UNIDAD III SISTEMAS DE RAZONAMIENTO LGICO 3.1 Reglas de produccin Demostradores de teoremas.

Los demostradores de teoremas se diferencian en dos aspectos de los lenguajes de programacin lgica: 1. Los lenguajes de programacin lgicos slo manejan clusulas de Horn, en tanto que los demostradores de teoremas si aceptan la lgica de primer orden. 2. Los programas de Prolog combinan lgica y control, mientras que los demostradores de teoremas necesitan todava controlar la informacin para operar eficientemente. Estructura general de las reglas: Antecedente consecuente Donde:

Antecedente: contiene las clausulas que deben cumplirse para que la regla pueda evaluarse o ejecutarse. Consecuente: indica las conclusiones que se deducen de las premisas o las acciones que el sistema debe realizar cuando ejecuta la regla.

Regla de forma general Ejemplos de reglas de produccin IF cond1 AND cond2 ANDcondn THEN acc1 AND acc2 AND Acom Ejemplo de reglas sin variables: IF (coche COCHE-JUAN) AND (Luces COCHE-JUAN tenues) THEN (verificar_bateria COCHE-JUAN) Ejemplo de regla con variables: IF (coche$x) AND (luces$x tenues) THEN (verificar_bateria$x) Las reglas de produccin son un mtodo procedimental de representacin del conocimiento, es decir, pone nfasis en representar y soportar las relaciones inferenciales del dominio, en contraposicin a los mtodos declarativos (nfasis en la representacin de los hechos). La estructura de una regla es: SI <antecedentes> ENTONCES <consecuentes> Los antecedentes son las condiciones y los consecuentes las conclusiones, acciones o hiptesis.

Cada regla por si misma constituye un grnulo completo de conocimiento. La inferencia en los Sistemas Basados en Reglas se realiza mediante emparejamiento. Hay dos tipos, segn el sentido: Sistemas de encadenamiento hacia adelante: una regla es activada si los antecedentes emparejan con algunos hechos del sistema. Sistemas de encadenamiento hacia atrs: una regla es activada si los consecuentes emparejan con algunos hechos del sistema. Arquitectura de los Sistemas Basados en Reglas:

Base de Conocimientos: rene todo el conocimiento del sistema (Hechos + Reglas). Memoria Activa: contiene los hechos que representan el estado actual del problema (iniciales + inferidos a posteriori) y las reglas activadas (en condiciones de ser ejecutadas). Motor de Inferencias: decide que reglas activadas se ejecutarn.

3.2 Sintaxis de las reglas de produccin SI <condiciones> ENTONCES <conclusiones, acciones, hiptesis> Cada regla SIENTONCES establece un granulo completo de conocimiento Regla_ Operador valido en un espacio de estados CONDICIONES (tb. premisas, precondiciones, antecedentes, ...) _Formadas por clausulas y conectivas (AND, OR, NOT) _ Representacin clausal debe corresponderse con conocimiento del dominio _ Formato tpico: <parmetro/relacin/valor> _ PARMETRO: caracterstica relevante del dominio _ RELACIN: entre parmetro y valor _ VALOR: numrico, simblico o literal _ Tambin en forma de predicados lgicos CONCLUSIONES, ACCIONES, HIPTESIS (tb. consecuentes, ...) _ Conclusiones, Hiptesis: conocimiento declarativo _ Acciones: cq. Accin procedimental (actualiza. conocimiento, interaccin con exterior, etc..) REGLAS ESPECIALES _ Reglas IF ALL: equivalen a reglas con las clausulas de las condiciones conectadas con AND _ Reglas IF ANY/ IF SOME: equivalen a reglas con las clausulas de las condiciones conectadas con OR EJEMPLO IF: temperatura = alta AND sudoracion = presente AND dolor_muscular = presente THEN: diagnostico_preliminar = gripe IF: diagnostico_preliminar = gripe AND descompos_organos_internos = presente THEN: diagnostico_preliminar = _ebola

3.3 Semntica de las reglas de produccin Los sistemas basados en reglas son los ms comnmente utilizados. Su simplicidad y similitud con el razonamiento humano, han contribuido para su popularidad en diferentes dominios. Las reglas son un importante paradigma de representacin del conocimiento. Las reglas representan el conocimiento utilizando un formato SI-ENTONCES (IF-THEN), es decir tienen 2 partes: La parte SI (IF), es el antecedente, premisa, condicin o situacin; y La parte ENTONCES (THEN), es el consecuente, conclusin, accin o respuesta. Las reglas pueden ser utilizadas para expresar un amplio rango de asociaciones, por ejemplo: SI est manejando un vehculo Y se aproxima una ambulancia, ENTONCES baje la velocidad Y hgase a un lado para permitir el paso de la ambulancia. SI su temperatura corporal es de 39 C, ENTONCES tiene fiebre. SI el drenaje del lavabo est tapado Y la llave de agua est abierta, ENTONCES se puede inundar el piso. 3.3.1 Conocimiento causal Relacin que vincula dos ideas a travs de una conexin supuestamente necesaria. Es uno de los tres principios de asociacin. La causalidad no tiene carcter necesario cuando se aplica a las cuestiones de hecho, sino que se funda en la costumbre: la repeticin (o conjuncin constante) no es ms que una creencia; es algo que esperamos que suceda, no algo que deba suceder necesariamente sino algo que debe ser evaluado en trminos de posibilidad. En la medida en que el concepto de causalidad no puede aplicarse a hechos que todava no han sucedido, porque no tenemos evidencia lo todava no acaecido, la falta de un concepto de causalidad nos conduce necesariamente al escepticismo.

3.3.2 Conocimiento de diagnostico El problema del diagnostico ha sido, desde los comienzos de la IA, uno de los ms estudiados y donde los investigadores han cosechado tanto satisfacciones como fracasos. El diagnostico en el campo de la medicina es sin duda, una de las reas de la IA que supone todava una gran desafi. Una de las caractersticas ms frecuentes en resolucin del problema del diagnostico en dominios reales es la necesidad de trata con la dimensin temporal. As, una vez propuesto un modelo terico, una tendencia cada vez ms habitual a la hora de desarrollar sistemas de diagnostico temporal es necesario abordar el problema del diagnostico temporal desde diferentes enfoques, permitiendo seleccionar cual es la aproximacin mas adecuada para cada problema concreto es simplificar el dominio para que el modelo inicial sea aplicable. 3.4 Arquitectura de un sistema de produccin (SP) ( sistemas basados en reglas SBR) Un sistema de produccin proporciona una estructura que facilita la descripcin y la ejecucin de un proceso de bsqueda. Un sistema de produccin consiste de:

Un conjunto de facilidades para la definicin de reglas. Mecanismos para acceder a una o ms bases de conocimientos y datos. Una estrategia de control que especifica el orden en el que las reglas son procesadas, y la forma de resolver los conflictos que pueden aparecer cuando varias reglas coinciden simultneamente. Un mecanismo que se encarga de ir aplicando las reglas.

Dentro de esta definicin general de sistema de produccin, se incluyen:

Lenguajes bsicos para sistemas de produccin (LISP, CLIPS, PROLOG). Tambin se los conoce como lenguajes de Inteligencia Artificial. Sistemas hbridos y sistemas vacos (shells) para produccin de sistemas basados en conocimientos (VP-Expert, Expert Teach, Personal Consultant, Intelligence Compiler, EXSYS). Arquitecturas generales para resolucin de problemas (mquinas LISP, mquinas PROLOG).

Caractersticas de los Sistemas de Produccin Un sistema de produccin, al igual que los problemas, puede ser descrito por un conjunto de caractersticas que permiten visualizar la mejor forma en que puede ser implementado. Un sistema de produccin se dice que es monotnico si la aplicacin de una regla nunca evita que ms tarde se pueda aplicar otra regla que tambin pudo ser aplicada al momento en que la primera fue seleccionada. Un sistema de produccin es parcialmente conmutativo si existe un conjunto de reglas que al aplicarse en una secuencia particular transforma un estado A en otro B, y si

con la aplicacin de cualquier permutacin posible de dichas reglas se puede lograr el mismo resultado. Un sistema de produccin es conmutativo, si es monotnico y parcialmente conmutativo. Sistema de produccin MONOTNICO PARCIALMENTE CONMUTATIVO PARCIALMENTE CONMUTATIVO Demostracin Teoremas NO Sntesis Qumica NO-MONOTNICO de Navegacin Robtica Juego de Ajedrez

Componentes de un SP Base de hechos o memoria de trabajo (BH o WM): conocimiento sobre el Dominio en un determinado momento Base de reglas (BR): conjunto de reglas (producciones) SI A ENTONCES B A: condiciones de aplicacin B: acciones sobre la BH o mundo externo Estrategia de control, interprete de reglas, o motor de inferencias (EC o M): Responsable de encadenar los ciclos de funcionamiento.

Fase de decisin: seleccin de reglas Fase de accin: ejecucin de reglas

Una regla se activa cuando sus precondiciones son ciertas en el estado actual De la BH o cuando la regla concluye algo que se busca establecer. Los sistemas basados en reglas (SBR) se rigen por una serie de reglas que los configuran. Una regla es definida como un modo de representacin estratgica o tcnica, la cul es apropiada cuando el conocimiento con el que deseamos trabajar proviene de la experiencia o de la intuicin, y por tanto carece de una demostracin fsica o matemtica. El formato de las reglas est compuesto por proposiciones similares a la sentencia de condicin IF en un lenguaje de programacin cualquiera IF-THEN (SIENTONCES), quedando por tanto: IF <antecedente o condicin> THEN <consecuente o conclusin>

El antecedente y consecuente son proposiciones difusas, las cuales estn regidas por las operaciones en lgica difusa que se pueden realizar, que son: Partiendo de dos proposiciones con dos grados de verdad A y B, deducimos que:

Un ejemplo bsico de cmo se podra formar una proposicin de este estilo, sera el siguiente: SI el fro es elevado ENTONCES abrigar mucho Como en todos los SBR las reglas pueden estar encadenadas, de forma que el consecuente de una regla pasa a ser el antecedente de la siguiente. Las reglas que no son encadenadas, se las denomina reglas paralelas. Como cualquier SBR, un SBRD est constituido principalmente por dos elementos, la base del conocimiento y el motor de inferencia. Adems, en sistemas con entradas y salidas discretas, es decir, ntidas, se incluye un interfaz de fuzzificacin en la entrada y un interfaz de fuzzificacin en la salida.

Los Sistemas Basados en Reglas es lo mismo que Sistemas de Produccin. Ejemplo. Sistema Deductivo basado en Reglas para identificar animales de un zoolgico. R1 If x tiene pelo THEN x es mamfero. R2 If x da leche THEN x es mamfero. R3 If x tiene plumas THEN x es ave. R4 If x vuela AND x pone huevos THEN x es ave. R5 If x es mamifero AND x come carne THEN x es carnivoro R6 If x es mamfero AND x tiene dientes agudos AND x tiene garras AND x tiene ojos que miran hacia adelante THEN x es carnvoro. R7 If x es mamfero AND x tiene cascos (pesuas) THEN x es un Ungulado. R8 If x es mamfero AND x mastica (rumia) hierba THEN x es un Ungulado AND tiene dedos. /* Reglas para identificar animales carnvoros*/ R9 If x es carnvoro AND x tiene color aleonado AND x tiene Manchas obscuras THEn x es chita (cheetan). R10 If x es carnvoro AND x tiene color aleonado AND x tiene rayas Negras THEN x es un tigere. /* Reglas para identificar ungulados */ R11 If x es ungulado AND x tiene patas largas AND x tiene cuello Largo AND x tiene color aleonado AND x tiene manchas obscuras THEN x es una jirafa. 3.4.1 Hechos Base de hechos, que alberga los datos propios correspondientes a los problemas que se desea tratar con la ayuda del sistema. Asimismo, a pesar de ser la memoria de trabajo, la base de hechos puede desempear el papel de memoria auxiliar. La memoria de trabajo memoriza todos los resultados intermedios, permitiendo conservar el rastro de los razonamientos llevados a cabo. Puede, por eso, emplearse para explicar el origen de las informaciones deducidas por el sistema en el transcurso de una sesin de trabajo o para llevar a cabo la descripcin del comportamiento del propio sistema experto. Al principio del perodo de trabajo, la base de hechos dispone nicamente de los datos que le ha introducido el usuario del sistema, pero, a medida que va actuando el motor de inferencias, contiene las cadenas de inducciones y deducciones que el sistema forma al aplicar las reglas para obtener las conclusiones buscadas. Las reglas de produccin son de tipo: SI ENTONCES (SI A ENTONCES B). Donde tanto las premisas como la conclusin, no son ms que una cadena de hechos conectados por Y o por O, de forma general seria: SI Y/O Y/O..ENTONCES Y/O Los hechos son afirmaciones que sirven para presentar conceptos, datos, objetos, etc. Y el conjunto de hechos que describen el problema es la base de hechos.

Ejemplo de hechos: Juan es un estudiante Juan tiene 8 aos El perro es blanco A Mara le gusta el cine Pedro prefiere la pelcula La edad de Luis es de 25 aos Pedro tiene un salario de 200 pesos Una regla es una combinante de hechos que permite representar conocimientos y sacar inferencia de los mismos. Ejemplo de reglas R1: si y entonces R2: SI Y ENTONCES R3: SI Y ENTONCES Observe como partiendo de hechos conocidos que describen algn conocimiento se pueden inferir nuevos hechos (nuevos conocimientos). Los Sistemas basados en reglas difusas (SBRD) tienen una serie de aplicaciones diversas, pero fundamentalmente son usados para:

Modelado de sistemas
o

Usado para representar escenarios de actuacin con variables complejas, en los cules no basta con usar realidades absolutas como lo sera un cierto o falso.

En aplicaciones de control, ya que suelen estar basadas en el punto descrito anteriormente. Pueden ser usadas para la categorizacin de elementos, detectar patrones. Como agentes de usuario, los cules van a proporcionar una serie de ayudas a los expertos en una determinada materia para que tomen las decisiones que ellos consideren oportunas, en este caso estos sistemas van a ofrecer una ayuda, pero la decisin final la va a tomar el experto en cuestin. Como ejemplo cabe destacar el mbito financiero. Minera de datos y descubrimiento de informacin, consistente en hallar el conocimiento intrnseco dentro de una base de datos, los cules pueden no estar presentes a simple vista, pero aplicando sistemas de este tipo pueden llegar a averiguarse.

3.4.2 Base de conocimientos A base de conocimiento (o knowledgebase; abreviado KB, es una clase especial de base de datos para gerencia del conocimiento. Proporciona los medios para la coleccin automatizada, organizacin, y recuperacin de conocimiento. Apenas pues tiene costumbre convertido de escribir base de datos pues una palabra l es cada vez ms comn en informtica escribir knowledgebase como una palabra (un acercamiento del interino era escribir el trmino con un guin). Las bases de conocimiento se categorizan en dos tipos importantes:

Bases de conocimiento legibles por la mquina almacene el conocimiento en una forma legible por computador, generalmente con el fin automatizando razonamiento deductivo aplicado a ellos. Contienen un sistema de datos, a menudo bajo la forma de reglas que describan el conocimiento en a lgicamente constante manera. Operadores lgicos, por ejemplo Y (conjuncin), O (separacin), implicacin material y negacin puede ser utilizado construirlo para arriba del conocimiento atmico. Por lo tanto, la deduccin clsica se puede utilizar para razonar sobre el conocimiento en la base de conocimiento. Bases de conocimiento Human-readable se disean permitir que la gente recupere y que utilice el conocimiento que ella contiene, sobre todo para los propsitos del entrenamiento. Son de uso general capturar el conocimiento explcito del organizacin, incluyendo localizacin de averas, artculos, papeles blancos, manuales de usuario y otros. Una ventaja primaria de tal base de conocimiento es que puede ayudar a un usuario a encontrar una solucin existente a su problema actual (as evitando tuvieron que reinventan la rueda).

El aspecto ms importante de una base de conocimiento es la calidad de la informacin que contiene. Las mejores bases de conocimiento han escrito cuidadosamente los artculos que se guardan actualizado, un sistema excelente de la recuperacin de datos (tal como a Search Engine), y un formato contento cuidadosamente diseado y clasificacin estructura. Una base de conocimiento puede utilizar ontology especificar su estructura (los tipos y las relaciones de la entidad) y la clasificacin proyecte. Un ontology, junto con un sistema de casos de sus clases, constituye una base de conocimiento. La determinacin de qu tipo de informacin se captura, y donde esa informacin reside en una base de conocimiento, es algo que es determinado por los procesos que apoyan el sistema. Una estructura de proceso robusta es la espina dorsal de cualquier base de conocimiento acertada.

Algunas bases de conocimiento tienen inteligencia artificial componente. Estas clases de bases de conocimiento pueden sugerir soluciones a los problemas basados a veces en la regeneracin proporcionada por el usuario, y son capaces de aprender por experiencia (vase sistema experto). La representacin del conocimiento, el razonamiento automatizado y la argumentacin son campos de investigacin activos en la vanguardia de la inteligencia artificial.

En l se encuentran los conocimientos del sistema a desarrollar, est formado principalmente por una base de datos, la cual contiene todos los datos relativos al sistema, como variables y valores posibles, y una base de reglas, que contiene todas las proposiciones que van a regir el sistema. El diseo de la misma se lleva a cabo mediante una serie de pasos. 1. Inicialmente habra que detectar cules son las variables de estado y de control asociadas (temperatura, estado de nimo...). 2. Establecer los trminos lingsticos que van a ser usados para su representacin (fro, calor, mucho calor, feliz, triste, animado...). 3. Generar las proposiciones estableciendo las relaciones entre los distintos parmetros tenidos en cuenta (SI mucho calor OR mucho fro ENTONCES estado de nimo triste). La base del conocimiento puede ser hallada de varias formas, pero una de las ms habituales es la de hacerse con los servicios de un experto en la materia, y que l sea el encargado de decidir cules son los parmetros de mayor importancia y de establecer las relaciones existentes entre ellos. Por ejemplo si tenemos un ventilador y un sensor de temperatura, un SBRD que gestionase el funcionamiento del mismo sera construido de la siguiente forma: Deteccin de las variables y sus posibles valores: o Variable de entrada: Temperatura: Mucho calor, Calor, Templada, Fro. o Variable de control: Velocidad de giro del ventilador: Rpida, Normal, Lenta, Parado. Generacin de reglas relacionando variables: o R1: SI temperatura Mucho calor ENTONCES Velocidad de giro Rpida o R2: SI temperatura Calor ENTONCES Velocidad de giro Normal o R3: SI temperatura Templada ENTONCES Velocidad de giro Lenta o R4: SI temperatura Fro ENTONCES Velocidad de giro Parado Este sistema sera mejorado si recibiese mayor informacin, por ejemplo con una variable de entrada nueva Estado de Ventanas: Abiertas, Cerradas Pudiendo quedar alguna regla del estilo:

RX: SI temperatura Templada Y ventanas Abiertas ENTONCES Velocidad de giro Parada. Motor de Inferencia El motor de inferencia es el "supervisor", se encarga de extraer las conclusiones partiendo de los datos simblicos que le han llegado, aplicando las reglas que rigen el sistema en el cual trabaja. Una modificacin en las reglas dar como resultado unas conclusiones distintas. 3.4.2 Mecanismos de control Los dos mecanismos de inferencia para este tipo de sistemas son:

Encadenamiento hacia adelante: Se generan conclusiones a partir de las reglas originales, y posteriormente se comprobara si esas conclusiones son consistentes con el resto de reglas del sistema. Encadenamiento hacia atrs: Se basa en aceptar como ciertas las conclusiones de una determinada regla, y a continuacin se comprueba si todas las reglas que provocaran la regla original son ciertas, en caso de que alguna no lo sea, el proceso finaliza. 3.5 Ciclo de vida de un sistema de produccin

El ciclo de vida de un SP se divide en 9 fases.

Etapas del ciclo de vida de un sistema experto

1. 2. 3. 4. 5. 6. 7. 8. 9.

Anlisis del problema Especificacin requerida Diseo preliminar Prototipo inicial (rpido) y evaluacin Diseo final Implementacin Pruebas Ajuste de diseo Instalacin, Implantacin y Mantenimiento

Anlisis del problema Evaluar el problema y los recursos disponibles para determinar la aplicacin de una solucin basada en conocimiento. Desarrollar anlisis costo-beneficio del SE Se puede requerir de una investigacin de mercado un examen profundo del propsito del sistema pedido, para determinar la efectividad del costo del sistema. Especificacin de requerimientos Formalizar y poner por escrito lo que fue adquirido durante la fase de analisis. Determinar los objetivos del proyecto y establece los medios para obtener dichos objetivos Diseo preliminar Considera las decisiones de alto nivel necesarias para preparar y desarrollar rapidamente el prototipo inicial. Determina la herramienta escogida para construir el prototipo. Prototipo inicial (rpido) y evaluacin Etapa clave debido a que todas las decisiones tomadas en el diseo preliminar deben ser ya sea confirmadas, rectificadas o desechadas. Debe verse como el sistema completo, excepto que estara limitado en su cobertura. Diseo final Seleccin de las herramientas y de los recursos necesarios para desarrollar el sistema a ser entregado.

Se recomienda hacer una descripcion grafica de los diferentesmodulos del sistema, para los cuales se debe incluir las entradas tipicas y las salidas o conclusiones esperadas. Implementacin Consume la mayor parte del tiempo del ciclo de vida de un SP, y comprende el proceso de adquisicion del conocimiento para todos los modulos o subsitemas. Pruebas Se asegura la calidad del SP, especialmente, a medida que el sistema es mas grande y complejo. Se incluyen procesos de verificacion y validacion. Existen 3 tipos de errores que pueden ser introducidos en un SP y cada uno de ellos puede ser detectado por verificacion o validacion. 1.- Insatisfaccion de las especificaciones dadas para el sistema (Verificacion) 2.- Errores semanticos y sintacticos introducidos durante la implementacion del sistema (Verificacion). 3.- Representacion incorrecta del dominio del conocimiento, resultando en soluciones erroneas o en inhabilidad de encontrar solucion a un problema (Validacion) La verificacion puede ser definida como una ayuda para que el sistema sea conatruido correctamente. La validacion se define como el proceso que indica si se ha construido el sistema correcto para las necesidades planteadas Ajuste de diseo A medida que el trabajo avanza, se deben realizar los ajustes necesarios al inicio de cada iteracion para cada problema detectado. Estos ajustes son cada vez mas pequeos y no son retroactivos, estos identifican que el sistema va progresando. Instalacin, Implantacin y Mantenimiento Es la etapa final del ciclo de vida de un SP, en la cual se traslada el sistema desarrollado, como un producto operativo hacia el entorno de los usuarios. Se realizan actividades de instalacion, implementacion y mantenimiento similares a las de un sistema de software convencional.

Bibliografa http://www.scribd.com/doc/6772121/3 http://caekattzcorp.com.mx/blog/usuario01/wp-content/uploads/2010/06/unidad-3I.A.pdf http://aprendizajeyagentes.blogspot.com/2007/05/sistemas-basados-en-reglas-deproduccin.html http://www.depi.itch.edu.mx/apacheco/ai/repconoc.htm http://www.angelfire.com/ia3/aisite/sistemas_raz_logico.htm http://expo.itchihuahua.edu.mx/view.php?f=prog_48 http://www.scribd.com/doc/6772121/3 http://www.itescam.edu.mx/principal/webalumnos/sylabus/asignatura.php?clave_a sig=SCB-0416&carrera=ISC0405001&id_d=60 http://www.uco.es/grupos/eatco/informatica/ia/tema1.pdf http://ccc.inaoep.mx/~emorales/Cursos/RdeC/principal.html http://perso.wanadoo.es/usoderazonweb/html/conten/argum/argcausa/argcausa.ht m http://campusvirtual.unex.es/cala/epistemowikia/index.php?title=Sistemas_basado s_en_reglas_difusas http://wwwdi.ujaen.es/asignaturas/ico/teoria/transparencias/Tema3.pdf http://wwwdi.ujaen.es/~jmserrano/teaching/sistemasdifusos/pdfs/transpa4.pdf