Parte IV · Cap. 17 — Grafo de Conhecimento + Razoador
Simbólica · Conhecimento estruturado · Grafo + lógica descritiva (OWL/RDF). Representa fatos como entidades e relações e infere fatos novos por lógica. Card:
../02-tipos-de-ia/01-simbolica.kmd.
🎨 Figura
F-IV.17.0— Entidades e relações. Brief: grafo com nós (pessoas, lugares, conceitos) e arestas rotuladas; uma nova aresta inferida destacada (dedução).
1. Definição e história curta
Bases de conhecimento estruturadas com semântica formal. Linhagem: Cyc (1984) → web semântica (RDF/OWL) → Google Knowledge Graph e Wikidata.
2. Fundamentos
- Lógica descritiva — OWL, inferência de classes/relações.
- Teoria de grafos — estrutura e travessia.
- Linguística / ontologia — significado e taxonomias.
- Epistemologia — conhecimento explícito e verificável.
3. Algoritmos e arquiteturas
- Modelo — triplas
(sujeito, predicado, objeto)em RDF. - Razoador — inferência por lógica descritiva; regras (SPARQL/Datalog).
- Embeddings de KG — TransE/etc. para predição de elos (ponte com ML).
- Consulta — SPARQL, travessia de grafo.
4. Insumos
- Hardware: CPU; grafos grandes em triple stores.
- Dados: fatos curados/extraídos; ontologias.
- Estruturas de dados: triple store, índices de grafo, embeddings de KG.
- Sistemas: bancos de grafo (Neo4j), triple stores (Blazegraph).
5. Ciclo de vida especializado
| Etapa | Especialização |
|---|---|
| 0 Problema | Conhecimento verificável, integração de dados, busca semântica |
| 1 Dados | Extração/curadoria de fatos; definição de ontologia |
| 2 EDA | Completude, consistência, qualidade de elos |
| 3 Modelagem | Ontologia (OWL), regras de inferência |
| 4 Construção | Povoar o grafo; entity resolution; (opcional) embeddings |
| 5 Avaliação | Precisão de fatos, cobertura, link prediction |
| 5.5 Homologação | Consistência lógica, validação de fontes |
| 6 Produção | Consultas/inferência; alimenta busca e RAG (cap. 31) |
| 7 Monitoramento | Frescor, fatos quebrados, conflitos |
| 8 Manutenção | Atualizar fatos/ontologia |
| 9 Governança | Proveniência, viés de cobertura, privacidade |
6. Capacidades, modos e modalidades
Intelectual/factual: busca semântica, integração de dados, QA factual, GraphRAG; conhecimento auditável com proveniência.
7. Limites, riscos e ética
Custo de curadoria; incompletude; viés de cobertura; entity resolution difícil. Combina-se bem com LLMs (grounding factual).
8. Estado da arte e exemplos
Wikidata, Knowledge Graphs corporativos, GraphRAG; embeddings de KG e LLMs que consultam grafos para reduzir alucinação (liga a cap. 31 e 32).