Sistemas Expertos

Jess Segura
Gregoria Morales
Cruz Martnez
Carlos Fuentes 5to A
IA I - 2
Sistemas Expertos
Los SE son programas capaces de manejar
problemas que normalmente requieren para su
resolucin la intervencin humana
especializada.
IA I - 3
Caractersticas
Aplican experiencia de una manera eficiente para
solucionar problemas.
Determinar cuando un problema est en el dominio de su
experiencia.
Se comunican con otros expertos y adquieren nuevo
conocimiento.
Reestructuran y reorganizan el conocimiento.
IA I - 4
Tareas tpicas
Diagnstico y reparacin
Prediccin
Planificacin
Monitorizacin de tareas
Interpretacin de datos
Ayuda a la educacin
Ayuda a la toma de decisiones
Ayuda a la operacin legal y administrativa
Ayuda a la identificacin de problemas
IA I - 5
Arquitectura
Base de Conocimiento (BC)
Base de Datos (BD)
Motor de Inferencia (MI)
Trazador de explicaciones (TE)
Trazador de Consultas (TC)
Memoria de trabajo (MT)
Manejador de Comunicaciones (MC)
IA I - 6
Base de Conocimiento (BC)
Es la unin del conjunto de aserciones y el
conjunto de reglas. Su funcin es suministrar al MI
informacin de la naturaleza de los problemas que
puede manejar.
IA I - 7
Base de Datos (BD)
Contiene informacin sobre el problema particular
que el S.E. debe resolver.
IA I - 8
Memoria de Trabajo (MT)
Es una BD temporal, en la cual el MI deja
informacin deducida a partir de :

- Base de Conocimiento
- Base de Datos
IA I - 9
Trazador de Consultas (TC)
Maneja las consultas del S.E. al usuario.
IA I - 10
Maneja requerimientos del usuario al S.E..
Trazador de Explicaciones(TE)
IA I - 11
Manejador de Comunicacin (MC)
Coordina el TE con el TC
IA I - 12
Activa las reglas en funcin de la informacin contenida
en la BD y MT, la nueva informacin es puesta en la MT.
Tambin se encarga de proporcionar al TE, las reglas que
dieron origen a una consulta al usuario.
Motor de Inferencia (MI)
IA I - 13
Motor de Inferencia (MI)
Puede trabajar bajo:
- Universo Cerrado: toda la informacin necesaria est
contenida en el sistema, entonces lo que no puede
demostrar es falso.
- Universo Abierto: toda la informacin que no est en el
sistema est fuera de l, entonces la busca el usuario.
IA I - 14
Motor de Inferencia (MI)
- Orientado por el Objetivo:(Backward Chaining)
El origen de la induccin es el objetivo y se busca encontrar
condiciones iniciales que estn contenidas en los datos sobre
el problema particular a resolver.
- Orientado por los Datos:(Forward Chaining)
El origen de la induccin son los datos iniciales y se trata de
llegar a algn objetivo de inters.
SISTEMAS EXPERTOS
BASADOS EN REGLAS
IA I - 16
Los Sistemas Basados en Reglas son una
herramienta eficiente para tratar muchas
situaciones complejas gobernadas por reglas
deterministas, sistemas de control de trfico,
sistemas de seguridad, transacciones
bancarias, etc. Las reglas deterministas
constituyen la
ms sencilla de las metodologas utilizadas
en Sistemas Expertos. La base de
conocimiento
contiene el conjunto de reglas que definen el
problema y
IA I - 17
LA BASE DE CONOCIMIENTO

En los Sistemas basados en reglas intervienen dos
elementos importantes:

Los datos: Estn formado por la evidencia o los
hechos conocidos en una situacin
particular. Este elemento es dinmico, es decir,
puede cambiar de una aplicacin a
otra, por lo tanto no es de naturaleza permanente y
se almacena en la memoria de
IA I - 18
trabajo. En situaciones deterministas, las relaciones
entre un conjunto de objetos
pueden ser representadas mediante un conjunto de
reglas.
El conocimiento: Se almacena en la base de
conocimiento y consiste en un conjunto
de objetos y un conjunto de reglas que gobierna las
relaciones entre esos objetos. La
informacin almacenada en la base de conocimiento es
permanente y esttica, es
decir, no cambia de una aplicacin a otra, a menos que
se incorporen al sistema
experto elementos de aprendizaje.

IA I - 19
Objetos Conjunto de valores posibles
Nota
Califica
cin
Puesto
Admitir
Notifica
r

0,1 .. 10
Sobresaliente, notable, aprobado,
suspenso
0,110
0
Si, pendiente, no
Si, no

Ejemplos de reglas:

Regla 1: si nota > 9, entonces calificacin =
sobresaliente.
Regla 2: si puesto < 20 o nota > 7 , entonces
admitir = si y notificar = si.
La base de conocimiento
IA I - 20
2.3.3 Encadenamiento de Reglas

Se utiliza para obtener conclusiones compuestas.
Se puede usar cuando las premisas de
ciertas reglas coinciden con las conclusiones de
otras. Cuando se encadenan las reglas, los
hechos pueden utilizarse para dar lugar a nuevos
hechos. Esto se repite sucesivamente hasta
que no puedan obtenerse ms conclusiones.

IA I - 21
Algoritmo de Encadenamiento de reglas:

Datos: Una base de conocimiento (objetos y reglas) y algunos
hechos iniciales.
Resultado: El conjunto de hechos derivados lgicamente de ellos.

1. Asignar a los objetos sus valores conocidos tales como lo dan los
hechos conocidos
o la evidencia.
2. Ejecutar cada regla de la base de conocimiento y concluir nuevos
hechos si es
posible.
3. Repetir la etapa dos hasta que no puedan ser obtenidos nuevos
hechos.

IA I - 22
Ejemplo: Encadenamiento de Reglas:


La regla 1 concluye que C = cierto.
La regla 2 concluye que G = cierto.
La regla 3 concluye que J = cierto.
La regla 4 concluye que K = cierto.
La regla 5 concluye que L = cierto.
La regla 6 concluye que M = cierto.

Puesto que no pueden obtenerse ms
conclusiones el proceso se detiene.
IA I - 23
IA I - 24
SISTEMAS EXPERTOS
PROBABILISTICOS
IA I - 26
SISTEMAS EXPERTOS
PROBABILSTICOS
El motor de inferencia es el corazn de todo
sistema experto
El cometido principal de este componente
es el de sacar conclusiones aplicando el
conocimiento a los datos
Las conclusiones del motor de inferencia
pueden estar basadas en conocimiento
determinista o conocimiento probabilstico
IA I - 27
SISTEMAS EXPERTOS
PROBABILSTICOS
El tratamiento de situaciones de incertidumbre
(probabilsticas) puede ser considerablemente
ms difcil que el tratamiento de situaciones
ciertas (deterministas)
En muchos casos, algunos hechos (datos) no se
conocen con absoluta certeza.
Puede darse el caso de tener que trabajar con
conocimiento de tipo no determinista, es decir,
de casos en los que se dispone slo de
informacin aleatoria o difusa.
IA I - 28
SISTEMAS EXPERTOS
PROBABILSTICOS
El motor de inferencia es tambin
responsable de la propagacin de este
conocimiento incierto
De hecho, en los sistemas expertos basados
en probabilidad, la propagacin de
incertidumbre es la tarea principal del motor
de inferencia, que permite sacar
conclusiones bajo incertidumbre
IA I - 29
Esta tarea es tan compleja que da lugar a
que sta sea probablemente la componente
ms dbil de casi todos los sistemas
expertos existentes
SISTEMAS EXPERTOS
PROBABILSTICOS
IA I - 30
INTRODUCIENDO
INCERTIDUMBRE
En la mayor parte de las aplicaciones, la
incertidumbre es lo comn y no la
excepcin
A los sistemas expertos que tratan este tipo
de situaciones en forma efectiva se llaman
sistemas expertos basados en
probabilidad
IA I - 31
INTRODUCIENDO
INCERTIDUMBRE
En los primeros sistemas expertos, se eligi
la probabilidad como medida para tratar la
incertidumbre.
Pero muy pronto se encontraron algunos
problemas, debidos al uso incorrecto de
algunas hiptesis de independencia
utilizadas para reducir la complejidad de los
clculos.
IA I - 32