Dep.

de En genharia I nfor m t ica da FCTUC, Disciplina de Com unicao Tcnica Profissional, 2000/ 200 1

INTELIGNCIA ARTIFICIAL: REPRESENTAO DE CONHECIMENTO por

Marco Srgio Andrade Leal Cmara Departamento de Engenharia Informtica Universidade de Coimbra 3030 Coimbra, Portugal mcamara@student.dei.uc.pt Resumo Uma introduo Inteligncia Artificial, mais especificamente sobre representao de conhecimento, atravs das abordagem declarativa e procedimental do conhecimento, com breve passagem por redes semnticas. Palavras chave Inteligncia Artificial, abordagem declarativa e procedimental, redes semnticas.

1. Introduo Uma viso geral sobre Inteligncia Artificial (IA)

O termo inteligncia artificial nasceu em 1956 no famoso encontro de Dartmouth. No final dos anos 50 e incio dos anos 60, os cientistas Newell, Simon, e J. C. Shaw introduziram o processamento simblico. Ao invs de construir sistemas baseados em nmeros, eles tentaram construir sistemas que manipulassem smbolos. A abordagem era poderosa e foi fundamental para muitos trabalhos posteriores. Desde ento, as diferentes correntes de pensamento em IA tm estudado formas de estabelecer comportamentos inteligentes nas mquinas. Portanto, o grande desafio das pesquisas em IA, desde a sua criao, pode ser sintetizado com a indagao feita por Minsky em seu livro Semantic Information Processing, h quase trinta anos : Como fazer as mquinas compreenderem as coisas ? [MINS KY 68]. Assim, embora a rea de IA seja estudada academicamente desde os anos 50, s recentemente tem gerado um interesse crescente por causa do surgimento de aplicaes comerciais prticas. Um factor decisivo para o sucesso desta transio da academia para a indstria so os enormes avanos tecnolgicos dos equipamentos computacionais ocorridos nas ltimas duas dcadas. Um sistema IA no capaz somente de armazenamento e manipulao de dados, mas tambm da aquisio, representao, e manipulao de conhecimento. Esta manipulao inclui a capacidade de deduzir ou inferir novos conhecimentos - novas relaes sobre factos e conceitos - a partir do conhecimento existente e utilizar mtodos de representao e manipulao para resolver problemas complexos que so frequentemente no quantitativos por natureza. Uma das ideias mais teis que emergiram das pesquisas em IA, que factos e regras conhecimento declarativo - podem ser representados separadamente dos algoritmos de deciso conhecimento procedimental . Isto teve um efeito profundo tanto na maneira dos cientistas abordarem os problemas, quanto nas tcnicas de engenharia utilizadas para produzir sistemas inteligentes. Adoptando um procedimento particular mquina de inferncia - o desenvolvimento de um sistema IA reduzido obteno e codificao de regras e factos que sejam suficientes para um determinado domnio do problema. Este processo de codificao chamado de engenharia do conhecimento. Portanto, as questes principais a serem contornadas pelo projectista de um sistema de IA so: aquisio, representao e manipulao de conhecimento e, geralmente, uma estratgia de controle ou mquina de inferncia que determina os itens de conhecimento a serem acedidos, as dedues a serem feitas, e a ordem dos passos a serem usados. A figura 1 representa estas questes, mostrando a inter-relao entre os componentes de um sistema clssico de IA [SCHUTZER 87].

Dep. de En genharia I nfor m t ica da FCTUC, Disciplina de Com unicao Tcnica Profissional, 2000/ 200 1

Figura 1- Uma viso conceptual dos sistemas de Inteligncia Artificial. O primeiro programa especialista baseado em conhecimento foi escrito em 1967. Chamado DENDRAL [BUCHANAN 78], podia predizer as estruturas de compostos qumicos desconhecidos baseado em anlises de rotinas. Posteriormente, sistemas especialistas baseados em regras mais sofisticados foram desenvolvidos, notavelmente o programa MYCIN [SHORTLIFFE 76]. Utiliza regras derivadas do domnio mdico para raciocinar (deduzir) a partir de uma lista de sintomas de alguma doena em particular. Muitos pesquisadores hoje acreditam que IA uma tecnologia chave para o software do futuro. As pesquisas em IA esto relacionadas com reas de aplicao que envolvem o raciocnio humano, tentando imit-lo e realizando inferncias. Estas reas de aplicao que geralmente so includas nas definies de IA incluem, entre outras [SAVORY 88] : x x x x x x Sistemas Especialistas ou Sistemas Baseados em Conhecimento. Sistemas Inteligentes/Aprendizagem. Compreenso/Traduo de Linguagem Natural Compreenso/Gerao de voz Anlise de imagem e cena em tempo real Programao Automtica.

Portanto, pode-se afirmar que o campo de IA tem como objectivo, o contnuo aumento da inteligncia do computador, pesquisando, para isto, tambm os fenmenos da inteligncia natural. Para este fim, IA definida aqui como sendo uma coleco de tcnicas suportadas por computador emulando algumas capacidades dos seres humanos. Esta coleco inclui [SAVORY 88] : x x x x x Resoluo de problemas Compreenso de Linguagem Natural Viso e Robtica Sistemas Especialistas e Aquisio de Conhecimento Metodologias de Representao de Conhecimento

A esperana de grandes descobertas futuras em IA depende de vrios factores, tal como o crescimento do nmero de cientistas envolvidos nas pesquisas e avanos principalmente nas reas da cincia da computao (incluindo processamento paralelo) e da cincia cognitiva.

2. Representao de Conhecimento
Para utilizar um corpo de conhecimento em uma mquina, necessrio escolher uma maneira de represent-lo. Todo programa de computador contm o conhecimento sobre um determinado problema a ser resolvido. O conhecimento est nos algoritmos que o programa emprega e nos procedimentos de deciso que determinam qual destes algoritmos empregar em determinada circunstncia. Quando carregase um programa em um computador, pode-se dizer que o computador adquiriu o respectivo conhecimento; entretanto, na maioria dos programas, estas informaes no so representadas explicitamente e no podem ser facilmente actualizadas ou manipuladas. 2

Dep. de En genharia I nfor m t ica da FCTUC, Disciplina de Com unicao Tcnica Profissional, 2000/ 200 1

Uma das principais caractersticas dos programas de IA que o sistema estruturado de modo a separar o cdigo executvel dos dados ou conhecimento do sistema. Assim, em IA, o termo conhecimento significa a informao que um programa de computador necessita para que possa comportar-se inteligentemente [WATERMAN 86]. A linha bsica de pesquisas seguida pela IA ao longo dos anos, tem sido a de simular inteligncia atravs de programas de computador cuja caracterstica principal o conhecimento e a sua representao [ VICCARI 94]. De acordo com Brachman, um pioneiro na comunidade de IA, ... a maioria dos trabalhos em IA esto baseados na crena de que os sistemas inteligentes podem ser construdos do explcito, base de conhecimento declarativo, que por sua vez so operados pelo geral, mecanismos de raciocnio formal. Esta hiptese fundamental de IA significa que a representao de conhecimento e o raciocnio (o estudo de maneiras formais de extraco de informao do conhecimento representado simbolicamente), de central importncia para a rea. [BRACHMAN 88] . Problemas relacionados com a representao de conhecimento no surgiram com o advento dos computadores digitais. H sculos tm sido estudados pelos filsofos, cujos trabalhos jamais puderam ser ignorados pelos cientistas da computao. Para os pesquisadores em IA, estes problemas continuam sendo bastante significativos. As interpretaes de representao de conhecimento e seu papel em IA variam bastante, mas a questo central, ainda segundo Brachman, a seguinte : Como transmitir o conhecimento do mundo par a um rob ou outro sistema computacional, dando-lhe uma capacidade adequada de raciocnio, de modo que este conhecimento possa ser utilizado para permitir ao sistema uma adaptao e explorao do seu ambiente ? [BRACHMAN 90]. Com relao a isto, surgem algumas indagaes bsicas importantes: x x x x x De que forma o conhecimento pode ser expresso ? Como encontrar a linguagem adequada para a representao deste conhecimento ? Como formar uma base de conhecimento suficientemente detalhada e que represente a compreenso do domnio ? Como realizar inferncias automticas, dando acesso tanto ao conhecimento implcito na base de conhecimento quanto quele armazenado explicitamente ( declarativo) ? Como o sistema deve proceder na presena de informaes incompletas, incorrectas ou de senso comum ?

A representao do conhecimento est sempre relacionada com as formas de expresso da informao. Diferentes sistemas de representao podem ser mais adequados para diferentes problemas, embora ainda existam muitas pesquisas no sentido de desenvolver sistemas e linguagens de representao de propsito geral. Geralmente, a questo central : como representar o conhecimento de modo formal sem considerar como ele ser utilizado ? Entretanto, a maioria das pesquisas actuais sustentam amplamente que intil considerar uma representao, sem considerar o raciocnio que ser realizado sobre a mesma. Assim, a rea de Representao de Conhecimento tem sido claramente padronizada para Representao de Conhecimento e Raciocnio . Como resultado, as pesquisas esto enraizadas no estudo das lgicas em geral, onde sintaxes formais de linguagens so acompanhadas por regras de inferncia e interpretaes [BRACHMAN 90]. importante considerar que uma linguagem de representao de conhecimento no deve ser caracterizada somente em termos de sua adequao mas tambm em termos de sua eficcia computacional. Assim, uma representao no deve meramente prescrever como trechos individuais de informaes so representados, mas deve especificar como a totalidade da informao estruturada e organizada de modo que as informaes relevantes possam ser recuperadas e que as inferncias adequadas apresentem um nvel aceitvel de eficincia [SHASTRI 91].

2.1 Abordagens sobre o Conhecimento e sua Representao

Existem duas tradicionais abordagens ou metodologias que direcionam as pesquisas em representao do conhecimento, praticamente desde os anos formativos de IA. Uma delas representada por John McCarthy, tenta adaptar os problemas de IA um mundo sistematizado da lgica simblica, onde seu principal interesse a maneira de representar relaes e caractersticas de um problema atravs do uso de expresses da lgica simblica e tambm ampliar o limite das possibilidades para estes tipos de expresses [NAGAO 90]. A segunda abordagem, representada por Marvin Minsky, afirma que o comportamento do crebro humano muito complexo para ser expresso dentro da lgica simblica. Ele criou os frames como uma combinao de ferramentas e mtodos que podem descrever as actividades do crebro humano sem permanecer confinado lgica simblica. A lgica simblica geralmente referida como abordagem declarativa, enquanto esta ltima abordagem chamada de procedimental. 3

Dep. de En genharia I nfor m t ica da FCTUC, Disciplina de Com unicao Tcnica Profissional, 2000/ 200 1

David Israel [ISRAEL 83] faz uma boa anlise sobre estas duas vertentes e, segundo ele, o que estas duas correntes de pesquisas em IA vm debatendo ao longo dos anos , na verdade, o papel da lgica na resoluo de problemas em IA. McCarthy acredita que a maneira de resolver problemas projectar programas de computador para raciocinar de acordo com linguagens bem definidas da lgica matemtica, sendo ou no a maneira como as pessoas pensam. Por outro lado, Minsky acredita que uma abordagem proveitosa tentar utilizar os computadores para imitar a maneira como o crebro funciona e, afirma ele, isto nada tem haver com a lgica matemtica. Certamente existem vrias outras questes envolvidas neste velho debate, embora todos os seus participantes concordem que o objectivo principal da pesquisa que os computadores devem, de uma maneira ou de outra, conhecer muito do que cada ser humano conhece sobre o mundo e sobre os organismos, naturais ou artificiais, que nele habitam [ISRAEL 83]. Os pesquisadores em IA costumam fazer a distino entre estes dois tipos de conhecimento, quais sejam, o declarativo e o procedimental. Tem havido muitas controvrsias sobre qual destas duas estruturas de representao a melhor. No h uma resposta precisa, at porque a prpria distino entre as duas formas , em geral, muito nebulosa. Entretanto, existe uma concordncia em que a maioria dos domnios requer a utilizao de ambos os tipos de informaes. Assim, na prtica, a maioria das representaes emprega uma combinao destas duas abordagens.

2.1.1 A Abordagem Declarativa do Conhecimento

O princpio representacional mais importante o do conhecimento declarativo, enunciado por McCarthy nos anos iniciais de IA. Este princpio afirma que o conhecimento sobre factos e relaes no mundo devem ser codificados explicitamente em um programa inteligente, de modo que permita outros programas raciocinar sobre este mesmo conhecimento. A maior parte do conhecimento quotidiano das pessoas declarativo, pois representa simplesmente afirmaes ou factos sobre o mundo real. Por exemplo, Joo comprou um carro. , uma tpica afirmao declarativa. Sob o aspecto computacional, dentre as principais vantagens de uma representao declarativa incluem-se [RICH 88] : x x Cada factos s precisa ser armazenado uma vez, independente das maneiras diferentes em que poder ser utilizado. A facilidade em acrescentar novos factos ao sistema, sem mudar outros factos e pequenos procedimentos.

Uma maneira bem conhecida de representar este tipo de conhecimento atravs das frmulas em lgica de predicado de primeira ordem. Factos declarativos simples geralmente podem ser representados como predicados instanciados. Portanto , o exemplo acima pode ser adequadamente representado por COMPRAR(Joo, carro) . Entretanto, declaraes mais complexas podem exigir representaes tambm mais complexas. Outra maneira de representar o conhecimento declarativo em termos de frames , ou seja, estruturas de dados nas quais todo o conhecimento sobre um objecto particular ou evento armazenado junto. Neste tipo de representao, a organizao do conhecimento pode ser bastante til para a modularidade e acessibilidade do conhecimento. Uma terceira maneira de representar o conhecimento declarativo atravs das redes semnticas. Estas redes so como frames , no sentido de que o conhecimento organizado em funo dos objectos que esto sendo descritos, embora aqui os objectos sejam representados por nodos em um grafo e as relaes entre eles por arcos rotulados. As redes semnticas so de particular interesse neste trabalho e sero descritas mais detalhadamente na sequncia. A principal vantagem de frames e redes semnticas sobre a representao lgica, que para cada objecto, evento, ou conceito, todas as informaes relevantes so armazenadas conjuntamente. Portanto, o acesso e a manipulao das informaes so facilitados e valores default podem ser criados quando a informao sobre um objecto ou evento no fornecida explicitamente. Para que se possa utilizar uma representao declarativa, preciso estend-la com um programa que especifique o que deve ser feito com o conhecimento e como faz-lo. A representao procedimental aquela em que as informaes de controle necessrias ao uso do conhecimento esto embutidas no prprio conhecimento, ou seja, a maior parte do conhecimento representada como procedimentos para a sua utilizao. 4

2.1.2 A Abordagem Procedimental do Conhecimento

Dep. de En genharia I nfor m t ica da FCTUC, Disciplina de Com unicao Tcnica Profissional, 2000/ 200 1

Para utilizar uma representao procedimental, preciso ampli-la com um interpretador que siga as instrues fornecidas no conhecimento. Pode-se dizer que a diferena entre as vises declarativa e procedimental do conhecimento est em onde residem as informaes de controle. O conhecimento procedimental reflecte um processo incremental, ou um conjunto de passos, a fim de dar conselhos, diagnosticar problemas, ou encontrar solues. Este tipo de conhecimento usualmente representado em um conjunto de regras ou rvores de deciso. Dentre as principais vantagens da utilizao da representao procedimental incluem-se [RICH 88] : x x x A facilidade em representar o conhecimento de como fazer as coisas. A facilidade em representar o conhecimento que no se enquadra dentro de muitos esquemas declarativos simples, como por exemplo, o raciocnio por omisso e o raciocnio probabilstico. A facilidade em representar o conhecimento heurstico de como fazer eficientemente as coisas.

A representao procedimental de um trecho de informao essencialmente um plano para a sua utilizao. Assim, construir uma boa representao semelhante a construir qualquer outro tipo de plano. Por isso, esta forma de representao est tambm bastante relacionada com trabalhos e actividades de planejamento. Porm, deve-se observar que medida que linguagens de nvel cada vez mais alto forem utilizadas para descrever o conhecimento procedimental, exigncias cada vez maiores sero necessrias para o compilador ou interpretador da linguagem. Eventualmente, as prprias representaes do conhecimento parecero muito declarativas, uma vez que a maioria dos mecanismos para raciocinar com este conhecimento estaro contidas no prprio interpretador. Considerando-se estes argumentos, deve ficar claro que no h delimitaes claras entre as formas de representaes declarativas e procedimentais. Em um processo de representao de conhecimento, a forma correcta a ser empregada depender do prprio conhecimento a ser representado e de sua utilizao pretendida. Semntica o estudo do significado de conceitos individuais utilizados na linguagem. uma tentativa de descrever os significados das palavras e as condies sob as quais eles podem interagir para serem compatveis com outros aspectos de uma linguagem. Uma rede um conjunto ou um grafo de nodos conectados por ligaes, como na figura 2. Os nodos em uma rede semntica usualmente representam os conceitos ou significados, por exemplo, POTENCIAL DE MEMBRANA , PROCESSO ELETRO-QUMICO . As ligaes usualmente representam as relaes existentes entre estes nodos, por exemplo, O potencial de membrana UM processo electro-qumico .

2.2 Redes Semnticas

Figura 2 - Parte de uma rede semntica.

Dep. de En genharia I nfor m t ica da FCTUC, Disciplina de Com unicao Tcnica Profissional, 2000/ 200 1

Portanto, uma rede semntica uma estrutura para a representao do conhecimento definida como um padro de nodos interligados por arcos rotulados. As redes deste tipo no s captam as definies dos conceitos mas tambm, inerentemente, proporcionam ligaes com outros conceitos. Uma variedade de redes semnticas tem sido desenvolvidas como variaes deste simples padro. Algumas so propostas como modelos da memria humana e significado de representao, enquanto outras so usadas como componentes de compreenso de linguagem e sistemas de raciocnio. Embora seja til imaginar as redes semnticas utilizando esta notao grfica caracterstica, lgico que elas no podem ser representadas desta maneira em um programa de computador. Shastri afirma que, em geral, possvel transformar uma rede semntica em uma linguagem no grfica e viceversa [SHASTRI 91]. Assim por exemplo, na linguagem LISP, cada nodo seria um tomo, as ligaes seriam as propriedades, e os nodos da outra extremidade seriam os valores. Na lgica, alguns arcos da figura poderiam ser representados pelas seguintes declaraes : _UM(Potencial_de_Membrana,Processo_EletroQumico) _UM(Potencial_de_Aco,Sinal_de_Informao) _REGULADO_PELA(Potencial_de_Membrana,Bomba_Metablica) Embora existam algumas controvrsias quanto denominao redes semnticas , acredita-se que so assim chamadas por razes puramente histricas. Em seu modelo precursor Semantic Memory , Quillian [QUILLIAN 68] tentava representar o significado do Ingls, ou seja, a semntica das palavras em Ingls. Ele queria definir um modelo de como o significado das palavras eram representados na memria humana, para isso, construiu uma rede associativa de nodos que representavam relaes entre os conceitos. Portanto, a denominao de redes semnticas , dizia respeito aplicao destas redes, e no alguma caracterstica especial das mesmas. Independentemente das razes que sugeriram esta denominao, as origens das redes semnticas vm do associacionismo de Aristteles - onde o comportamento controlado totalmente por associaes aprendidas entre os conceitos - e do reducionismo - onde os conceitos so sempre constitudos de conceitos mais elementares [RINGLAND 88]. A teoria das redes semnticas afirma que [LIU 94]: x x a memria humana associativa por natureza, e as ideias e informaes na memria esto interrelacionadas umas com as outras. esta inter-relao entre as ideias pode ser retratada pelos nodos e ligaes rotuladas que conectam estes nodos podendo ser representados por algumas estruturas formais e precisas.

Sob o ponto de vista cognitivo das teorias gerais de organizao da memria, com relao ao sistema de Quillian, a rede semntica organizada de acordo com os princpios de significado distribudo, economia cognitiva, e do raciocnio default. O princpio do significado distribudo refere-se ao facto de que a determinao do significado de um simples conceito encontrado considerando-se sua interaco com o conjunto inteiro de conceitos na rede semntica. O princpio da economia cognitiva refere-se ao facto de que, se possvel, os atributos comuns aos vrios conceitos no so codificados especificamente com cada conceito, mas com um conceito supra-ordenado. O princpio do raciocnio default refere-se ao facto de que, qualquer verdade assumida junto ao conceito supra-ordenado pode ser assumido verdade para seu conceito subordinado. Embora exista uma grande variedade de terminologias e notaes nos sistemas de representao do conhecimento por redes semnticas, as seguintes consideraes so comuns na maioria delas [SOWA 91]: x x x Nodos na rede representam conceitos de entidades, atributos, eventos e estados. Arcos na rede geralmente chamados de relaes conceituais, representam as relaes mantidas entre os conceitos. Os rtulos sobre os arcos especificam os tipos de relaes. Algumas relaes conceituais representam casos de lingustica, como agente, paciente, receptor, ou instrumento. Outros, representam conectivos espaciais, temporais, causais, lgicos. Ainda outros especificam o papel de uma entidade com relao outro, como por exemplo, me, proprietrio, residncia, etc. Os tipos de conceitos so organizados em uma hierarquia de acordo com os nveis de generalidade. Esta hierarquia frequentemente chamada de hierarquia de tipos ou hierarquia taxionmica. Relaes mantidas entre todos os conceitos de um determinado tipo so herdados atravs da hierarquia por todos os seus sub-tipos. Por exemplo, se todo animal necessita de oxignio para sobreviver, ento esta caracterstica ser herdada pelos carnvoros, felinos, gatos, etc. 6

x x

Dep. de En genharia I nfor m t ica da FCTUC, Disciplina de Com unicao Tcnica Profissional, 2000/ 200 1

Apesar destes temas serem de interesse comum, as redes divergem em vrias questes tais como, questes de natureza filosfica do significado, mtodos para a representao de todos os quantificadores e operadores lgicos, tcnicas para a manipulao das redes e o desempenho das inferncias, e convenes de estilos para o desenho dos nodos, arcos rotulados com palavras ou outros smbolos [SOWA 91] . Alguns sistemas so projectados para a representao de linguagem natural, outros para aplicaes de sistemas especialistas. Enquanto alguns esto baseados formalmente na lgica, outros so muito mais informais. Assim como ocorre em qualquer outro mecanismo de representao de conhecimento, o poder das redes semnticas situa-se na capacidade dos programas em manipularem os recursos disponveis em busca da soluo de problemas. Com o afirmou Woods, ... intil ter uma semntica explcita, a menos que haja alguma mquina de inferncia que lhe acompanhe. [WOODS 91]. Segundo Thomason e Touretzky [THOMASON 91], quanto interpretao das redes, o primeiro desafio articular as intuies sobre o raciocnio e apresent-las em um formato adequado e relativamente independente de detalhes de implementao. O segundo desafio procurar o modelo terico apropriado das interpretaes e mostrar que eles apresentam critrios tcnicos de adequao, como por exemplo a complitude. O terceiro e ltimo desafio demonstrar que o processo de formalizao e interpretao do modelo terico tem um ponto prtico que auxilia na compreenso dos formalismos das redes e que aumenta e serve para propsitos de representao de conhecimento. Com relao aos STIs, o trabalho de Quillian foi directamente considerado por Carbonnel, que o utilizou como base para representar o conhecimento geogrfico em seu sistema tutorial chamado SCHOLAR [CARBONNEL 70]. Este sistema proporcionava aos estudantes uma interface de iniciativa mista para um banco de dados sobre a Amrica do Sul. Carbonnel introduziu dois refinamentos s ideias de nodo de Quillia n. Primeiramente ele fez uma distino entre nodos conceito (latitude, por exemplo) e nodos exemplo (Brasil, por exemplo). Esta na verdade a base da instanciao . Em segundo lugar, permitiu que funes LISP pudessem ser conectadas aos nodos para resolver propriedades que no eram explicitamente estabelecidas. Esta facilidade na verdade a base dos slots usados nos sistemas tipo frames .

3. Consideraes Finais sobre Representao de Conhecimento

Dentre as diversas pesquisas em IA, existem vrios comportamentos inteligentes que dependem de conhecer o significado das palavras, como por exemplo a traduo por mquina e a compreenso de texto. O formalismo das redes semnticas desenvolvido por Quillian foi a primeira tentativa de realizar uma representao operacional do significado das palavras. A base de seu modelo relativamente simples, isto , o significado de uma palavra pode ser expresso pela relao desta com outras palavras. Isto conduz ao conceito de sentido das palavras, ou seja, uma palavra pode ter vrios significados dependendo do contexto no qual ela est sendo utilizada. Assim, pode-se dizer que o trabalho pioneiro de Quillian foi fundamental porque seu modelo introduziu, de uma forma ou de outra, todos os aspectos importantes das redes semnticas. Desde ento, as redes semnticas e outras representaes associativas ( frames , por exemplo), tm feito parte das linguagens de IA [COHEN 89]. Embora Quillian tenha sido motivado pelas questes em lingustica para desenvolver o seu modelo, as redes semnticas tm sido generalizadas para representaes de vrios outros tipos de conhecimento. Vrias questes relativas aos modos de inferncia, herana de propriedades, e a quantidade e semntica dos arcos so discutidas no campo das representaes de conhecimento.

Dep. de En genharia I nfor m t ica da FCTUC, Disciplina de Com unicao Tcnica Profissional, 2000/ 200 1

Agradecimentos
O autor agradece a todos os colegas e professores das disciplinas de IIA e CTP/SPE que o orientaram e motivaram na elaborao deste artigo e a todos as pessoas que se possam vir a interessar por ele. O trabalho correspondente foi realizado no mbito da disciplina de Comunicao Tcnica Profissional.

Referncias
[MINSKY 68] MINSKY, M. (editor), Semantic Information Processing , The MIT Press, Cambrige, 1968. [SCHUTZER 87] SCHUTZER, D. , Artificial Intelligence - An Applications-Oriented Approach , Van Nostrand Reinhold Company, New York, 1987. [BUCHANAN 78] BUCHANAN, B.G., FEIGENBAUM, E.A., DENDRAL and Meta-DENDRAL: Their Applications Dimension Artificial Intelligence, 11(1,2), pp. 5-24, 1978. [SHORTLIFFE 76] SHORTLIFFE, E.H., Computer-Based Medical Consultations: MYCIN , New York: American Elsevier, 1976. [SAVORY 88] SAVORY, S. E.(editor), Some Views on the State of Art in Artificial Intelligence em Artificial Intelligence and Expert Systems , Ellis Horwood Limited, 1988, pp. 21-34, Inglaterra . [WATERMAN 86] WATERMAN, D.A., A Guide to Expert Systems , Addison-Wesley Publishing Company, 1986. [VICCARI 94] VICCARI, R.M., Inteligncia Artificial e Educao-Indagaes Bsicas , Anais do IV Simpsio Brasileiro de Informtica na Educao, Re cife, 1993. [BRACHMAN 88] BRACHMAN, R.J., The Basics of Knowledge Representation and Reasoning , AT&T Technical Journal, Vol.67, N.1, p. 15, 1988. [BRACHMAN 90] BRACHMAN, R.J., The Future of Knowledge Representation , em Proceedings Eighth National Conference on Artificial Intelligence , Vol 2, pp. 1082-1092, Boston-USA, 1990. [SHASTRI 91] SHASTRI, L., Why Semantic Networks ? , em Sowa, J.F., Principles of Semantic NetworksExplorations in the Representation of Knowledge , Morgan Kaufmann Publishers, Inc., 199 1. [NAGAO 90] NAGAO, M., Knowledge and Inference , Academic Press Inc., 1990. [ISRAEL 83] ISRAEL, D. J., The Role of Logic in Knowledge Representation , IEEE Computer, pp.37-41, 1983. [RICH 88] RICH, E., Inteligncia Artificial , traduo do original Artificial Intelligence , McGraw-Hill, 1988. [QUILLIAN 68] QUILLIAN, M. R., Semantic Memory , em MINSKY, M., Semantic Information Processing , The MIT Press, Cambrige, pp. 227-270, 1968. [RINGLAND 88] RINGLAND, G.A. e DUCE, D.A. (editores), Approaches to Knowledge Representation- An Introduction , John Wiley & Sons Inc., 1988. [LIU 94] LIU, M., Hypermedia Assisted Instruction and Second Language Learning: A Semantic-Network-Based Approach , em Reed, W.M., Burton, J.K., e Liu, M., Multimedia and Megachange: New Roles for Educational Computing , The Haworth Press, Inc., pp. 293-312, 94. [SOWA 91] SOWA, J.F. (editor) , Principles of Semantic Networks-Explorations in the Representation of Knowledge , Morgan Kaufmann Publishers, Inc., 1991. [THOMASON 91] THOMASON, R. H. e TOURETZKY, D. S., Inheritance Theory and Networks with Roles , em Sowa, J.F., Principles of Semantic Networks-Explorations in the Representation of Knowledge , Morgan Kaufmann Publishers, Inc., 1991. [COHEN 89] COHEN, P.R. e FEIGENBAUM, E.A., The Handbook of Artificial Intelligence - Vol. III , AddisonWesley Publishing Company, Inc., 1989.