Seres humanos são capazes de desenvolver complexas estruturas de conhecimento que podem ser utilizadas de modo flexível para lidar com o ambiente de maneira apropriada. Estas estruturas de conhecimento constituem um núcleo que suporta processos cognitivos, tais como a percepção, a categorização, o planejamento, etc. A Inteligência Artificial, enquanto área de investigação, ocupa-se de desenvolver meios que viabilizem a reprodução destas capacidades cognitivas em agentes artificiais. Por este motivo, a investigação de abordagens que permitam a representação de conhecimento de um modo flexível se revela altamente relevante. Com o objetivo de superar algumas das limitações típicas da teoria clássica, que é adotada por várias abordagens propostas na Inteligência Artificial, este trabalho propõe um arcabouço cognitivamente inspirado para representação de conhecimento e raciocínio que integra aspectos de três diferentes teorias cognitivas a respeito de como conceitos são representados na cognição humana: teoria clássica, teoria do protótipo e teoria do exemplar. O arcabouço resultante é capaz de suportar a composicionalidade, a tipicalidade, a representação de instâncias atípicas dos conceitos, e a representação da variabilidade de indivíduos classificados por cada conceito. Consequentemente, o arcabouço proposto também suporta raciocínio lógico e baseado em similaridade. As principais contribuições deste trabalho são a concepção teórica e a formalização de um arcabouço cognitivamente inspirado para representação de conhecimento e raciocínio. Uma outra contribuição deste trabalho é uma abordagem de raciocínio para classificação que utiliza a abordagem de representação de conhecimento proposta. Além disso, este trabalho também apresenta duas abordagens para seleção de exemplares representativos de cada conceito e uma abordagem para extração de protótipos de conceitos. Nesta tese também é apresentado um sistema para interpretação automática de processos deposicionais que adota o arcabouço proposto. Experimentos realizados em uma tarefa de classificação sugerem que o arcabouço proposto é capaz de oferecer classificações mais informativas que as oferecidas por uma abordagem puramente clássica. / Human beings can develop complex knowledge structures that can be used for dealing with the environment in suitable ways. These knowledge structures constitute a core that supports several cognitive processes, such as perception, categorization, planning, etc. The Artificial Intelligence, as a research field, aims at developing approaches for mimicking these cognitive capabilities in machines. Due to this, it is important to investigate approaches that allow representing the knowledge in flexible ways. In order to overcome some limitations of the classical theory of knowledge representation, which is adopted by several approaches proposed in the Artificial Intelligence field, this work proposes a cognitively-inspired framework for knowledge representation and reasoning which integrates aspects from three different cognitive theories about concept representation in the human cognition: classical theory, prototype theory and exemplar theory. The resulting framework can support compositionality, typicality, representation of atypical instances of concepts, and representation of the variability of the individuals classified by each concept. Consequently, the proposed framework also supports logical reasoning and similarity-based reasoning. The main contributions of this work are the formalization of a cognitively-inspired framework for knowledge representation and reasoning, two approaches for selecting representative exemplars of each concept and an approach of reasoning for classification that integrates logical reasoning and similarity-based reasoning and that is supported by definitions, prototypes and exemplars of concepts. This thesis also presents a system for automatic interpretation of depositional processes application that adopts the proposed framework. The experiments, which were performed on a classification task, suggest that the proposed framework provides classifications that are more informative than the ones provided by a classical approach.

Um dos principais desafios remanescentes em Inteligência Artificial é como fazer sistemas inteligentes ancorar abstrações de alto nível na realidade. Pelo menos parte do problema vai em direção da questão de qual arcabouço de representação é mais apropriado de maneira que facilite o reconhecimento de objetos. A cognição em animais, particularmente em humanos, pode dar pistas de como tal arcabouço de representação se parece. Estudos na cognição do reconhecimento de objetos sugere que o problema da representação na cognição incorpora informações a respeito de similaridade e informação holística-estrutural (i.e. todo-parte) a respeito de conceitos. Temos a visão de que sistemas computacionais que lidam com relações de todo-parte deveriam representar informações holístico-estruturais e similaridade. No entanto, não existe arcabouço de representação que permite tais informações serem representadas de forma integrada. Esta tese propõe um arcabouço de representação de informação de similaridade entre estruturas de todo-parte. Nossa proposta é baseada na teoria dos espaços conceituais. Estes são espaços matemáticos onde regiões e pontos representam conceitos e objetos respectivamente, tal que a distância entre estas entidades denota a sua similaridade. Na nossa proposta, todos e partes são representados em espaços conceituais distintos, chamados espaços holísticos e estruturais. Espaços holísticos permitem o julgamento de similaridade sistemático entre todos. Por outro lado, espaços estruturais permitem o julgamento de similaridade sistemático entre estrutura de partes. Um ponto em um espaço estrutural denota uma estrutura particular de partes; regiões neste espaço representam diferentes tipos de estruturas de parte. Através da redefinição de espaços conceituais como um produto de espaços holísticos e estruturais, nosso objetivo é permitir a representação de informações de similaridade entre diferentes todos, levando em consideração a similaridade entre partes compartilhadas e suas configurações. Esta tese tem três contribuições principais: uma teoria geral sobre espaços holísticos e estruturais; uma formalização da teoria fundada em produto de espaços métricos; e um algoritmo genérico para reconhecimento de objetos, implementando processamento holístico-estrutural. / One of main remaining challenges in Artificial Intelligence is how to make intelligent systems to ground high-level abstractions in reality. At least part of this problem comes down to the question of what representation framework is best suited in a way that facilitates object recognition. Animal cognition, particularly in humans, can give a clue of how such representation framework looks like. Studies on the cognition of object recognition suggests that representation in cognition incorporates similarity and holistic-structural (i.e. whole-part) information about concepts. We hold the view that computer systems dealing with part-whole relations should be able to represent similarity and holistic-structural information. However, there exists no representation framework that allows such information to be represented in an integrated way. This thesis proposes a concept representation framework for representing information about similarity between part-whole structures. We base our proposal on the theory of conceptual spaces, which are mathematical spaces where regions and points represent concepts and objects respectively, such that their distance denotes their similarity. In our proposal, parts and wholes are represented in distinct conceptual spaces called holistic and structure spaces. Holistic spaces allow for systematic similarity judgements between wholes. On the other hand, structure spaces allow for systematic similarity judgement between structures of parts. A point in the structure space denotes a particular part structure; regions in the space represent different general types of part structures. By redefining conceptual spaces as a product of holistic and structure spaces, our goal is to allow one to represent similarity information between different wholes, taking into consideration the similarity between shared parts and their configurations. This thesis has three main contributions: a general theory about holistic and structure spaces; a formulation of the theory founded on products of metric spaces; and a generic algorithm for object recognition implementing holistic-structural processing.

Interpretação semântica de imagens tem se mostrado uma das fronteiras mais promissoras da área de Visão Computacional, especificamente aplicada a interpretação imagens. Nas abordagens que estão sendo propostas atualmente, conhecimento visual explicitamente modelado é utilizado com algoritmos de raciocínio simbólico combinados a algoritmos de processamento de imagem a fim de se extrair o conteúdo de imagens e associá-lo a modelos semanticamente ricos. Este trabalho apresenta uma abordagem de interpretação semântica de imagens especificamente voltada para interpretação de gráficos de linhas, chamada S-Chart. Ela consiste um conjunto de modelos de conhecimento e algoritmos que podem ser instanciados para interpretação de gráficos em diversos domínios. Os modelos são representados em três níveis semânticos e aplicam o conceito de ancoramento simbólico (symbol grounding) para mapear as primitivas entre os níveis. Os algoritmos de interpretação propostos fazem a interação entre o raciocínio simbólico de alto nível e os algoritmos de processamento de sinal para os dados brutos dos gráficos analisados. Para demonstrar a aplicabilidade do framework S-Chart, foi desenvolvido o sistema InteliStrata, uma aplicação no domínio da Geologia, voltada para interpretação semântica de gráficos de perfis de poço. Utilizando a aplicação, foram interpretados dois perfis de raios gama capturados em poços de exploração, de modo que o sistema identificasse a presença de Sequências Estratigráficas e superfícies de inundação máximas. Os resultados foram comparados com a interpretação de um geólogo especialista sobre os mesmos dados. O sistema aponta as mesmas sequências já identificadas e oferece outras opções de interpretação compatíveis com as do geólogo utilizando os mesmos dados. O framework S-Chart tem seus pontos fortes nos seus modelos representação de conhecimento visual independentes de domínio, que permitem a utilização do mesmo arcabouço em diferentes aplicações e, em especial, no seu modelo de ancoramento simbólico entre primitivas de representação. / Semantic image interpretation is one of the most promising frontiers in the Computer Vision area, specifically when applied to Image Interpretation. To reach semantic interpretation, visual knowledge explicitly represented is applied by symbolic reasoning algorithms combined with image processing algorithms in order to extract the content of the images and associate it with semantically rich models. This work describes the S-Chart approach, a semantic image interpretation approach designed for interpretation of line charts. It is structured as a set of knowledge models and algorithms that can be instantiated to accomplish chart interpretation in other domains. The models are represented in three semantic levels and apply the concept of symbol grounding in order to map the primitives between the levels. The interpretation algorithms carry out the interaction between the symbolic reasoning in the high level, and the signal processing algorithms in the low level data. In order to demonstrate the applicability of the S-Chart framework, we developed the InteliStrata system, an application in Geology for the semantic interpretation of well log profiles. Using the application, we have interpreted the graphs of two gamma-ray profiles captured in exploration wells, to indicate the position of Stratigraphic Sequences and the maximum flooding surfaces. The results were compared with the interpretation of an experienced geologist using the same data input. The system was able to point the same identified sequences and offered alternative interpretation that were compatible with the geologist interpretation over the data. The S-Chart framework demonstrates its effectiveness on interpretation of pictorial information in knowledge intensive domains. The stronger points of the approach are its domain independent models for visual knowledge representation and, specially, the application of a symbol grounding model to provide a correlation between representation primitives.

Um dos principais desafios remanescentes em Inteligência Artificial é como fazer sistemas inteligentes ancorar abstrações de alto nível na realidade. Pelo menos parte do problema vai em direção da questão de qual arcabouço de representação é mais apropriado de maneira que facilite o reconhecimento de objetos. A cognição em animais, particularmente em humanos, pode dar pistas de como tal arcabouço de representação se parece. Estudos na cognição do reconhecimento de objetos sugere que o problema da representação na cognição incorpora informações a respeito de similaridade e informação holística-estrutural (i.e. todo-parte) a respeito de conceitos. Temos a visão de que sistemas computacionais que lidam com relações de todo-parte deveriam representar informações holístico-estruturais e similaridade. No entanto, não existe arcabouço de representação que permite tais informações serem representadas de forma integrada. Esta tese propõe um arcabouço de representação de informação de similaridade entre estruturas de todo-parte. Nossa proposta é baseada na teoria dos espaços conceituais. Estes são espaços matemáticos onde regiões e pontos representam conceitos e objetos respectivamente, tal que a distância entre estas entidades denota a sua similaridade. Na nossa proposta, todos e partes são representados em espaços conceituais distintos, chamados espaços holísticos e estruturais. Espaços holísticos permitem o julgamento de similaridade sistemático entre todos. Por outro lado, espaços estruturais permitem o julgamento de similaridade sistemático entre estrutura de partes. Um ponto em um espaço estrutural denota uma estrutura particular de partes; regiões neste espaço representam diferentes tipos de estruturas de parte. Através da redefinição de espaços conceituais como um produto de espaços holísticos e estruturais, nosso objetivo é permitir a representação de informações de similaridade entre diferentes todos, levando em consideração a similaridade entre partes compartilhadas e suas configurações. Esta tese tem três contribuições principais: uma teoria geral sobre espaços holísticos e estruturais; uma formalização da teoria fundada em produto de espaços métricos; e um algoritmo genérico para reconhecimento de objetos, implementando processamento holístico-estrutural. / One of main remaining challenges in Artificial Intelligence is how to make intelligent systems to ground high-level abstractions in reality. At least part of this problem comes down to the question of what representation framework is best suited in a way that facilitates object recognition. Animal cognition, particularly in humans, can give a clue of how such representation framework looks like. Studies on the cognition of object recognition suggests that representation in cognition incorporates similarity and holistic-structural (i.e. whole-part) information about concepts. We hold the view that computer systems dealing with part-whole relations should be able to represent similarity and holistic-structural information. However, there exists no representation framework that allows such information to be represented in an integrated way. This thesis proposes a concept representation framework for representing information about similarity between part-whole structures. We base our proposal on the theory of conceptual spaces, which are mathematical spaces where regions and points represent concepts and objects respectively, such that their distance denotes their similarity. In our proposal, parts and wholes are represented in distinct conceptual spaces called holistic and structure spaces. Holistic spaces allow for systematic similarity judgements between wholes. On the other hand, structure spaces allow for systematic similarity judgement between structures of parts. A point in the structure space denotes a particular part structure; regions in the space represent different general types of part structures. By redefining conceptual spaces as a product of holistic and structure spaces, our goal is to allow one to represent similarity information between different wholes, taking into consideration the similarity between shared parts and their configurations. This thesis has three main contributions: a general theory about holistic and structure spaces; a formulation of the theory founded on products of metric spaces; and a generic algorithm for object recognition implementing holistic-structural processing.

A expansão das tecnologias de comunicação e informação apoiadas pela internet trazem benefícios crescentes à sociedade. As redes sociais geolocalizadas, televisores que fazem uso da internet e avançados telefones celulares ganham popularidade em conjunto ao aumento da disponibilidade de acesso à internet. A utilização de tais meios para o compartilhamento de informações possibilita a construção de ambientes ricos em informação e conhecimento. Incorporar tais benefícios a ambientes educacionais, propondo métodos que façam uso da riqueza de informações inerentes a tais domínios, provendo a sugestão de conteúdos educacionais é o foco do presente trabalho. Para isto, é apresentado o arcabouço teórico das áreas de Sistemas de Recomendação, Ontologias, Metadados Educacionais e Web Semântica. Revisar os conceitos e o estado da arte de tais áreas conduz a uma análise crítica das mesmas, bem como, ao conjunto de práticas para a descrição de ontologias, que atuem como núcleo de conhecimento, para aplicações educacionais voltadas a recomendação de objetos de aprendizagem. Em conjunto, é também apresentada uma alternativa para que os desenvolvedores de sistemas educacionais possam repensar a maneira como estes estão sendo desenvolvidos, abrindo possibilidades para a agregação de serviços baseados na web semântica que facilitem integrações, filtros e compartilhamentos de informações. Os resultados obtidos através do método de representação de conhecimento que foi proposto neste trabalho, prevê a descrição de objetos de aprendizagem, perfis de usuários, como indivíduos de ontologias, bem como, perfis de aplicação que possibilitam raciocínio lógico visando auxiliar a sistemas de recomendação, e também uma proposta para a migração dos atuais repositórios de conteúdos educacionais para repositórios compatíveis com triplas, também compõe o presente trabalho. / It is a fact that the expansion of the communication and information technologies supported by the Internet brought growing benefits to the society. Geo-localized social networks, televisions that make use of the Internet and smartphones became popular with the wide spread of the Internet access. Information sharing among those devices took information and knowledge sharing at a new level. Incorporate such benefits to educational environments, especially when dealing with content suggestion it is the main focus of this work. To cope with this, we present a theoretical study over the areas of recommender systems, ontologies, educational metadata and semantic web. The study of such concepts and their following state of the art lead to a critical analyses, as also, to a set of practices to describe ontologies that can act as the knowledge core of learning object recommendation. Parallel to that, it is also presented an alternative for educational systems designers to reconsider the way that they are being developed, allowing the connection of a network of services, based on semantic web techniques, to provide knowledge filtering and sharing. The results present a set of practices that allow the description of learning objects and user profiles as ontology individuals, practices to build application profiles that allow reasoning over them, as also an alternative to migrate the current learning object repositories to a triple store.

Este trabalho procura utilizar algumas das idéias de J. Piaget, em especial a "Lógica Operatória Intraproposicional", para uma análise das relações de herança entre classes empregadas em sistemas de representação de conhecimento. Procura-se sistematizar a noção de taxonomias do conhecimento "científico", ou "classificações sistemáticas". Estas estruturas foram utilizadas por Piaget como ponto de partida para a descoberta de estruturas cognitivas do conhecimento científico. Em especial, define-se a relação CS, que determina quais quais relações de herança seguem de uma taxonomia do conhecimento científico. A noção de classificação do conhecimento científico é comparada com a de "classificação do senso comum". São mostradas as diferenças entre estes conceitos. Determina-se a semântica das classificag6es do senso comum nas estruturas de agrupamentos de Piaget, via uma extensão epistêmica da lógica de classes. É estudada a relação de herança do senso comum que admite exceções. É também apresentada a formulação usual em lógica de predicados, e é proposta uma formulação em lógica de classes estendida. Conclui-se que a definição intuitiva da relação de herança empregada em uma formulação em lógica de classes pode ser diferente daquela que é empregada em uma formulação em lógica do proposições. Observa-se, em especial na formulação em lógica de classes, que as relações de herança não-estrita não se adaptam A estrutura de grafo direcionado acíclico. Na verdade, a relação de herança não-estrita não estabelece uma ordenação entre as classes (no sentido de conjunto parcialmente ordenado, ou CPO), mas uma possível simetria entre estas classes. Esta observação não aparece tão claramente na formulação proposicional, já que a relação de herança é mascarada pelo uso da implicação lógica (->), o que dá uma aparência de ordenação parcial. Verifica-se o que ocorre quando são combinadas relações de herança com ou sem exceções em uma única teoria de herança. É feita ainda alguma sistematização da lógica operatória intraproposicional de Piaget. Esta sistematização não prima pelo rigor, mas em fornecer algum entendimento básico para os não iniciados em Piaget. O trabalho abrange a sistematização dos quatro agrupamento de classes da lógica intraproposicional, e relega o estudo dos quatro agrupamentos de relações para um trabalho posterior. / This work use some ideas of Jean Piaget, mainly the Operating Logic, for an analysis of inheritance relationships used in knowledge representation systems. The notion of "scientific" knowledge classifications as defined by Piaget is shown. These structures were used by Piaget as a starting point to find the cognitive structures of scientific knowledge. It is also defined a relation CS. This relation tells whether an inheritance relationship follows from a scientific knowledge taxonomy or not. The notion of scientific knowledge classification is compared with that of "commonsense classification". The differences between these concepts are shown. The semantics of common sense classifications is determined in terms of Piaget's "groupments", through an epistemic extension of the logic of classes. The common sense inheritance relationship with exceptions is studied. The usual formulation of inheritance in propositional logic is presented, and a formulation in the extended logic of classes is proposed. The conclusion is that the intuitive definition of inheritance relationship in one formulation may be different of that in the other. It is observed in the formulation in logic of classes that non-strict inheritance relationships don't adapt to the structure of an acyclic directed graph. In fact, the non-strict inheritance relation doesn't stablish an ordering between classes (in the sense of a partially ordered set, or POSET), but it stablishes a possible simmetry between these classes. This is not so clear in the propositional formulation, because the inheritance relation is masked by using logic implication (->), what gives an appearance of partial ordering. It is verified what occurs when inheritance relations with or without exceptions are mixed in one single theory. It is made some sistematization of the Piaget's intrapropositional operating logic. This sistematization doesn't try to be rigorous, but gives some basic understanding on this theme. The work involves the sistematization of the four groupmonts of classes of the intrapropositional logic, and leaves the study of the four groupments of relations for a future work.

Este trabalho procura utilizar algumas das idéias de J. Piaget, em especial a "Lógica Operatória Intraproposicional", para uma análise das relações de herança entre classes empregadas em sistemas de representação de conhecimento. Procura-se sistematizar a noção de taxonomias do conhecimento "científico", ou "classificações sistemáticas". Estas estruturas foram utilizadas por Piaget como ponto de partida para a descoberta de estruturas cognitivas do conhecimento científico. Em especial, define-se a relação CS, que determina quais quais relações de herança seguem de uma taxonomia do conhecimento científico. A noção de classificação do conhecimento científico é comparada com a de "classificação do senso comum". São mostradas as diferenças entre estes conceitos. Determina-se a semântica das classificag6es do senso comum nas estruturas de agrupamentos de Piaget, via uma extensão epistêmica da lógica de classes. É estudada a relação de herança do senso comum que admite exceções. É também apresentada a formulação usual em lógica de predicados, e é proposta uma formulação em lógica de classes estendida. Conclui-se que a definição intuitiva da relação de herança empregada em uma formulação em lógica de classes pode ser diferente daquela que é empregada em uma formulação em lógica do proposições. Observa-se, em especial na formulação em lógica de classes, que as relações de herança não-estrita não se adaptam A estrutura de grafo direcionado acíclico. Na verdade, a relação de herança não-estrita não estabelece uma ordenação entre as classes (no sentido de conjunto parcialmente ordenado, ou CPO), mas uma possível simetria entre estas classes. Esta observação não aparece tão claramente na formulação proposicional, já que a relação de herança é mascarada pelo uso da implicação lógica (->), o que dá uma aparência de ordenação parcial. Verifica-se o que ocorre quando são combinadas relações de herança com ou sem exceções em uma única teoria de herança. É feita ainda alguma sistematização da lógica operatória intraproposicional de Piaget. Esta sistematização não prima pelo rigor, mas em fornecer algum entendimento básico para os não iniciados em Piaget. O trabalho abrange a sistematização dos quatro agrupamento de classes da lógica intraproposicional, e relega o estudo dos quatro agrupamentos de relações para um trabalho posterior. / This work use some ideas of Jean Piaget, mainly the Operating Logic, for an analysis of inheritance relationships used in knowledge representation systems. The notion of "scientific" knowledge classifications as defined by Piaget is shown. These structures were used by Piaget as a starting point to find the cognitive structures of scientific knowledge. It is also defined a relation CS. This relation tells whether an inheritance relationship follows from a scientific knowledge taxonomy or not. The notion of scientific knowledge classification is compared with that of "commonsense classification". The differences between these concepts are shown. The semantics of common sense classifications is determined in terms of Piaget's "groupments", through an epistemic extension of the logic of classes. The common sense inheritance relationship with exceptions is studied. The usual formulation of inheritance in propositional logic is presented, and a formulation in the extended logic of classes is proposed. The conclusion is that the intuitive definition of inheritance relationship in one formulation may be different of that in the other. It is observed in the formulation in logic of classes that non-strict inheritance relationships don't adapt to the structure of an acyclic directed graph. In fact, the non-strict inheritance relation doesn't stablish an ordering between classes (in the sense of a partially ordered set, or POSET), but it stablishes a possible simmetry between these classes. This is not so clear in the propositional formulation, because the inheritance relation is masked by using logic implication (->), what gives an appearance of partial ordering. It is verified what occurs when inheritance relations with or without exceptions are mixed in one single theory. It is made some sistematization of the Piaget's intrapropositional operating logic. This sistematization doesn't try to be rigorous, but gives some basic understanding on this theme. The work involves the sistematization of the four groupmonts of classes of the intrapropositional logic, and leaves the study of the four groupments of relations for a future work.

Este trabalho procura utilizar algumas das idéias de J. Piaget, em especial a "Lógica Operatória Intraproposicional", para uma análise das relações de herança entre classes empregadas em sistemas de representação de conhecimento. Procura-se sistematizar a noção de taxonomias do conhecimento "científico", ou "classificações sistemáticas". Estas estruturas foram utilizadas por Piaget como ponto de partida para a descoberta de estruturas cognitivas do conhecimento científico. Em especial, define-se a relação CS, que determina quais quais relações de herança seguem de uma taxonomia do conhecimento científico. A noção de classificação do conhecimento científico é comparada com a de "classificação do senso comum". São mostradas as diferenças entre estes conceitos. Determina-se a semântica das classificag6es do senso comum nas estruturas de agrupamentos de Piaget, via uma extensão epistêmica da lógica de classes. É estudada a relação de herança do senso comum que admite exceções. É também apresentada a formulação usual em lógica de predicados, e é proposta uma formulação em lógica de classes estendida. Conclui-se que a definição intuitiva da relação de herança empregada em uma formulação em lógica de classes pode ser diferente daquela que é empregada em uma formulação em lógica do proposições. Observa-se, em especial na formulação em lógica de classes, que as relações de herança não-estrita não se adaptam A estrutura de grafo direcionado acíclico. Na verdade, a relação de herança não-estrita não estabelece uma ordenação entre as classes (no sentido de conjunto parcialmente ordenado, ou CPO), mas uma possível simetria entre estas classes. Esta observação não aparece tão claramente na formulação proposicional, já que a relação de herança é mascarada pelo uso da implicação lógica (->), o que dá uma aparência de ordenação parcial. Verifica-se o que ocorre quando são combinadas relações de herança com ou sem exceções em uma única teoria de herança. É feita ainda alguma sistematização da lógica operatória intraproposicional de Piaget. Esta sistematização não prima pelo rigor, mas em fornecer algum entendimento básico para os não iniciados em Piaget. O trabalho abrange a sistematização dos quatro agrupamento de classes da lógica intraproposicional, e relega o estudo dos quatro agrupamentos de relações para um trabalho posterior. / This work use some ideas of Jean Piaget, mainly the Operating Logic, for an analysis of inheritance relationships used in knowledge representation systems. The notion of "scientific" knowledge classifications as defined by Piaget is shown. These structures were used by Piaget as a starting point to find the cognitive structures of scientific knowledge. It is also defined a relation CS. This relation tells whether an inheritance relationship follows from a scientific knowledge taxonomy or not. The notion of scientific knowledge classification is compared with that of "commonsense classification". The differences between these concepts are shown. The semantics of common sense classifications is determined in terms of Piaget's "groupments", through an epistemic extension of the logic of classes. The common sense inheritance relationship with exceptions is studied. The usual formulation of inheritance in propositional logic is presented, and a formulation in the extended logic of classes is proposed. The conclusion is that the intuitive definition of inheritance relationship in one formulation may be different of that in the other. It is observed in the formulation in logic of classes that non-strict inheritance relationships don't adapt to the structure of an acyclic directed graph. In fact, the non-strict inheritance relation doesn't stablish an ordering between classes (in the sense of a partially ordered set, or POSET), but it stablishes a possible simmetry between these classes. This is not so clear in the propositional formulation, because the inheritance relation is masked by using logic implication (->), what gives an appearance of partial ordering. It is verified what occurs when inheritance relations with or without exceptions are mixed in one single theory. It is made some sistematization of the Piaget's intrapropositional operating logic. This sistematization doesn't try to be rigorous, but gives some basic understanding on this theme. The work involves the sistematization of the four groupmonts of classes of the intrapropositional logic, and leaves the study of the four groupments of relations for a future work.

O presente trabalho descreve a aplicação de um modelo híbrido para sistemas especialistas em um problema de tomada de decisão, do tipo classificatório. O modelo híbrido para sistemas especialistas, denominado SECOX-HI, foi desenvolvido utilizando-se dois mecanismos de representação de conhecimento. O conhecimento é representado por um conjunto de estruturas de dados relacionais e por redes neurais. As estruturas de dados relacionais permitem uma representação flexível e compreensível do conhecimento do domínio, enquanto que as redes neurais possibilitam a automação da aquisição de conhecimento, a partir de uma base de casos, e a implementação do aprendizado indutivo. O modelo de redes neurais utilizado foi o Modelo Neural Combinatório (MNC), capaz de realizar o aprendizado heurístico através de reconhecimento de padrões observados. A metodologia de construção de grafos de conhecimento foi utilizada para capturar o conhecimento dos especialistas sobre o domínio da aplicação. Adicionalmente, os conceitos da lógica nebulosa foram empregados para modelar as variáveis nebulosas do domínio da aplicação, bem como para definir a função de pertinência dos conjuntos nebulosos relacionados a essas variáveis. A metodologia de aquisição de conhecimento e a fase de engenharia de conhecimento são detalhadas no trabalho, assim como a determinação das variáveis nebulosas e os conjuntos nebulosos associados. O modelo híbrido para sistemas especialistas, SECOX-HI, foi aplicado no problema de detecção de regime de operação do reservatório da usina hidroelétrica de Passo Real, no sistema hidroelétrico Jacuí, na companhia estadual de energia elétrica do Estado do Rio Grande do Sul (CEEE). Para a validação do SECOX-HI, montaram-se três versões da base de conhecimento. A primeira versão, Bl, contém os casos de ocorrências históricas levantados no centro de operações do sistema. A segunda versão, B2, foi montada a partir dos grafos de conhecimento colhidos dos especialistas. A terceira versão da base de conhecimento, B3, constituí-se numa base híbrida, formada por porções das versões Bl e B2. Também, para efeito de validação do sistema, foi montada uma base de testes. A base de testes é composta por 30 ocorrências, aleatóriamente selecionadas. A versão Bl do sistema concluiu corretamente 29 (96. 7 %) dos 30 diagnósticos da base de testes. A versão B2 do sistema concluiu corretamente 22 (73.4 %) dos 30 casos apresentados, e a versão híbrida do sistema, B3, concluiu corretamente 27 (90 %) dos 30 casos apresentados. Pelos resultados obtidos na validação do modelo, pode-se verificar a eficiência do formalismo híbrido na representação do conhecimento; a eficiência e aplicabilidade de modelos de redes neurais para a implementação de métodos de aquisição automática de conhecimento, principalmente quando existe um banco de casos disponível para o treinamento da rede neural; a aplicabilidade da tecnologia de sistemas especialistas no suporte à decisão. Como principais contribuições deste trabalho, pode-se destacar a i aplicação da lógica nebulosa numa situação real, para a interpretação e modelagem de conceitos imprecisos; a utilização e validação de uma metodologia para aquisição de conhecimento, baseada em grafos; a especificação e aplicação de um modelo computacional que incorpora a explicitação automática de conhecimento, via registros de ocorrências históricas, e o aprendizado indutivo, pelo refinamento do conhecimento armazenado nas redes neurais. / This dissertation describes the application of a hybrid model for classification expert systems in a decision making environment. The hybrid model for expert systems, named SECOX-HI, employs two knowledge representation mechanism. The knowledge is represented by a set of relational data structures and neural networks. The relational data structures provide flexible and comprehensible constructs for modeling the domain knowledge. The neural networks provide the means for automatic knowledge acquisition, by a case database, and enable the implementation of machine learning techniques. The Combinatorial Neural Model (CNM) was the architecture chosen for the neural network environment. These model is characterized by its capacity of learning through the recognition of regularities observed in the outside world. The methodology used for knowledge acquisition was the construction of knowledge graphs, extracted from the domain experts. In addition, the fuzzy logic concepts was used to model the fuzzy variables of the application domain, as well as to define the membership functions of the fuzzy sets related to these variables. The knowledge acquisition methodology, the knowledge engineering phase and the especification of the fuzzy variables are fully discussed. The SECOX-HI system was applied at classification of operation states of the floodgates movements from a reservoir in a hydroeletric company named CEEE (Companhia Estadual de Energia Elétrica Rio Grande do Sul). To validate SECOX-HI system, three vers10ns of the knowledge base were consructed. The first version, Bl, was automatically created based on the training of the case database. The case database is formed by records of historicals occurrences retrieved from the databases of the eletric company, CEEE. The second version, B2, is based upon the knowledge graphs extracted from experts in operation of floodgates. The third version, B3, is a hybrid version formed by parts of knowledge base version Bl and B2. To validate these three versions of the knowledge base, 30 cases were randomly selected from the same database that originated the case database, excluding ali cases that had already been previously selected. Version Bl gave 29 (96,7%) correct diagnoses out of 30; version B2 gave 22 (73,4%) correct diagnoses and version B3 gave 27 (90 ,0%) correct diagnoses. These results point to the efficiency of the hybrid formalism to the knowledge representation, the efficiency and applicability of neural networks models to implement the automatic knowledge acquisition methods, mainly when there is a case database available for training the neural model. The results also showed the applicability of expert systems in the role of a decision support tool. The main contribuitions of this research are the application of fuzzy logic m a real world problem to interpret and model imprecise concepts; the using and validation of a knowledge acquisition methodology based on knowledge graphs; the design and application of a computational model that provides automatic knowledge I acquisition by a case database and inductive learning through the refinement of the neural network knowledge.

Diversos estudos têm sido realizados com o objetivo de definir estruturas para construção de ambientes de desenvolvimento de software. Alguns desses estudos indicam a necessidade de prover inteligência a tais ambientes, para que estes, efetivamente, coordenem e auxiliem o processo de desenvolvimento de software. O paradigma da orientação a objetos (POO) vem sendo utilizado na implementação de sistemas inteligentes, com diferentes enfoques. O POO tem sido experimentado, também, como estrutura para construção de ambientes. A abordagem da construção de sistemas, na qual a inteligência se encontra distribuída, como proposto por Hewitt, Minsky e Lieberman, suscita a idéia de modelar objetos que atuem como solucionadores de problemas, trabalhando cooperativamente para atingir os objetivos do sistema, e experimentar essa abordagem na construção de ambientes inteligentes. Nesta dissertação, é apresentado um estudo sobre a utilização do POO na implementação de sistemas inteligentes, e proposta uma extensão ao conceito de objeto. Essa extensão visa permitir flexibilidade no seu comportamento, autonomia nas suas ações, aquisição de novos conhecimentos e interação com o ambiente externo. A existência de objetos com tais características permite a construção de sistemas inteligentes, modularizados e evolutivos, facilitando, assim, seu projeto, implementação e manutenção. Visando esclarecer os termos utilizados no decorrer desta dissertação, são discutidos os conceitos básicos do POO e suas principais extensões. São apresentadas algumas abordagens sobre inteligência e comportamento inteligente, destacando-se a importância de conhecimento, aprendizado e comportamento flexível. Observa-se que este último decorre da aquisição de novos conhecimentos e da análise das condições do ambiente. Buscando fornecer embasamento para análise das características representacionais do POO, são apresentados os principais esquemas de representação de conhecimento e algumas estratégias para resolução de problemas, utilizados em sistemas inteligentes. E analisado o uso do POO como esquema de representação de conhecimento, destacando-se suas vantagens e deficiências. É sintetizado um levantamento de propostas de utilização do POO na implementação de sistemas inteligentes, realizado com o objetivo de identificar os mecanismos empregados na construção desses sistemas. Observa-se a tendência em apoiar a abordagem da inteligência distribuída, utilizando-se a estruturação do conhecimento propiciado pelo POO e características positivas de outros paradigmas. Propõe-se um modelo de objetos com comportamento inteligente. Nesse modelo, além dos aspectos declarativos e procedimentais do conhecimento, representados através de variáveis de instância e de métodos, são encapsulados mecanismos para prover autonomia e comportamento flexível, permitir a aquisição de novos conhecimentos, e propiciar a comunicação com usuários. Para prover autonomia, foi projetado um gerenciador de mensagens, que recebe solicitações enviadas ao objeto, colocando-as numa fila e atendendo-as segundo seu conhecimento e análise das condições do ambiente. Utilizando-se recursos da programação em lógica, são introduzidas facilidades para flexibilização do comportamento, através de regras comportamentais em encadeamento regressivo. A aquisição de novos conhecimentos é obtida através da inclusão/retirada de fatos, de procedimentos e de regras comportamentais na base de conhecimento do objeto. Para fornecer auxílio e relato de suas atividades, os objetos exibem o status da ativação de suas regras comportamentais, e listas das solicitações atendidas e das mantidas em sua fila de mensagens. Para experimentar o modelo proposto, é implementado um protótipo de um assistente inteligente para as atividades do processo de desenvolvimento de software. Sua implementação utiliza a linguagem Smalltalk/V com recursos da programação em lógica, integrados através de Prolog/V. A experiência obtida na utilização desse modelo mostrou a viabilidade da inclusão de características complementares ao modelo de objetos do POO, e a simplicidade de sua implementação, utilizando-se recursos multiparadigmáticos. Esse modelo constitui, assim, uma alternativa viável para construção de ambientes inteligentes. / Aiming at defining structures for Software Engineering Environments (SEE) much research has been accomplished. Some of this research results have pointed out the need to provide intelligence to coordinate and assist effectively the software development process. The object-oriented paradigm (OOP) has been applied to implement intelligent systems with several approaches. The OOP as SEE structure has been experimented as well. The system construction approach in which the intelligence is distributed among its elements, proposed by Hewitt, Minsky and Lieberman, elicits the idea of modelling objects that act as problem-solvers, working cooperatively to reach the system objectives, and to experiment this approach in the construction of intelligent environments. In this dissertation, a study of the OOP use in the implementation of intelligent systems is presented. An extension to the object concept is proposed to allow objects to exhibit a flexible behavior, to have autonomy in their tasks fulfillment, to acquire new knowledge, and to interact with the external environment. The existence of objects with this ability, enables the construction of modulated and evolutionary intelligent systems, making its design, implementation and maintenance easier. The OOP basic concepts and main extensions are discussed to elucidate the concepts that will be used throughout this dissertation. Some intelligence and intelligent behavior approaches are presented, emphasizing knowledge, learning and flexible behavior. This flexible behavior comes from new knowledge acquisition and from the analysis of environment conditions. The main knowledge representation schemes and several problem solving strategies used in intelligent systems are presented to provide background for representational characteristics analysis of the OOP. The OOP used as a knowledge representation scheme is analyzed and emphasized its advantages and shortcomings. In order to identify mechanisms engaged in the implementation of intelligent systems, a survey of proposals of the OOP used in that systems is synthesized. In that survey the emphasis to support the distributed intelligence approach through the use of the knowledge representation model provided by OOP and positive characteristics of other paradigms is observed. An object model with intelligent behavior is proposed, in which, besides the declarative and procedural aspects of knowledge represented through instance variables and methods, mechanisms are encapsulated to provide autonomy and flexible behavior, to allow new knowledge acquisition, and to promote communications with users. To provide autonomy a message manager which receives requests from other objects was developed. The message manager puts messages in a queue and dispatches them according to its knowledge and the analysis of environment conditions. Using programming in logic resources, facilities are introduced to get behavior flexibility through behavioral rules in backward chaining. Knowledge is acquired through facts, procedures, and behavioral rules asserted/retracted in the object's knowledge-base. To provide assistance and report on their activities, the objects exhibit the status of their behavioral rules firing, and lists of granted requests as well as the ones kept in its message queue. To explore the proposed model properties, one intelligent assistant prototype to support the activities of the system development process was implemented. For its implementation, the Smalltalk/V language with programming in logic resources integrated by Prolog/V was used. The experience acquired in using this model, indicated the feasibility of the inclusion of additional characteristics to the OOP model, and the clearness of its implementation using multiparadigm resources. Therefore, this model is a viable alternative to the construction of intelligent environments.