Parte IV · Cap. 15 — Sistema Especialista
Simbólica · Conhecimento/diagnóstico · Base de regras + motor de inferência. Captura o conhecimento de um especialista humano em regras explícitas e infere conclusões. Card:
../02-tipos-de-ia/01-simbolica.kmd.
🎨 Figura
F-IV.15.0— Regras que diagnosticam. Brief: base de regras SE-ENTÃO alimentando um motor de inferência que encadeia fatos até uma conclusão, com explicação do caminho.
1. Definição e história curta
Programa que raciocina por regras de produção num domínio estreito. Auge nos anos 1970-80 (MYCIN, DENDRAL, XCON) — ver Parte III, era 3.
2. Fundamentos
- Lógica — regras, encadeamento, modus ponens.
- Engenharia de conhecimento — extrair e formalizar expertise.
- Filosofia / epistemologia — representação de conhecimento.
3. Algoritmos e arquiteturas
- Base de regras + base de fatos + motor de inferência.
- Encadeamento — forward (dados→conclusão) e backward (meta→evidência).
- Rete — matching eficiente de regras.
- Explicação — rastreia o caminho de inferência (transparência).
4. Insumos
- Hardware: CPU; leve.
- Dados: conhecimento elicitado de especialistas (não dados de treino).
- Estruturas de dados: regras, working memory, rede Rete.
- Sistemas: shells de sistemas especialistas (CLIPS, Drools).
5. Ciclo de vida especializado
| Etapa | Especialização |
|---|---|
| 0 Problema | Domínio estreito e bem-definido com expertise clara |
| 1 Dados | Elicitação de conhecimento (entrevistas), não coleta de dados |
| 2 EDA | Validar consistência/completude das regras |
| 3 Modelagem | Estruturar base de regras + estratégia de inferência |
| 4 "Treino" | Não há treino estatístico — há codificação de regras |
| 5 Avaliação | Acerto vs especialistas; cobertura de casos |
| 5.5 Homologação | Casos de teste, conflitos de regra, validação por especialista |
| 6 Produção | Motor executa sobre fatos novos; explicação ao usuário |
| 7 Monitoramento | Casos não cobertos, regras conflitantes |
| 8 Manutenção | Atualizar regras (caro — não re-treina) |
| 9 Governança | Responsabilidade do conhecimento, auditabilidade (forte) |
6. Capacidades, modos e modalidades
Intelectual/diagnóstico: diagnóstico, configuração, help desk, conformidade; totalmente explicável e auditável.
7. Limites, riscos e ética
Brittleness (frágil fora do escopo); custo de manutenção; não aprende sozinho; knowledge acquisition bottleneck. Ponto forte: transparência total.
8. Estado da arte e exemplos
Motores de regras de negócio (Drools), sistemas de conformidade e configuração; revival em híbridos neuro-simbólicos (cap. 32), onde dão a camada verificável.