Na história da IA foram propostos diversos formalismos para quantificar e manipular incerteza. Em meados dos anos 80, surgiram as redes probabilísticas, provocando grande aceitação do uso da teoria de probabilidade como ferramenta de manipulação da incerteza. A importância atribuída à área tem aumentado com a edição de diversos números especiais de revistas científicas, dedicados ao assunto e com o reconhecimento das redes probabilísticas no congresso mundial de IA, IJCAI 1999, através da outorga do prêmio “Research Excellence” a um pesquisador nessa área. As principais redes probabilísticas são as redes bayesianas (BN) e os diagramas de influências (ID). Uma BN é adequada para realizar inferências probabilísticas. Um ID representa a formalização de um problema de decisão em um domínio com incerteza, onde o decisor é racional. Em geral, esses formalismos modelam o domínio por meio de uma única rede monolítica, sem levar em consideração a existência de subdomínios naturais, no domínio em questão.

Essa pesquisa propõe o formalismo Diagrama de Influência Múltiplo Secionado (MSID) para a avaliação de diagramas de influências, motivado pela intenção de explorar a propriedade de localidade em grandes domínios de dados. Um domínio que apresenta localidade, pode ser considerado por partes, pois existem subdomínios “naturais” fixos. O decisor humano que raciocina e toma decisões, com base nas informações contidas no domínio, pode fazê-lo focalizando um único subdomínio, em cada instante e desviando a sua atenção para outro subdomínio, de tempo em tempo. Um MSID é um conjunto de grafos acíclicos orientados (DAG) que representam ID ou BN, relacionados entre si, denotados subredes. Um MSID suporta as abordagens único agente ou multiagentes. Em ambas, o conjunto das subredes representa um único problema de decisão. Cada subrede modela uma fração do problema e representa um subproblema de decisão ou relações probabilísticas em um subdomínio natural do domínio em questão. A avaliação do problema original é realizada através da avaliação de cada uma das subredes. Na abordagem único agente, a entrada de evidências probabilísticas é feita por um único subdomínio de cada vez e somente são propagadas para outros quando o decisor (agente) alterna o subdomínio que está focalizando. Na abordagem multiagentes cada subrede representa um agente e a evidência pode ser entrada simultaneamente através das subredes. Ambos os enfoques apresentam as seguintes vantagens em relação ao enfoque tradicional: a) evitam a propagação prematura de evidências por todo o domínio; b) reduzem o esforço cognitivo do(s) decisor(es) ao apresentar apenas as informações referentes ao subdomínio em análise; e c) tornam os requisitos computacionais, necessários em um certo instante, proporcionais aos requisitos para representação e manipulação da maior subrede.

PALAVRAS CHAVES: raciocínio probabilístico, diagramas de influências, árvore de junções, representação de conhecimento, tomada de decisão, inteligência artificial.