Documentos de Académico
Documentos de Profesional
Documentos de Cultura
ENCUENTRO NO 1
SUMARIO:
1. Introducción.
2. Conceptos básicos: Sistemas Basados en Conocimientos (SBC), técnicas de
Inteligencia Artificial (IA), representación del conocimiento, reglas de
producción (RP).
3. Modelos de SBC con RP.
4. Conclusiones.
BIBLIOGRAFIA:
INTRODUCCIÓN
Los problemas que se presentan comúnmente en la práctica pueden ser algorítmicos
tratables, algorítmicos no tratables y no algorítmicos. En estos últimos no es posible
encontrar un algoritmo para su solución. Esto nos indica que se debe reconsiderar la
noción determinística desarrollada de algoritmo por una noción más flexible que incluya
métodos de aproximación a la solución de un problema, como los que pone en práctica
el ser humano cuando se halla ante problemas para los cuales no posee un algoritmo
específico de solución. Estos métodos se caracterizan por los siguientes rasgos
fundamentales: no siempre nos conducen al resultado, no siempre el resultado es único
y no siempre dan un resultado óptimo. La introducción de tales métodos en el diseño y
programación de algoritmos computacionales es tarea del área de la I.A.
Los problemas algorítmicos tratables se pueden resolver con las técnicas tradicionales.
Los algorítmicos no tratables, llamados también NP-completos, son aquellos para cuya
solución existen algoritmos no deterministas que se ejecutan de manera tratable, pero
que hasta el momento se duda de que pueda existir un algoritmo determinista que los
resuelva de manera tratable. Las técnicas de I.A. nos permiten resolver algunos de estos
problemas, como son:
- Problema del viajante: Se tienen n ciudades y las distancias entre ellas y se desea
saber el recorrido de una persona por todas las ciudades con la mínima distancia.
- Problema de la mochila: Dada una mochila con una capacidad en peso dada y una
cantidad de objetos, cada uno de ellos con su peso y un valor dados, determinar qué
objetos echar en la mochila sin sobrepasar su peso y de manera que almacene el mayor
valor.
- En el caso de los problemas no algorítmicos, las técnicas de I.A. ayudan también a
resolverlos. Tales son, por ejemplo, el diagnóstico médico, la traducción automática,
detección de fallas, problemas de pronóstico y generación automática de planes.
Concepto de IA en sentido amplio: IA indica la capacidad de un artefacto de
realizar funciones que caracterizan al pensamiento humano.
Puede ser definida como la simulación de la inteligencia humana en una
máquina, para hacer la maquina eficiente para identificar y usar la pieza de
conocimiento correcta en un paso dado de la solución de un problema.
DESARROLLO
Base de
Conocimiento Mecanismo de
(BC) Inferencia (MI)
Memoria de
Interfaz Trabajo (WM)
Usuario
Red de inferencia
Un sistema de reglas de producción se puede representar mediante un grafo llamado
red de inferencia, los nodos son las proposiciones y los arcos los conectivos lógicos,
ejemplo:
p1p2 i1
o1
p 4 p 5 i2
o2
i1i2 o1
i2 ¬p5 o2
operador y i1
i2
operador o
operador negación
p1 p2
p4 p5
MODELOS DE SBC CON RP
Un modelo de este tipo establece:
1-Definición del peso de una proposición.
2-Seleccionar un tipo de regla de producción.
3-Establecer el esquema de cálculo de los pesos de las proposiciones inferibles.
Se estudiarán 3 modelos:
Modelo 1.
Modelo 2.
Modelo 2I.
Modelo 1
Sigue estrictamente la lógica clásica
1.1 Proposiciones con pesos bivalentes. Se define el peso de una proposición:
w(A) = 1 si A es verdadera,
w(A) = 0 si A es falsa.
1.2 Reglas del tipo: A b (implicación lógica) donde:
A es: a1a2 … ak
a1a2 … ak
A compuesto,
b es un proposición simple.
1.3 Cálculo de los pesos
Cálculo del peso del antecente w(A):
w(a1a2… ak )=min(w(a1),…,w(ak))
w(a1 a2… ak )=max(w(a1),…,w(ak))
w(¬ a) =1-w(a)
Cálculo del peso del consecuente w(b):
w(b)= 1 si w(A)=1
w(b) no se puede calcular, si w(A)=0
Limitaciones:
- Sólo representa conocimiento categórico (verdadero o falso).
- No maneja el valor veritativo “no se sabe”.
- El peso del consecuente de una regla sólo se puede calcular cuando el peso del
antecedente es 1 (verdadero).
- Sólo se puede deducir la veracidad de una proposición, pero no su falsedad.
Modelo 2
Emplea la lógica clásica pero con variaciones:
2.1 Proposiciones con pesos trivalentes. Se define el peso de una proposición:
w(A) = 1 si A es verdadera,
w(A) = -1 si A es falsa,
w(A)= 0 si la certeza de A es desconocida.
Ejemplo.
Dada la siguiente red de inferencia, obtenga las reglas y calcule w7 mediante el modelo
2 para el siguiente juego de valores de las evidencias: w1=1; w2=1; w3=0; w4=-1.
7 1
6
5 1
1
3 4
1 2
R1: 1^2->5(1)
R2: 3^4->6(1)
R3: 5v6->7(1)
Teoría de la certidumbre
Desarrollada por Shortliffe y Buchanan en 1975 para utilizarla sistemas expertos
basados en reglas.
Se fundamenta en asignarle medidas de certeza a los hechos y las reglas y definir un
esquema de cálculo de propagación de la certidumbre a través de la red de reglas.
En caso de :
A1 -> b (wr1) wb(wr1) =ctr (wA1, wr1)
A2-> b (wr2) wb(wr2) =ctr (wA2, wr2)
Se define la función de globalidad de manera que esta operación tenga las mismas
propiedades que la operación suma en los reales [-oo, oo]
Antes se encontraba un objetivo se paraba, no importaba que hubiesen otras reglas o
caminos para llegar a ese objetivo, en el caso de la globalidad se toman en cuenta todos
los caminos o reglas que apuntan al objetivo, por tanto es más confiable la respuesta.
Reglas:
W1 +w2=w2+w1 propiedad conmutativa
W +0 =W
W1+w2+….+wn= (w1+w2)+(w3+…+wn)
W+ -w= 0
1+1=1
W+ -1= -1
W+1 =1
1 + -1 = indeterminado
Ejemplo.
Dada la siguiente red de inferencia obtener las reglas y calcular w7 con Modelo 2I
utilizando para w1=0.9; w2=0.4; w3=0.0; w4=0.2
7 -0.5
0.7
6
5 0.8
0.7
3 4
1 2
CONCLUSIONES
Los Sistemas basados en conocimientos como técnica de Inteligencia Artificial pueden
utilizar como método de representación y cálculo de conocimiento las reglas de
producción, las cuales para su representación puede ser usada una red de inferencia
que brinda la posibilidad de analizar la base de conocimiento desde una perspectiva
gráfica y pragmática, los modelos analizados de estos sistemas se basan
fundamentalmente en la lógica y se presentaron en orden de expresividad, siendo el
modelo 2I el que permite tratar el razonamiento con incertidumbre basado en la teoría
de la certidumbre.
EJERCICIO PROPUESTO # 1
Investigar las otras formas de representación del conocimiento no estudiadas (redes
semánticas, guiones, marcos) y mediante un caso de estudio representar el
conocimiento con esas FRC.
EJERCICIO PROPUESTO # 2
Investigar las otras estrategias de control y búsqueda no estudiadas (Encadenamiento
hacia atrás y primero en lo ancho) y mediante ejemplos ejecutar los algoritmos.
Sistema de reglas
R1: 1v2 5(0.9)
R2: 57(0.1)
R3: 27(-0.3)
R4: 346(0.3)
R5: 6v79(0.1)
R6: 89(-0.8)
R7: 109(0.9)