Factores de Certeza en Sistemas Basados en

Conocimientos
Indhyra Melissa Bances Carlos
Universidad Señor de Sipan
Chiclayo-Perú

I.- INTRODUCCION Los creadores de MYCIN se guiaron de la teoría de la

En este nuevo mundo globalizado y tecnológico se
puede ver que todo es asociado al conocimiento y al
manejo y desarrollo del mismo, este conocimiento
siempre va acompañado de tecnología.
Debido a la existencia de la tecnología, y a la unión de
ésta con el conocimiento que el ser humano puede
brindarle, se puede navegar en un mundo
extremadamente amplio y generar diversos temas en
los que podemos profundizar.
Uno de esos temas es los factores de certeza que se
haya en los sistemas basados en conocimientos.
II.- FACTORES DE CERTEZA
Todo empieza con el aporte de MYCIN que es un
sistema basado en reglas, fue diseñado a mediados de
los setenta en la Universidad de Stanford como un
sistema de consulta.
Consistía en un sistema interactivo que diagnostica
infecciones bacterianas y suministra la terapia de
antibióticos.
probabilidad.
Se utilizó una aproximación cuantitativa (E confirma
H en grado x) aunque el objetivo último era
comparativo (E1 confirma H en mayor medida que
E2 confirma H)
Esta observación es importante por la siguiente razón.
En principio, si los factores de certeza miden la
variación (aumento o disminución) de la credibilidad,
para determinar la certeza con que se cree una
hipótesis, habría que tomar la credibilidad inicial y
agregar o descontar el efecto de la evidencia recibida.
En MYCIN, el factor de certeza (FC) de cada regla
“Si E entonces H” se definió como el grado de
confirmación, es decir, como la diferencia entre la
creencia a favor (Measure Belief, MB) y la creencia en
contra (mesure of disbelief, MD).Fig.1
Fig. 1

Aportaciones de MYCIN:

 Separación entre base de conocimientos y

base de afirmaciones (memoria temporal de
las conclusiones obtenidas) y motor de
inferencia.

 Encadenamiento hacia atrás (basado en

objetivos).
Propiedades de los factores de certeza:
 Diálogo flexible: el usuario no sólo podía
introducir información cuando el sistema lo
solicitaba sino también en cualquier otro
momento. 1.- Intervalos
Los valores positivos de FC corresponden a un
 Capacidad de explicación del razonamiento. aumento en la creencia en una hipótesis, mientras que
los valores negativos corresponden a una disminución
 Tratamiento de la incertidumbre mediante en la creencia. Un FC positivo indica que la evidencia
factores de certeza.

Página 1
confirma la hipótesis uno negativo la descarta (total o 5. Falta de evidencia:
parcialmente).Fig.2
Fig. 6
Fig. 2

2.- Factor de certeza de la negación de una hipótesis. 6. Límite probabilista:

Fig. 3 Fig. 7

En el modelo de factores de certeza no hay ligaduras

entre los valores de MB(H,E) y MD(H,E); en efecto
por la propiedad 2 se cumple que:

Fig. 8

3. Confirmación total (la evidencia confirma con

seguridad absoluta la hipótesis):

Fig. 4
Factores de certeza de cada valor

El modelo de MYCIN no solo asigna un factor de

certeza a cada regla de la base de conocimientos, sino
también a cada terna objeto-atributo-valor de la base
de afirmaciones.

Fig. 9

4. Exclusión total (la evidencia descarta la hipótesis

con absoluta certeza):

Fig. 5

Página 2
Ejemplo:

Si sabemos que existe una probabilidad de que haga

frío si llueve FCfrio|llueve=0.6 y sabemos que la
probabilidad de que llueva es del FClluvia=0.8
entonces podemos concluir que hace frío con una
probabilidad del FCfrio= 0.48.

Desventajas

La técnica de MYCIN corresponde a un subconjunto

de probabilidad con una serie de suposiciones
implícitas:

•La evidencia es condicionalmente independiente de

la hipótesis y su negación.

•La red de inferencia debe corresponder a un árbol

para que los resultados sean coherentes.

• Las fórmulas para conjunción y disyunción (min y

máx.) sólo son válidas si uno de los términos es
subconjunto del otro.

Referencias:

Factores de Certeza en los Sistemas Expertos.-

Universidad Nacional de Trujillo.

Métodos de Inteligencia Artificial.

Autor.-Enrique Sucar.

Página 3