O raciocnio baseado em casos, combina as vantagens da recuperao da informao e do
raciocnio baseado em regras. O fato dos engenheiros de apoio utilizarem a experincia de problemas anteriores para resolver muitos dos problemas novos, torna o raciocnio baseado em casos particularmente apropriado para os sistemas "help desks". Uma questo importante em CRB a representao do caso (conhecimento) no computador. Em essncia, os casos na biblioteca do CBR devem manter a informao necessitada pelos usurios. Kolodner (1993) descreve casos como contendo trs partes principais, que seriam: 1. A descrio do caso, a qual permite sua identificao e armazenamento; 2. O caso em si, contendo as informaes relevantes para o domnio de sua aplicao; e 3. O estado posterior do domnio quando a soluo aplicada. Por exemplo, um dos casos no prottipo trata de uma estrutura de andaime utilizada para o trabalho na cobertura de um edifcio de trs pavimentos. A descrio para este caso refere-se a informao que diferencia este caso de outros tambm armazenados, tais como o tipo do andaime, o tipo de trabalho a ser executado, o tipo da edificao e sua vizinhana. A segunda parte descreve caractersticas da inspeo realizada no andaime e a seqncia de itens verificados. A terceira parte apresenta as informaes relativas situao verificada no local de trabalho e recomendaes para inspees similares. CBR uma tecnologia emergente para representao e processamento de conhecimento. Usa experincia passada, acumulando casos e tentando descobrir por analogia solues para outros problemas. CBR contrasta com MBR (raciocnio baseado em modelos, os outros formalismos). Em MBR preciso descrever o conhecimento conforme o modelo adotado.
Construo de um Modelo CBR
aquisio e representao Selecionar os melhores dentro de um conjunto de casos disponveis. indexao Seleciona caractersticas da descrio dos casos que permitam recuperao eficiente dos casos relevantes ao problema. recuperao Mecanismos para medir grau de similaridade entre casos e problemas, seleo dos "casos candidatos". adaptao Estratgias para adaptar a soluo ou solues dos casos recuperados; mecanismos para avaliar a qualidade da soluo aprendizado Um problema resolvido e com soluo validada pode ser acrescentado base de casos. Recuperao de casos um dos processos mais importantes do paradigma Raciocnio Baseado em Casos . Ele tem como propsito recuperar, de uma memria de casos, o caso mais adequado a uma nova situao e sugerir a soluo desse caso ou uma adaptao dela como soluo do novo caso. Prope-se um modelo de funo de crena ( Teoria de Dempster-Shafer) para recuperao de casos no domnio de diagnsticos. Em tal modelo, primeiro determina-se o diagnstico mais provvel e, em seguida, seleciona-se, dentre os casos dessa classe de diagnstico, o caso mais similar nova situao. Para avaliar o modelo, implementou-se um prottipo numa sub-rea de doenas pulmonares. Para uma memria de casos balanceada - uma memria onde a diferena entre o nmero de casos de cada diagnstico pequena - com apenas 48 casos, obteve-se um percentual acima de 64% de recuperaes corretas. Na avaliao do diagnstico no foram considerados os resultados de exames de laboratrios.
Problema na Aquisio de Dados
CBR parece facilitar a aquisio de conhecimento por permitir acesso a conhecimento episdico armazenado em bancos de dados, registros diversos, anotaes de especialistas. Mas experincia mostra que aquisio de casos pode ser to difcil com em MBR, dependendo da disponibilidade dos casos: - casos no disponveis em fonte externa: to difcil quanto MBR; - casos semi-disponveis em fontes externas: registros incompletos, sem todos o dados, registro de solues parciais ou inexistentes. Serve para comear, mas precisa usar abordagem convencional MBR; - casos disponveis, mas com erros: registros corretos, mas com solues diferentes, ou conflitantes. Necessrio trabalho com especialistas para tornar a base ntegra. - casos disponveis e corretos: situao ideal, raramente encontrada com volume adequado de casos (em geral bases pequenas)
Vantagens do CBR
Raciocnio Baseado em Casos pode ser usado para vrias tarefas de raciocnio como, por exemplo: propor solues para novos problemas, antecipar, evitar e explicar fracassos em solues propostas, e adequar e/ou reparar solues propostas. Em todas estas tarefas CBR tem suas vantagens quando comparado a outros mtodos de raciocnio mais tradicionais. Um sistema que usa o modelo CBR pode desenvolver uma grande capacidade para aprender, porque seu processo de aprendizagem muito simples. Um sistema que usa esse modelo de raciocnio aprende quando ele permite que problemas recm-resolvidos possam ser acrescentados sua memria de casos, de forma que eles possam ser utilizados para resolver novos problemas. Esse um aprendizado que ocorre a partir dos sucessos do sistema ao determinar a soluo de um problema. Mas um sistema CBR tambm aprende de seus fracassos: quando uma poro proposta falha, o sistema pode gerar uma explicao dos motivos da falha e armazenar um exemplar no caso fracassado em sua memria. Sistema CBR pode solucionar problemas em domnio apenas parcialmente compreendidos porque eles trabalham com experincias. Mas, ao armazenar um caso de sucesso ou de fracasso em sua memria o sistema, na realidade, est aumentando a sua compreenso e o seu conhecimento do domnio. E, isso, permite que a sua performance possa melhorar como, por exemplo: Aumentando a sua capacidade de recuperar casos mais similares aos novos problemas, o que implica em solues mais adequadas e que exigem menos adaptaes. Casos similares a casos passados, que foram resolvidos em vrios passos devido a suas complexidades, podem agora ser solucionados mais facilmente, porque no necessitam repetir os caminhos traados pelos outros - basta adaptar as suas solues. Situaes similares a casos passados que fracassaram evitam repetir o mesmo erro, sendo indexadas por caractersticas que impedem esses casos de serem recuperados. Casos fracassados tambm tem outras utilidades: antecipar fracassos em novos casos sendo solucionados e explicar o erro de um novo caso durante a fase de reparo. Outras vantagens da CBR: Permitem a construo de prottipo nas fases iniciais do projeto, antes da compreenso e estruturao completa do domnio. - aquisio de casos em domnios pouco estruturados ou com base terica mal definida. Boa amostragem dos tipos de problemas que o sistema deve resolver. Casos podem ser bons indicadores de quais partes do problema so importantes e quais as caractersticas que o especialista considera relevantes para a soluo. Substituem entrevistas demoradas. Ajuda a "clusterizao" de conhecimento (conhecimento que vai ser usado junto, adquirido e armazenado modularmente).
CBR Interpretativo X CBR Solucionador de Problemas
H dois tipos principais de sistemas que usam o modelo de raciocnio baseado em casos: sistema CBR interpretativo, em que se usa casos passados para justificar ou criticar a soluo de nova situao, e sistema CBR solucionador de problemas, em que se usa casos passados para propor uma soluo inicial que pode ser adaptada para satisfazer as necessidades de um novo problema. Sistemas CBR Interpretativos CBR interpretativo um processo de avaliar situaes ou solues sob a luz de experincias anteriores. Todo ser humano - seja ele adulto ou criana, profissional ou leigo, especialista ou aprendiz - usa casos para interpretar ou avaliar situaes. Os casos so teis porque sendo, em geral, o conhecimento do domnio bastante incompleto, no h uma outra forma simples de avaliao que possa ser usada. O raciocinador que usa casos para ajudar avaliar e justificar decises ou interpretaes compensa a sua falta de conhecimento assumindo que o universo consistente. Esse emprego de CBR prov uma forma de manter consistncia e justia atravs do tempo (Kolodner,1993). Casos diferentes suportam interpretaes diferentes. Assim, para chegar a uma interpretao da situao, o raciocinador deve comparar e contrastar os casos entre si. Tarefas interpretativas suportam uma variedade de metas de raciocnio como por exemplo: classificao, avaliao de situao e avaliao e reparo da soluo. Para classificar uma nova situao, um CBR interpretativo gera uma anlise dos prs ou contras da classificao escolhida (CBR-DARPA,1989). Essa anlise feita com base nas similaridades e diferenas entre a nova experincia e a experincia passada. Interpretao baseada em casos muito til como parte do componente avaliativo ou crtico de uma soluo proposta e tambm como suporte a uma tomada de deciso quando no h um bom modelo causal. Processos interpretativos recebem como entrada uma situao ou soluo e do como sada uma classificao da situao, um argumento que suporta tal classificao ou que suporta a soluo e/ou justificativas que suportam o argumento ou a prpria soluo. Trs das tarefas para as quais CBR interpretativo til so: justificativa,interpretao e projeo (Kolodner, 1993). Em justificativa mostra-se a causa ou a prova da corretude de um argumento, posio ou soluo. Freqentemente, a nica maneira de justificar uma posio citando experincias ou casos anteriores relevantes. Casos so teis na construo de argumentos e para justificar posies quando no h princpios concretos ou h pouco destes princpios, quando os princpios so inconsistentes ou quando seus significados no so bem especificados. Em interpretao tenta-se contextualizar uma nova situao. Em geral, interpretao em raciocnio baseado em casos significa decidir se um conceito se adequa a alguma categoria de alguma classificao. Um classificador baseado em casos classifica uma nova situao comparando-a com outra situao j classificada e perguntando se as duas so bastante parecidas para que a nova receba a mesma classificao da velha. PROTOS, um diagnosticador de doenas do ouvido, um exemplo de classificador baseado em casos. Em projeo, faz-se a previso dos efeitos da aplicao de uma soluo. A projeo dos efeitos ou resultados de uma soluo proposta com base no que tem sido verdade em casos passados o exemplo mais claro da utilidade dos mtodos interpretativos em sistemas solucionadores de problemas. Projeo uma parte importante do componente avaliativo de qualquer esquema de planejamento ou tomada de deciso. Casos como planos similares e que fracassaram podem apontar para potenciais problemas, se tal plano for adotado e os casos com planos similares e que foram sucesso do crdito ao novo plano. Projeo tem sido um dos principais problemas encontrados pela comunidade de planejamento e CBR tem muito a contribuir para solucionar estes problemas (Kolodner, 1993). Sistemas CBR Solucionador de Problemas Sistemas solucionadores de problemas so aqueles que usam casos passados para construir a soluo para um problema que eles recebem como entrada. Em um solucionador de problemas, os casos realizam duas funes principais: sugerem uma soluo inicial que adaptada para se adequar a nova situao e alertam sobre a possibilidade de ocorrer fracasso. Esses sistemas so aplicados para uma ampla variedade de tarefas como, por exemplo: planejamento, elaborao de projetos ediagnsticos (Kolodner, 1993). 1. Planejamento
Planejamento o processo de sugerir uma seqncia de passos ou uma lista de eventos que ao serem executados produzem no universo o estado pretendido. 2. Elaborao de projetos A elaborao de projetos uma tarefa de processar informao que receber como entrada uma especificao das restries sobre o projeto de um artefato e tem como meta fornecer especificao de uma estrutura para o artefato que satisfaz a tais restries. 3. Diagnstico Diagnstico uma espcie particular de explicao. Explicao uma denominao tanto para o problema de atribuir crdito (explicao de sucesso) como para o problema de atribuir culpa (explicao de fracasso). Em geral o problema de identificar o que foi responsvel pelo que aconteceu.
Arquitetura de um Sistema CBR
Um sistema CBR solucionador de problemas tem como tarefa construir a soluo para um novo problema usando casos passados. Esta construo envolve as seguintes tarefas:
Elaborao do problema, ou seja, identificao de ndices ou caractersticas do problema; Seleo de um caso que mais se aproxime, ou seja, que seja mais similar a esse problema; Adaptao da soluo do caso escolhido para que ela se adeque as exigncias e necessidades do novo problema; Tarefa complementar de reparo da soluo proposta, quando esta no aceita.
Arquitetura de um Sistema CBR Esta arquitetura mostra todos os processos necessrios realizao das subtarefas. Alm dos processos, h tambm a memria de casos, principal fonte de conhecimento de um sistema que usa a abordagem CBR. Outras fontes de conhecimento so as regras usadas nas fases de adaptao e reparo. As principais fontes de conheciemnto de um sistema que utiliza a tcnica de CBR so: Memria de Casos Recuperao de Casos Adaptao de Casos
Memria de Casos
A principal fonte de conhecimento do modelo CBR so as experincias vividas pelos especialistas. Essas experincias so problemas que os especialistas j resolveram. Cada uma delas representada como um caso. Sendo o objetivo do modelo CBR fazer uso dessas experincias para resolver novos problemas, torna-se necessrio que os casos representem o que elas tm de importante em relao as resolues dos problemas. Eles devem representar estas experincias numa forma tal que elas possam ser recuperadas quando forem teis, ou seja, os casos devem ser identificados pelo que eles tm de til. Representao de Casos Um caso uma poro de conhecimento que representa um experincia que ensina lies dentro de um contexto considerado. As lies correspondem ao contedo do caso e so fundamentais na realizao das metas do raciocinador. O contexto corresponde aos seus ndices que registram em que circunstncias apropriado recupera o caso. Critrios importantes que devem ser considerados ao se decidir o que representar em um caso: A funcionalidade da informao Este requisito assegura uma representao econmica, pois somente as informaes que tero utilidade para as tarefas realizadas pelo sistema sero representadas. A facilidade de aquisio da informao Este requisito assegura que somente informaes no muito difceis de adquirir sejam representadas no caso.
Componentes principais para representao de um caso: Descrio do problema ou situao Esta descrio representa o estado do universo no momento em que o caso ocorreu. Descrio da soluo A soluo de um problema representa os conceitos ou objetos que realizam as metas especificadas na sua descrio, levando em considerao as restries e as outras caractersticas contextuais especificadas. Descrio do resultado O resultado especifica o que aconteceu como conseqncia da realizao da soluo proposta ou de como esta soluo foi realizada. Indexao de Casos O poder de um sistema CBR derivado de sua habilidade de recuperar e selecionar casos relevantes de forma rpida e precisa. A compreenso de quando um caso deve ser recordado em situaes futuras similares um problema de indexao. A indexao vista como um problema de escolher caractersticas que serviro de ndices para os casos colocados na memria, de forma que eles possam ser recuperados quando apropriados. Estas caractersticas identificam lies que o caso tem a ensinar. Mas, indexao pode tambm ser vista como um problema de organizar a memria de casos, de modo que a recuperao seja feita de forma eficiente e precisa (kolodner,1993). Organizao da Memria de Casos Trataremos a organizao da Memria em dois casos: Estrutura de memria linear: Nesta forma de organizao os casos so armazenados seqencialmente em uma lista, vetor ou arquivo e as caractersticas de cada caso so indexadas independente umas das outras. A sua principal vantagem a facilidade para aprender com os casos recm resolvidos, pois acrescent-los memria uma operao simples e barata, j que basta inser-los no final ou incio da estrutura. Estrutura de memria hierrquica: Neste tipo de organizao somente um pequeno subconjunto dos casos necessita ser considerado durante a recuperao. Geralmente a hierarquia obtida com a ajuda de mtodos de agrupamento indutivo. Uma maneira de determinar quais so os grupos corretos agrupar sobre um conjunto de caractersticas que so partilhadas por um grande nmero de itens. REDE DE CARACTERSTICAS PARTILHADAS prov esta forma de agrupamento: cada n interno da rede mantm caractersticas partilhadas pelos casos abaixo dele; itens sem aquelas caractersticas esto em ns irmos ou em ns abaixo dos ns irmos; os ns folhas so os prprios casos;
Exemplo de uma Rede de Caractersticas Partilhadas
A vantagem da rede de caracterstica partilhada e das outras estruturas hierrquicas em relao a organizao linear est no processo de recuperao que torna mais eficiente, j que no precisa realizar o casamento parcial do caso de entrada contra todos os casos de memria. E a principal desvantagem das organizaes hierrquicas em relao a organizao linear quanto a capacidade de aprendizado da memria, pois a adio de novos casos em estruturas hierrquicas no uma tarefa simples, j que o caso deve ser colocado no local correto da estrutura. Outra desvantagem que estas estruturas consomem mais espao de armazenamento.
Recuperao de Casos
Para resolver um novo problema o sistema CBR recupera da memria o caso que mais similar nova situao e toma a sua soluo, ou o raciocnio usado, para auxili-lo na resoluo. Similaridade em CBR O fundamental de um sistema CBR deve ser a sua definio computacional do significado de similaridade relevante entre casos, j que sua eficincia est ligada a recuperao de casos relevantemente similares a uma situao dada. Em geral um caso representado por um conjunto de caractersticas e sua soluo. So estas caractersticas que normalmente so comparadas com o problema de entrada. Para que a similaridade seja considerada relevante necessrio que estas caractersticas sejam prenunciativas. Cmputo do grau de Casamento Sabendo-se como medir a similaridade entre caractersticas pode-se calcular o grau de casamento entre dois casos. Se h como computar valores numricos para as similaridades entre as caractersticas correspondentes dos dois casos, ento, pode-se usar um mtodo numrico para calcular o grau de casamento entre eles. Quando no h como computar um grau numrico, mtodos heursticos baseados em conhecimento so usados. Os mtodos numricos mais usados tm sido o algoritmo "vizinho-mais-prximo" ou adaptaes dele. Esse algoritmo supe que os casos so representados como conjunto de caractersticas. Sua mtrica de similaridade simplesmente o quociente dado pela soma dos graus de similaridades entre as caractersticas que os dois casos tm em comum pelo total destas caractersticas. Uma adaptao desta mtrica dada pela equao abaixo:
Onde w a importncia da caracterstica t, sim a funo que mede a similaridade para os valores da caracterstica t e C E e C M so os valores da caracterstica t nos casos de entrada e memria respectivamente. GCasam a similaridade ou o grau de casamento computado entre os casos E e M. Seleo do caso mais relevante Tendo Calculado o grau de casamento de cada caso em memria contra a situao de entrada, como selecionar dentre os casos com algum grau de casamento aquele que o melhor para o problema de entrada? Ou seja, como dizer que um caso um melhor casamento que o outro? A primeira atitude olhar as diferenas entre o novo caso e cada um dos velhos que tiverem algum grau de casamento e descartar os velhos casos que diferenciarem em caractersticas que so teis em realizar as metas do novo caso e em satisfazer as suas restries. Para os casos remanescentes a escolha pode ser feita por um dos critrios abaixo. Sejam a e b casos da memria e p caso de entrada. Se o conjunto das caractersticas consideradas importantes em b um subconjunto das caractersticas importantes em a e p casa com a em todas as suas caractersticas importantes ento pode-se afirmar que a um melhor casamento para p que b (Ashley, 1989). Se a, b e p no se relacionam como acima a comparao se torna complicada. Ashley (1989) denomina estes casos de "incomparveis". Mas, d algumas idias de como eles podem ser comparados: Se a e b tm a mesma soluo ento h necessidade de comparao. Um complementa o outro; Se a e b tm solues diferentes ento deve-se olhar para suas diferenas relevantes com respeito a p e com respeito a cada outro. Isto , olhar para aquelas caractersticas importantes que aplicam somente a um caso ou que cada um partilha com p mas apenas no partilham entre si. Saber qual caracterstica mais importante para satisfazer as metas do caso pode ser fundamental para selecionar entre a e b.
Adaptao de Casos
Quando o recuperador est manipulando uma situao de entrada, ele busca pelo melhor casamento possvel em memria. Em geral, o caso recuperado no faz um casamento exato com a nova situao. H diferenas entre eles que precisam ser consideradas. Para reduzir essas diferenas, CBR dispe de um processo de adaptao que, aps localiz-las, aplica regras para resolv-las. A adaptao pode tomar vrias formas: incluso de alguma coisa nova na velha soluo; excluso de alguma coisa da velha soluo; substituio do valor de algum item; ou transformao de alguma parte velha da soluo ( Kolodner, 1993). Os mtodos chamados estruturais so aqueles que usam regras ou mesmo alguma parte de um outro caso diretamente sobre a soluo do caso recuperado para ajust-lo s caractersticas da nova situao. Esse ajuste pode ser por substituio de partes ou valores ou por transformao da estrutura do caso recuperado. Os mtodos de adaptao considerados mtodos por substituio so aqueles que adequam a velha soluo nova situao substituindo algumas partes dela por outras adequadas nova situao: Reinstanciao Soluo Parametrizada; Busca local ou Abstrao e Reespecializao; Substituio baseada em caso; Transformao de Bom Senso; Reparo guiado por modelo; Adaptao baseada em crtica;