Reglas y Búsqueda.

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

• Uniformidad • Contiene un nuevo concepto

contradictorio
• Naturalidad
• Se puede modificar las reglas
• Modularidad
• Su opacidad al tratar de
• Mantenimiento relacionar sistemas
• Transparencia
 3.4 Sintaxis de las reglas de producción.
• Estructura
• SI <condiciones>
• ENTONCES <conclusiones, acciones, hipótesis>
• Cada regla SI-ENTONCES establece un granulo completo de conocimiento
• Regla_ Operador valido en un espacio de estados
• CONDICIONES (premisas, precondiciones, antecedentes)
 3.4 Sintaxis de las reglas de producción.
• Formadas por clausulas y conectivas (and, or, not)
• Representación causal debe corresponderse con conocimiento del dominio
• Formato típico:
• <Parámetro/Relación/Valor>
• Parámetro: característica relevante del dominio
• Relación: entre parámetro y valor
• Valor: numérico, simbólico o literal
 3.4 Sintaxis de las reglas de producción.
• Conclusiones, Acciones, Hipótesis (Consecuentes)
• Conclusiones, Hipótesis: son de conocimiento declarativo
• Acciones: son de acción procedimental (actualiza el conocimiento, interacción con
exterior)
 3.4 Sintaxis de las reglas de producción.
• Reglas especiales
• Reglas IF ALL: equivalen a reglas con las cláusulas de las condiciones conectadas con AND
• Reglas IF ANY/ IF SOME: equivalen a reglas con las cláusulas de las condiciones conectadas con OR
• EJEMPLO
• IF: temperatura = alta
• AND sudoración = presente
• AND dolor_muscular = presente
• THEN: diagnostico_preliminar = gripe
• IF: diagnostico_preliminar = gripe
• AND descompos_organos_internos = presente
• THEN: diagnostico_preliminar = _abola L
 3.4 Sintaxis de las reglas de producción.
• Sistemas basados en reglas de producción
• Reglas_ Operadores en búsquedas 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.
 3.4 Sintaxis de las reglas de producción.
• Tipos de sistemas
• En función de sintaxis de reglas y de mecanismos de control (búsqueda)
• 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
 3.4 Sintaxis de las reglas de producción.
• Sistema encadenamiento hacia atrás (dirigido por los objetivos)
• Regla ACTIVADA si consecuentes emparejan con algunos hechos del sistema.
• Se comienza con una hipótesis.
• Se razona hacia atrás buscando consecuentes que emparejen.
•
• Motor de inferencias
• Elige que reglas activadas ejecutar (resolución de conflictos)
• Consecuentes y antecedentes pueden verse como submetas a verificar a partir de
los hechos o hipótesis, respectivamente.
 3.4 Sintaxis de las reglas de producción.
Características
• Modularidad:
• Reglas = pequeñas cantidades de conocimiento (relativamente) independiente
• Incrementalidad/modificabilidad: posible añadir/cambiar reglas con relativa independencia
• Naturalidad y transparencia: representación del conocimiento próxima y comprensible por
personas
• Capacidad de generar explicaciones.
Generación de explicaciones
• Posibilidad de explicar " el porqué de un resultado”
• Devolver a usuario la cadena de reglas empleadas
• Combinar reglas y hechos del árbol de búsqueda según las conectivas Incrementan la aceptación
del resultado ofrecido (dominios críticos)
 3.5 Semántica de las reglas de producción.
• Representación formal de una relación, la semántica o acción condicional es una
regla que tiene la siguiente premisa:
• Si
• Premisa
• Entonces
• Consecuencia
• Como sabemos los sistemas expertos utilizan o están basados en estas reglas de
producción.
• Estas reglas representan el conocimiento utilizando el formato IF-THEN (SI-
ENTONCES), donde IF es el antecedente, premisa, condición o situación y THEN es
el consecuente, conclusión, acción o respuesta.
 3.5 Semántica de las reglas de producción.
• Un ejemplo es:
• En una caja existen 100 objetos iguales, 30 de ellos se saben que son rojos, los 70
restantes son o azules o amarillos, si se toma un objeto al azar y sin ver, ¿cuál color
es el que se tomará?
• Este ejemplo nos dará un resultado definitivo y se puede definir mediante la
inferencia, apoyado por la teoría clásica, teoría lógica y por la bayesiana (formulas)
•· La lógica Difusa – Fuzzy Logic: La Lógica Difusa proporciona un mecanismo
de inferencia que permite simular los procedimientos de razonamiento humano en
sistemas basados en el conocimiento.
• La teoría de la lógica difusa proporciona un marco matemático que permite
modelar la incertidumbre de los procesos cognitivos humanos de forma que pueda
ser tratable por un computador.
 3.5 Semántica de las reglas de producción.
• El método de tratar la incertidumbre es una de las características más importantes
de las herramientas desarrollo y se encuentra en discusión su validez, en su
sustitución se utilizan las redes Bayesianas que tienen una matemática más firme,
probada y viable en el actual campo de investigación. Es una lógica multivaluada
que permite representar matemáticamente la incertidumbre y la vaguedad,
proporcionando herramientas formales para su tratamiento. Básicamente,
cualquier problema del mundo puede resolverse como dado un conjunto de
variables:
•· de entrada => espacio de entrada,
•· obtener un valor adecuado de variables de salida =>espacio de salida.
• La lógica difusa permite establecer este mapeo de una forma adecuada,
atendiendo a criterios de significado y no de precisión, se utiliza en un amplio
sentido, agrupando la teoría de conjunto difusos, reglas si-entonces, aritmética
difusa y cuantificadores.
 3.6 Arquitectura de un sistema de Producción (SP)
o sistemas basados en reglas (SBR).
• 3.6.1 Hechos
• La arquitectura de un sistema de Producción - SP ó Sistemas basados en reglas-
SBR, son modelos de representación del conocimiento más ampliamente
utilizados, esto debido a que resultan muy apropiados en situaciones en las que el
conocimiento que desea representar surge de forma natural como estructura de
reglas.
• La base de hechos es el conjunto de información estática de una a otra resolución.
Los hechos se diferencian de los datos en el sentido que los hechos forman parte
del Sistema Producción, mientras que los datos, al poder variar de una solución a
otra, conviene agruparlos en archivos externos al Sistema de Producción.
 3.6 Arquitectura de un sistema de Producción (SP)
o sistemas basados en reglas (SBR).
• 3.6.1 Hechos

• 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

• Una base de conocimientos debe ser coherente, rápida, modular, fácil de

desarrollar y mantener.
• Los mecanismos de control para un sistema de producción, permiten que el
contenido de la información permanezca en perfecto orden, es decir, que las reglas
más específicas y las que tratan con excepciones deben de aplicarse antes que las
generales, además el dialogo entre el sistema y el usuario debe de hacerse basado
en preguntas, siguiendo una línea de razonamiento clara y no debe de preguntar lo
que no puede deducir.
 3.6 Arquitectura de un sistema de Producción (SP)
o sistemas basados en reglas (SBR).
• 3.6.2 Base de Conocimientos

• Para controlar un Sistema de Producción se requiere lo siguiente:

•· Ordenar las reglas
•· Que sea poco elegante
•· Que sea difícil de mantener
•· Ordenar las conclusiones de cada regla.
•· Que sea válido solo en el encadenamiento hacia atrás y colocar primero las
que tienen más posibilidades de fallar
 3.6 Arquitectura de un sistema de Producción (SP)
o sistemas basados en reglas (SBR).
• 3.6.2 Base de Conocimientos
• Ejemplo:
• Si hielo_en_la_carretera y velocidad > 70
entonces
recomendación = reducir velocidad
• Si situación = coche_en_marcha y hielo_en_la_carretera y velocidad > 70
entonces
recomendación = reducir velocidad

• 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)

• Clausulas (Reglas) Hecho: Conjunto que se relaciona con

objetos
• Interprete (Maquina de inferencia) Reglas: 1 o más hechos
 3.7 Espacios de estados determinísticos y
espacios no determinísticos.
• Definición del problema con estado de espacios
• 1. Especificación del problema a resolver
• 2. Elementos del problema
• a. ¿Cuál es la situación actual de la que parte?
• b. ¿Cuál es el objetivo final?
• c. ¿Cómo describir o definir todas las situaciones actuales a las que podemos
llegar?
 3.7 Espacios de estados determinísticos y
espacios no determinísticos.
• d. Que pasos necesitamos cambiar de estado y como realizarlo :
• i. Algoritmo
• ii. Seudocódigo
• iii. Diagramas
1. Flujo
2. De carril
3. Proceso
4. Casos de uso – UML
• e. Especificar un problema de espacio de estados consiste en describir de manera
clara cada uno de los componentes
 3.7 Espacios de estados determinísticos y
espacios no determinísticos.
• 3. Esquematización:
 3.7 Espacios de estados determinísticos y
espacios no determinísticos.
• Determinísticos.
El espacio de estados determinísticos contiene un único estado inicial y seguir la
secuencia de estados para la solución. Los espacios de estados determinísticos son
usados por los sistemas expertos.
Se puede describir a su vez, que un sistema es determinístico si, para un estado
dado, al menos aplica una regla a él y de solo una manera.
• No determinísticos.
El no determinístico contiene un amplio número de estados iniciales y sigue la
secuencia de estados perteneciente al estado inicial del espacio. Son usados por
sistemas de lógica difusa.
En otras palabras, si más de una regla aplica a cualquier estado particular del
sistema, o si una regla aplica a un estado particular del sistema en más de una
manera, entonces el sistema es no determinístico.
 3.8 Búsqueda sistemática
3.8.1 Búsqueda de metas en anchura.
• La búsqueda general de un nodo de partida A es la siguiente:
• 1.- Examinar el nodo de partida A
• 2.- Examinar todos los nodos vecinos de A
• 3.- Examinar todos los nodos vecinos de los vecinos del nodo A, así
sucesivamente….
• 4.- Garantizar que ningún nodo se procese más de una vez
• 5.- Utilizar una cola para mantener los nodos en espera de procesamiento,
utilizando el campo ESTADO, para que especifique el estado actual de los nodos.
 3.8 Búsqueda sistemática
3.8.1 Búsqueda de metas en anchura.
• El algoritmo es el siguiente:
• Formulación del problema.
• Realizar la búsqueda en anchura de un grafo G comenzando con el nodo de partida A
• 1.- Inicializar todos los nodos al estado de preparado (ESTADO = 1)
• 2.- Poner el nodo de partida A en la COLA y cambiar el estado a espera (ESTADO = 2)
• 3.- Repetir los siguientes pasos: 3 y 4, hasta que la COLA, este vacía
• 4.- Quitar el nodo del principio de la COLA, N. Procesar N y cambiar su estado a procesado (ESTADO=3)
• 5.- Añadir a la COLA todos los vecinos de N que estén en estado de preparado (ESTADO = 1) y cambiar su
estado al de espera (ESTADO = 2)
• [Fin de bucle del paso 3]
• 6.- Salir
3.8 Búsqueda sistemática
NO ME NCLAT URA : VE NTA J A S: DESVENTAJ AS:

• Raíz • Siempre • Nodos inútiles

encuentra
• Rama solución • Aplica a problema
sencillos.
• Frado • Optimo
• Nivel
• Altura
 3.8 Búsqueda sistemática
3.8.1 Búsqueda de metas en profundidad .

• 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)

• mientras no (encontrado) • fin si

• n1=n1->hermano • fin mientras
• si solucion(n1) • fin función
• retornar n1
3.8 Búsqueda sistemática
Referencias.
• [1]
https://sites.google.com/site/clasedeinteligenciaartificial/home/unida
d-ii-representacion-del-conocimiento-razonamiento-y-los-aspecto-
metodologicos-en-inteligencias-artificial/unidad-iii-reglas-y-
busqueda
• [2]
https://www.fing.edu.uy/inco/grupos/bioinf/bioinfo1/teorico/grafos.p
df - Facultad de Ingeniería de Uruguay.