Revisão Efetiva de Programas Lógicos (Bayesianos) a Partir de Exemplos

Revisão de Teorias a partir de exemplos é um processo guiado por exemplos para melhorar teorias geradas automaticamente ou definidas por um especialista. Apesar de vários sistemas de revisão de teorias terem sido projetados com sucesso no passado, eles não tem sido mais vastamente utilizados. Argumentamos que a principal razão para esse fato é a  ineficiência desses sistemas. Esta tese contribui em direção ao projeto de sistemas de revisão de teorias praticáveis. Primeiro, nós focamos em revisão de teorias de primeira-ordem. Nós introduzimos técnicas de Programação em Lógica Indutiva e Busca Local Estocástica para reduzir o tamanho do espaço de busca gerado por um sistema de revisão de teorias. Nós mostramos através de experimentos que é possível alcançar um sistema de revisão de teorias tão eficiente quanto um sistema de ILP padrão e que ainda gera teorias mais acuradas. Além disso, apresentamos uma aplicação envolvendo o jogo do xadrez, que é resolvida com sucesso através de revisão de teorias, em constraste com o  aprendizado do zero que falha em adquirir a teoria correta. Como revisão de teorias manipula bem domínios multi-relacionais, mas falha em representar incerteza, existe um grande interesse em juntar representações relacionais com mecanismos de raciocínio probabilísticos. Recentemente, contribuímos com um sistema de revisão de teorias probabilísticas de primeira ordem, chamado PFORTE. Apesar de apresentar resultados promissores em domínios artificiais, PFORTE precisa enfrentar a complexidade de buscar e executar inferência probabilística em grandes espaços, fazendo com que o mesmo não seja passível de ser aplicado em domínios do mundo real. Assim, a segunda maior contribuição dessa tese é abordar os pontos de gargalo do processo de revisão lógico probabilístico. Nós agregamos técnicas de ILP e de modelos gráficos probabilísticos para reduzir o espaço de busca do processo de revisão e também da inferência probabilística. O novo sistema de revisão foi aplicado com sucesso em domínios do mundo real.