Integrating Large Language Models and Paraconsistent Annotated Evidential Logic Et into Decision Support Systems for Reliable Decision-Making in Poultry Farming under Uncertainty and Contradiction

Resumo

A produção avícola tornou-se progressivamente mais complexa devido à variabilidade ambiental, à elevada densidade produtiva e às exigências de sustentabilidade, configurando ambientes decisórios marcados por incerteza, contradição e informações fragmentadas ou

dependentes de domínio. Os sistemas de suporte à decisão (SSD) convencionais frequentemente não conseguem garantir consistência e interpretabilidade nessas condições. Esta pesquisa desenvolve e avalia um método integrativo que combina a Lógica Paraconsistente Anotada Evidencial Eτ (Lógica Eτ), a Recuperação Aumentada (RAG) e agentes baseados em Modelos de Linguagem de Grande Escala (LLMs), com o objetivo de possibilitar um raciocínio resiliente e explicável aplicado à tomada de decisão na avicultura. A pesquisa foi conduzida em três etapas cumulativas: (i) revisão sistemática da literatura para identificação de lacunas conceituais e tecnológicas; (ii) experimentos controlados para avaliar a influência da RAG no desempenho dos LLMs; e (iii) modelagem, implementação e validação de um SSD conversacional que integra a inferência lógico-evidencial da Lógica Eτ a um modelo de linguagem de última geração. A avaliação, baseada em métricas de similaridade semântica (cosseno), relevância contextual e consistência lógico-evidencial, confirmou que a arquitetura integrada manteve desempenho robusto mesmo sob evidências conflitantes ou incompletas. O estudo consolida a Lógica Eτ como base computacional para SSDs de inteligência artificial confiáveis e resilientes, operacionalizando-a em um arcabouço contemporâneo de IA que aprimora a explicabilidade e a governança em processos produtivos agrícolas, com ênfase na avicultura.