Вы находитесь на странице: 1из 15

Unidad 4. Sistemas de razonamiento.

4.1. Reglas de produccin.


Regla se entiende como una proposicin lgica que relaciona 2 o ms
objetos e incluye 2 partes, la premisa y la conclusin. Cada una de
estas partes consiste en una expresin lgica con una o ms
afirmaciones objeto-valor conectadas mediante los operadores lgicos
y, o no.
Reglas de produccin. Es un mtodo procedimental de representacin
del conocimiento, pone nfasis en representar y soportar las
relaciones inferenciales del algoritmo, en contraposicin a los mtodos
declarativos (hechos).
La estructura de una regla es:
SI <antecedentes>
ENTONCES <consecuentes>
Los antecedentes son las condiciones y los consecuentes las
conclusiones, acciones o hiptesis.
Cada regla por si misma constituye un grnulo completo de
conocimiento.
La inferencia en los Sistemas Basados en Reglas se realiza mediante
emparejamiento. Hay dos tipos, segn el sentido:
Sistemas de encadenamiento hacia adelante: una regla es activada si
los antecedentes emparejan con algunos hechos del sistema.

Sistemas de encadenamiento hacia atrs: una regla es activada si los


consecuentes emparejan con algunos hechos del sistema.
Arquitectura de los Sistemas Basados en Reglas:
Base de Conocimientos: rene todo el conocimiento del sistema
(Hechos + Reglas).
Memoria Activa: contiene los hechos que representan el estado actual
del problema (iniciales + inferidos a posteriori) y las reglas activadas
(en condiciones de ser ejecutadas).
Motor de Inferencias: decide que reglas activadas se ejecutarn.
4.1.1. Sintaxis de las reglas de produccin.
Mtodo procedimental de representacin del conocimiento
Estructura
SI <condiciones>
ENTONCES <conclusiones, acciones, hiptesis>
Cada regla SI-ENTONCES establece un granulo completo de
conocimiento
Regla_ Operador valido en un espacio de estados
CONDICIONES (tb. premisas, precondiciones, antecedentes)
Formadas por clausulas y conectivas (AND, OR, NOT)
Representacin clausal debe corresponderse con conocimiento del
dominio
Formato tpico: <parmetro/relacin/valor>

PARMETRO: caracterstica relevante del dominio


RELACIN: entre parmetro y valor
VALOR: numrico, simblico o literal
Tambin en forma de predicados lgicos
CONCLUSIONES, ACCIONES, HIPTESIS (tb. consecuentes,)
Conclusiones, Hiptesis: conocimiento declarativo
Acciones:

cq.

Accin

procedimental

(actualiza.

conocimiento,

interaccin con Exterior etc...)


REGLAS ESPECIALES
Reglas IF ALL: equivalen a reglas con las clausulas de las condiciones
conectadas con AND
Reglas IF ANY/ IF SOME: equivalen a reglas con las clausulas de las
condiciones conectadas con OR
EJEMPLO
IF: temperatura = alta
AND sudoracin = presente
AND dolor_muscular = presente
THEN: diagnostico_preliminar = gripe
IF: diagnostico_preliminar = gripe
AND descompos_organos_internos = presente
THEN: diagnostico_preliminar = _abola

SISTEMAS BASADOS EN REGLAS DE PRODUCCIN.


Reglas_ Operadores en bsquedas en espacio de estados
Inferencia similar al MODUS PONENS (con restricciones)
Sintaxis relajada
Se permiten acciones en los consecuentes
Mecanismo de control determina que inferencias se pueden realizar
TIPOS DE SISTEMAS
En funcin de sintaxis de reglas y de mecanismos de control
(_bsqueda)
SISTEMA ENCADENAMIENTO HACIA ADELANTE (dirigidos por los
datos)
Regla ACTIVADA si antecedentes emparejan con algunos hechos del
sistema
En IF ALL, todos. En IF ANY, al menos uno.
Se parte de los hechos ya confirmados en el sistema
Se razona hacia adelante buscando antecedentes que emparejen
SISTEMA ENCADENAMIENTO HACIA ATRS (dirigido por los
objetivos)
Regla ACTIVADA si consecuentes emparejan con algunos hechos del
sistema
Se comienza con una hiptesis

Se razona hacia atrs buscando consecuentes que emparejen


MOTOR DE INFERENCIAS elige que reglas ACTIVADAS ejecutar
(resolucin de conflictos)
Consecuentes y antecedentes pueden verse como submetas a
verificar a partir de los hechos o hiptesis, respectivamente.
CARACTERSTICAS Modularidad: reglas = pequeas cantidades de
conocimiento (relativamente) independiente
Incrementalidad/Modificabilidad: posible aadir/cambiar reglas con
relativa independencia
Naturalidad y Transparencia: representacin del conocimiento prxima
y comprensible por personas.
Capacidad de generar explicaciones
GENERACIN de EXPLICACIONES
Posibilidad de \explicar" el porqu de un resultado
Devolver a usuario la cadena de reglas empleadas
Combinar reglas y hechos del rbol de bsqueda segn las conectivas
Incrementan la \aceptacin" del resultado ofrecido (dominios crticos)
4.2. SEMNTICA DE LAS REGLAS DE PRODUCCIN.
Es una representacin formal de una relacin, una informacin
semntica o una accin condicional. Una regla de produccin tiene,
generalmente,

la

siguiente

forma:

SI

Premisa

ENTONCES

Consecuencia. Ofrecen una gran facilidad para la creacin y la


modificacin

de

la

base

de

conocimiento.

Permite

introducir

coeficientes de verosimilitud para ponderar el conocimiento (estos


coeficientes se van propagando durante el proceso de razonamiento
mediante unas frmulas de clculo establecidas) y, en teora, el
mtodo asegura que cuantas ms reglas posea ms potente es. Sin
embargo, aunque es la forma de representacin ms intuitiva y rpida,
cuando el nmero de reglas es grande aumenta la dificultad de
verificacin de todas las posibilidades con el consiguiente riesgo de
perder la coherencia lgica en la base de conocimiento.
Los hechos y las reglas asociadas de la base de conocimiento
normalmente no son exactos; es decir se tiene incertidumbre sobre el
grado de certeza de algunos hechos y tambin sobre el campo de
validez de algunas de las reglas. Para el manejo de la incertidumbre
en los sistemas de reglas se han utilizado varios sistemas; los tres
ms conocidos son los Factores de Certeza (utilizados en MYCIN), la
lgica de Dempster Shafer, y la Lgica Difusa (Fuzzy Logic). El
mtodo de tratar la incertidumbre es una de las caractersticas ms
importantes de las herramientas de desarrollo, y actualmente se
encuentra en discusin la validez de estas lgicas para tratar con la
incertidumbre. En sustitucin se han propuesto las Redes Bayesianas
que tienen una base matemtica ms firme. De todas formas es un
campo actual de investigacin que permanece abierto.

4.2.1. CONOCIMIENTO CAUSAL.


Relacin que vincula dos ideas a travs de una conexin
supuestamente necesaria.
Es uno de los tres principios de asociacin.
La causalidad no tiene carcter necesario cuando se aplica a las
cuestiones de hecho, sino que se funda en la costumbre: la repeticin
(o conjuncin constante) no es ms que una creencia; es algo que
esperamos que suceda, no algo que deba suceder necesariamente
sino algo que debe ser evaluado en trminos de posibilidad. En la
medida en que el concepto de causalidad no puede aplicarse a hechos
que todava no han sucedido, porque no tenemos evidencia lo todava
no acaecido, la falta de un concepto de causalidad nos conduce
necesariamente al escepticismo.

4.2.2. CONOCIMIENTO DE DIAGNSTICO.


El problema del diagnstico ha sido, desde los comienzos de la IA,
uno de los ms estudiados y donde los investigadores han cosechado
tanto satisfacciones como fracasos. El diagnostico en el campo de la
medicina es sin duda, una de las reas de la IA que supone todava
una gran desafi. Una de las caractersticas ms frecuentes en
resolucin del problema del diagnstico en dominios reales es la
necesidad de trata con la dimensin temporal. As, una vez propuesto
un modelo terico, una tendencia cada vez ms habitual a la hora de
desarrollar sistemas de diagnstico temporal es necesario abordar el
problema del diagnstico temporal desde diferentes enfoques,

permitiendo seleccionar cual es la aproximacin ms adecuada para


cada problema concreto es simplificar el dominio para que el modelo
inicial sea aplicable.

4.3. ARQUITECTURA DE UN SISTEMA DE PRODUCCIN.


Los Sistemas basados en reglas difusas (SBRD) tienen una serie de
aplicaciones diversas, pero fundamentalmente son usados para:
Modelado de sistemas
Usado para representar escenarios de actuacin con variables
complejas, en los cules no basta con usar realidades absolutas como
lo sera un cierto o falso.
En aplicaciones de control, ya que suelen estar basadas en el punto
descrito anteriormente.
Pueden ser usadas para la categorizacin de elementos, detectar
patrones.
Como agentes de usuario, los cules van a proporcionar una serie de
ayudas a los expertos en una determinada materia para que tomen las
decisiones que ellos consideren oportunas, en este caso estos
sistemas van a ofrecer una ayuda, pero la decisin final la va a tomar
el experto en cuestin. Como ejemplo cabe destacar el mbito
financiero.
<<Minera de datos y descubrimiento de informacin, consistente en
hallar el conocimiento intrnseco dentro de una base de datos, los

cules pueden no estar presentes a simple vista, pero aplicando


sistemas de este tipo pueden llegar a averiguarse>>.

Reglas
Los sistemas basados en reglas (SBR) se rigen por una serie de
reglas que los configuran.
Una regla es definida como un modo de representacin estratgica o
tcnica, la cul es apropiada cuando el conocimiento con el que
deseamos trabajar proviene de la experiencia o de la intuicin, y por
tanto carece de una demostracin fsica o matemtica.

Tipos de reglas y proposiciones

Las proposiciones se pueden clasificar en los siguientes grupos:


Proposiciones CUALIFICADAS: Introducen un atributo para cualificar
la proposicin que forma una regla. El atributo corresponde al grado
que determina la regla. Grado de Suceso:
Probable, poco probable...
Proposiciones CUANTI FICADAS: Indican cantidades difusas en las
reglas.
SI muchos alumnos suspenden ENTONCES la explicacin fue
bastante mala

Respecto a esta clasificacin, podremos decir que las proposiciones


que no poseen cuantificadores ni cualificadores son proposiciones
categricas, mientras que las proposiciones no categricas no tienen
por qu ser verdad siempre.
Las reglas pueden tener variantes, entre ellas se encuentran las
siguientes:
Con excepciones: Son el tipo: SI la temperatura es alta ENTONCES
tendr calor
EXCEPTO que tenga aire acondicionado.
Graduales: Cuantos ms partidos ganemos, ms fcil ser ganar la
liga.
Reglas conflictivas: Son reglas que dentro de un mismo sistema tienen
informacin contradictoria, lo cual puede acarrear muchos problemas,
tales como malos resultados o generar problemas.
Este tipo de reglas son aquellas que para un mismo antecedente,
tienen
Consecuentes distintos, por ejemplo:
R1: SI tengo hambre ENTONCES como.
R2: SI tengo hambre ENTONCES no como.
Otros ejemplos de reglas contradictorias son aquellas que estando
encadenadas
En ambos sentidos, niegan un consecuente:
R1: SI he metido un gol ENTONCES estoy feliz.

R2: SI estoy feliz ENTONCES no he metido un gol.

4.3.1. HECHOS.
Base de hechos, que alberga los datos propios correspondientes a los
problemas que se desea tratar con la ayuda del sistema. Asimismo, a
pesar de ser la memoria de trabajo, la base de hechos puede
desempear el papel de memoria auxiliar. La memoria de trabajo
memoriza todos los resultados intermedios, permitiendo conservar el
rastro de los razonamientos llevados a cabo. Puede, por eso,
emplearse para explicar el origen de las informaciones deducidas por
el sistema en el transcurso de una sesin de trabajo o para llevar a
cabo la descripcin del comportamiento del propio sistema experto. Al
principio del perodo de trabajo, la base de hechos dispone
nicamente de los datos que le ha introducido el usuario del sistema,
pero, a medida que va actuando el motor de inferencias, contiene las
cadenas de inducciones y deducciones que el sistema forma al aplicar
las reglas para obtener las conclusiones buscadas.
Las reglas de produccin son de tipo: SI ENTONCES (SI A
ENTONCES B). Donde tanto las premisas como la conclusin, no son
ms que una cadena de hechos conectados por Y o por O, de
forma general seria: SI Y/O Y/O..ENTONCES Y/O Los hechos son
afirmaciones que sirven para presentar conceptos, datos, objetos, etc.
Y el conjunto de hechos que describen el problema es la base de
hechos. Ejemplo de hechos: Juan es un estudiante Juan tiene 8 aos

El perro es blanco A Mara le gusta el cine Pedro prefiere la pelcula La


edad de Luis es de 25 aos Pedro tiene un salario de 200 pesos Una
regla es una combinante de hechos que permite representar
conocimientos y sacar inferencia de los MISMOS. EJEMPLO DE
REGLAS R1: SI Y ENTONCES R2: SI Y ENTONCES R3: SI Y
ENTONCES Observe como partiendo de hechos conocidos que
describen algn conocimiento se pueden inferir nuevos hechos
(nuevos conocimientos).

4.3.2. BASE DE CONOCIMIENTOS.


A base de conocimiento (o knowledgebase; abreviado KB, es una
clase especial de base de datos para gerencia del conocimiento.
Proporciona los medios para la coleccin automatizada, organizacin,
y recuperacin de conocimiento. Apenas pues tiene costumbre
convertido de escribir base de datos pues una palabra l es cada vez
ms comn en informtica escribir knowledgebase como una palabra
(un acercamiento del interino era escribir el trmino con un guin).
Las bases de conocimiento se categorizan en dos tipos importantes:
Bases de conocimiento legibles por la mquina almacene el
conocimiento en una forma legible por computador, generalmente con
el fin automatizando razonamiento deductivo aplicado a ellos.
Contienen un sistema de datos, a menudo bajo la forma de reglas que
describan el conocimiento en a lgicamente constante manera.
Operadores lgicos, por ejemplo Y (conjuncin), O (separacin),
implicacin material y negacin puede ser utilizado construirlo para

arriba del conocimiento atmico. Por lo tanto, la deduccin clsica se


puede utilizar para razonar sobre el conocimiento en la base de
conocimiento.
Bases de conocimiento Human-readable se disean permitir que la
gente recupere y que utilice el conocimiento que ella contiene, sobre
todo para los propsitos del entrenamiento. Son de uso general
capturar el conocimiento explcito de la organizacin, incluyendo
localizacin de averas, artculos, papeles blancos, manuales de
usuario y otros. Una ventaja primaria de tal base de conocimiento es
que puede ayudar a un usuario a encontrar una solucin existente a su
problema actual (as evitando tuvieron que reinventan la rueda).
4.3.3. MECANISMOS DE CONTROL.
El aspecto ms importante de una base de conocimiento es la calidad
de la informacin que contiene. Las mejores bases de conocimiento
han escrito cuidadosamente los artculos que se guardan actualizado,
un sistema excelente de la recuperacin de datos (tal como a Search
Engine),

un

formato

contento

cuidadosamente

diseado

clasificacin estructura.
Una base de conocimiento puede utilizar ontologa especificar su
estructura (los tipos y las relaciones de la entidad) y la clasificacin
proyecte. Una ontologa, junto con un sistema de casos de sus clases,
constituye una base de conocimiento. La determinacin de qu tipo de
informacin se captura, y donde esa informacin reside en una base
de conocimiento, es algo que es determinado por los procesos que

apoyan el sistema. Una estructura de proceso robusta es la espina


dorsal de cualquier base de conocimiento acertada.
Algunas

bases

de

conocimiento

tienen

inteligencia

artificial

componente. Estas clases de bases de conocimiento pueden sugerir


soluciones a los problemas basados a veces en la regeneracin
proporcionada por el usuario, y son capaces de aprender por
experiencia

(vase

sistema

experto).

La

representacin

del

conocimiento, el razonamiento automatizado y la argumentacin son


campos de investigacin activos en la vanguardia de la inteligencia
artificial.
4.4. CICLO DE VIDA DE UN SISTEMA DE PRODUCCIN.
El concepto de sistema de produccin se basa en la Teora General de
Sistemas que fue desarrollada por el bilogo alemn Von Bertalanffy y
que en esencia es una perspectiva integradora y holstica (referida al
todo).
Una de las definiciones de la teora general de sistemas dice que los
sistemas son conjuntos de componentes que interaccionan unos con
otros, de tal forma que cada conjunto se comporta como una unidad
completa. Otra definicin dice que los sistemas se identifican como
conjuntos de elementos o entidades que guardan estrechas relaciones
entre s y que mantienen al sistema directo o indirectamente unido de
modo ms o menos estable y cuyo comportamiento global persigue,
normalmente, algn tipo de objetivo. Par describir y en general para
entender un sistema, es comn el uso de diagramas, los que si bien

no dan una visin completa, facilitan la visualizacin de las


interrelaciones, como se indica en la figura siguiente.