Glossário IA
O dicionário completo da Inteligência Artificial
Programação Lógica Indutiva (PLI)
Paradigma de aprendizado de máquina que combina programação lógica e aprendizado para induzir teorias lógicas, como regras ou programas, a partir de exemplos e conhecimento de fundo.
Aprendizado por Restrição
Estrutura de aprendizado onde o modelo é construído satisfazendo um conjunto de restrições derivadas dos dados, frequentemente usada para estruturar o espaço de busca em problemas complexos.
Teoria de Fundo (Background Knowledge)
Conjunto de fatos, regras e definições preexistentes fornecidos ao sistema PLI para guiar o processo de indução e restringir a hipótese aprendida.
Exemplos Positivos e Negativos
Dados de treinamento em PLI onde os exemplos positivos são instâncias que o conceito alvo deve cobrir, e os exemplos negativos são instâncias que ele deve evitar.
Hipótese Indutiva
A regra ou programa lógico gerado pelo sistema PLI que explica os exemplos positivos enquanto é consistente com os exemplos negativos e a teoria de fundo.
Regra de Cobertura (Covering Rule)
Estratégia de indução onde uma regra é aprendida para cobrir um subconjunto de exemplos positivos, então esses exemplos são removidos e o processo é repetido até que todos os exemplos sejam cobertos.
Especialização e Generalização
Operações fundamentais em PLI para navegar no espaço das hipóteses; a generalização amplia a cobertura de uma regra, enquanto a especialização a restringe para evitar exemplos negativos.
Viés Indutivo
Conjunto de restrições ou suposições que limitam o espaço das hipóteses possíveis em PLI, essencial para tornar o aprendizado viável e guiar para soluções relevantes.
Sistema ILP (Sistema de Programação Lógica Indutiva)
Software que implementa algoritmos de Programação Lógica Indutiva, como Progol, Aleph ou TILDE, capaz de induzir lógicas a partir de dados.
Interpretabilidade de Modelos
Vantagem chave da ILP onde os modelos aprendidos são conjuntos de regras lógicas explícitas e facilmente compreensíveis por humanos, ao contrário das caixas pretas.
Aprendizagem Relacional
Subdomínio da aprendizagem automática que lida com dados descritos por relações entre objetos, para o qual a ILP é particularmente bem adaptada.
Derivação Bottom-Up
Abordagem de indução em ILP que parte de um exemplo positivo específico e generaliza progressivamente a cláusula para cobrir mais exemplos, como no algoritmo GOLEM.
Derivação Top-Down
Abordagem de indução em ILP que parte de uma cláusula muito geral e a especializa para excluir exemplos negativos, típica de sistemas como Progol.
Princípio da Compressão Mínima (MDL)
Critério de avaliação em ILP que favorece a hipótese que oferece o melhor compromisso entre a complexidade da teoria e sua capacidade de codificar os dados, visando a compressão mais curta.
Síntese de Programas (Program Synthesis)
Aplicação da ILP que visa descobrir automaticamente um programa de computador executável a partir de especificações ou exemplos de entradas/saídas.
Revisão de Teoria
Tarefa em ILP que consiste em modificar uma teoria lógica existente para torná-la consistente com novas observações, adicionando, removendo ou modificando regras.
Aprendizagem de Definições Predicativas
Objetivo principal em ILP onde se procura aprender a definição lógica de um predicado alvo (ex: `parent(X,Y)`) a partir de exemplos e de conhecimento de fundo.
Negação por Falha (Negation as Failure)
Conceito de programação lógica onde uma condição negativa é considerada verdadeira se a condição positiva correspondente não puder ser provada, frequentemente utilizado nas hipóteses de ILP.
Espaço de Busca de Hipóteses
Conjunto de todas as cláusulas lógicas possíveis que o algoritmo de ILP pode explorar, estruturado e percorrido com a ajuda de estratégias como a generalização ou a especialização.