Regras de Produção:o Motor de Inferência JESS

Regras de Produção:o Motor de Inferência JESS

Prof. Fred FreitasCIn - UFPE

Componentes de um Motor de Inferência

Um formalismo lógico de Representação de Conhecimento Ex: Lógica de Descrição, Frames, regras,

etc. Um método ou estratégia de

resolução ou mecanismo de inferência para o formalismo

Regras de Produção Representam conhecimento com pares

condição-ação Se condição (ou premissa ou antecedente)

ocorre então ação (resultado, conclusão ou

conseqüente) deverá ocorrer. Regras de produção produzem novos

fatos a partir dos fatos e regras da BC. Esses novos fatos passam a fazer parte da

BC

Regras de Produção Formalismo mais simples, procedimental e popularanimal(x)^estimação(x)

^pequeno(x) => (assert(doméstico(x))

premissas conseqüente

Base de fatos e base de regrasanimal(Rex),estimação(Rex),pequeno(Rex)

Mecanismo de inferência: São produzidos novos fatos instanciando fatos existentes nas regras (encadeamento para a frente)

Estratégia de controle: resolução de conflito

Sistemas de Produção Fatos: x, y Regras: x & y => assert(p) Encadeamento para a frente (Forward

chaining) Dados x e y, derive então p OPS5, CLIPS, Jess Orientado a dados: O sistema deriva todas as

conclusões possíveis, mesmo se elas não ajudam a resolver o problema

Encadeamento para trás (Backward chaining) p é verdad? Então verificarei x e y. Prolog

Módulos de Sistemas de Produção

Base de Regras ou memória permanente regras se-então e fatos conhecidos

Memória de Trabalho ou temporária percepções do agente, fatos iniciais e

gerados a partir da BR pelo mecanismo de inferência

Mecanismo (motor) de Inferência determina o método de raciocínio utilizado

(progressivo ou regressivo) Executa a busca com casamento (unificação) resolve conflitos e executa ações.

Arquitetura de Sistemas de Produção

Conhecimento Permanente• fatos• regras de produção

Meta-conhecimento• estratégias para resolução de

conflito

Base de RegrasConhecimento volátil• descrição da instância do problema atual• hipóteses atuais• objetivos atuais• resultados intermediários

Conjunto de conflitoconjunto de possíveis regras a serem disparadas

Memória de Trabalho

Mecanismo de

Inferência

Conhecimento Permanente• fatos• regras de produção

Meta-conhecimento• estratégias para resolução de

conflito

Base de RegrasConhecimento Permanente• fatos• regras de produção

Meta-conhecimento• estratégias para resolução de

conflito

Base de RegrasConhecimento volátil• descrição da instância do problema atual• hipóteses atuais• objetivos atuais• resultados intermediários

Conjunto de conflitoconjunto de possíveis regras a serem disparadas

Memória de TrabalhoConhecimento volátil• descrição da instância do problema atual• hipóteses atuais• objetivos atuais• resultados intermediários

Conjunto de conflitoconjunto de possíveis regras a serem disparadas

Memória de Trabalho

Mecanismo de

Inferência

Funcionamento de um sistema de regras de

produção As regras seriam a memória duradoura Os fatos seriam a memória de trabalho Ao usarmos as regras sobre os fatos,

são derivados novos fatos O ciclo se repete até que não haja mais

fatos a derivar Conflito: várias regras podem ser

disparadas ao mesmo tempo

Sistemas EspecialistasFacts"Item #123 is expensive speakers""Gold cables are expensive""Bob is a customer""Bob is buying item #123"

Rules"Recommend appropriate cableswhen customers buy speakers"

InferenceEngine

List ofActions to Take

"Recommendthat Bob buy gold

cables."

O problema é simples...

[Friedman-Hill]

Sistemas EspecialistasFacts

Rules

Inference EngineFor every customer, for every item in their cart, if it is speakers, for every catalog item, if the cart item is the catalog item, if the catalog item is in some price category, for every catalog item, if it is a cable and it is in the same category, recommend that cable to that customer.

List ofActions to Take

"Recommendthat Bob buy gold

cables."

... Mas a solução é cara: O (RFP)

O Algoritmo Rete

Representa regras como dados O compilador gera máquinas de estado a

partir de regras Novos fatos guiam a máquina de estado

(orientado a dados) O algoritmo lembra os estados antigos

Charles L. Forgy, Artificial Intelligence 19 (1982), 17-37.

O Algoritmo ReteFacts

Rules

Inference EngineWhen a customer picks out an item, if it is speakers, recommend the appropriate cables.

List ofActions to Take

"Recommendthat Bob buy gold

cables."

... o algoritmo Rete pode ser O(RF)

O Algoritmo Rete

x & y => assert(p)

x & y & z => assert(q)

x? y? x? y? z?

p

q

“rede de padrões"

“rede conjunta"

8 nós

[Friedman-Hill]

O Algoritmo Rete

x & y => p

x & y & z => q

x? y? z?

p

q6 nós

Otimização 1:Compartilhamento da rede de padrões

x & y => assert(p)

x & y & z => assert(q)

O Algoritmo Rete

x & y => p

x & y & z => q

x? y? z?

p

q5 nós

Otimização 2:Compartilhamento na rede conjunta

x & y => assert(p)

x & y & z => assert(q)

Boas práticas: eficiência Durante o projeto de regras, lembrar que

elas são implementadas através de uma rede

Evitar predicados com atributos muito gerais e que variam com freqüência (ex: status);

Construir o lado das premissas como uma consulta eficiente de banco de dados, ou seja, contendo apenas predicados necessários ao disparo de regras.

Praticando java jess.Main – inicia o motor Dentro do Jess: Comandos de vizualização:

(facts) – vê a base de fatos (watch compilations) – vê o processo de

compilação da base de regras na rede (watch facts) – vê cada modificação na base de

fatos (watch activations) – vê cada ativação de regra

Quando a regra está pronta para ser disparada (watch rules) – vê as regras sendo disparadas (watch all) – todas as opções acima (unwatch XXX) – para desabilitar as opções

acima

Definindo fatos e regras (assert <fato>) – põe um fato na base

Ex: (assert (pequeno fido)) (defrule <nome da regra>

<padrão de fato 1> Lado esquerdo da ... regra (LHS)

<padrão de fato n>=> <ação 1> Lado direito da ... regra (RHS) <ação n>)

Exemplos Fido (batch example/Diver1.clp) (batch example/Diver2.clp)

Problemas de mergulho: DIVER1.CLP

Problemas de mergulho mais Detalhados:DIVER2.CLP

A Linguagem das Regras

(defrule recommend-appropriate-cables (customer (id ?id) (cart ?cart)) (cart (id ?cart) (contents $?cnt)) (item (id ?s&:(member$ $?cnt ?s)) (is speaker)(price-category ?pc)) (not (item (id ?c&:(member$ $?cnt ?c)) (is cable) (price-category ?pc)) => (printout t "You need to buy " ?pc " cables." crlf))

[Friedman-Hill]

Pacotes (módulos) de Regras Apesar de não queremos controlar o

fluxo de processamento, às vezes precisamos de fases Em manutenção de dispositivos

eletrônicos, e.g., as fases de detecção, isolamento, conserto e funcionamento

Organizar regras em pacotes (módulos) que são ativados um por vez Engenharia de conhecimento

Qualidades das Regras São fáceis de compreender (legíveis) e de

modificar Independência e Localidade Flexibilidade (Expressividade) Genericidade Portabilidade Facilidade, simplicidade e fidelidade semântica Alterabilidade - > código auto-alterável Liberdade e gradualidade Interoperabilidade de conhecimento

Vide slides das aulas de ontologias

Desvantagens Há problemas eminentemente

procedimentais Eficiência Fácil funcionamento Efetividade Fluxo de Controle Controle de consistência

Sistemas de Produção Plugáveis Antes: Dificuldade de integrar as

linguagens lógicas – LISP e Prolog- com as outras

Solução adotada: Permitir inferência às linguagens imperativas (C, Java, ...)

Interoperabilidade, portabilidade e reuso

Motores de inferência “plugáveis”

CLIPS: Integração C-regras "C” Language Integrated Production

System) [Giarratano & Riley 98] Inclui uma linguagem interna, COOL

(“C” Object Oriented Language) que representa classes como frames Características de frames: herança

múltipla, atributos podem ser instâncias de outras classes, inferência direta, facetas, etc

JESS - Java Expert System Shell

Integra objetos Java e Java beans a regras

Projetado para servir à comunidade de orientação a objetos

Milhares de usuários

Frames e Herança em JESS

Herança apenas herança simples

(deftemplate ANIMAL (slot color) (slot weight))(deftemplate CAT extends ANIMAL (slot whisker-count)) ;;CAT has three slots: color, weight, and whisker-count

(deftemplate box (slot location) (multislot contents))

(assert (box(location kitchen) (contents spatula sponge frying-pan)))

Instanciação

Manipulando JESS a partir de Java

Exemplo: alterando a base de fatos a partir de um código em um projeto Java

public void definaInstancia(String atomo, Object objeto) throws ReteException { Funcall f = new Funcall("definstance", rete); f.add(new Value(atomo, RU.ATOM)); f.add(new Value(objeto, RU.EXTERNAL_ADDRESS)); f.simpleExecute(f, rete.globalContext()); }

Integração com Java new

Conversões de tipo import

Chamadas a métodos (Call) get e set

Manipulação direta das propriedades de um Bean

try-catch, throw Persistência, GUI, Beans, ...

Integração com Java

(import java.util.*); create a Vector, add entries(bind ?v (new Vector))(call ?v addElement "foo")(call ?v addElement "bar")

; iterate over Vector and print entries(bind ?e (call ?v elements)) ; retorna um ; Enumeration que tem metodo nextElement(),…(while (call ?e hasMoreElements) do (printout t (call ?e nextElement) crlf))

[Friedman-Hill]

Jess e Ontologias via Protégé Integrados via plugin Protégé

JessTab [Eriksson 2003] Agora Jess passa a ter atributos que

podem ser instâncias de outras classes como o CLIPS

Executável dentro do Protégé De Jess, pode-se manipular Protégé

e vice-versa

Achar as cidades paraibanas mais próximas (entre 5 )

Arara João Pessoa Esperança Campina Grande Pocinhos

Estilo de programar com regras Na ontologia temos :

City x,y,name

E aí, como achar???

1º. Calcular as distâncias Função (distância euclidiana):(deffunction fdist (?x1 ?y1 ?x2 ?y2)(return (sqrt (+

(** (- ?x1 ?x2) 2) (** (- ?y1 ?y2) 2)))))

1º. Calcular as distâncias

(defrule dist

(object (is-a City) (OBJECT ?o1) (name ?n1) (x ?x1) (y ?y1))

(object (is-a City) (OBJECT ?o2&~?o1) (name ?n2) (x ?x2) (y ?y2))

(not (object (distance (city1 ?o1) (city2 ?o2))))

(not (object (distance (city1 ?o2) (city2 ?o1))))

=> (make-instance (str-cat ?n1 ?n2) of distance (city1 ?o1) (city2 ?o2)

(value (fdist ?x1 ?y1 ?x2 ?y2)) map))

3º Achar o menor

3.1. Criar o predicado menor(defrule first-menor

(not (closer ?))

(object (distance (city1 ?o1) (city2 ?o2) (OBJECT ?o)))

=> (printout t "a menor distancia agora entre 2 cidades paraibanas é " (* 100 (slot-get ?o value)) " entre " (slot-get ?o1 name) " e " (slot-get ?o2 name))

(assert (closer ?o)))

3.2. Comparar distâncias com o menor

3º Achar o menor(defrule menor

?f <-(closer ?oc)

(object (distance (city1 ?o1) (city2 ?o2) (OBJECT ?o&~?oc) (value ?v&:(< ?v (slot-get ?oc value)))))

=>(printout t "a menor distancia agora entre 2 cidades paraibanas é “ (* 100 (slot-get ?oc value)) " entre " (slot-get ?o1 name) " e " (slot-get ?o2 name) "." crlf)

(retract ?f)

(assert (closer ?o)))

Conclusões Formalismo fácil de usar Integrável a uma linguagem

hospedeira (C, java,...) Modelo de computação um tanto

diferente... Vantagens declarativas Porém, formalismo não-monotônico