Basados En Conocimiento
- 1. SISTEMAS BASADOS EN CONOCIMIENTO
- 2. CONTENIDO TEMÁTICO Unidad Nombre I Introduc. a la Int.Artif. II Lógica Proposicional III Lógica de Predicados IV Sist´s. de Produc. y Búsq. V Proyecciones de Prob. Práct´s VI Proyecto (Motor de Infer.)
- 3. Unidad I Introducción a la Inteligencia Artif. 1.1 Antecedentes de la Inteligencia Artificial 1.2 Ramas de la I.A. 1.3 Técnicas de la I.A. 1.4 Enfoques de la I.A. 1.5 Sistemas Expertos 1.6 Historia y Evolución de los S.E. 1.7 Análisis (Sist.Expertos vs Sist.Tradicionales) 1.8 Arquitectura de un S.E.
- 4. Unidad II Lógica Proposicional 2.1 Representación del Conocimiento 2.2 Alfabeto para una Definición Formal 2.3 Conectivos 2.4 Axiomas y Teoremas 2.5 Reglas de Tautología 2.6 Axiomatizar un Sistema 2.7 Tablas de Verdad
- 5. Unidad III Lógica de Predicados 3.1 Elementos de un Enunciado 3.2 Formalizar un Argumento 3.3 Tipos de Cuantificadores 3.4 Tablas de Verdad 3.5 Árbol de Resolución Clausal 3.6 Demostración con Reglas de Inferencia
- 6. Unidad V Proyecciones de Problemas Prácticos 5.1 Problemas de Juegos y Acertijos 5.2 Matriz de Estados c/ej´s. prácticos 5.3 Generación Árboles a partir de una Matriz de Estados 5.4 Generación de Reglas a partir de un Árbol 5.5 Análisis de Prob´s. y Operadores 5.6 Ejemplos prácticos
- 7. Unidad IV Sistemas de Producción y Búsqueda 4.1 Elementos de un Sistema de Producción 4.2 Búsquedas Ciegas 4.3 Búsquedas en Profundidad 4.4 Búsqueda en Amplitud 4.5 Búsqueda Primero el Mejor 4.6 Búsqueda A* 4.7 Implementación de Búsquedas (Motor Inf.) 4.8 Árboles de Resolución “SLD”
- 8. Unidad VI Proyecto ( Motor de Inferencia ) 6.1 Construcción de un Motor de Inferencia por Equipos Nota: el Motor de Inferencia se debe de empezar a construir desde la Unidad IV
- 9. Investigación Unidad I Integrar equipos de 5 personas Investigar Las áreas relacionadas con Int.Art. Y Exponer por Equipo: ..Redes Neuronales ..Algoritmos Genéticos ..Reconocimiento de Patrones ..Robótica ..Lógica Difusa ..Visión x Computadora
- 10. Investigación Unidad IV Por Equipo se hace una investigación de Búsquedas Ciegas y Heurísticas (4), se sortean las búsquedas por equipo. Cada equipo Expone el proceso manual y las caractéristicas principales, así como las estructuras que utiliza la búsqueda con un ejemplo práctico, de tal forma que todos los alumnos comprendan como se va a hacer el programa para el motor de inferencia. La fuente de la investigación son libros de problemas de inteligencia artificial.
- 11. UNIDAD I Introducción a la Inteligencia Artificial
- 12. Objetivo de la Inteligencia Artificial a)Es el estudio de cómo lograr que las computadoras hagan tareas que por el momento, los humanos hacen mejor. b)Es el arte de crear máquinas con capacidades de realizar funciones que realizadas x personas requieren de inteligencia. c)Un campo de estudio que se enfoca a la explicación y emulación de la conducta inteligente, en función de Procesos Computacionales.
- 13. Entidad inteligente Es algo o alguién que se comporte inteligentemente
- 14. El año en que nació la Inteligencia Artificial fue en los 50´s Y algunas de sus ramas son: ..Reconocimiento de Patrones ..Algoritmos genéticos ..Redes Neuronales ..Robótica ..Sistemas Expertos ..Visión por Computadora ..Lógica Difusa
- 15. Qué se necesita para comprender la Inteligencia .Es necesario comprender cómo se adquiere , representa y almacena el “ Conocimiento” .Cómo se genera y aprende el “ Comportamiento inteligente”
- 16. .Comprender cómo las señales sensoriales son transformadas en símbolos .Comprender cómo se desarrollan las motivaciones, emociones y prioridades
- 17. .Comprender cómo se manipulan los símbolos para: ..Aplicar lógica ..Razonar sobre el pasado ..Planificar sobre el futuro
- 18. . Comprender como los mecanismos de la Inteligencia producen los fenómenos de: ..Ilusión ..Creencias ..Esperanzas ..Temores ..Sueños ..Incluso la bondad y el amor
- 19. La Inteligencia Artificial estudia el comportamiento de: 1) Máquinas 2) Humanos 3) Animales
- 20. Para lograr un “Comportamiento Inteligente”, se necesita: .. Razonar .. Aprender .. Comunicarse .. Actuar en entornos complejos
- 21. Los animales Irracionales utilizan dos cosas importantes para aparentar un comportamiento inteligente 1)Reaccionan mediante reflejos (aprenden) 2)Tienen una Base de Datos abastecidas con experiencias pasadas.
- 22. En la Inteligencia Artificial las metas se clasifican en: . Científicas . De Ingeniería (enfoque destinado a diseñar máquinas inteligentes)
- 23. La Cuestión básica de la I. A. fue ¿Pueden pensar las máquinas? .Estudiada por los primeros investigadores como Alan Turing .En los años 50´s .Y la “respuesta clásica”, a esta pregunta es el “Test de Turing”
- 24. Los dos enfoques de la I. A. y su tarea principal 1) Simbólico analiza “Qué debe hacer” 2) Subsímbolico analiza el “Cómo lo hace”
- 25. Tipo de diseño que usan los Simbólicos Diseño Descendente o Top-Down, estudian el “nivel superior” del conocimiento. Simulan directamente las características inteligentes del ser humano.
- 26. Tipo de diseño que usan los Subsimbólicos Usan el “Diseño Ascendente” (Bottom-Up), comenzando con las implementaciones del nivel bajo operacional, con la esperanza de que combinadas surga espontáneamente el comportamiento inteligente.
- 27. El tiempo que opinan los subsimbólicos que se tardó en desarrollar la Inteligencia Humana Suponen que emergió después de más de 1000 millones de años de vida sobre la tierra.
- 28. Los Subsimbólicos establecen que para que las máquinas logren un “comportamiento inteligente” Necesitan concentrarse en “ duplicar ” las capacidades de Señal y Control, de las que disponen los animales “más simples” como los insectos. Y después subir por la “Escalera Evolutiva” en pasos sucesivos.
- 29. Las dos ramas de la I.A. que proceden del enfoque subsimbólico son: 1) Redes Neuronales .- Son sistemas inspirados en modelos biológicos, interesantes x su “ Capacidad de Aprendizaje ”. 2) Algoritmos Genéticos (Evol.Biol.),con buenos resultados usando: ..Cruzamiento ..Mutación ..Y reproducción de los organismos “ mejor adaptados”
- 30. Primeros representantes del Enfoque Simbólico Mc Carthy y Minsky de MIT
- 31. Representantes simbólicos que sacaron un Sist. físico de símbolos Newell y Simon en 1976, establecen que “Un sist. Físico de Símbolos”, dispone de los “medios necesarios y suficientes” para desarrollar una “actividad general inteligente”
- 32. John Searle es un filósofo representativo del enfoque subsimbólico Cree que la materia de la que estamos hechos es fundamental para “ la inteligencia ”, y que el “ pensamiento ”, sólo ocurre en máquinas vivientes hechas de “ proteínas ”.
- 33. Mientras que los Simbólicos Newell y Simon piensan que las “entidades pensantes” Pueden estar hechas de “partes mecánicas” como “transistores”, o de cualquier otra cosa”, con tal de que puedan“procesar símbolos”.
- 34. Explicación de la propagación del virus del bacteriófago E6 Su cabeza contiene ADN vírico. Este virus es capaz de adherirse a la pared celular de una bacteria mediante las fibras de su cola, pinchar la pared e inyectar su ADN. (fabrica millares de copias de c/pieza del virus, ensamblaje por ellas mismas, formando nuevos virus, que salen de la bacteria para repetir el proceso. “máquina hecha de proteínas”)
- 35. Los Softbots Son “Agentes” que recorren Internet en busca de información, que ellos creen que pueda ser de interés para “sus usuarios”.
- 36. Tipos de problemas que ataca la I.A. Aquellos problemas “realmente complicados”, para los que “no existe un algoritmo”. Ya sea porque no se ha descubierto aún o porque es prácticamente imposible que se descubra)
- 37. El Análisis etimológico de la palabra Heurística, indica que tiene una “raíz griega” que significa “hallar”
- 38. Las Heurísticas 1) Son “reglas concretas” que tratan de orientarnos hacia la solución en “Problemas no algorítmicos” 2) La diferencia entre estas y un algoritmo, es que éstas no nos garantizan el “éxito”. 3) Además, puede haber “muchas reglas heurísticas”, aplicables a 1 mismo estado, y la selección de la más adecuada, es un “ factor determinante” de éxito.
- 39. Tipo de estrategia de La Heurística Es una estrategia de “búsqueda de una Solución”, haciendo un “análisis selectivo” de las “posibilidades de éxito” más relevantes, en base a la “ información disponible”, a pesar de “ no garantizar la mejor solución”, permite hallar una solución cercana a la óptima.
- 40. La I. A. concluye que la Heurística Es la Técnica de las C. Computacionales, que estudia la “Resolución de problemas no algorítmicos”, mediante el uso de cualquier técnica de computación disponible, sin tener en cuenta la “Forma de razonamiento que la soporta”, o “los métodos que se apliquen” para lograr “ esa resolución”.
- 41. Un Sistema es “más inteligente” sí tiene las siguientes 3 cosas: .Sí trabaja con “ menos información ” y logra un “ mejor resultado ”. .Sí queda establecido el “ compromiso ” entre “ Exhaustividad de Análisis ” y “ Calidad de Resultado ”. .Sí se sacrifica la “ Seguridad de obtener soluciones óptimas ” por la ventaja de “ operar con información incompleta ”.
- 42. Algunos “logros históricos concretos” en el estudio de “la I. A.” (348 A.C.) Aristóteles con su “Razonamiento Deductivo” (silogismos) (1854) George Boole con su “Lógica Proposicional” (Siglo 19) Gottlieb Frege “Cálculo de Predicados” (1945) Plankalkul (juego ajedrez) (1950) Warren Mc Culloch, Teoría sobre relaciones entre “Elementos Computacionales y Neuronas Biológicas” (1958) Mc Carty propuso “El cálculo de predicados” para representar el conocimiento. En un “Sistema Consejero” (1959) Samuel (juego de Damas)
- 43. Inferencia Es un mecanismo que permite obtener nuevo conocimiento a partir del existente
- 44. Funcionamiento del GPS, (Newell y Simon) en 1957 1) Determinar la diferencia entre la situación presente y la meta 2) Encontrar alguna acción que reduzca la diferencia y realiza dicha acción 3) Determinar si la meta final ha sido alcanzada. Sí es asi, entonces terminar. Sí no volver a 1.
- 45. Escencia de la Actividad Intelectual Es un proceso de manipulación y análisis de Información
- 46. PRIMERA UNIDAD SEGUNDA PARTE S I S T E M A S E X P E R T O S
- 47. Definición de Sistema Experto “ Es un programa de computación inteligente que usa el conocimiento y procedimientos de inferencia para resolver problemas que son lo suficientemente difíciles como para requerir significativa experiencia humana para su solución” (Profesor Edward Feigenbaum, Univ. de Stanford, pionero en tecnología de S. E.)
- 48. Como se considera un S. E. dentro de la I. A. Un Sistema Experto o SBC, se puede considerar como el primer producto verdaderamente operacional de la I. A. Es un programa diseñado para “Actuar como un especialista humano”, en un dominio particular o área de Conocimiento.
- 49. Qué “no es” un S. E. Un S.E. no es solamente un programa que busca “datos legales” en una Base de Datos, como respuesta a palabras claves, ni uno que haga cálculos de diseño. Sino que debe Combinar: 1) La habilidad de consultar una gran Base de Datos 2) L a de formular hipótesis y descartarlas 3) Y encontrar atajos hacia la meta , étc.
- 50. Entre quiénes es intermediario un S. E. Entre el Experto Humano (que transmite su conocimiento) Y el Usuario (que lo utiliza para resolver un problema con la eficiencia de un especialista
- 51. Al desarrollar S.E., se presentan los siguientes problemas: Representar el conocimiento Representar la habilidad
- 52. Grado de dificultad que tienen estas 2 tareas La representación del Conocimiento es muy fácil Y lo más difícil es programar La habilidad de un Experto humano
- 53. Dificultad para programar la habilidad de un Experto Programar las fórmulas que usa un Experto es fácil, pero programar como trabaja la mente de un Experto es muy difícil. La Solución a éste problema sería descubrir, ¿ Cómo trabaja la mente ?
- 54. Analogía entre Sist. Clásico y S.E. Usa conocimiento Usa datos Ejec. Heurística y Lógica Ejecución Procedural Un Sist. de pocas reglas funciona Sistema completo para operar Cambios de reglas fáciles Cambios tediosos Modulo Explicativo No da explicaciones Puede tener errores No contiene errores Base de Conocim´s separada del procesamiento Conocimiento y Procesamiento combinados SISTEMA EXPERTO SISTEMA CLÁSICO
- 55. Historia de los S. E. A mediados de los 60´s Newell y Simon (GPS), podía – Torres de Hanoi y Criptoaritmética. No podía resolver problemas del mundo real, Ejemplo Diagnóstico médico. Entonces algunos investigadores cambiaron el Enfoque de General a un dominio específico, simulando el conocimiento de un Experto Humano
- 56. Historia de los S. E. El primer S.E. fue el Dendral (1967), identifica la Estructura química y molecular En los 70´s y 80´s, MYCYN. Consulta y Diagnóstico de infecciones en la sangre, aquí aparece claramente el motor de inferencia, separado de la Base de Conocimientos
- 57. Historia de los S. E. EMYCYN es el primer “Shell” (concha o sist. Vacío, sin B. Conocimientos), y con el se generaron: SACON.- Usado en Estructuras de Ing. PUFF.- Función Pulmonar GUIDON.- Elegir tratamientos terapeúticos
- 58. Historia de los S. E. En 1980 se ponen de moda los S. E. Ejemplos de S. E. modernos: 1) CASHVALUE.- que evalúa proyectos de inversión 2) VATIA.- asesora acerca del IVA
- 59. Uso y Categoría de los S. E. Rep. En Sist´s. informáticos y automóviles Reparación Centrales nucleares, Fábricas Quim Monitorización Tráfico aéreo, Estrategia militar Control Edificios, automóviles y circuitos Diseño Medicina y Fallos en electrónica Diagnóstico Reconoc.de Imágenes y del Habla a Interpretación Predicciones Metereológicas y Prevención del tráfico Predicción USO CATEGORÍA
- 60. Áreas donde S.E. son muy valiosos Búsquedas petrolíferas Manejo de valores bursátiles Diagnóstico de enfermedades
- 61. ¿Qué tantos Expertos existen en la mayoría de los diferentes campos? Existe un desequilibrio porque hay más problemas que Expertos
- 62. ¿Qué tratamiento le dan a los problemas los Sistemas Expertos? Solo guardan la esencia de los problemas y programan una estrategia para resolverlos usando conocimiento
- 63. Sí hay forma de conocer el método o estrategia usado al resolver un problema con un Sistema Experto Porque en la Arquitectura del S. E., existe un Modulo Explicativo que textualmente deja escrita la estrategia utilizada en la solución del problema, mientras que los Expertos generalmente no te explican porque no analizan , sino solamente actuan .
- 64. El tipo de personas que se requieren como usuarios en un Sistema Experto Pueden ser personas no especializadas en la materia, las cuáles a fuerza de utilizarlo regularmente, aprenderán de él y se aproximarán a la capacidad de un Experto.
- 65. El método que usa un Experto cuando un problema ya se le ha presentado Hace analogías con experiencias pasadas , dando una respuesta Inmediata, mientras que el S. E., no utiliza el razonamiento por analogías
- 66. Arquitectura de un Sistema Experto MODULO DE ADQUISICIÓN DEL CONOCIM. MOTOR DE INFERENCIA B.DATOS B. DATOS MODULO HECHOS DE EXPLICAC CONOCIM. INTERFASE DEL USUARIO
- 67. MOTOR DE INFERENCIA Es la unidad lógica con la que se extraen conclusiones de la B. Datos de Conocimientos. Usando un método fijo de solución de problemas imitando el procedimiento humano de los Expertos
- 68. Datos que utiliza el Motor de Inferencia Utiliza los datos de Entrada del problema y con ellos recorre la Base de Datos de Conocimientos, para alcanzar una solución.
- 69. ¿Qué almacena la Base de Datos de Hechos? Datos iniciales del problema Datos generados durante el proceso de Inferencia Conclusiones intermedias
- 70. Contenido del Modulo Explicativo Lleva un registro de los razonamientos efectuados , por lo tanto puede explicar las deducciones y el comportamiento del Sistema.
- 71. Contenido de la Base de Datos de Conocimiento El Conocimiento extraído del Experto en forma de reglas lógicas abstraídas a partir de Objetos representativos de la materia.
- 72. ¿Qué información se abstrae de esos Objetos representativos de la materia? Sus características Su comportatmiento Las relaciones entre los diftes. objetos
- 73. Formato de las Reglas en la B. Datos de Conocimiento Premisas (Condiciones) Conclusiones (Acciones) Ejemplo Sí ( P y Q ) entonces ( R ) “ premisas” “conclusiones”
- 74. Existen 2 formas de Estrategia de Control Encadenamiento Progresivo Encadenamiento Regresivo
- 75. Ejemplo práctico “Progresivo”, con 3 reglas R1.- Sí feo entonces estudioso R2.- Sí sociable entonces amable R3.- Sí estudioso entonces aprobado El problema es determinar sí se da aprobado, sabiendo que se cumple con ( feo y sociable )
- 76. R1.- Sí feo entonces estudioso R2.- Sí sociable entonces amable R3.- Sí estudioso entonces aprobado 1) Lo primero es introducir la información inicial en la B. D. Hechos = {feo, sociable} 2) El Sist. Identifica las reglas aplicables R = {R1,R2} 3) Selecciona R1 y se genera estudioso, entrando en B. D. Hechos 4) B. Datos = {feo, sociable, estudioso} 5) Cómo problema aún insoluble, se revisa un nuevo conjunto de reglas aplicables menos R1, y esta es R2 6) Se selecciona R2, quedando B. D. Hechos con {feo, sociable, estudioso, amable} 7) Se buscan nuevamente reglas aplicables y esta es R3 8) Aplicando R3 la B. D. Hechos = {feo, sociable, estudioso, amable y aprobado }
- 77. Ej. Práctico método Regresivo R1.- Sí feo entonces estudioso R2.- Sí sociable entonces amable R3.- Sí estudioso entonces aprobado Introducir en B. Datos Hechos la información inicial = {feo, sociable} La regla aplicable en este caso es R3, porque tiene aprobado en conclusión Con R3 se genera estudioso y como no esta en la B. Datos Hechos, se considera un subojetivo El sistema intenta aprobar ahora estudioso, e identifica R1 como aplicable Aplica R1 y se obtiene feo, que si existe De esta forma se prueba el subobjetivo, y al probar éste se prueba “aprobado” resolviendo el problema.
- 78. FIN