Upload
phamkhue
View
213
Download
0
Embed Size (px)
Citation preview
Sistemas ExpertosIntroducción
Arquitectura - Motor de Inferencias
Ingeniería del Conocimiento -EIE
Ana Casali – Andrea Torres
IC - MODULOS
• INTRODUCCION
• SISTEMAS BASADOS EN CONOCIMIENTO
• RAZONAMIENTO APROXIMADO
• FUZZY SYSTEMS
• APRENDIZAJE AUTOMATIZADO
• AGENTES INTELIGENTES
Conjunto de Conocimientos y TConjunto de Conocimientos y Téécnicas que cnicas que permiten aplicar el saber cientpermiten aplicar el saber cientíífico a la utilizacifico a la utilizacióón del n del conocimiento.conocimiento.
ADQUISICIONADQUISICION
QUE SE OCUPA DE LA REPRESENTACIONREPRESENTACION
INFERENCIAINFERENCIA
MANTENIMIENTO
INGENIERIA DEL CONOCIMIENTO
•• Es la disciplina tecnolEs la disciplina tecnolóógica que se centra en el gica que se centra en el desarrollo, funcionamiento y mantenimiento de de Sistemas Basados en Conocimiento (SBC – KBS)(utilizando Ingenier(utilizando Ingenieríía de Software)a de Software)
•• SBC: sistema de software capaz de soportar la SBC: sistema de software capaz de soportar la representacirepresentacióón expln explíícitacita de conocimiento.de conocimiento.
INGENIERIA DEL CONOCIMIENTO
•• SBC (KBS): sistema de software que mantienen sistema de software que mantienen una gran cantidad de conocimiento (Base de una gran cantidad de conocimiento (Base de conocimiento) y que incluyen mconocimiento) y que incluyen méétodos adecuados todos adecuados para explotarlo.para explotarlo.
•• Sistema Experto: es un SBC que contiene el es un SBC que contiene el conocimiento utilizados por expertos humanos conocimiento utilizados por expertos humanos (imita la actividad de un experto)(imita la actividad de un experto)
SISTEMA BASADO EN CONOCIMIENTO
60´s
Inicio de los Sistemas Basados en Conocimiento
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.
Sistemas basados en conocimiento (SBC-KBS)Definiciones.
� Sistemas que representan el conocimiento sobre el dominio en forma explícita y separada del resto del sistema.
Waterman.
Sistemas basados en conocimiento (SBC-KBS)Definiciones.
� Sistemas de software capaz de soportar la representación explícita del conocimientode un dominio específicoy de explotarlo a través de mecanismos apropiados de razonamientopara proporcionar un comportamiento de alto nivel en la resolución de problemas.
Guida y Taso
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.
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
Sistema de computación
Simulación
Conducta inteligente
Experto
Dominio limitado Específico y especializado
SE/SBC: Tareas
Tareas abordadas
Síntesis:Clasificación, diagnóstico
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.
Primeros Sistemas Expertos
MYCINStanford (Buchanan - Shortliffe 1976): Diagnóstico y tratamiento de enfermedades infecciosas (aprox. 500 reglas). Introduce factores de certeza.
PROSPECTOR
Stanford-US Geological Survey (Duda-Gashning-Hart, 1979): Evaluación de yacimientos minerales y petrolíferos. (aprox 1600 reglas). Probabilidades condicionales y Teorema de Bayes.
Conocimiento inexacto
INTERNISTPittsburg (Pople-Myers, 1977): Diagnóstico en Medicina interna. CADUCEUS: Analiza relaciones causales.
CASNETRutgens (Kulikowsky-Weiss-Safir, 1977): Oftalmología. Aplica un modelo causal para el diagnóstico de glaucoma.
Razonamiento expertoModelos causales
R1
MOLGEN
Carnegie Mellon (Mc Dermott): Configuración de ordenadores VAX (aprox 500 reglas). Descompone el diseño en distintos niveles de abstracción. Reducción espacio
de búsquedaStanford (Stefik): Diseño de experimentos genéticos. Utiliza abstracción.
Estructura básica de un SE/SBC.
Base de Conocimientos
Motor de Inferencias
Interface
Usuario
Ingeniero del conocimiento
Experto del dominio
KAT
Estructura básica de un SE/SBC
Base de Conocimientos
Su estructura de datos queda definida en términos del esquema de representación 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 sí
Habilidades que se esperan de un SE
� Buena perfomance, comparable al menos a la de los especialistas.
� Manipular con fluidez descripciones simbólicas.
� 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.
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.
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.
� Necesitan aprendizaje y adaptación.
Quedan inmersos en el campo de los Sistemas Inteligentes.
Se trabaja sobre metodología de desarrollo
Se los combina con otras tecnologías
PREMISA FUNDAMENTAL DE IA:
Para que un sistema informático demuestre un comportamiento inteligente en la solución de problemas, debe poseer
gran cantidad de conocimientosy
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 expresión mediante algún lenguaje, de un modelo que exprese el conocimiento sobre el mundo.
:
Conocimiento – Definición
El conocimientoes una mezcla de experiencia, información y “saber hacer” que actúa como marco para la incorporación de nuevas experiencias y guía la acción.
Se utiliza para alcanzar una meta
Genera nuevos hechos/conclusiones
Resulta en gran medida dependiente de la tarea y del dominio de aplicación.
Representación: Modelado de un sistema
Modelo Computable
Operacional
� Bases de Conocimiento� Mecanismos de inferencia� Mecanismos de control
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.
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
AÑADIR Y MODIFICAR SENTENCIAS
BC
PREGUNTAS RESPUESTAS
MECANISMO DE INFERENCIAS
UNA KB DEBE PERMITIR CON EFICIENCIA:
DISTINTOS FORMALISMOS
�FORMALISMOS LOGICOS
�SISTEMAS DE PRODUCCION
�FORMALISMOS ESTRUCTURADOS:• REDES SEMANTICAS
• FRAMES
• OBJETOS
• ONTOLOGÍAS
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)
PROLOG: Una implementación de
programación lógica
LOGICA DE PREDICADOS + DEDUCCIÓN AUTOM ÁTICA
(RESOLUCION )
• Dada la BC y una fórmula α podemos probar que
» BC - αPodemos contestar perro (Rex) ?
preguntas como X / perro (X)?
DISTINTOS FORMALISMOS
�FORMALISMOS LOGICOS
�SISTEMAS DE PRODUCCION
�FORMALISMOS ESTRUCTURADOS:• OBJETOS
• ONTOLOGÍAS
OTROS FORMALISMOS Sistemas de producción
�Utilizan elementos de la lógica
�Salen del marco estrictamente formal� más flexibles� más eficientes
�Pierden propiedades fundamentales como la consistencia y completitud.
Newell & Simon - 1973
SE basados en reglas de producción
Sistemas de producción
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).
BC (Reglas)
Memoria de trabajo (Hechos)
Motor de Inferencias
Mundo Exterior
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.
Motor deInferencias
BASE DE CONOCIMIENTO
Base deHechos
Base deReglas
ARQUITECTURA
SE basados en reglas de producción
Reglas de producción
IF < CONDICION > THEN < ACCION>
� Son “gránulos” de conocimiento.
�Reúnen información 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 producciónVentajas:�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.
Sistemas de producción�Se utilizanReglas de Producciónpara
representar el conocimientoIF <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
Reglas de producción�Es el modelo formal para representar un elemento
mínimo de conocimientoIF <premisa> THEN <conclusión y/o acción>
Conclusión
Puede especificar Acción
Estrategia
� La premisa puede tener conectivos lógicos
<premisa> = <cláusula1 AND/OR...AND/OR cláusulak>
Sistemas de producción
�Cada regla es independientedel resto de las reglas en la BC.
�Las reglas no tienen porque estar ordenadas en la BC.
�Las reglas se pueden agrupar por nociones semánticas en “módulos” o “grupos”.
�El metaconocimiento puede ser expresadomediante reglas: metareglas
Reglas de producción- Ejemplos Sintaxis Reglas en JESS
Jess> (defrule bienvenido-menor
"Saludo para niños"
(persona {edad < 3})
=>
(printout t "Hola niño!"
crlf)
Sistemas de producción.Un ejemplo de regla
Un especialista que participa en el desarrollo de un sistema basado en conocimiento relativo al diagnóstico de una falla en un auto, podráexpresar:
“ si el motor no arranca y las luces no encienden, entonces la falla está en la batería ”.
A partir de esta expresión, se puede definir la regla de producción asociada a las proposiciones como:
If el motor no arranca
And las luces no encienden,
Then la falla está en la batería .
Sistemas de producción.Un ejemplo de regla
If el motor no arranca And las luces no enciendenThen falla la batería.
If el motor no arranca And las luces enciendenAnd llega combustibleThen falla el sistema de ignición.
If el motor no arranca And las luces enciendenAnd no llega combustibleThen falla el sistema de combustible.
Sistemas de producción.Un conjunto de reglas
El desarrollo de las reglas de producción para construir la KB.
• Cada una de estas reglas aparece como un gránulo de conocimiento que es independiente
• La ampliación de la KB puede realizarse sin mayor problema.
El desarrollo de las reglas de producción para construir la KB.
• estas reglas deben estar relacionadas por los hechos que mencionan para que puedan ser interpretadas durante el proceso de inferencia.
El desarrollo de las reglas de producción para construir la KB.
• Este es el único requisito que requiere el agregado de nuevas reglas
• respetar la sintaxis e los hechos representados.
Sistemas de producción 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 ejecución del proceso de inferencia en los KBS
Supóngase que se observa una falla en motor del auto y se constata que: “no arranca el motor, ni encienden las luces, y llega combustible”.
• es necesario ingresar esta información en la memoria de trabajo, para obtener una solución o respuesta al problema.
• la interfaz de este KBS, deberá proveer los recursos que permitan ingresar las observaciones del caso.
La ejecución del proceso de inferencia en los KBS
• La respuestas seleccionadas originan los hechos: “el motor no arranca”, “ las luces no encienden”y “llega combustible” que ingresarán a la memoria de trabajo del KBS.
La ejecución del proceso de inferencia en los KBS
• El proceso de ejecución que realiza el motor de inferencia, consiste en tomar cada una de estas plantillas, y explorar la KB buscando coincidencias en las premisas de cada una de las reglas.
• La primera regla se desen-cadena, y produce entonces la conclusión: “falla la batería” , y el problema queda resuelto
Inferencia en los KBS
� Este proceso de comparación que explora cada una de las reglas, es prácticamente 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)
Inferencia en los KBSLas herramientas actuales soportan procesos de matching más complejos, que satisfacen algún predicado:• que el valor de un slot de un objeto cumpla alguna condición, por ej.
• que su valor sea desconocido • que la lista asociada a un slot tenga 3 elementos
Jess> (defrule match-tres-items
(lista-almacen ? ? ?)
=>
(printout t "Hay una lista de tres items." crlf))
Sistemas de producción Motor de Inferencia
Direcciones de búsqueda:
� Hacia delante, Forward Chainingo guiada por los hechos. JESS
� Hacia atrás, Backward Chainingo guiada por los objetivos.
Para seleccionar las reglas candidatas en cada estado utiliza elFILTRADO o MATCHING.
Sistemas de producción
� Flexibles.
� Sencillos de modificar y extender.
� A los expertos les resulta simple “pensar en reglas”.
� Completitud y consistencia.
� El conocimiento se separa en pequeños “gránulos”.
VENTAJAS
PROBLEMAS Es común que se los combine con otros
formalismos.
Redes semánticas� Idea: el significado de un concepto
depende del modo en que se encuentre conectado a otros conceptos
� Representación:mediante un grafo dirigido donde
� los nodos representan objetos y � los arcos relaciones entre los conceptos
REX PERRO MAMIFERO
INSTANCIA ES-UN
Redes semánticas - Ejemplo
ES-UN
ES-UNES-UN
TIENEEstudiante -FCEIA
Estudiante -UNR
Estudiante -LCC Estudiante -IEca
Juan PerezPedro García Legajo P-1233/5
Legajo
Prom1 Prom2
Promedio
TIENE
INSTANCIA
INSTANCIAINSTANCIA
TIENETIENE
INSTANCIAINSTANCIA
Redes semánticas - Arcos
Etiquetas de los arcos
� “es-un” relación subclase-clase�“instancia” relación objeto-clase� “parte-de”relación componente-objeto
� definidas por el usuario
Dominio de aplicación
Generalización
Instanciación
Agregación
Descripción
Objetos
Los vemos más como una forma de representar el mundo que como un paradigma de programación
Los encontramos en muchas herramientas dentro del área.
Tienen ciertas características en común con los agentes.
Objetos OBJETO: Es una entidad que tiene un comportamiento.
ESTADO INTERNO MENSAJES que es capaz de responder.
INTERFAZ
Un PROGRAMA OOes una red de objetos cooperantes, que interactúan entre sí, enviándose mensajes.
ENCAPSULAMIENTO
Permite la utilización de clases con implementaciones intercambiables.
Objetos
Una CLASE es una definición de las características comunes de un conjunto de objetos semejantes.
CLASE
� ESTRUCTURA: Conjunto de variables de clase e instancia.
� INTERFAZ: conjunto de métodos. Los objetos concretos buscan en su clase la definición cuando reciben un mensaje.
Objetos
Las CLASES se organizan en jerarquías modelizando el dominio
De Estructura: Más estática.
De Comportamiento: Ocurre en ejecución. HERENCIA
Esquema de colaboración entre objetos (explícito en
el código)
Cuando un objeto recibe un mensaje, busca el código en su clase, y si no lo encuentra recorre la jerarquía.