Академический Документы
Профессиональный Документы
Культура Документы
I NT E LIGENCIA A R T I F I CIA L.
3.1 Representación de conocimiento
mediante reglas.
• La IA determina que el desarrollo de sistemas inteligentes necesita hacerse acompañar del
conocimiento para que se imite la inteligencia en sus aplicaciones. El conocimiento no debe
ser confundido por datos o información, incluye y requiere estos datos e información, el
conocimiento contiene propiedades como dinámico, con incertidumbre, con una forma de
estructurarse para saber cómo se va a utilizar.
• En IA el conocimiento busca la generalidad, de tal forma que pueda ser:
• · Entendido por las personas que lo provean
• · Modificado para corregir errores y reflejar cambios en el mundo
• · Utilizarse en muchas situaciones sin ser totalmente exacto o completo
• · Caracterizarse las técnicas de la IA con independencia al problema a tratar
• · Utilizarse separándose su propio volumen y disminuir el riesgo de probabilidades
comúnmente a considerarse,
3.1 Representación de conocimiento
mediante reglas.
• La IA determina que las bases del conocimiento son las bases de los sistemas
expertos.
• Existen 3 tipos de representación básica:
•· Representación Procedimental
• Es compilado, se refiere a la forma de llevar a cabo una tarea, “es el saber hacer”.
Por ejemplo el proceso estándar para fabricar una mesa, una computadora o una
maquina o bien la realización de la composición química para realizar una pintura,
o como llevar a cabo el proceso para resolver una ecuación algebraica o cuadrática.
• Expresan las interacciones entre fragmentos de conocimiento pero que son
difíciles de modificar.
3.1 Representación de conocimiento
mediante reglas.
•· Representación Declarativo:
• Es el proceso pasivo, son sentencias que expresan hechos del mundo que nos
rodea, es “el saber que hacer”, por ejemplo la información contenida en una base
de datos
• Crean fragmentos de conocimientos independientes unos de los otros, son
fácilmente modificables.
•· Representación Mixta o Heurístico:
• Es muy especial para resolver problemas complejos, es un criterio, estrategia,
método o proceso que simplifica resolver problemas
• Emplean los modos de representación precedentes.
3.1 Representación de conocimiento
mediante reglas.
• Representar o estructurar el conocimiento mediante estas reglas, lleva a especificar
adecuadas relaciones para reducir la ambigüedad, la vaguedad, la difusidad en un grado
para analizar las inferencias disponibles.
• El conocimiento involucra esquemas o estructuras que se clasifican en las siguientes
categorías:
• · Objetos: propiedades físicas de los objetos y conceptos
• · Eventos: importante especificar las acciones que pueden llevar a cabo los objetos
• · Desempeño: información de cómo se realizan ciertas tareas
• · Metaconocimiento: conocimiento del mismo conocimiento.
• Los métodos orientados a objetos para representar el conocimiento, proveen una
metodología para compartir características con marcos y redes semánticas.
3.2 Métodos de inferencia en reglas.
• La inferencia es la forma en que obtenemos conclusiones en base de datos y
declaraciones establecidas, es el proceso por el cual se realiza el mapeo para
asignar entradas y salidas utilizando la lógica difusa. El método utiliza reglas tipo:
si entonces (if then else) .
• Las reglas de inferencia son mecanismos sintácticos que permiten deducir, si: a.b.c
a partir de otras a.b.c, existen las reglas Modus Ponens, Modus Tollens, Dilema
Constructivo, Silogismo Disyuntivo, Silogismo Hipotético, Absorción, Adición, De
Morgan, Simplificación, Conjunción, Conmutación, Asociación, Distribución, Doble
negación, Transposición, Implicación Material, Equivalencia Material.
3.2 Métodos de inferencia en reglas.
• Ejemplo de las Reglas de inferencia lógicas más utilizadas:
• · Modus Ponens Ponens
• Establece si una implicación es cierta y su antecedente, su consecuente también es cierto
o verdadera, de manera simbólica se representa:
• (M.P) p=>q
• P
• por lo tanto, q
• Ejemplo:
• P-> El sol brilla, q->Claudia está en la playa
• p-> El sol brilla,
• Por lo tanto, q-> Claudia está en la playa
3.2 Métodos de inferencia en reglas.
• · Modus Tollendo Ponens
• Esta regla dice si una disyunción es verdadera y una de sus proposiciones simples es falsa
entonces por consecuencia la otra proposición será verdadera, de forma simbólica se
representa:
• (M.T.P) p=>q
• ~p
• por lo tanto p
• Ejemplo:
• p-> Si el sol brilla, q-> Claudia está en la playa
• ~ q-> Claudia no está en la playa
• Por lo tanto ~p-> el sol brilla
3.2 Métodos de inferencia en reglas.
•· · Modus Tollendo Tollens
• Dice si una implicación es verdadera y es falso su consecuente, entonces su
antecedente será necesariamente falso, de forma simbólica se representa:
• (M.T.T) p=>q
• ~q
• Por lo tanto q
3.3 Reglas de producción.
• Se usan en producción y es donde se utiliza “si” y “entonces”. La mayoría de los
sistemas expertos utilizan sistemas de producción.
• Proposición lógica que relaciona 2 o más objetos e incluye 2 partes, la premisa y la
conclusión, cada una de ellas contiene una expresión lógica con una o más
afirmaciones objeto-valor, conectados mediante operadores lógicos “AND”, “OR”
y/o “NOT”.
3.3 Reglas de producción.
• Las reglas de producción es un método procedimental de representación del
conocimiento, representa y soporta las relaciones inferenciales de un algoritmo, en
contraposición a los métodos declarativos que son los hechos.
• La estructura es la siguiente:
• Si <antecedente>
• Entonces <consecuente>
• Antecedente->Consecuente
• Si<condición> Entonces<conclusión, acción, etc.>
3.3 Reglas de producción.
• Los antecedentes son las condiciones y los consecuentes las conclusiones,
acciones o hipótesis. Cada regla por si misma constituye un gránulo completo de
conocimiento. La inferencia en los Sistemas Basados en Reglas se realiza mediante
emparejamiento. Hay dos tipos, según el sentido:
•
•· Sistemas de encadenamiento hacia adelante: una regla es activada si los
antecedentes emparejan con algunos hechos del sistema.
•
•· Sistemas de encadenamiento hacia atrás: una regla es activada si los
consecuentes emparejan con algunos hechos del sistema.
3.3 Reglas de producción.
VE NTA J A S D E S VE NTAJ A S
• Los conocimientos y los hechos pueden aparecer conjuntamente en una sola base,
la de conocimientos. La Base de conocimientos contiene el conocimiento del
dominio en el cual el programa es competente. El conocimiento tiene que estar
representado en la forma que resulte más adecuada para el dominio de su
competencia. Adicionalmente hay que tratar que esa representación sea:
•· Sencilla, independiente y fácil de modificar
•· Transparente para la justificación de soluciones y explicación de los procesos
•· Relacional y potente para el poder expresivo y eficiencia de cálculo.
3.6 Arquitectura de un sistema de Producción (SP)
o sistemas basados en reglas (SBR).
• 3.6.2 Base de Conocimientos
• También nos dice que la base del conocimiento es un conjunto de reglas y afirmaciones
que permite representar los conocimientos del dominio experto.
3.6 Arquitectura de un sistema de Producción (SP)
o sistemas basados en reglas (SBR).
• 3.6.3 Mecanismos de Control
• Utiliza:
• Metareglas: Múltiples bases de datos.
•
•· Control direccional
•· Control aprobado-reprobado
•· Control post-operacional
3.6 Arquitectura de un sistema de Producción (SP)
o sistemas basados en reglas (SBR).
• Mecanismo de Control (PROLOG)
• Busca la solución en profundidad en todos los nodos hasta llegar a ella. Siempre
comienza y hace el recorrido por nuestro lado izquierdo.
• Es el algoritmo que permite recorrer todos los nodos de un grafo o árbol de manera
ordenada, dentro de la teoría de grafos. Su funcionamiento consiste en ir
expandiendo todos y cada uno de los nodos que va alcanzando, de forma
recurrente, en un camino en concreto, cuando ya no existen más nodos que visitar
en el camino, se regresa para iniciar de nuevo con cada uno de los hermanos del
nodo ya procesado, a este proceso se le denomina Backtracking.
3.8 Búsqueda sistemática
• Pseudocódigo algoritmo búsqueda en • sino
profundidad
• funcion buscar_en_hijos(Nodo:n) • n1=null
• variable encontrado=boolean • romper ciclo
• inicio • buscar_en_hijos(n->hijo)
• si solucion(n->hijo) • n2->n->hijo
• retornar n->hijo
• mientras(n2->hermano!=null)
• sino
• n2=n2->hermano
• n1=n->hijo
• encontrado=falso
• buscar_en_hijos(n2)