Inteligencia artificial

Inte

ligen

cia

Art

ifici

al

Sistemas de producción/razonamiento

Rn: SI condiciónENTONCES acción

condición = {afirmaciones simples-identidad objeto}

acción = {conclusión identificación del objeto}

Inte

ligen

cia

Art

ifici

al

Pares de condición-acciónSI condición (o premisa o antecedente) ocurre;ENTONCES acción (resultado, conclusión oconsecuente) deberá (o debería) ocurrir.

Pueden ser vistas como una simulación delcomportamiento cognitivo de especialistas humanos.

Cada regla representa un “pedazo” de conocimientoindependiente.

Representan el conocimiento de forma modular.

Inte

ligen

cia

Art

ifici

al

Sistemas de razonamiento

Utilizan:Lenguaje de representación de conocimiento (KRL)

Lenguaje lógicoLógica proposicionalLógica de 1er ordenLógica temporal

Lenguaje objetosFrames (marcos)Redes semánticasScripts (guiones) - De clases - De actores

Reglas de producción

Inte

ligen

cia

Art

ifici

al

Deducción: a partir de hechos de conocimientorepresentados adecuadamente, se utilizan reglas deinferencia válidas para generar nuevos hechos.

Ej.: SI hay fuego, habrá humo.

Abducción: inverso de deducción.Ej.: SI hay humo, hay fuego.

Tipos de inferencia

Inte

ligen

cia

Art

ifici

al

Inducción: Se parte de los hechos en reglas generales.Ej.: SI Isabel no canta bien, y también Sheila no cantabien, ENTONCES ninguna alumna canta bien.

Analógico: Resolución basada en experiencias pasadas.Ej.: Demostración automática de teoremas.

Inte

ligen

cia

Art

ifici

al

Probadores de teoremasUtilizan resolución para probar sentencias en lógica de 1erorden.Usados para tareas matemáticas y de razonamiento científico.

Ejemplos: SAM, AURA, OTTER.

Lenguajes de programación lógicaRestringen a la lógica, no permiten el tratamiento completo de lanegación, disyunción y/o igualdad.Generalmente usan encadenamiento regresivo.Pueden poseer algunas características no lógicas de loslenguajes de programación.

Ejemplos: Prolog, MRS, Life.

Sistemas de razonamiento

Inte

ligen

cia

Art

ifici

al

Sistemas de redes semánticasConsisten en nodos conectados por arcos, donde los nodosrepresentan usualmente objetos del mundo y los arcos unarelación binaria entre ellos.

Ejemplos: SNEPS, NETL, Conceptual Graphs.

Sistemas framesConsisten en una jerarquía de frames (marcos) conectados poratributos, donde los frames representan objetos del mundo y losatributos muestran usualmente la relación entre ellos.

Ejemplos: OWL, FRAIL, KODIAK.

Sistemas de razonamiento

Inte

ligen

cia

Art

ifici

al

Sistemas de lógica descriptivaExpresan y razonan con definiciones complejas de objetos yclases y, relaciones entre ellas, utilizando redes semánticascomo principio de organización.

Ejemplos: KL-ONE, CLASSIC, LOOM.

Sistemas de producción

Son representaciones de patrones de sistemas que usanimplicaciones.Las acciones son consecuencias de las implicaciones.Las acciones pueden ser insertadas y removidas de las basesde conocimiento.Utilizan encadenamiento progresivo.Usualmente poseen mecanismos de resolución de conflictos.

Ejemplos: OPS-5, CLIPS, SOLAR.

Sistemas de razonamiento

Inte

ligen

cia

Art

ifici

al

Arquitectura: sistema de razonamiento

Agentesensores

efectores

a m

b i

e n

t e Base de conocimientoMáquina de inferencia

Mecanismo de aprendizaje

Inte

ligen

cia

Art

ifici

al

Operaciones básicas en los sistemas derazonamiento

Adicionar un hecho nuevo a la base de conocimiento.

Adicionar nuevas reglas (Un hecho nuevo, genera nuevasconclusiones).

Decidir si una base de conocimiento atiende a una consultarealizada.

Decidir si una consulta está explícitamente almacenada enla base de conocimiento.

Remover hechos y reglas de la base de conocimiento.

Inte

ligen

cia

Art

ifici

al

Mantenimiento: base de conocimiento

Técnicas para mantener una base de conocimientocon recuperación eficiente:

UnificaciónRecuperaciónIndexación

Basada en tablasBasada en árboles

Inte

ligen

cia

Art

ifici

al

Encadenamiento progresivo y regresivo

A través del encadenamiento, poder adicionar un nuevohecho p a una base de conocimiento.

A través de inferencia, encontrar respuestas para lascuestiones hechas a la base de conocimiento.

Usar denominación.

Ex.: Practica (x, Natación) y Practica (y, Natación) - son

denominaciones Practica (x, x) e Practica (x,y) - no son denominaciones

Usar composición de sustituciones.

Inte

ligen

cia

Art

ifici

al

Modos de razonamiento

Encadenamiento progresivo (Forward Chaining):Se parte de sentencias (reglas de inferencia) de la base deconocimiento para producir conclusiones (afirmaciones);También se llama procedimiento dirigido a datos (Data Driven),pues el proceso de inferencia no es direccionado para resolverun problema particular.

Encadenamiento regresivo (Backward Chaining):Se parte de una hipótesis a probar, procurando reglas en labase de conocimiento retroactivamente para analizar lasasertivas que soportan la hipótesis en cuestión;SI la premisa (antecedente) es una conjunción, sus términos sonprocesados uno a uno para que sea obtenido o sea unificador.

Inte

ligen

cia

Art

ifici

al

Conocimiento• hechos• reglas de producción• Redes semánticas• Frames• estrategias de resolución deproblemas• estrategias de recuperación...

Conocimiento del problema* aserciones relevantes• reglas relevantes...

Metaconocimiento• como activar unconocimiento relevante

Base de conocimiento

Datos simbólicos• hipótesis actuales• objetivos actuales• estado actual delproblema...

Agenda• conjunto de posiblesreglas a ser aplicadas

Memoria de trabajo

Mecanismode

Inferencia

Arquitectura

Inte

ligen

cia

Art

ifici

al

ComponentesMemoria de trabajo de un sistema consiste en unacolección de asertivas verdaderas.

Base de reglas es el conjunto de sentencias (reglas deinferencia) que determinan las acciones que deben tomarsede acuerdo con las percepciones.

Motor de inferencia es la parte del sistema que determinael método de razonamiento, utiliza estrategias de búsqueday resuelve conflictos.

Sistemas de producción

Inte

ligen

cia

Art

ifici

al

Funcionamiento de los sistemas deproducción

Tres fases: casamiento, resolución de conflictos yejecución.

CasamientoEl sistema, en cada ciclo computa un subconjunto de reglascuya izquierda es satisfecha por los contenidos actuales dela memoria de trabajo.

La forma más simple de realizar unificación y eficiencia,entonces como solución tenemos el algoritmo Rete (rede).

Ventajas del algoritmo Rete: elimina duplicación entre reglas; elimina duplicación a lo largo del tiempo.

Inte

ligen

cia

Art

ifici

al

Resolución de conflictosEl sistema decide cuáles reglas deben ser activadas.

En esta fase podemos utilizar algunas estrategias de control:No duplicación: no ejecutar la misma regla ni los mismosargumentos dos veces.Regencia: preferir reglas que se refieren a elementos de lamemoria de trabajo creados recientemente.Especificidad: preferir reglas que son mas específicas.Prioridad de operación: preferir acciones con prioridadmayor, especificada por alguna categoría.

Ejecución de acciones

Funcionamiento de los sistemas deproducción

Inte

ligen

cia

Art

ifici

al

Un sistema deductivo que identifica animales:ZOOKEEPER

Características de ZOOKEEPER:

Utiliza reglas con antecedentes;Genera asertivas intermedias a partir de las reglas;Combina estas asertivas con las originales paraproducir una conclusión;Observa hábitos y características físicas paraidentificar los animales;

Inte

ligen

cia

Art

ifici

al

Reglas:

R1: SI x es carnívoro, x es color leonado, x tienemanchas oscuras ENTONCES x es una ONZAR2: SI x da leche ENTONCES x es mamíferoR3: SI x tiene plumas ENTONCES x es aveR4: SI x vuela, x pone huevos ENTONCES x es ave

Inte

ligen

cia

Art

ifici

al

R5: SI x es ave, x no vuela, x tiene cuello largo ENTONCES x es AVESTRUZR6: SI x es mamífero, x tiene garras, x tienedientes agudos. ENTONCES x es carnívoro.R7: SI x es mamífero, x tiene pezuñas ENTONCES x es ungulado.R8: SI x es mamífero, x rumia. ENTONCES x es ungulado.

Inte

ligen

cia

Art

ifici

al

R9: SI x tiene pelo ENTONCES x es mamíferoR10: SI x es carnívoro, x es color leonado, x tienefranjas negras ENTONCES x es TIGRER11: SI x es ungulado, x tiene patas largas, x tienecuello largo, x es color leonado, x tiene manchasoscurasENTONCES x es JIRAFA

Inte

ligen

cia

Art

ifici

al

R12: SI x es mamífero, x come carne ENTONCES x es carnívoroR13: SI x es ungulado, x es color blanco, x tiene franjas negras ENTONCES x es CEBRAR14: SI x es ave, x no vuela, x nada ENTONCES x es PINGUINO

Inte

ligen

cia

Art

ifici

al

R15: SI x es ave, x vuela, x vive en rocasENTONCES x es ALBATROSR16: SI x es ave, x vuela, x tiene garrasENTONCES x es AGUILAR17: SI x es ave, x vuela, x vive hogarENTONCES x es GALLINA

Inte

ligen

cia

Art

ifici

al

Rk: SI xx1, xx2, xx3, ENTONCES yyy

Rn: SI zz1, zz2, zz3, ENTONCES cxs

Inte

ligen

cia

Art

ifici

al

Encadenamiento progresivo en ZOOKEEPER

Para identificar un animal con ZOOKEEPER:

Hasta que las reglas no produzcan nuevas asertivas;Hasta que el animal sea identificado.Para cada regla

Concordar cada uno de los antecedentes de las reglas con loshechos conocidos.

SI todos los antecedentes de reglas están confrontados,ejecute el consecuente, a menos que ya exista una asertiva

idéntica.Repetir las alternativas que deben ser consultadas.

Inte

ligen

cia

Art

ifici

al

Encadenamiento hacia delante(Progresivo)

HechosH1: z tiene peloH2: z tiene patas largasH3: z rumiaH4: z tiene cuello largoH5: z es color leonadoH6: z tiene manchas oscuras

Inte

ligen

cia

Art

ifici

al

R9 establece que z es un mamífero

R8 concluye que z es ungulado,porque z rumia y es mamífero.

R11 conduce a que z es una jirafa,

Inte

ligen

cia

Art

ifici

al

El flujo de información se da a través de una serie de reglasantecedente-consecuente, a partir de las asertivas para lasconclusiones.

R9Tienepelo

Rumia R8

R11

es un mamífero

es un ungulado

es una jirafa

Tiene piernas largasTiene cuello largoTiene color leonadoTiene manchas oscuras

Inte

ligen

cia

Art

ifici

al

Algoritmo

Enc_adelante() HQ ninguna regla produzca una afirmación o el objetosea identificado

– Seleccionar regla– Comprobar cada antecedente contra hechos conocidos– Si corroborados los antecedentes de la regla, instancie el valor de

la variable en el consecuente (nuevo hecho)

FHQFinEnc_adelante.

Inte

ligen

cia

Art

ifici

al

Encadenamiento hacia atrás

hipótesis: ¿Z es ONZA?hechos: Y tiene pelo, Y es de color leonado, Y tiene manchas oscuras

Inte

ligen

cia

Art

ifici

al

R1 = necesita: Z sea carnívoro, de colorleonado y tiene manchas oscuras

se busca que Z es carnívoro.Existen 2 reglas

R6 = debe verificar que Z es mamíferode nuevo existen dos alternativas R2 y R9.

Inte

ligen

cia

Art

ifici

al

R9 = Z tiene pelo, luego Z es mamíferopara cumplir que sea carnívoro se requieraque Z coma carne o que tenga garras o.Aunque se tienen los hechos de : Z es decolor leonado y Z tiene manchas oscurasno se cumple carnívorose concluye NO Z es ONZA.

Inte

ligen

cia

Art

ifici

al

Algoritmo

Enc_atrás()HQ todas las hipótesis se hayan intentado y alguna no sepueda comprobar o hasta que los objetos seanidentificados

– Para cada regla cuyo consecuente coincida con la hipótesisconfronte antecedentes con hechos,SI se cumple V: continúeF: considere el antecedente como hipótesis

– SI todos los antecedentes se corroboraron con hechos– V: anuncie ÉXITO (hipótesis es verdadera)– F: anuncie FALLO

FHQFin_alg_enc_atrás.

Inte

ligen

cia

Art

ifici

al

¿Cuál encadenamiento emplear?

Encadenamiento regresivo

Conjunto antecedentes lleve a muchas conclusiones.

Si hechos conducen a conclusiones, pero número dereglas es reducido muchos consecuentes.

Si no tiene hechos, y le interesa saber si unaconclusión es verdadera.

Inte

ligen

cia

Art

ifici

al

Una hipótesis conduce a muchas preguntasSi número de reglas es grande, número deconclusiones es reducido;Si tiene los hechos y desea saber que puedeconcluir.

Encadenamiento progresivo

Inte

ligen

cia

Art

ifici

al

Ventajas y desventajas de los sistemas deproducción

VentajasLas reglas son de fácil comprensión.

Inferencia y explicaciones son fácilmente derivadas.

El mantenimiento es relativamente simple, debido a la modularidad.

La “Incertidumbre” es fácilmente combinada en las reglas.

Cada regla es (normalmente) independiente de las otras.

DesventajasConocimiento complejo requiere muchas (millares de) reglas.

El exceso de reglas crea problemas para utilizar y mantener el sistema.

No es robusto y no aprende.

La adquisición del conocimiento es difícil.

Inte

ligen

cia

Art

ifici

al

Sistemas de inferencia dirigidos a patrones

Programas

IA Convencional

PDIS Otros Orientados a Objetos

Imperativos Funcionales

SBR

PS TS

SBN

Sistemas Lógicos

SistemasGramaticales

Donde:PDIS - Sistemas de inferenciadirigidos a patronesSBR - Sistemas basados en reglasSBN - Sistemas basados en redesPS - Sistemas de producciónTS - Sistemas de transformación

Inte

ligen

cia

Art

ifici

al

Preguntas

¿Se razona de manera natural con reglas?

¿Las reglas son fáciles de construir?

Sistemas de producción versusProgramación lógica.

Inte

ligen

cia

Art

ifici

al

Sistemas de Reacción Basados en Reglas

La parte del SI– especifican condiciones que deben satisfacerse.

La parte ENTONCES– especifica una acción o una operación que debe

realizarse (conclusiones).

Inte

ligen

cia

Art

ifici

al

Necesitan:

Memoria de trabajoAfirmaciones sobre los objetos a manipularCuál es el paso que se esta efectuandoQué objetos ha manipuladoCuáles falta por manipular.

Inte

ligen

cia

Art

ifici

al

BAGGER (pasos)

1. Verificación de la orden: Analiza los productos,detecta cuáles productos lleva y sugiere al clienteproductos que faltan.2. Empaque de productos grandes: Empaca losproductos grandes. Botellas primero.3. Empaque de productos medianos: Empacaproductos de tamaño mediano, productos congeladosen empaque especial.4. Empaque de productos pequeños: Empaca losproductos de tamaño pequeño.

Inte

ligen

cia

Art

ifici

al

P roducto T ipo deem paque

T am año C ongelado

G alletas envase cartón M ediano no

Y ogurt vaso plástico pequeño no

Papas fritas bolsa plástico mediano no

Helado envase cartón mediano si

Pollo bolsa plástico mediano si

G aseosa botella grande no

Bocadillo caja madera grande no

Artículos

Inte

ligen

cia

Art

ifici

al

BAGGER requiere saber

Cuál es el paso que estaefectuando.Cuál bolsa es la que seestá llenando.Qué productos se hanempacado.

Paso = verificar ordenBolsa actual = 1artículos bolsa actual = 0artículos por empacar = 7

GalletasYogurtPapas fritasHeladoPolloGaseosaBocadillo

Inte

ligen

cia

Art

ifici

al

B1: SI Paso = verificar ordenPapas fritas se van a empacarNo existe gaseosa en los productos ENTONCES sugiera llevar gaseosa

B2: SI Paso = verificar orden ENTONCES Paso = no verificar ordenPaso = empacar productos grandes

Inte

ligen

cia

Art

ifici

al

B2: SI Paso = verificar orden ELIMINE Paso = verificar orden ADICIONE Paso = empacar productos grandes

B3: SI Paso = empacar productos grandesEmpacar producto grandeProducto grande es botellaBolsa con menos de 6 productos ELIMINE Empacar producto grande ADICIONE Producto grande en bolsa actual

Inte

ligen

cia

Art

ifici

al

B4: SI Paso = empacar productos grandesEmpacar producto grandeBolsa con menos de 6 productos ELIMINE Empacar producto grande ADICIONE Producto grande en bolsa actual

Inte

ligen

cia

Art

ifici

al

B5: SI Paso = empacar productos grandesEmpacar producto grandeBolsa vacía disponible ELIMINE Bolsa actual ADICIONE Bolsa vacía es bolsa actual

B6: SI Paso = empacar productos grandesELIMINE Paso = empacar productos grandesADICIONE Paso = empacar productos medianos

Inte

ligen

cia

Art

ifici

al

Paso = empacar productosmedianosBolsa actual = 1artículos bolsa actual = 2artículos por empacar = 5 Galletas Yogurt Papas fritas Helado Pollo

Inte

ligen

cia

Art

ifici

al

B7: SI Paso = empacar productos medianosEmpacar producto medianoProducto congelado, no empaque especialELIMINE Producto congelado no empaque especialADICIONE Producto congelado empaque especial.

B8: SI Paso = empacar productos medianos Empacar producto mediano Bolsa actual vacía y sin productos grandes Bolsa con menos de 12 productos ELIMINE Empacar producto mediano ADICIONE Producto mediano en bolsa actual

Inte

ligen

cia

Art

ifici

al

B9: SI Paso = empacar productos medianosEmpacar producto medianoBolsa vacía disponible ELIMINE Bolsa actual ADICIONE Bolsa vacía es bolsa actual

B10: SI Paso = empacar productos medianosELIMINE Paso = empacar productos medianosADICIONE Paso = empacar productos pequeños

Inte

ligen

cia

Art

ifici

al

Paso = empacar productos pequeñosBolsa actual = 2artículos bolsa actual = 4artículos por empacar = 1 Yogurt

Inte

ligen

cia

Art

ifici

al

B11: SI Paso = empacar productos pequeñosEmpacar producto pequeñoBolsa actual sin productos grandesBolsa actual sin productos medianosBolsa con menos de 18 productosELIMINE Empacar producto pequeñoADICIONE Producto pequeño en bolsa actual

Inte

ligen

cia

Art

ifici

al

B12: SI Paso = empacar productos pequeñosEmpacar producto pequeñoBolsa vacía disponibleELIMINE Bolsa actualADICIONE Bolsa vacía es bolsa actual

B13: SI Paso = empacar productos pequeños ELIMINE Paso = empacar productos pequeños ADICIONE Empaque finalizadoTerminar

Inte

ligen

cia

Art

ifici

al

Paso = empaque finalizadoBolsa actual = 3artículos bolsa actual = 1artículos por empacar = 0

Inte

ligen

cia

Art

ifici

al

Sistemas Basados en Casos

Inte

ligen

cia

Art

ifici

al

Sistemas Basados en Casos

El ingeniero observa el mensaje de error queexiste en pantalla, apaga el computador,busca en su maletín algo. Un diskette. Locoloca en la unidad. Prende el computador,contesta rápidamente a un conjunto demensajes y luego dice, listo.

Inte

ligen

cia

Art

ifici

al

El ingeniero nuevo observa el mensaje de error queexiste en pantalla, busca en su maletín un libro, pasacerca de 15 minutos leyendo algunos apartes, pasadoese tiempo, apaga el computador.

Busca un diskette en el maletín, comparando lareferencia o titulo del diskette con el que esta en ellibro.

Al fin coloca uno en la unidad, prende elcomputador, contesta cada uno de los mensajes enpantalla después de leerlos adecuadamente yobservando el libro; al fin dice, listo.

Inte

ligen

cia

Art

ifici

al

En ambos casos la acción tomada fue la misma, sinembargo, los procedimientos usados para llegar ala conclusión fue diferente.El primer ingeniero, se baso en su experiencia.El segundo se remitió a una documentación quecontenía solución de problemas, es decir, conteníamodelos o casos de solución de problemas.

Inte

ligen

cia

Art

ifici

al

Un SRBC

Utiliza una biblioteca, en lugar de un conjunto de principiosiniciales.

Debe saber responder a:

Los casos en la memoria y su organización.

Método a utilizar para recobrar los casos.

Cómo adaptar casos almacenados a los nuevos complejosmecanismos para la creación de índices.

Capacidad de recordar experiencias pasadas.

Tomar el mejor caso y adaptarlo a la situación.

Inte

ligen

cia

Art

ifici

al

Sistemas Basados en Modelos

Dependen del conocimiento de la estructura,del comportamiento del equipo,se razona usando los primeros principios

Los modelos: matemáticos o estructurales,especialmente frames y reglas

Las reglas pueden ser:reglas de simulación o reglas de inferencia.

Inte

ligen

cia

Art

ifici

al

Existen otros tipos de sistemas como

...

Inte

ligen

cia

Art

ifici

al

Jackson Peter. Introduction to Expert Systems. 2a ed.,Addison-Wesley Publishing Company, 1990.

Russel Stuart; Norvig Peter. Artificial Intelligence. AModern Approach. Prentice-Hall Inc., 2004.

Winston Patrick Henry. Artificial Intelligence. Addison-Wesley Publishing Company, 1998.

Inte

ligen

cia

Art

ifici

al