inteligencia artificial - msc.ing.leonel martinez … · web viewla inteligencia artificial se...

1 Inteligencia Artificial

CONTENIDO

1. Introducción a la Inteligencia Artificial (I.A.)

1.1 Definición.1.2 Aplicaciones.1.3 Ramas de la Inteligencia Artificial.1.4 Aplicaciones Futuras de la Inteligencia Artificial.1.5 Importancia de la Inteligencia Artificial.

2. Sistemas Basados en Conocimiento

2.1 Definición.2.2 Aplicaciones.2.3 Importancia.2.4 Componentes de los SBC.2.5 Tipos de Sistemas Expertos.

3. Formas de Representación del Conocimiento.

3.1 Definición.3.2 Tipos de Conocimiento.3.3 Formas de Representación.3.4 Lógica de Predicados.3.5 Reglas de Producción.

1. Introducción a la Inteligencia Artificial (I.A.)


1.1 DEFINICIÓN

Se define la inteligencia artificial como aquella inteligencia exhibida por artefactos creados por humanos (es decir, artificial). A menudo se aplica hipotéticamente a los computadores. El nombre también se usa para referirse al campo de la investigación científica que intenta acercarse a la creación de tales sistemas.

Debido a que la inteligencia artificial tuvo muchos padres no hay un consenso para definir ese concepto, pero podemos decir que la inteligencia artificial se encarga de modelar la inteligencia humana en sistemas computacionales. (Fuente:http://www.inteligenciaartificial.cl/ciencia/software/ia/inteligencia_artificial.htm)

Algunas Definiciones y sus Autores.

- “El arte de crear máquinas con capacidad de realizar funciones que realizadas por personas requieren inteligencia”. (Kurzweil, 1990).

- “Un campo de estudio que se enfoca en la explicación y emulación de la conducta inteligente en función de procesos computacionales”. (Schalkoff, 1990).

- “El estudio de las facultades mentales mediante el uso de modelos computacionales”. (Charniak y McDermott, 1985)

(Fuente:http://www.answermath.com/inteligencia-artificial.htm)

1.2 APLICACIONES

- Tratamiento de Lenguajes Naturales: Capacidad de Traducción, Órdenes a un Sistema Operativo, Conversación Hombre-Máquina, etc.

- Sistemas Expertos: Sistemas que se les implementa experiencia para conseguir deducciones cercanas a la realidad.

- Robótica: Navegación de Robots Móviles, Control de Brazos móviles, ensamblaje de piezas, etc.

- Problemas de Percepción: Visión y Habla, reconocimiento de voz, obtención de fallos por medio de la visión, diagnósticos médicos, etc.

- Aprendizaje: Modelización de conductas para su implante en computadoras.

(Fuente:http://html.rincondelvago.com/aplicaciones-de-la-inteligencia-artificial_1.html)

1.3 RAMAS DE LA INTELIGENCIA ARTIFICIAL

Robótica


La Robótica es una ciencia que estudia el diseño y construcción de máquinas capaces de desempeñar tareas realizadas por el ser humano o que requieren del uso de inteligencia.

A finales de los años 70, se produjo un nuevo giro en el campo de la investigación relacionada con la inteligencia artificial: la aparición de robots. Los robots experimentales creados para estos efectos eran automatismos capaces de recibir información procedente del mundo exterior (p. ej.., sensores, cámaras de televisión, etc.), así como órdenes de un manipulador humano (expresadas en lenguaje natural).

De este modo, el robot determinaba un plan y, de acuerdo con él, ejecutaba las órdenes recibidas mediante el empleo de un modelo del universo en el que se encontraba. Era incluso capaz de prever las consecuencias de sus acciones y evitar, así, aquéllas que más tarde pudieran resultarle inútiles o, en algún momento, perjudiciales. Estos primeros robots experimentales eran bastante más inteligentes que los robots industriales, y lo eran porque disponían de un grado mucho mayor de percepción del entorno que los robots empleados en las cadenas de producción.

El principal problema con el que se enfrenta la inteligencia artificial aplicada a los robots es el de la visión. Mientras que la información recibida a través de censores se puede interpretar con relativa facilidad y entra a formar parte de la descripción del modelo de universo que emplea el robot para tomar decisiones, la percepción de las imágenes captadas y su interpretación correcta es una labor muy compleja.

En cuanto a la interpretación de las imágenes captadas mediante cualquier sistema, se ha logrado ya el reconocimiento de formas preprogramadas o conocidas, lo que permite que ciertos robots lleven a cabo operaciones de reubicación de piezas o colocación en su posición correcta a partir de una posición arbitraria. Sin embargo, no se ha logrado aún que el sistema perciba la imagen tomada mediante una cámara de ambiente y adapte su actuación al nuevo cúmulo de circunstancias que esto implica. Así, por ejemplo, la imagen ofrecida por una cámara de vídeo de las que se emplea en vigilancia y sistemas de seguridad no puede ser interpretada directamente por el ordenador.

Objetivos de la Robótica:

El aumento de la productividad.- Esto se consigue, fundamentalmente, optimizando la velocidad del trabajo del robot, que reduce el tiempo parcial a cargo del manipulador y aumenta el rendimiento total en línea de producción.

Potenciar la flexibilidad en la adaptación a series de producción cortas.

Optimizar el rendimiento de otras marcas y herramientas relacionadas con la labor del robot.

Conseguir una rápida amortización de la inversión, como consecuencia de la sustitución de la mano de obra, mejor uso y mayor duración de las herramientas, menores pérdidas de material residual, pocas averías y mantenimiento reducido.

Mejorar la capacidad de los productos fabricados, dada la precisa repetividad de los movimientos del robot y la posibilidad de incrementar un control de calidad.


Disminuir los stocks de productos terminados, así como el de sus plazos de entrega.

Realizar trabajos en condiciones hostiles y peligrosas, tales como las que se llevan acabo en ambientes con temperaturas elevadas, contaminación, gases tóxicos, materiales inflamables o radiactivos y en los entornos submarinos o espaciales

Campos de aplicación de la robótica

Teóricamente el uso de sistemas robóticos podría extenderse a casi todas las áreas imaginables en donde se necesite de la ejecución de tareas mecánicas, tareas hoy ejecutadas por el hombre o imposibles de ejecutar por él (por ej. una exploración sobre el terreno de la superficie marciana). Se entiende, en este contexto, que tarea mecánica es toda actividad que involucra presencia física y movimiento por parte de su ejecutor.Pero al situarnos en el contexto real, en la práctica, nos damos cuenta de que existen factores que limitan el vuelo de nuestra imaginación, los que mencionaremos en el siguiente punto.

Algunos de los campos de aplicación actuales de la robótica son:

Investigación-Exploración.En donde los robots presentan la ventaja de resistir mejor los ambientes hostiles para el ser humano.

Entretenimiento.Esta industria se favorece del uso de robots para recrear situaciones ficticias o posibles, haciendo uso de los llamados "efectos especiales".

Construcción.Industria en que ya se registran proyectos que incluyen el uso de robots como ejecutores de tareas de dimensionamiento, transporte, montaje, entre otras.

Automatización Industrial.Es el más relevante y de interés para nosotros. Corresponde al uso de robots en la industria a fin de mejorar, agilizar y aumentar la producción en los diferentes procesos.

El Futuro de la Robótica

Hans Moravec, director de Moville Robot Laboratory de la Universidad Carnegie Mellon clasifica la evolución de los robots como sigue:

Primera generación (2000-2010): Robot con cerebro de lagarto. Requerirán un poder de cálculo de 1000 MIPs y serán los robots "mayordomo", experto en desenvolverse en el hogar.

Segunda generación (2010-2020): Robots con cerebro de mamífero. Capacidad de cálculo de 30.000 MIPs. Su característica más notoria será el aprendizaje, a diferencia de los rígidos programas de la primera generación.

Tercera generación (2020-2030): Robots con cerebro de mono. Capacidad de cálculo de 1.000.000 MIPs (un billón de operaciones por segundo). Serán robots capaces de simular las acciones de forma abstracta antes de realizarlas en su propia mente.


Cuarta generación (2030-2040): Robots con mente humana. Capacidad de cálculo de 30.000.000 MIPs. Podrán extraer simulaciones del mundo y razonar sobre ellas simultáneamente, gracias a su mayor poder de computación, un gigantesco banco de datos y programas de razonamiento.

Sistemas Expertos

Los sistemas expertos se basan en la simulación del razonamiento humano. El razonamiento humano tiene para ellos, un doble interés: por una parte, el del análisis del razonamiento que seguiría un experto humano en la materia a fin de poder codificarlo mediante el empleo de un determinado lenguaje informático; por otra, la síntesis artificial, de tipo mecánico, de los razonamientos de manera que éstos sean semejantes a los empleados por el experto humano en la resolución de la cuestión planteada.

Estos dos campos de interés han conducido a los investigadores que trabajan en el campo de la inteligencia artificial (de la cual los sistemas expertos son un campo preferente) a intentar establecer una metodología que permita verificar el intercambio con los expertos humanos y aislar los diversos tipos de razonamiento existentes (inductivo, deductivo, formal, etc.), así como construir los elementos necesarios para modelizarlos.

Los sistemas expertos son, por lo tanto, intermediarios entre el experto humano, que transmite sus conocimientos al sistema, y el usuario de dicho sistema, que lo emplea para resolver los problemas que se le plantean con la competencia de un especialista en la materia y que, además, puede adquirir una destreza semejante a la del experto gracias a la observación del modo de actuar de la máquina. Los sistemas expertos son, pues, simultáneamente, un sistema de ejecución y un sistema de transmisión del conocimiento.

Características de los Sistemas Expertos

Para que un sistema computacional actúe como un verdadero experto, es deseable que reúna, en lo posible, lo más importante de las características de un experto humano, esto es:

Habilidad para adquirir conocimiento. Fiabilidad, para poder confiar en sus resultados o apreciaciones.

Solidez en el dominio de su conocimiento.

Capacidad para resolver problemas.

Dada la complejidad de los problemas que usualmente tiene que resolver un SE, puede existir cierta duda en el usuario sobre la validez de respuesta obtenida. Por este motivo, es una condición indispensable que un SE sea capaz de explicar su proceso de razonamiento o dar razón del por qué solicita tal o cual información o dato.

Tareas de los Sistemas Expertos

Entre las principales tareas que un SE puede realizar se pueden mencionar las siguientes:

Interpretación: Análisis y síntesis (PROSPECTOR) Simulación, pronóstico o predicción. Diagnóstico (MYCIN)


Supervisión

Reparación, corrección o terapia

Planificación

Control: Tiempo real y tiempo diferido

Diseño

Educación.

Campos de Aplicación

Múltiples son los campos de aplicación de los SE:

Medicina Aeronáutica

Finanzas y Gestión

Agricultura

Industria

Arqueología

Electrónica, informática y telecomunicaciones

Derecho

Militar

Geología

Educación

Química

Transporte

Ventas

Perspectivas Futuras

En unos pocos años, se prevé que los Sistemas Expertos tendrán una mayor difusión, se abaratará su costo, su programación y utilización serán más fáciles. Los SE estarán embebidos en diversas aplicaciones, especialmente en software de uso general, como el producido por Microsoft; y, en sistemas de supervisión y control.

En el campo de la investigación, se dará énfasis al desarrollo de SE con capacidad de aprendizaje o SE con sentido común. La aplicación de SE en simulación y control, permitirá conocer, de una manera idónea, el comportamiento de sistemas y la forma de optimizar procesos industriales.


1.4 APLICACIONES FUTURAS DE LA INTELIGENCIA ARTIFICIAL

Robots de Charla

Un robot de charla o chatterbot es un programa de inteligencia artificial que pretende simular una conversación escrita, con la intención de hacerle creer a un humano que está hablando con otra persona.

Estos programas informáticos prometen ser el futuro de la inteligencia artificial aplicada al público general.

A estos robots se les unirán las tecnologías del reconocimiento de voz y el de video, para mejorar la interacción con el usuario

Red neuronal artificial:

Línea de investigación que analiza la viabilidad de reconstruir un cerebro humano mediante una enorme red neuronal. Se presume la posibilidad de recrear la estructura de un cerebro humano empleando para ello Internet.

Sin embargo este proyecto es tremendamente complejo, por que a día de hoy ni siquiera conocemos la distribución exacta de las neuronas y sus interconexiones en un cerebro humano.

Robots con razonamiento

Algunos investigadores esperan crear una máquina que pueda leer pasajes de textos y responder preguntas en base al material. En el proceso, el profesor Selmer Bringsjord, director del Laboratorio de Inteligencia Artificial y Razonamiento del politécnico, cree que dichas máquinas dotadas de inteligencia artificial (IA) podrán leer planes o manuales militares y adaptarse al vuelo en el fragor de la batalla.

Los robots del futuro recibirán instrucciones leyéndolas o escuchándolas. Dijo que una vez que una máquina haya absorbido todas las informaciones relevantes sobre un rubro, como ser factores culturales, históricos y geográficos de una zona, un oficial pueda decir: "Esta es la situación actual en Faluya. Vamos a inspeccionar".

Base de Conocimiento

En Austin, Texas, la firma Cycorp ha estado conformando una "base de conocimiento" llamada Cyc con el propósito de que constituya un depósito de conocimiento humano que pueda tomar decisiones inteligentes.

El vicepresidente de investigación de Cycorp, Michael Witbrock, dijo que Cyc puede razonar sobre la base de 2,5 millones de aseveraciones en su sistema, tal como inferir qué nivel de salario puede tener alguien en base a su trabajo.

“Ya existen máquinas que reconocen órdenes verbales y rostros y hacen inferencias sobre la base de experiencias”, dice el profesor de ciencias de la computación Tom Mitchell, de la Universidad Carnegie Mellon.


Vida Artificial

En futuro se piensa crear realmente un mundo artificial, que esté inmerso por ejemplo dentro de una realidad virtual, en la cual podamos meternos, tener una mascota, enseñarle, zurrarle, hacer que esta mascota persiga conejos que a su vez aprendan a huir de ella, y que, en general, tenga una existencia totalmente independiente con respecto a nosotros.

(Fuente Bibliográfica: Introducción a la Inteligencia Artificial, G.L. Simona, Ediciones Díaz Santos, 1987.)

1.5 IMPORTANCIA DE LA INTELIGENCIA ARTIFICIAL

Las computadoras son fundamentales hoy día en nuestras vidas afectando todos los aspectos de esta. La Inteligencia Artificial se crea con la implementación en las computadoras para realizar mecanismo de computación que utiliza programas fijos y contiene una seria de reglas que lo hacen funcionar. Esto permite a las computadoras a ser creadas en maquinas artificiales que desempeñan tareas monótonas, repetitivas y simples mas eficiente y efectivas que un ser humano. Estudios sobre trabajos o tareas repetitivas han demostrado que el ser humano no le agrada este tipo de trabajo y al pasar el tiempo son más susceptibles a cometer errores en el mismo. Para situaciones complejas el objetivo se hace mas complejo debido a que la inteligente artificial dada a las computadoras tienen dificultad en entender ciertas situaciones o problemas específicos y como reaccionar a estas. También ocurre que dentro de un problema tienen la variabilidad del mismo y no pueden adaptarece a un cambio que pueda ocurrir. Estos problemas son de suma importancia para la Inteligencia Artificial que busca el mejorar, aprender, entender y el razonamiento del comportamiento de las computadoras en situaciones complejas. El campo de la ciencia de Inteligencia Artificial esta todavía en etapas de crecimiento comparadas con otras ramas de computadoras pero poco a poco el estudio del comportamiento humano dará paso para aplicar estos conocimientos a las computadoras y estas lograr de manera primitiva razonas sobre diferentes situaciones. La complejidad en aplicarle conocimientos del ser humano a las computadoras es la capacidad de estos de ser impredecible y las maneras diferentes que se actúa ante una posible situación y estas reacciones hacen que no se pueda implementar un patrón dentro de la memoria de una computadora. Hasta ahora no existe la posibilidad de predecir o almacenar todo tipo de comportamiento de un ser humano a todas las situaciones que se enfrenta durante su existencia.

(Fuente: http://lorenzocintron.tripod.com/id7.html)

2. Sistemas Basados en Conocimiento

2.1 DEFINICIÓN

Los Sistemas Basados en el conocimiento son sistemas avanzados de representación y resolución de problemas complejos. Su arquitectura y sus formalismos de representación son la base de muchos de los sistemas actuales. Su uso se puede encontrar en todas las ramas de aplicaciones especiales de los sistemas informáticos donde se requieran prestaciones especiales, sobre todo en aquellas áreas donde el conocimiento de expertos sea el soporte básico como medicina, industria, gestión, finanzas, organización empresarial y otros.


La naturaleza del conocimiento que contienen es la mayor parte de las veces derivado de la experiencia acumulada en áreas determinadas y la validación de estos sistemas requiere una metodología diferente a la de los sistemas convencionales dada la característica simbólica (y no numérica) del conocimiento que contienen.

(Fuente: http://intart.wetpaint.com/page/Sistemas+basados+en+el+conocimiento)

2.2 APLICACIONES

Sus principales aplicaciones se dan en las gestiones empresariales debido a que; a) Casi todas las empresas disponen de un ordenador que realiza las funciones básicas de tratamiento de la información: contabilidad general, decisiones financieras, gestión de la tesorería, planificación, etc. b) Este trabajo implica manejar grandes volúmenes de información y realizar operaciones numéricas para después tomar decisiones. Esto crea un terreno ideal para la implantación de los SE.

Además los Sistemas Expertos (SE) también se aplican en la contabilidad en apartados como: Auditoria(es el campo en el que más aplicaciones de SE se esta realizando) Fiscalidad, planificación, análisis financiero y la contabilidad financiera.

ÁREAS DE APLICACIÓN

Los SE se aplican a una gran diversidad de campos y/o áreas. A continuación se listan algunas de las principales:

|| Militar || Informática || Telecomunicaciones |||| Química || Derecho || Aeronáutica |||| Geología || Arqueología || Agricultura |||| Electrónica || Transporte || Educación |||| Medicina || Industria || Finanzas y Gestión ||

(Fuente: http://intart.wetpaint.com/page/Sistemas+basados+en+el+conocimiento)

2.3 IMPORTANCIA

Los sistemas basados en conocimiento basan su rendimiento en la cantidad y calidad del conocimiento de un dominio específico y no tanto en las técnicas de solución de problemas.

(Fuente: http://ccc.inaoep.mx/~emorales/Cursos/Representa/node14.html)

2.4 COMPONENTES DE LOS SBC

1) El software de interfaz, mediante el cual el usuario expresa preguntas a éste, el sistema experto pide más información a partir del usuario y éste le expone al usuario la causa de razonamiento utilizado para alcanzar a una respuesta.

http://www.monografias.com/trabajos7/sisinf/sisinf.shtml


2) La base de datos, llamada la base de conocimiento que consiste de axiomas (hechos) y reglas para hacer inferencias a partir de esos hechos acerca del dominio del sistema.

3) El programa computacional, llamado el motor de inferencia, elabora el proceso de hacer inferencias, interpreta y evalúa los hechos en la base de conocimiento para proveer una respuesta.

(Fuente:www.go.to/inteligencia_artificial)

2.5 TIPOS DE SISTEMAS EXPERTOS

3 Interpretación : infieren la descripción de situaciones por medio de sensores de datos. estos S.E. usan datos reales ,con errores, con ruidos, incompletos etc. Ejemplos:medicion de temperatura, reconocimiento de voz, análisis de señales etc.

4 Predicción : infieren probables consecuencias de situaciones dadas. Algunas veces usan modelos de simulación para generar situaciones que puedan ocurrir. Ejemplos: predecir daños a cosechas por algún tipo de insecto.

5 Diagnostico : infieren las fallas de un sistema en base a los síntomas. Utilizan las características de comportamiento, descripción de situaciones o conocimiento sobre el diseño de un componente para inferir las causas de la falla. Ejemplos: diagnostico de enfermedades en base a síntomas, encontrar componentes defectuosos o fallas en circuitos.

6 Diseño : configuración de objetos. Utilizan un conjunto de limitaciones y restricciones para configurar objetos. Utilizan un proceso de análisis para construir un diseño parcial y una simulación para verificar o probar las ideas. Ejemplos: configuración de equipos de oficina, de equipos de computo.

7 Planeación : diseñan un curso completo de acción, se descompone la tarea en un subconjunto de tareas. Ejemplo: transferir material de un lugar a otro, comunicaciones, ruteo, planificación financiera.

8 Monitoreo : comparan observaciones del comportamiento del sistema con el comportamiento estándar, se compara lo actual con lo esperado. Ejemplo: asistir a un paciente de cuidados intensivos, trafico aéreo, uso fraudulento de tarjetas de créditos

9 Depuración : (debugging) sugieren remedios o correcciones de una falla. Ejemplo: sugerir el tipo de mantenimiento a cables dañados, la prescripción medica a un paciente.

10 Reparación : sigue un plan para administrar un remedio prescrito. Poco se ha hacho, requiere planeación, revisión y diagnostico.

11 Instrucción : diagnostican, revisan y reparan el comportamiento de un estudiante. Ejemplo: educar a un estudiante de medicina, usa un modelo del estudiante y planea la corrección de deficiencias.

12 Control : gobierna el comportamiento del sistema. Requieren interpretar una situación actual, predecir el futuro, diagnosticar las causas de los problemas que se pueden anticipar, formular un plan para remediar estas fallas y monitorear la ejecución de este.


(Fuente:http://www.dei.uc.edu.py/tai97/sexperto/tipos.htm)

Sistemas expertos famosos

Los sistemas expertos descritos a continuación son famosos por su impacto en la IA. Se han empleado muchos años de investigación para desarrollar estos primeros programas, que definen la forma y el sistema de funcionamiento de los sistemas expertos actuales.

Dendral

Fue el primer sistema experto. Se desarrolló en la univesidad de Stanford a mediados de los años setenta. El desarrollo del programa y sus múltiples descendendientes continuó durante la mayor parte de los años setenta. Es un programa de ayuda a los químicos a identificar la estrucutra molecular de las sustancias desconocidas.

Macsyma

Está diseñado para realizar manipulaciones simbólicas de expresiones matemáticas. Se desarrolló a principio de los años setenta y se siguió trabajando en él hasta principios de los años ochenta. Capaz de realizar simbólicamente cálculo integral y diferencial, ayuda a los científicos e ingenieros a resolver problemas complicados y laboriosos. También manipula expresiones algebraicas complicadas y ayuda a reducirlas a su forma más simple.

Mycin

Desarrollado en Stanford para el diagnóstico y tratamiento de enfermedades infecciosas de la sangre. Es uno de los sistemas expertos más estudiados por su gran éxito. Fue uno de los primeros en emplear reglas de producción y métodos de inferencia con encadenamiento regresivo.

Prospector

Es un sistema experto diseñado para ayudar a los geólogos a encontrar yacimientos importantes. Su base de conocimientos, que se complementa con reglas de producción y redes semánticas, contienen información sobre los depósitos y sobre clasificación de distintos tipos de rocas y minerales. Puede estimar las probabilidades de encontrar distintos tipos de depósitos minerales.

3. Formas de Representación del Conocimiento.

3.1 DEFINICIÓN

Una representación es un conjunto de convenciones sobre la forma de describir un tipo de cosas. Una descripción aprovecha las convenciones de una representación para describir alguna cosa en particular.

Las características de una buena representación son:


Los objetos y las relaciones importantes deben aparecer explícitamente y de forma conjunta

Las restricciones inherentes al problema se muestran pero no los detalles irrelevantes.

La representación debe ser transparente: se entiende lo que se dice.

Completa y concisa: Están representados con eficacia todos los objetos y relaciones.

Rápidos y computables: Se puede almacenar y recuperar la información con rapidez, y se pueden crear mediante un procedimiento ya existente.

3.2 TIPOS DE CONOCIMIENTO

Se pueden diferenciar distintos niveles de conocimiento

Conocimiento a nivel de objeto (conocimiento del dominio): objetos y relaciones del

dominio usados para resolver el problema.

Metaconocimiento: conocimiento acerca de cómo usar el conocimiento, conocimiento

estratégico.

Por su contenido el conocimiento puede ser:

Heurístico: se basa en establecer meras relacionasen el conocimiento a nivel objeto. No

tiene justificación salvo la empírica.

Estratégico: conocimiento sobre los pasos a seguir para resolver un problema.

Estructural: sobre la organización del conocimiento del dominio, según varios niveles de

abstracción. Permite organizar el conocimiento que del dominio se tiene (ejemplo las

clasificaciones taxonómicas).

De soporte: incluye toda la información que justifica el conocimiento que se utilia. Quién a

puesto el conocimiento y por què (de interés en los sistemas multiagente o en arquitecturas de

pizarra)

Por último se pueden clasificar en Explícito e Implicito


Explícito: aquel que en un momento dado el sistema no tendría que buscar. Esta

representado de manera natural.

Implícito: no lo tiene pero lo puede obtener. Consecuencia del funcionamiento del sistema.

3.3 FORMAS DE REPRESENTACIÓN

Una vez que se adquiere (del especialista) el conocimiento, es necesario encontrar una representación simbólica, clara, precisa y completa del mismo. Para ello podemos mencionar que existen diversas formas de representar el conocimiento, como las siguientes:

Representación del Conocimiento Tripletas OAV Redes Semánticas Frames Reglas

Tripletas Objetivo-Atributo-Valor (OAV). Permiten derivar una representación gráfica del conocimiento organizada en tres niveles: objeto compuesto de atributos que contienen valores.

Redes Semánticas. Ofrecen un esquema más general y desestructurado que las tripletas OAV. Donde cada nodo representa cualquier concepto u objeto, y los arcos representan relaciones que existen entre dichos conceptos.

Frames (Marcos).Un frame es una plantilla de objetos que contiene un conjunto de slots. Cada slot puede ser de alguno de los siguientes tipos: 1)un atributo simple con un valor opcional de default; 2)un procedimiento; 3)una restricción; 4)un apuntador a otro frame. En programación ofrece uno de los mecanismos de estructuración más poderosos y flexibles que existen en Inteligencia Artificial, e.g. puede implementar cualquier esquema de representación del conocimiento e incluso diversos paradigmas de programación como orientado a objetos, orientado a accesos, etc. Algunos idiomas de Lisp, como CommonLisp y CLOS ofrecen frames. Sin embargo, la complejidad de programar con frames puede fácilmente tornarse inadmisible e ineficiente cuando se posee poca habilidad, disciplina y conocimientos avanzados de programación con frames.

Sistemas Basados en Reglas. En un sistema basado en relgas existen dos elementos básicos que sirven para la representación del conocimiento: Conocimiento Atributos Reglas

3.4 LÓGICA DE PREDICADOS


La lógica de predicados es un lenguaje más de la matemáticas. Sin menospreciar otrs sistemas de lógica que se han estudiado, algunos por razones filosóficas y otros por la importancia de sus aplicaciones, incluyendo las ciencias de la computación.

En las ciencias de la computación, sabemos que muchas cosas pueden ser codificadas en bits y esto justifica la restricción de la lógica boleana (dos valores).En ocasiones es conveniente hacer referencia directamente a tres ó más valores discretos.

Por ejemplo una compuerta lógica puede estar en un estado indeterminado antes de basarse en un nivel estable de voltaje. Esto puede ser formalizado en tres valores lógicos con un valor {$ X $} en la suma de de verdadero y falso. La definición de los operadores se extiende a los nuevos valores, por ejemplo, {$ X $} y verdadero = {$ X $}.

EJEMPLO: Consideremos las 2 sentencias, “1 < 2″ y “Esta lloviendo”. la primera sentencia siempre es verdadera mientras que la segunda es verdadera solo en algunas ocasiones. esto puede ser expresado en el cálculo de predicados como: ‘Para todas ocasiones de t, el valor “1 < 2″ en la ocasion t, es verdadero’ y ‘Para algunas ocasiones de t, el valor de “Esta lloviendo”, en la ocasion t es verdadero’.

3.5 REGLAS DE PRODUCCIÓN

Es una representación formal de una relación, una información semántica o una acción condicional. Una regla de producción tiene, generalmente, la siguiente forma: SI Premisa ENTONCES Consecuencia. Ofrecen una gran facilidad para la creación y la modificación 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 fórmulas de cálculo establecidas) y, en teoría, el método asegura que cuantas más reglas posea más potente es. Sin embargo, aunque es la forma de representación más intuitiva y rápida, cuando el número de reglas es grande aumenta la dificultad de verificación de todas las posibilidades con el consiguiente riesgo de perder la coherencia lógica 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 también 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 más conocidos son los Factores de Certeza (utilizados en MYCIN), la lógica de Dempster Shafer, y la Lógica Difusa ( Fuzzy Logic). El método de tratar la incertidumbre es una de las características más importantes de las herramientas de desarrollo, y actualmente se encuentra en discusión la validez de estas lógicas para tratar con la incertidumbre. En sustitución se han propuesto las Redes Bayesianas que tienen una base matemática más firme. De todas formas es un campo actual de investigación que permanece abierto.

inteligencia artificial - msc.ing.leonel martinez … · web viewla inteligencia artificial se...

Documents