UNIDAD 5
Sistemas basados en conocimientos: sistemas expertos
Los Sistemas basados en Conocimiento representan un paso delante de los sistemas de información normales, ya que pretenden representar funciones cognitivas del ser humano como el aprendizaje y el razonamiento.
La orientación de esa clase de aplicaciones se basa en la deducción del análisis de problemas, la búsqueda de soluciones, la toma de decisiones y el empleo de conocimiento concentrado en un campo específico de aplicación.
Entre los productos más significativos de los Sistemas basados en Conocimiento se encuentran los Sistemas Expertos, que se encargan de representar el conocimiento de los especialistas de una rama en la procura de su aprovechamiento para tareas de diagnóstico, enseñanza y control.
Alcance de los sistemas de información
Los sistemas de información mecanizados son concebidos e implementados como instrumentos que procesan información con el propósito de:
• Apoyar la toma de decisiones.
• Contener “conocimiento técnico”.
• Reducir a un grado mínimo el error humano.
• Reducir el tiempo de realización de las operaciones.
• Bajar costos.
• Facilitar la tarea del usuario.
• Ofrecer información: completa, eficiente, veraz, oportuna.
• Manipular grandes volúmenes de información.
• Satisfacer las necesidades del usuario.
EXTENSIÓN A LOS SISTEMAS BASADOSEN CONOCIMIENTO
Los sistemas basados en conocimiento se consideran una extensión - un paso tecnológico - de los sistemas de información cuyos alcances y complejidad son mayores. Entre sus propósitos destacan:
· Aprender.
· Evolucionar.
· Adaptar.
· Razonar.
· Tomar decisiones.
· Analizar problemas.
PROPIEDADES DE LOS SISTEMAS BASADOS EN CONOCIMIENTO
Entre las características más relevantes de los sistemas basados en conocimiento están:
· Procedimientos no algorítmicos
· Manejo de incertidumbre
· 0,1 o múltiples soluciones
· Conocimiento técnico y científico.
· Busca solución óptima
· Procedimientos interactivos
· Aprendizaje de los fracasos
· Empleo de métodos para la representación.
· Uso de búsquedas heurísticas
·Datos cualitativos más que cuantitativos.
Sistemas Expertos
Un Sistema Experto es un sistema computacional que adquiere conocimiento especializado en un campo específico para explotarlo mediante métodos de razonamiento que emulan el desempeño del experto humano en la solución de problemas.
LA ELITE DE LOS SISTEMAS BASADOS EN CONOCIMIENTO
La tecnología representada por los Sistemas Expertos actuales, surge de las técnicas de Inteligencia Artificial que han sido objeto de amplias e intensivas investigaciones desde finales de los 50’s.
Las investigaciones referidas comenzaron en las matemáticas para apoyar el razonamiento simbólico.
Mediante el uso de IPL (cargador de programa inicial), el primer lenguaje simbólico orientado al procesamiento de listas. Más tarde surgió LISP (procesos de listas), reconocido como lenguaje artificial.
Los Sistemas Expertos se emplean para ejecutar una variedad de tareas que en el pasado solamente podían llevarse a cabo por un número limitado de personas expertas.
A través de la aplicación de las técnicas de Inteligencia Artificial (IA), los Sistemas Expertos captan el conocimiento básico que permite a una persona desempeñarse como un experto frente a problemas complicados.
Entre las características más relevantes de los Sistemas Expertos, que los distingue de la mayoría de las aplicaciones tradicionales de la computación, es su capacidad para enfrentar problemas que constituyen un reto del mundo real, por medio de la aplicación de procesos que reflejan el discernimiento y la intuición humanos.
Generalmente un Sistema Experto puede comprender:
• Amplio conocimiento específico a partir del campo de interés.
• Aplicación de técnicas de búsqueda y heurísticas.
• Procesamiento simbólico.
• Capacidad para explicar su propio razonamiento.
• Empleo de diversas técnicas de solución de problemas.
Actividad
|
Experto
|
No experto
|
Tiempo de resolución de problemas de su área
|
Grande
|
Pequeño
|
Eficacia
|
Alta
|
Baja
|
Organización
|
Alta
|
Baja
|
Posee estrategias y prácticas
|
Si
|
No
|
Búsqueda de soluciones
|
Heurística
|
No heurística
|
Cálculos aproximados
|
SI
|
No
|
Ventajas que poseen los expertos sobre los que no lo son.
ÁREAS DE DESARROLLO
Entre los campos donde se aplican los Sistemas Expertos destacan:
Medicina: Gran parte de los Sistemas Expertos que se han desarrollado se aplican en el área de la medicina, donde su función es realizar diagnósticos de enfermedades basados en el cálculo de probabilidades.
Finanzas: Es un campo importante debido a las grandes inversiones realizadas por entidades financieras, bancarias y aseguradoras.
Industria: El reto de los Sistemas Expertos industriales se centra en la necesidad de que se comuniquen con dispositivos sensores, bases de datos, dispositivos de mando y accionamiento en tiempo real.
Electrónica: Se orientan al diseño, diagnóstico y reparación. El uso de Sistemas Expertos se debe a la creciente complejidad de los circuitos y al gran número de parámetros a considera en los mismos.
Militar: En actividades de monitoreo, diseño, planeación, educación y control.
Aeronáutica: Orientado al control de la posición de los satélites y la interpretación de sus imágenes.
ARQUITECTURA
Los Sistemas Expertos emplean una amplia variedad de arquitecturas específicas a las aplicaciones, sin embargo se puede generalizar un módulo de componentes que normalmente se deben integrar en cualquier ámbito.
EL USUARIO
El usuario de un Sistema Experto puede operar la aplicación en cualquiera de las siguientes modalidades:
* Verificador: Intenta comprobar la validez del desempeño del sistema
* Tutor: Brinda información adicional al sistema o modifica el conocimiento que ya está en el sistema.
* Alumno: Busca rápidamente desarrollar pericia personal relacionada con el área específica mediante la recuperación de conocimientos organizados y condensados del sistema.
* Cliente: Aprovecha la pericia del sistema en el desempeño de tareas específicas.
Interfaz Hombre-Máquina
Es el subsistema responsable de:
* Interactuar con el usuario
* Establecer protocolos de dialogo
* Explicar el comportamiento del sistema
UNIDAD 4
es un área de la inteligencia artificial cuyo objetivo fundamental es representar el conocimiento de una manera que facilite la inferencia (sacar conclusiones) a partir de dicho conocimiento. Analiza cómo pensar formalmente - cómo usar un sistema de símbolos para representar un dominio del discurso (aquello de lo que se puede hablar), junto con funciones que permitan inferir (realizar un razonamiento formal) sobre los objetos. Generalmente, se usa algún tipo de lógica para proveer una semántica formal de cómo las funciones de razonamiento se aplican a los símbolos del dominio del discurso, además de proveer operadores como cuantificadores, operadores modales, etc. Esto, junto a una teoría de interpretación, dan significado a las frases en la lógica.
Teoría formal del aprendizaje
Las teorías del aprendizaje pretenden describir los procesos mediante los cuales tanto los seres humanos, como los animales aprenden. Numerosos psicólogos y pedagogos han aportado sendos teorías en la materia.
Las diversas teorías ayudan a comprender, predecir y controlar el comportamiento humano, elaborando a su vez estrategias de aprendizaje y tratando de explicar cómo los sujetos acceden al conocimiento. Su objeto de estudio se centra en la adquisición de destrezas y habilidades en el razonamiento y en la adquisición de conceptos.
El estudio de las teorías del aprendizaje; por una parte nos proporcionan un vocabulario y un armazón conceptual para interpretar diversos casos de aprendizaje. Por otra parte nos sugieren dónde buscar soluciones para los problemas prácticos; aunque ellas no nos dan soluciones, pero dirigen nuestra atención hacia ciertas variables que son fundamentales para encontrar la solución.
Modelos conexionistas
En inteligencia artificial los métodos de computación basados en redes neurales se encuentran en un campo de computación que prescinde del enfoque algorítmico tradicional y toma como modelo los sistemas biológicos. Esta nueva forma de computación incluye entre otras:
1. la lógica borrosa
2. las redes neuronales
3. razonamiento aproximado
y recibe los nombres de computación cognitiva, computación del mundo real o computación sof, para distinguirlo del enfoque algorítmico tradicional o computación hard.
En psicología llamamos conexionismo al paradigma que utiliza redes neuronales para comprender y explica la vida psíquica y la conducta. Las redes neuronales son conjunto de unidades interconectadas masivamente capaces de procesar y almacenar información mediante la modificación de sus estados. Aunque con matices, un psicólogo conexionista considera un fenómeno psicológico explicado cuando el modelo neuronal que construye se comporta del mismo modo que cuando los seres humanos realizan esa misma tarea.
Aprendizajes de redes neuronales
Aprendizaje genético
Los algoritmos genéticos (AG) proporcionan un método de aprendizaje basado en la analogía con la evolución de las especies. Los AG generan un conjunto de hipótesis mediante la mutación y recombinación de parte del conjunto de hipótesis conocido. En cada paso el conjunto de hipótesis conocido como "población actual" se renueva remplazando una proporción de esta población por los sucesores de las hipótesis más "adecuadas".
El comportamiento básico de un algoritmo genético es el siguiente: de forma iterativa va actualizando la población de hipótesis. En cada iteración, todos los miembros de la población son procesados por la función de evaluación, tras lo cual una nueva población es generada.
UNIDAD 3
Representación
del conocimiento
Lógica
de predicados
La
lógica de predicados, esta diseñada para trabajar con información que
cumple
tres propiedades importantes:
– La información es completa con
respecto al dominio de interés. Todos
los hechos necesarios para resolver
el problema o están presentes o
pueden derivarse.
– La información es consistente.
– La única forma en que puede
cambiar la información es que se añadan
nuevos
hechos conforme estén disponibles. Si estos hechos son
consistentes con los demás hechos,
ninguno de los hechos
pertenecientes al conjunto de los
que eran ciertos pueden refutarse. Esta
propiedad se denomina monotonía.
Representación
del conocimiento mediante reglas
Son
métodos computacionales para
tratar con problemas donde surge
conocimiento
incierto, difuso y cambiante:
– El razonamiento no monótono, en el que
se extienden los axiomas y/o
las reglas para que sea posible
razonar con información incompleta.
– En estos sistemas una sentencia
puede pensarse que es CIERTA,
FALSA o
NINGUNA
de las dos.
– El razonamiento estadístico, en el que
se extiende la representación
para permitir que algún tipo de medida
numérica sobre la certeza (en
lugar de simplemente CIERTO o
FALSO) se pueda asociar a cada
sentencia.
Razonamiento
Estadístico (Teorema de Bayes)
Lógica Difusa
La lógica difusa (también llamada lógica borrosa) se basa en lo relativo de lo observado como posición diferencial. Este tipo de lógica toma dos valores aleatorios, pero contextualizados y referidos entre sí. Así, por ejemplo, una persona que mida dos metros es claramente una persona alta, si previamente se ha tomado el valor de persona baja y se ha establecido en un metro. Ambos valores están contextualizados a personas y referidos a una medida métrica lineal.
Fue formulada en 1965 por el ingeniero y matemático Lotfi Zadeh.1
“La clave de esta adaptación al lenguaje se basa en comprender los cuantificadores de cualidad para nuestras inferencias(en los ejemplos de arriba, «mucho», «muy» y «un poco»)”.
UNIDAD 2
Procedimientos de Búsquedas de Información
Las búsquedas heurísticas se basan en métodos formados por la experiencia, se adquiere conocimiento con base en información. Cuando se aplican a problemas específicos, su eficacia depende en gran medida de la forma en que exploten el conocimiento del dominio particular, ya que por si solas las técnicas heurísticas no son capaces de salvar la explosión combinatoria a la que son tan vulnerables los procesos de búsqueda. Por esta razón estas técnicas también son llamadas métodos débiles.
En las búsquedas heurísticas encontramos también los siguientes tipos de búsqueda:
Generación, Prueba y Escala
Búsqueda el primero mejor
Reducción del problema
Verificación de restricciones
Análisis de medios y fines
Generación y Prueba:
Algoritmo:
generar una posible solución. Para algunos problemas esto significa generar un objetivo particular en el espacio problema. Para otros supone generar un camino elegido con el conjunto de estados objetivo aceptables.
Verificar si realmente el objetivo elegido es una solución comparándolo con el objetivo final ó comparando el camino elegido con el conjunto de estados objetivo aceptables.
Si se ha encontrado la solución, terminar, sino volver al paso 1.
Si se generan las posibles soluciones de forma sistemática, si la solución existe, este procedimiento es capaz de encontrarla en algún momento. Si el espacio problema es muy grande, en algún momento puede ser demasiado tiempo.
Escalada:
La técnica de escalada es la evolución de la técnica de profundidad en la que cada nodo se dispone en una forma de evaluar cómo está de cerca o de lejos la solución. La forma más común de evaluar es la función de evaluación.
La técnica de escalada exagera los problemas de la profundidad en el sentido de que no asegura de que se alcance la solución óptima relacionada con esto existen dos problemas que ocurren a menudo cuando se utiliza escalada:
1.Puede haber máximo o mínimos locales esto ocurre por ejemplo cuando la función de evaluación elegida es maximizante y todos los sucesores de un determinado nodo tienen menor valor que el valor del nodo.
2. Altiplanicies: Es un caso parecido al anterior y sucede cuando los mejores sucesores de un nodo tienen igual valor que el nodo. Las soluciones que se pueden adoptar son:
-Retroceder
-Dar mas de un paso
Búsqueda primero el mejor
Este método de búsqueda representa una forma de combinar las ventajas que presentan tanto la búsqueda primero en anchura como la primero en profundidad en un solo método.
Reducción de problemas
u La estructura de grafo tipo Y-O es útil para representar la solución de problemas que pueden ser descompuestos en un conjunto de problemas más pequeños. Esta descomposición o reducción genera enlaces de tipo Y. Enlaces de tipo Y apuntan a cualquier número de nodos sucesores que deben ser resueltos para ver si es que el enlace apunta hacia una solución. Los enlaces Y se indican con un arco que conecta los enlaces componentes.
Para la descripción del algoritmo de búsqueda en un grafo Y-O se definirá un valor llamado INUTILIDAD. Si el valor estimado para una solución se hace mayor que el valor de INUTILIDAD, se abandona la búsqueda. El valor de INUTILIDAD debe escogerse para que cualquier solución con un costo superior resulte demasiado cara como para ser de utilidad práctica, aún en el caso de que sea posible encontrarla.
Verificación de restricciones:
En estos problemas el objetivo consiste en descubrir algún estado del problema que satisfaga un conjunto dado de restricciones. El diseño de tareas puede contemplarse como problemas de verificación de restricciones en los que el diseño debe realizarse dentro de unos límites de tiempo, coste y materiales.
Análisis de medios y fines:
El proceso de análisis de medios y fines se centra en la detención de diferencias entre el estado actual y el estado objetivo. Una vez se ha aislado una diferencia, debe encontrarse un operador que pueda reducirla. Es posible que tal operador no pueda aplicarse en el estado actual por lo tanto, se crea el sub problema que consiste en alcanzar un estado en el que pueda aplicarse dicho operador. Este tipo de encadenamiento hacia atrás, en donde se seleccionan los operadores y se producen sub objetivos para establecer la precondiciones del operador. Sin embargo, es posible que el operador no introduzca el estado objetivo que se desea. En este caso se tiene un segundo sub problema que consiste en llegar desde ese estado hasta un objetivo. Pero si se ha elegido correctamente la diferencia y el operador es realmente eficaz al reducir la diferencia, estos dos sub problemas serán más fáciles de resolver que el problema original. El proceso de análisis de medios y fines puede entonces aplicarse recursivamente. para centrar la atención del sistema en los problemas grandes, a las diferencias se les asignan niveles de prioridad. Las diferencias de prioridad mayor deben considerarse antes que las de menor prioridad. (Aplicable al Problema de la Secretaria.)
UNIDAD 1
¿QUE ES INTELIGENCIA ARTIFICIAL?
HEMOS PROCLAMADO QUE LA IA ES EXCITANTE, PERO NO HEMOS DICHO QUE ES. EL CUADRO PRESENTA DEFINICIONES DE INTELIGENCIA ARTIDICAL EXTRAIDAS DE OCHO LIBROS DE TEXTO LAS QUE APARECEN EN LA PARTE SUPERIOR SE REFIEREN A PROCESOS MENTALES Y AL RAZONAMIENTO, MIENTRAS QUE LAS DE LA PARTE INFERIOR ALUDE A LA CONDUCTA.
LAS DEFINICIONES DE LA IZQUIERDA MIDEN EL ÉXITO EN TÉRMINOS DE LA FIDELIDAD EN LA FORMA DE ACTUAR DE LOS HUMANOS, MIENTRAS QUE LA DE LA DERECHA TOMAN COMO REFERENCIA UN CONCEPTO IDEAL DE INTELIGENCIA, QUE LLAMAREMOS RACIONALIDAD. UN SISTEMA ES RACIONAL SI HACE (LO CORRECTO), EN FUNCION A SU CONOCIMIENTO.
A LO LARGO DE LA HISTORIA SE HAN SEGUIDO LOS CUATROS ENFOQUES MENCIONADOS. COMO ES DE ESPERAR, EXISTEN UN ENFRENTAMIENTO ENTRE LOS ENFOQUES CENTRADOS EN LOS HUMANOS Y LOS CENTRADOS EN TORNO A LA RACIONALIDAD.
EL ENFOQUE CENTRADO EN EL COMPORTAMIENTO HUMANO NO DEBE SER UNA CIENCIA EMPÍRICA QUE INCLUYA HIPÓTESIS Y CONFIRMACIONES MEDIANTE EXPERIMENTOS. EL ENFOQUE RACIONAL IMPLICA UNA COMBINACIÓN DE MATEMÁTICAS E INGENIERÍA. CADA GRUPO AL MISMO TIEMPO HA IGNORADO Y HA AYUDADO AL OTRO. A CONTINUACION REVISAREMOS CADA UNO DE LOS ENFOQUES CON MAS DETALLE.
Sistemas que piensan como humanos
|
Sistemas que piensan racionalmente
|
|
|
Sistemas que actúan como humanos
|
Sistemas que actúan racionalmente
|
|
|
No hay comentarios.:
Publicar un comentario