Sistemas Expertos

Introduccin
Arquitectura - Motor de Inferencias
Ingeniera del Conocimiento

Ingeniera Electrnica
60s
Inicio de los Sistemas Expertos
Se buscaban soluciones generales
70s
Los sistemas son ms eficientes en dominios
acotados
La calidad y cantidad de conocimiento son
esenciales para una buena performance
Es importante independizar el conocimiento
del dominio, del mecanismo de inferencia.
Sistemas basados en conocimiento (SBC-KBS)
Definiciones.
Sistemas que representan el conocimiento sobre el
dominio en forma explcita y separada del resto del
sistema.
Waterman.
Sistemas que resuelven problemas aplicando una
representacin simblica de la experiencia humana.
Jackson.
Sistemas basados en conocimiento (SBC-KBS)
Definiciones.
Sistemas de software capaz de soportar la
representacin explcita del conocimiento de un
dominio especfico y de explotarlo a travs de
mecanismos apropiados de razonamiento para
proporcionar un comportamiento de alto nivel en la
resolucin de problemas.
Guida y Taso
Sistemas Expertos: Definicin.

Es un sistema de cmputo capaz de simular la conducta
inteligente de un experto humano en un dominio
especfico y especializado, con el objeto de resolver
problemas.
Hardware + software
Fuente de pericia humana en el dominio
Sistema de computacin
Simulacin
Conducta inteligente
Experto
Dominio limitado
Especfico y especializado
Experiencia humana vs. SE.

PERICIA ARTIFICIAL PERICIA HUMANA
Permanente Perecedera
Siempre accesible No siempre accesible
Fcil de documentar No documentable
Estable, confiable Variable, flexible
Costo manejable Costosa
Fragilidad de las mquinas Fragilidad humana
Sin inspiracin Creativa
Conocimiento tcnico Sentido comn
Esttica - Dinmica Dinmica (aprendizaje)
Dominios estrechos Dominios ms extensos

Los humanos son imprescindibles!!!
SE/SBC: Tareas
Tareas abordadas
Sntesis: Clasificacin, diagnstico
Anlisis: Planificacin, diseo o modelado
Las reas de aplicacin son muy variadas !!!
Los SBC abordan problemas complejos en dominios especficos
en los que el peso de las heursticas para acotar el espacio de
bsqueda es importante.
Primeros Sistemas Expertos
MYCIN
Stanford (Buchanan - Shortliffe 1976):
Diagnstico y tratamiento de enfermedades
infecciosas (aprox. 500 reglas). Introduce
factores de certeza.
PROSPECTOR
Stanford-US Geological Survey (Duda-Gashning-
Hart, 1979): Evaluacin de yacimientos minerales
y petrolferos. (aprox 1600 reglas). Probabilidades
condicionales y Teorema de Bayes.
Conocimiento
inexacto
INTERNIST
Pittsburg (Pople-Myers, 1977): Diagnstico
en Medicina interna. CADUCEUS: Analiza
relaciones causales.
CASNET
Rutgens (Kulikowsky-Weiss-Safir, 1977):
Oftalmologa. Aplica un modelo causal para el
diagnstico de glaucoma.
Razonamiento experto
Modelos causales
R1
MOLGEN
Carnegie Mellon (Mc Dermott): Configuracin de
ordenadores VAX (aprox 500 reglas). Descompone
el diseo en distintos niveles de abstraccin.
Reduccin espacio
de bsqueda
Stanford (Stefik): Diseo de experimentos
genticos. Utiliza abstraccin.
Habilidades que se esperan de un SE
Buena perfomance, comparable al menos a la de los especialistas.
Manipular con fluidez descripciones simblicas.
Interfaz amigable, adecuada a las necesidades de la aplicacin.
Habilidad para manipular conocimiento incompleto e impreciso.
Capacidad de explicar sus decisiones a los usuarios.
Posibilidad de justificar sus conclusiones.
Periodo industrial de la IA
Dcada de
los 80
Importante apoyo econmico a los esfuerzos de I+D.
Gran cantidad de SE en distintos dominios.
CRI SI S
Problemas con la metodologa de desarrollo
Limitaciones propias del tipo de sistema.
Comparable a la Crisis
de los SI pero posterior
Crisis
SBC
Desarrollo de la I ngeniera del Conocimiento
Crisis
SI
Desarrollo de la I ngeniera del Software
Ingeniera del Conocimiento (IC)
La Ingeniera del Software consiste en la aplicacin de una
aproximacin sistemtica, disciplinada y cuantificable al desarrollo,
funcionamiento y mantenimiento del software. (IEEE, 1999)
La I C tiene los mismos objetivos respecto de los SBC
SBC: Ventajas
El conocimiento no se pierde.

Reduccin del espacio de bsqueda con heursticas para que
el problema sea tratable en un tiempo razonable.

Manejo de conocimiento incierto e incompleto.

Posibilidad de justificar el razonamiento seguido.

Hacer el conocimiento disponible en ambientes hostiles o con
carencia de especialistas.

Aumento de fiabilidad, evitando que prevalezcan las ltimas
experiencias.

Modificacin sencilla de la BC por su caracterstica modular.
SBC: Inconvenientes
La adquisicin del conocimiento es difcil y cara.
La reutilizacin del conocimiento en contextos diferentes
no es simple.
Falta de creatividad y sentido comn.
Obstculos para el aprendizaje y la adaptacin.
Quedan inmersos en el campo de los Sistemas Inteligentes.
Se trabaja sobre metodologa de desarrollo
Se los combina con otras tecnologas
Estructura bsica de un SE/SBC.
Base de
Conocimientos
Motor de
Inferencias
I
n
t
e
r
f
a
c
e
U
s
u
a
r
i
o
Ingeniero del
conocimiento
Experto del
dominio
K
A
T
Estructura bsica de un SE/SBC
Base de
Conocimientos
Su estructura de datos queda definida en
trminos del esquema de representacin
elegido para incorporar el conocimiento
del dominio de trabajo.
Motor de
Inferencias
Es la estructura de control de un SE,
contiene el programa que gestiona la BC y
otros mecanismos necesarios para
administrar un sistema de naturaleza
interactiva.
Separados entre s
REPRESENTACION DEL
CONOCIMIENTO
PREMISA FUNDAMENTAL DE IA:
Para que un sistema informtico
demuestre un comportamiento inteligente
en la solucin de problemas, debe poseer
gran cantidad de conocimientos y
un potente mecanismo de razonamiento.

IMPORTANCIA DE UNA ADECUADA
REPRESENTACION DEL CONOCIMIENTO
CONOCIMIENTO DEL MUNDO (en IA)
Es la habilidad para construir un modelo de
los objetos, sus vinculaciones y de las
acciones que pueden realizar.
REPRESENTACION DEL CONOCIMIENTO
Es la expresin mediante algn lenguaje, de un
modelo que exprese el conocimiento sobre el
mundo.
:
Conocimiento Definicin
El conocimiento es una mezcla de experiencia,
informacin y saber hacer que acta como marco para
la incorporacin de nuevas experiencias y guia la accin.
Se utiliza para alcanzar una meta
Genera nuevo conocimiento
Resulta en gran medida dependiente de la tarea
y del dominio de aplicacin.
Niveles de representacin:
La representacin elegida influye directamente en la
eficacia y eficiencia de la solucin lograda
Nivel del conocimiento
Nivel simblico
Hechos, comportamiento y
objetivos de los agentes.
Smbolos manipulables
por un sistema
Debe existir
correspondencia
Adecuacin representacional
Adecuacin inferencial
Representacin:Modelado de un sistema
Adquisicin del conocimiento
Conceptos y
relaciones
Mtodos de
inferencia

Modelo
Conceptual


Modelo
Formal

No computable
Semicomputable
Representa simblicamente
y organiza el conocimiento.
Determina el mecanismo
de inferencia adecuado.
Representacin: Modelado de un sistema

Modelo
Computable

Operacional
Bases de Conocimiento
Mecanismos de inferencia
Mecanismos de control
Las tareas de adquisicin y modelado son difciles y costosas.
Existen esquemas de representacin tiles en dominios variados.
Los Sistemas Basados en Conocimiento los combinan.
ELEMENTOS BASICOS QUE INTERVIENEN EN EL
DISEO DE UN SISTEMA BASADO EN EL
CONOCIMIENTO (KBS)
Lenguaje formal para expresar conocimiento
Forma de efectuar razonamientos
COMPONENTE MEDULAR DE UN KBS (Agente)
BASE DE CONOCIMIENTOS (KB)
Es un conjunto de representaciones de hechos
acerca del mundo
Conjunto de sentencias del lenguaje para la
representacin del conocimiento

AADIR YMODIFICAR
SENTENCIAS
BC
PREGUNTAS RESPUESTAS
MECANISMO DE INFERENCIAS
UNA KB DEBE PERMITIR CON EFICIENCIA:
PROPIEDADES DE UN BUEN
FORMALISMO DE REPRESENTACION:
ADECUACION REPRESENTACIONAL
ADECUACION INFERENCIAL
EFICIENCIA INFERENCIAL
EFICIENCIA EN LA ADQUISICION-
MODIFICACION
Rich & Knight
DISTINTOS PARADIGMAS:

DECLARATIVO
Descripcin del estado del mundo
PROCEDIMENTAL
Expresin de las transformaciones de estados
ORIENTADO A OBJETOS
Descripcin de los objetos existentes

DISTINTOS FORMALISMOS

FORMALISMOS LOGICOS
SISTEMAS DE PRODUCCION
FORMALISMOS ESTRUCTURADOS:
REDES SEMANTICAS
FRAMES
OBJETOS
ONTOLOGAS
FORMALISMOS LOGICOS
Constituyen sistemas formales en los cuales:
+ SINTAXIS Y SEMANTICA ESTA BIEN DEFINIDA
+ HAY UNA TEORIA DE LA DEMOSTRACION
Completa y Consistente

LA LOGICA DE 1
er
ORDEN
Es la base de la mayora de los esquemas de
representacin

FORMALISMOS LOGICOS
Conocimiento es representado mediante un
conjunto de frmulas bien formadas (fbfs)
en algn sistema lgico (proposicional -
predicados - multivaluada...)

Los mecanismos de inferencia son los
mtodos deductivos del sistema lgico
(Resolucin en predicados)

DISTINTOS SISTEMAS LOGICOS:
+LOGICA PROPOSICIONAL
+LOGICA DE PREDICADOS
+LOGICAS NO-CLASICAS
MULTIVALUADAS (Fuzzy Logic)
MODALES
OBJETIVO: ESTABLECER LA VALIDEZ DE
DISTINTOS RAZONAMIENTOS -
OBTENER CONCLUSIONES DE UN CONJUNTO
DE FORMULAS
Sintaxis
Alfabeto PROPOSICIONAL

E
PROP
que consiste de:
i) variables proposicionales p
0
, p
1
,p
2
,...
ii) conectivos , ., v, ,
iii) smbolos auxiliares: (, )




Introduccin Informal
Proposicin: Una oracin afirmativa de la
cual podemos decir que es verdadera o
falsa (pero no ambas!!)
Ejemplos de Proposiciones:
Ayer llovi en Rosario.
El sol gira alrededor de la tierra.
2 . 3 = 3 + 3
3 es primo.
El auto no arranca.
ms proposiciones...
Si ayer llovi en Rosario, entonces el intendente
se moj.
El sol gira alrededor de la tierra o la tierra gira
alrededor del sol.
2 . 3 = 6 y 6 es impar
El auto no arranca y las luces encienden.
Traduccin al lenguaje Lgico
Las oraciones compuestas se traducen usando los
conectivos
Ejemplos:
El auto no arranca y las luces encienden
(p
0
. p
1
).
Si las luces encienden, entonces la batera
est ok (p
1
p
2
) .
2 . 3 = 6 o 6 es impar (p
3
v p
4
).

La correccin de este razonamiento depende de
la relacin entre los sujetos de las proposiciones.

Lgica proposicional NO es suficientemente expresiva
para captar esta relacin
x (Perro(x) Mamfero (x)
Perro (Rex)
Mamfero (Rex)
x. P(x)
P(Rex)
Todo perro es un mamfero y Rex es un perro,
luego Rex es un mamfero..

Por qu lgica de predicados ?
Lgica proposicional : bajo poder expresivo
Muchas expresiones usuales no son
representables

Rex es un perro
En proposicional:
p (una prop. atmica)
En predicados:
Sujeto: Rex
Propiedad: Ser Perro
Perro(Rex)
Lenguaje de lgica de predicados
smbolos para denotar objetos
- sb. de constante (ej. Rex, 2, t)
- sb. de variable (ej. x, y, z)
- sb. de funcin (ej. +, *, Padre) etc que
permiten crear nuevos nombres de objetos
smbolos de propiedades y de relaciones
(Es-perro)
conectivos
cuantificadores
Ejemplos de traduccin
Si algunos perros son mamferos, luego todos
son mamferos
(- x) (P(x) . M(x)) x (P(x) m(x))

Todo nmero es par o impar
(x) (N(x) P(x) v I(x))

Ningn nmero es a la vez par e impar
(-x) (P(x) . I(x))
PROLOG: Una implementacin de
programacin lgica

LOGICA DE PREDICADOS
+ DEDUCCIN AUTOMTICA
(RESOLUCION)

Dada la BC y una frmula o podemos probar
que
BC |- o
Podemos contestar perro (Rex) ?
preguntas como X / perro (X)?
LOGICA DE PREDICADOS COMO
FORMALISMO DE REPRESENTACION


VENTAJ AS:
Es un formalismo bien establecido con una sintaxis y
semntica bien definida y que maneja fcilmente
aspectos cuantificacin.
Automatizacin de la deduccin

LI MI TACI ONES:
Existen lmites en el poder expresivo:
posibilidades, incertidumbre,
Problemas en la implementacin de otros tipos de
razonamientos (aproximados, no-montonos).

Representacin del Conocimiento
Otros formalismos
DISTINTOS FORMALISMOS

FORMALISMOS LOGICOS
SISTEMAS DE PRODUCCION
FORMALISMOS
ESTRUCTURADOS:
REDES SEMANTICAS
FRAMES
OBJETOS
OTROS FORMALISMOS
Sistemas de produccin
Utilizan elementos de la lgica

Salen del marco estrictamente formal
ms flexibles
ms eficientes

Pierden propiedades fundamentales como la
consistencia y completitud.
Newell & Simon - 1973
SE basados en reglas de produccin
Sistemas de
produccin
Newell y Simon (1972): Al resolver problemas, las
personas utilizan su memoria a largo plazo (permanente)
que aplican a situaciones actuales contenidas en su
memoria a corto plazo (transitoria). Esto puede generar
modificaciones en la ltima.
BC
(Reglas)
Memoria de
trabajo (Hechos)
Motor de Inferencias
Mundo Exterior
Los sistemas de produccin
Sistemas de produccin
Los procesos del dominio se representan como acciones
independientes que son integradas por el mecanismo de
inferencias para resolver una tarea ms general.
Motor de
Inferencias
BASE DE CONOCIMIENTO
Base de
Hechos
Base de
Reglas
ARQUITECTURA
SE basados en reglas de produccin
Reglas de
produccin
IF < CONDICION > THEN < ACCION>
Son grnulos de conocimiento.
Renen informacin relativa a las condiciones de
disparo y a los efectos resultantes del disparo.
Son estructuras bidireccionales.
SI ?X ES MAMIFERO Y ?X COME CARNE
ENTONCES ?X ES CARNIVORO.
SE basados en reglas de produccin
Ventajas:
Naturaleza modular: El conocimiento es fcil de
encapsular y expandir.
Explicaciones sencillas: El registro de reglas disparadas
permite presentar la cadena de razonamiento asociada.
Semejanza con el proceso cognitivo humano: modelo
natural del razonamiento humano.
Dificultades:
Completitud y consistencia como responsabilidad del desarrollador.
Se necesitan otras estructuras para lograr una visin global del
conocimiento del dominio.
Se las combina con otros formalismos
de representacin.
Sistemas de produccin
Se utilizan Reglas de Produccin para
representar el conocimiento
IF <premisa> THEN <conclusin y/o accin>
Son los elementos de deduccin bsicos

El proceso de inferencia se basa
fundamentalmente en la Regla de Inferencia
de la lgica denominada MP
A B, A / B
Reglas de produccin

Es el modelo formal para representar un elemento
mnimo de conocimiento
IF <premisa> THEN <conclusin y/o accin>
Conclusin
Puede especificar Accin
Estrategia

La premisa puede tener conectivos lgicos
<premisa> = <clusula
1
AND/OR...AND/OR
clusula
k
>
Reglas de produccin- Ejemplos

Si un animal come carne entonces es
carnvoro.

Si un animal tiene dientes agudos y garras
entonces es carnvoro.

Si un animal es carnvoro y es de color
marrn-claro y tiene el pelaje franjas negras,
entonces es un tigre.
Reglas de produccin- Ejemplos

Sintaxis Reglas en KAPPA-PC

MakeRule( Rtigre, [],
animal:grupo #= carnvoro And
animal:color #= leonado And
animal:pelaje #= franjas_negras,
animal:especie = tigre );
Sistemas de produccin

Cada regla es independiente del resto de las
reglas en la BC.
Las reglas no tienen porque estar ordenadas
en la BC.
Las reglas se pueden agrupar por nociones
semnticas en mdulos o grupos.
El metaconocimiento puede ser expresado
mediante reglas: metareglas
Sistemas de produccin.
Un ejemplo de regla
Un especialista que participa en el desarrollo de un
sistema basado en conocimiento relativo al
diagnstico de una falla en un auto, podr
expresar:
si el motor no arranca y las luces no encienden,
entonces la falla est en la batera .
A partir de esta expresin, se puede definir la
regla de produccin asociada a las proposiciones
como:
If el motor no arranca
And las luces no encienden,
Then la falla est en la batera .
Sistemas de produccin.
Un ejemplo de regla
Sistemas de produccin.
Un ejemplo
If el motor no arranca
And las luces no encienden
Then falla la batera.

If el motor no arranca
And las luces encienden
And llega combustible
Then falla el sistema de ignicin.

If el motor no arranca
And las luces encienden
And no llega combustible
Then falla el sistema de combustible.
Sistemas de produccin.
Un conjunto de reglas
El desarrollo de las reglas de
produccin para construir la KB.

Debe observarse
que las reglas no
estn identificadas,
por ejemplo: con
una numeracin
correlativa.
El desarrollo de las reglas de
produccin para construir la KB.
Cada una de estas re-glas
aparece como un grnulo
de conoci-miento que es
inde-pendiente de las res-
tantes reglas, con lo cual, la
ampliacin de la KB puede
realizarse sin mayor
problema.
El desarrollo de las reglas de
produccin para construir la KB.
Sin embargo, desde el
punto de vista del motor
de inferencia, estas reglas
deben estar relacionadas
para que puedan ser
interpretadas
adecuadamente durante el
proceso de inferencia.
Por ejemplo; la premisa
el motor no arranca
El desarrollo de las reglas de
produccin para construir la KB.
Lo mismo ocurre con
las luces no en-
cienden, en la se-
gunda y tercera re-
glas.
Por consiguiente, este
es el nico requisito
que requiere el agre-
gado de nuevas re-
glas.
Sistemas de produccin
Como razonamos???
Utilizando un

MECANISMO DE INFERENCIA
(MOTOR DE INFERENCIA)

El cual determina de que forma utilizar las
reglas para alcanzar el objetivo planteado
La ejecucin del proceso de
inferencia en los KBS
Supngase que se observa una falla en motor del auto y se
constata que: no arranca el motor, ni encienden las
luces, y llega combustible.

Desde el enfoque del KBS, es necesario ingresar esta
informacin en la memoria de trabajo, para obtener una
solucin o respuesta al problema.

Entonces, la interfaz de este KBS, deber proveer unos
cuadros de un dilogo orientado, que permita ingresar las
observaciones del caso.
La ejecucin del proceso de
inferencia en los KBS
La ejecucin del proceso de
inferencia en los KBS
La respuesta
seleccionada en el
primer cuadro de
dilogo, origina la
plantilla el motor no
arranca, que ingresar
a la memoria de trabajo
del KBS.
La ejecucin del proceso de
inferencia en los KBS
Continuando con el
dilogo orientado,
ingresarn otras dos
plantillas a la memoria
de trabajo: las luces no
encienden y llega
combustible.
La ejecucin del proceso de inferencia en
los KBS
El proceso de ejecucin que
realiza el motor de inferen-cia,
consiste en tomar cada una de
estas plantillas, y explorar la
KB buscando coincidencias en
las premisas de cada una de las
reglas.
Con la primera plantilla, el
motor no arranca, en-
cuentra que hay una con-
cordancia en las tres reglas.
La ejecucin del proceso de
inferencia en los KBS
Con la segunda plantilla las
luces no encienden, solo hay
concordan-cia en la primera
regla, y la segunda y tercera
reglas quedan descartadas.
La primera regla se desen-
cadena, y produce entonces la
conclusin: falla la ba-
tera, y el problema queda
resuelto.
La ejecucin del proceso de
inferencia en los KBS
Por ltimo cabe observar que este proceso de
comparacin que explora cada una de las reglas, es
prcticamente independiente del orden en que se
encuentren dispuestas las mismas en la KB.

Este proceso de inferencia en los KBS, es
denominado: sistema de inferencia por filtrado
(pattern maching inference system), o simplemente,
filtrado.
Sistemas de produccin
Motor de Inferencia
Direcciones de bsqueda:
Hacia delante, Forward Chaining o guiada
por los hechos.
Hacia atrs, Backward Chaining o guiada
por los objetivos.
Para seleccionar las reglas candidatas en cada estado utiliza el
EMPAREJAMIENTO, FILTRADO o MATCHING.
Sistemas de produccin
Flexibles.
Sencillos de modificar y extender.
A los expertos les resulta simple pensar en reglas.
Completitud y consistencia.
El conocimiento se separa
en pequeos grnulos.
VENTAJ AS
PROBLEMAS
Es comn que se los
combine con otros
formalismos.
Sistemas estructurados

ESTRUCTURAS DE RANURA Y
RELLENO (slot and filler)
REDES SEMANTICAS (Quillan 67/68)
FRAMES (Minsky, 75)

OBJETOS ( Dcada 80)
Redes semnticas
I dea: el significado de un concepto
depende del modo en que se encuentre
conectado a otros conceptos
Representacin: mediante un grafo
dirigido donde
los nodos representan objetos y
los arcos relaciones entre los conceptos
REX PERRO MAMIFERO
INSTANCIA
ES-UN
Redes semnticas - Ejemplo
ES-UN
ES-UN

ES-UN
TIENE
Estudiante -FCEIA
Estudiante -UNR
Estudiante -LCC Estudiante -IEca
Juan Perez Pedro Garca
Legajo P-1233/5
Legajo
Prom1
Prom2
Promedio
TIENE
INSTANCIA
INSTANCIA
INSTANCIA
TIENE TIENE
INSTANCIA
INSTANCIA
Redes semnticas - Arcos

Etiquetas de los arcos

es-un relacin subclase-clase
instancia relacin objeto-clase
parte-de relacin componente-objeto


definidas por el usuario
Dominio de
aplicacin
Generalizacin
Instanciacin
Agregacin
Descripcin
Sistemas basados en
Redes semnticas
Base de conocimiento
En esta representacin una BC es una
coleccin de estos grafos

Las modificaciones se refieren a insercin
o eliminacin de nodos y sus relaciones.
Redes semnticas
Como razonamos???

Bsqueda de interseccin
Encontrando relaciones entre objetos
Cual es la conexin entre Rex y mamfero?
Es Juan Prez un estudiante de la UNR?
Cul es el promedio de Pedro Garca?
Utiliza fundamentalmente la estructura
jerrquica
Marcos (frames)
Una red semntica representa conexiones entre
entidades
Problemas ms complejos

Asignar ms estructura a los nodos y a las
conexiones

Marcos
No existe una distincin clara entre una Red
semntica y un sistema de Marcos
Marcos (frames)
I dea: Estructura para atender la
representacin del conocimiento asociado
a situaciones estereotipadas (Minsky)

Representacin: Es una coleccin de
atributos (ranuras - slots) con valores
asociados (y posibles restricciones entre
valores, llamados facetas)
Marcos - Estructura
NOMBRE
ENCABEZADO ES-UN
INSTANCIA

ATRIBUTO1 VALOR1



ATRIBUTOn VALORn
valores por
defecto
procedimientos
relacin con
otros marcos
(slots)
Marcos - Ejemplo
Estudiante FCEIA
ES-UN Estudiante UNR
TIENE Legajo (letra/numerodigito)
TIENE Promedio (procedimiento)
Estudiante Ing.Eca.
ES-UN ESTUDIANTE FCEIA
Juan Perez
INSTANCIA Estudiante Ing.Eca.
TIENE Promedio = 6,80
DIRECCION ...... (Defecto Rosario)
TEL .....
TRABAJA NO (Defecto No)
Sistemas de Marcos
MC Actores
Interpreta: Si
(*)Nombre: Conj Caracteres
(*)Peliculas: (0..100)
(*)Fecha1
a
Pelicula:
MC Fecha
(*)Dia: (1..31)
(*)Mes: (0..120)
(*)Ao: 1900..2005
MC Actor
Sexo: M
(*)ParejaMiticaCon:
MC Actriz
Sexo: F
(*)ParejaMiticaCon:
MI - 7543
Nombre: H.Bogart
Fecha1
a
Pelicula:
ParejaMiticaCon:
MI - 8832
Nombre:L.Bacall
Peliculas: 42
ParejaMiticaCon:
MI - 2232
Dia: 27
Mes: 3
Ao: 1944
I nstancia
I nstancia
I nstancia
I nstancia I nstancia
Sistemas de Marcos
Marcos Clase
Marcos Instancia
Representan conceptos, o situaciones genricas
descriptos por propiedades comunes
Elementos especficos. Sus propiedades se
asocian con informacin de cada individuo
Propiedades
De Clase: Atributos genricos de un concepto,
con valores comunes a todas sus ocurrencias.
De I nstancia: Atributos con valores particulares
para cada ocurrencia del concepto (*).
Slots definidos en
los marcos Clase
Sistemas de Marcos
Consideraciones al definir los Slots:
Evitar redundancias aprovechando la herencia.
Poseer informacin suficiente para identificar el marco clase.
En un marco clase se puede definir un slot de instancia en
base a otro marco clase.
Los slots de instancia pueden tener uno o varios valores.
En los marcos clase se pueden redefinir slots heredados
para representar excepciones a la herencia.
Sistemas de Marcos
Facetas
Modelan caractersticas de slots y relaciones
Algunas facetas declarativas usuales:
Tipo de Slot: Tipo de datos de los valores, puede apuntar a otro marco.
Cardinalidad: Cantidad de valores posibles.
Valores permitidos: tipo de datos, rango o puntero a otro marco.
Valores por defecto: Para slots de instancia si quedan sin definir.
Marcos Facetas/Mtodos
Hay facetas ligadas a mtodos de uso frecuente, asociados
a cambios o utilizacin de los valores de las ranuras:
When_needed: Formas de conseguir el valor cuando
se lo necesita y no est disponible.
Before_changed: Restricciones propias del dominio.
After_changed: Acciones pertinentes asociadas a los
cambios de valor de la ranura.
When_accessed: Acciones pertinentes cuando la
ranura es accedida de alguna forma.
Sistemas de Marcos
BASE DE CONOCI MI ENTO
Conjunto de marcos relacionados mediante los
valores de los slots (atributos)

I NFERENCI A
Utilizar la estructura jerrquica para heredar
propiedades (valores de slots).
Tener procedimientos (reglas) para hallar
valores de los slots.
Sistemas de Marcos
Tienen mucha tradicion en IA y son antecesores de los
objetos
Los sistemas de marcos agregan expresividad a las redes
semnticas y permiten representar conocimiento
declarativo y procedimental.
Marcos se utilizan para estructurar el conocimiento en Kappa-PC
Objetos
Los vemos ms como una forma de representar el
mundo que como un paradigma de programacin
Los encontramos en muchas herramientas dentro del rea.
Tienen ciertas caractersticas en comn con los agentes.
Objetos
Pensados como gran
aporte para el Reuso
BALA DE
PLATA
Dcada del 80
Actualmente se apunta a relaciones
arquitecturales entre clases para lograr
Evolucin y Mantenibilidad
Patrones
de diseo
Objetos
OBJ ETO: Es una entidad que tiene un comportamiento.
ESTADO INTERNO MENSAJES que es
capaz de responder.
INTERFAZ
Un PROGRAMA OO es una red de objetos cooperantes,
que interactan entre s, envindose mensajes.
ENCAPSULAMIENTO
Permite la utilizacin de clases con
implementaciones intercambiables.
Objetos
Una CLASE es una definicin de las caractersticas
comunes de un conjunto de objetos semejantes.
CLASE
ESTRUCTURA: Conjunto de
variables de clase e instancia.
I NTERFAZ: conjunto de
mtodos. Los objetos concretos
buscan en su clase la definicin
cuando reciben un mensaje.
Objetos
Las CLASES se
organizan en jerarquas
modelizando el dominio
De Estructura: Ms esttica.
De Comportamiento: Ocurre en ejecucin.
HERENCIA
Esquema de colaboracin
entre objetos (explcito en
el cdigo)
Cuando un objeto recibe un mensaje, busca el
cdigo en su clase, y si no lo encuentra recorre la
jerarqua.
Cmo elegir la mejor
representacin???
No hay receta establecida !!!
Analizar las caractersticas del
conocimiento involucrado.
Recurrir a la combinacin de formalismos.
Frente a cada problema a resolver: