Agrosoft 97: A Importância do Tratamento do Conhecimento Impreciso no Desenvolvimento de Sistemas para a Agricultura

A Importância do Tratamento do Conhecimento Impreciso no Desenvolvimento de Sistemas para a Agricultura

Marcos Antonio de Oliveira
marcos@dimap.ufrn.br
Bolsista PIBIC-CNPq DIMAp/CCET/UFRN
Rua Ismael Pereira da Silva, 1688 Apto. 209
Capim Macio
CEP 59082-000 Natal - RN - Brasil
Telefones: (084) 981 - 1478 ou (084) 236 - 4279

Márcia de Paiva Bastos Gottgtroy, D. Sc.
marcia@dimap.ufrn.br
Professora Adjunta DIMAp/CCET/UFRN
UFRN - Campus Universitário Lagoa Nova
CEP: 59072-970 Natal - RN - Brasil
Telefone: (084) 215-3817
FAX: (084) 231-9749

De maneira geral, o conhecimento impreciso está associado a qualquer processo de tomada de decisão. Isto deve-se possivelmente a conceitos inerentemente imprecisos como jovem, alto, bom, etc., e ao cruzamento de experiências similares ao invés de idênticas (aquisição de conhecimento de várias fontes). No contexto da agricultura percebeu-se, durante o processo de aquisição do conhecimento, a existência de porções deste conhecimento no processo de solução, nas relações entre conceitos e conceitos propriamente ditos, como textura, drenagem e aptidão agrícola. Esse conhecimento exige um tratamento mais adequado para tornar possível a um sistema computacional sua utilização de uma maneira mais aproximada a que um especialista humano utilizaria, ou seja, estará dando condições ao sistema de trabalhar observando as características imprecisas do conhecimento. Este trabalho mostra como está sendo de grande importância para o desenvolvimento do SAGRI (Sistema Inteligente de Apoio à Produção Agrícola), um sistema que se propõe a auxiliar o agricultor em suas tomadas de decisões durante todo o processo produtivo, o suporte ao tratamento do conhecimento impreciso que identifica-se neste processo, assim como, de uma maneira mais abrangente, para sistemas aplicados as áreas de conhecimento relativas à Agricultura.

In general, the imprecise knowledge is associated to any process of making decisions. Possibly it's because of inherently imprecise concepts such as young, tall, good, etc., and because of the matching of similar rather then identical experiences (knowledge acquisition of several sources). During the process of knowledge acquisition, in the agricultural context, we have been perceived that there are portions of imprecise knowledge in the solution process, relations among concepts and just in the concepts, such as texture, drainage and agricultural aptitude. This knowledge demand a more adequate manegement that makes possible for a computational system make use of this imprecise knowledge of a way more aproximated that an human expert do, that is , this management will be giving conditions for the system to work looking for the imprecises characteristics of knowledge. This paper shows how is very important for the development of SAGRI (Intelligent System for Supporting Agricultural Activities), a system that intend to give support to the farmer in his decisions during all the productive process, the support to the management of imprecise knowledge that has been identfied in this process as well as, of a more general way, for systems applied to knowledge's fields related to Agriculture.

Imprecisão, Gererenciamento dos Recursos Naturais, Inteligência Computacional, Sistemas de Apoio a Decisão para Agricultura, Lógica Fuzzy.

Um Sistema de Apoio a Decisão (SAD) que utiliza a tecnologia Inteligência Artificial (IA) oferece aos seus usuários uma solução para um problema específico baseado no conhecimento que ele detém sobre seu domínio de aplicação. Este conhecimento é adquirido de especialistas que possuem a experiência necessária para determinação de uma solução para o problema. Com isto percebe-se o quanto é importante para um sistema deste porte a representação do conhecimento adquirido do especialista.

No processo de construção do SAGRI (Sistema Inteligente para Apoio à Produção Agrícola) (Gottgtroy, 1995 e 1996) (Monat, 1995), percebeu-se a existência de muita imprecisão relacionada aos conceitos da área agrícola, conceitos que exigem um tratamento adequado para expressar mais realisticamente a representação no domínio de conhecimento de um sistema. Na representação do conceito textura do solo, por exemplo, é importante que um sistema considere as imprecisões que este conceito suporta de acordo com a variação do teor de argila, imprecisões estas, que podem influenciar muito no processo de solução.

Na área agrícola, as imprecisões são geradas devido a fatores como: experiência passada de pai para filho ao longo dos anos (aquisição de conhecimento do agricultor), significado intrínseco dos conceitos (por exemplo na caracterização visual de uma planta para análise folear), deficiência de evidências, como por exemplo na coleta incorreta de material feita pelo agricultor para análise do solo (durante a amostragem, por exemplo), captação de informações das estações micro-meteorológicas (Monat, 1995), diversidade de formação existente entre as várias pessoas que fazem parte do processo (agricultores, técnicos, pesquisadores, etc), necessidade da conjugação de várias áreas de conhecimento ou especialidades, como solos, culturas, meteorologia, recursos hídricos, dentre outros.

Essa diversidade de conhecimento impreciso, vago, incerto, ambíguo, inexato ou probabilístico, por natureza, que é encontrado nas áreas de conhecimento relacionadas com a agricultura, é trabalhada por especialistas humanos que lidam tão bem com isso que muitas vezes nem percebem esta característica de seu domínio de aplicação. Isto deve-se a uma experiência adquirida ao longo de sua vida tornando-o conhecedor de todos os detalhes de sua área de trabalho. A habilidade em trabalhar sobre um domínio de aplicação com estas características é própria do ser humano e cabe ao engenheiro de conhecimento estudar maneiras de mapear essa capacidade e a experiência do especialista para o sistema computacional que, com isso, estará muito melhor preparado para enfrentar os mesmos problemas que o especialista humano pode enfrentar.

Nas seções seguintes serão mostradas algumas das características imprecisas identificadas nas áreas de conhecimento relacionadas com a agricultura durante o desenvolvimento do SAGRI; a estratégia que está sendo utilizada para fornecer condições ao sistema de lidar com esta característica de seu domínio de aplicação, e as evidências de que um sistema computacional para a agricultura estará melhor preparado para auxiliar o agricultor em suas tomadas de decisões se ele trabalhar o seu domínio de aplicação exatamente como ele é, impreciso.

Para que um SAD trate os problemas que lhe são propostos de uma maneira mais próxima da que um especialista humano trataria, é importante que as imprecisões identificadas em seu domínio de aplicação estejam bem representadas em sua base de conhecimento, fornecendo-lhe, assim, informações suficientes sobre o conhecimento que lhe é pertinente e os mecanismos necessários para tratá-lo.

Durante a primeira fase de aquisição de conhecimento do SAGRI foram encontrados conceitos como por exemplo "Textura do Solo" onde é percebida a presença de um certo grau de imprecisão que é necessário ser representado e tratado pelo sistema. Para a especificação desse conceito é observado o teor de argila no solo da região que está sendo examinada. A partir do teor de argila no solo se caracteriza a textura como arenosa, mediana ou argilosa e essa classificação, juntamente com as quantidades dos elementos químicos fósforo e potássio no solo, que são classificadas ainda em teor baixo, médio, alto e muito alto, é dada a sugestão de adubação com P₂O₅ e K₂O, para que o solo que está sendo examinado venha a produzir uma cultura específica. A Tabela 1 mostra esta classificação mais detalhadamente.

Observe como é alta a quantidade de conceitos nebulosos na Tabela 1. O especialista examina os dados provenientes das análises química e física da região em foco para produzir o seu diagnóstico. Para determinar, por exemplo, a classificação do teor de fósforo no solo, já classificado como argiloso, quando a análise química lhe fornece 4,9 ppm de fósforo, ele vai ter que usar de sua experiência e classificar em baixo ou médio, e isto indica uma mudança de 100% para 50% do adubo
sugerido. O especialista consegue se sair geralmente muito bem

Teor no Solo	Textura			Textura			Sugestão de P₂O₅ e K₂O
	Argilosa	Mediana	Arenosa	Argilosa	Mediana	Arenosa
	Fósforo -	----------	(P - ppm)	Potássio -	----------	(K- ppm)
Baixo	<5	<10	<20	<30	<45	<60	100%
Médio	5-10	10-20	20-30	30-60	45-90	60-120	50%
Alto	>10	>20	>30	>60	>90	>120	25%
M. Alto	>>60	>>80	>>100	>>160	>>180	>>200	0%

Tabela 1: EMPARN - URP - Caicó Laboratório Análise Solo, Água e Planta; Indicações para uso das adubações sugeridas, conforme textura do solo e teores de P e K determinados nas análises

nessas situações, mas e o sistema computacional? Será que apenas a indicação de que se o teor de fósforo no solo for menor que 5 ppm esse solo deve ser classificado como "argiloso com baixo teor de fósforo" basta? As conclusões tiradas sobre estes questionamentos^* e outros similares é que o sistema deve possuir essas imprecisões identificadas mapeadas para que elas influenciem em seu diagnóstico tanto quanto influencia no diagnóstico do especialista humano.

Esse é um exemplo da existência e necessidade do tratamento do conhecimento impreciso nos sistemas que possuem como seu domínio de aplicação a agricultura. Diversos outros, como drenabilidade, porosidade, aptidão agrícola e erodibilidade estão sendo analisados e mapeados para que o SAGRI possa ter sua base de conhecimento rica e robusta, uma vez de posse de uma modelagem mais fiel as características do conhecimento e de um mecanismo de inferência que lhe dê capacidade para êxito na solução dos problemas que lhe são propostos.

Para tratar estas imprecisões, identificadas durante o processo de aquisição do conhecimento, foi escolhida a Teoria Fuzzy de Zadeh (Cox, 1994) (Eberhat, 1996) (Gottgtroy, 1990 e 1996) (Kasabov, 1996) (Orchard, 1995), que vem sendo muito utilizada atualmente, com resultados bastante satisfatórios.

A teoria fuzzy fornece aos engenheiros do conhecimento os mecanismos necessários para que este tratamento seja efetuado; ela oferece robustez na representação dos conceitos imprecisos, e uma maior aproximação da maneira que o ser humano age em suas tomadas de decisões devido ao tratamento linguístico (por categorias), e inferência fuzzy que implementa o raciocínio aproximado.

O conceito textura do solo mencionado pode ser bem representado através do conjunto fuzzy que a Figura 1 mostra:

Figura 1: Representação do conceito "Textura do Solo" através de um Conjunto Fuzzy.

Neste conjunto notamos a representação da mudança na classificação da textura de acordo com o aumento do teor de argila no solo que faz variar o quanto o teor de argila representa os conceitos arenoso, mediano e argiloso.

Veja como o conjunto fuzzy caracteriza bem o conceito: a função que relaciona os dois eixos é que representa a sua semântica e permite uma melhor representação do mesmo, por isso esta função deve ser escolhida com muito cuidado. Perceba ainda que o conjunto acima também mostra os conflitos encontrados no conhecimento eliciado através das sobreposições das funções, e eles poderão ser levados em conta pelo sistema. Estas sobreposições também podem mostrar conflitos e cooperações entre distintos especialistas.

A idéia básica do processamento fuzzy é a análise do grau de compatibilidade de um valor com um conceito (ou categoria). Assim, no nosso exemplo, a partir do valor do teor de argila dado, o sistema analisa o grau de compatibilidade com os conceitos de textura arenosa, mediana ou argilosa.

Através do conjunto fuzzy "textura do solo" também se torna clara a aproximação, através de variáveis linguisticas, da linguagem utilizada na modelagem com a do especialista, tornando a aquisição mais fácil e rápida e possibilitando uma maior semelhança entre a maneira como o sistema e o especialista infere.

O tratamento linguístico permitido pela teoria fuzzy proporciona uma maneira mais natural e correta de proceder o tratamento das imprecisões intrínsecas existentes nos conceitos característicos ao domínio de aplicação do SAGRI melhorando a modelagem do conhecimento, a inferência que é realizada durante a tomada de decisão do sistema e a interface com o usuário através da aproximação com sua linguagem.

Partindo de uma modelagem fuzzy chegamos ao estudo do mecanismo de inferência fuzzy. Os conceitos identificados como imprecisos são todos representados através de conjuntos fuzzy e variáveis linguísticas. A cada um desses conceitos estarão associados graus de imprecisão (fuzziness), que indicarão sua relevância na nossa base de conhecimento durante a ação do mecanismo de inferência fuzzy, e é a partir destes graus que o sistema avalia todas as regras fuzzy, pois possuem objetos e valores fuzzy, da base e decide quais terão seu consequente executados.

Um estudo abrangente sobre os mecanismos de inferência fuzzy (Cox, 1994) (Gottgtroy, 1996) (Kasabov, 1996) (Orchard, 1995) está sendo realizado para que o SAGRI se utilize do que melhor se adeque as características imprecisas de seu conhecimento. A partir deste estudo este método será implementado no sistema, associado ao processamento do ambiente de desenvolvimento Elements Environment 2.0 (Neuron Data, 1996), base do desenvolvimento do SAGRI.

Verificamos através deste trabalho que o tratamento do conhecimento impreciso é fator muito importante no desenvolvimento de um sistema inteligente na área agrícola. Pesquisas nesta área têm demostrado avanços importantíssimos, e uma prova disto são as vantagens que a lógica fuzzy trás para o tratamento deste tipo de conhecimento.

No projeto SAGRI estamos verificando a robustez e aproximação da maneira que o ser humano infere, que a lógica fuzzy oferece, através de um tratamento linguístico que é dado aos conceitos envolvidos no domínio de conhecimento do sistema.

Este tratamento linguístico oferece ganhos na modelagem, mecanismo de inferência e interface com o usuário do sistema, este último devido a uma aproximação com a sua linguagem, e uma maneira mais natural e correta de proceder o tratamento das imprecisões intrínsecas existentes nos conceitos característicos desse domínio de aplicação.

Todo o estudo que está sendo realizado para o sistema SAGRI, pode ser generalizado para outros sistemas da área agrícola, uma vez que os conceitos são os mesmos e trabalhados da mesma forma.

No contexto específico do sistema SAGRI, estão sendo realizados atualmente, a "fuzzyficação" dos conceitos identificados imprecisos no processo de aquisição do conhecimento realizado e o estudo das várias formas de inferência que implementam o raciocínio aproximado de modo a selecionar ou especificar o que melhor se adequa ao sistema e consequentemente ao domínio de conhecimento da área agrícola.

Aluno do Curso de Ciências da computação da Universidade Federal do Rio Grande do Norte, cursando o ultimo ano da Graduação. Bolsista PIBIC-CNPq, desde agosto de 1994, no projeto SAGRI (Sistema Inteligente de Apoio à Produção Agícola) da base de pesquisa em Sistemas de Apoio à Decisão sob coordenação da professora D. Sc. Márcia P. B. Gottgtroy.

Professora Adjunta da UFRN, D. Sc. Em Engenharia Civil pela COPPE/UFRJ, M. Sc. em Sistemas e Computação pela COPPE/UFRJ, graduação em Informática pela UFRJ, Coordenadora da Base de Pesquisa em Sistemas de Apoio à Decisão; Coordenadora do projeto SAGRI (Sistema Inteligente de Apoio à Produção Agrícola) e do projeto TOM (Sistema de Apoio à Atividade Turística). Atuante nos cursos de Ciências da Computação e Engenharia da Computação, Curso de Especialização em Engenharia de Sistemas e Curso de Mestrado em Sistemas e Computação do Departamento de Informática e Matemática Aplicada - UFRN.

Áreas de Interesse: Inteligência Computacional, Sistemas Híbridos, Aquisição Automática de Conhecimento, Cognição, Design de Informação, Tutores Inteligentes.

(*) Realizados durante a aquisição de conhecimento com o Agrônomo e Pesquisador da EMPARN Phd Aldo Arnaldo Medeiros.