Descarga la aplicación para disfrutar aún más
Vista previa del material en texto
UNIDAD 2 (1/2) Sistemas Basados en Conocimientos Índice 1. Repasemos... 1 2. Introducción 2 2.1. De�niciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 2.2. Clasi�cación . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 2 3. Propiedades de los SSBBCC 4 3.1. Propiedades . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 3.2. Ventajas y limitaciones . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 4 4. Arquitectura de un SBC 5 4.1. Elementos de un SBC . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 6 5. Bibliografía 7 1. Repasemos... Repasemos... Datos, Información y Conocimiento Datos Información Conocimiento Ingeniería del Conocimiento De�nición La IA como base de la Ingeniería del Conocimiento La IA como CIENCIA La IA como INGENIERÍA Relación entre IA e InCo Ingeniería del Conocimiento y Gestión del Conocimiento Diferencias Gestores e Ingenieros Habilidades del Ingeniero del Conocimiento (IC) 1 2. Introducción 2.1. De�niciones De�niciones De�nición 1 Es un programa de IA, cuyas prestaciones dependen más de la presencia explícita de un cuerpo de conocimientos que de la posesión de ingeniosos procedimientos computacionales. (Gómez et al., 1997) De�nición 2 Es un programa de computación diseñado para emular el trabajo de expertos en áreas de conocimiento especí�cas. (Kendal & Creen, 2007) 2.2. Clasi�cación Clasi�cación Sistemas Expertos (SSEE) Engloban conocimientos organizados concernientes a algún área especí�ca de la experiencia huma- na, su�ciente para actuar como consultor e�ciente, diestro y �barato�. Deberían: • Ser capaces de aprender lo que los humanos saben (para poder discernir los puntos de vista discrepantes de los expertos humanos). • Mantener y actualizar los conocimientos como los humanos (lectura, planteamiento de cues- tiones, aprendizaje/experiencia, casos análogos). • Presentar las conclusiones a usuarios humanos (justi�car, clari�car y explicar su modo de razonamiento e incluso instruir a su interlocutor). Redes Neuronales Modelan el cerebro a nivel biológico. Los sistemas de redes neuronales son expertos en tareas de reconocimiento de patrones igual que el cerebro. Ellos pueden aprender a leer, reconocer los patrones de experiencia y utilizarlos para predecir tendencias futuras. Razonamiento basado en casos (CBR) Modela la capacidad humana de razonar a través de analogías. Trabaja en forma similar a cuando los humanos seleccionan un curso de acción a partir de la experiencia. Cuando se encuentra una nueva situación, el CBR revisa los casos y trata de encontrar una coin- cidencia con esta situación particular. Si se halla esa coincidencia, el caso se usa para resolver el nuevo problema. 2 Algoritmos Genéticos Son algoritmos cuyo comportamiento es muy similar a los procesos biológicos implicados en la evolución. Un AG involucra una representación genética y una forma de crear las potenciales soluciones al problema, una función de �tness (evalua cuán apta es una solución) y operadores genéticos para generar los �hijos�. El proceso que sigue es cíclico y se repite hasta que se encuentra una solución óptima: 1. Evaluar el �tness de todos los individuos de la población 2. Crear una nueva población utilizando operadores tales como cruza y mutación. 3. Descartar la población vieja y volver a iterar con la nueva. Cada iteración de este bucle se conoce como generación. La primer generación opera sobre una po- blación de individuos generados aleatoriamente. A partir de allí, se utilizan los operadores genéticos junto a la función de �tness para mejorar la población. Agentes Inteligentes Son programas software donde se especi�ca su objetivo o tarea en general, pero en los que el software puede tomar algunas decisiones propias. La mayoría de los agentes trabajan en segundo plano y sólo aparecen para informar sobre sus hallazgos. A menudo tienen la capacidad de aprender y tomar decisiones cada vez más complejas en nombre de sus usuarios. Los agentes más simples simplemente recuperan la información, mientras que los más complejos aprenden y usan el razonamiento deductivo para tomar decisiones. Minería de Datos La minería de datos es un término usado para describir el descubrimiento de conocimiento mediante la identi�cación de relaciones desconocidas entre los datos. El objetivo principal de la minería de datos en estas situaciones es descubrir relaciones que estaban ocultas y luego utilizar esta información para proporcionar alguna ventaja competitiva para la organización. Sistemas de Tutoría Inteligente El interés en los entornos educativos basados en computadoras aumenta con la demanda de educa- ción de alta calidad a un bajo costo. Un entorno que responde de una manera so�sticada al adaptar su estrategia de enseñanza de acuerdo al estilo de aprendizaje especí�co de un usuario dado es muy atractivo. Para que un sistema de tutoría sea inteligente, debe ser capaz de reaccionar (enseñar) continuamente a medida que el estudiante aprende. Para ser considerado inteligente y e�caz en enseñanza, un sistema de tutoría debe proporcionar múltiples métodos de enseñanza. 3 3. Propiedades de los SSBBCC 3.1. Propiedades Propiedades de los SSBBCC Se aplican a dominios y problemas más complejos que los que trata la IS convencional: son decla- rativos y heurísticos. Tienen una fase de adquisición de conocimientos muy extensa y costosa. Se debe separar el conocimiento del dominio de los mecanismos de deducción utilizados. Describen y justi�can los pasos de razonamiento que se siguen para dar una solución o tomar una decisión. Se desarrollan para realizar una tarea especí�ca sobre un dominio determinado. 3.2. Ventajas y limitaciones Ventajas Limitaciones 4 4. Arquitectura de un SBC Arquitecturas Arquitectura general de un SBC - (Alonso Betanzos et al., 2004) Arquitectura general de un SBC - (Gómez et al., 1997) Arquitectura general de un SBC - (García Martínez & Britos, 2004) 5 4.1. Elementos de un SBC Elementos de un SBC Base de Conocimientos (KB) Contiene tanto conocimiento factual como heurístico sobre el cual el sistema es experto. • Conocimiento factual : conocimiento público del dominio. • Conocimiento heurístico: basado en la experiencia. Su función es suministrar al Motor de Inferencias (MI), info sobre la naturaleza del problema a resolver. Su diseño es crucial para el desarrollo de un SBC, ya que éste será tan bueno como aquélla. Un error en el diseño de la KB lleva directamente al mal funcionamiento del SBC. Una de las formas más comunes de diseñarla es mediante la unión de aserciones (hechos) y un conjunto de reglas. Los conocimientos que forman una KB deben ser de naturaleza declarativa, de de�nición técnica o de diccionario, para que pueda ser reutilizada en otros sistemas. Los conocimientos se almacenan en forma de: • De�niciones descriptivas de términos especí�cos del dominio • Descripciones de objetos individuales del dominio y sus relaciones con otros objetos. • Criterios para tomar decisiones. También la KB debe tener algunos conocimientos procedimentales como descripciones de compor- tamientos o procesos que, junto con el MI constituyen el �saber cómo� del SBC. Base de Datos (BD) Está formada por diferentes datos sobre el problema en particular que el sistema está tratando de resolver. Su función es suministrar info al MI. Memoria de Trabajo (MT) Base de datos temporal en la que el MI deja info deducida a partir de KB, BD, MT. Motor de Inferencias (MI) Organiza y controla los pasos que se siguen para resolver el problema. Manipula y usa la KB para crear una línea de razonamiento. Proporciona al Trazador de Explicaciones (TE) las reglas que motivaron una determinada consulta al usuario. Activa las reglas en función de la info contenida en la BD y en la MT, la nueva info la guarda en la MT. Puede trabajarbajo 2 principios: universo abierto o universo cerrado (en este caso no se necesita Trazador de Consultas (TC) ni TE, la BD no puede ser vacía). 6 Puede realizar las inferencias usando dos estrategias: • Orientada por el objetivo (encadenamiento hacia atrás) • Orientada por los datos (encadenamiento hacia adelante) Trazador de Consultas (TC) Organiza y presenta en una forma semántica sintácticamente aceptable para el usuario los reque- rimientos de info del sistema, las respuestas dadas por el usuario se guardan en la MT. Trazador de Explicaciones (TE) Interpreta requerimientos del usuario sobre el por qué de determinadas preguntas por parte del sistema, trazando la justi�cación de las mismas, lo hace utilizando la info del MI. Manejador de comunicaciones (MC) Tiene las siguientes funciones: • Derivar la info inicial que suministra el usuario a la BD. • Interpretar los mensajes del usuario: respuestas a una pregunta realizada por el sistema, solicitud de una explicación a partir de consulta del sistema. 5. Bibliografía Bibliografía Kendal, S. & M. Creen. An Introduction to Knowledge Engineering. Springer, 2007. Capítulo 1 A. Gómez, N. Juristo, C. Montes y J. Pazos. Ingeniería del Conocimiento. Editorial Centro de Estudios Ramón Areces, 1997. Capítulo 1. A. Alonso Betanzos, B. Guijarro Berdiñas, A. Lozano Tello, J. T. Palma Méndez, M. J. Taboada Iglesias. Ingeniería del Conocimiento. Aspectos Metodológicos. Pearson Educación, 2004. Capítulo 2. R. García Martínez y P. Britos. Ingeniería de Sistemas Expertos. Ed. Nueva Librería, 2004. Capítulo 1. 7
Compartir