Ingenieria Del Conocimiento Diapositivas Introduccion

8/17/2019 Ingenieria Del Conocimiento Diapositivas Introduccion

1/60

INGENIERIA DELCONOCIMIENTO

UBICACION HISTORICA

Dr. Ramón GARCIA MARTINEZ


2/60

INTELIGENCIA ARTIFICIALEs la disciplina que estudia la forma dediseñar procesos que exhiban

características que comunmente seasocian con el comportamiento humano

inteligente.


3/60

PUNTOS DE INFLEXION TECNOLOGICOS

Primer Punto: Aparición de la Máquina de Vapor (siglopasado). El hombre se vió liberado de las pesadas tareas físicas.

Fueron considerados proyectos que hasta el momento eranimposibles por la fuerza-hombre disponible.

Segundo Punto: Invención de la Primera Computadora(en este siglo). El hombre se vió liberado de las pesadas tareas de

cálculo. Fueron considerados proyectos que hasta el momento eranimposibles por la fuerza de cálculo disponible. Se resuelvenproblemas pendientes de Física Teórica, Astronomía y Geofísica.

Tercer Punto: Aparición de la Inteligencia Artificial (eneste siglo. El hombre se vió liberado de las tareasintelectuales informatizables como la inferencia. Seconstruyen modelos sobre los procesos de deducción(razonamiento) y adquisición de conocimiento (aprendizajeautomático).


4/60

LA DÉCADA DE LOS '50

Podemos enunciar el objetivo de este período comosigue :

Estudio de estrategias como una forma

de acercamiento a los procesos inteligentes

Se postula el estudio de las estrategias humanas parallevar adelante juegos como un acercamiento a los

procesos inteligentes. Se estudiaron muchos juegoscomo las damas,el ajedrez el 'go' y los rompecabezas.


5/60

Se observa que todos los juegos presentan :

- Representación arbórea de los estados

futuros posibles- Se descubre un problema asociado a losespacios de búsqueda quese denomina explosión combinatoria.

Como una forma de recortar los efectos nocivos de laexplosión combinatoria se aplican heurísticas a losprocesos de búsqueda. Se puede definir una

heurística de la siguiente manera :

Es una estrategia para reducirel espacio de búsqueda


6/60

Se enlaza la I.A. con la :

> Teoría de grafos> Teoría de probabilidades

Se redefinen conceptos para el uso de la I.A. como :

> Esperanza de un estado> Arbol de búsqueda de estados posibles

> Ponderación probabilística de una sucesión deestados


7/60

LA DÉCADA DE LOS '60

Se puede enunciar el objetivo de este período comosigue :

Estudio de formasde mecanizar el razonamiento

Se postula el estudio de sistemas formales dededucción, extensiones de la Lógica Clásica:

> Lógica modal> Lógicas temporales> Lógicas de significado


8/60

Se describen :

> Mecanismos de inferencia (Principio deResolución de Robinson)

> Se desarrolla una Teoría sobre lacompletitud de los sistemas formales (serevalorizan los trabajos de Church y Gödel)

Surge:

El concepto de motor de inferencia

(Colmenauer : Universidad de Marsella),mecanismo que automatiza el modus ponensde la lógica clásica.


9/60

Todos los trabajos de investigación de ese períodoconducen a la siguiente conclusión :

La semántica de los resultados de la inferencia, es

incorrecta si la teoría a la cual se aplica nomodeliza adecuadamente la realidad que

representa.


10/60

La década de los '70

La rama científica

Se puede enunciar el objetivo de este período como

sigue :

Estudio de algoritmos y mecanismos asociadosal reconocimiento de patrones


11/60

Se postula el estudio de sistemas de representacióndiscreta del mundo real, haciendo investigación básicaen áreas como :

> Reconocimiento de sonidos, en particular lavoz humana.

> Reconocimiento de imágenes, lo cual se hacea base de procesos de digitalización.

> Algoritmos de predicción de movimiento en

tres dimensiones (sobre un plano) y sobre 4dimensiones (el espacio).


12/60

La mayoría de los algoritmos desarrollados presentandos dificultades:

> Una alta complejidad algorítmica ( polinomial y

exponencial )

> No manejan adecuadamente el problema dela ambiguedad.


13/60

Surgen como derivación tecnológica en este períodolos conceptos y algoritmos relacionados con el

tratamiento automático de sonidos, figuras y sólidos,como :

> Aproximación polinomial a figuras y sólidos.> Heurísticas de resolución de conflictos.

> Digitalización de : sonido, imagen ypercepciones en general.


14/60

En este período se enlaza la I.A. con teorías matemáticas

y físicas sobre :

> Sistemas polinómicos de aproximación asólidos.

> Procesos estadísticos asociados a digitalización.

> Procesos numéricos asociados a digitalización.


15/60

SISTEMAS EXPERTOS FAMOSOS


16/60


17/60

La década de los '80

Se puede enunciar el objetivo de este período :

Estudio del Aprendizaje Artificial y los procesos dePlanificación

En 1986 se realiza el primer congreso mundial sobre

Sistemas Inteligentes Autónomos.


18/60

Acciones:> Estudio de modelos de aprendizaje artificial y

procesos de planificación.

> Se definen modelos matemáticos deaprendizaje

> Se postula al aprendizaje como unacaracterística esencial de los sistemasinteligentes.

> Se produce un acercamiento entre laInteligencia Artificial y la Psicología Cognitiva

tratándose de atacar los problemasinterdisciplinariamente.


19/60


ARQUITECTURA DE SISTEMAS EXPERTOS



20/60

Se pueden definir los Sistemas Expertos (SE) como

una clase de programas que son capaces de :

aconsejar, categorizar, analizar, comunicar,

consultar, diseñar, diagnosticar, explicar, explorar,

formar conceptos, interpretar, justificar, planificar ;son en suma, programas capaces de manejar

problemas que normalmente requieren para su

resolución la intervención humana especializada.


21/60

Son desarrollados con la ayuda de Expertos de

Campo, los cuales revelan información acerca de

aquellos procesos mentales, que le permitensolucionar los distintos problemas.

El otro profesional interviniente es el Ingeniero deConocimiento, cuya función específica es la de dar

forma simbólica y automáticamente manipulable al

conocimiento proporcionado por el Experto de

Campo.


22/60

CARACTERISTICAS DE LOS SISTEMAS EXPERTOS

> Aplican su experiencia de una manera eficiente

para solucionar problemas, pudiendo realizar

inferencias a partir de datos incompletos o

inciertos.

> Explican y justif ican lo que estan haciendo.

> Se comunican con otros expertos y adquieren

nuevos conocimientos.

> Reestructuran y reorganizan el conocimiento.


23/60

> Pueden quebrantar reglas, es decir, interpretan

simultáneamente el espíritu y la letra de de las

mismas.

> Determinan cuando un problema está en el

dominio de su experiencia, conocido como

determinación de la relevancia del problema.

Los sistemas expertos existentes modelan a lo sumo

las tres primeras características.


24/60

ARQUITECTURA DE UN SISTEMA EXPERTO

COMPONENTES: > Base de Conocimientos (BC)

>

Reglas> Aserciones

> Base de datos (BD)

> Motor de Inferencia (MI)

> Trazador de Explicaciones (TE)

> Trazador de Consultas (TC)

> Memoria de Trabajo (MT)

> Manejador Comunicación (MC)


25/60


26/60

La Base de Conocimiento puede definirse como launión del conjunto de aserciones y el conjunto de

reglas. La Base de Conocimiento contiene el

conocimiento que el sistema experto maneja, es decir,

una formulación simbólica, automáticamente

manipulable, del área de conocimiento sobre el cual elsistema es experto. La función de la Base de

Conocimiento es suministrar al Motor de Inferencia,

información sobre la naturaleza del problema a

manejar.


27/60

La Base de Datos esta formada por distintos datos

sobre el problema particular que el sistema experto

esta intentando resolver, su función es suministrarinformación al Motor de Inferencia.


28/60

La Memoria de Trabajo es una base de datos

temporal, en la cual el motor de inferencia deja

información deducida apartir de :

* La Base de Conocimiento

* La Base de Datos

* La Memoria de Trabajo


29/60

El Motor de Inferencia activa las reglas en función de la

información contenida en la Base de Datos y la Memoria

de Trabajo, la nueva información es puesta en la Memoria

de Trabajo. También se encarga de proporcionar al

Trazador de Explicaciones, las reglas que motivaron unadeterminada consulta al usuario. El Motor de Inferencia

puede trabajar bajo dos principios : Universo cerrado o

Universo abierto.

El Motor de Inferencia activa las reglas en función de la

información contenida en la Base de Datos y la Memoria

de Trabajo, la nueva información es puesta en la Memoria

de Trabajo. También se encarga de proporcionar al

Trazador de Explicaciones, las reglas que motivaron unadeterminada consulta al usuario. El Motor de Inferencia

puede trabajar bajo dos principios : Universo cerrado o

Universo abierto.


30/60

El principio de Universo Cerrado establece que todainformación necesaria está contenida en el sistema y en

consecuencia lo que no puede demostrar como

verdadero lo supone falso. Bajo este principio la Base de

Datos no puede ser vacía.

El principio de Universo Abierto establece que la

información necesaria que no esta contenida en el

sistema, esta fuera de el y en consecuencia se comunica

con el usuario. Bajo este principio la Base de Datos

puede ser vacía.


31/60

El Trazador de Consultas organiza y presenta en una

forma semántica y sintácticamente aceptable para el

usuario, los requerimientos de información del sistema, lasrespuestas suministradas por el usuario serán asentadas

en la Memoria de Trabajo.


32/60

El Trazador de Explicaciones interpreta requerimientos

del usuario sobre el porqué de determinadas preguntas

por parte del sistema, trazando la justificación de las

mismas, esta traza se realiza utilizando información que

le suministra el Motor de Inferencia.


33/60

El Manejador de Comunicaciones tiene las siguientesfunciones :

> Derivar la información inicial que suministra el

usuario hacia la Base de Datos.

> Interpretar los mensajes del usuario que pueden

ser:

• Respuestas del usuario a una pregunta

formulada por el sistema.

• Solicitud de una explicación a partir deconsulta del sistema.


34/60

MOTORES DE INFERENCIA

Estrategias puras del motor de inferencia:

Orientada por el objetivo: Conocida como búsquedahacia atrás (backward

chaining)

Orientada por los datos: Conocida como búsqueda

hacia adelante (forward

chaining)

En ambos casos se tienen datos iniciales y un

objetivo a verif icar.


35/60

La estrategia orientada por el objetivo toma como

origen de la inferencia al objetivo y a partir de este

intenta construir un árbol hacia los datos conocidos,estando las distintas reglas, asociadas a las ramas del

mismo.


36/60

La estrategia orientada por los datos toma como origen

de la inducción a los datos y a partir de estos intenta

construir un conjunto que contenga como elemento alobjetivo, para hacer esto usa las reglas como operadores

de pertenencia al conjunto Memoria de Trabajo.


37/60


MODELADO DE CONOCIMIENTO



38/60

El Modelado del Conocimiento tiene como propósito darforma automáticamente manipulable a los distintos tipos de

conocimientos del dominio que maneja el experto.

MODELADO DEL CONOCIMIENTO

En esencia la mayoría de los dominios admiten que el

conocimiento asociado se modele en términos de tres tiposde Conocimiento:(a) Fácticos

(b) Tácticos

(c) Estrátégicos.


39/60

La descripción de cada tipo de conocimiento y la herramientacon la que puede ser modelado se presentará a partir delsiguiente ejemplo de cuerpo de conocimiento:


40/60

CONOCIMIENTOS FÁCTICOS

Este tipo de conocimiento se modela principalmente mediante 2técnicas: Tabla CAV (Concepto-Atributo-Valor) y Diccionario.

Proporciona una lista de los conceptos que se manipulan en

el dominio de conocimiento relacionados con la familia deproblemas que resolverá el Sistema Experto a desarrollar.Cada concepto quedará descrito en términos de los atributosque definen a cada concepto y de los valores que cadaatributo puede tomar.

Tabla CAV:

Diccionario:

Este tipo conocimiento es el relacionado con la descripción delos objetos conceptuales del universo de discurso del dominiode conocimiento sobre el que se pretende hacer un SE.

Debe dar una descripción de cada uno de los conceptos,atributos y valores que forman parte de la tabla CAV. Quedaarticulado mediante la cita del término y su definiciónordenado lexicográficamente.


41/60

EJEMPLO DE TABLA CAV


42/60

EJERCICIO DE TABLA CAV

Desarrolle la Tabla CAV para el concepto “SOLDADURA”


43/60

RESOLUCION EJERCICIO DE TABLA CAVPARA EL CONCEPTO “ SOLDADURA”


44/60

EJEMPLO DE DICCIONARIO


45/60

EJERCICIO DE DICCIONARIO

Identifique todos los términos que deben ser definidos en eldiccionario.


46/60

RESOLUCION EJERCICIO DE DICCIONARIO

CONOCIMIENTOS TACTICOS


47/60

CONOCIMIENTOS TACTICOS

Este tipo conocimiento es el que se refiera a las relacionesque vinculan los objetos conceptuales del universo de discursodel dominio de conocimiento sobre el que se pretende hacerun sistema experto.

La relación de más interés es la de causalidad entreconceptos, en particular, de que modo se pueden inferir losvalores de determinados atributos de determinados conceptosa partir de los valores que tienen otros atributos de otrosconceptos (eventualmente los mismos).

Este tipo de conocimiento se modela principalmente medianteel uso de reglas y se documenta mediante el uso de Tablas

PER (Palabras del Experto-Regla).

En una tabla PER se plantea el cuerpo del conocimiento (quecontiene las relaciones de causalidad explícitas ó implícitas

identificadas) y la regla o reglas que lo modelan.


48/60

EJEMPLO DE TABLA PER


49/60

EJERCICIO DE TABLA PER

Desarrolle la Tabla PER para la “DETERMINACION DEELECTRODOS RUTILCELULÓSICOS”

RESOLUCION EJERCICIO DE TABLA PER PARA LA


50/60

RESOLUCION EJERCICIO DE TABLA PER PARA LA“ DETERMINACION DE ELECTRODOS RUTILCELULÓSICOS”

El conjunto de tablas PER para el caso en el que las relaciones


51/60

j p qde causalidad estan implicitamente definidas en las palabras del

experto, quedaría:

CONOCIMIENTOS ESTRATÉGICOS


52/60

Están relacionados con la manera en que las distintas partes deldominio de conocimiento sobre el que se pretende hacer un sistemaexperto, son aplicadas para la resolución de una tarea.

Con distintos niveles de granularidad, describe:

CONOCIMIENTOS ESTRATÉGICOS

Este tipo de conocimiento se modela principalmente mediante la

técnica Diagrama Jerárquico de Tareas. En el quedan especificados:

(a) que es lo que hay que hacer

(b) bajo que condiciones puede hacerse

(c) que post-condiciones resultaran de lo que se haga.

(a) que sub-tarea compone cada tarea

(b) que información recibe y entrega cada tarea/subtarea.

EJERCICIO DE DIAGRAMA


53/60

EJERCICIO DE DIAGRAMA

JERARQUICO DE TAREAS(DJT)

Desarrolle la DJT para“SELECCIONARELECTRODO”

RESOLUCION EJERCICIO DE DIAGRAMA JERARQUICO


54/60

RESOLUCION EJERCICIO DE DIAGRAMA JERARQUICO

DE TAREAS PARA “ SELECCIONAR ELECTRODO”

GRAFOS ARQUETÍPICOS


55/60

GRAFOS ARQUETÍPICOS

En muchos dominios de conocimiento, puede reconocerse unaestructura de representación de la causalidad que es isomorfacon la estructura del dominio.

En los problemas de diagnóstico o de clasificación, estaestructura recibe el nombre de grafo arquetípico.

El grafo arquetípico de un dominio será el grafo compuesto por

los subgrafos asociados a cada problema de ese dominio.Una vez producida la licitación de conocimiento, loscomponentes de esa estructura son rotulados y la estructura setransforma en un grafo casual.

El grafo casual es una representación automáticamentemanipulable del conocimiento asociado a los procesosdeductivos del experto de campo.

Í


56/60

El grafo arquetípico tiene tres clases de nodos:

Nodos problemas

Nodos precondición

Nodos solución

GRAFOS ARQUETÍPICOS (cont.)

Í


57/60

EJEMPLO DE GRAFO ARQUETÍPICO

“ RECOMENDACIÓN ELECTRODO RUTILCELULOSICO”

EJERCICIO DE GRAFO CAUSAL (GC)


58/60

EJERCICIO DE GRAFO CAUSAL (GC)

Desarrolle la GC para ““RECOMENDACIÓN ELECTRODORUTILICOS”

RESOLUCION EJERCICIO DE GRAFO CAUSAL PARA


59/60

RESOLUCION EJERCICIO DE GRAFO CAUSAL PARA“ RECOMENDACIÓN ELECTRODO RUTILICOS”

MAPA DE CONOCIMIENTO


60/60

Para su construc-ción se realiza una

generalizaciónsobre el grafocausal del dominioque constituye un

detalle de losmecanismos derazonamiento delexperto.

El mapa de conoci-miento encapsula laestructura general

de razonamiento delexperto.

Ingenieria Del Conocimiento Diapositivas Introduccion

Documents

Transcript of Ingenieria Del Conocimiento Diapositivas Introduccion