxa e Parestesia selecionado for igual a sim
ENTÃO Agente (Critica Seleção).
Fonte: GOULART, 2006.
Agente Assistente noApoio ao Diagnóstico Etiológico de Lombalgia
Interface SÉLO com o agente assitente
Seja bem vindo ao Programa SÉLO!
Agente Assistente no Apoio ao Diagnóstico Etiológico de Lombalgia
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
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;
JOGOS EMPRESARIAIS - BUSINESS GAMES
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 - BUSINESS GAMES
Jogos Empresariais simples;
Jogos Empresariais Master;
Jogos de Empresas Funcionais;
JOGOS EMPRESARIAIS - BUSINESS GAMES
GI-Micro v6.10;
Desafio Sebrae;
Simulation Empresarial;
Strategy;
Ambiental
LDE
Exemplos
JOGOS EMPRESARIAIS - BUSINESS GAMES
Sun's Identity Hero;
• 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
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.
Top Related