Integrantes:

● Betancout Ludeña Elvis Fernando.

● López Díaz Kevin Alexander.
● Mayorga Carrera Tomás Sebastián. Nivel: 8vo Software.
● Panata Castillo Edgar Santiago.
● Panchi Chacón Jefferson Fabián.
INTELIGENCIA ARTIFICIAL Fecha: /03/2021 NRC: 2065.

Tema: Cuestionario Inteligencia Artificial, Parcial 3.

ANTECEDENTES

Durante el desarrollo de clases del tercer parcial con el análisis de los diferentes conceptos
acerca de la programación en prolog, en donde se basa en una programación lógica, se
procedió a dar una introducción y la explicación del manejo de las listas en prolog se utilizó
material didáctico de apoyo el mismo que fue compartido en el aula de clases con todo el
curso, además se resolvieron unos ejercicios con las listas usando recursividad, se debe
considerar que el uso de este tipo de herramientas permitirá el desarrollo de sistemas más
eficiente, para complementar el trabajo se realizó una actividad en clase. Además también se
pudo tratar temas como la lógica de restricciones con los diferentes conceptos y aplicaciones
que tiene, varias de las aplicaciones realizadas con este tipo de logia se lo realiza en prolog el
mismo que tiene biblioteca que le permite resolver mejor los problemas, en la aplicación de
los mismos se va a realizar sistemas expertos los cuales son desarrollados con las diferentes
temas visto anteriormente, para concluir tomando el tema de lógica difusa el mismo que nos
permite trabajar con datos que no sean estrictos se vio varios ejemplos de fusificación y los
diferentes conjuntos difusos con sus reglas, se explicó principalmente el modelo de Mandani
el mismo que esta compuesto por 7 pasos y se realizó un ejemplo para un mejor
entendimiento.

ANÁLISIS
Unidad 3
3. Programación lógica
3.1 El mecanismo de unificación
3.2 Back tracking, corte, fallo y negación
3.3 Notación de reglas gramaticales
3.4 Programación lógica con restricciones
3.5 Introducción a la programación lógica inductiva.
3.6. Sistemas expertos basados en reglas.
3.7. Introducción a la Lógica difusa
3.8 Reglas y operaciones con conjuntos difusos.
3.9 Ejercicios y aplicaciones.
DESARROLLO.
CUESTIONARIO N°3 - INTELIGENCIA ARTIFICIAL

1. ¿Dado un conjunto de hipótesis cómo deduciría todas las posibles soluciones?

La forma de llegar a las soluciones normalmente requiere un proceso de generación

de hipótesis inicial y, después, verificación o prueba de dichas hipótesis que puede
hacer reconsiderar pasos previos. Este desdoblamiento está basado en que en muchas
ocasiones no se puede tener en cuenta todo el conocimiento a la vez para alcanzar la
solución, lo que obliga a realizar un pasos de generación de hipótesis con parte del
conocimiento, seguido de pasos de verificación mediante otro conocimiento que se
encuentra en un segundo plano o que se obtiene mediante la realización de
observaciones adicionales. Por ello, los métodos de resolución de problemas
normalmente formalizan estrategias de razonamiento que incorporan procedimientos
de búsqueda, con fases de tanteo y reconsideración de pasos previos.

Molina, M. (2006). Métodos de resolución de problemas: Aplicación al diseño de sistemas

inteligentes. Martin Molina.

2. ¿En qué situaciones se usa backtraking?

El backtracking (método de retroceso o vuelta atrás) es una técnica general de

resolución de problemas, aplicable a problemas con diferentes objetivos: problemas
donde se pretende encontrar una solución cualquiera a un problema, problemas de
optimización, problemas en los que se desea encontrar todas las soluciones y
problemas donde se desconoce la existencia de una solución y debemos por lo tanto
recorrer todo el posible espacio de soluciones para saber si existe o no.

3. ¿Indique cuando utilizaríamos el predicado fail?

Fail es un predicado que siempre falla, por tanto, implica la realización del proceso de
retroceso para que se generen nuevas soluciones. Cuando la máquina encuentra una
solución para y devuelve el resultado de la ejecución. Con Fail se utiliza para forzar a
que no pare y siga construyendo el árbol de búsqueda hasta que no queden más
soluciones que mostrar.

Gutiérrez Soriano, G. A., Herrera Serrano, W. R., & Soto González, D. F. (2009). Soporte
para el componente curricular de inteligencia artificial y sistemas expertos basados en el
lenguaje de programación prolog con el editor Swi-Prolog-Editor 5.6. 48 (Doctoral
dissertation).

4. ¿Cuál es la estructura básica de Prolog?

 Prolog busca relaciones entre los objetos creados, las variables y las listas, que son su
estructura básica
La sintaxis Prolog incluye:
• Hechos: es un hecho del lenguaje cotidiano. En lenguaje normal, una proposición
puede ser “hace calor”.
• Reglas: las capacidades del programa. Estas son consultadas al hacer una consulta
para verificar su validez o invalidez.
• Variables: Representan objetos que el mismo Prolog determina. Una variable puede
ser instanciada o no instanciada.
• Consultas: es la acción de hacerle una pregunta al programa sobre la información
contenida en la base de datos. Una pregunta sencilla podría ser: ?- 'Hace calor'. Una
respuesta podría ser: si, seguido por el prompt: ?-. Un sí significa que la pregunta es
consistente con la información contenida en la base de datos. Si no existe suficiente
información, responde: no.

Pérez, J., & Morales, G. A. Y. (2007). Introducción al lenguaje de programación lógica Prolog.

5. ¿Cuál es la estructura básica de Lisp?

Perspectiva del lenguaje Interactivo (usualmente)

Los datos en LISP son muy restringidos:
Átomos literales (símbolos)
Átomos numéricos

Ponce Gallegos, J. C., Torres Soto, A., Quezada Aguilera, F. S., Silva Sprock, A., Martínez
Flor, E. U., Casali, A., ... & Pedreño, O. (2014). Inteligencia Artificial.

6. ¿Indique 5 diferencias entre Prolog y Lisp?

1. Lisp es un lenguaje funcional, mientras que Prolog es una programación lógica

y lenguajes declarativos.
2. Lisp es muy flexible debido a su rápida creación de prototipos y características
de macro, por lo que realmente permite extender el lenguaje para adaptarse al
problema en cuestión.
3. Lisp se ha utilizado ampliamente debido a esta rápida capacidad de creación
de prototipos.
4. Prolog es ideal para problemas de inteligencia artificial con el razonamiento
simbólico, la base de datos y las aplicaciones de análisis de lenguaje.
5. En Lisp, el programador debe describir cómo el equipo va a resolver el
problema. En un programa de ajedrez, el desarrollador daría instrucciones a la
computadora para analizar todos los movimientos posibles, creando un árbol
de decisión en la memoria, y luego tener el ordenador determinará cuál de las
 opciones es la mejor. En Prolog, el desarrollador no tiene que describir la
forma, pero en su lugar se enumeran las reglas después señala el programa
hacia los resultados deseados.

Sánchez, M. D. C. G. A., Calderón, D., Fernández, D. M. K., & Rosa, R. G. (1989). LISP versus
Prolog: una aplicación en Inteligencia Artificial. Revista de informática y automática, 22(3), 29-39.

7. ¿Por qué se denomina Sistema Experto? Explique

8. ¿Cuál de los componentes de los Sistemas Expertos se puede obviar en su
desarrollo?
9. ¿Cuántas reglas debe tener un Sistema Experto para considerarse un sistema
funcional? Explique
10. ¿Cuándo se considera un sistema Experto como prototipo?
11. ¿Prolog se puede utilizar en PLN?
12. ¿Prolog tiene un módulo para el manejo de restricciones? Expliqué
13. ¿Cuándo se utiliza la programación lógica con restricciones?
● La lógica con restricciones es uno de los campos de investigación más activos
en la comunidad de las restricciones puesto que está directamente relacionado
con el modelado de soluciones a los problemas de satisfacción con
restricciones, uno no puede asumir que todas las restricciones estarán
disponibles al comienzo del proceso de búsqueda de las soluciones

Fernández, Antonio J. Programación Declarativa con Restricciones Inteligencia Artificial.

Revista Iberoamericana de Inteligencia Artificial, vol. 9, núm. 27, otoño, 2005, pp. 73-100
Recuperado de la página: https://www.redalyc.org/pdf/925/92502705.pdf

14. ¿Explique por lo menos 3 ejemplos de programación lógica con restricciones?

● Sucesión de Fibonacci
● Restricciones sobre dominios finitos: Cada elemento en X es la única solución
de un conjunto finito o infinito de restricciones

Recuperado de la página: http://www.utm.mx/temas/temas-docs/e0403.pdf

15. ¿Qué es un sistemas experto basados en reglas?

● Un sistema experto está diseñado para trabajar como si fuera una persona
experta en algún tema específico. Trata de replicar o de simular el
conocimiento que han adquirido estas personas basándose en las herramientas
que ofrece la inteligencia artificial. Su función principal es tratar de ofrecer
soluciones que puedan resolver problemas prácticos o también la creación de
conocimiento nuevo.
Recuperado de la página:
https://sites.google.com/site/sistemasexpertosunah/home/sistemas-expertos-basados-en-
reglas#:~:text=El%20sistema%20basado%20en%20reglas,hechos%20de%20entrada%20al
%20sistema).
 16. ¿Cómo se define el módulo de aprendizaje en sistemas expertos?
● Módulo de Adquisición del Conocimiento: es la interface entre el sistema
experto basado en reglas y el humano experto, por medio del cual ingresa
nuevo conocimiento a la base de conocimientos.
Recuperado de la página:
https://sites.google.com/site/sistemasexpertosunah/home/sistemas-expertos-basados-en-
reglas#:~:text=El%20sistema%20basado%20en%20reglas,hechos%20de%20entrada%20al
%20sistema).

17. ¿Exponga 3 ejemplos de sistemas expertos en donde se accede al módulo de

aprendizaje?
● Sistemas basados en Reglas y en Casos para diseñar transmisiones por tornillo
sinfín.

Es un sistema diseñado para transmisiones por tornillo sin fin. Ya sea de

diseño tradicional o de Ingeniería Inversa. Esto se debe a que para encontrar
una solución dicho sistema realiza una búsqueda heurística y no sigue un
algoritmo predeterminado

● Sistema Experto Basado en Reglas para Determinar Tipos de Demandas

Jurídicas
Un sistema experto basado en reglas y un algoritmo orientado a un objetivo,
que permitirá decidir el tipo de demanda al que pertenece algún caso jurídico
presentado al sistema, de este modo este sistema contribuirá a solucionar los
problemas más frecuentes a los que se enfrentan los estudiantes de derecho por
ejemplo para aprender a clasificar casos jurídicos más comunes , los
profesionales en derecho para poder tener un desahogo de los casos más
triviales y así poder ocuparse en el manejo de problemas más complejos, y
usuarios en general para poder recurrir al especialista en derecho adecuado
según su caso

● Sistema experto basado en reglas para una aplicación de monitorización de

producción industrial
El software edinn® M2 es un sistema que monitoriza automáticamente en
tiempo real a las personas y las máquinas de cualquier sector, e integra las
funciones y estándares necesarios para la mejora total de la eficiencia.

Tecnologías de la información: Recuperado de la página: https://www.tecnologias-

informacion.com/sistemas-expertos.html

18. ¿Explique que es la Incertidumbre?

● Incertidumbre es una expresión que manifiesta el grado de desconocimiento acerca
de una condición futura, pudiendo implicar una previsibilidad imperfecta de los
 hechos, es decir, un evento en el que no se conoce la probabilidad de que ocurra
determinada situación.
Eugenio Andrés Marchiori, Los desafíos de la incertidumbre:
https://books.google.com.ec/books?
id=hfeEcQlwV7AC&pg=PT78&dq=que+es+la+Incertidumbre&hl=es&sa=X&ved=2ahUKE
wiLrJvamtTvAhXShOAKHf6qCywQ6AEwAXoECAAQAg#v=onepage&q=que%20es
%20la%20Incertidumbre&f=false

19. ¿Exponga 2 ejemplos por cada tipo de incertidumbre?

○ En los juegos, especialmente en los juegos de azar, donde el azar es
fundamental para jugar.
○ En el modelado científico, para entender que la predicción de eventos futuros
tiene un rango de valores esperados
○ En la optimización, la incertidumbre permite describir situaciones en las que el
usuario no tiene control total sobre el resultado final del procedimiento de
optimización.
○ En el pronóstico del tiempo, ahora es común incluir datos sobre el grado de
incertidumbre en un pronóstico del tiempo.
○ La incertidumbre o el error se utilizan en notación científica y de ingeniería.
○ En física, el principio de incertidumbre de Heisenberg forma la base de la
mecánica cuántica moderna.
○ En metrología, la incertidumbre de medición es un concepto central que
cuantifica la dispersión que uno puede atribuir razonablemente a un resultado
de medición.
○ En ingeniería, la incertidumbre se puede utilizar en el contexto de validación y
verificación del modelado de materiales.
○ La incertidumbre ha sido un tema común en el arte, tanto como un dispositivo
temático (ver, por ejemplo, la indecisión de Hamlet), y como un dilema para el
artista (como la dificultad de Martin Creed para decidir qué obras de arte
hacer).
○ La incertidumbre es un factor importante en la economía. Según el economista
Frank Knight, es diferente del riesgo, donde hay una probabilidad específica
asignada a cada resultado (como cuando se lanza una moneda justa). La
incertidumbre de Knight involucra una situación que tiene probabilidades
desconocidas.
○ Invertir en mercados financieros como el mercado de valores implica
incertidumbre de knoght cuando se desconoce la probabilidad de un evento
raro pero catastrófico.

Bibliografía

Incertidumbre - física experimental .. Informacion | Que. (2021). Retrieved 29 March 2021,

from https://es.info-about.info/3240889/1/incertidumbre.html
 20. ¿Qué es la incertidumbre basada en factores de certeza?
La incertidumbre basada en factores de certeza nos permite calcular el error, que se
asocia a cada regla, cada evidencia o conjunto de reglas

Bibliografía

Sucar, E. (2021). Métodos de Inteligencia Artificial. Retrieved 29 March 2021, from

https://ccc.inaoep.mx/~esucar/Clases-MetIA/MetIA-09.pdf

21. ¿Qué es la incertidumbre basada en probabilidades?

La incertidumbre basada en probabilidades se basa en la aleatoriedad o el error
proveniente de varias fuentes como las descritas al usar la metodología estadística,
permite determinar la probabilidad de que pase algo malo. En términos de teoría de
decisiones, el riesgo es definido como las pérdidas promedio o las pérdidas que se
pronostican cuando algo malo sucede.

Bibliografía

Caddy, J. (2021). 3. INCERTIDUMBRE Y RIESGO. Retrieved 29 March 2021, from

http://www.fao.org/3/v8400s/v8400s05.htm

22. ¿Qué es la incertidumbre basada en lógica difusa?

Es la lógica que utiliza expresiones que no son ni totalmente ciertas ni completamente
falsas, es decir, es la lógica aplicada a conceptos que pueden tomar un valor
cualquiera de veracidad dentro de un conjunto de valores que oscilan entre dos
extremos, la verdad absoluta y la falsedad total.

Bibliografía

CONCEPTOS FUNDAMENTALES DE LÓGICA DIFUSA. (2021). Retrieved 29 March

2021, from https://www.tdx.cat/bitstream/handle/10803/6887/04Rpp04de11.pdf

23. ¿Exponga las diferencias entre fusificar y defusificar?

Fusificar Defusificar

Tiene como objetivo convertir valores crisp Realiza el proceso de adecuar los valores
o valores reales en valores difusos difusos generados en la inferencia en valores
crisp
 Se asignan grados de pertenencia a cada una Cuando se adecúa a los valores difusos,
de las variables de entrada con relación a los posteriormente se utilizan en el proceso de
conjuntos difusos previamente definidos control.

Utiliza las funciones de pertenencia Se utilizan métodos matemáticos simples

asociadas a los conjuntos difusos como el método del Centroide, Método del
Promedio Ponderado y Método de
Membresía del Medio del Máximo

Bibliografía

Lógica difusa. (2021). Retrieved 29 March 2021, from

http://catarina.udlap.mx/u_dl_a/tales/documentos/lmt/ramirez_r_o/capitulo3.pdf

24. ¿Indique por lo menos 3 diferencias entre modelos de lógica difusa?

○ La lógica difusa permite tratar con información que no es exacta o con un alto
grado de imprecisión a diferencia de la lógica convencional la cual trabaja con
información precisa.
○ Se diferencia de la lógica convencional que trabaja con información bien
definida y precisa. Es una lógica multivaluada que permite valores intermedios
para poder definir evaluaciones entre si/no, verdadero/falso, negro/blanco,
caliente/frío, etc.
○ Surgen diferencias relevantes en el tratamiento de los valores de verdad

Bibliografía

- Lógica difusa. (2021). Retrieved 29 March 2021, from

http://catarina.udlap.mx/u_dl_a/tales/documentos/lmt/ramirez_r_o/capitulo3.pdf
- Fillottrani, P. (2021). Un Análisis sobre la Lógica Difusa como Herramienta para la
Representación de Conocimiento. Retrieved 29 March 2021, from
http://sedici.unlp.edu.ar/bitstream/handle/10915/24336/Documento_completo.pdf?
sequence=1&isAllowed=y
25. ¿Explique detalladamente los pasos para implementar un sistema experto
basado en lógica difusa con el modelo de Mandani?

Paso para el desarrollo de lógica difusa para el modelo Mandani

1) Definir las variables lingüísticas de entrada y sus rangos de valores numéricos

que intervienen en los conjuntos difusos por ejemplo Temperatura (x): alta,
media, baja (A1, A2, A3).
 2) Definir las variables lingüísticas de salida y sus valores numéricos que
intervienen en los conjuntos difusos por ejemplo: clima (z): Frío promedio y
cálido (C1, C2, C3).
3) Definir las funciones de membresía para las variables de entrada y salida por
ejemplo como variable de entrada tenemos la temperatura de 25 grados y
variable de salida el clima más probable dada la temperatura.
4) Construir la base de reglas que representan la estrategia de control, tomando
en cuenta la variable de entrada y salida por ejemplo IF temperatura es baja
AND viento es fuerte THEN clima es frio
5) Fusificar los valores de entrada, con los valores de las variables de entrada y
dependiendo las gráficas que pueden ser triangulares o rectangulares se
fusifica obteniendo los valores para los conjuntos difusos
6) Ejecutar la inferencia para determinar la fuerza de las reglas activadas. con los
valores encontrados en el paso anterior se aplican en todas las reglas
encontradas en el paso número 4
7) Defusificar, usando centroide de gravedad para determinar la acción a ser
ejecutada, tambien se realiza el metodo max-min y promedio para el cálculo
del centroide se realiza por la siguiente formula:

Vargas (2012) LÓGICA DIFUSA. Inferencia: defusificaciónm obtenido de

https://docplayer.es/39361935-Logica-difusa-inferencia-defusificacion-blanca-a-
vargas-govea-noviembre-13-2012-inteligencia-computacional.html

26. ¿Cómo se calcula el Factor de Certeza una regla en donde las condiciones están
conformadas por un OR?

Si las condiciones están conformadas por un AND se escoge el valor mínimo y si

están conformadas por OR se escoge el valor máximo, La operación OR está definida
como max(A,B)

Blancas (2019) Lógica difusa: Problema del avión Tomado de

https://www.youtube.com/watch?v=6u-T8OyCLHU&t=556s

27. ¿Cómo se calcula el valor de una regla cuando utilizamos el teorema de Bayes?

Al momento de usar el teorema de Bayes en el cálculo de las reglas se usa la siguiente

fórmula
 La fórmula nos permite calcular la probabilidad condicional de cualquier evento de A
dado en B

Paez (sf) Descripcion general de la inferencia bayesiana Tomado de

https://www.urosario.edu.co/Administracion/documentos/investigacion/laboratorio/miller_
2_2.pdf

28. ¿Indique por lo menos 5 herramientas que permiten implementar sistemas

expertos basados en lógica difusa?

Existen diversas herramientas que nos permiten implementar sistemas expertos

basados en lógica difusa

● Editor FIS
● Prolog
● MatLab 6 o superior
● fuzzyTECH
● FuzzyLite

FUZZY LOGIC DEVELOPMENT TOOL FOR ST6 Tomado de https://docs-emea.rs-

online.com/webdocs/0025/0900766b8002580d.pdf

Developing Expert Systems Based on Fuzzy Logic in Dairy Cattle Husbandry

https://www.researchgate.net/publication/282763806_Developing_Expert_Systems_B
ased_on_Fuzzy_Logic_in_Dairy_Cattle_Husbandry

Gamarra (2016) Herramienta de Software para el Aprendizaje de Sistemas Difusos en

un Curso de Control Digital https://scielo.conicyt.cl/scielo.php?
script=sci_arttext&pid=S0718-50062016000400005

29. ¿Explique cuándo utilizar min, max. y centroide como mecanismo de

defusificación?

Centroide: Este mecanismo se utiliza cuando se requiere en la salida difusa en un

número real en las coordenadas de las equis (x) del centro de gravedad de tal conjunto
difuso de salida además son usadas cuando se basa su inferencia en funciones de
membresía que no varían en el tiempo
 Bouza (sf) Microcontroladores Estándar en el Desarrollo de Sistemas de Lógica
Difusa Tomado de
http://sedici.unlp.edu.ar/bitstream/handle/10915/23881/Documento_completo.pdf?
sequence=1

LÓGICA DIFUSA Y SISTEMAS DE CONTROL

https://cayetanoguerra.github.io/ia/logicadifusa/Logica%20difusa%20y%20sistemas
%20de%20control.pdf

Min Este mecanismo se utiliza cuando se requiere en la salida difusa para la cual la
función de membresía alcanza su mínimo valor.

Max Este mecanismo se utiliza cuando se requiere en la salida difusa para la cual la
función de membresía alcanza su máximo valor.

LÓGICA DIFUSA Y SISTEMAS DE CONTROL

https://cayetanoguerra.github.io/ia/logicadifusa/Logica%20difusa%20y%20sistemas
%20de%20control.pdf

30. ¿Se puede utilizar la lógica difusa en PLN?

La lógica difusa si se puede utilizar para procesamiento de lenguaje natural (PLN), al

momento de poder explicar la gramaticalidad con una formulacion y una base
matemática a combinación de lógica difusa y gramáticas de restricción se obtendrá un
nuevo e interesante método teórico. Además, las formulaciones lingüísticas con
razonamiento lógico-difuso nos dan la oportunidad de realizar implementaciones
informáticas para el desarrollo de nuevas tecnologías con base lingüística.

Torrens (sf) Lógica difusa y gramaticalidad para una gramática de las lenguas
naturales. Tomado de http://cilx2018.uvigo.gal/actas/pdf/661872.pdf

CONCLUSIONES:
- Se puede concluir que la realización del cuestionario de la tercera unidad por parte
de los estudiantes conformados por el grupo fue provechoso para mejorar los
conocimientos adquiridos con los temas tratados durante el primer parcial de la
asignatura, tomando en cuenta la investigación realizada para responder de manera
correcta las preguntas planteadas en el cuestionario.
- Al concluir el cuestionario de la asignatura se puede estudiar de una manera más
rápida y sencilla las definiciones de los diferentes temas estudiados en la asignatura,
reforzando lo aprendido y aclarando dudas existentes.

RECOMENDACIONES:
Hemos analizado varios conceptos en este cuestionario, donde cada uno cumple su función
para complementar el aprendizaje y entender más sobre cómo trabaja la inteligencia artificial,
sin embargo se recomienda estudiar bien los conceptos básicos para inconvenientes y es
especial es recomendable usar Prolog como una herramienta de aprendizaje, ya que facilita
mucho los procesos y permite que el estudiante se enfoque en la lógica.

LEGALIZACIÓN DE LOS PARTICIPANTES:

EDGA
R SANTIAGO PANATA CASTILLO CC
1722403423

JEFFERSON FABIÁN PANCHI CHACÓN

CC 0503984056

TOMAS SEBASTIAN MAYORGA CARRERA

CC 1805155148

ELVIS FERNANDO BETANCOURT LUDEÑA

CC 1104149719
KEVIN ALEXANDER LÓPEZ DÍAZ
CC 1726048638