sistema de razonamiento lgico Definicin: Un sistema de razonamiento lgico es el que resulta capaz de deliberar o combinar a partir de conocimiento formal

y declarativo ("forma lgica") para llegar a conclusiones de sana lgica. En general este sistema se define mediante reglas de inferencia abstractas con la ayuda de un "motor de inferencia". 3.1.- REGLAS DE PRODUCCION Es un mtodo procedimental de representacin del conocimiento, pone nfasis en representar y soportar las relaciones inferenciales del algoritmo, en contraposicin a los mtodos declarativos (hechos). La estructura de una regla es: SI <antecedentes> ENTONCES <consecuentes> Los antecedentes son las condiciones y los consecuentes las conclusiones, acciones o hiptesis. 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 PRODUCCION Mtodo procedimental de representacin del conocimiento

Estructura SI <condiciones> ENTONCES <conclusiones, acciones, hiptesis>

Cada regla SI-ENTONCES 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, conocimiento declarativo HIPTESIS (tb. Consecuentes)son un

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 sudoracin = presente AND dolor_muscular = presente THEN: diagnostico_preliminar = gripe IF: diagnostico_preliminar = gripe AND descompos_organos_internos = presente THEN: diagnostico_preliminar = _abola

SISTEMAS BASADOS EN REGLAS DE PRODUCCIN Reglas_ Operadores en bsquedas en espacio de estados Inferencia similar al MODUS PONENS (con restricciones)

Sintaxis relajada Se permiten acciones en los consecuentes Mecanismo de control determina que inferencias se pueden realizar En funcin de sintaxis de reglas y de mecanismos de control (_bsqueda)

SISTEMA ENCADENAMIENTO HACIA ADELANTE (dirigidos por los datos) Regla ACTIVADA si antecedentes emparejan con algunos hechos del sistemaen IF ALL, todos. En IF ANY, al menos uno.Se parte de los hechos ya confirmados en el sistema. Se razona hacia adelante buscando antecedentes que emparejen SISTEMA ENCADENAMIENTO HACIA ATRS (dirigido por los objetivos) Regla ACTIVADA si consecuentes emparejan con algunos hechos del sistema. Se comienza con una hiptesis, se razona hacia atrs buscando consecuentes que emparejen MOTOR DE INFERENCIAS elige que reglas ACTIVADAS ejecutar (resolucin de conflictos) Consecuentes y antecedentes pueden verse como submetas a verificar a partir de los hechos o hiptesis, respectivamente. CARACTERSTICAS Modularidad: reglas = pequeas cantidades de conocimiento (relativamente) independiente Incrementalidad/Modificabilidad: posible aadir/cambiar reglas con relativa independencia Naturalidad y Transparencia: representacin del conocimiento prxima y comprensible por personas Capacidad de generar explicaciones

GENERACIN de EXPLICACIONES Posibilidad de \explicar" el porqu de un resultado Devolver a usuario la cadena de reglas empleadas Combinar reglas y hechos del rbol de bsqueda segn las conectivas Incrementan la \aceptacin" del resultado ofrecido (dominios crticos)

3.3.- SEMANTICA DE LA REGLA DE PRODUCCIONES

Es una representacin formal de una relacin, una informacin semntica o una accin condicional. Una regla de produccin tiene, generalmente, la siguiente forma: SI Premisa ENTONCES Consecuencia. Ofrecen una gran facilidad para la creacin y la modificacin de la base de conocimiento. Permite introducir coeficientes de verosimilitud para ponderar el conocimiento (estos coeficientes se van propagando durante el proceso de razonamiento mediante unas frmulas de clculo establecidas) y, en teora, el mtodo asegura que cuantas ms reglas posea ms potente es. Los hechos y las reglas asociadas de la base de conocimiento normalmente no son exactos; es decir se tiene incertidumbre sobre el grado de certeza de algunos hechos y tambin sobre el campo de validez de algunas de las reglas. Para el manejo de la incertidumbre en los sistemas de reglas se han utilizado varios sistemas; los tres ms conocidos son los Factores de Certeza (utilizados en MYCIN), la lgica de Dempster Shafer, y la Lgica Difusa (Fuzzy Logic). El mtodo de tratar la incertidumbre es una de las caractersticas ms importantes de las herramientas de desarrollo, y actualmente se encuentra en discusin la validez de estas lgicas para tratar con la incertidumbre. En sustitucin se han propuesto las Redes Bayesianas que tienen una base matemtica ms firme. De todas formas es un campo actual de investigacin que permanece abierto. Relacin que vincula dos ideas a travs de una conexin supuestamente necesaria. 3.3.1.- CONOCIMIENTO CASUAL 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

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 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 ms adecuada para cada problema concreto es simplificar el dominio para que el modelo inicial sea aplicable.

3.4.- ARQUITECTURA DE UN SISTEMA DE PRODUCCION Los Sistemas basados en reglas difusas (SBRD) tienen una serie de aplicaciones diversas, pero fundamentalmente son usados para: Modelado de sistemas 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. 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. Reglas 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. Tipos de reglas y proposiciones Las proposiciones se pueden clasificar en los siguientes grupos:

Proposiciones CUALIFICADAS: Introducen un atributo para cualificar la proposicin que forma una regla. El atributo corresponde al grado que determina la regla. Grado de Suceso: Probable, poco probable... Proposiciones CUANTI FICADAS: Indican cantidades difusas en las reglas. SI muchos alumnos suspenden ENTONCES la explicacin fue bastante mala. Respecto a esta clasificacin, podremos decir que las proposiciones que no poseen cuantificadores ni cualificadores son proposiciones categricas, mientras que las proposiciones no categricas no tienen por qu ser verdad siempre Las reglas pueden tener variantes, entre ellas se encuentran las siguientes: Con excepciones: Son el tipo: SI la temperatura es alta ENTONCES tendr calor EXCEPTO que tenga aire acondicionado. Graduales: Cuantos ms partidos ganemos, ms fcil ser ganar la liga. Reglas conflictivas: Son reglas que dentro de un mismo sistema tienen informacin contradictoria, lo cual puede acarrear muchos problemas, tales como malos resultados o generar problemas. Este tipo de reglas son aquellas que para un mismo antecedente, tienen consecuentes distintos, por ejemplo: R1: SI tengo hambre ENTONCES como. R2: SI tengo hambre ENTONCES no como. Otro ejemplo de reglas contradictorias son aquellas que estando encadenadas En ambos sentidos, niegan un consecuente: R1: SI he metido un gol ENTONCES estoy feliz. R2: SI estoy feliz ENTONCES no he metido un gol.

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. 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 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 Las bases de conocimiento se categorizan en dos tipos importantes: ibles 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. -readable se disean permitir que la gente recupere y que utilice el conocimiento que ella contiene, sobre todo para los propsitos del entrenamiento. Una ventaja primaria de tal base de conocimiento es que puede ayudar a un usuario a encontrar una solucin existente a su problema actual 3.4.3.- MECANISMO DE CONTROL Una base de conocimiento puede utilizar ontologa especificar su estructura (los tipos y las relaciones de la entidad) y la clasificacin proyecte. 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. La representacin del conocimiento, el

razonamiento automatizado y la argumentacin son campos de investigacin activos en la vanguardia de la inteligencia artificial. 3.5.- CICLO DE VIDA DE UN SISTEMA DE PRODUCCION

El concepto de sistema de produccin se basa en la Teora General de Sistemas que fue desarrollada por el bilogo alemn Von Bertalanffy y que en esencia es una perspectiva integradora y holstica (referida al todo).Una de las definiciones de la teora general de sistemas dice que los sistemas son conjuntos de componentes que interaccionan unos con otros, de tal forma que cada conjunto se comporta como una unidad completa. Otra definicin dice que los sistemas se identifican como conjuntos de elementos o entidades que guardan estrechas relaciones entre s y que mantienen al sistema directo o indirectamente unido de modo ms o menos estable y cuyo comportamiento global persigue, normalmente, algn tipo de objetivo. Par describir y en general para entender un sistema, es comn el uso de diagramas, los que si bien no dan una visin completa, facilitan la visualizacin de las interrelacione