1 / 94

Sistemas Expertos Introducción Arquitectura - Motor de Inferencias

Sistemas Expertos Introducción Arquitectura - Motor de Inferencias. Ingeniería Electrónica. Ingeniería del Conocimiento. Inicio de los Sistemas Expertos. 60´s. Se buscaban soluciones generales. 70´s. Los sistemas son más eficientes en dominios acotados.

dante-hicks
Télécharger la présentation

Sistemas Expertos Introducción Arquitectura - Motor de Inferencias

An Image/Link below is provided (as is) to download presentation Download Policy: Content on the Website is provided to you AS IS for your information and personal use and may not be sold / licensed / shared on other websites without getting consent from its author. Content is provided to you AS IS for your information and personal use only. Download presentation by click this link. While downloading, if for some reason you are not able to download a presentation, the publisher may have deleted the file from their server. During download, if you can't get a presentation, the file might be deleted by the publisher.

E N D

Presentation Transcript

  1. Sistemas ExpertosIntroducciónArquitectura - Motor de Inferencias Ingeniería Electrónica Ingeniería del Conocimiento

  2. Inicio de los Sistemas Expertos 60´s Se buscaban soluciones generales 70´s Los sistemas son más 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.

  3. Sistemas basados en conocimiento (SBC-KBS)Definiciones. • Sistemas que resuelven problemas aplicando una representación simbólica de la experiencia humana. Jackson. • Sistemas que representan el conocimiento sobre el dominio en forma explícita y separada del resto del sistema. Waterman.

  4. Sistemas basados en conocimiento (SBC-KBS)Definiciones. • Sistemas de software capaz de soportar la representación explícita del conocimiento de un dominio específico y de explotarlo a través de mecanismos apropiados de razonamiento para proporcionar un comportamiento de alto nivel en la resolución de problemas. • Guida y Taso

  5. Sistema de computación Simulación Conductainteligente Experto Dominio limitado Sistemas Expertos: Definición. Es un sistema de cómputo capaz de simular la conducta inteligente de un experto humano en un dominio específico y especializado, con el objeto de resolver problemas. Hardware + software Fuente de pericia humana en el dominio Específico y especializado

  6. Experiencia humana vs. SE.  Los humanos son imprescindibles!!!

  7. SE/SBC: Tareas Síntesis: Clasificación, diagnóstico Tareas abordadas Análisis: Planificación, diseño o modelado Las áreas de aplicación son muy variadas !!! • Los SBC abordan problemas complejos en dominios específicos en los que el peso de las heurísticas para acotar el espacio de búsqueda es importante.

  8. Pittsburg (Pople-Myers, 1977): Diagnóstico en Medicina interna. CADUCEUS: Analiza relaciones causales. INTERNIST Razonamiento experto Modelos causales Rutgens (Kulikowsky-Weiss-Safir, 1977): Oftalmología. Aplica un modelo causal para el diagnóstico de glaucoma. CASNET Stanford (Buchanan - Shortliffe 1976): Diagnóstico y tratamiento de enfermedades infecciosas (aprox. 500 reglas). Introduce factores de certeza. Primeros Sistemas Expertos MYCIN Conocimiento inexacto Stanford-US Geological Survey (Duda-Gashning-Hart, 1979): Evaluación de yacimientos minerales y petrolíferos. (aprox 1600 reglas). Probabilidades condicionales y Teorema de Bayes. PROSPECTOR Carnegie Mellon (Mc Dermott): Configuración de ordenadores VAX (aprox 500 reglas). Descompone el diseño en distintos niveles de abstracción. R1 Reducción espacio de búsqueda Stanford (Stefik): Diseño de experimentos genéticos. Utiliza abstracción. MOLGEN

  9. Habilidades que se esperan de un SE • Manipular con fluidez descripciones simbólicas. • Buena perfomance, comparable al menos a la de los especialistas. • Interfaz amigable, adecuada a las necesidades de la aplicación. • Habilidad para manipular conocimiento incompleto e impreciso. • Capacidad de explicar sus decisiones a los usuarios. • Posibilidad de justificar sus conclusiones.

  10. Periodo industrial de la IA Década de los 80 Importante apoyo económico a los esfuerzos de I+D. Gran cantidad de SE en distintos dominios. Problemas con la metodología de desarrollo Limitaciones propias del tipo de sistema. CRISIS Comparable a la Crisis de los SI pero posterior

  11. Ingeniería del Conocimiento (IC) Crisis SI Desarrollo de la Ingeniería del Software CrisisSBC Desarrollo de la Ingeniería del Conocimiento La Ingeniería del Software consiste en la aplicación de una aproximación sistemática, disciplinada y cuantificable al desarrollo, funcionamiento y mantenimiento del software. (IEEE, 1999) La IC tiene los mismos objetivos respecto de los SBC

  12. SBC: Ventajas • El conocimiento no se pierde. • Reducción del espacio de búsqueda con heurísticas 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 últimas experiencias. • Modificación sencilla de la BC por su característica modular.

  13. SBC: Inconvenientes • La adquisición del conocimiento es difícil y cara. • La reutilización del conocimiento en contextos diferentes no es simple. • Falta de creatividad y sentido común. • Obstáculos para el aprendizaje y la adaptación. Quedan inmersos en el campo de los Sistemas Inteligentes. Se trabaja sobre metodología de desarrollo Se los combina con otras tecnologías

  14. Interface Base de Conocimientos Motor de Inferencias Estructura básica de un SE/SBC. KAT Ingeniero del conocimiento Usuario Experto del dominio

  15. Estructura básica de un SE/SBC Su estructura de datos queda definida en términos del esquema de representación elegido para incorporar el conocimiento del dominio de trabajo. Base de Conocimientos Separados entre sí 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. Motor de Inferencias

  16. REPRESENTACION DEL CONOCIMIENTO

  17. PREMISA FUNDAMENTAL DE IA: Para que un sistema informático demuestre un comportamiento inteligente en la solución de problemas, debe poseer gran cantidad de conocimientos y un potente mecanismo de razonamiento. IMPORTANCIA DE UNA ADECUADA REPRESENTACION DEL CONOCIMIENTO

  18. : 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 expresión mediante algún lenguaje, de un modelo que exprese el conocimiento sobre el mundo.

  19. El conocimiento es una mezcla de experiencia, información y “saber hacer” que actúa como marco para la incorporación de nuevas experiencias y guia la acción. Conocimiento – Definición Se utiliza para alcanzar una meta Genera nuevo conocimiento Resulta en gran medida dependiente de la tarea y del dominio de aplicación.

  20. Niveles de representación: Nivel del conocimiento Debe existir correspondencia Hechos, comportamiento y objetivos de los agentes. Nivel simbólico Símbolos manipulables por un sistema Adecuación representacional Adecuación inferencial La representación elegida influye directamente en la eficacia y eficiencia de la solución lograda

  21. Representación:Modelado de un sistema Adquisición del conocimiento Modelo Conceptual Conceptos y relaciones Métodos de inferencia No computable Modelo Formal • Representa simbólicamente y organiza el conocimiento. • Determina el mecanismo de inferencia adecuado. Semicomputable

  22. Representación: Modelado de un sistema Modelo Computable • Bases de Conocimiento • Mecanismos de inferencia • Mecanismos de control Operacional Las tareas de adquisición y modelado son difíciles y costosas. Existen esquemas de representación útiles en dominios variados. Los Sistemas Basados en Conocimiento los combinan.

  23. ELEMENTOS BASICOS QUE INTERVIENEN EN EL DISEÑO 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 representación del conocimiento

  24. UNA KB DEBE PERMITIR CON EFICIENCIA: AÑADIR YMODIFICAR SENTENCIAS BC PREGUNTAS RESPUESTAS MECANISMO DE INFERENCIAS

  25. PROPIEDADES DE UN BUEN FORMALISMO DE REPRESENTACION: • ADECUACION REPRESENTACIONAL • ADECUACION INFERENCIAL • EFICIENCIA INFERENCIAL • EFICIENCIA EN LA ADQUISICION- MODIFICACION Rich & Knight

  26. DISTINTOS PARADIGMAS: • DECLARATIVO Descripción del estado del mundo • PROCEDIMENTAL Expresión de las transformaciones de estados • ORIENTADO A OBJETOS Descripción de los objetos existentes

  27. DISTINTOS FORMALISMOS • FORMALISMOS LOGICOS • SISTEMAS DE PRODUCCION • FORMALISMOS ESTRUCTURADOS: • REDES SEMANTICAS • FRAMES • OBJETOS • ONTOLOGÍAS

  28. 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 1er ORDEN • Es la base de la mayoría de los esquemas de representación

  29. FORMALISMOS LOGICOS • Conocimiento es representado mediante un conjunto de fórmulas bien formadas (fbfs) en algún sistema lógico (proposicional - predicados - multivaluada...) • Los mecanismos de inferencia son los métodos deductivos del sistema lógico (Resolución en predicados)

  30. 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

  31. Sintaxis Alfabeto PROPOSICIONAL PROP que consiste de: i) variables proposicionalesp0, p1,p2,... ii) conectivos , ,,, iii) símbolos auxiliares: (, )

  32. Introducción Informal • Proposición: Una oración afirmativa de la cual podemos decir que es verdaderaofalsa (pero no ambas!!) • Ejemplos de Proposiciones: • Ayer llovió en Rosario. • El sol gira alrededor de la tierra. • 2 . 3 = 3 + 3 • 3 es primo. • El auto no arranca.

  33. más proposiciones... • Siayer llovió en Rosario, entonces el intendente se mojó. • 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.

  34. Traducción al lenguaje Lógico • Las oraciones compuestas se traducen usando los conectivos • Ejemplos: • El auto no arranca y las luces encienden è(p0 Ù p1). • Silas luces encienden, entonces la batería está ok è(p1  p2) . • 2 . 3 = 6 o 6 es impar è(p3  p4).

  35. x. P(x) P(Rex) x (Perro(x) Mamífero (x) Perro (Rex) Mamífero (Rex) Todo perro es un mamífero y Rex es un perro, luego Rex es un mamífero.. • La corrección de este razonamiento depende de la relación entre los sujetos de las proposiciones. • Lógica proposicional NO es suficientemente expresiva para captar esta relación

  36. Por qué lógica de predicados ? • Lógica proposicional : bajo poder expresivo • Muchas expresiones usuales no son representables • « Rex es un perro » En proposicional: p (una prop. atómica) En predicados: Sujeto: Rex Propiedad: Ser Perro Perro(Rex)

  37. Lenguaje de lógica de predicados • símbolos para denotar objetos - sb. de constante (ej. Rex, 2, ) - sb. de variable (ej. x, y, z) - sb. de función(ej. +, *, Padre) etc que permiten crear nuevos nombres de objetos • símbolos de propiedades y de relaciones (Es-perro) • conectivos • cuantificadores

  38. Ejemplos de traducción • Si algunos perros son mamíferos, luego todos son mamíferos • ( x) (P(x)  M(x)) x (P(x)  m(x)) • Todo número es par o impar • (x) (N(x)  P(x)  I(x)) • Ningún número es a la vez par e impar (x) (P(x)  I(x))

  39. PROLOG:Una implementación de programación lógicaLOGICA DE PREDICADOS + DEDUCCIÓN AUTOMÁTICA (RESOLUCION) • Dada la BC y una fórmula  podemos probar que • BC -  Podemos contestar perro (Rex) ? preguntas como X / perro (X)?

  40. LOGICA DE PREDICADOS COMO FORMALISMO DE REPRESENTACION • VENTAJAS: • Es un formalismo bien establecido con una sintaxis y semántica bien definida y que maneja fácilmente aspectos cuantificación. • Automatización de la deducción • LIMITACIONES: • Existen límites en el poder expresivo: • posibilidades, incertidumbre, • Problemas en la implementación de otros tipos de razonamientos (aproximados, no-monótonos).

  41. Representación del Conocimiento Otros formalismos

  42. DISTINTOS FORMALISMOS • FORMALISMOS LOGICOS • SISTEMAS DE PRODUCCION • FORMALISMOS ESTRUCTURADOS: • REDES SEMANTICAS • FRAMES • OBJETOS

  43. OTROS FORMALISMOS Sistemas de producción Newell & Simon - 1973 • Utilizan elementos de la lógica • Salen del marco estrictamente formal • más flexibles • más eficientes • Pierden propiedades fundamentales como la consistencia y completitud.

  44. Mundo Exterior BC (Reglas) Memoria de trabajo (Hechos) Motor de Inferencias SE basados en reglas de producción 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 última. Sistemas de producción

  45. Los sistemas de producción

  46. Sistemas de producción • Los procesos del dominio se representan como acciones independientes que son integradas por el mecanismo de inferencias para resolver una tarea más general. ARQUITECTURA BASE DE CONOCIMIENTO Motor de Inferencias Base de Hechos Base de Reglas

  47. Son “gránulos” de conocimiento. • Reúnen información relativa a las condiciones de disparo y a los efectos resultantes del disparo. • Son estructuras bidireccionales. SE basados en reglas de producción Reglas de producción IF < CONDICION > THEN < ACCION> SI?XES MAMIFEROY?XCOME CARNE ENTONCES?XES CARNIVORO.

  48. SE basados en reglas de producción Ventajas: • Naturaleza modular: El conocimiento es fácil 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 visión global del conocimiento del dominio. • Se las combina con otros formalismos de representación.

  49. Sistemas de producción • Se utilizanReglas de Producciónpara representar el conocimiento IF <premisa> THEN <conclusión y/o acción> • Son los elementos de deducción básicos • El proceso de inferencia se basa fundamentalmente en la Regla de Inferencia de la lógica denominada MP A B, A / B

  50. Reglas de producción • Es el modelo formal para representar un elemento mínimo de conocimiento IF <premisa> THEN <conclusión y/o acción> Conclusión Puede especificar Acción Estrategia • La premisa puede tener conectivos lógicos <premisa> = <cláusula1 AND/OR...AND/OR cláusulak>

More Related