Introduccin a Sistemas Expertos

UTP-
Ing. Jessica Delgado Fuentes
IA I - 2
Temario
Introduccin a Sistemas Expertos
Caractersticas de los SE
Tareas tpicas
Caractersticas del problema
Arquitectura de un Sistema Experto
Representacin del conocimiento
IA I - 3
Introduccin a Sistemas Expertos
Los SE son programas capaces de manejar
problemas que normalmente requieren para su
resolucin la intervencin humana
especializada.
El experto de campo revela la informacin
colapsada sobre el conocimiento.
El ingeniero de conocimiento da forma
simblica y automticamente manipulable a la
informacin (conocimiento) dada por el
experto de campo.
IA I - 4
Caractersticas de los SE
Aplican experiencia de una manera eficiente para
solucionar problemas, realizando inferencias a partir de
datos incompletos o inciertos.
Explican y justifican lo que estn haciendo.
Se comunican con otros expertos y adquieren nuevo
conocimiento.
Reestructuran y reorganizan el conocimiento.
Pueden quebrantar reglas, interpretar simultneamente el
espritu y la letra.
Determinar cuando un problema est en el dominio de su
experiencia, determinacin de la relevancia del problema.
IA I - 5
Tareas tpicas
Diagnstico y reparacin
Prediccin
Planificacin
Monitorizacin de tareas
Ayuda a la educacin
Ayuda a la toma de decisiones
Ayuda a la operacin legal y administrativa
Ayuda a la identificacin de problemas
Interpretacin de datos
IA I - 6
Caractersticas que debe cumplir
el rea del problema
El procedimiento de resolucin debe tener un
componente importante de razonamiento
El nivel de complejidad debe ser tal que los problemas se
resuelvan en plazos razonables
El proceso de resolucin debe tener un volumen
combinatorio importante
Debe servir para entrenar novicios
Debe existir un experto real del tema
El experto debe ser capaz de articular sus mtodos
IA I - 7
Arquitectura de un Sistema
Experto
Base de Conocimiento (BC)
Base de Datos (BD)
Motor de Inferencia (MI)
Trazador de explicaciones (TE)
Trazador de Consultas (TC)
Memoria de trabajo (MT)
Manejador de Comunicaciones (MC)
IA I - 8
Base de Conocimiento (BC)
Es la unin del conjunto de aserciones y el
conjunto de reglas. Su funcin es suministrar al MI,
informacin de la naturaleza de los problemas que
puede manejar.
IA I - 9
Base de Conocimiento (BC)
- Una asercin A es una formulacin simblica de
un hecho.
- Una regla R es una relacin explcita entre
aserciones, generalmente de casualidad.
SI A1 yy An entonces An+1 yy An+m
Donde A1 yyAn son antecedentes (predicciones)
An+1 yy An+m forman el consecuente (conclusiones)
IA I - 10
Base de Conocimiento (BC)
Restricciones
1- Aciclicidad: No puede aparecer
Si A1 y A2 ENTONCES A1 y A2
2- n,m >=1
Observaciones
Las aserciones pueden vincularse mediante Y y O
IA I - 11
Base de Datos (BD)
Contiene informacin sobre el problema particular
que el S.E. debe resolver.
IA I - 12
Memoria de Trabajo (MT)
Es una BD temporal, en la cual el MI deja
informacin deducida a partir de :

- Base de Conocimiento
- Base de Datos
IA I - 13
Trazador de Consultas (TC)
Maneja las consultas del S.E. al usuario.
IA I - 14
Maneja requerimientos del usuario al S.E..
Trazador de Explicaciones(TE)
IA I - 15
Manejador de Comunicacin (MC)
Coordina el TE con el TC
IA I - 16
Activa las reglas en funcin de la informacin contenida
en la BD y MT, la nueva informacin es puesta en la MT.
Tambin se encarga de proporcionar al TE, las reglas que
dieron origen a una cosulta al usuario.
Motor de Inferencia (MI)
IA I - 17
Motor de Inferencia (MI)
Puede trabajar bajo:
- Universo Cerrado: toda la informacin necesaria est
contenida en el sistema, entonces lo que no puede
demostrar es falso.
- Universo Abierto: toda la informacin que no est en el
sistema est fuera de l, entonces la busca el usuario.
IA I - 18
Motor de Inferencia (MI)
- Orientado por el Objetivo:(Backward Chaining)
El origen de la induccin es el objetivo y se busca encontrar
condiciones iniciales que estn contenidas en los datos sobre
el problema particular a resolver.
- Orientado por los Datos:(Forward Chaining)
El origen de la induccin son los datos iniciales y se trata de
llegar a algn objetivo de inters.
IA I - 19
Arquitectura de un Sistema
Experto
IA I - 20
Representacin del Conocimiento
Se requiere:
Un sistema inormtico que manipule el
conocimiento.
Debe admitir:
Una representacin adecuada y operadores de
manipulacin.
IA I - 21
Representacin del Conocimiento
Se necesita:
Estructuras de datos adecuadas
Procedimientos de manipulacin
Entorno de activacin de procedimientos y
estructuras
IA I - 22
Tipos de Conocimiento
- Objetos

- Eventos

- Habilidades

- Meta-Conocimientos
IA I - 23
Tipos de Conocimiento
Objetos
Podemos definir el conocimientos como hechos
que ocurren en el conjunto de objetos que nos
circunda.
Ej: - Los pjaros tienen alas
- La nieve es blanca
Es necesario representar:
Objetos
Clases de Objetos
Categoras de Objetos
Descripcin de Objetos

IA I - 24
Eventos
Sobre los Objetos existen acciones o eventos
Ej: - Pedro bes a Maria en el bosque
- El cielo se derrumbar hoy
Tipos de Conocimiento
Surge la necesidad de:
Codificar la secuencia de acciones o eventos
Formalizar el concepto de eventos o acciones
Representar adecuadamente las revelaciones de
causa - efecto involucradas.
IA I - 25
Tipos de Conocimiento
Habilidades
Habilidad de cmo aplicar adecuadamente la accion
al objeto.

Ej: - Si la madera est hmeda squela
antes de usarla para un asado.
IA I - 26
Tipos de Conocimiento
Meta-Conocimiento
Es el conocimiento sobre como usar adecuadamente
el conocimiento que ya tenemos.

IA I - 27
Uso del Conocimiento
Reconocimiento del Objeto
Recuperacin de Conocimiento
Manipulacin de Robots
Adquisicin de ms conocimiento
IA I - 28
Adquisicin del Conocimiento
Objetivos
Acumular nuevo conocimiento
Reestructuracin de conocimiento
existente
Activar procesos que mejoren la
performace del sistema a partir de la
nueva informacin.
IA I - 29
Recuperacin del Conocimiento
- Determinar que piezas de conocimiento son relevantes
a la resolucin de un problema.
- Destreza crucial cuando el espacio de conocimiento
manejado por el sistema es muy amplio.
Ideas Bsicas
ENLAZADA: cuando dos piezas de conocimiento
se siguen en un razonamiento, enlazarla.
AGRUPAMIENTO: si un conjunto de piezas se utilizan
en un proceso de razonamiento, los agrupamos.
IA I - 30
Razonamiento
Tipos
Razonamiento Formal: Se deducen nuevas P.C
siguiendo reglas de inferencia preespecificadas.
Razonamiento Procedural: Utiliza la simulacin
para responder preguntas y resolver problemas.
Determinar un encadenamiento posible para las piezas de
conocimiento
IA I - 31
Razonamiento
Tipos
Razonamiento por analoga: Involucra asociar el
problema a resolver con uno ya resuelto y utiliza
el espacio de direcciones del segundo para resolver
el primero.
Meta Razonamiento: Involucra razonar sobre cul
es la mejor manera de razonar para un problema
especfico.
IA I - 32
Tipos de Representaciones
Lgicas
Lgicas de Predicado de Primer Orden
Lgica multivaluada
Lgica Temporal
Redes Semnticas
Sistema de Produccin
Marcos
IA I - 33
Metodologa
1) Estudio preliminar:
Definicin del problema
Identificacin de los expertos
Bibliografa de referencia
Glosario de trminos
Estudio de factibilidad
Tcnica
Operativa
Econmica
Anlisis
Posibilidad de la construccin
Justificacin de la construccin

IA I - 34
Metodologa
2) Desarrollo de prototipos:
Elicitacin de conocimiento
Representacin del conocimiento (grafos causales)
Eleccin de la herramienta
Formalizacin: construccin de las reglas
Implementacin del prototipo


IA I - 35
Metodologa
3) Desarrollo del sistema:
Los avances deben estar acompaados de
evaluaciones internas de los expertos y la
reconstruccin a partir del resultado de las
evaluaciones.
4) Evaluacin final:
El testeo final consiste en plantear casos nuevos y
comparar la solucin y el procedimiento realizado
por el experto y por el sistema.
5) Mantenimiento:
Actualizacin del sistema


IA I - 36
Evaluacion
FACTORES DE LA EVALUACION (Controles de lectura, prcticas calificadas, trabajos de
investigacin, exposiciones, exmenes escritos, trabajo final, actitudes)

PROMEDIOS:

Primer promedio parcial : P1 = 0.5*(PC01 + PC02 + TI01 + NA01) + 0.5*EP
Segundo promedio parcial : P2 = 0.5*(PC03 + PC04 + TI02 + NA02) + 0.5*EF
Proyecto Final : PF = 0.3*PF01 + 0.7*PF02
Nota final : NF = 0.3*P1 + 0.3*P2 + 0.4*PF
Donde:
PC : prctica calificada
TI : Trabajo de investigacin.
NA: Nota de actitud.
EP: Exmen parcial.
EF: Exmen final.
PF: Proyecto final.
NF: Nota final