Inteligencia Artificial

Arquitectura de los sistemas

basados en el conocimiento
Primavera 2009
profesor: Luigi Ceccaroni

SBCs de ltima generacin

Se quieren construir sistemas con
caractersticas especficas:
Representacin del conocimiento
semnticamente rica
Resolucin de problemas mediante
razonamiento y mtodos heursticos
Capacidad de auto-explicacin
Interactividad (con usuarios y con el entorno)

Componentes de los SBCs de

ltima generacin
Se necesita un conjunto bsico de
componentes:
Subsistema de razonamiento
Almacenamiento del conocimiento
Uso e interpretacin del conocimiento
Almacenamiento del estado del problema

Subsistema de justificacin e inspeccin de la

solucin
Interfaz de comunicacin con el usuario
Subsistema de aprendizaje

Componentes de los SBCs de

ltima generacin

Clases de SBCs

Basados en reglas
Basados en casos
Basados en redes neuronales
Basado en modelos
Sistemas multiagente

Sistemas basados en reglas

La resolucin se obtiene a partir del
proceso de razonamiento de un motor de
inferencia.
El conocimiento del dominio esta
expresado mediante una ontologa.
El conocimiento de resolucin de
problemas esta almacenado
habitualmente como reglas de produccin
(o un formalismo equivalente).
6

Almacenamiento del
conocimiento
Tres posibles tipos de conocimiento:
Conocimiento factual (objetos del dominio y
sus caractersticas)
Conocimiento relacional (relaciones entre los
objetos del dominio)
Conocimiento condicional (reglas)

Los dos primeros tipos de conocimiento

estn descritos mediante la ontologa de
dominio.
7

Almacenamiento del
conocimiento: reglas
El conocimiento condicional incluye:
Conocimiento deductivo (estructural): describe
los procesos de resolucin de problemas
como cadenas de deduccin
Conocimiento sobre objetivos (estratgico):
orienta el proceso de resolucin
Conocimiento causal (de soporte): apoya al
proceso de explicacin de la resolucin

Almacenamiento del
conocimiento: reglas
Modularizacin de las reglas
Facilita el desarrollo y el mantenimiento del
sistema
Aumentar la eficiencia del proceso de
razonamiento
Permite implementar estrategias de uso del
conocimiento (meta-conocimiento, metareglas)

Almacenamiento del
conocimiento: meta-reglas
Describen conocimiento a alto nivel sobre
la resolucin del problema.
Permiten dirigir el control de la resolucin
Activar y desactivar reglas/mdulos
Decidir el orden de ejecucin de
reglas/mdulos
Decidir estrategias de resolucin, tratamiento
de excepciones, incertidumbre...

Son mas difciles de obtener de los

expertos.

10

Almacenamiento del
conocimiento: meta-reglas
Tipos de meta-reglas:
Meta-reglas sobre reglas
Inhibir / desinhibir reglas
Meta-reglas sobre mdulos
Tipo de bsqueda en los mdulos (adelante, atrs)
Nivel de corte en la certeza mnima de las reglas
Clasificacin de reglas
Meta-reglas sobre estrategias
Estrategia: conjunto ordenado de mdulos a ser tratados
Excepciones
Meta-reglas sobre planes de actuacin
Qu estrategia se aplica antes cuando hay ms de una?
11

Uso e interpretacin del

conocimiento
Es habitualmente un motor de inferencia
Aplica su ciclo de ejecucin para resolver
el problema
Deteccin de reglas aplicables
Seleccin de la mejor regla (estrategia
general o guiada por el meta-conocimiento)
Aplicacin de la regla

12

Almacenamiento del estado

Guarda los datos iniciales del problema y los
hechos obtenidos durante el proceso de
resolucin.
Puede guardar otro tipo de informacin
necesaria para el control de la resolucin y
otros subsistemas:

Orden de deduccin de los hechos

Preferencias sobre el uso de los hechos
Reglas que generaron los hechos
Reglas activadas recientemente
Puntos de backtracking

13

Interfaz con el usuario

Interaccin con el usuario mediante
lenguaje natural
Funcionalidad
El usuario introduce los datos del problema
El sistema hace preguntas al usuario
Sobre hechos
Pidiendo confirmaciones

El usuario hace preguntas al sistema

Sobre la resolucin (Why?)
Sobre suposiciones (What if?)
Sobre el estado de la base de hechos

14

Mdulo de
explicacin/justificacin
Credibilidad del sistema
Explicaciones/justificaciones en las
reglas/meta-reglas
Funcionalidad tpica:
Por qu? --> Objetivos que el
sistema tiene que resolver
Cmo? --> Cadena de
razonamiento hasta el punto actual
15

Mdulo de
explicacin/justificacin
Dos niveles de explicacin/justificacin
Traza del razonamiento (reglas y hechos
deducidos)
Razones de las lneas de razonamiento
seguidas, de los objetivos planteados, de por
qu se han hecho ciertas preguntas
Explicaciones en lenguaje natural
Texto prefijado
Texto generado dependiente del contexto
16

Sub-sistema de aprendizaje
Tipos de aprendizaje
Correccin de errores --> El SBC recibe
retroalimentacin sobre los errores que
comete
Creacin de nuevas reglas o meta-reglas
Modificacin de las reglas

Observacin --> Sistemas que supervisan o

controlan un proceso
Ampliacin de la BC con nuevas experiencias
(aprendizaje inductivo)
Integracin con sistemas basados en casos

Olvido

17

Sistemas basados en casos

La resolucin de un problema se obtiene
identificando una solucin anterior similar
Ventajas:
Reducen el problema de extraccin del
conocimiento
Facilitan la correccin/extensin del sistema
Permiten una resolucin eficiente
Permiten explicaciones cercanas a la
experiencia del usuario
18

Ciclo de ejecucin
Consta de cuatro fases:
1. Recuperacin: bsqueda de los casos
almacenados mas similares
2. Obtencin de la solucin del caso
recuperado
3. Revisin: Se evala y adapta la solucin
recuperada
4. Retencin: si es interesante, se guarda el
caso
19

Ciclo de ejecucin

20

Almacenamiento del
conocimiento
El conocimiento est formado por casos.
Un caso es una estructura compleja
(caractersticas, solucin).
Los casos se almacenan en la base de
casos (estructura, indexacin)
Existe tambin conocimiento para:
Evaluar la similaridad entre los casos
Combinar/adaptar las soluciones recuperadas
Evaluar las soluciones
21

Uso e interpretacin del

conocimiento
Se basa en el ciclo de ejecucin de
razonamiento basado en casos:
Bsqueda en la base de casos de los casos
mas similares
Recuperacin de las soluciones de los casos
Conocimiento sobre soluciones
(procedimientos/razonamiento)
Evaluacin
Combinacin
Adaptacin
22

Almacenamiento del estado

Informacin del caso actual
Calculo de los casos mas similares

23

Justificacin y aprendizaje
Justificacin
Es parte de la informacin de los casos
Se complementa con el razonamiento sobre la
combinacin/adaptacin de las soluciones

Aprendizaje
Aprendizaje de nuevos casos (mas sencillo
que en los sistemas de reglas)
La solucin debe ser sucientemente diferente
(evaluacin).
Se pueden olvidar casos (poco usados,
parecidos a otros).
24

Sistemas basados en redes

neuronales
El elemento base es la neurona (elemento
de computo).
Neurona:
Entradas
Salidas
Estado
Funciones para la combinacin de las
entradas y el estado
Funcin para generar la salida
25

Sistemas basados en redes

neuronales
Las neuronas se organizan en redes con
diferentes capas.
La red asocia unas entradas (datos del
problema) a unas salidas (solucin del
problema).
La red se debe entrenar (ejemplos
resueltos) para que aprenda a resolver el
problema (asociacin).
26

Sistemas basados en redes

neuronales

27

Sistemas basados en redes

neuronales

28

Sistemas basados en modelos

Se construye un modelo del
comportamiento del sistema.
Este modelo se basa en informacin
cualitativa.
Razonando sobre el modelo podemos
predecir las consecuencias de las
acciones
Se utiliza razonamiento de sentido comn
en la resolucin.
29

Sistemas multiagente
Lejos de una visin monoltica de los
sistemas inteligentes
Un agente inteligente resuelve una tarea
sencilla.
El problema global se resuelve en
cooperacin/coordinacin.
Otras reas involucradas:

Organizacin
Negociacin
Divisin del trabajo
Comunicacin
Razonamiento sobre otros agentes

30

Sistemas multiagente
Ventajas:
Sistemas flexibles
Reconfiguracin/reorganizacin para otras
tareas (componentes) y otros problemas

Relacionado con:
computacin Grid
servicios web

31