FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1.

INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

NOMBRE _JOSE FERNEY LOPEZ GARCIA JHONH ALEXANDER MARTINEZ____ CODIGO_200921040601 - 201129519601____________________________ REALICE LAS SIGUIENTES ACTIVIDADES DE MANERA INDIVIDUAL: 1. Elabore un mapa conceptual de la historia de los sistemas expertos.0 2. Qu es sistema experto? Enumere cinco (5) ejemplos de sistemas expertos y enumere los usos de los sistemas expertos. 3. Qu es la teora general de un sistema experto? 4. Cmo definen los sistemas expertos los siguientes autores: James P. Ignizio Waterman. Jackson.

5. Como se definen los sistemas expertos desde la Inteligencia Artificial 6. Elabore la arquitectura de un sistema experto 7. Elabore un mapa conceptual de las ventajas y desventajas de un sistema experto 8. Enumere las fases de un sistema experto y explique la fase 3 con un ejemplo 9. Realice una investigacin sobre el tema Forward Chaining y Backward Chaining. Y elabore un resumen (Mnimo de 2 pginas y mximo de 3). Se debe entregar en la prxima clase. Cada resumen deber responder a las siguientes preguntas: Indicar la importancia del tema tratado. Realizar un esquema o mapa conceptual que involucre las palabras claves del punto 9. Explicar la importancia del tema como parte de los Sistemas expertos. sinergia, homestasis, complejidad, frontera, entropa, 10. Consultar las siguientes definiciones: serendipia, holismo, morfognesis, morfostasis, retroalimentacin, computabilidad y neguentropa. De ejemplos de cada una de las definiciones o escenarios en los que puedan presentarse o identificarse fcilmente. BIBLIOGRAFA DE APOYO RUSSELL, S. and NORVING, P., Inteligencia Artificial. Un Enfoque Moderno Hall, 1996. CASTILLO ENRIQUE y Otros, Sistemas Expertos y modelos de redes probabilsticas. CASTILLO ENRIQUE y Otros, Sistemas Expertos y modelos de redes probabilsticas. Capitulo 1 ROLSTON David W. Principios de Inteligencia artificial y Sistemas Expertos. McGrawHill, 1995. El hombre puede pasar por sabio cuando busca la sabidura; pero si cree haberla encontrado es un necio - Proverbio persa EXITOS Prentice

FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

SOLUCION 1. Mapa Conceptual Historia de los Sistemas Expertos

2. Los sistemas expertos son llamados as porque emulan el comportamiento de un experto en un dominio concreto y en ocasiones son usados por stos. Con los sistemas expertos se busca una mejor calidad y rapidez en las respuestas dando as lugar a una mejora de la productividad del experto. 5 Ejemplos: EN EL CAMPO MEDICINA: DENDRAL:: Es capaz de calcular o descubrir hechos relativos a las estructuras moleculares a partir de unos datos qumicos sin elaborar. MYCIN: el ms famoso de todos, diagnostica infecciones en la sangre y meningitis y adems sugiere el tratamiento que se debe seguir en cada caso. PUFF: el hermano menor de MYCIN, que diagnostica y trata enfermedades del pulmn. MOLGENO: ayuda a los bilogos que trabajan en el campo del DNA y la ingeniara gentica. GNESIS: Permite a los cientficos planificar y simular experimentos en el campo de la unin de genes. reas de aplicacin Los SE se aplican a una gran diversidad de campos y/o reas. A continuacin se listan algunas de las principales:

FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

Militar Qumica Geologa Electrnica Medicina

Informtica Derecho Arqueologa Transporte Industria

Telecomunicaciones Aeronutica Agricultura Educacin Finanzas y Gestin

3. Un Sistema Experto es un sistema informtico capaz de EMULAR el comportamiento de un experto humano en un rea concreta del conocimiento especializado. 4. Definiciones: James P. Ignizio: Programa computacional que exhibe, dentro de un dominio especfico, un grado de experiencia en la solucin de un problema comparable con la forma en que un experto humano lo hara. 5. a. Procesos mentales y Razonamiento: a. Piensan como Humanos: La interesante tarea de lograr que las computadoras piensen, mquinas con mente en su amplio sentido literal. (Haugeland, 1985). La automatizacin de actividades que vinculamos con procesos de pensamiento humano, actividades como la toma de decisiones, resolucin de problemas, aprendizaje, etc. b. Piensan Racionalmente: b. Conducta: a. Actan como humanos: El arte de crear mquinas con capacidad de realizar funciones que realizadas por personas requieren de inteligencia. (Kurzweil, 1990) El estudio de cmo lograr que las computadoras realicen tareas que, por el momento, los humanos hacen mejor. (Rich y Knight, 1991) b. Actan Racionalmente: Un campo de estudio que se enfoca a la explicacin y emulacin de la conducta inteligente en funcin de procesos computacionales. (Schalkoff, 1990) La rama de la ciencia de la computacin que se ocupa de la automatizacin de la conducta inteligente. (Luger y Stubblefield, 1993) El estudio de las facultades mentales mediante el uso de modelos computacionales. (Charniak y McDermott, 1985) El estudio de los clculos que permite razonar y actuar. (Winston, 1992) Waterman: Sistemas que representan el conocimiento sobre el dominio en forma explcita y separada del resto del sistema. Jackson: Sistemas que resuelven problemas aplicando una representacin simblica de la experiencia humana.

FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

6.

Arquitectura de un Sistema Experto

Arquitectura de Un sistema Experto

Base de Conocimiento Ingeniero Del Conocimiento K A D S

Motor de Inferencias

I N T E R F A C E

U S U A R I O

Experto Del Domino

7. Mapa conceptual de ventajas y desventajas

Sistemas Expertos Limitaciones Sus Ventajas

Sentido Comn Lenguaje Natural Flexibilidad Capacidad de Aprendizaje

Permanencia Duplicacin Rapidez Bajo Costo

Perspectiva Global Capacidad Sensorial

Entornos Peligrosos Fiabilidad

FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

8.

Fases de un Sistema Experto: I. II. III. Seleccin de la Aplicacin Seleccin de la Herramienta de desarrollo del Sistema Experto Diseo de Ingeniera y construccin del prototipo IV. Identificacin del problema Conceptualizacin Formalizacin Implementacin Verificacin

Integracin y mantenimiento en rgimen de produccin

La fase III se explica con el siguiente ejemplo: Una empresa nos contrata porque requiere una herramienta que determine probabilidad de que un cliente no pague un crdito. En la etapa 1 identificamos el problema, la necesidad del cliente, el experto en la empresa que conoce el tema, recopilamos los casos de uso, estimamos los recursos y tiempo necesario. En la etapa 2 definimos en conjunto con el experto de la empresa las premisas y focos que se deben atacar para solucionar el problema, restricciones y mecanismos de control. En la etapa 3 se formaliza la forma de presentar el conocimiento, las reglas, redes semnticas, marcos de referencia entre otros. En la etapa 4 se construye la base de conocimientos y se construye el primer prototipo. En la etapa 5 se evalan las presentaciones del SE, su utilidad y su fiabilidad aplicndolo a la resolucin de los casos de prueba, los resultados deben ser evaluados por el experto de la empresa quien recomendara pasos a seguir para afinar la base de conocimientos. 9. Resumen investigacin: SISTEMA DE INFERENCIA El sistema de inferencia utiliza el conocimiento introducido en la base de conocimientos y la informacin introducida por el usuario para proporcionar la solucin del problema en estudio. Una vez el usuario ha determinado el objetivo, el sistema de inferencia contiene la estrategia a seguir en la interpretacin de las normas o "frames" para conseguirlo. En este sentido se podra decir que el sistema de inferencia es la parte del sistema experto que lleva a cabo el razonamiento. Existen dos variantes principales de estrategias para lograr la solucin deseada en sistemas que utilizan normas: la estrategia dirigida por el objetivo o por los datos. En la

FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

estrategia dirigida por el objetivo, denominada "goal-driven" o "backward chaining", el mecanismo de razonamiento funciona encadenando las normas hacia atrs. Es decir, en primer lugar se buscan las normas cuya consecuencia o accin coinciden con el objetivo marcado. A partir de ellas, se buscan las siguientes normas cuyas consecuencias coinciden con los antecedentes de las anteriores y as sucesivamente. En la estrategia dirigida por los datos, llamada "data-driven" o "forward chaining", el mecanismo de razonamiento funciona encadenando las normas hacia adelante. Se parte de los atributos de entrada o antecedentes y se escogen todas aquellas normas que proporcionan consecuencias. Estas consecuencias forman, a su vez, los antecedentes de otro conjunto de normas y as sucesivamente hasta que el encadenamiento de normas conduce al objetivo buscado. Desde el punto de vista tcnico estas estrategias de razonamiento pueden combinarse con dos variantes principales de bsqueda de normas, la "depth-first" y la "breadthfirst".

En la variante de profundidad o "depth-first" se examinan primero todos los niveles de una misma rama del grfico de estados. Este grfico representa una forma de cmo se desarrolla el razonamiento humano; desde un estado inicial en que se plantea el problema hasta un estado final en el que se halla la solucin pasando por una serie de estados intermedios conectados entre s. As, los sistemas expertos proporcionan un medio para describir los distintos estados, la forma en que estn interconectados y la estrategia para llegar a la solucin a partir del estado inicial. En la variante "breadthfirst" existe un algoritmo que permite examinar todas las posibles soluciones situadas a un mismo nivel antes de pasar al siguiente nivel de profundidad. En realidad normalmente se aplican combinaciones de las dos sistemticas, fundamentalmente mediante el estudio y experimentacin prctica llevados a cabo con anterioridad al propio planteamiento del sistema experto.

FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

El objetivo propuesto ha de ser claro y debe especificarse al usuario. La seleccin de metodologas analticas, el desarrollo concreto de procedimientos, la implementacin de sistemas de validacin o el aprendizaje de ciertas tcnicas o mtodos son ejemplos concretos de objetivos cuya solucin se puede conseguir mediante sistemas expertos. En el ltimo apartado de este captulo se proporciona una relacin detallada de aquellos sistemas cuyo objetivo se enmarca dentro del campo del anlisis qumico. La importancia en la IA de los sistemas basados en reglas es grande, la mayora de los sistemas expertos deterministas estn basados en este tipo de representacin. Los sistemas basados en reglas consisten de un conjunto de reglas de la forma SI ENTOCES (IF THEN), es decir se utiliza la implicacin como principal forma de representacin. 10. Definiciones: a. Serendipia: Es un descubrimiento o un hallazgo afortunado e inesperado. Se puede denominar as tambin a la casualidad, coincidencia o accidente. Ejemplo: Un autor escribe sobre algo que ha imaginado y que no se conoce en su poca, y se demuestra posteriormente que eso existe tal como lo defini el escritor. b. Holismo: Es la idea de que todas las propiedades de un sistema dado, (por ejemplo, biolgico, qumico, social, econmico, mental o lingstico) no pueden ser determinados o explicados por las partes que los componen por s solas. El sistema como un todo determina cmo se comportan las partes. Ejemplo: Un sistema de informacin debe verse como un todo para que tenga sentido, si vemos sus componentes por separado pocas veces se entiende. c. Morfognesis: Es el proceso biolgico que lleva a que un organismo desarrolle su forma. Este es uno de los tres aspectos fundamentales del desarrollo biolgico junto con el control del crecimiento celular y la diferenciacin celular, se utiliza para describir fenmenos de cambio de las estructuras de un sistema, gracias a la retroalimentacin positiva. Ejemplo: Un resultado de la morfognesis es un aumento de la diferenciacin de las partes componentes del sistema, por medio de la cual cada uno puede desarrollar su propia complejidad permaneciendo en relacin funcional con la totalidad. d. Morfostasis: Son los procesos de intercambio con el ambiente que tienden a preservar o mantener una forma, una organizacin o un estado dado de un sistema (equilibrio, homeostasis, retroalimentacin negativa). Procesos de este tipo son caractersticos de los sistemas vivos. En una perspectiva ciberntica, la morfostasis nos remite a los procesos causales mutuos que reducen o controlan las desviaciones. Ejemplo: Ejemplos de estos sistemas son la acumulacin de capital en la industria, la evolucin de un organismo vivo, conflictos internacionales y aquellos procesos denominados circulo vicioso e inters compuesto . Estos procesos parecen ser opuestos a aquellos en que la desviacin es corregida y se mantienen en equilibrio. e. Retroalimentacin: Son los procesos mediante los cuales un sistema abierto recoge informacin sobre los efectos de sus decisiones internas en el medio, informacin que acta sobre las decisiones (acciones) sucesivas. La retroalimentacin puede ser negativa (cuando prima el control) o positiva (cuando prima la amplificacin de las desviaciones). Mediante los mecanismos de

FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

retroalimentacin, los sistemas regulan sus comportamientos de acuerdo a sus efectos reales y no a programas de outputs fijos. En los sistemas complejos estn combinados ambos tipos de corrientes (circularidad, homeostasis). Ejemplo: Cuando se disea un sistema y luego se implementa, en la fase de prueba se pueden identificar falencias y oportunidades de mejora, esto se tomas como retroalimentacin para realizar las correcciones necesarias y el el producto final tenga xito. f. Sinergia: Todo sistema es sinrgico en tanto el examen de sus partes en forma aislada no puede explicar o predecir su comportamiento. La sinergia es, en consecuencia, un fenmeno que surge de las interacciones entre las partes o componentes de un sistema (conglomerado). Este concepto responde al postulado aristotlico que dice que "el todo no es igual a la suma de sus partes". La totalidad es la conservacin del todo en la accin recproca de las partes componentes (teleologa). En trminos menos esencialistas, podra sealarse que la sinergia es la propiedad comn a todas aquellas cosas que observamos como sistemas. Ejemplo: Los relojes: cada uno de sus componentes (maquinaria, agujas, esfera), ninguno de estos por separado nos podr indicar la hora pero debidamente unidas e interrelacionadas obtendremos con exactitud la hora. g. Homestasis: Es el estado interno relativamente constante de un sistema que se mantiene mediante la autorregulacin (retroalimentacin negativa); Se refiere fundamentalmente a la preservacin de lo que es, contra los ataques de factores externos de stress. Ejemplo: Un ejemplo muy comn del modo cmo funciona la homeostasis es el de un sistema de calefaccin central, que mantiene a la casa en un estado estable de calor. Utiliza un termostato, que desempea el papel de regulador y que responde al feedback referente a la temperatura del "suprasistema" exterior a la casa. Cuando la temperatura exterior desciende, el termostato acta aumentando la temperatura dentro de la casa. h. Complejidad: Por un lado, indica la cantidad de elementos de un sistema (complejidad cuantitativa) y, por el otro, sus potenciales interacciones (conectividad) y el nmero de estados posibles que se producen a travs de stos (variedad, variabilidad). La complejidad sistmica est en directa proporcin con su variedad y variabilidad, por lo tanto, es siempre una medida comparativa. Una versin ms sofisticada de la TGS se funda en las nociones de diferencia de complejidad y variedad. Estos fenmenos han sido trabajados por la ciberntica y estn asociados a los postulados de R.Ashby (1984), en donde se sugiere que el nmero de estados posibles que puede alcanzar el ambiente es prcticamente infinito. Segn esto, no habra sistema capaz de igualar tal variedad, puesto que si as fuera la identidad de ese sistema se diluira en el ambiente. Ejemplo: Debido a la capacidad de los ordenadores de procesar una gran cantidad de informacin, y de realizar un gran nmero de operaciones en poco tiempo, los Sistemas Expertos pueden obtener conclusiones realistas en situaciones donde los expertos humanos no pueden. i. Frontera: la frontera o lmite de un sistema es una lnea (real y/o conceptual) que separa el sistema de su entorno o supra sistema. La frontera de un sistema define qu es lo que pertenece al sistema y qu es lo que no. Lo que no pertenece al sistema puede ser parte de su supra sistema o directamente no ser parte. Ejemplo: Si la frontera del sistema es fsica puede ser el gabinete de la computadora. j. Entropa: El segundo principio de la termodinmica establece el crecimiento de la entropa, es decir, la mxima probabilidad de los sistemas es su progresiva desorganizacin y, finalmente, su homogeneizacin con el ambiente. Los sistemas

FACULTAD DE INGENIERIAS INGENIERIA DE SISTEMAS MATERIA: SISTEMAS EXPERTOS TALLER CLASE 1. INTRODUCCION A LOS SITEMAS EXPERTOS 16 DE AGOSTO DE 2011 DOCENTE: ING. BERNARDO CAON SALAZAR

cerrados estn irremediablemente condenados a la desorganizacin. No obstante hay sistemas que, al menos temporalmente, revierten esta tendencia al aumentar sus estados de organizacin (negentropa, informacin). Ejemplo: Entropa se puede ver como el mximo nmero de bits requeridos en promedio para codificar la clase de un ejemplo en Sistemas. k. Computabilidad: Es la parte de la computacin que estudia los problemas de decisin que pueden ser resueltos con un algoritmo o equivalentemente con una mquina de Turing. Ejemplo: La teora de la computabilidad se interesa a cuatro preguntas: Qu Qu Qu Qu l. problemas puede resolver una mquina de Turing? otros formalismos equivalen a las mquinas de Turing? problemas requieren mquinas ms poderosas? problemas requieren mquinas menos poderosas?

Neguentropa: Se refiere a la energa que el sistema importa del ambiente para mantener su organizacin y sobrevivir. Ejemplo: La neguentropa busca la subsistencia del sistema para lo cual usa mecanismos que ordenen, equilibren, o controlen el caos. Mecanismo por el cual el sistema pretende subsistir y busca estabilizarse ante una situacin catica