0 IntroSBC

Sistemas Basados en el Conocimiento
Departamento de Informtica e Ingeniera de Sistemas

C.P.S. Universidad de Zaragoza
Copyright 1999 Jos Angel Baares
ltima revisin: Nov. 2009
ISBC
1. Introduccin
Breve Historia de la IA
Componentes de un SE
2. Desarrollo de SBC
2.1 Niveles para describir SBC
2.2 Clasificacin de tareas
2.3 Tcnicas de resolucin de problemas
Bsquedas
Razonamiento basado en el conocimiento
Sistemas de Mantenimiento de la verdad
Razonamiento bajo incertidumbre
Tcnicas avanzadas de razonamiento
3. Proceso de desarrollo
4. Herramientas
5. Revisin histrica de los SEs
IA. Jos Angel BaaresII-99.
Sistemas Basados en el Conocimiento.ppt
11/1/1998
ISBC
Introduccin
Breve Historia de la IA
El periodo Clsico
Desde los 50 hasta los 60 la IA se centr en resolutores de Problemas

Genricos
Bsqueda en el espacio de estados
El periodo Romntico
Desde mediados de los 60 hasta mediados de los 70 se centran en

modelar el comportamiento humano al resolver problemas
Exploracin de diferentes formas de representar hechos y principios
sobre el mundo para emplearse en un computador
Reglas, redes semnticas, objetos/frames, frmulas
lgicas.
En la actualidad
Representar explcitamente el conocimiento relevante

- Tcnicas para representar el conocimiento en mdulos
que se activan por patrones.
- No se piensa en mecanismos de inferencia sofisticados
ni en complejas funciones de evaluacin.
11/1/1998
ISBC
IA en el Futuro
Proyectando las tendencias actuales en el futuro, pienso que

habr un nuevo nfasis sobre sistemas autnomos- robots y
softbots. Softbots son angentes software que navegan por
Internet, buscando informacin que pueda ser interesante para
sus usuarios. La presin para mejorar las capacidades de los
robots y los agentes software motivarn y guiarn la investigacin
en IA durante los prximos aos.
(Artificial Intelligence, A new Synthesis. Nilsson 1998)
11/1/1998
ISBC
Sistemas Basados en el Conocimiento
Sistema Experto Basado en el Conocimiento

Programa que se comporta como un experto en un dominio
de aplicacin
Un experto reduce rpidamente la bsqueda al reconocer

situaciones (patrones) y utilizar los mtodos y reglas
adecuados para descubrir la solucin.
El conocimiento heurstico no representa un anlisis en

profundidad del problema, sino una solucin aceptable
El nmero de posibilidades a analizar es grande

La funcin algortmica de evaluacin de cada posibilidad es
demasiado compleja o desconocida.
El conocimiento heurstico en los sistemas expertos
No se refiere a conocimiento general para guiar la bsqueda

Es el conocimiento especfico aplicable a cada situacin
especfica del dominio.
11/1/1998
ISBC
Solucin heurstica / algortmica
Diferencias entre la solucin algortmica y heurstica

El constructor determina el precio de una casa mediante una
anlisis detallado
suma materiales, llamada a proveedores para obtener precios,
evaluacin de precios de subcontratistas, estimar contingencias
razonables, etc.
Ventajas: El presupuesto es correcto
Desventaja: El posible comprador quiere el presupuesto HOY
El constructor tiene gran experiencia en presupuestos y

estima el precio comparando la construccin con otras
realizadas
Recuerda el precio de una casa de los mismo metros cuadrados
Busca diferencias que podran reducir o bajar el precio
Aade una piscina => un 1000000 mas
Los muebles de la cocina de pino en vez de roble => 150000 menos
Un bao menos => 800000 menos
11/1/1998
ISBC
2. Componentes de SBC
Hechos
Interfaz
usuario
usuario
Base de
conocimiento
Reglas
Explicacin
Intrprete
Plan
pizarra Agenda
Planificador
Solucion
Mantenimiento
consistencia
11/1/1998
ISBC
Explicacin componentes
Interfaz de usuario: El usuario interacta con el SE en un lenguaje propio

del tipo de problema
Pizarra: almacena hiptesis y decisiones intermedios que manipula el SE
Plan: Plan general de solucin del problema.
Agenda : Reglas relevantes para la situacin en curso .
Solucin: Hiptesis candidatas y decisiones generadas hasta el momento
Planificador: Determina cual es la accin pendiente que se ejecutar a
continuacin. El intrprete: Ejecuta la regla escogida.
Mantenimiento de la consistencia: Mantiene una representacin
consistente de la solucin mediante:
Revisin de la probabilidad de una solucin cuando se introducen nuevos

hechos.
Sistemas de mantenimiento de la verdad cuando las soluciones son
deducciones lgicas
El modulo de explicacin: Explica el porqu de las acciones del sistema

Reglas y hechos: Registran reglas, hecho e informacin del dominio
11/1/1998
ISBC
Componente de Explicacin
Un SE debe contar con una componente de explicacin

La respuesta puede ser potencialmente daina
Es una forma comprensible de chequear el comportamiento
Tutores
SE
R.I
.P.
Una componente de SE debe idealmente

Poder responder a preguntas como las siguiente
Cmo se tom o no cierta decisin? Cuando, cmo y porqu
se utiliza una informacin determinada? Qu decisin se tomo
ante un subproblema?
Ser fcil de usar

Dar respuestas comprensibles y completas
11/1/1998
ISBC
Programas convencionales y SBC
Programas: Sentencias sobre datos que se realizan en un

orden predeterminado.
Solucin nica
Para el usuario el programa es una caja negra
Programas = Estructuras de Datos + Algoritmos

SBC: Se distingue el conocimiento del dominio de la
estrategia de control
Esto permite la incorporacin de ms conocimiento sin
manipular la estructura global del sistema
Se pueden obtener varias soluciones
El programa puede explicar como llega a su solucin.
SBC = Conocimiento + Control

11/1/1998
10
ISBC
2. Desarrollo de un SBC
Se pueden clasificar las aplicaciones de SEs sobre la base

de caractersticas de las tareas o del dominio?
Se pueden identificar mtodos de resolucin de problemas
bien diferenciados que sean tiles para ciertas clases de
aplicaciones de SEs?
Podemos identificar estilos de representacin e inferencia
ms adecuados para un mtodo de resolucin de problemas
dado?
11/1/1998
11
2.1 Niveles de descripcin
ISBC
Especificacin
Especificacin
Solucin
Tarea
Configuracin
...
Diagnstico
Definicin del
Problema
Clasificacin
Mtodo de resolucin
Objetivos
y datos
Abstracciones
Simulacin
cualitativa
Seleccionar
tipo de problema
Seleccionar
mtodo
...
Seleccionar
Representacin
Base de conocimiento
Heursticas
Relaciones
causales
Cuantitativa
Seleccionar
paradigma
Herramienta
Orientada
a Objeto
..
Basada en
reglas
11/1/1998
12
ISBC
Niveles de descripcin
El desarrollo de un SBC puede verse como un proceso de

transformacin desde el nivel de especificacin al de
herramienta
Nivel de Especificacin: Se describe el problema, las
restricciones sobre el problema y la solucin.
Nivel de Tarea: Se describe los tipos de problemas, como
diagnstico, planificacin, etc.
Nivel de resolucin del Problema: Estrategias de resolucin
que se utilizan para resolver las diferentes tareas
Nivel de Base de conocimiento: Heursticas, asociaciones
causales, relaciones matemticas describiendo fenmenos
fsicos.
Nivel de Herramienta: Implementacin del SBC
11/1/1998
13
ISBC
2.2 Clasificacin de las tareas
Clasificacin de Hayes-Roth y col (1983)

Interpretacin: Anlisis de datos para determinar su significado.
Con frecuencia la informacin lleva asociada incertidumbre
Prediccin: Inferir el futuro a partir de situaciones o eventos. Por

ejemplo, prediccin del tiempo o prediccin financiera.
Diagnstico: Deduce fallos a partir de sntomas. Incluye un amplio

espectro de aplicaciones mdicas, mecnicas, y electrnicas.
Diseo: Desarrolla configuraciones de objetos que satisfacen ciertas

restricciones. Por ejemplo, diseo de circuitos, o disposicin de
maquinaria en un espacio reducido.
Planificacin: Genera secuencias de acciones para lograr

objetivos.
Monitorizacin: Observacin del comportamiento del sistema.

Depuracin y Reparacin: Generar remedios para fallos de
sistemas.
Instruccin: Sistemas tutores

Control: Se anticipa a problemas, planifica soluciones y monitoriza.
11/1/1998
14
ISBC
Clasificacin por operaciones genricas
Clancey (1985) Propone un anlisis alternativo en trmino de

operaciones genricas sobre el sistema:
Operaciones sintticas que construyen un sistema
Operaciones analticas que interpretan un sistema
Diagnstico
Diagnstico
Planificacin
Planificacin
Interpretacin
Interpretacin
Monitorizacin
Monitorizacin
Diseo
Diseo
Control
Control
Educacin
Educacin
Simulacin
Simulacin
analticas
analticas
Constructivas
Constructivas
11/1/1998
15
ISBC
Clasificacin
Clasificacin: Proceso que selecciona soluciones, entre un conjunto de soluciones

preestablecidas, a partir de datos reconocidos.
Se utiliza en gran cantidad de tareas como diagnstico de enfermedades o
evaluacin prospectiva de depsistos de minales.
Datos
Abstraidos
Emparejamiento
Abstraccin
Datos
Datos
Soluciones
Abstraidas
Refinamiento
Solucin
Soluciones
11/1/1998
16
ISBC
Configuracin
Configuracin:Selecciona partes y los junta.

Se utiliza para construir planes de fabricacin o recomendaciones de terpias
Emparejamiento
especificacin/estructura
Especificaciones
Soluciones
Abstraidas y parciales
Especificaciones
Adicionales
Submodelo
funcionalidades
Soluciones
Refinadas y Expandidas
Submodelo
de Partes
Especificaciones
Espacio de configuracin
Submodelo
de configuracin
11/1/1998
17
ISBC
2.3 Nivel de resolucin de Problemas

Tcnicas
Tcnicasde
deresolucin
resolucin
yyarquitecturas
arquitecturas
Basadas
Basadasen
en
Bsqueda
Bsqueda
Simple
Simple
Basadas
Basadasen
en
elelConocimiento
Conocimiento
*Profundidad
*Profundidad
*Anchura
*Anchura
*Genete-and-Test
*Genete-and-Test
*Satisfaccin
*Satisfaccin
restricciones
restricciones
*Aleatoria
*Aleatoria
*Forward
*ForwardChainig
Chainig
*Backward
*BackwardChainig
Chainig
*Prueba
*PruebaTeoremas
Teoremas
*GPS
*GPS(MEA
(MEA++OS)
OS)
No
NoEstoctica
Estoctica
Evaluacin
Evaluacin
*TMS
*TMS
*Manejo
*Manejo
restricciones
restricciones
*Escalada
*Escalada
*Primero
*Primeroelelmejor
mejor
* *A*
A*
Estoctica
Estoctica
*Simulated
*SimulatedAnnealing
Annealing
*Algo.
Genticos
*Algo. Genticos
Juegos
Juegos
*FC
*FC
*Bayes
*Bayes
*Fuzzy
*Fuzzy
*Dempster-Shaper
*Dempster-Shaper
Objetivos
Objetivos
yydatos
datos
Mantenimiento
Mantenimiento
consistencia
consistencia
*Refinamiento
*Refinamiento
Jerrquico
Jerrquico
Abstracciones
*Heuristic-incAbstracciones
*Heuristic-incgenerate&test
generate&test
Inexacto
Inexacto
Otros
Otros
11/1/1998
18
ISBC
Nivel de resolucin de Problemas

f(n) = d(n) + h(n)
Bsquedas
Bsquedas ciega
Direccin:
Dirigida por objetivo, Dirigida por datos, Bidireccional
Orden sistemtico de visita de nodos: Profundidad y Anchura
Bsqueda heurstica
Informacin especfica del dominio que gua la bsqueda
Funcin de evaluacin que da una estimacin del esfuerzo que

supone seguir un camino.
Las funciones de evaluacin deben caracterizar el espacio de

estados adecuadamente
Es engaoso pensar que una simple funcin aritmtica como estilo de

representacin del conocimiento es suficiente. Los sistemas expertos
utilizan grandes cantidades de conocimiento simblico
.
11/1/1998
19
ISBC
Razonamiento Basado en el
Conocimiento
Razonamiento basado en el conocimiento

El razonamiento basado en el conocimiento
montono
suele ser no
Requiere razonar con conocimiento impreciso

Considerar Justificaciones y hacer tentativas sobre creencias
Este razonamiento dinmico requiere gran cantidad de
conocimiento
comida
queso
Emmental
Bola
regla 101
Si huele a queso por aqui y
no veo trampas
entonces merodear cerca
regla 103
Si ya he pasado por aqui
entonces intentar otra alternativa
11/1/1998
20
ISBC
Razonamiento BC (cont.)
Suposiciones y compromisos
Los expertos actan con recursos de tiempo y conocimiento
limitado
El sentido comn permite extraer conclusiones a partir de
informaciones parciales, y la gente acepta conclusiones
aceptables para las cuales no tiene prueba.
El sentido comn requiere que el sistema sea capaz de revisar
sus creencias a la luz de nueva informacin
=> Razonamiento No monoto
11/1/1998
21
ISBC
Sistema de razonamiento no
montono
Dependencias y Justificaciones
Para revisar sus creencias frente a nuevas informaciones, el resolutor

debe razonar sobre dependencias entre sus
creencias.
Estas tcnicas son una extensin del backtraking en bsqueda
Un fallo en la bsqueda da lugar a backtracking:

Eliminacin de todas las acciones e inferencias desde el punto de eleccin
ms reciente y continuar con la siguiente alternativa.
Debido al orden LIFO del backtraking la memoria de las creencias activas se
puede implementar como una pila.
Backtraking cronolgico es ineficiente porque la razn del fallo se olvidan
cuando se abandona el camino
Ejemplo del robot Robie
El robot tiene como objetivo coger un bloque. Levanta la
mano derecha. Se mueve hasta donde est el bloque. Coge
el bloque con su mano derecha, pero est muy calienta y se
quema la mano. Deja el bloque, baja la mano y retrocede.
Levanta la mano izquierda, se mueve hasta donde est el
bloque. Coge el bloque con su mano izquierda, pero ...
11/1/1998
22
ISBC
montono
Desafortunadamente, en muchos dominios de problemas no es

posible crear modelos completos, consistentes e inalterables
La historia del asesino ABC ilustra con claridad muchos
aspectos fundamentales que estas tcnicas deben proporciona
[The Web of Belief de Quine y Ullian 1978]:
Sean Abbott, Babbitt y Cabot los sospechosos en un caso de
asesinato. Abbott tiene una coartada en el registro de un
respetable hotel de Albany. Babbitt tambin tiene una coartada, la
de su cuado, al cual estaba viendo en Brooklyn en el momento
del crimen. Cabbott defiende tambin su coartada, asegurando
que se encontraba viendo un campeonato de esqu en Catskills,
pero slo puede aportar su propio testimonio. Por lo tanto,
creemos:
(1) Que Abbot no cometi el crimen
(2) Que Babbit no lo hizo
(3) Que o Abbott o Babbitt o Cabot lo hizo
11/1/1998
23
ISBC
montono
En principio el sospechoso principal es Cabot, pero ...
... Cabot puede posteriormente presentar pruebas de su

coartada. Tuvo muy buena suerte y fue captado por las cmaras
de TV en las gradas de la pista. De esta forma aparece una
nueva creencia que es:
(4) Cabot no lo hizo.
Las creencias (1) a (4) son inconsistentes, por lo que una debe
desestimarse. Cul es la evidencia ms dbil?
La base de (1) en un hotel es buena, ya que se trata de un hotel
prestigioso.
La base (2) es ms dbil, ya que puede ser que el cuado de Babbitt
est mintiendo.
La base de (3) es doble: No existen signos de robo y slo Abbott,
Babbitt y Cabot parecen salir beneficiados con el asesinato.
La base de (4) es concluyente
11/1/1998
24
ISBC
Dependencias y Justificaciones
Se debe seguir la pista de los pasos de inferencia que dieron

lugar a errores e inconsistencias
Registro de los paso inferenciales => Registros de dependencia
Un mtodo de bsqueda que analice dependencias y decide qu

invalidar se llama no cronolgica o dirigida por dependencias.
Elementos de los registros de dependencia: Creencias, reglas de

inferencia y justificaciones
Si se encuentra que q es falso el sistema permitir eliminar p o
( p v q)
verdad
p v q
justificacin
verdad
justificacin
regla
pvq
verdad
justificacin
11/1/1998
25
ISBC
Razonamiento Bajo incertidumbre

Los tipos de incertidumbre que pueden ocurrir en un SBC son
Los datos necesarios no estn disponibles

Hay datos poco fiables o ambiguos debido a errores en las medidas o
distintas medidas en conflicto
La representacin de los datos no es precisa
Los datos son adivinados por el usuario o por el experto a partir de
valores razonable o estadsticos
Los datos don valores por defecto y puede haber excepciones.
Normalmente se debe razonar con datos sobre los que existe

cierto grado de incertidumbre
Cmo se representa la incertidumbre de los datos?

Cmo se combina la incertidumbre de dos o ms datos?
Como se razona con datos con incertidumbre?
Se han propuesto diferentes mtodos numricos
Modelos Bayesianos, Factores de certidumbre, Lgica Fuzzy, Teora

de la Evidencia de Dempster-Shafer
11/1/1998
26
ISBC
Incertidumbre (cont.)
Modelo de Bayes => Teora clsica de la probabilidad
Teorema de Bayes: P(H | E) = P (E | H) * P(H) / P(E)

Ejemplo: Qu podemos decir si observamos que el paciente estornuda?
SI el paciente tiene un catarro ENTONCES estornudar (0.75)
* Supongamos que conocemos que

P(H)=P(paciente este acatarrado) = 0.2
P(E | H)= P(Paciente estornude | paciente tiene catarro) = 0.75
P(E | ~H)= P(Paciente estornude | paciente no tiene catarro) =
0.2
*ENTONCES
podemos deducir
P(E) = P(paciente estornude) =

P(E | H) * P(H) +P(E | ~H ) * P(~H) = 0.75*0.2 + 0.2*0.8= 0.31
P(H | E) =P(Paciente est acatarrado | paciente estornuda) =
0.75 * 0.2 / 0.31 = 0.48387
P(H | ~E) =P(Paciente est acatarrado | paciente no estornuda)
=
P (H | ~E) * P(H) / P(~E) = (1 - 0.75) * 0.2 / (1 - 0.31) =
0.07246
Estornudar multiplica la probabilidad de estar acatarrado por
2.5
No estornudar divide la probabilidad de estar acatarrado por 3
11/1/1998
27
ISBC
Incertidumbre, Modelos probabilisticos
Problemas de los mtodos Bayesianos

Requieren una gran cantidad de datos para construir una base
de conocimiento =>
Las redes Bayesianas reducen el nmero de
probabilidades requeridas. Una red Bayesiana es
un grafo que muestra las dependencias entre las
variables.
En que se basan las probabilidades a priori y condicionadas?

Muestra estadstica grande
Valor suministrado por un experto
No son capaces de explicar el proceso de razonamiento

Los sistemas de diagnstico mdico basados en
Bayes no son aceptados porque no explican
como llegan a las conclusiones.
11/1/1998
28
ISBC
Tcnicas de razonamiento Avanzadas
Razonamiento basado en el modelo

Representan los sistmas fsicos mediante su estructura y
funcionalidad. Razona utilizando principios bsicos de ingeniera
y ciencias
Tipos de modelos: Ecuaciones, Estocsticos, y modelos
causales (Centrados en dispositivos).
Conocimiento profundo en lugar de conocimiento superficial
sobre el comportamiento del sistema.
EJEMPLO Aplicacin tpica: Diagnstico de circuitos digitales.
Un tcnico de reparacin de televisores expertimentado utiliza:
*Unas pocas medidas en los dispositivos
* Con su conocimiento de dispositivos puede
mirar un esquema de la
televisin e identificar
el componente que falla
11/1/1998
29
ISBC
Tcnicas de razonamiento Avanzadas
Razonamiento Cualitativo
Simulacin cuantitativa: Modelado del comportamiento exacto
mediante la descripcin completa y determinista de sus
parmetros.
Simulacin cualitativa de un sistema: Determina slo sus
posibles estados generales basndose en algunas restricciones.
Razonamiento basado en casos

Objetivo: Reemplazar el conocimiento de un experto con una
base de datos de casos
11/1/1998
30
ISBC
3. Proceso de desarrollo
Adecuacin de una aproximacin basada en el conocimiento

No hay una solucin algortmica
La tarea del dominio la realizan expertos
Los expertos no son simples aficionados
La tarea no debe ser ni muy difcil ni muy complicada para el
experto
El problema no debe requerir sentido comn
La utilizacin del SBC reportar beneficios
11/1/1998
31
ISBC
Proceso de desarrollo
IDENTIFICACIN
IDENTIFICACIN
Cules
son
las
Cules son lascaractersticas
caractersticasdel
deldominio?
dominio?
Cul
es
su
mbito?
Cul es su mbito?
Quienes
participarn
Quienes participarnyycon
conque
querecursos?
recursos?
CONCEPTUALIZACIN
CONCEPTUALIZACIN
Qu
informacin
Qu informacinyytcnicas
tcnicasutiliza
utilizaelelexperto?
experto?
FORMALIZACIN
FORMALIZACIN
Cmo
encajan
Cmo encajanestas
estastcnicas
tcnicasen
enlas
lasestructuras
estructuras
yyestrategias
de
los
sistemas
expertos?
estrategias de los sistemas expertos?
IMPLEMENTACIN
IMPLEMENTACIN
Acquiere
Acquiereyycomprueba
compruebaiterativamente
iterativamente
las
habilidades
del
las habilidades delsistema
sistema
CHEQUEO
CHEQUEO
Test
de
comprobacin
Test de comprobacinfinal
final
11/1/1998
32
ISBC
Pasos principales:
Identificacin: Caracterizacin de los aspectos ms importantes del
dominio del problema
Conceptualizacin: Se extraen los conceptos, subtareas y

restricciones necesarias para resolver el problema.
Ingeniero del Conocimiento: Persona que traslada el
conocimiento de un experto a algn formalismo.
Es til un modelo conceptual (mental) entre el experto y el
implementador.
Modelo
Conceptual
Adquisicin del
conocimiento
Conocimiento
del
Experto
Programacin
Sistema
Implementado
if p(x) ^ q(x, y)
then r(y)
motor de inferencia
if u(x) ^ v(x, y)
then s(y)
if r(x) ^ sq(x, y)
then t(y)
11/1/1998
33
ISBC
Formalizacin: Los conceptos de la etapa de conceptualizacin se

representan con las herramientas y esquemas de representacin
disponibles.
Herramienta de adquisicin?, chequeos de la base de datos?,
Reglas? Redes semnticas?, Frames?, Esquema de
razonamiento?, Mdulo de explicacin? ...
Implementacin:
Desarrollo de una herramienta de propsito especfico
Utilizacin de algn shell para el desarrollo de SEs.
Verificacin y refinamiento:
El prototipo es comprobado con el experto.
11/1/1998
34
ISBC
Dos aproximaciones
Prototipado:
Es el mtodo ms popular para el desarrollo de SBC
- Depende mucho ms de la involucracin de los
usuarios
- Necesidad de comprobar el comportamiento del
sistema segn se desarrolla
- Adquisicin del conocimiento y desarrollo del
software se pueden combinar en el prototipado
Problemas: Desarrollo ad hoc e indisciplinado
Estructurado:
KADS (Knowledge Acquisition and Design process):
- Metodologa de modelado, con una
fase
rigurosa de anlisis antes del diseo
- El prototipado se utiliza para experimentar, no
como metodoga
11/1/1998
35
ISBC
Lisp
C
Ada
Lenguajes
tradicionales
4. Herramientas
Reglas
OPS5
Lgica:
PROLOG
Objetos:
Smalltalk-80
C++
Java
Un paradigma de
programacin
LOOPS
CLIPS
K-CRAFT
ART
NEXPERT
KAPPA
CLOS
Integran distintos
paradigmas
Cmo hacer una tarea
KEE
VPEXPERT
PC+
Shells
Qu tarea hacer
11/1/1998
36
ISBC
5. Revisin histrica de los SEs
GPS (Newell 1963)
Bsqueda secuencia de operadores que eliminan la diferencia entre

un estado inicial y un estado objetivo
Separacin entre el conocimiento y como utilizarlo
DENDRAL (Universidad de Standford, finales 60-70)
Utilizacin de conocimiento especfico del dominio

Infiere la estructura molecular a partir del anlisis de espectogrfico
de masas mediante resonancia magntica.
Variacin de la estrategia generate&test.
SAINT, MACSYMA (MIT, 1961-1971)
Matemticas simblicas, clculo diferencial e integral.

Incorporacin de cientos de reglas utilizadas por expertos
11/1/1998
37
ISBC
Revisin histrica de los SEs
MYCIN (Univ Standford, 1976)

Diagnstico y tratamiento de desordenes de la sangre
Alrededor de 400 reglas que relaciones condiciones a posibles
interpretaciones
Separa base de conocimiento del motor de inferencia.
EMYCIN: Empty MYCIN

TERESIAS: UN programa que asiste en la construccin de grandes bases
de conocimiento.
PROSPECTOR (SRI, 1979-1981)

Ayuda a la exploracin geolgica. Proceso de clasificacin dirigido por
los datos.
HERSAY II (Carnegie-Mellon, 1980)
Comprensin del lenguaje hablado.
Arquitectura de pizarra.
OTROS:
Medicina CASNET, INTERNIST, PUFF
Fabricacin: XCON
11/1/1998
38
ISBC
Tiempos empleados
50
Dendral
Aos-Persona
40
Macsyma
30
Internist
Mycin
20
Harpy
Prospector
Casnet
10
Puff
0
1965
Ao de comienzo
1970
1975
Xcon
1980
11/1/1998
39
ISBC
Bibliografa
- Building Expert Systems. Frederick Hayes-Roth, Donald A. Waterman,

Douglas B. Lenant. Addison-Wesley 1983
- Intelligent Systems for Engineering. Ram D. Sriram. Springer-Verlag
1997.
- Introduction to Expert Systems. 2nd Edition. Peter Jackson. AddisonWesley 1990
- The Engineering of Knowledge-Based Systems. Theory and Practice.
Avelino J. Gonzalez and Douglas D. Dankel. Prentice-Hall 1993
- Introduction to Knowledge Systems. Stefik, M. Morgan Kaufmann, 1995.
11/1/1998
40

0 IntroSBC

Uploaded by

Document Information

Original Title

Copyright

Available Formats

Share this document

Share or Embed Document

Sharing Options

Did you find this document useful?

Is this content inappropriate?

Copyright:

Available Formats

0 IntroSBC

Uploaded by

Copyright:

Available Formats

Sistemas Basados en el Conocimiento

Departamento de Informtica e Ingeniera de Sistemas

Copyright 1999 Jos Angel Baares

ltima revisin: Nov. 2009

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

Desde los 50 hasta los 60 la IA se centr en resolutores de Problemas

Desde mediados de los 60 hasta mediados de los 70 se centran en

Representar explcitamente el conocimiento relevante

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

Proyectando las tendencias actuales en el futuro, pienso que

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

Sistemas Basados en el Conocimiento

Sistema Experto Basado en el Conocimiento

Un experto reduce rpidamente la bsqueda al reconocer

El conocimiento heurstico no representa un anlisis en

El nmero de posibilidades a analizar es grande

El conocimiento heurstico en los sistemas expertos

No se refiere a conocimiento general para guiar la bsqueda

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

Solucin heurstica / algortmica

Diferencias entre la solucin algortmica y heurstica

El constructor tiene gran experiencia en presupuestos y

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

Interfaz de usuario: El usuario interacta con el SE en un lenguaje propio

Revisin de la probabilidad de una solucin cuando se introducen nuevos

El modulo de explicacin: Explica el porqu de las acciones del sistema

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

Un SE debe contar con una componente de explicacin

Una componente de SE debe idealmente

Ser fcil de usar

Sistemas Basados en el Conocimiento.ppt

Programas convencionales y SBC

Programas: Sentencias sobre datos que se realizan en un

Programas = Estructuras de Datos + Algoritmos

SBC = Conocimiento + Control

Sistemas Basados en el Conocimiento.ppt

Se pueden clasificar las aplicaciones de SEs sobre la base

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

2.1 Niveles de descripcin

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

El desarrollo de un SBC puede verse como un proceso de

IA. Jos Angel BaaresII-99.

Sistemas Basados en el Conocimiento.ppt

2.2 Clasificacin de las tareas

Clasificacin de Hayes-Roth y col (1983)

Prediccin: Inferir el futuro a partir de situaciones o eventos. Por

Diagnstico: Deduce fallos a partir de sntomas. Incluye un amplio

Diseo: Desarrolla configuraciones de objetos que satisfacen ciertas

Planificacin: Genera secuencias de acciones para lograr

Monitorizacin: Observacin del comportamiento del sistema.

Instruccin: Sistemas tutores

Sistemas Basados en el Conocimiento.ppt

Clasificacin por operaciones genricas

Clancey (1985) Propone un anlisis alternativo en trmino de

Clasificacin: Proceso que selecciona soluciones, entre un conjunto de soluciones