4.1. INTRODUÇÃO
Este capítulo tem como objetivo relatar detalhadamente as etapas vivenciadas no desenvolvimento do sistema, além de esclarecer a técnica escolhida.
No intuito de tentar explorar e pesquisar a utilização da Inteligência Artificial (IA) na tarefa de prescrição, a primeira ferramenta considerada foi os sistemas especialistas (vide seção 3.1). Para fazer um sistema baseado em regras, (e partindo dos 174 dados de entrada considerados relevantes no processo total de avaliação) os 174 inputs deveriam contemplar um total de regras, isto é, para cada input deveria haver uma combinação de possíveis valores. Este fato resultaria num número de regras que representa uma demanda de engenharia de conhecimento extremamente exaustiva, motivo este, responsável por um questionamento a respeito deste procedimento, não somente em função do número de inputs, mas também da variabilidade de valores que os inputs poderiam assumir.
4.3. DESENVOLVIMENTO DO SISTEMA
A alternativa que a literatura de IA oferece é a técnica de Raciocínio Baseado em Casos (RBC), onde o conhecimento origina-se a partir de experiências sobre o domínio (vide seção 3.2).
Constatou-se que RBC contém vantagens que representam uma ferramenta com um bom potencial para representação dessa tarefa. A vantagem de aquisição do conhecimento oferecida por RBC surge na medida em que se tem as descrições das experiências sobre este domínio, diminuindo, em muito, a necessidade de aquisição do conhecimento, porque a fonte básica do conhecimento está nas experiências. Os passos seguintes referem-se a decisões sobre modelagem de representação, manipulação, acesso, recuperação e comparação das experiências contidas em alguma fonte.
O primeiro passo para implementar a tarefa de prescrição de atividades físicas através de RBC, foi representar no sistema de RBC, a experiência sobre o domínio. Em RBC o caso é a entidade que é usada para representar a experiência, ou seja, para representar a interpretação dessa experiência. O caso é esta entidade que proporciona que as experiências possam ser manipuladas dentro do contexto da implementação do sistema de RBC.
As experiências aqui neste contexto são as prescrições. É uma situação onde o especialista recebe seu cliente (aluno ou paciente), experimenta os mesmos inputs (174), raciocina, e como saída do raciocínio, resulta a prescrição.
Para um projeto de RBC é necessário uma base de casos e seus mecanismos de acesso ao uso, chamado de memória. Para ser feita a recuperação, é preciso fazer avaliação da similaridade, interface para receber as informações do usuário e uma forma de apresentar os resultados. Além disso, planejar e programar a adaptação e a aprendizagem. Neste processo contínuo, como um espiral, todas as etapas devem ser testadas, e por isso, o sistema cresce passo a passo, onde todas as etapas devem ser pensadas em conjunto.
Os casos são descritos a partir da descrição do problema (inputs) e da descrição da solução (prescrição). Na medida em que o sistema contempla a descrição da entrada resultando na descrição do problema (prescrição), demonstra-se esta vantagem do RBC, pois quando a tarefa é realizada por um especialista humano, a prescrição é gerada a partir do diagnóstico, mostrando, neste caso, que o sistema não necessita a representação implícita do conhecimento, consequentemente também não necessita a aquisição do conhecimento com o especialista.
Como representar a experiência através de casos, trata-se da questão da modelagem (vide seção 3.5.1). Uma experiência de prescrição envolve uma relação de contato do especialista com o cliente, com objetivo de levantar algumas informações a respeito de seu estado geral de saúde, objetivos e condição física atual. (vide seção cap.2).
Visto que, estas informações contidas na entrevista são os elementos fundamentais a serem representados, definiu-se, então, representar a experiência da prescrição através dos casos por uma lista de atributos cujos valores levassem o especialista a considerar a descrição do problema.
A descrição do problema é realizada através dos casos de entrada. Através da experiência dos especialistas, criou-se uma lista de atributos (conjunto de informações que considera-se importantes na hora da prescrição).
Sistemas encontrados na literatura (CASEY - diagnóstico de doença cardíaca) (Kolodner, 1993) onde estão levantados um conjunto de características (sinais e sintomas) que visam solucionar um problema, normalmente são tratados como diagnóstico, por exemplo, um diagnóstico médico, avaliação nutricional. O objetivo do diagnóstico é verificar em que classe de problema o indivíduo se encontra.
A descrição da solução é a prescrição, com todas as características de projeto, pois apresenta aspectos associados a função dentro de determinado projeto.
Diante disto, deparou-se com a seguinte situação: o protótipo em discussão apresentava características de diagnóstico e características de projeto. A descrição do problema é representada dentro das diretrizes e pelas experiências da literatura com implementação de sistemas de diagnóstico, mas, neste trabalho, o diagnóstico não é feito explicitamente, pois a tarefa é a prescrição, onde os elementos que levam à prescrição são elementos de diagnóstico. Apesar da prescrição de exercícios ter atributos que contenham características de RBC feito para design (projeto), como o sistema possui elementos de diagnóstico, essa prescrição é um RBC que faz classificação.
No momento de representar e escolher os atributos e os índices para a descrição dos problemas, observou-se que os mesmos apresentavam natureza de diagnóstico, porém, no momento de escolher os atributos e os índices para descrição da solução observou-se que os mesmos apresentavam natureza de projeto.
Nos Intermediários são implementados computacionalmente os elementos de cálculo para iniciar a avaliação do usuário e a prescrição da solução, que são atributos fundamentais de projeto, onde se considera funções desses atributos, e não são considerados significativas como seria se fizesse planejamento. É importante a natureza dos atributos no momento de interpretar a experiência e considerar o tipo de tarefa.
Neste momento de desenvolvimento, concluiu-se que os inputs do usuário, assim como peso e estatura, não seriam realmente os que estavam associados à prescrição. Então, para um esclarecimento maior do exercício e também para atingir um dos objetivos específicos, que seria disponibilizar para o usuário sua avaliação, na hora da representação do caso, criou-se-se outro tipo de atributo intermediário onde foi armazenado valores calculados a partir dos inputs dos usuários.
4.3.2. ESTRUTURA ORGANIZACIONAL DOS CASOS
Iniciou-se a representação dos casos visando contemplar uma diversidade de condições físicas que estariam associadas a um determinado diagnóstico e respectivamente levariam a um tipo de prescrição.
Com relação à estrutura organizacional, optou-se por uma estrutura plana, porque a estrutura do domínio não justificaria outro tipo de filosofia de memória, por exemplo a memória dinâmica. Pretendeu-se, reunir o maior número possível de casos (experiências passadas) para reduzir as necessidades de adaptação. O objetivo inicial foi ter um sistema que para cada caso de entrada pudesse ter um caso suficientemente próximo, pensando em casos suficientes que contemplassem as situações das regras.
Formado o conjunto de casos, que representam o domínio, o passo seguinte foi a avaliação da similaridade. O especialista é o único capaz de dizer o que faz um caso ser similar ao outro quando no momento da representação do seu raciocínio. Esta avaliação da similaridade permite que a partir de uma nova situação comparada com todos aqueles elementos da base, que se verifique uma ordem de similaridade a ser mensurada através de uma métrica, para assim, fazer a avaliação da similaridade, a partir da valoração dos casos mais similares da base.
Na realização desta etapa, sentiu-se a necessidade de levantar os índices. A teoria de RBC sobre índices (Kolodner, 1996) é agrupado em "indexing vocabulary que é a definição de quais os atributos que devem ser considerados como índices, e "indexing assignment" index in vocabulary, ou seja, o que é realmente fundamental para a recuperação. O necessário é a prescrição com mínimas necessidades de adaptação.
A princípio, este sistema não realiza a etapa da adaptação, porque o objetivo é ter uma base com centenas de casos, em que um novo caso possa ser capaz de receber uma prescrição baseado na similaridade com outro da base. O "indexing assignment" que é como valorar, trata de qual é o nível de abstração, generalização ou especificidade que se deve tratar.
4.3.3.1. Indexação
Após definir um conjunto de índices, a avaliação da similaridade foi feita da seguinte maneira, por exemplo, a idade, foi tratada dentro de uma faixa adequada. Foi dado um valor para similaridade e comparado com o caso de entrada e com o caso da base. Estes casos da base, quando estão sendo comparados ao caso de entrada, são chamados de caso candidatos. A comparação foi realizada a nível dos índices, para todos os casos.
4.3.3.2. Avaliação da Similaridade
Através da ponderação dos índices, o conhecimento do especialista foi representado. A avaliação da similaridade é feita a partir da determinação de um valor entre 0 e 1 para medir a similaridade. Para comparar o caso de entrada com o caso da base com relação à idade, por exemplo, se as idades forem diferentes a similaridade será zero e se eles estiverem na mesma idade será um. Se os dois estiverem na mesma faixa de idade, a distância da idade vai definir valores mais próximos de zero.
Com a avaliação da similaridade concluída, foi dado início à testagem do sistema. Uma maneira de validar o sistema de RBC é no momento em que se faz uma recuperação, verificar o mais similar e observar se o valor é maior. Houve uma tentativa de identificar estes valores, porém, como o sistema apresenta um conjunto pequeno de casos, o número de inputs (176) dificultou este procedimento e a solução seria utilizar os casos reais.
Em se tratando de diagnóstico, existe uma alternativa proposta pela literatura referente ao PROTOS, onde sugere uma abordagem através da memória prototípica.
Concluiu-se que ter uma memória prototípica significaria o seguinte: uma base casos hipotéticos ou protótipos que não representam uma instância, e sim uma categoria de prescrição de exercícios. Através de uma base prototípica podería-se utilizar um novo caso real, ao invés de entrar com trezentos casos, entraría-se somente com os inputs, e depois seria feito a recuperação da categoria, isto é, onde estaria classificado aquele caso. Para a recuperação da categoria, traz-se a categoria e questiona-se a necessidade de adaptação. No momento em que se faz a prescrição, pode-se agregar estes casos à esta base, fazendo um link desta base de casos reais à esta base de protótipos. Fazendo isto em conjunto com o sistema, facilitaria o processo de aquisição de novos casos, além de estar preenchendo um outro objetivo, que é representar o conhecimento do especialista de uma forma similar à forma que o especialista representa na mente. Normalmente, prescreve-se através de categorias para classificação de todos os testes e medidas. Com a memória prototípica de categoria, o conhecimento seria representado de uma forma mais natural ainda dentro do domínio.
A decisão pela memória prototípica tem basicamente três alicerces: 1) o fato de representar o conhecimento de uma maneira próxima como os especialistas lidam com esta informação, ou seja, de forma mais genérica; 2) a outra questão é a facilidade de aquisição destes casos, que ao invés de buscar no passado experiências pode-se, entrar com casos atuais, quer dizer, com a memória prototípica classifica-se dentro de uma categoria de prescrição e pode-se acrescentá-lo à base e o especialista pode dar a prescrição, assim o sistema aprende com a experiências e ele adquire estes casos, cada um ligado a sua categoria. Durante a fase de maturação, quando o sistema estiver com um número de casos reais suficientes para ser validados, o novo caso deve ser recuperado primeiro para categorizar e depois os casos similares são recuperados e comparados àquela categoria , não necessitando fazer busca e comparar a similaridade do caso de entrada com todos os casos da base, que consistia do objetivo inicial, quando tratava-se de desenvolver um sistema especialista. 3) Desta forma, proporciona um mecanismo que facilita a aquisição das necessidades de adaptação, para que no momento em que o sistema estiver pronto, fiquem reduzidas estas necessidades, pois adaptação é considerada um gargalo de RBC.
Na medida em que se definiu fazer memória prototípica, precisou-se definir categorias. Uma combinação através dos 174 inputs, seria retornar ao problema dos sistemas especialistas. Já que a tarefa deste protótipo é prescrição e todas as decisões na hora de implantar um sistema de RBC devem ser tomadas em função da tarefa, então, na prescrição, os seguintes elementos devem estar esclarecidos: tipo de atividade, número de vezes por semana e duração.
Foi feito uma aquisição do conhecimento com a especialista, para saber quantas categorias seriam necessárias. A questão da idade, que foi fundamental para comparar o caso de entrada ao caso real, passou a ser irrelevante, a partir do momento em que se compara o caso de entrada com as categorias, dependendo da adaptação, porque uma pessoa muito jovem ou uma de mais idade pode realizar a mesmas atividades, dependendo do nível de aptidão física.
Diante disto, foi preciso reconsiderar a questão da indexação, necessitando determinar outros índices, que foram tipo de atividade, número de vezes por semana e a duração. Então, através da combinação destes três elementos, conseguiu-se criar uma memória prototípica.
Dentro desta tarefa de projeto, a construção da memória prototípica tornou-se mais viável, partindo-se do resultado, da descrição do problema, da combinação das soluções e das categorias de soluções, e não das categorias de descrição. Isto implica necessariamente que, dentro da teoria de RBC, perante uma tarefa de prescrição, não se está fazendo diagnóstico e sim prescrição.
Feito este levantamento, pôde-se utilizar um novo caso, categorizá-lo através da avaliação da similaridade, verificar se existiam casos armazenados na base que fossem similares, e verificar a necessidade de adaptação, caso contrário, este novo caso seria agregado à base fazendo um link à categoria para que pudesse ser recuperado.
Assim, aumentou-se a essência da recuperação e desenvolveu-se um mecanismo capaz de avaliar a necessidade de adaptação.