INGENIERIA DEL

CONOCIMIENTO
UBICACION HISTORICA

Dr. Ramn GARCIA MARTINEZ

INTELIGENCIA ARTIFICIAL
Es la disciplina que estudia la forma de
disear procesos que exhiban
caractersticas que comunmente se
asocian con el comportamiento humano
inteligente.

PUNTOS DE INFLEXION TECNOLOGICOS

Primer Punto: Aparicin de la Mquina de Vapor

(siglo
pasado). El hombre se vi liberado de las pesadas tareas fsicas.
Fueron considerados proyectos que hasta el momento eran
imposibles por la fuerza-hombre disponible.

Segundo Punto: Invencin de la Primera Computadora

(en este siglo). El hombre se vi liberado de las pesadas tareas de
clculo. Fueron considerados proyectos que hasta el momento eran
imposibles por la fuerza de clculo disponible. Se resuelven
problemas pendientes de Fsica Terica, Astronoma y Geofsica.

Tercer Punto: Aparicin de la Inteligencia Artificial (en

este siglo. El hombre se vi liberado de las tareas
intelectuales informatizables como la inferencia. Se
construyen modelos sobre los procesos de deduccin
(razonamiento) y adquisicin de conocimiento (aprendizaje
automtico).

LA DCADA DE LOS '50

Podemos enunciar el objetivo de este perodo como
sigue :
Estudio de estrategias como una forma
de acercamiento a los procesos inteligentes
Se postula el estudio de las estrategias humanas para
llevar adelante juegos como un acercamiento a los
procesos inteligentes. Se estudiaron muchos juegos
como las damas,el ajedrez el 'go' y los rompecabezas.

Se observa que todos los juegos presentan :

- Representacin arbrea de los estados
futuros posibles
- Se descubre un problema asociado a los
espacios de bsqueda que
se denomina explosin combinatoria.
Como una forma de recortar los efectos nocivos de la
explosin combinatoria se aplican heursticas a los
procesos de bsqueda. Se puede definir una
heurstica de la siguiente manera :
Es una estrategia para reducir
el espacio de bsqueda

Se enlaza la I.A. con la :

> Teora de grafos
> Teora de probabilidades
Se redefinen conceptos para el uso de la I.A. como :
> Esperanza de un estado
> Arbol de bsqueda de estados posibles
> Ponderacin probabilstica de una sucesin de
estados

LA DCADA DE LOS '60

Se puede enunciar el objetivo de este perodo como
sigue :
Estudio de formas
de mecanizar el razonamiento
Se postula el estudio de sistemas formales de
deduccin, extensiones de la Lgica Clsica:
> Lgica modal
> Lgicas temporales
> Lgicas de significado

Se describen :
> Mecanismos de inferencia (Principio de
Resolucin de Robinson)
> Se desarrolla una Teora sobre la
completitud de los sistemas formales (se
revalorizan los trabajos de Church y Gdel)
Surge:
El concepto de motor de inferencia
(Colmenauer : Universidad de Marsella),
mecanismo que automatiza el modus ponens
de la lgica clsica.

Todos los trabajos de investigacin de ese perodo

conducen a la siguiente conclusin :
La semntica de los resultados de la inferencia, es
incorrecta si la teora a la cual se aplica no
modeliza adecuadamente la realidad que
representa.

La dcada de los '70

La rama cientfica
Se puede enunciar el objetivo de este perodo como
sigue :
Estudio de algoritmos y mecanismos asociados
al reconocimiento de patrones

Se postula el estudio de sistemas de representacin

discreta del mundo real, haciendo investigacin bsica
en reas como :
> Reconocimiento de sonidos, en particular la
voz humana.
> Reconocimiento de imgenes, lo cual se hace
a base de procesos de digitalizacin.
> Algoritmos de prediccin de movimiento en
tres dimensiones (sobre un plano) y sobre 4
dimensiones (el espacio).

La mayora de los algoritmos desarrollados presentan

dos dificultades:
> Una alta complejidad algortmica ( polinomial y
exponencial )
> No manejan adecuadamente el problema de
la ambiguedad.

Surgen como derivacin tecnolgica en este perodo

los conceptos y algoritmos relacionados con el
tratamiento automtico de sonidos, figuras y slidos,
como :
> Aproximacin polinomial a figuras y slidos
.
> Heursticas de resolucin de conflictos.
> Digitalizacin de : sonido, imagen y
percepciones en general.

En este perodo se enlaza la I.A. con teoras matemticas

y fsicas sobre :
> Sistemas polinmicos de aproximacin a
slidos.
> Procesos estadsticos asociados a digitalizacin.
> Procesos numricos asociados a digitalizacin.

SISTEMAS EXPERTOS FAMOSOS

La dcada de los '80

Se puede enunciar el objetivo de este perodo :
Estudio del Aprendizaje Artificial y los procesos de
Planificacin
En 1986 se realiza el primer congreso mundial sobre
Sistemas Inteligentes Autnomos.

Acciones:
> Estudio de modelos de aprendizaje artificial y
procesos de planificacin.
> Se definen modelos matemticos de
aprendizaje
> Se postula al aprendizaje como una
caracterstica esencial de los sistemas
inteligentes.
> Se produce un acercamiento entre la
Inteligencia Artificial y la Psicologa Cognitiva
tratndose de atacar los problemas
interdisciplinariamente.

INGENIERIA DEL
CONOCIMIENTO
ARQUITECTURA DE SISTEMAS EXPERTOS

Dr. Ramn GARCIA MARTINEZ

Se pueden definir los Sistemas Expertos (SE) como

una clase de programas que son capaces de :
aconsejar, categorizar, analizar, comunicar,
consultar, disear, diagnosticar, explicar, explorar,
formar conceptos, interpretar, justificar, planificar ;
son en suma, programas capaces de manejar
problemas que normalmente requieren para su
resolucin la intervencin humana especializada.

Son desarrollados con la ayuda de Expertos de

Campo, los cuales revelan informacin acerca de
aquellos procesos mentales, que le permiten
solucionar los distintos problemas.

El otro profesional interviniente es el Ingeniero de

Conocimiento, cuya funcin especfica es la de dar
forma simblica y automticamente manipulable al
conocimiento proporcionado por el Experto de
Campo.

CARACTERISTICAS DE LOS SISTEMAS EXPERTOS

> Aplican su experiencia de una manera eficiente
para solucionar problemas, pudiendo realizar
inferencias a partir de datos incompletos o
inciertos.
> Explican y justifican lo que estan haciendo.
> Se comunican con otros expertos y adquieren
nuevos conocimientos.
> Reestructuran y reorganizan el conocimiento.

> Pueden quebrantar reglas, es decir, interpretan

simultneamente el espritu y la letra de de las
mismas.

> Determinan cuando un problema est en el

dominio de su experiencia, conocido como
determinacin de la relevancia del problema.

Los sistemas expertos existentes modelan a lo sumo

las tres primeras caractersticas.

ARQUITECTURA DE UN SISTEMA EXPERTO

COMPONENTES:

> Base de Conocimientos (BC)

> Reglas
> Aserciones
> Base de datos (BD)
> Motor de Inferencia (MI)
> Trazador de Explicaciones (TE)
> Trazador de Consultas (TC)
> Memoria de Trabajo (MT)
> Manejador Comunicacin (MC)

La Base de Conocimiento puede definirse como la

unin del conjunto de aserciones y el conjunto de
reglas. La Base de Conocimiento contiene el
conocimiento que el sistema experto maneja, es decir,
una formulacin simblica, automticamente
manipulable, del rea de conocimiento sobre el cual el
sistema es experto. La funcin de la Base de
Conocimiento es suministrar al Motor de Inferencia,
informacin sobre la naturaleza del problema a
manejar.

La Base de Datos esta formada por distintos datos

sobre el problema particular que el sistema experto
esta intentando resolver, su funcin es suministrar
informacin al Motor de Inferencia.

La Memoria de Trabajo es una base de datos

temporal, en la cual el motor de inferencia deja
informacin deducida apartir de :

* La Base de Conocimiento
* La Base de Datos
* La Memoria de Trabajo

El Motor de Inferencia activa las reglas en funcin de la

informacin contenida en la Base de Datos y la Memoria
de Trabajo, la nueva informacin es puesta en la Memoria
de Trabajo. Tambin se encarga de proporcionar al
Trazador de Explicaciones, las reglas que motivaron una
determinada consulta al usuario. El Motor de Inferencia
puede trabajar bajo dos principios : Universo cerrado o
Universo abierto.

El principio de Universo Cerrado establece que toda

informacin necesaria est contenida en el sistema y en
consecuencia lo que no puede demostrar como
verdadero lo supone falso. Bajo este principio la Base de
Datos no puede ser vaca.

El principio de Universo Abierto establece que la

informacin necesaria que no esta contenida en el
sistema, esta fuera de el y en consecuencia se comunica
con el usuario. Bajo este principio la Base de Datos
puede ser vaca.

El Trazador de Consultas organiza y presenta en una

forma semntica y sintcticamente aceptable para el
usuario, los requerimientos de informacin del sistema, las
respuestas suministradas por el usuario sern asentadas
en la Memoria de Trabajo.

El Trazador de Explicaciones interpreta requerimientos

del usuario sobre el porqu de determinadas preguntas
por parte del sistema, trazando la justificacin de las
mismas, esta traza se realiza utilizando informacin que
le suministra el Motor de Inferencia.

El Manejador de Comunicaciones tiene las siguientes

funciones :
> Derivar la informacin inicial que suministra el
usuario hacia la Base de Datos.
> Interpretar los mensajes del usuario que pueden
ser:

Respuestas del usuario a una pregunta

formulada por el sistema.

Solicitud de una explicacin a partir de

consulta del sistema.

MOTORES DE INFERENCIA
Estrategias puras del motor de inferencia:
Orientada por el objetivo: Conocida como bsqueda
hacia atrs (backward
chaining)
Orientada por los datos: Conocida como bsqueda
hacia adelante (forward
chaining)
En ambos casos se tienen datos iniciales y un
objetivo a verificar.

La estrategia orientada por el objetivo toma como

origen de la inferencia al objetivo y a partir de este
intenta construir un rbol hacia los datos conocidos,
estando las distintas reglas, asociadas a las ramas del
mismo.

La estrategia orientada por los datos toma como origen

de la induccin a los datos y a partir de estos intenta
construir un conjunto que contenga como elemento al
objetivo, para hacer esto usa las reglas como operadores
de pertenencia al conjunto Memoria de Trabajo.

INGENIERIA DEL
CONOCIMIENTO
MODELADO DE CONOCIMIENTO

Dr. Ramn GARCIA MARTINEZ

MODELADO DEL CONOCIMIENTO

El Modelado del Conocimiento tiene como propsito dar
forma automticamente manipulable a los distintos tipos de
conocimientos del dominio que maneja el experto.
En esencia la mayora de los dominios admiten que el
conocimiento asociado se modele en trminos de tres tipos
de Conocimiento:
(a) Fcticos
(b) Tcticos
(c) Estrtgicos.

La descripcin de cada tipo de conocimiento y la herramienta

con la que puede ser modelado se presentar a partir del
siguiente ejemplo de cuerpo de conocimiento:

CONOCIMIENTOS FCTICOS
Este tipo conocimiento es el relacionado con la descripcin de
los objetos conceptuales del universo de discurso del dominio
de conocimiento sobre el que se pretende hacer un SE.
Este tipo de conocimiento se modela principalmente mediante 2
tcnicas: Tabla CAV (Concepto-Atributo-Valor) y Diccionario.
Tabla CAV: Proporciona una lista de los conceptos que se manipulan en
el dominio de conocimiento relacionados con la familia de
problemas que resolver el Sistema Experto a desarrollar.
Cada concepto quedar descrito en trminos de los atributos
que definen a cada concepto y de los valores que cada
atributo puede tomar.

Diccionario: Debe dar una descripcin de cada uno de los conceptos,

atributos y valores que forman parte de la tabla CAV. Queda
articulado mediante la cita del trmino y su definicin
ordenado lexicogrficamente.

EJEMPLO DE TABLA CAV

EJERCICIO DE TABLA CAV

Desarrolle la Tabla CAV para el concepto SOLDADURA

RESOLUCION EJERCICIO DE TABLA CAV

PARA EL CONCEPTO SOLDADURA

EJEMPLO DE DICCIONARIO

EJERCICIO DE DICCIONARIO
Identifique todos los trminos que deben ser definidos en el
diccionario.

RESOLUCION EJERCICIO DE DICCIONARIO

CONOCIMIENTOS TACTICOS
Este tipo conocimiento es el que se refiera a las relaciones
que vinculan los objetos conceptuales del universo de discurso
del dominio de conocimiento sobre el que se pretende hacer
un sistema experto.
La relacin de ms inters es la de causalidad entre
conceptos, en particular, de que modo se pueden inferir los
valores de determinados atributos de determinados conceptos
a partir de los valores que tienen otros atributos de otros
conceptos (eventualmente los mismos).
Este tipo de conocimiento se modela principalmente mediante
el uso de reglas y se documenta mediante el uso de Tablas
PER (Palabras del Experto-Regla).
En una tabla PER se plantea el cuerpo del conocimiento (que
contiene las relaciones de causalidad explcitas implcitas
identificadas) y la regla o reglas que lo modelan.

EJEMPLO DE TABLA PER

EJERCICIO DE TABLA PER

Desarrolle la Tabla PER para la DETERMINACION DE
ELECTRODOS RUTILCELULSICOS

RESOLUCION EJERCICIO DE TABLA PER PARA LA

DETERMINACION DE ELECTRODOS RUTILCELULSICOS

El conjunto de tablas PER para el caso en el que las relaciones

de causalidad estan implicitamente definidas en las palabras del
experto, quedara:

CONOCIMIENTOS ESTRATGICOS
Estn relacionados con la manera en que las distintas partes del
dominio de conocimiento sobre el que se pretende hacer un sistema
experto, son aplicadas para la resolucin de una tarea.
Con distintos niveles de granularidad, describe:
(a) que es lo que hay que hacer
(b) bajo que condiciones puede hacerse
(c) que post-condiciones resultaran de lo que se haga.
Este tipo de conocimiento se modela principalmente mediante la
tcnica Diagrama Jerrquico de Tareas. En el quedan especificados:
(a) que sub-tarea compone cada tarea
(b) que informacin recibe y entrega cada tarea/subtarea.

EJERCICIO DE DIAGRAMA
JERARQUICO DE TAREAS
(DJT)
Desarrolle la DJT para
SELECCIONAR
ELECTRODO

RESOLUCION EJERCICIO DE DIAGRAMA JERARQUICO

DE TAREAS PARA SELECCIONAR ELECTRODO

GRAFOS ARQUETPICOS
En muchos dominios de conocimiento, puede reconocerse una
estructura de representacin de la causalidad que es isomorfa
con la estructura del dominio.
En los problemas de diagnstico o de clasificacin, esta
estructura recibe el nombre de grafo arquetpico.
El grafo arquetpico de un dominio ser el grafo compuesto por
los subgrafos asociados a cada problema de ese dominio.
Una vez producida la licitacin de conocimiento, los
componentes de esa estructura son rotulados y la estructura se
transforma en un grafo casual.
El grafo casual es una representacin automticamente
manipulable del conocimiento asociado a los procesos
deductivos del experto de campo.

GRAFOS ARQUETPICOS (cont.)

El grafo arquetpico tiene tres clases de nodos:
Nodos problemas
Nodos solucin
Nodos precondicin

EJEMPLO DE GRAFO ARQUETPICO

RECOMENDACIN ELECTRODO RUTILCELULOSICO

EJERCICIO DE GRAFO CAUSAL (GC)

Desarrolle la GC para RECOMENDACIN ELECTRODO
RUTILICOS

RESOLUCION EJERCICIO DE GRAFO CAUSAL PARA

RECOMENDACIN ELECTRODO RUTILICOS

MAPA DE CONOCIMIENTO
El mapa de conocimiento encapsula la
estructura general
de razonamiento del
experto.
Para su construccin se realiza una
generalizacin
sobre el grafo
causal del dominio
que constituye un
detalle de los
mecanismos de
razonamiento del
experto.