investigacion

9

Click here to load reader

Upload: takerna-volk-volkhavaar

Post on 11-Apr-2017

96 views

Category:

Technology


1 download

TRANSCRIPT

Page 1: Investigacion

1

Nombre de la materia:

Tecnologías innovadoras

Tema: Investigacion

Nombre del maestro:

ISC. Lizbeth Hernández Olan

Nombre del alumno: Gilberto Leonel Piñeyro Castillo

Grado:

9 semestre

Grupo: “B”

Fecha:

18 de diciembre del 2015

Page 2: Investigacion

2

Índice

- Introducción………………………………………………………. 3

- DRENDRAL………………………………………………………. 4

- XCON……………………………………………………………… 5

- MYCIN…………………………………………………………….. 6

- PROLOG………………………………………………………….. 7

- DIPMETER ADVISOR…………………………………………… 8

- Conclusiones…………………………………………………..… 9

- Bibliografía……………………………………………………..… 9

Page 3: Investigacion

3

Introducción

Durante años la actividad de la Inteligencia Artificial estuvo dedicada a las

investigaciones teóricas y al desarrollo de experimentos a través de programas que

demostraran “actitudes inteligentes”, con estos programas se pretendía que la

máquina jugara ajedrez, demostrara teoremas matemáticos, etc.

No fue hasta los años 70 que surgió un nuevo paradigma en la Inteligencia

Artificial “los Sistemas Expertos”, cuya función es desarrollar trabajos similares a los

que desarrollaría un especialista en un área determinada, la idea no es sustituir a

los expertos, sino que estos sistemas sirvan de apoyo a los especialistas en un

“dominio” de aplicación específico.

Estos sistemas expertos son en lo esencial sistemas de computación basados en

conocimientos cuyos componentes representan un enfoque cualitativo de la

programación. Muchas personas pueden creer que un Sistema Experto (SE) es un

sistema compuesto por subsistemas y a su vez estos por otros subsistemas hasta

llegar a los programas, y que los se miden por la cantidad de programas que

contienen. Sin embargo la cantidad no es lo que prima en los SE, si no la cualidad

del mismo, esta cualidad está dada por la separación de las reglas que describen el

problema (Base de Conocimientos), del programa de control que es quien

selecciona las reglas adecuadas (Motor de inferencias).

Podemos decir que un Sistema Experto es una Base de Conocimientos (BC), una

Base de Hechos (BH) y un Motor (o Máquina) de Inferencias (MI). Por otra parte

estos sistemas no se miden por la cantidad de instrucciones o programas sino por

la cantidad de reglas que hay contenida en su Base de Conocimientos.

A continuación expondremos algunos de los más usados en la actualidad.

Page 4: Investigacion

4

DRENDRAL

El proyector DENDRAL tuvo sus orígenes en 1965, cuando Feighembaum, tras

instalarse en la Universidad de Stanford, comenzó a trabajar con el profesor Joshua

Lederberg, especializado en Química Molecular. Ambos investigadores, compartían

la misma inquietud: la posibilidad de usar los ordenadores para modelar el

pensamiento científico.

Es un sistema experto que permite resolver la cuestión planteada anteriormente

a través de un proceso de búsqueda de generación y prueba jerárquica que se

divide en tres partes funcionales: plan, generación y prueba. Su base de

conocimientos se desglosa en dos conjuntos de reglas correspondientes a cada una

de las fases de desarrollo del sistema.

J. Lederber realiza la descripción autobiográfica del desarrollo de este sistema. A

lo largo de este documento se distinguen dos fases de diseño bien diferenciadas

que se detallan a continuación:

Primera Fase: Consistía en calcular todos los compuestos que podían dan

lugar al número másico de la molécula inicial, teniendo en cuenta el número

másico de cada uno de los átomos en los que se dividía el compuesto y las

restricciones de valencia. Estas restricciones permitieron podar el árbol de

posibles soluciones rápidamente, reduciendo el coste computacional de la

búsqueda exhaustiva que se estaba realizando.

Segunda Fase Intentaba modelar el procedimiento inferencial del experto

químico para encontrar la estructura molecular de la combinación que se

consideraba solución: representar dicha estructura en forma de grafo.

Page 5: Investigacion

5

XCON

El programa R1 (luego llamado XCON, por Configurador Experto) era un sistema

de producción basado en reglas escrito en OPS5 por John P. McDermott de CMU

en 1978 para asistir a los pedidos de los sistemas de computadores VAX de DEC

(Digital Equipment Corporation) seleccionando los componentes del sistema de

acuerdo a los requerimientos del cliente. El desarrollo de XCON siguió a dos

fracasos de escribir un sistema experto para esta tarea en FORTRAN y BASIC.

XCON se usó por primera vez en la planta de DEC en Salem, New Hampshire.

Este tenía alrededor de 2500 reglas. Para 1986, había procesado 80000 órdenes y

alcanzaba un 95-98% de precisión. Se estimaba que le ahorraba a DEC 25 millones

de dólares al año reduciendo la necesidad de dar a los clientes componentes

gratuitos cuando los técnicos cometían errores, aumentando la velocidad del

proceso de ensamblaje e incrementando la satisfacción del cliente.

Antes de XCON, cuando se pedía una VAX de DEC, cada cable, conexión y bit

del software tenía que pedirse por separado (las computadoras y periféricos no se

vendían completas en cajas como hoy en día). El personal de ventas no siempre

era experto técnicamente, así que los clientes podían encontrar que tenían

hardware sin los cables correctos, impresoras sin los drivers correctos,

procesadores sin el lenguaje correcto, etc. Esto significaba demoras y provocaba

una gran insatisfacción en el cliente y podía terminar en una acción legal. XCON

interactuó con el personal de Ventas, haciendo preguntas críticas antes de imprimir

una hoja de especificaciones para sistema coherente y efectivo.

El éxito de XCON llevó a DEC a reescribir XCON como XSEL (una versión de

XCON creada para ser usada por el departamento de ventas de DEC para auxiliar

a los clientes a configurar apropiadamente su VAX (así ellos no eligirían una

computadora demasiado grande como para pasar a través de su puerta de entrada

o con gabinetes muy chicos para los componentes). Los problemas de locación y

de configuración todavía eran manejados por otro sistema experto, XSITE.

Page 6: Investigacion

6

MYCIT

Mycin fue uno de los primeros sistemas expertos que se usaron para diagnosticar

enfermedades en medicina. El sistema podía identificar bacterias que causaban

severas infecciones, tales como la bacteremia y la meningitis. Igualmente, podía

recomendar antibióticos dosificados, basándose en el peso del paciente. El nombre

del programa derivó de los antibióticos que tienen muchas veces el sufijo “mycin”.

El sistema también se usó para diagnosticar enfermedades infecciosas de la sangre.

Mycin se desarrolló por unos cinco o seis años a principios de los años setenta

del siglo pasado, en la Universidad de Stanford. Se escribió en Lisp y fue la

disertación doctoral de Edward Shortliffe, bajo la dirección de Bruce Buchanan,

Stanley N. Cohen y otros.

Curiosamente, Mycin jamás se usó en la práctica. Los resultados del sistema

fueron evaluados y se logró hallar que un 69% de los casos, el sistema daba con la

respuesta adecuada y el diagnóstico correcto, lo cual era mejor que el desempeño

de los expertos en enfermedades infecciosas, quienes fueron juzgados usando el

mismo criterio. Funciona a partir de un esquema de inferencias relativamente

simple, con una base de conocimientos que oscila en unas 600 reglas. El usuario

tiene que responder con “sí” y “no” a las preguntas de Mycin y al final da una lista

de posibles bacterias culpables, que van en un rango de mayor a menor en la

probabilidad del diagnóstico, así como su índice de confiabilidad en la probabilidad

del diagnóstico, la razón por la cual llegó a esas conclusiones y el tratamiento de

drogas que se le debiese dar al enfermo.

Hubo estudios posteriores en donde se mostró que el modelo de factores de

certeza podía ser interpretado en un sentido probabilístico, y así mostrar problemas

con lo que el sistema asume desde un principio dentro del modelo. Sin embargo, la

estructura modular de Mycin demostró ser muy exitosa llevando al desarrollo de

modelos gráficos de redes bayesianas.

Page 7: Investigacion

7

PROLOG

Prolog es un lenguaje de programación lógica cuya primera versión fue

desarrollada a principios de la década de 1970 por Colmerauer en la universidad de

Marsella. Contrariamente a otros lenguajes de programación basados es

estructuras de control y definición de funciones para calcular resultados, Prolog está

orientado a la especificación de relaciones para responder consultas. En ese sentido

Prolog es similar a un sistema de base de datos, aunque en el contexto de la

inteligencia artificial se prefiere hablar de bases de conocimiento, enfatizando la

complejidad estructural de los datos y de las deducciones que se pueden obtener

de ellos.

Prolog genera soluciones a estas ecuaciones lógicas dándole valores a las

variables. Cuando la consulta no tiene variables, como en los dos primeros casos

del ejemplo anterior, la respuesta es polar (Yes o No). Cuando hay variables, Prolog

entrega la secuencia de soluciones. Para ver la lista de soluciones se debe

presionar ';' (el último No indica que no hay más soluciones). Las variables son

identificadores que empiezan siempre con una letra mayúscula. Los identificadores

con letra inicial minúscula corresponden a nombres de predicados o átomos. La

forma general de una consulta consiste en una secuencia de predicados que deben

ser satisfechos conjuntamente en el orden especificado. Esto permite consultas

complejas similares al join en bases de datos.

Otro aspecto notable de Prolog es que las relaciones pueden establecerse no

sólo entre átomos sino que también entre términos estructurados. Un término es ya

sea un átomo (identificador, número, string, variable) o un nombre de término (o

functor) asociado a una lista de argumentos t(t1,t2,...,tn). Así, cuando se define una

relación entre términos estructurados mediante reglas, lo que en realidad se está

haciendo es definir como se construyen los valores de respuesta a las variables de

la consulta.

Page 8: Investigacion

8

DIMETER ADVISOR

Dipmeter Advisor (Asesor) fue un sistema experto temprano desarrollado en 1980

por Schlumberger Doll Research para auxiliar en el análisis de los datos

recolectados durante la exploración petrolera.

El Asesor no era simplemente un motor de inferencias y una base de

conocimientos de 90 reglas, sino que era una estación de trabajo completa,

corriendo sobre una máquina Dolphin Lisp de Xerox (o, en general, en un

procesador de información científica de la serie 1100 de Xerox) y escrito en

INTERLISP-D, con una capa de reconocimiento de patrones que era alimentada por

una interfaz gráfica de usuario basada en menús. Fue desarrollado por un grupo de

gente, incluyendo a Reid G. Smith, James D. Baker y Robert L. Young.

Era principalmente influyente, no por un gran salto técnico, sino porque era

bastante exitoso para las divisiones petroleras de Schlumberger y porque fue una

de las poco historia exitosas dentro de la burbuja de la Inteligencia Artificial en recibir

amplia publicidad.

Las reglas de Inteligencia Artificial de Dipmeter Advisor eran principalmente

derivadas de AI Gilreath, un ingeniero de interpretación de Schlumberger que

desarrolló el método de los patrones rojo, verde, azul de la interpretación dipmeter.

Desafortunadamente este método tenía aplicaciones limitadas en entornos

geológicos más complejos fuera de la costa del Golfo, y el Dipmeter Advisor era

principalmente usado dentro de Schlumberger más como una herramienta de

visualización gráfica para asistir en la interpretación de científicos geológicos

entrenados, que como una herramienta de inteligencia artificial para ser usada por

intérpretes novatos. Sin embargo, la herramienta fue un acercamiento pionero a las

estaciones de trabajo con interpretación gráfica de la información geológica.

Page 9: Investigacion

9

Conclusiones

Un sistema experto puede, sin lugar a dudas, ofrecernos el mismo resultado que

un experto humano, aunque existen ciertas excepciones a dicha regla, puesto que

en lo referente al régimen empresarial, los problemas siempre serán demasiado

específicos. No obstante, es espera que en un futuro inclusive estas excepciones

puedan ser resueltas.

A pesar de todo el avance en el último siglo, aun la inteligencia artificial no es

capaz de resolver problemas complejos que requieran de un concienzudo uso de

sentido común, por lo cual resulta obvio que aunque se les llame expertos, aun les

queda un largo camino por recorrer.

Bibliografía

http://www.uaeh.edu.mx/docencia/Tesis/icbi/licenciatura/documentos/Sistem

as%20expertos%20y%20sus%20aplicaciones.pdf

http://users.dcc.uchile.cl/~abassi/IA/Prolog.html

http://www.it.uc3m.es/jvillena/irc/practicas/estudios/DENDRAL.pdf