Documentos de Académico
Documentos de Profesional
Documentos de Cultura
IAc005 PDF
IAc005 PDF
Inteligencia Artificial
I. A.
Sistemas
Expertos
Sistemas Inteligentes
Sistemas Expertos
empleado, etc.
Introducción
Constructor Experto
del SHELL del dominio Extiende
Prueba
Construye
Entrevista
Usa
Agregan
Construye
Personal datos
Refina
Prueba de Apoyo
Participantes fundamentales en
el desarrollo.
Dispo-
sitivos
Base de conocimiento
Sensor Usuario
Bases
Motor de inferencia
Inteligencia Artificial
de
datos
Modulo explicativo
Modulo decisorio
Base de Conocimiento (BC)
generalmente de casualidad.
SI A1 y…y An ENTONCES B1 y…y Bm
Donde A1 … An son antecedentes (predicciones)
B1…Bm forman el consecuente (conclusiones)
Restricción
Aciclicidad: No puede aparecer
Inteligencia Artificial
Si A1 y A2 ENTONCES A1 y A2
Base de datos (BD)
- Base de conocimiento
- Base de datos
Módulo de consultas (MC)
Módulo de explicaciones(ME)
• Maneja requerimientos del usuario al SE.
• Coordina el ME con el MC
Motor de inferencia (MI)
Consultor
Ayuda en el aprendizaje
Tutor
Construcción de SI
Q Si el desarrollo es...
Q 1. Posible
Q 2. Justificado
Q 3. Apropiado
Inteligencia Artificial
Posible
Se requiere:
Un sistema informático que manipule el conocimiento
Debe admitir:
Una representación adecuada y operadores de
manipulación.
Se necesita:
Inteligencia Artificial
- Objetos
- Eventos
- Habilidades
Inteligencia Artificial
- Meta-Conocimiento
Tipos de conocimiento
Objetos
Hechos que ocurren en los objetos que nos circunda.
Ej: - Los pájaros tienen alas
- La nieve es blanca
Es necesario representar:
• Objetos
Inteligencia Artificial
• Clases de Objetos
• Categorías de Objetos
• Descripción de Objetos
Tipos de conocimiento
Eventos
Sobre los objetos existen acciones o eventos
Ej: - Pedro besó a Maria en el bosque
- El cielo se derrumbará hoy
Habilidades
Cómo aplicar adecuadamente la acción al objeto.
Meta-Conocimiento
Inteligencia Artificial
Recuperación de conocimiento
Manipulación de conocimiento
Inteligencia Artificial
Reestructuración de conocimiento
Objetivos
existente.
Ideas Básicas
Inteligencia Artificial
Q Frames (marcos)
Q Lógica
– Lógica de predicados o de Primer orden
– Lógica multivaluada
– Lógica temporal
– Lógica difusa
Inteligencia Artificial
Q Redes semánticas
Q Reglas de producción
Q Guiones
Sistemas de producción
Posible esquema:
Desventajas:
Inteligencia Artificial
Análisis de Requerimientos
Diseño
Administración
Implementación del Proyecto
Inteligencia Artificial
Prueba
Mantenimiento
Ciclo de Vida del Desarrollo de un
Sistema Experto
Formalización
Revisión de
Formalismos
Implementación
Inteligencia Artificial
Evaluación
Revisión
Evolución a Largo Plazo Evolutiva
Metodología...
Q A. Identificación
Q B. Conceptualización
Q C. Formalización - Estructuración
Q D. Validación - Auditoría
Q E. Implementación
Inteligencia Artificial
Identificación
Q Identificar problema.
– Solución requiere conocimiento, experiencia y
juicio.
– Se requiere de expertos.
– No hay método definido (algoritmos).
Q Encontrar Expertos deseosos de contribuir.
Inteligencia Artificial
Investigación Aplicabilidad
del Problema del Dominio
Selección Disponibilidad
del Candidato del Experto
Identificación
del Problema Análisis del Alcance del
Candidato Problema
Inteligencia Artificial
Q Desarrollar diseño.
Formalización-
Estructuración
Q Observación, entrevista, examen, procesos.
– Ob. ¿Cómo soluciona problemas el experto?
– En. Se cuestiona qué conocimiento es
requerido
– Ex. Pruebas y problemas para que el experto
resuelva y explique.
Inteligencia Artificial
Q
en la forma primero-amplitud.
Técnicas de adquisición de conocimiento
dominio.
Q Un modelo del dominio muchas veces se puede descubrir
mediante la búsqueda de analogías entre el teme del
dominio y otros dominios que se han entendido por
completo.
Q Un IC debe tener una fundamentación tan general como
sea posible para incrementar la posibilidad de ser capaz de
reconocer las analogías.
Si varias descripciones de solución de problemas, son muy
Inteligencia Artificial
Q
similares trate de encontrar algún concepto que actúe
como unificador detrás de ellas.
Validación - Auditoría
Q ....................
Lenguajes y Shell
Q Smalltalk Q Guru
Q Prolog Q Crystal
Q Lips Q Mycin
Q Clips Q Dendral
Q OPS5 Q X1
Q Mycin Q Microexpert
Inteligencia Artificial
Q ... Q IC
Q KES
Q KAS
Ingeniería
del
Conocimiento
Importancia de usar metodologías
Q Factor humano
– Permeabilidad del experto de campo
– Destreza del ingeniero de conocimiento
Q Componentes psicológicos: personalidad
– Extrovertidos: abundancia de información,
puede generar inconsistencia en la BC
Inteligencia Artificial
Q Componente social
– Coacción
– Voluntario
Q Componente cultural
– El experto de campo supone perjuicio
– El experto de campo supone beneficio
Inteligencia Artificial
Introducción hacia una
metodología de desarrollo de SE
Q Etapas
– Pedirle al experto de campo que hable sobre el
conocimiento involucrado.
– Tomar nota de los conceptos utilizados con más
frecuencia.
– Parametrizar los conceptos involucrados.
Inteligencia Artificial
investigar.
Metodología de Buchanan
3. Formalización
base de conocimiento.
Metodología de Buchanan
4. Implementación
Escenario inicial
Cuerpo del
•Chequeo de sintaxis
conocimiento •Cheque de comportamiento
Revisión del experto fundamental
Inteligencia Artificial
demostrativo.
Metodología de Brulé
Enunciación de conceptos:
Q Se analiza el conocimiento y se toma nota de los
conceptos más frecuentemente utilizados por el
experto, esto se logra mediante la observación del
experto sobre determinadas ideas.
Q Resulta conveniente mostrarle una lista de tales
conceptos al experto, y que él realice una
Inteligencia Artificial
Parametrización de conceptos:
Q Tomar los valores que se encuentran asociados a
los conceptos.
Q Por ejemplo: presencia / ausencia. alto / medio /
bajo. funciona / no funciona.
Planteo de causalidades:
Inteligencia Artificial
Verificación:
Q Consiste en la verificación de la aceptabilidad de
las reglas con el experto de campo.
Q Se puede realizar usando casos de testeo que sean
considerados típicos, se comparan los resultados
con los datos para los mismos casos por los
expertos humanos, y en base a la comparación se
Inteligencia Artificial
1. Estudio preliminar:
Definición del problema
EstudioIdentificación de los expertos
de factibilidad
Bibliografía
Técnica de referencia
Análisis
Glosario de términos
Operativa
Posibilidad de la construcción
Económica
Justificación de la construcción
Inteligencia Artificial
Metodología mixta
2. Desarrollo de prototipos:
• Elicitación de conocimiento
• Representación del conocimiento (grafos causales)
• Elección de la herramienta
• Formalización: construcción de las reglas
• Implementación del prototipo
Inteligencia Artificial
4. Evaluación final:
Q Eltesteo final consiste en plantear casos nuevos y
comparar la solución y el procedimiento realizado
por el experto y por el sistema.
5. Mantenimiento:
Q Actualización del sistema
Inteligencia Artificial
Ventajas
Q Gran alcance del conocimiento que tiene un
conjunto reducido de personas.
Q Facilidades para modificar el conocimiento.
Q Siempre da respuestas consistentes.
Q Solucionan problemas con información
Inteligencia Artificial
incompleta.
Q Explica cómo se llega a la solución.
Sistemas basados en el conocimiento
Ventajas y desventajas
Desventajas
Q Respuestas incorrectas.
Q El conocimiento está limitado al dominio del
problema.
Q No tiene sentido común.
Inteligencia Artificial
Componentes desde
el punto de vista del usuario
Inteligencia Artificial
Componentes desde
el punto de vista del Ingeniero
Inteligencia Artificial
Componentes desde
el punto de vista del Constructor
Inteligencia Artificial
Metodología - Ciclo de vida
Inteligencia Artificial
Metodología - Ciclo de vida
Inteligencia Artificial
Metodología
Fases
Inteligencia Artificial
Fases
Identificación
Q Plan de requisitos
– Definición de las funciones de la aplicación.
Q Elección del problema
– Recopilar aplicaciones susceptibles de ser tratadas
por SBC.
– Determinar si la tarea a tratar es susceptible o no.
Inteligencia Artificial
Etapas en la identificación del problema
– Tecnología disponible
– Competencia.
– Ampliaciones futuras.
Elección del problema
Q Adecuación
– ¿Es el desarrollo del SBC adecuado?
Q Plausabilidad
– ¿Es el desarrollo del SBC posible?
Q Justificación
Inteligencia Artificial
Q Naturaleza
– La tarea requiere experiencia.
– Es de valor práctico.
– Táctica.
– Sirve a necesidades a largo plazo.
Q Tipo
Inteligencia Artificial
Q Complejidad
– La tarea no es demasiado fácil.
– La tarea no es demasiado manejable.
– La trasferencia de experiencia es factible.
– Los efectos de la introducción puede planificarse.
– No requiere respuestas en tiempo real.
Inteligencia Artificial
Elección del problema
Plausabilidad
expectativas realistas.
Elección del problema
Éxito
Q Subproblemas
– Descripción de cada subproblema.
– Análisis de la cohesión de cada parte y
acoplamiento.
– Descripción de eventuales analogías.
Q Casos de Prueba
Inteligencia Artificial
– Colección.
– Valoración.
Definición de características y
concepción de la solución
Q Características epistemológicas
– Datos incompletos, inciertos, imprecisos.
– Consideraciones subjetivas y objetivas (Criterios
de éxito).
Q Datos
– Enumeración y descripción.
Inteligencia Artificial
Q Recursos
– Humanos, tecnológicos, información, materiales
Definición de características y
concepción de la solución
Q Solución
– Estrategias posibles.
– Describir y cuantificar su escala.
Q Costo Beneficio
– Análisis global desglosado.
Calendario
Inteligencia Artificial
Q
– Herramienta de planificación.
Inteligencia Artificial